[发明专利]一种云数据教育培训过程的形成性优化系统及方法

说明书

本发明属于大数据技术领域，涉及一种云数据教育培训过程的形成性优化系统及方法，云数据教育培训过程的形成性优化系统包括：学生反馈信息采集模块、学习意愿判断模块、学习效果判断模块、学习条件判断模块、智能网关A、数据处理器、学习成绩录入模块、智能网关B、数据库、机器学习模块。本发明通过教育终端与云服务器之间的相互通信，利用大数据技术和机器学习，使系统能够快速达到最佳状态、将学生的学习状态分为意愿、条件、效果，层次分析使系统评价更客观。本发明中机器学习模块在改进课程的过程中，采用改进的分块特征匹配算法对学生意愿程度与课程相匹配，能够很好地实现特征点的正确匹配，具有很高的使用价值，提高匹配精度和计算速度。

技术领域

本发明属于大数据技术领域，尤其涉及一种云数据教育培训过程的形成性优化系统及方法。

背景技术

随着在线教育产业迅速发展，如何构建在线课程教学评价优化体系，有效发挥评价机制成为亟需解决的问题。由于在线教育无法进行课堂上的面对面交流和对学生能力的准确定位，往往存在评价单向性、忽视过程评价、评价形式简单等问题。

传统评价往往关注学生最终的学习成绩，忽略学习过程。而形成性评价将关注点的一部分转移到学生的学习过程，比如，学生在这个过程中的行动、效果、意愿等，能够帮助学生纠正学习习惯、调整学习方法和学习目标，检测其学习效果，最终达到完成课程学习，提升学生能力的目标。

综上所述，现有技术存在的问题是：

(1)现有技术中使用大数据配合机器学习技术，导致系统不能够快速达到最佳状态；降低了对学生的学习状态分为意愿、条件、效果，层次分析的客观性。

(2)现有技术中对数据进行解密的过程中，采用传统的算法对数据进行解密，不能避免数据被非法分子抓包截取，提高了软件潜在风险，降低了传输速度。

(3)现有技术中数据处理器将来自学习效果判断模块和学生成绩录入模块的数据进行整合、分组后发送给智能网关A的过程中，采用传统的算法对数据进行整合分类，不能解决存在的不可分区域和误差积累现象，降低了分类精度，增加了分类时间。

(4)现有技术中采用传统的算法对学生意愿程度与课程相匹配，不能够很好地实现特征点的正确匹配，降低了匹配精度和计算速度。

发明内容

针对现有技术存在的问题，本发明提供了一种云数据教育培训过程的形成性评价优化系统及方法。

本发明是这样实现的，一种云数据教育培训过程的形成性评价优化方法包括以下步骤：

步骤一，对学生的学生自评、学生间对比、教师评估、在线时长、学习内容、在线互动、问题讨论、练习、测试数据进行采集；

步骤二，根据采集的数据分析学生自评、学生间对比、在线互动、练习信息得出学生学习意愿水平；分析在线时长、学习内容、在线互动分析学生的智力、学历学习条件数据；

步骤三，根据步骤二中的数据分析，对学生的学习效果形成判断数据并保存学生的测试成绩信息；

步骤四，将采集的数据、分析判断的数据和学生的成绩数据进行整合、分组后发送给智能网关A，将采集的数据和分析判断的数据进行寻址和对数据加密，输出给云服务器中的智能网关B，进行解密和校验；

步骤五，存储学生的信息和课程的信息，并通过学生与课程匹配的意愿程度不断改进课程信息，进行系统优化。

进一步，智能网关B完成数据的解密方法包括：

步骤1，将对接收的数据包进行格式检查，防止数据在传输过程或其他环节出现数据丢失，若格式正确则执行步骤2，否则返回错误信息；