[发明专利]基于高校互动课堂活动数据的学情分析方法及系统

说明书

本发明公开一种基于高校互动课堂活动数据的学情分析方法及系统，所述方法包括：在课前通过防作弊签到手段统计班级出勤率；在课内通过预制的投票主题和课堂试题统计各个学生对知识的识记和理解程度，并通过统计学生端网络使用情况识别非课程相关的网络行为；在课后通过课后作业统计各个学生对知识的巩固和应用程度；根据班级出勤率、学生对知识的识记和理解程度、非课程相关的网络行为、学生对知识的巩固和应用程度计算班级和个人学情评分。本发明通过统计课前、课内、课后的活动数据进行学情分析，可识别不良行为，设定评分规则分别计算班级和个人学情评分，为高效互动课堂提供综合评分结果。

技术领域

本发明属于学情分析术领域，具体涉及一种基于高校互动课堂活动数据的学情分析方法及系统。

背景技术

传统的学情分析方法是基于教师的观察和考试成绩，或者通过问卷调查进行评测，这样的分析方法主观性较强，获得的数据真实性也存在着一定的问题。尤其对于高校，学生逃课、代为点名签到、上课玩手机等不良行为层出不穷，教师无法准确获取学生的考勤数据和课堂行为数据，也无法准确判定学生究竟是在做与课程相关的学习还是其他无关的娱乐，为准确评析课堂学习情况增加了不小的阻碍。

现有的课堂考勤多为现场点名或学生在手机端签到，现场点名较为繁琐且占用上课时间，手机端签到存在各种不足，比如可利用他人代签或使用软件模拟地理位置进行签到，这种虚假签到信息会影响学情分析的准确性，甚至会误导教师做出错误决策。

现有技术中也出现了大量基于“机器视觉”的学情分析方法，通过采集课堂的照片和视频信息，采用机器学习进行姿态、表情、抬头、注意力等的检测，判定学生行为。但是这样的视觉观察手段需要大量数据进行模型训练，分析处理方法复杂且受外界因素干扰较大，如视频信息损坏、人脸识别算法优劣、个人故意伪装等，这些都会影响到最终的实验结果和结论。

发明内容

针对现有技术的缺陷，本发明提出了一种基于高校互动课堂活动数据的学情分析方法及系统，用于解决高校互动课堂的学情分析时无法有效分辨学生的不良行为的问题。

本发明第一方面，公开一种基于高校互动课堂活动数据的学情分析方法，所述方法包括：

在课前通过防作弊签到手段统计班级出勤率；

在课内通过预制的投票主题和课堂试题统计各个学生对知识的识记和理解程度，并通过统计学生端网络使用情况识别非课程相关的网络行为；

在课后通过课后作业统计各个学生对知识的巩固和应用程度；

根据班级出勤率、学生对知识的识记和理解程度、非课程相关的网络行为、学生对知识的巩固和应用程度计算班级和个人学情评分。

优选的，所述在课前通过防作弊签到手段统计班级出勤率具体包括：预先在服务器端存储课程名称、课程时间、教师信息与学生信息的对应关系表；

教师端在课前发起签到，并将签到信息上传至服务器端，签到模式为在线签到和/或GPS定位签到；

根据签到信息和对应关系表确定需要签到的学生及学生图像，发送签到界面到需要签到的学生端上，并在签到界面显示倒计时；

根据签到模式生成对应的签到结果；

将签到结果同时推送到教师端和学生端，在教师端统计班级出勤率。

优选的，所述根据签到模式生成对应的签到结果具体包括：

进入在线签到模式，在需要签到的学生端的签到界面上根据学生的活动账户生成签到二维码，记录签到二维码首次生成时间，并按照预设周期更新签到二维码；

收集学生对签到的二维码识别结果，记录签到二维码识别结果的收集时间；