[发明专利]学员评价系统

说明书

技术领域

本发明涉及机器自学习领域，特别涉及一种学员评价系统。

背景技术

传统教育的评价方式都比较单一、分散，比如通过学习获取文凭，或者迫于一些现实的压力等。现在随着大数据时代的来临，基于大规模的学员数据可以进行一些分析，但是目前的都是基于一些特定主题的大数据分析系统，如：CN104835373A中提到的基于微课的点控式培训系统涉及一种基于微课的点控式培训系统，所述培训系统包括服务器、与服务器网络连接的终端设备，所述终端设备包括智能手机、电脑、平板电脑，所述培训系统包括存储在所述服务器上的登陆模块、学员界面、教师界面和教学管理员界面，所述用户通过登陆模块进入相应界面；所述学员界面包括数据录入模块、学习交流模块、微课资源模块、测试模块；所述教师界面包括数据存储模块、学习交流模块、微课资源上传模块、分析评价模块。改微课的点控式培训系统可针对学员的学习情况，进行个性化培训，为学员查缺补漏，形成评估、学习、测试、指导四个学习过程的综合体系，从而有效提高学员学习效果。

然而，目前还没有基于大数据分析，对培训学员的情况整体多维度的评价，难以对各类型学员提供有针对性的指导与帮助。因此，亟待开发一种有效的学员评价方案，以克服上述不足。

发明内容

有鉴于此，本发明旨在提供一种学员评价系统，以期实现对对各类不同学员进行有效地识别，更好地推进个性化服务。

具体而言，本发明的所述学员评价系统包括：

学习态度积极性模型，用于接收预定义的学员的学习态度积极性指标参数，并利用感知计算方法对所述学习态度积极性指标参数进行计算，得到该学员的学习态度积极性评价结果；

毕业后期望模型，用于接收预定义的学员的毕业后期望指标参数，并利用感知计算方法对所述毕业后期望指标参数进行计算，得到该学员的毕业后期望模型；

生活压力模型，用于接收预定义的学员的生活压力指标参数，并利用感知计算方法对所述生活压力指标参数进行计算，得到该学员的生活压力评价结果；

学以致用度模型，用于接收预定义的学员的学以致用度指标参数，并利用模糊逻辑系统对所述学以致用度指标参数进行计算，得到该学员的学以致用度评价结果；

文凭驱动度模型，用于接收预定义的学员的文凭驱动度指标参数，并利用模糊逻辑系统对所述文凭驱动度指标参数进行计算，得到该学员的文凭驱动度评价结果；

人群归属模型，用于接收预定义的学员的人群归属指标参数，并利用主成分分析方法得到该学员的人群归属类型。

进一步地，所述模糊逻辑系统为一型模糊逻辑系统，所述感知计算方法中的模糊集采用一型模糊集；或者，所述模糊逻辑系统为二型模糊逻辑系统，所述感知计算方法中的模糊集采用二型模糊集。

进一步地，所述学习态度积极性指标参数包括：网络行为参数，包括：学习平台的访问次数及访问时长，移动端的访问次数及访问时长，课程论坛的访问次数，其他论坛的访问次数及访问时长；学习行为参数，包括：学习平台课件的点击次数，移动端视频的点击次数，导学资料的下载次数，课程公告的点击次数；作业评价参数，包括：已完成在线作业次数与在线作业总数比值的在线作业完成度，已提交离线作业次数与离线作业总数比值的离线作业完成度；论坛行为参数，包括：课程论坛和其他论坛的发帖次数与浏览次数；

所述学习态度积极性模型包括指标参数权重确定模块，首先运用层次分析法计算各个所述学习态度积极性指标参数的权重，其次再将计算得到的各参数的权重用三角模糊数表示。

进一步地，所述学习态度积极性模型、毕业后期望模型、生活压力模型、学以致用度模型和文凭驱动度模型中指标参数或输入变量的模糊区间划分采用如下方法：

比例计算单元，用于计算每个指标I_k(k＝1,…,n)中第一个非零分位数a_k1的比例x_k％和右端稀疏数据起始分位数a_km的比例y_k％，其中，n为指标参数的个数；

等分单元，用于将区间[x_k,y_k]m等分,其分点对应的分位数分别记为(a_k1,a_k2,…,a_km)；

梯形模糊集表示单元，用于将所述m等分后的分位数用预定数量的区间表示，并对各个模糊区间进行标准化。

进一步地，所述学习态度积极性模型、毕业后期望模型和生活压力模型的评价结果的计算方法与步骤如下：