[发明专利]一种在线教育平台在审

专利信息
申请号: 202010328710.2 申请日: 2020-04-23
公开(公告)号: CN113554909A 公开(公告)日: 2021-10-26
发明(设计)人: 纪国庆 申请(专利权)人: 苏州博仁艺术培训有限公司
主分类号: G09B7/00 分类号: G09B7/00;G09B7/02;G06Q50/20
代理公司: 上海宏京知识产权代理事务所(普通合伙) 31297 代理人: 何艳娥
地址: 215000 江苏省苏州市苏州工业园*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 在线教育 平台
【权利要求书】:

1.一种在线教育平台,其特征在于:所述在线教育平台包括反作弊检测系统和个性化学习推荐系统;

所述反作弊检测系统包括考试数据获取模块和反作弊检测模块;

所述考试数据获取模块使用ELK分析工具实时获取学生考试的日志文件,并且提取学生考试行为数据;

所述反作弊检测模块将学生考试行为数据输入反作弊机器模型进行识别,检测是否存在作弊行为;

所述个性化学习推荐系统包括学习数据获取模块和学习推荐模块;

所述学习数据获取模块使用ELK分析工具实时获取学生学习的日志文件,并且提取学生学习数据;

所述学习推荐模块对学生学习数据进行多维特征计算,获取个性化的学习推荐。

2.根据权利要求1所述的一种在线教育平台,其特征在于:所述反作弊机器模型在进行识别前,需要进行反作弊机器模型训练,所述反作弊机器模型训练流程为:

S1.1:获取学生历史考试数据,并且对历史考试数据进行特征处理,得到历史数据中的异常行为数据;

S1.2:根据特征处理的历史数据建立知识库,并且建立机器学习模型;

S1.3:将知识库中的异常行为数据和异常标签输入机器学习模块进行模型训练,计算异常行为数据的数量,如果异常行为数据的数量超过预设阀值,则输出异常作弊预警信号。

3.根据权利要求1所述的一种在线教育平台,其特征在于,所述学习推荐模块的工作流程为:

S2.1:获取学生历史学习数据,并且对历史学习数据进行特征处理,得到历史学习特征;

S2.2:根据习题与习题之间的知识相关度构建一个习题相关网络;

其中,所述习题相关网络中,一个节点表示一个习题,节点之间的连线表示习题与习题之间的关联性,连线的权重表示习题与习题之间知识相关度的高低,并且利用余弦相似度算法计算知识相关度;

S2.3:通过多维特征算法,将三个维度的因素进行线性综合,得到学生与候选推荐习题之间的整体相关度,对所有候选推荐习题的整体相关度进行排名,输出个性化的学习推荐。

4.根据权利要求1所述的一种在线教育平台,其特征在于:所述在线教育平台还包括教师管理系统;所述教师管理系统包括教师管理模块、教学管理模块以及习题管理模块;

所述教师管理模块用于教师账号信息管理、账号密码信息管理以及账号登录信息管理;

所述教学管理模块用于课程内容清单上传、在线视频播放、视频观看报表生成以及课程章节测评管理;

所述习题管理模块用于课后习题内容清单上传和课后习题上传。

5.根据权利要求4所述的一种在线教育平台,其特征在于:所述教学管理模块包括课程内容清单、在线视频播放器、视频观看报表单元、章节评测单元以及章节评测报表单元;

所述课程内容清单提供课程标题、章、节名称,并且提供各章、节名称到对应课程直播视频文件和录制视频文件的播放链接;

所述在线视频播放器根据学生的播放请求,播放对应章、节课程直播视频文件和录制视频文件;

所述视频观看报表单元监听学生播放各章、节课程直播视频文件和录制视频文件的播放时长,并且统计生成可视化报表;

所述章节评测单元监听学生播放各章、节课程直播视频文件和录制视频文件的播放情况,并且在每一章、节课程直播视频文件和录制视频文件播放完成后,以对话框的形式弹出该节课程对应的评测试题,供学生输入答案;

所述章节评测报表单元根据学生输入答案,统计答案正确率,并且生成可视化报表。

6.根据权利要求1所述的一种在线教育平台,其特征在于:所述在线教育平台还包括学生管理系统,所述学生管理系统包括学生管理模块、课程管理模块以及习题模块;

所述学生管理模块用于学生账号信息管理、账号密码信息管理以及账号登录信息管理;

所述课程管理模块用于课程时间提醒、课程章节笔记存储以及课程章节测评结果存储;

所述习题模块用于课后习题内容清单获取、课后习题获取。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于苏州博仁艺术培训有限公司,未经苏州博仁艺术培训有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010328710.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top