[发明专利]一种在线学习平台检测刷课作弊的技术

说明书

本发明公开了一种在线学习平台检测刷课作弊的技术，包括以下检测流程：学生在登录APP应用或者WEB端网页学习时，在打开播放视频时候，平台首先采用定时心跳检测用户观看播放时长以及视频间隔播放时间点；将播放记录通过队列的方式计入数据库，同时大数据平台实时监测数据库binlog日志，将数据同步到数据中心；抓取到spark进行数据分析，大数据项目通过SPARK实时监测数据库数据，通过实时计算，将两次相邻的插入记录相减得到差值与本次提交的播放时间进行对比，若两次相邻时间差小于本次提交播放时间，则用户存在刷课行为。有益效果：本发明可以精准的抓取刷课学生，进行开导与震慑，提高教学质量，提升MOOC学习品质。

技术领域

本发明涉及网络学习领域，具体来说，涉及一种在线学习平台检测刷课作弊的技术。

背景技术

目前，在线学习已成趋势，教育部狠抓学习质量，但目前学生学习网课时候，机器刷课严重，教育质量下降，我们可以将用户的学习视频记录心跳收集，通过数据记录，大数据检测是否机器学习，提高教学质量，打击刷课。

针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

本发明为了MOOC教学的学习质量，通过大数据分析用户学习行为，判断是机器学习还是人工学习，达到提升教学目的，震慑刷课学生，减少刷课，提供一种在线学习平台检测刷课作弊的技术，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种在线学习平台检测刷课作弊的技术，包括以下检测流程：

(1)学生在登录APP应用或者WEB端网页学习时，在打开播放视频时候，平台首先采用定时心跳检测用户观看播放时长以及视频间隔播放时间点，心跳提交学习进度，学习进度记录包含用户ID、用户本次播放时长、用户播放视频时间点、视频ID、创建时间等关键信息，通过MQ队列存入数据库；

(2)将播放记录通过队列的方式计入数据库，同时大数据平台(平台用户每天的视频观看记录数据以亿为单位进行计算)实时监测数据库binlog日志，将数据同步到数据中心；

(3)抓取到spark进行数据分析，大数据项目通过SPARK实时监测数据库数据，通过实时计算，将两次相邻的插入记录相减得到差值与本次提交的播放时间进行对比，若两次相邻时间差小于本次提交播放时间，则用户存在刷课行为。

进一步的，作弊规则分析原理：首先将学生观看日志表的设计列包含：用户ID、课程ID、本次视频播放时长、创建时间字段，然后大数据系统通过抓取的binlog日志。

进一步的，将学生观看进行分组并按照创建时间排序，利用大数据内部函数将两次相隔创建时间相减，得到记录实际播放时长和提交时长进行对比。

进一步的，如果学生每次观看时长大于两次提交的观看记录差，说明提交的数据存在刷课行为。

进一步的，大数据平台将学生放入异常队列中，同时再将此次分析的播放记录数据提交异常队列，保存留档。

与现有技术相比，本发明具有以下有益效果：本发明可以精准的抓取刷课学生，进行开导与震慑，提高教学质量，提升MOOC学习品质。

具体实施方式

下面，结合具体实施方式，对发明做出进一步的描述：

根据本发明实施例的一种在线学习平台检测刷课作弊的技术，包括以下检测流程：

(1)学生在登录APP应用或者WEB端网页学习时，在打开播放视频时候，平台首先采用定时心跳检测用户观看播放时长以及视频间隔播放时间点，心跳提交学习进度，学习进度记录包含用户ID、用户本次播放时长、用户播放视频时间点、视频ID、创建时间等关键信息，通过MQ队列存入数据库；