一种基于教育大数据画像的教育评价方法及装置制造方法及图纸

本申请提供了一种基于教育大数据画像的教育评价方法及装置，使用学习者行为模型、学习者知识模型、教学策略分析模型和知识领域模型，对教育基础数据进行评价，因此，能够充分利用教育大数据，实现对于教育指导。

【技术实现步骤摘要】
一种基于教育大数据画像的教育评价方法及装置
本申请涉及电子信息领域，尤其涉及一种基于教育大数据画像的教育评价方法及装置。
技术介绍
大数据画像是以大量的数据为基础建立的模型。教育大数据画像是指，以大量的教育领域的基础数据为基础，建立的教育模型。教育大数据画像对于学生、老师、家长和教育机构均具有指导意义。但是，申请人在研究的过程中发现，目前教委各个部门的数据之间存在信息的共享壁垒，大量教育基础数据不能实现整合，更谈不上对于育基础数据的分析和挖掘。
技术实现思路
本申请提供了一种基于教育大数据画像的教育评价方法及装置，目的在于解决如何基于教育基础数据，对教育进行评价的问题。为了实现上述目的，本申请提供了以下技术方案：一种基于教育大数据画像的教育评价方法，包括：收集教育基础数据；从预设的类型中，确定收集到的所述教育基础数据所属的类型；将确定类型的教育基础数据输入训练得到的分析模型，得到分析模型输出的分析结果，所述分析模型包括：学习者行为模型、学习者知识模型、教学策略分析模型和知识领域模型；基于所述分析结果，对教育进行评价。可选的，所述分析模型的训练过程包括：收集教育样本数据；将所述教育样本数据划分为预设的类型；依据划分类型后的教育样本数据，训练预设的分析模型。可选的，所述预设的类型包括：教与学行为数据、教育教学评价数据、教学资源数据和教育教学管理数据。可选的，所述对教育进行评价包括：对学生、教师、家长和教育机构中的至少一项进行评价。可选的，在所述从预设的类型中，确定收集到的所述教育基础数据所属的类型之前，还包括：对收集到的所述教育基础数据进行预处理，所述预处理包括统一格式、以及去除噪声和冗余数据。一种基于教育大数据画像的教育评价装置，包括：数据收集模块，用于收集教育基础数据；分类模块，用于从预设的类型中，确定收集到的所述教育基础数据所属的类型；模型分析模块，用于将确定类型的教育基础数据输入训练得到的分析模型，得到分析模型输出的分析结果，所述分析模型包括：学习者行为模型、学习者知识模型、教学策略分析模型和知识领域模型；评价模块，用于基于所述分析结果，对教育进行评价。可选的，还包括：模型训练模块，用于收集教育样本数据，将所述教育样本数据划分为预设的类型，并依据划分类型后的教育样本数据，训练预设的分析模型。可选的，所述预设的类型包括：教与学行为数据、教育教学评价数据、教学资源数据和教育教学管理数据。可选的，所述评价模块，用于对教育进行评价包括：所述评价模块具体用于，对学生、教师、家长和教育机构中的至少一项进行评价。可选的，还包括：预处理模块，用于对收集到的所述教育基础数据进行预处理，所述预处理包括统一格式、以及去除噪声和冗余数据。本申请所述的基于教育大数据画像的教育评价方法及装置，使用学习者行为模型、学习者知识模型、教学策略分析模型和知识领域模型，对教育基础数据进行评价，因此，能够充分利用教育大数据，实现对于教育指导。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例公开的一种基于教育大数据画像的教育评价的流程图；图2为本申请实施例公开的一种基于教育大数据画像的教育评价装置结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。图1为本申请实施例公开的一种基于教育大数据画像的教育评价方法，包括以下步骤：S101：收集教育样本数据。教育样本数据包括学生电子学籍数据、中小学教师数据、教育事业统计数据学生体质健康数据等各类教育数据。具体的，可以从各个教学统计系统的数据库采集上述教育样本数据。S102：将教育样本数据划分为预设的类型。其中，预设的类型包括：教与学行为数据、教育教学评价数据、教学资源数据和教育教学管理数据。可选的，在收集教育样本数据之后，可以先对收集到的数据进行预处理：转化为统一格式；将含有噪声数据、冗余的数据剔除等。再对预处理后的教育样本数据进行类型的划分。S103：依据划分类型后的教育样本数据，训练预设的分析模型。其中，预设的分析模型包括：学习者经验模型、学习者行为模型、学习者知识模型、教学策略分析模型和领域知识模型。需要说明的是，上述模型的训练输入数据，为上述预设类型中的至少一种类型的数据。模型均可依据经验设置，这里不再赘述。以上五种分析模型输出的分析结果数据，构成教育大数据画像的结果。以上为训练过程。下面详细说明基于教育基础数据，评价教育的过程：S104：收集教育基础数据。如前所述，教育基础数据包括一段时期内的学生电子学籍数据、中小学教师数据、教育事业统计数据学生体质健康数据等各类教育数据。S105：从预设的类型中，确定收集到的教育基础数据所属的类型。预设的类型包括：教与学行为数据、教育教学评价数据、教学资源数据和教育教学管理数据。可选的，在收集教育基础数据之后，可以先对收集到的数据进行预处理：转化为统一格式；将含有噪声数据、冗余的数据剔除等。再对预处理后的教育基础数据进行类型的划分。S106：将确定类型的教育基础数据输入训练得到的分析模型，得到分析模型输出的分析结果。具体的，学习者经验模型用于得到学习者相关经验的定量化表达的结果。学习者行为模型用于得到学习者日常行为的预判结果。学习者知识模型用于得到重新规划学习者知识结构的结果。教学策略分析模型用于得到未来教学策略修改的结果。领域知识模型用于得到针对教育领域内相关知识架构重新构建的结果。本实施例中，各个模型的输入数据，可以为上述数据类型中的至少一种，具体应用的过程中，可以依据经验设置。S107：基于分析结果，对教育进行评价。评价对象(即教育大数据画像的应用对象)包括：学生、教师、家长和教育机构。具体的，对于学生，实现对于每个学生的个性化和智能化学习的引导。对于教师，教师分享优质的教学资源并实时了解学生的学习情况，实时的学情分析报告让教师快速准确掌握教学效果，以便于及时调整教学策略。对于家长，能够一目了然看到孩子的学习进展和了解学习情况。对于教育机构，能够便捷地开展教学管理工作，清晰地管理学生学习档案和教师教学进度。以北京市为例，教育大数据体系和应用系统结构规划的建设，是基于北京市教委已建的各个信息化业务系统，依托北京市基础教育数据及交换体系，搭建的北京市教委综合分析平台。旨在面向管理者的决策需求，完善数据集成质量，将新增业务系统进行贯通，多类多源数据进行汇聚整合，实现北京市教委基础数据、指标数据、专题数据、全业务数据的统一管理与综合分析。图1所示的方法，基于教育基础数据，形成教育大数据画像，并依据教育大数据画像对教育现状进行评价，对于均衡教育资源分配、提升教育教学质量起到不可估量的作用。图2为本申请实施例公开的一种基于教育大数据画像的教育评价装置，包括：数据收集模块、分类模块、模型分析模本文档来自技高网...

【技术保护点】
1.一种基于教育大数据画像的教育评价方法，其特征在于，包括：收集教育基础数据；从预设的类型中，确定收集到的所述教育基础数据所属的类型；将确定类型的教育基础数据输入训练得到的分析模型，得到分析模型输出的分析结果，所述分析模型包括：学习者行为模型、学习者知识模型、教学策略分析模型和知识领域模型；基于所述分析结果，对教育进行评价。

【技术特征摘要】
1.一种基于教育大数据画像的教育评价方法，其特征在于，包括：收集教育基础数据；从预设的类型中，确定收集到的所述教育基础数据所属的类型；将确定类型的教育基础数据输入训练得到的分析模型，得到分析模型输出的分析结果，所述分析模型包括：学习者行为模型、学习者知识模型、教学策略分析模型和知识领域模型；基于所述分析结果，对教育进行评价。2.根据权利要求1所述的方法，其特征在于，所述分析模型的训练过程包括：收集教育样本数据；将所述教育样本数据划分为预设的类型；依据划分类型后的教育样本数据，训练预设的分析模型。3.根据权利要求1或2所述的方法，其特征在于，所述预设的类型包括：教与学行为数据、教育教学评价数据、教学资源数据和教育教学管理数据。4.根据权利要求1所述的方法，其特征在于，所述对教育进行评价包括：对学生、教师、家长和教育机构中的至少一项进行评价。5.根据权利要求1、2或4所述的方法，其特征在于，在所述从预设的类型中，确定收集到的所述教育基础数据所属的类型之前，还包括：对收集到的所述教育基础数据进行预处理，所述预处理包括统一格式、以及去除噪声和冗余数据。6.一种基于教育大数据画像...

【专利技术属性】
技术研发人员：孙良俊，莫银峰，
申请(专利权)人：北京三正科技股份有限公司，
类型：发明
国别省市：北京,11