基于大数据的教育软件数据处理方法技术

本发明专利技术公开基于大数据的教育软件数据处理方法，通过将教育软件上的所有课程进行分类标记，并根据学生用户在该教育软件的登录账号筛选预设时间段内的各条历史学习记录，进而分析该学生用户的偏好课程类别、偏好学习时长和偏好课程教师，以此筛选符合该学生用户偏好的课程进行推荐，同时将该学生用户的学习与测试情况联系在一起，根据筛选的预设时间段内的各条历史学习记录对应的测试分数，分析该学生用户的擅长课程类别和薄弱课程类别，综合以上通过对学生用户在该教育软件上的学习数据进行分析处理，弥补了目前的学生网络教育软件功能比较单一和智能化水平低的弊端，完善了网络教育软件的功能，满足了用户的智能化使用需求。

【技术实现步骤摘要】
基于大数据的教育软件数据处理方法
本专利技术属于数据处理
，涉及教育软件数据处理技术，具体为基于大数据的教育软件数据处理方法。
技术介绍
随着计算机技术在教育领域的广泛应用,网络教育应运而生，由此涌现出众多的网络教育软件，如学生网络教育软件、成人网络教育软件、游戏类网络教育软件等等，它突破了传统教室教学的时间和空间限制,其灵活快捷和交互性强等特点受到广大教育者和学习者的青睐。但现在的网络教育软件大多功能比较单一、智能化水平低。以学生网络教育软件为例来说，一方面目前学生网络教育软件其提供的学习功能和测评功能是分开的，没有根据学生学习课程的测评数据进行深入挖掘，从而得到学生所擅长和薄弱的课程类别；另一方面目前学生网络教育软件其向学生推荐课程时只是针对学生喜爱的课程类别进行推荐，没有深入考虑到学生喜爱的课程教师和学生能够接受的课程时长，使得推荐的课程过于片面化，与学生的偏好匹配度低、推荐效果差，导致学生需要花费大量时间自己搜索筛选，降低了学生的使用体验感。因此目前的学生网络教育软件无法满足用户的智能化使用需求。
技术实现思路
为了克服上述不足，本专利技术提出一种基于大数据的教育软件数据处理方法，通过对学生用户在教育软件上的历史学习记录进行深入挖掘处理，能够有效弥补目前的学生网络教育软件功能比较单一和智能化水平低的弊端。本专利技术的目的可以通过以下技术方案来实现：基于大数据的教育软件数据处理方法，包括以下步骤；S1.教育软件课程类别分类标记：对教育软件上存在的课程类别进行统计，并对统计的各课程类别按照预设的顺序进行编号，依次标记为1,2...i...n，同时对各课程类别对应的所有课程名称进行统计，进而构成各课程类别对应的课程名称集合，并获取各课程名称对应的课程教师，以此将各课程类别中各课程名称对应的课程教师进行对比，统计各课程类别中包含的课程教师数量，由此得到各课程类别中各课程教师对应的课程数量及每个课程对应的课程名称，从而对应存储在各课程类别中各课程教师对应的课程数据库中；S2.用户基本信息获取及历史学习记录筛选：根据学生用户在该教育软件的登录账号，获取该学生用户的基本信息和该学生用户监护人的基本信息，同时根据该学生用户在该教育软件的登录账号筛选预设时间段内的各条历史学习记录，并对筛选的预设时间段内的各条历史学习记录按照学习时间的先后顺序进行编号，分别标记为1,2...j...m；S3.学习参数集合构建：对筛选的预设时间段内的各条历史学习记录获取其对应的学习参数，并将获取的预设时间段内的各条历史学习记录对应的学习参数构成学习参数集合Gw(gw1,gw2,...,gwj,...,gwm)，gwj表示为预设时间段内第j条历史学习记录的第w个学习参数对应的数值，w表示为学习参数，w＝r1,r2,r3,r4,r1,r2,r3,r4分别表示为课程名称，学习时长，课程时长，测试分数；S4.各候选课程类别学习参数集合构建：从学习参数集合中提取各条历史学习记录对应的课程名称，进而将其与各课程类别对应的课程名称集合进行对比，筛选各条历史学习记录对应的课程类别，可记为F1,F2...Fj...Fm,以此将各条历史学习记录对应的课程类别进行相互对比，分析是否存在相同的课程类别，若存在相同的课程类别，则统计相同课程类别的数量，各相同课程类别记为候选课程类别，此时对各候选课程类别进行编号，分别标记为A,B...I...N，并对各候选课程类别统计其对应的历史学习记录总条数及各条历史学习记录对应的编号，其中各历史学习记录对应的编号可记为1,2...a...z，由此根据各候选课程类别对应的各条历史学习记录编号从学习参数集合中提取各条历史学习记录编号对应的学习参数，从而构成各候选课程类别学习参数集合PwM(pwM1,pwM2,...,pwMa,...,pwMz)，pwMa表示为第M个候选课程类别对应的第a条历史学习记录的第w个学习参数对应的数值，M表示为候选课程类别，M＝A,B...I...N；S5.用户偏好课程类别分析：从各候选课程类别学习参数集合中提取各候选课程类别中各条历史学习记录对应的学习时长和课程时长，统计各候选课程类别中各条历史学习记录对应的学习专注力系数，进而根据各候选课程类别中各条历史学习记录对应的学习时长和学习专注力系数以及各候选课程类别对应的历史学习记录总条数统计各候选课程类别对应的偏好系数，此时将各候选课程类别按照其对应的偏好系数由大到小进行排序，得到各候选课程类别对应的排序结果，进而从排序结果中筛选排在第一位的候选课程类别作为该学生用户的偏好课程类别；S6.用户偏好课程类别的偏好学习时长分析：根据筛选的偏好课程类别从各候选课程类别学习参数集合中提取该偏课程类别中各条历史学习记录对应的学习参数，并从中获取该偏课程类别中各条历史学习记录对应的学习时长，进而进行相互对比，分析是否存在相同的学习时长，若存在相同的学习时长，则统计相同学习时长的数量，各相同学习时长记为候选学习时长，进而统计各候选学习时长在该偏课程类别中各条历史学习记录对应的学习时长内出现的频次，以此筛选出现频次最高的候选学习时长作为该学习用户对该偏好课程类别对应的偏好学习时长；S7.用户偏好课程类别的偏好课程教师分析：根据筛选的偏好课程类别从各候选课程类别学习参数集合中提取该偏课程类别中各条历史学习记录对应的课程教师，进而进行相互对比，分析是否存在相同的课程教师，若存在相同的课程教师，则统计相同课程教师的数量，各相同课程教师记为候选课程教师，进而统计各候选课程教师在该偏课程类别中各条历史学习记录对应的课程教师内出现的频次，以此筛选出现频次最高的候选课程教师作为该学习用户对该偏好课程类别对应的偏好课程教师；S8.偏好课程筛选并推荐：根据得到的该学生用户对应的偏好课程类别和对应的偏好课程教师，从各课程类别中各课程教师对应的课程数据库中提取该偏好课程类别对应该偏好课程教师对应的各个课程名称，并获取各个课程名称对应的课程时长，进而将获取的各个课程名称对应的课程时长与该学生用户对应的偏好学习时长进行对比，从中筛选出与学生用户偏好学习时长相同的课程名称，由此将筛选出的课程名称推荐给该学生用户；S9.擅长课程类别和薄弱课程类别分析：根据S4获取的各条历史学习记录对应的课程类别，由此统计出在所有历史学习记录中对应的课程类别数量，并获取各课程类别对应的历史学习记录总条数和各条历史学习记录编号，同时根据各课程类别对应的各条历史学习记录编号从学习参数集合中提取各条历史学习记录对应的测试分数，由此统计该学生用户学习的各课程类别中各条历史学习记录对应的测试成绩优异系数，进而计算该学生用户学习的各课程类别对应的平均测试成绩优异系数，以此将该学生用户学习的各课程类别按照其对应的平均测试成绩优异系数由大到小进行排序，得到该学生用户学习的各课程类别的排序结果，从而从各课程类别的排序结果中提取平均测试成绩优异系数最大的课程类别和平均测试成绩优异系数最小的课程类别，其中平均测试成绩优异系数最大的课程类别记为擅长课程类别，平均测试成绩优异系数最小本文档来自技高网...

【技术保护点】
1.基于大数据的教育软件数据处理方法，其特征在于：包括以下步骤；/nS1.教育软件课程类别分类标记：对教育软件上存在的课程类别进行统计，并对统计的各课程类别按照预设的顺序进行编号，依次标记为1,2...i...n，同时对各课程类别对应的所有课程名称进行统计，进而构成各课程类别对应的课程名称集合，并获取各课程名称对应的课程教师，以此将各课程类别中各课程名称对应的课程教师进行对比，统计各课程类别中包含的课程教师数量，由此得到各课程类别中各课程教师对应的课程数量及每个课程对应的课程名称，从而对应存储在各课程类别中各课程教师对应的课程数据库中；/nS2.用户基本信息获取及历史学习记录筛选：根据学生用户在该教育软件的登录账号，获取该学生用户的基本信息和该学生用户监护人的基本信息，同时根据该学生用户在该教育软件的登录账号筛选预设时间段内的各条历史学习记录，并对筛选的预设时间段内的各条历史学习记录按照学习时间的先后顺序进行编号，分别标记为1,2...j...m；/nS3.学习参数集合构建：对筛选的预设时间段内的各条历史学习记录获取其对应的学习参数，并将获取的预设时间段内的各条历史学习记录对应的学习参数构成学习参数集合G...

【技术特征摘要】
1.基于大数据的教育软件数据处理方法，其特征在于：包括以下步骤；
S1.教育软件课程类别分类标记：对教育软件上存在的课程类别进行统计，并对统计的各课程类别按照预设的顺序进行编号，依次标记为1,2...i...n，同时对各课程类别对应的所有课程名称进行统计，进而构成各课程类别对应的课程名称集合，并获取各课程名称对应的课程教师，以此将各课程类别中各课程名称对应的课程教师进行对比，统计各课程类别中包含的课程教师数量，由此得到各课程类别中各课程教师对应的课程数量及每个课程对应的课程名称，从而对应存储在各课程类别中各课程教师对应的课程数据库中；
S2.用户基本信息获取及历史学习记录筛选：根据学生用户在该教育软件的登录账号，获取该学生用户的基本信息和该学生用户监护人的基本信息，同时根据该学生用户在该教育软件的登录账号筛选预设时间段内的各条历史学习记录，并对筛选的预设时间段内的各条历史学习记录按照学习时间的先后顺序进行编号，分别标记为1,2...j...m；
S3.学习参数集合构建：对筛选的预设时间段内的各条历史学习记录获取其对应的学习参数，并将获取的预设时间段内的各条历史学习记录对应的学习参数构成学习参数集合Gw(gw1,gw2,...,gwj,...,gwm)，gwj表示为预设时间段内第j条历史学习记录的第w个学习参数对应的数值，w表示为学习参数，w＝r1,r2,r3,r4,r1,r2,r3,r4分别表示为课程名称，学习时长，课程时长，测试分数；
S4.各候选课程类别学习参数集合构建：从学习参数集合中提取各条历史学习记录对应的课程名称，进而将其与各课程类别对应的课程名称集合进行对比，筛选各条历史学习记录对应的课程类别，可记为F1,F2...Fj...Fm,以此将各条历史学习记录对应的课程类别进行相互对比，分析是否存在相同的课程类别，若存在相同的课程类别，则统计相同课程类别的数量，各相同课程类别记为候选课程类别，此时对各候选课程类别进行编号，分别标记为A,B...I...N，并对各候选课程类别统计其对应的历史学习记录总条数及各条历史学习记录对应的编号，其中各历史学习记录对应的编号可记为1,2...a...z，由此根据各候选课程类别对应的各条历史学习记录编号从学习参数集合中提取各条历史学习记录编号对应的学习参数，从而构成各候选课程类别学习参数集合PwM(pwM1,pwM2,...,pwMa,...,pwMz)，pwMa表示为第M个候选课程类别对应的第a条历史学习记录的第w个学习参数对应的数值，M表示为候选课程类别，M＝A,B...I...N；
S5.用户偏好课程类别分析：从各候选课程类别学习参数集合中提取各候选课程类别中各条历史学习记录对应的学习时长和课程时长，统计各候选课程类别中各条历史学习记录对应的学习专注力系数，进而根据各候选课程类别中各条历史学习记录对应的学习时长和学习专注力系数以及各候选课程类别对应的历史学习记录总条数统计各候选课程类别对应的偏好系数，此时将各候选课程类别按照其对应的偏好系数由大到小进行排序，得到各候选课程类别对应的排序结果，进而从排序结果中筛选排在第一位的候选课程类别作为该学生用户的偏好课程类别；
S6.用户偏好课程类别的偏好学习时长分析：根据筛选的偏好课程类别从各候选课程类别学习参数集合中提取该偏课程类别中各条历史学习记录对应的学习参数，并从中获取该偏课程类别中各条历史学习记录对应的学习时长，进而进行相互对比，分析是否存在相同的学习时长，若存在相同的学习时长，则统计相同学习时长的数量，各相同学习时长记为候选学习时长，进而统计各候选学习时长在该偏课程类别中各条历史学习记录对应的学习时长内出现的频次，以此筛选出现频次最高的候选学习时长作为该学习用户对该偏好课程类别对应的偏好学习时长；
S7.用户偏好课程类别的偏好课程教师分析：根据筛选的偏好课程类别从各候选课程类别学习参数集合中提取该偏课程类别中各条历史学习记录对应的课程教师，进而进行相互对比，分析是否存在相同的课程教师，若存在相同的课程教师，则统计相同课程教师的数量，各相同课程教师记为候选课程教师，进而统计各候选课程教师在该偏课程类别中各条历史学习记录对应的课程教师内出现的频次，以此筛选出现频次最高的候选课程教师作为该学习用户对该...

【专利技术属性】
技术研发人员：唐昶，魏军，
申请(专利权)人：深圳市诺达教育股份有限公司，
类型：发明
国别省市：广东;44