【技术实现步骤摘要】
本专利技术涉及大数据处理，尤其涉及一种教学数据处理方法、装置、设备及介质。
技术介绍
1、为授课对象所在的听课小组匹配合适的授课人员需要对大量的教学数据进行处理。当前，对教学数据进行匹配处理主要是采用人工的方式，即人工统计采集各个授课人员的教学数据，然后进行人工的数据分析，得到该授课人员的匹配处理结果。
2、然而，现有技术依赖于人工对大量的教学数据进行处理分析，导致教学数据的处理效率低，进而导致为听课小组分配授课人员的效率低且准确性差。
技术实现思路
1、本申请提供一种教学数据处理方法、装置、设备及介质，从而解决现有技术依赖于人工对大量的教学数据进行处理分析，导致教学数据的处理效率低，进而导致为听课小组分配授课人员的效率低且准确性差的问题。
2、第一方面，本申请提供一种教学数据处理方法，应用于计算机设备，包括：
3、从数据库中提取任一授课人员的历史教学数据，其中所述历史教学数据包括所述授课人员的所有授课对象的授课成果数据和授课前基础数据；
4、从所述授课成果数据中，提取每个授课对象的各检测分支数据，其中每个检测分支数据包含检测分支得分和章节标识；
5、对各检测分支数据的章节标识进行聚类，以得到多个章节名称；
6、根据所述授课前基础数据对各授课对象进行分类，以得到多个授课对象类型；
7、按照所述多个授课对象类型和所述多个章节名称，对所有的检测分支数据进行分类，以得到每个授课对象类型对应各章节的检测分支
8、根据各检测分支数据集中的检测分支数据的检测分支得分，计算得到所述授课人员的各授课对象类型对应各章节的得分率；
9、获取待分配听课小组的授课对象成果数据，并根据所述授课对象成果数据确定待分配听课小组中各授课对象类型的占比；
10、根据所述待分配听课小组中各授课对象类型的占比，与多个授课人员的各授课对象类型对应各章节的得分率，得到所述待分配听课小组与每个授课人员的匹配信息；
11、根据各授课人员的匹配信息，在多个授课人员中确定目标授课人员；
12、将所述待分配听课小组的分配通知推送至所述目标授课人员的授课系统。
13、本申请提供了一种智能化的为听课小组分配授课人员的方法，首先在数据库中获取授课人员教授过的所有授课对象的授课成果数据和授课前基础数据，通过授课成果数据，能够提取出每个授课对象的各检测分支得分和章节标识，对章节标识进行聚类从而得到多个章节名称，通过授课前基础数据，能够对各授课对象进行分类得到多个授课对象类型，结合多个授课对象类型和多个章节名称，可准确对检测分支数据进行分类和计算，进而得到授课人员的各授课对象类型对应各章节的得分率，针对待分配听课小组，根据授课对象成果数据确定该听课小组中各授课对象类型的占比，通过各授课对象类型的占比与多个授课人员的各授课对象类型对应各章节的得分率，能够实现对授课人员和听课小组的匹配计算，从而为待分配听课小组确定最合适的授课人员，并能够将待分配听课小组的分配通知推送至目标授课人员的授课系统，实现了为听课小组分配授课人员全过程的自动化和智能化，通过计算机设备对教学数据准确、高效地数据分析，实现了授课人员与听课小组的智能匹配，提高了教学数据的处理效率，也提高了为听课小组分配授课人员的效率和准确性。
14、可选地，按照所述多个授课对象类型和所述多个章节名称，对所有的检测分支数据进行分类，以得到各授课对象类型对应各章节的检测分支数据集，包括：
15、按照所述多个授课对象类型，对所有的检测分支数据进行分类，以得到各授课对象类型对应检测分支数据集；按照所述多个章节名称，对各授课对象类型对应检测分支数据集进行分类，以得到各授课对象类型对应各章节的检测分支数据集；或者，按照所述多个章节名称，对所有的检测分支数据进行分类，以得到各章节对应检测分支数据集；按照所述多个授课对象类型，对各章节对应检测分支数据集进行分类，以得到各授课对象类型对应各章节的检测分支数据集。
16、其中，本申请在对检测分支数据进行分类时，可以预先通过授课对象类型分类得到各授课对象类型对应检测分支数据集，再根据章节名称对各授课对象类型对应检测分支数据集进行分类，以得到各授课对象类型对应各章节的检测分支数据集，也可以预先通过章节名称分类得到各章节对应检测分支数据集，再根据授课对象类型针对各章节对应检测分支数据集进行分类，得到各授课对象类型对应各章节的检测分支数据集，分别通过不同的分类方式逐次对检测分支数据进行分类，能够得到准确的分类结果，为授课人员的分配提供了准确的数据保证，提高了教学数据处理的准确性。
17、可选地，所述根据所述待分配听课小组中各授课对象类型的占比，与多个授课人员的各授课对象类型对应各章节的得分率，得到所述待分配听课小组与每个授课人员的匹配信息，包括：
18、针对每个授课人员，将所述待分配听课小组中各授课对象类型的占比与所述授课人员的各授课对象类型对应各章节的得分率进行加权计算处理，以得到所述待分配听课小组与所述授课人员的综合匹配得分；将所述待分配听课小组与所述授课人员的综合匹配得分确定为所述待分配听课小组与所述授课人员的匹配信息。
19、其中，本申请通过将待分配听课小组中各授课对象类型的占比与授课人员的各授课对象类型对应各章节的得分率做加权计算处理，来得到综合匹配得分，在加权计算处理的过程中，能够充分考虑到各授课对象类型的占比以及各授课对象类型对应各章节的得分率对综合匹配得分的影响，因此得到的综合匹配得分能够充分反映待分配听课小组与授课人员的匹配程度，将综合匹配得分确定为匹配信息，能够准确根据匹配信息来确定目标授课人员，进一步地提高了教学数据处理的准确性，提高了为听课小组分配授课人员的准确性。
20、可选地，所述将所述待分配听课小组中各授课对象类型的占比与所述授课人员的各授课对象类型对应各章节的得分率进行加权计算处理，以得到所述待分配听课小组与所述授课人员的综合匹配得分，包括：
21、将所述待分配听课小组中各授课对象类型的占比作为权重、将所述授课人员的各授课对象类型对应各章节的得分率作为基数，进行加权计算处理，以得到所述待分配听课小组与所述授课人员的综合匹配得分。
22、这里，本申请将各授课对象类型的占比作为权重、将授课人员的各授课对象类型对应各章节的得分率作为基数，通过加权计算处理，能够准确衡量待分配听课小组与授课人员的匹配情况，进一步地提高了为听课小组分配授课人员的准确性。
23、可选地，所述根据所述授课对象成果数据确定待分配听课小组中各授课对象类型的占比，包括：
24、根据所述授课对象成果数据，提取在所述待分配听课小组中每个授课对象的历史顺序数据；针对每个授课对象，将所述历史顺序数据输入至预设相关性预测模型，以通过所述预设相关性预测模型的输出结果，得到所述授课对象的授课对象类型，其中，所述预设相关性预测模型通过历本文档来自技高网...
【技术保护点】
1.一种教学数据处理方法，其特征在于，应用于计算机设备，包括：
2.根据权利要求1所述的方法，其特征在于，按照所述多个授课对象类型和所述多个章节名称，对所有的检测分支数据进行分类，以得到各授课对象类型对应各章节的检测分支数据集，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述待分配听课小组中各授课对象类型的占比，与多个授课人员的各授课对象类型对应各章节的得分率，得到所述待分配听课小组与每个授课人员的匹配信息，包括：
4.根据权利要求3所述的方法，其特征在于，所述将所述待分配听课小组中各授课对象类型的占比与所述授课人员的各授课对象类型对应各章节的得分率进行加权计算处理，以得到所述待分配听课小组与所述授课人员的综合匹配得分，包括：
5.根据权利要求1至4任一项所述的方法，其特征在于，所述根据所述授课对象成果数据确定待分配听课小组中各授课对象类型的占比，包括：
6.根据权利要求5所述的方法，其特征在于，在所述针对每个授课对象，将所述历史顺序数据输入至预设相关性预测模型，以通过所述预设相关性预测模型的输出结果，得到
7.根据权利要求1至4任一项所述的方法，其特征在于，在所述将所述待分配听课小组的分配通知推送至所述目标授课人员的授课系统之前，还包括：
8.一种教学数据处理装置，其特征在于，包括：
9.一种教学数据处理设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至7任一项所述的方法。
...【技术特征摘要】
1.一种教学数据处理方法，其特征在于，应用于计算机设备，包括：
2.根据权利要求1所述的方法，其特征在于，按照所述多个授课对象类型和所述多个章节名称，对所有的检测分支数据进行分类，以得到各授课对象类型对应各章节的检测分支数据集，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述待分配听课小组中各授课对象类型的占比，与多个授课人员的各授课对象类型对应各章节的得分率，得到所述待分配听课小组与每个授课人员的匹配信息，包括：
4.根据权利要求3所述的方法，其特征在于，所述将所述待分配听课小组中各授课对象类型的占比与所述授课人员的各授课对象类型对应各章节的得分率进行加权计算处理，以得到所述待分配听课小组与所述授课人员的综合匹配得分，包括：
5.根据权利要求1至4任一项所述的方法，...
【专利技术属性】
技术研发人员：曹军军，陈芳芳，项灵刚，游军杰，谭立何，王鹏翾，吴文倩，
申请(专利权)人：杭州海亮铭优在线教育科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。