基于教育对象的理论模型和量化模型的分类方法及系统

技术领域

本发明属于教学的技术领域，特别是涉及基于教育对象的理论模型和量化模型的分类方法及系统。

背景技术

模型是在一定条件下，对某一对象的结构、属性、关系等本质特征进行描述和再现的形式，反映了各变量间的相互关系。在教育评价领域中，构建科学的评价模型意味着对评价对象的本质特征及特征间关系的准确把握。但在教育场域中，存在多元的教育对象以及复杂的教育对象关系，这在客观上造成了教育评价模型构建的高难度，尤其是以循证为导向，通过教育数据的采集和模型计算来对某一教育对象特征进行测量时，往往还面临着梳理数据间的复杂关系的考验。

目前，市面上各教育产品所提供的教育评价模型在内部结构中缺乏对要素间关系的清晰界定，导致教育评价模型的科学性、合理性有待考证；在外部应用层面，各大教育厂商提供的模型看似繁杂、多样，但其内核同质化严重，缺乏科学的分类体系对其进行引导。

除此之外，各类教育应用产品采集了看似多元的教育数据，但由于缺乏对数据间关系的梳理，造成在实际应用层面存在乱象，难以挖掘出数据的深层价值。

发明内容

本发明为解决上述背景技术中存在的技术问题，提出基于教育对象的理论模型和量化模型的分类方法及系统。

本发明采用以下技术方案：基于教育对象的理论模型和量化模型的分类方法，包括以下步骤：

将模型域中的对象类型划分为教育对象和数据对象，将教育领域中独立存在的事物或者概念界定为教育对象，将教育对象的教育行为量化处理后得到的数据化信息界定为数据对象；将教育对象之间、数据对象之间以及教育对象和数据对象之间的关系统称为对象间关系；

创建对象间关系类型，包括：包含关系、同一关系、交叉关系和分离关系；基于对象间关系类型将所述对象间关系进行分类界定；

从教育对象和对象间关系两个维度将理论模型分类为若干个子理论模型，所述子理论模型是教育对象和对象间关系的结合表述；基于对象间关系和输出的数据对象将量化模型从两个维度进行分类得到若干个子量化模型，输入数据经所述若干个子量化模型进行归一化数据处理，并得到输出数据；所述输出数据是对同类型但不同表述的输入数据的统一化表述。

在进一步的实施例中，所述教育对象包括教育实体和教育对象关系；所述教育对象是关于教育实体的多个维度属性的集合，所述属性是关于教育对象关系的描述，也是对教育对象关系相关的教育对象的描述。

在进一步的实施例中，所述数据对象包括以下类型：属性测量数据、断言评分数据、基本参考数据和相关型数据。

在进一步的实施例中，所述对象间关系的分类界定标准如下：

确定存在对象间关系的两个对象主体，分别获取两个对象主体的多个维度属性集合S

基于属性性质、属性值、以及属性数量进行对比分析得到关于对象间关系的界定结果：

若S

若S

若S

若

在进一步的实施例中，所述包含关系还包括：分类关系和分解关系；

所述分类关系的界定方法如下：若属性集合S

所述分解关系的界定方法如下：若属性集合S

在进一步的实施例中，所述理论模型分类为若干个子理论模型的分类方法如

基于教育实体和教育对象关系分别引入教育实体属性和教育对象关系属性，理论模型所述的教育对象分为教育实体模型、教育对象关系模型、教育实体属性模型和教育对象关系属性模型；

对已经分类得到的教育实体模型、教育对象关系模型、教育实体属性模型和教育对象关系属性模型基于对象间关系进一步细分得到教育实体分类模型、教育对象关系分类模型、教育实体属性分类模型、教育对象关系属性分类模型、教育实体分解模型、教育对象关系分解模型、教育实体属性分解模型和教育对象关系属性分解模型。

在进一步的实施例中，基于对象间关系所在维度，所述若干个子量化模型包括：分类量化模型、归并模型和反映量化模型。

在进一步的实施例中，基于数据对象所在维度，所述若干个子量化模型包括：基本参考量化模型、断言评分量化模型、属性测量量化模型和相关型量化模型。

在进一步的实施例中，所述量化模型内内嵌有计算模型，所述计算模型用于实现输出数据和输入数据之间的转化；其中，所述计算模型包括基础计算模型、复合计算模型和分支计算模型。

在进一步的实施例中，所述基础计算模型为最小计算单元，包括加、减、乘、除等基本数学运算和统计学运算，其基本结构由两个输入、一个运算符和一个输出组成；

所述复合计算模型是由一系列基础计算模型或复合计算模型组合而成，其基本结构为若干个输入、若干个运算符和一个输出组成；

所述分支计算模型是分类量化模型专用计算模型，用于判断对应条件下的输出取值项，使用时需指定每个输出取值项的条件，其基本结构包括若干个条件及其对应的取值项、若干个输入和一个输出。

基于教育对象的理论模型和量化模型的分类系统，用于实现如上所述的分类方法，包括：

第一模块，被设置为将模型域中的对象类型划分为教育对象和数据对象，将教育领域中独立存在的事物或者概念界定为教育对象，将教育对象的教育行为量化处理后得到的数据化信息界定为数据对象；将教育对象之间、数据对象之间以及教育对象和数据对象之间的关系统称为对象间关系；

第二模块，被设置为创建对象间关系类型，包括：包含关系、同一关系、交叉关系和分离关系；基于对象间关系类型将所述对象间关系进行分类界定；

第三模块，被设置为从教育对象和对象间关系两个维度将理论模型分类为若干个子理论模型，所述子理论模型是教育对象和对象间关系的结合表述；基于对象间关系和输出的数据对象将量化模型从两个维度进行分类得到若干个子量化模型，输入数据经所述若干个子量化模型进行归一化数据处理，并得到输出数据；所述输出数据是对同类型但不同表述的输入数据的统一化表述。

本发明的有益效果：提出以对象间关系的划分作为模型分类的基础和输入端数据筛选的依据，一方面是以分类框架为导向，帮助模型构建过程中厘清教育对象、教育数据间关系，以提高教育模型准确性、科学性的有效方式；另一方面，以此分类标准作为依据，对市面上各类教育模型进行分类和重新梳理，可以帮助教育模型市场更好地看清需求缺口。

附图说明

图1为实施例1中的对象间关系为分类关系的关系图。

图2为实施例1中的对象间关系为分解关系的关系图。

图3为实施例1中的基础计算模型的基本结构图。

图4为实施例1中的复合计算模型的基本结构图。

图5为实施例1中的分支计算模型的基本结构图。

图6为实施例3中的反映型断言评分模型的基本结构图。

图7为实施例4中的复杂模型的基本结构图。

具体实施方式

实施例1

本实施例公开基于教育对象的理论模型和量化模型的分类方法，包括以下步骤：

将模型域中的对象类型划分为教育对象和数据对象；其中，将教育领域中独立存在的事物或者概念界定为教育对象，将教育对象的教育行为量化处理后得到的数据化信息界定为数据对象；将教育对象之间、数据对象之间以及教育对象和数据对象之间的关系统称为对象间关系；

创建对象间关系类型，包括：包含关系、同一关系、交叉关系和分离关系；基于对象间关系类型将所述对象间关系进行分类界定；

从教育对象和对象间关系两个维度将理论模型分类为若干个子理论模型，所述子理论模型是教育对象和对象间关系的结合表述；基于对象间关系和输出的数据对象将量化模型从两个维度进行分类得到若干个子量化模型，输入数据经所述若干个子量化模型进行归一化数据处理，并得到输出数据；所述输出数据是对同类型但不同表述的输入数据的统一化表述。

就本质而言，教育对象是关于教育实体的多个维度属性的集合；就教育对象关系而言，所述属性是关于教育对象关系的描述，也是对教育对象关系相关的教育对象的描述。换言之，属性包括以下组成部分：被描述的教育对象关系和两个与教育对象关系的教育对象。

教育对象包括教育实体和教育对象关系。需要说明的是，教育实体为参与教育活动的客观主体，现有技术中存在公认的边界，比如教师、学生、课堂、试卷、教案等。教育对象关系则为教育实体之间的关系、关系之间的关系、教育实体与关系之间的关系。因此，教育对象关系的组成如下：两个教育对象和可以表明两个教育对象之间关系的关系性质名词。举例，师生关系(教育实体与教育实体之间的关系)、友谊一和友谊二两种关系的相似关系(关系之间的关系)、学生对师生间信任关系的需求关系(教育实体和关系之间的关系)等等。

另一方面，所述数据对象是教育对象在教育活动中采集得到的量化数据。换言之，数据对象即为教育数据，由观察者、观察对象、时空限定、数据生成时间、数据标签、数据的值、数据名称等部分构成。教育对象面向教育领域，教育对象属于数据领域，通常教育对象在某时空环境下进行某种活动，该活动过程被采集成数据对象。例如：学生为教育对象，而学生在某次考试中的成绩被采集为数据对象。

基于证据的数据转化模型可用于描述教育对象或数据对象之间的关系运算，是沟通数据领域和教育领域的媒介。通过基于证据的数据转化模型，可以将纷繁复杂的教育数据经过计算转化为对教育领域所关注的某一属性的量化值。因此，为了实现依据教育数据对所测属性的量化计算，首先需要令教育模型能正确体现教育对象及对象间关系。

基于上述描述，创建对象间关系类型，如表1所示包括：包含关系、同一关系、交叉关系和分离关系。换言之，以空间为观察视角，两个对象依据其所处位置可能存在四种关系：若两个对象在空间上彼此独立、完全分离，则可被界定为分离关系；若两个对象在空间上部分重叠，则可被界定为交叉关系；若一个对象的边界被另一个对象的边界完全包括在内，则可被界定为包含关系；两个对象在空间上完全重合，则可被界定为同一关系。

表1对象间关系的分类

基于对象间关系类型将所述对象间关系进行分类界定。对象间关系的分类界定标准如下：

确定存在对象间关系的两个对象主体，分别获取两个对象主体的多个维度属性集合S

基于属性性质、属性值、以及属性数量进行对比分析(属性性质、值和属性数量是否相同)得到关于对象间关系的界定结果：

若S

分解关系的界定方法如下：若属性集合S

若S

若S

若

总而言之，对象间关系的分类是对模型进行建构及类别划分的前提基础。

在此基础之上，理论模型分类为若干个子理论模型的分类方法如下：

基于教育实体和教育对象关系分别引入教育实体属性和教育对象关系属性，理论模型所述的教育对象分为教育实体模型、教育对象关系模型、教育实体属性模型和教育对象关系属性模型；

对已经分类得到的教育实体模型、教育对象关系模型、教育实体属性模型和教育对象关系属性模型基于对象间关系进一步细分得到教育实体分类模型、教育对象关系分类模型、教育实体属性分类模型、教育对象关系属性分类模型、教育实体分解模型、教育对象关系分解模型、教育实体属性分解模型和教育对象关系属性分解模型。

换言之，因教育对象包括了教育实体和教育对象关系两类，因此教育对象属性也包括教育实体的属性(如学生的信息素养)和教育对象关系属性(如师生关系的联系紧密程度)两类。实际上，理论模型是基于质性方法，描述教育对象及其属性之间的关系，因此理论模型更多地会对于教育对象的属性与其他教育对象或同一对象的其他属性间的关系进行描述，并以此作为教育数据采集、分析的基础。故，有必要在对教育理论模型进行分类时增加教育对象的属性的相关维度。综上，理论模型所描述的对象类型可被分为四种，分别为教育实体、教育对象关系、教育实体属性、教育对象关系属性。

从教育对象关系和对象类型两个维度对理论模型进行分类。依据教育对象关系，将理论模型分为分类理论模型、分解理论模型、相关理论模型；依据教育对象关系，将理论模型分为教育实体理论模型、教育对象关系理论模型、教育实体属性理论模型、教育对象关系属性理论模型。

其中，由于分解和分类是包含关系，关系两端对象通常为同一类型，因此分类理论模型和分解理论模型内通常只具有一种教育对象类型。故对于分类和分解模型来说，可结合对象类型将其细分成八种，如表2所示。

表2

进一步的，下面对每种类型的理论模型在教育场景中的实际含义进行举例说明：

教育实体分类模型：例如，某一教师风格模型若将教师分类为理智型教师、意志型教师、感情型教师、组织型教师，则可以判定这一模型为教育实体分类模型。

教育实体分解模型：例如，若某一教案模型将教案分解为教案头、教案中、教案尾，则可以判定这一模型为教育实体分解模型；

教育对象关系分类模型：例如，若某一师生关系模型将师生关系分类为专制型师生关系、民主型师生关系和放任型师生关系，则可以判定这一模型为教育对象关系分类模型；

教育对象关系分解模型：例如，若某一师生关系模型将师生关系分解为师生的课上关系、师生的课外关系，则可以判定这一模型为教育对象关系分解模型；

教育实体属性分类模型：例如，若某一学习风格模型将学习风格分类为感知型、听觉型、动觉型，则可以判定这一模型为教育实体属性分类模型；

教育实体属性分解模型：例如，若某一学习动机模型将学习动机分解为内部动机、外部动机和无动机，则可以判定这一模型为教育实体属性分解模型；

教育对象关系属性分类模型：理论上存在此种理论模型，但较难对应实际情境，为确保理论完整度列举于此。

教育对象关系属性分解模型：例如，若某一学生间友谊关系模型将学生间友谊关系的健壮性分为校内学生间友谊关系的健壮性和校外学生间友谊关系的健壮性，则可以判定这一模型为教育对象关系属性分解。

此外，存在交叉关系或分离关系的两个对象通常为两类不同对象或一个对象两个不同时刻的状态，因此无法从单一对象类型的维度对相关模型进行限定。而无论是交叉关系或者分离关系，对象间通常会以相关关系的形式在理论模型中体现，故构成的模型可被统称为相关理论模型。

在教育实际场景中，相关理论模型一般用于分析教育实体属性或教育对象关系属性间的联系，而基本不应用于对教育实体或教育对象关系间联系的分析。大部分的教育模型都是以相关理论模型的方式呈现的，举例说明：学生学习动机模型中可能会包括生的上课活跃度、学生的作业完成情况、所在班级的学习氛围、教师对该学生的关注度等诸多因素，而学生的学习动机与这些因素间的关系都是相关关系，因此该模型为相关理论模型。

基于关系和对象类型的理论模型分类从学理层面对教育对象及其属性间的关系进行界定与描述，一方面，可作为教育领域内部理论模型建构的参考依据之一，帮助厘清复杂模型内部的关系(见实施例3)；另一方面，针对目前市面上用于教育分析的模型数量众多而缺少分类梳理的现状，采用上述的分类方式可以成为定义模型类别、厘清模型间区别与关系的抓手之一(见实施例4)。

在另一个实施例中，量化模型使用量化方法，通过数据对象之间的关系运算，完成教育数据的流转。根据数据的不同特点，可将数据对象分为属性测量数据、断言评分数据、基本参考数据和相关型数据。其中，属性测量数据、断言评分数据和基本参考数据分别对应教育对象的属性值、对客观世界断言的评分值和数据观察者眼中的事实数据，均属于非相关性数据；相关型数据表明几组非相关型数据之间联系的性质与程度。

基于上述描述，从对象间关系和数据对象两个维度对量化模型进行分类：基于对象间关系所在维度，将量化模型分为分类模型、归并模型(分解模型的逆运算)、相关模型(反映模型)。在教育实际场景中，大部分的用到的量化模型都为反映模型；从某种程度上讲，分类模型和归并模型也是反映模型。

基于数据对象所在维度，将量化模型分为基本参考量化模型、断言评分量化模型、属性测量量化模型和相关型量化模型。

在进一步的实施例中，输入数据经所述若干个子量化模型进行归一化数据处理，并得到输出数据；所述输出数据是对同类型但不同表述的输入数据的统一化表述。

首先以基于对象间关系的分类为例，对同类型但不同表述的输入数据的统一化表述具体表现为：

(1)分类量化模型：输入为分类依据，输出为欲分类的数据。例如：输入为“出勤得分”和“上课时长得分”，输出为“学生的出勤状况”，其可能取值为“积极参与”“保持参与”“潜在辍课”“高度流失”，即表明学生的出勤状况类型由出勤得分和上课时长得分决定，具体算法为该量化模型中的计算模型决定。

(2)归并量化模型：输入为输出数据含义上的组成部分。例如，输入为“学生的内部动机”“学生的外部动机”“学生的无动机”，输出为“学生的学习动机”。

(3)反映量化模型：输出数据通过输入数据来反映。例如，输入为“学生的出勤率”“学生的迟到率”“学生的早退率”，输出为“学生的出勤情况”。

再者，以基于数据对象的分类为例，对同类型但不同表述的输入数据的统一化表述具体表现为：

(1)基本参考量化模型：输入一般为基本参考数据，输出为基本参考数据。例如，输入为学生的上课举手总次数和学生的上课总次数，输出为学生平均每次课的举手次数；

(2)断言评分量化模型：输入一般为基本参考数据，输出为断言评分数据。例如，输入为学生的上课平均发言次数和学生发言质量的平均得分，输出为学生上课发言表现优秀的评分值；

(3)属性测量量化模型：输入一般为断言评分数据，输出为属性测量数据。例如，输入为学生上课发言表现优秀、学生上课听讲表现优秀、学生上课参与活动表现优秀的评分值，输出为学生课堂学习能力的属性值；

(4)相关型量化模型：输入为两个非相关型数据组，输出为相关型数据。例如，输入为一组学生的上课表现优秀的评分值及相同组学生的考试成绩，输出为两组数据间相关系数的数值。

对于量化模型进行分类的意义，一方面体现在指导量化模型的构建，例如，在已有数据的基础上分析不同数据点间的关系，并依据关系分类的逻辑进行模型的构建；另一方面体现在可以对于已有市面上的量化模型依据此分类结构进行分类，帮助明确量化模型间的区别和联系。

为实现分类量化模型、归并量化模型和反映量化模型的数据输出，计算模型可被分为基础计算模型、复合计算模型和分支计算模型。

基础计算模型是最小计算单元，包括加、减、乘、除等基本数学运算和统计学运算，其基本结构由两个输入、一个运算符和一个输出组成，如图3所示；复合计算模型是由一系列基础计算模型或复合计算模型组合而成，其基本结构为若干个输入、若干个运算符和一个输出组成，如图4所示；分支计算模型是分类量化模型专用的计算模型，用于判断对应条件下的输出取值项，在使用时需提前指定每个输出取值的条件，其基本结构包括若干个条件项及其对应的取值项、若干个输入和一个输出，如图5所示。

实施例2

本实施例为实现实施例1所述的分类方法的基于教育对象的理论模型和量化模型的分类系统，包括：第一模块，被设置为将模型域中的对象类型划分为教育对象和数据对象，将教育领域中独立存在的事物或者概念界定为教育对象，将教育对象的教育行为量化处理后得到的数据化信息界定为数据对象；将教育对象之间、数据对象之间以及教育对象和数据对象之间的关系统称为对象间关系；

第二模块，被设置为创建对象间关系类型，包括：包含关系、同一关系、交叉关系和分离关系；基于对象间关系类型将所述对象间关系进行分类界定；

第三模块，被设置为从教育对象和对象间关系两个维度将理论模型分类为若干个子理论模型，所述子理论模型是教育对象和对象间关系的结合表述；基于对象间关系和输出的数据对象将量化模型从两个维度进行分类得到若干个子量化模型，输入数据经所述若干个子量化模型进行归一化数据处理，并得到输出数据；所述输出数据是对同类型但不同表述的输入数据的统一化表述。

实施例3

现有一量化模型，存在三个输入数据，分别为学生的出勤率(基本参考数据)、学生的迟到率(基本参考数据)和学生的早退率(基本参考数据)，且输出为学生的出勤表现良好的评分值(断言评分数据)，其结构如图6所示。基于实施例1中的对量化模型的分类，可将该量化模型从输出数据类型维度定为断言评分模型，从关系分类维度定为反映模型。综上，可判断该模型为反映型断言评分模型。

实施例4

对复杂模型内部关系进行梳理的例子。现有一个用于分析和评价教学实施过程的教育模型，同时包括理论模型和量化模型两部分，见图7。以基于对象间关系的模型分类框架对其进个行梳理可以将复杂模型各部分所属的模型类型进行解构，进而更深入的理解模型内部联系，按分类框架进行解构后可知：该复杂模型内部共包括四个相关理论模型，一个教育实体属性分类理论模型，八个反映型断言评分量化模型，一个分支计算模型，一个归并断言评分量化模型，一个分类断言评分量化模型，从而建构出科学性更高、结构更完善的教育模型。

进一步的，结合图7可知，相关理论模型包括：

1.教学过程评价的相关理论模型，将对教学实施过程的评价进一步分为课堂管理能力、教学支持和教学效果三个相关的评价维度。

2.课堂管理能力的相关理论模型，将课堂管理能力进一步划分为时间管理水平良好、课堂纪律维持情况良好、课堂交互情况良好三个相关的评价维度。

3.教学支持的相关理论模型，将教学支持进一步划分为教学技巧和教学模式两个相关的评价维度。

4.教学效果的相关理论模型，将教学效果进一步划分为学生参与度和学生学习效果两个相关的评价维度。

教育实体属性分类理论模型包括：

1.教学模式的分类理论模型，将教学模式分为讲授型教学模式、讨论型教学模式和创新型教学模式三类。

反映型断言评分量化模型包括：

1.时间管理水平良好的量化模型。通过课堂是否准时开始、课堂是否准时结束两个指标共同反映时间管理水平良好这一断言评分数据的评分值。两个指标的输入的数据取值依据布尔逻辑，若课堂准时开始，则取100分，若课堂未准时开始，则取0分；课堂是否准时结束的指标的取值同理。

2.课堂纪律维持情况良好的量化模型。通过课堂喧哗次数和课堂沉默次数两个指标共同反映课堂纪律维持情况良好这一断言评分数据的评分值。

3.教学技巧良好的量化模型。通过是否兼顾性别公平、是否兼顾个体公平、是否语速适中、是否在提问后给予充分思考时间四个指标反映教学技巧良好这一断言评分数据的评分值。指标的取值依据布尔逻辑，若兼顾性别公平，则取100分，若未兼顾性别公平，则取0分；其他指标的取值同理。

4.学生参与度良好的的量化模型。通过学生平均动口时长和学生平均提问次数两个指标共同反映学生参与度良好这一断言评分数据的评分值。

5.学生学习效果良好的量化模型。通过学生的随堂测验成绩和学生的课堂满意度评分两个指标共同反映学生学习效果良好这一断言评分数据的评分值。

6.生生交互情况良好的量化模型。通过学生间对话次数和学生间对话时间两个指标共同反映生生交互情况良好这一断言评分数据的评分值。

7.教师主导的师生交互情况良好的量化模型。通过教师提问次数和学生回答次数两个指标共同反映教师主导的师生交互情况良好这一断言评分数据的评分值。

8.学生主导的师生交互情况良好的量化模型。通过学生提问次数和教师回答次数两个指标共同反映学生主导的师生交互情况良好这一断言评分数据的评分值。

分支计算模型包括：

1.教学模式的分支计算模型。依据理论模型，教学模式分为讲授型教学模式、讨论型教学模式、创新型教学模式三类，而教学模式的分支计算模型则是通过量化数据的计算与判断，对当前课堂的教学模式进行判断。通过教师的上课发言累计时长(计为time1)、教师的提供学生反馈时长(计为time2)、课堂的小组学习平均时长(计为time3)三个输入，依据不同的判断条件，最终判定教学模式所属的类型。若time1大于30min，则判定教学模式为讲授型教学模式；若time1<20min并且time2>10min，则判定教学模式为讨论型教学模式；若time2>10min并且time3>20min，则判定教学模式为创新型教学模式。

归并断言评分量化模型包括：

1.课堂交互情况良好的量化模型。通过师生交互情况良好和生生交互情况良好两个指标共同反映课堂交互情况良好这一断言评分数据的评分值。

分类断言评分量化模型包括：

1.师生交互情况良好的量化模型。通过教师主导的师生交互情况良好和学生主导的师生交互情况良好两类指标共同反映师生交互情况良好这一断言评分数据的评分值。