一种基于大数据的智慧教学系统

技术领域

本发明涉及大数据技术领域，尤其涉及一种基于大数据的智慧教学系统。

背景技术

网络教学是现代教育的发展趋势，它打破了传统的传统教育的时间和空间的限制。学习时间的灵活性以及学习地点的不限制性使得越来越多的上班族或学生使用在线学习方式进行充电或学习。

现有的在线教育平台大多采用录播制，即将录制好后上传网络供学员观看学习，以及在线集体授课方式，即老师通过在线直播进行授课，学生通过观看直播进行学习，无论采用哪种形式的网络教学，都无法实现教师与学生的互动交流，即便是可以进行文字或语音的交流，教师也很难掌握学生的学习情况，因此无法及时有效改善教学质量，不仅学生的学习成果得不到保证，在线教育平台的口碑也会变坏。目前各种网络信息化教学的系统和产品层出不穷，但很难真正打通课前、课中、课后的各个环节，灵活记录老师和学生的教学活动，并给出真实的教学评价和科学决策分析。

发明内容

本发明的主要目的在于解决如何对教师教学和学生学习进行有效管控，以提升在线教育质量的技术问题。

本发明提供一种基于大数据的智慧教学系统，所述智慧教学系统包括：云平台、若干教师客户端以及若干学生客户端；所述云平台用于执行与智慧教育相关的大数据计算、存储及应用服务，以供实现在线教学功能与在线学习功能；所述教师客户端与所述云平台网络连接，用于执行与所述在线教学功能相关的人机交互；所述学生客户端与所述云平台网络连接，用于执行与所述在线学习功能相关的人机交互；所述云平台包括大数据基础组件层、数据存储层、数据应用层；

所述大数据基础组件层用于向所述数据存储层、所述数据应用层提供实现智慧教学的大数据计算、存储及应用服务的各类功能组件，其中，所述功能组件包括数据存储组件、离线计算组件、实时计算组件、机器学习组件和数据接入组件；

所述数据存储层用于管理与智慧教学相关的原始数据、中间数据和结果数据，其中，所述原始数据包括教师上传的教学课件、测评试卷、测评成绩以及还包括学生上传的习题作业、测评答案、学习计划表，所述中间数据包括所述功能组件对所述原始数据进行加工处理后生成的数据；所述结果数据包括所述功能组件对所述原始数据和/或所述中间数据进行计算或查询处理后生成的数据；

所述数据应用层用于对所述基础组件层、所述数据存储层进行管理操作以及实现所述云平台与所述教师客户端、所述学生客户端的应用交互。

可选的，在本发明第一种实现方式中，所述数据应用层包括：

教师账户服务，用于创建教师账户以及分配教师权限，当所述教师客户端与所述云平台建立连接时，根据所述教师权限，向所述教师客户端开放相应权限的在线教学功能；

学生账户服务，用于创建学生账户以及分配学生权限，当所述学生客户端与所述云平台建立连接时，根据所述学生权限，向所述学生客户端开放相应权限的在线学习功能，其中，所述教师账户可配置学生权限。

可选的，在本发明第二种实现方式中，所述数据应用层还包括：

在线备课服务，用于接收所述教师客户端发起的备课请求，并根据所述备课请求，在所述数据存储层创建备课项目，通过所述数据接入组件接收所述教师客户端输入的备课内容并保存至所述备课项目，得到教学课件；

在线教学服务，用于根据所述教师客户端发起的教学请求，从所述数据存储层读取对应的教学课件，并将所述教学课件同步发送至所述教师客户端和所述学生客户端；在教学过程中，保持所述教师客户端与所述学生客户端之间的音频和/或视频交互。

可选的，在本发明第三种实现方式中，所述数据应用层还包括：

在线组卷服务，用于根据预置组卷规则，从所述数据存储层随机读取待组卷的试题并组装成测评试卷；

智能测评服务，用于接收所述教师客户端选定的测评试卷与测评对象，并将所述测评试卷发送至所述测评对象对应的学生客户端；接收各学生客户端提交的所述各测评对象的测评答案，并根据所述测评试卷的标准答案，对所述各测评对象的测评答案进行智能阅卷，生成测评成绩；

作业批改服务，用于当接收到所述学生客户端上传的习题作业时，向所述教师客户端发送作业批改通知，以及当接收到所述教师客户端的作业批改请求时，将所述习题作业发送至所述教师客户端进行在线批改，并在作业批改完成后通知所述学生客户端查看。

可选的，在本发明第四种实现方式中，所述数据应用层还包括：

成绩分析服务，用于获取所述离线计算组件对学生成绩进行离线统计得到的成绩分析参数值，并对所述成绩分析参数值进行向量化处理，得到成绩分析向量；将所述成绩分析向量输入所述机器学习组件预先训练好的成绩分析模型进行分析，输出成绩分析结果并进行可视化展示；

教学评测服务，用于获取所述离线计算组件对原始教学数据进行统计得到的教学评测参数值；对所述教学评测参数值进行聚类，得到教学评测指标，所述教学评测指标包括：教学工作量、学生反馈、教学态度、学生成绩；根据预置教学评测计算公式，对所述各教学评测指标对应的教学评测参数值进行计算，得到所述各教学评测指标对应的教学评分并进行可视化展示。

可选的，在本发明第五种实现方式中，所述数据应用层还包括：

在线预习服务，用于接收所述学生客户端发起的预习请求，并根据所述预习请求，从所述数据存储层读取对应预习内容，并将所述预习内容返回所述学生客户端；

答疑辅导服务，用于将所述学生客户端上传的针对答疑习题的语音或视频转发至所述教师客户端；以及将所述教师客户端上传的语音回复或视频回复返回所述学生客户端；

学习测试服务，用于当所述教师客户端每完成一次在线教学任务时，根据本次教学内容自动生成课后测试习题，并将所述课后测试习题返回所述学生客户端。

可选的，在本发明第六种实现方式中，所述数据应用层还包括：

学习评价服务，用于当所述教师客户端每完成一次在线教学任务时，生成本次教学内容的学习评价项目，并将所述学习评价项目返回至所述学生客户端，以供学生进行打分；通过所述实时计算组件对所述学习评价项目的分值进行统计后保存至所述数据存储层；

学习计划服务，用于生成学习计划模板并返回至所述学生客户端；根据所述学生客户端选定的学习科目及学习课时安排，将所述学习科目与所述课时关联，得到学习计划表；当所述学生客户端开启学习计划时，通过所述实时计算组件对所述学习科目进行学习课时统计并实时更新所述学习计划表。

可选的，在本发明第七种实现方式中，所述数据应用层还包括：

学习分析服务，用于获取学生的原始学习数据，所述学习数据包括学习科目、学习时长、习题练习数量、习题练习错误量、习题练习重复次数；通过所述离线计算组件，根据预置学习统计规则，对所述学习数据进行分类统计，得到学习分析参数值；对所述学习分析参数值进行向量化处理，得到学习分析向量；将所述学习分析向量输入所述机器学习组件预先训练好的学习分析模型进行分析，输出学习分析结果并进行可视化展示。

可选的，在本发明第八种实现方式中，所述数据应用层还包括：

学习诊断服务，用于采用预置学习诊断规则，对所述学习分析结果进行诊断，得到学生的学习倾向，所述学习倾向包括：学习偏科倾向、学习毅力倾向、知识点掌握程度倾向、学习理解力倾向、学习成绩升降倾向；

学习提升服务，用于根据学生的学习倾向，生成学习提升方案，并将所述学习提升方案返回所述学生客户端，所述学习提升方案包括学习建议以及与所述学习建议匹配的新增课程、新增习题。

可选的，在本发明第九种实现方式中，所述离线计算组件还用于：根据预置样本数据处理规则，对所述数据存储层中存储的原始数据、中间数据、结果数据进行统计与计算，得到样本数据并保存至所述数据存储层；

所述机器学习组件用于：获取预置的模型训练方案，根据所述模型训练方案，选择预置的原始训练模型，所述原始训练模型包括神经网络模型、决策树模型、线性回归模型、自然语言处理模型、隐马尔可夫模型；从所述数据存储层读取目标样本数据并进行标注，并将标注后的目标样本数据输入所述原始训练模型进行训练，得到用于实现具体服务的应用模型。

本发明基于大数据技术实现智慧教学系统，具体包括：云平台、若干教师客户端以及若干学生客户端；云平台用于执行与智慧教学相关的大数据计算、存储及应用服务，以供实现在线教学功能与在线学习功能；而教师客户端、学生客户端则与云平台网络连接，用于执行与在线教学、在线学习功能相关的人机交互。基于大数据技术的云平台核心可分为三个层级：一是大数据基础组件层，即用于构建云平台的各个基础组件，二是用于存储数据的核心数据存储层，三是基于云平台及数据所开展的各类数据处理应用服务，该三个层级包括从大数据平台的构建、数据的采集存储处理及对外服务。本发明不仅能够满足海量数据存储、客户端访问，同时还能通过大数据挖掘分析教学过程中存在的深层次问题，对教师教学和学生学习进行有效管控，提升在线教育质量水平。

附图说明

图1为本发明基于大数据的智慧教学系统一实施例的技术架构示意图；

图2为本发明基于大数据的智慧教学系统中云平台一实施例的技术架构示意图；

图3为本发明基于大数据的智慧教学系统中数据应用层一实施例的应用交互示意图。

具体实施方式

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为便于理解，下面对本发明基于大数据的智慧教学系统的具体功能模块进行描述，请参阅图1，图1为本发明基于大数据的智慧教学系统一实施例的技术架构示意图。本发明实施例中，基于大数据的智慧教学系统包括：

(一)云平台

本实施例的云平台包含多台云服务器，基于大数据技术架构，优选采用分布式集群设计，能够存储海量数据并能满足高并发访问，具体用于执行与智慧教育相关的大数据计算、存储及应用服务，以供实现在线教学功能与在线学习功能。

(二)教师客户端

本实施例中，教师客户端为使用教师账号登录并访问云平台的终端设备，可以是移动终端，比如智能手机、平板电脑等，也可以是笔记本电脑、台式电脑、智能电视机等。教师客户端与云平台建立网络连接后，教师即可通过教师客户端与云平台进行与在线教学功能相关的人机交互，从而实现在线教学的相关操作，比如在线备课、在线教学、在线组卷、在线测评等。

(三)学生客户端

本实施例中，学生客户端为使用学生账号登录并访问云平台的终端设备，可以是移动终端，比如智能手机、平板电脑等，也可以是笔记本电脑、台式电脑、智能电视机等。学生客户端与云平台建立网络连接后，学生即可通过学生客户端与云平台进行与在线学习功能相关的人机交互，从而实现在线学习的相关操作，比如在线预习、作业交互、答疑辅导、学习测试等。

此外，本实施例中，通过云平台还可以实现教师客户端与学生客户端的信息交互，比如音频、视频等，从而实现教师与学生之间的互动，提升教学质量和学生成绩。云平台与各教师客户端、学生客户端之间既可以是内网通信连接，比如通过wifi建立连接，也可以是外网通信连接，比如通过5G、4G等移动通信网络建立连接。

本实施例中，云平台可以同时与多个教师客户端、多个学生客户端通信连接，同一个教师客户端可以同时对一个或多个学生客户端进行在线教学，同一个学生客户端可以同时对一个或多个教师客户端进行在线学习。为保证数据安全，同时降低数据传输量，所有与智慧教学相关的数据都保存在云平台，教师客户端和学生客户端通过访问云平台方式获取相关数据，教师客户端与学生客户端之间采用通知方式进行信息交互，对方接收到通知后再根据通知内容主动从云平台获取相关数据。

参照图2，图2为本发明基于大数据的智慧教学系统中云平台一实施例的技术架构示意图。本实施例中，云平台采用大数据技术架构，包括：

(1)大数据基础组件层

本实施例中，大数据基础组件层用于向数据存储层、数据应用层提供实现智慧教学的大数据计算、存储及应用服务的各类功能组件。

本实施例中，功能组件具体包括：

1.1、数据存储组件

主要用于实现数据的结构化存储和非结构化存储，具体包括：Oracle、MySQL等各类数据库存储系统。

1.2、离线计算组件

主要用于对存储的各类数据进行离线计算，以实现某些应用功能，比如学生成绩分析、教学质量评价等。具体包括：MapReduce、Hive、Shell、等计算组件。离线计算组件主要用于：根据预置样本数据处理规则，对数据存储层中存储的原始数据、中间数据、结果数据进行统计与计算，得到样本数据并保存至数据存储层。

1.3、实时计算组件

主要用于实现对存储的各类数据进行在线实时计算，以实现某些应用功能，比如在线阅卷等。具体包括：Spark Steaming、Storm、Flink等。

1.4、机器学习组件

主要用于对样本数据进行训练，生成实现某些具体服务的应用模型，比如成绩分析模型、学习分析模型。具体包括：Spark MLlib、TensorFlow等机器学习系统，同时还包括有常用的原始训练模型，比如卷积神经网络模型、门控循环神经网络模型、前馈神经网络模型、循环神经网络模型、决策树模型、线性回归模型、自然语言处理模型、隐马尔可夫模型等。

机器学习组件先获取预置的模型训练方案，然后根据模型训练方案，选择预置的原始训练模型，最后再从数据存储层读取目标样本数据并进行标注，并将标注后的目标样本数据输入原始训练模型进行训练，得到用于实现具体服务的应用模型。

1.5、数据接入组件；

具体用于与外部系统交互以及导入外部数据和返回内部数据，实现海量数据交互。具体包括：Flume、Sqoop、Kafka、FTP、JDBC等组件。

(2)数据存储层

主要用于管理与智慧教学相关的原始数据、中间数据和结果数据，其中，原始数据包括教师上传的教学课件、测评试卷、测评成绩以及还包括学生上传的习题作业、测评答案、学习计划表，中间数据包括基础组件层的各功能组件对原始数据进行加工处理后生成的数据；结果数据包括基础组件层的各功能组件对原始数据和/或中间数据进行计算或查询处理后生成的数据。

(3)数据应用层

主要用于对基础组件层、数据存储层进行管理操作以及实现云平台与教师客户端、学生客户端的应用交互。具体包括：

2.1、数据服务模块

数据服务模块主要用于实现与外部客户端的应用交互，具体包括：数据API服务、数据可视化服务、查询分析服务、应用服务，其中，应用服务对应不同的应用场景，以实现该应用场景的相关功能。比如：对应教师教学和学生学习的各种应用场景，包括：在线备课服务、智能测评服务、作业批改服务、成绩分析服务、教学评测服务以及在线预习服务、作业交互服务、答疑辅导服务、学习测试服务、学习评价服务、学习计划服务、学习分析服务、学习诊断服务、学习提升服务。

2.2、数据采集模块

数据采集模块主要用语实现数据接入、数据采集、数据源管理、API管理等功能，主要对应系统后台开发运维人员。

2.3、数据治理模块

数据治理模块主要用于对数据本身进行治理，包括：数据清洗、数据质量控制、数据标准化处理等。

2.4、数据管理模块

数据管理模块主要是对存储的数据进行管理，保证数据的完整性、可靠性和安全性，包括元数据管理、数据目录管理和数据关系管理等。

2.5、数据分析模块

数据分析模块主要是对不同数据进行深度挖掘分析，包括异构数据融合分析、数据关联分析和挖掘算法分析等。该模块主要由机器学习组件提供算法支撑。

此外，为保证数据安全性，本发明云平台进一步提供数据安全支撑，具体包括以下内容：

A、大数据组件安全

Hadoop生态最初是没有设计安全机制，也没有安全模型和整体的安全规划，后期随着应用场景的不断增加，加入了Kerberos认证、文件ACL访问控制、网络层加密等安全措施，这些安全功能可以解决部分安全问题，但仍然存在局限性，因此基于其原有的安全措施下，本实施例进一步加强对基础组件安全的防护，在大数据基础组件层采用Kerberos+Ranger+aduit Hook的技术组成，实现对大数据组件层统一的身份认证、细颗粒度的权限控制及操作审计的功能，确保大数据基础组件层的应用安全。

B、大数据存储安全

大数据环境下必然会存在大量数据汇聚与存储的应用场景，大量数据汇聚与存储会带来更大的数据安全风险，因此在做好原有的存储环境及网络安全的基础上，需要对数据本身进行安全加固的行为，本实施例在数据存储层加入大数据加密、大数据脱敏、大数据审计的方式，确保数据的存储安全。

C、大数据应用安全

大数据应用层主要是基于大数据平台的能力及海量的数据为基础，对数据进行的全生命周期的处理，包括采集、治理、可视化、分析及应用等，此一系列的环节均涉及到对数据的处理，其存在的数据安全风险包括篡改、泄露或越权操作等，因此，本实施例在数据应用层加入权限管理、操作审计、代码审查、数据防泄漏及接口安全认证的安全措施，确保大数据的应用安全。

本实施例的云平台技术架构不仅能够实现海量数据访问和存储，同时基于海量大数据进行数据挖掘，进一步提供多种在线教学和学习的应用服务。此外还引入了大数据安全机制，进一步保护数据的安全性与可靠性，提升在线教学服务水平和服务质量。

基于上述智慧教学系统和云平台的技术架构，下面进一步对本发明云平台中数据应用层实现的各类在线教学服务一一进行举例说明。参照图3，图3为本发明基于大数据的智慧教学系统中数据应用层一实施例的应用交互示意图。本实施例中，数据应用层具体包括以下服务模块：

(1)教师账户服务

该服务用于创建教师账户以及分配教师权限，当教师客户端与云平台建立连接时，根据教师权限，向教师客户端开放相应权限的在线教学功能。

本实施例中，教师账户服务不仅用于创建教师账户并分配教师权限，同时在教师客户端访问云平台时，云平台自动根据分配的教师权限，向该教师客户端开放相应权限的在线教学功能。

例如，某数学老师分配的资源权限是访问数学课程的数据库，分配的操作权限是在线教学的所有功能；某教务老师分配的资源权限是教师工作信息及授课数据访问权限，分配的操作是创建新教师账户、分配不同科目任课老师的教师权限以及删除教师账户、冻结教师账户等权限。

(2)学生账户服务

该服务用于创建学生账户以及分配学生权限，当学生客户端与云平台建立连接时，根据学生权限，向学生客户端开放相应权限的在线学习功能。

本实施例中，学生账户服务针对学生客户端，提供学生账户创建及权限分配功能，当学生客户端访问云平台时，云平台会自动根据该学生账户的权限开放相应的在线学习功能。

例如，学生有学科、年级、班级角色的不同，因此，对应的账户权限亦不相同。比如某学生的班级职务是班长，则对应的角色权限为学生管理员，可以查看同班级同学的出勤信息、学习时长、学习成绩等信息。本实施例中，教师账户可配置学生权限。比如根据班级职务配置各学生账户的权限。

(3)在线备课服务

该服务用于接收教师客户端发起的备课请求，并根据备课请求，在数据存储层创建备课项目，通过数据接入组件接收教师客户端输入的备课内容并保存至备课项目，得到教学课件。

本实施例中，教师可以在线进行备课，当需要备课时，教师使用教师账户登录教师客户端，选择在线备课服务功能，从而发起备课请求，在线备课服务自动根据该备课请求，在数据存储层创建备课项目，教师即可通过客户端输入备课内容，同时调用数据接入组件接收教师客户端输入的备课内容并保存至备课项目，从而得到备课生成的教学课件。该教学课件的表现形式不限，可以是PPT、Flash动画、表格、文字图画等的结合，也可以预先设置相应的备课模板，教师只需在备课模板中输入相关内容即可得到教学课件。

(4)在线教学服务

该服务用于根据教师客户端发起的教学请求，从数据存储层读取对应的教学课件，并将教学课件同步发送至教师客户端和学生客户端；在教学过程中，保持教师客户端与学生客户端之间的音频和/或视频交互。

本实施例中，通过在线教学服务实现在线教学过程，教师客户端先发起教学请求，在线教学服务会将该教学请求转发给各学生客户端，待学生客户端接受教学请求后即可进入在线教学界面。在线教学服务在生成教学界面时，先从数据存储层读取对应的教学课件，然后再将教学课件同步发送至教师客户端以及所有参与学习的学生客户端。同时，在教学过程中，采用长连接技术，通过云平台进行语音和/或视频消息中转，从而保持教师客户端与学生客户端之间的音频和/或视频交互。

(5)在线组卷服务

该服务用于根据预置组卷规则，从数据存储层随机读取待组卷的试题并组装成测评试卷。

本实施例中，教师客户端可通过调用在线组卷服务实现测评试卷的组卷功能，具体为：教师客户端预先设置组卷规则，在线组卷服务自动根据该组卷规则，从数据存储层随机读取多个试题并组装成测评试卷。

本实施例中，组卷规则可以是教师自定义，也可以是云平台先提供，然后再由教师选择。

可选的，在一具体实施例中，所述组卷规则包括：

规则1：分别从错题库、练习题库中抽取试题；

规则2：按照测评试卷的题型排版格式，确定试题的抽取顺序；

规则3：根据学生的平均上课时长以及历史成绩分布，确定测评试卷的难度。

可选的，在一具体实施例中，在线组卷服务的具体实现步骤包括：

步骤1：设置组卷参数及试题库，所述组卷参数包括总试题数、试题类型、难度值、类型占比以及难易占比；

步骤2：根据所述组卷参数，从所述试题库中抽取待组卷的试题；

步骤3：对所述试题进行初始状态标记，得到所述各试题对应的状态；

步骤4：根据所述组卷参数以及所述各试题对应的状态，生成所述试题对应的状态转移概率矩阵；

步骤5：根据所述状态转移概率矩阵，依次确定所述各试题的题号；

步骤6：根据所述题号，对所述各试题进行编排组装，得到测评试卷。

(6)智能测评服务

该服务用于接收教师客户端选定的测评试卷与测评对象，并将测评试卷发送至测评对象对应的学生客户端；接收各学生客户端提交的各测评对象的测评答案，并根据测评试卷的标准答案，对各测评对象的测评答案进行智能阅卷，生成测评成绩。

本实施例中，教师通过教师客户端可以选择预测评试卷以及带测评的学生，然后点击“测评”按钮即可将测评试卷发送给对应学生的客户端；智能测评服务会自动在各学生客户端显示测评试卷。测评时间可以统一开始时间和结束时间，也可以仅统一作答时长。比如开始时间由教师发起，结束时间则根据考试时长确定。如果仅统一作答时长，则可以由学生点击“开始答题”触发考试计时，当计时总时长达到设定的考试时长时自动收卷，关闭考试界面，并将测评答案上传云平台。

智能测评服务调用实时计算组件，同时对各学生客户端提交的测评答案进行智能阅卷，比如选择题、填空题、判断题等则直接将测评答案与标准答案进行比对，而对于主观题，则先进行预阅卷，然后将预阅卷结果和主观题的答案一起转发教师客户端进行人工阅卷，最后再综合进行成绩统计，得到各位学生的测评成绩。

(7)作业批改服务

该服务用于当接收到学生客户端上传的习题作业时，向教师客户端发送作业批改通知，以及当接收到教师客户端的作业批改请求时，将习题作业发送至教师客户端进行在线批改，并在作业批改完成后通知学生客户端查看。

本实施例中，教师布置习题后，作业批改服务会以通知形式下发至学生客户端，学生登录学生客户端即可查看和解答，然后再由学生客户端回传做好的习题作业，作业批改服务通知教师客户端查阅并进行在线批改，并在作业批改完成后通知学生客户端查看。

(8)成绩分析服务

该服务用于获取离线计算组件对学生成绩进行离线统计得到的成绩分析参数值，并对成绩分析参数值进行向量化处理，得到成绩分析向量；将成绩分析向量输入机器学习组件预先训练好的成绩分析模型进行分析，输出成绩分析结果并进行可视化展示。

本实施例中，离线计算组件会预先对所有学生的成绩进行离线统计，从而得到成绩分析参数值。成绩分析参数优选包括：单科成绩最高分、单科成绩最低分、各科成绩平均分、班级成绩平均分、班级成绩排名、班级成绩排名最大变化、单科成绩平均分、同科成绩最高分差。

成绩分析服务先获取离线计算得到的成绩分析参数值，然后对各成绩分析参数值进行一维向量化处理，得到每一个学生的成绩分析向量，然后输入机器学习组件预先训练好的成绩分析模型进行分析，输出成绩分析结果。成绩分析结果主要从成绩等级(优秀、中等、一般)、成绩变化趋势(上升、维持、下降)、成绩改进潜力(较大、较小)等方面进行可视化展示。

本实施例中，机器学习组件会预先使用历史成绩样本数据进行训练，得到用于分析学生成绩的成绩分析模型，其中，训练采用的原始训练模型可以是门控循环神经网络模型、决策树模型。

(9)教学评测服务

该服务用于获取离线计算组件对原始教学数据进行统计得到的教学评测参数值；对教学评测参数值进行聚类，得到教学评测指标，教学评测指标包括：教学工作量、学生反馈、教学态度、学生成绩；根据预置教学评测计算公式，对各教学评测指标对应的教学评测参数值进行计算，得到各教学评测指标对应的教学评分并进行可视化展示。

本实施例中，教学评测服务用于对教师授课进行评测，评测前需要先获取教学评测参数值，该教学评测参数值具体由离线计算组件对原始教学数据进行统计得到，原始教学数据包括但不限于：授课开始时间与结束时间、每周授课次数、每节课授课人数、单个学生成绩、学生提问数量、教师回复次数等。离线计算组件通过对上述原始教学数据进行统计得到教学评测参数值，其中，教学评测参数包括但不限于：每次授课的单节课时、授课总时长、授课总次数、授课总人数、班级学生平均成绩、学生评价等。

教学评测服务再对各教学评测参数值进行聚类，比如采用K-Means聚类算法进行聚类，得到多个教学评测指标，具体包括教学工作量、学生反馈、教学态度、学生成绩。然后再根据预置的教学评测计算公式对各教学评测指标对应的教学评测参数值进行计算，得到各教学评测指标对应的教学评分，最后再进行可视化展示。

可选的，在一具体实施例中，采用以下教学评测计算公式计算教学评分：

其中，A表示教学评分，S

(10)在线预习服务

该服务用于接收学生客户端发起的预习请求，并根据预习请求，从数据存储层读取对应预习内容，并将预习内容返回学生客户端。

本实施例中，学生可以通过学生客户端进行在线预习，具体可通过点击“预习”按钮提交预习请求，该请求包含了学生账号信息、预习知识点信息等，在线预习服务将根据预习请求，从数据存储层读取对应的预习内容并返回给登录该学生账号的学生客户端，学生即可在学生客户端进行在线预习，该在线预习服务进一步还提供笔记功能，学生可以在预习的同时进行批注，以便在教师授课时加深理解。

(11)答疑辅导服务

该服务用于将学生客户端上传的针对答疑习题的语音或视频转发至教师客户端；以及将教师客户端上传的语音回复或视频回复返回学生客户端。

本实施例中，为进一步加强教师与学生之间的沟通交流，学生客户端可以通过答疑辅导服务上传针对答疑习题的语音或视频并转发给教师客户端，以供教师进行答疑。在答疑完成后，答疑辅导服务再将教师客户端上传的语音回复或视频回复返回给学生客户端，从而实现教师与学生之间的答疑辅导。

(12)学习测试服务

该服务用于当教师客户端每完成一次在线教学任务时，根据本次教学内容自动生成课后测试习题，并将课后测试习题返回学生客户端。

本实施例中，学习测试服务主动监控每一次在线教学任务，当每完成一次在线教学任务时，学习测试服务自动根据本次教学内容生成课后测试习题，该习题可以是从习题库中筛选得到，或者根据本次教学内容智能生成，习题形式不限，可以是选择题、填空题或者判断题。最后再将生成的课后习题返回学生客户端供学生练习。

(13)学习评价服务

该服务用于当教师客户端每完成一次在线教学任务时，生成本次教学内容的学习评价项目，并将学习评价项目返回至学生客户端，以供学生进行打分；通过实时计算组件对学习评价项目的分值进行统计后保存至数据存储层。

本实施例中，为提升教学质量，找出教学过程中的不足，通过学习评价服务自动生成每一次教学内容的学习评价项目，该评价项目的具体内容可以是根据模板自动生成，也可以是根据预设的规则自动生成。然后再由学习评价服务将生成的学习评价项目返回给学生客户端，以供学生进行打分，最后再调用实时计算组件对每位学生给出的分值进行统计并将统计结果保存至数据存储层。教师客户端可以查看学习评价结果，从而进行相应改进。

(14)学习计划服务

该服务用于生成学习计划模板并返回至学生客户端；根据学生客户端选定的学习科目及学习课时安排，将学习科目与课时关联，得到学习计划表；当学生客户端开启学习计划时，通过实时计算组件对学习科目进行学习课时统计并实时更新学习计划表。

本实施例中，学习计划服务可自动生成多种格式的学习计划模板，学生在学生客户端可以点击查看各种学习计划模板并进行选择，学习计划服务则将学生客户端选定的学习计划模板返回学生客户端，然后再由学生选定学习科目以及各学习科目的学习课时安排，学习计划服务再将选定的学习科目和学习课时进行关联，从而得到学习计划表。

学生客户端点击学习计划表从而开启学习计划，学习计划服务同时调用实时计算组件对学生本次所学科目的学习课时进行统计，并实时更新学习计划表，以便学生了解自己的学习进度和学习情况。

(15)学习分析服务

该服务用于获取学生的原始学习数据，学习数据包括学习科目、学习时长、习题练习数量、习题练习错误量、习题练习重复次数；通过离线计算组件，根据预置学习统计规则，对学习数据进行分类统计，得到学习分析参数值；对学习分析参数值进行向量化处理，得到学习分析向量；将学习分析向量输入机器学习组件预先训练好的学习分析模型进行分析，输出学习分析结果并进行可视化展示。

本实施例中，为便于对学生的学习状况进行科学分析，学习分析服务从数据存储层获取同一学生的原始学习数据，包括学习科目、学习时长、习题练习数量、习题练习错误量、习题练习重复次数、成绩排名等，然后调用离线计算组件进行分类统计，具体根据预置学习统计规则，对学习数据进行分类统计，得到学习分析参数值。其中，学习分析参数包括但不限于：学习总时长、习题练习总数量、习题练习准确率、习题练习错误率、重复练习错误率、班级排名变化趋势等。

在获得上述学习分析参数后，学习分析服务进一步对各学习分析参数值进行一维向量化处理，得到学习分析向量，并输入预先训练好的学习分析模型进行分析，最后输出学习分析结果，学习分析结果主要从成绩等级(优秀、中等、一般)、成绩变化趋势(上升、维持、下降)、学习态度(积极、良好、较差)、学习认真程度(细心、粗心)等方面进行可视化展示。

本实施例中，机器学习组件会预先使用历史学习样本数据进行训练，得到用于分析学生学习状态的学习分析模型，其中，训练采用的原始训练模型可以是门控循环神经网络模型、决策树模型。

(16)学习诊断服务

该服务用于采用预置学习诊断规则，对学习分析结果进行诊断，得到学生的学习倾向，学习倾向包括：学习偏科倾向、学习毅力倾向、知识点掌握程度倾向、学习理解力倾向、学习成绩升降倾向。

本实施例中，学习分析服务会预先调用离线计算组件对数据存储层保存的与学生学习有关的数据进行分析，从而得到学习分析结果，然后学习诊断服务采用预置学习诊断规则对学习分析结果进行诊断，从而确定学生的学习倾向。

可选的，在一具体实施例中，采用以下学习诊断规则对学习分析结果进行诊断：

规则1：根据成绩等级、成绩变化趋势，判断学生的学习偏科倾向；

规则2：根据成绩变化趋势、学习态度，判断学生的学习毅力倾向；

规则3：根据成绩等级、学习认真程度，判断学生的知识点掌握程度倾向；

规则4：根据成绩变化趋势、学习认真程度，判断学生的理解力倾向；

规则5：根据成绩等级、成绩变化趋势，判断学生的成绩升降倾向。

(17)学习提升服务

该服务用于根据学生的学习倾向，生成学习提升方案，并将学习提升方案返回学生客户端，学习提升方案包括学习建议以及与学习建议匹配的新增课程、新增习题。

本实施例中，学习诊断服务会预先确定学生的各种学习倾向，比如学习偏科倾向、学习毅力倾向、知识点掌握程度倾向、学习理解力倾向、学习成绩升降倾向，然后由学习提升服务根据该学生的学习倾向，生成相应的学习提升方案，该学习提升方案主要包括学习建议以及与学习建议匹配的新增课程、新增习题。

比如，某学生的学习倾向为学习偏科、学习毅力不足、知识点掌握不牢固、理解力较差、成绩呈现下降趋势，则对应的学习建议为：加强课本知识学习和课后习题练习，并根据具体偏科的科目、未掌握的知识点，给出对应匹配的新增课程、新增习题，以此提升学生的学习成绩，巩固知识点。

本发明所述集成的服务或模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。