一种网络教学方法及系统

技术领域

本发明涉及网络教育技术，尤其是涉及一种网络教学方法及系统。

背景技术

2020年开始，互联网教育开始火爆，很多学校及教育机构都开始实行互联网教育，其突破的教育在地域和时间上的限制，有助于教育资源的平均化。但是，现有的互联网教育均是采用统一课件进行教学，或者是一个教师针对多个学生，且采用相同的教材和备课笔记进行教学，但是由于不同学生的学习能力、掌握的知识水平存在明显的差异，故现有的这种无差异化的教学方式必然导致部分学生无法更上教学进度、而另一部分学生则无法学习到其渴望学习到的知识，如果采用一对一教学，人工成本投入大，则教育成本呈几何倍数增加，极大的加重了家庭教育负担。

有鉴于此，设置一种成本低且能够根据不同学生的学习能力和学习情况针对性制定学习方案的网络教学方法。

发明内容

本发明的目的在于克服上述技术不足，提出一种网络教学方法及系统，使之能够实现成本低且能够根据不同学生的学习能力和学习情况针对性制定学习方案的有益效果。

本发明提供一种网络教学方法，包括如下步骤：

建立知识分类数据题库，所述知识分类数据题库中的每一个知识点根据难易程度进行分级，每个分级中对应相应难易程度的测验题目；

按照知识点分类建立知识分类数据题库与教学课件之间的关联，在教学课件播放完毕之后，自知识分类数据题库中随机抽取相应知识点对应的不同难易分级的测验题目；

统计学生对知识点掌握的测验结果，根据测验结果综合判断学生对知识点的掌握程度，以确定是否继续进行自主学习还是人工介入；

统计学生不同学科的测验结果，根据测验结果综合判断学生对不同学科的掌握程度，以确定是否需要对授课内容进行调整。

在一种可能实现的方式中，建立知识分类数据题库包括：

确定网络教学中涉及到的所有知识点；

获取在历史网络教学中向历史用户推荐的历史知识列表，并将所述历史知识列表基于网络教学的课程进行划分，获得若干子历史列表；

从所述子历史列表中，调取每个历史用户处理的知识点、回退的知识点，并当回退所述知识点时，获取向所述历史用户的显示端推送的退回原因；

获取所述历史用户对处理的知识点的处理情况；

根据如下公式，并根据退回原因以及处理情况，确定每个知识点的难易程度G；

其中，n表示所述历史用户的个数，m表示对应相同知识点的解题步骤数；t

基于每个知识点的难易程度G以及预先设定的难易程度阈值，确定所述每个知识点的难易分级，并构建第一知识库；

获取不同历史用户的地域知识风格，并从所述第一知识库中提取地域知识，获得第二知识库；

根据所述第一知识库以及第二知识库，构建知识分类数据库。

在一种可能实现的方式中，构建知识分类数据库之后，还包括：

建立所述知识分类数据库中每个知识点的牵连数据列表，并根据所述牵连数据列表中每个知识点的数据量，确定对应每个知识点基于相同传输网络的传输时间，同时，确定对应每个知识点的第一权重值以及对应牵连数据列表的第二权重值；

根据所述传输时间、第一权重值、第二权重值，确定每个知识点的延迟传输时间，并将所述延迟传输时间标定在对应知识点上；

当向所述学生推送相应知识集时，确定所述知识集中每个知识点的对应延迟传输时间，进而确定对应每个知识点的初始传输时间；

获取向所述学生进行对应知识推送的网络推送环境，并根据网络推送环境，对待传输知识点对应的初始传输时间进行修正，并按照修正结果，对待传输知识点进行优先级传输排序；

按照优先级传输排序结果，向所述学生的学生端进行相应推送。

在一种可能实现的方式中，所述自知识分类数据题库中随机抽取相应知识点对应的不同难易分级的测验题目，包括：

在所述知识分类数据题库中，每一个所述测验题目均设有多个知识点关键词以及难易等级分类标识，每一个所述教学课件均设有至少一个课件关键词，在教学课件播放完毕之后，所述教学课件根据课件关键词与知识点关键词之间的匹配，在知识分类题库中提取与所述教学课件相关的测验题目，并根据测验题目的难易等级分类标识进行自动分类。

在一种可能实现的方式中，所述自知识分类数据题库中随机抽取相应知识点对应的不同难易分级的测验题目，包括：

在同一次随堂测试中，对于同一知识点出现的两次同一难易分级的测试，两次同一难易分级测试的测试题目均不相同；具体包括：

根据知识点以及难易分级对每一个测试题目进行分类标号；

在同一次随堂测试的测试题目抽取过程中，统计提取对应知识点的测试题目标号，在抽取测试题目时，按照难易分级进行随机抽取；

对已经抽取过的测试题目标号进行删除。

在一种可能实现的方式中，所述统计学生对知识点掌握的测验结果，根据测验结果综合判断学生对知识点的掌握程度，以确定是否继续进行自主学习还是人工介入，包括：

按照难易分级自最低等级开始进行测试，根据测试结果判断学生下一阶段的测试难易等级；

在学生完成最高难度测试后，综合判断学生对知识点的掌握程度，并在判断学生完全掌握后进入下一个知识点的学习，反之则加试一轮；

在学生未通过最低难度测试后，向学生及学生监护人的移动通信终端发送人工教学提醒。

在一种可能实现的方式中，所述综合判断学生对知识点的掌握程度，包括：

分别设置答题时间、答题错误率、重复观看次数相对测试结果的影响因子；

分别统计答题时间、答题错误率、重复观看次数，根据统计结果获得相应的影响因子，根据影响因子对测试结果进行再次核算；

将核算结果与通过阈值进行比较，综合判断学生的掌握程度。

在一种可能实现的方式中，所述统计学生不同学科的测验结果，根据测验结果综合判断学生对不同学科的掌握程度，以确定是否需要对授课内容进行调整，包括：

设置知识点掌握率、答题错误率相对平均通过分数的影响因子；

分别统计每一个学科的知识点掌握率、答题错误率、各个知识点的通过分数，根据统计结果获得相应的影响因子，根据影响因子对相应学科的平均通过分数进行再次核算；

根据核算结果制作学生综合学科的蜘蛛网统计图，根据蜘蛛网统计图判断学生对不同学科的掌握程度；

对相对其他学科较为偏科学科的学习课时进行增加，相应减少其中掌握程度较好学科的学习课时。

在一种可能实现的方式中，当确定需要对授课内容进行调整之后，还包括：

根据测验结果综合判断学生对不同学科的掌握程度，并构建对不同学科的知识点的知识掌握分布；

获取所述学生的历史学习信息，所述历史学习信息包括所述学生对对应知识点的有效知识罗列信息、无效知识罗列信息、有效计算信息、无效计算信息；

根据所述历史学习信息，获取对所述知识点的优化因子以及推荐因子；

根据所述优化因子以及推荐因子，将所述学生对所述知识掌握分布划分为有效知识分布和无效知识分布；

同时，保留有效知识分布，并获取所述学生在无效知识分布中，对每个知识点的偏爱程度、和厌恶程度；

按照所述偏爱程度以及厌恶程度对所述无效知识分布进行划分，获得待处理知识分布；

通过根据学生的历史学习信息，获取因子，进而对知识掌握分布进行划分，同时，获取无效知识分布的偏爱与厌恶，进行再次划分，获得待处理愤分布，通过进行是阿悬，来获取必要掌握条件，且通过结合习惯特征，来提取兴趣点教学附件，进而进行附加，提高学习效率。

同时，对所述学生的厌恶程度大于第一预设程度的知识点进行筛选，并获取厌恶信息，同时，对所述学生的偏爱程度大于第二预设程度的知识点进行筛选，并获取偏爱信息；

根据所述厌恶信息以及偏爱信息，设置筛选的每个知识点的必要掌握条件；

获取所述学生的学习习惯，并构建习惯向量，同时，将所述习惯向量与预设矩阵中的每行向量进行匹配，并获取匹配度高于预设度的所述预设矩阵中预设向量，提取对应的习惯特征；

按照所述习惯特征以及必要掌握条件，从兴趣数据库中提取兴趣点教学附件，并向所述待处理知识分布中的对应知识点进行附加，并推送给所述学生的学生端进行显示。

本发明提供一种网络教学系统，包括如下功能模块：

题库建立模块，用于建立知识分类数据题库，所述知识分类数据题库中的每一个知识点根据难易程度进行分级，每个分级中对应相应难易程度的测验题目；

测试题目抽取模块，用于按照知识点分类建立知识分类数据题库与教学课件之间的关联，在教学课件播放完毕之后，自知识分类数据题库中随机抽取相应知识点对应的不同难易分级的测验题目；

知识统计验算模块，用于统计学生对知识点掌握的测验结果，根据测验结果判断学生对知识点的掌握程度，以确定是否继续进行自主学习还是人工介入；

学科统计验算模块，用于统计学生不同学科的测验结果，根据测验结果判断学生对不同学科的掌握程度，以确定是否需要对授课内容进行调整。

与现有技术相比，本发明所述网络教学方法及系统、服务器及介质，其通过对随堂测试题目进行难易分级，从而能够更加真实准确的掌握每个学生的学习掌握程度，并根据学生的测试结果调整学习方案，对于学生能够通过网络教学能够掌握的知识通过自主学习的方法进行线上学习，以降低学习成本，对于学生无法通过网络教学较好的掌握知识点的，再提供线上实时在线教学，针对学生的学习难点进行精准辅导；同时，对于存在偏科的学生，根据学生的测试结果自动进行相应学习方案的调整，使调整后的学习方案与学生的学习能力和进度更加匹配，也不会额外增加教育成本。

附图说明

图1是本发明实施例所述的网络教学方法的流程框图；

图2是本发明实施例所述的网络教学系统的模块框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明的实施例提供了一种网络教学方法，如图 所示，所述网络教学方法包括如下步骤：

S1、建立知识分类数据题库，所述知识分类数据题库中的每一个知识点根据难易程度进行分级，每个分级中对应相应难易程度的测验题目。

在所述知识分类数据题库中，对每一个知识点进行多个难易程度的分级，每个分级中均对应有多个同等难易程度的测验题目，且每一个难易分级均对应一通过阈值。例如针对每一个知识点分出初级、中级、高级的难易分级，对于这几个分级是要求学生必须掌握的，还可以针对每个知识点再分出进阶级、奥数级，像这样高难度分级则为可选项，根据学生的意愿自主选择。

通过对知识点进行细化的难易分级，能够更加准确的了解学生的掌握程度，以及学生的学习困难点，从而调整出更适宜每个学生的学习方案。

S2、按照知识点分类建立知识分类数据题库与教学课件之间的关联，在教学课件播放完毕之后，自知识分类数据题库中随机抽取相应知识点对应的不同难易分级的测验题目。

将分级后的测试题目按照知识点分类与教学课件对应起来，在教学课件播放完毕之后得随堂测验阶段，系统自动从知识分类数据题库中随机抽取相应知识点对应的不同难易分级的测验题目，对学生的学习掌握程度进行测试。

具体的，在所述知识分类数据题库中，每一个所述测验题目均设有多个知识点关键词以及难易等级分类标识，每一个所述教学课件均设有至少一个课件关键词，在教学课件播放完毕之后，所述教学课件根据课件关键词与知识点关键词之间的匹配，在知识分类题库中提取与所述教学课件相关的测验题目，并根据测验题目的难易等级分类标识进行自动分类。

不过在同一次随堂测试中，对于同一知识点出现的两次同一难易分级的测试，两次同一难易分级测试的测试题目均不相同。具体的，可以根据知识点以及难易分级对每一个测试题目进行分类标号；每一个分类标号信息均包括知识点名称、难易分级、以及分级中的排列序号，每一个测试题目分别有独立的分类标号。

在同一次随堂测试的测试题目抽取过程中，统计提取对应知识点的测试题目标号，将提取的标号存储在一个临时数据库中，在抽取测试题目时，按照难易分级进行随机抽取；比如首先从初级分级开始进行测试，则首先将初级分级中的所有测试题目标号均提取至临时数据库中，并自临时数据库中随机抽取测试题目标号，并根据标号从知识分类数据题库将相应测试题目提取出来，同时将已经抽取过的测试题目的标号从临时数据库中删除。根据对应的难易分级数量设置相应数量的临时数据库。

如果学生未通过中级测试而掉落到初级测试，之后完成初级测试又进入中级测试时，则系统将在之前删除标号的临时数据库中随机抽取测试题目标号，如此避免测试过程中出现重复的测试题目而无法真实的了解学生对知识点的掌握程度的问题。

优选的，在学生答题页面中，设置有相应知识点的教学视频的重播按键。即学生在答题过程中，如果对知识点有遗忘或不理解的地方，可以反复观看教学视频，帮助解题。

S3、统计学生对知识点掌握的测验结果，根据测验结果综合判断学生对知识点的掌握程度，以确定是否继续进行自主学习还是人工介入。

即按照难易分级自最低等级开始进行测试，根据测试结果判断学生下一阶段的测试难易等级；例如：学生完成了初级测试，且测试结果高于通过阈值，则可以进入中级测试，如果学生未通过中级测试的通过阈值，则重新返回初级测试。

在学生完成最高难度测试后，为更加全面且真实的了解学生的掌握程度，需要综合判断学生对知识点的掌握程度。具体的，分别设置答题时间、答题错误率、重复观看次数相对测试结果的影响因子；分别统计学生的答题时间、答题错误率、重复观看次数，根据统计结果获得相应的影响因子，根据影响因子对测试结果进行再次核算，如果最后的核算结果超过预先设定的完全掌握阈值，则判断学生完全掌握后进入下一个知识点的学习，反之，如果最后的核算结果没有超过预先设定的完全掌握阈值，则加试一轮，加试的题目自该知识点的所有测试题目中随机抽取，如果加试结果超过预先设定的完全掌握阈值，则判断学生完整掌握该知识点，如果加试结果没有超过预先设定的完全掌握阈值，则向学生重新播放教学视频。

在学生未通过最低难度测试后，则向学生及学生监护人的移动通信终端发送人工教学提醒，即发送人工教学帮助消息，由对应的老师对学生进行线上一对一教学，更加直观的了解孩子的问题，并实时在线帮助孩子解决问题。

如此，对于学生能够通过网络教学能够掌握的知识通过自主学习的方法进行线上学习，对于学生无法通过网络教学较好的掌握知识点的，再提供线上实时在线教学，针对学生无法掌握的知识点进行解答和教学，从而不仅能够降低学习成本，还能针对学生的学习难点进行精准辅导。

S4、统计学生不同学科的测验结果，根据测验结果综合判断学生对不同学科的掌握程度，以确定是否需要对授课内容进行调整。

具体的，设置知识点掌握率、答题错误率相对平均通过分数的影响因子；分别统计每一个学科的知识点掌握率、答题错误率、各个知识点的通过分数，根据知识点掌握率、答题错误率的统计结果获得相应的影响因子，根据影响因子对相应学科的平均通过分数进行再次核算；根据核算结果制作学生综合学科的蜘蛛网统计图，通过蜘蛛网统计图可以直观的了解学生对不同学科的掌握程度，所以根据蜘蛛网统计图对相对其他学科较为偏科学科的学习课时进行增加，相应减少其中掌握程度较好学科的学习课时，从而根据不同学生的学习能力，以及学习进度进行相应学习方案的调整，使调整后的学习方案与学生的学习进度更加匹配。

本发明所述一种网络教学方法，其通过对随堂测试题目进行难易分级，从而能够更加真实准确的掌握每个学生的学习掌握程度，并根据学生的测试结果调整学习方案，对于学生能够通过网络教学能够掌握的知识通过自主学习的方法进行线上学习，以降低学习成本，对于学生无法通过网络教学较好的掌握知识点的，再提供线上实时在线教学，针对学生的学习难点进行精准辅导；同时，对于存在偏科的学生，根据学生的测试结果自动进行相应学习方案的调整，使调整后的学习方案与学生的学习能力和进度更加匹配，也不会额外增加教育成本。

其中，由于题库一般都是人工操作建立而成的，而且难易程度仅针对题目本身的内容，或者是单纯的通过问卷的方式或者让学生做题又或者是由专家组给出的建议来给不同的知识点进行难易程度的划分，但是该划分结果在具备普遍性，由于每个学生的自主学习能力不同，或者是学生本身的学习习惯，如懒散、拖沓等（但是并不能表明对该知识点不了解），因此，在构建数据题库时，采用了如下方式：

针对一种网络教育方法，其在建立知识分类数据题库时，包括：

确定网络教学中涉及到的所有知识点；

获取在历史网络教学中向历史用户推荐的历史知识列表，并将所述历史知识列表基于网络教学的课程进行划分，获得若干子历史列表；

从所述子历史列表中，调取每个历史用户处理的知识点、回退的知识点，并当回退所述知识点时，获取向所述历史用户的显示端推送的退回原因；

获取所述历史用户对处理的知识点的处理情况；

根据如下公式，并根据退回原因以及处理情况，确定每个知识点的难易程度G；

其中，n表示所述历史用户的个数，m表示对应相同知识点的解题步骤数；t

基于每个知识点的难易程度G以及预先设定的难易程度阈值，确定所述每个知识点的难易分级，并构建第一知识库；

获取不同历史用户的地域知识风格，并从所述第一知识库中提取地域知识，获得第二知识库；

根据所述第一知识库以及第二知识库，构建知识分类数据库。

该实施例中，历史用户指的是对同个知识点进行处理的用户，且历史用户具备代表性，可以是不同层次的学生对该知识点的解决结果。

该实施例中，网络教学的课程进行划分，是由于课程的不一样，对应的知识点也是不一样的，且每个子历史列表对应一门课程，且每个子历史列表中是包含该课程的若干知识点在内的。

该实施例中，历史用户处理的知识点，指的是用户对该知识点对应问题进行了解答，回退的知识点，指的是用户未对该知识点对应的问题进行解答。

该实施例中，获取退回原因是为了能够初步确定该用户对知识点的把握程度。

该实施例中，难易程度阈值是预先划分好的，且每个难易分级是对应两个难易程度阈值的，即由阈值区间进行筛选，来确定的难易分级。

该实施例中，地域知识风格是指的用户所处地方的特色知识点，比如，地域A中的特色知识点是A1，B区域的特色知识点是B2。

上述技术方案的有益效果是：通过获取历史知识列表，便于获取有效的知识数据，通过对课程进行划分，便于进行有效区分，获得若干子历史列表，通过调取处理以及回退的知识，便于有效掌握不同用户对相同知识点的操作结果，且通过根据公式，计算知识点的难易程度，便于有效的对知识点的难易程度进行划分，同时，从第一数据库中提取地域知识，便于针对性推荐，保证构建数据知识库的合理性以及有效性，为后续进行学习，提供便利。

其中，子在构建知识分类数据库之后，还包括：

建立所述知识分类数据库中每个知识点的牵连数据列表，并根据所述牵连数据列表中每个知识点的数据量，确定对应每个知识点基于相同传输网络的传输时间，同时，确定对应每个知识点的第一权重值以及对应牵连数据列表的第二权重值；

根据所述传输时间、第一权重值、第二权重值，确定每个知识点的延迟传输时间，并将所述延迟传输时间标定在对应知识点上；

当向所述学生推送相应知识集时，确定所述知识集中每个知识点的对应延迟传输时间，进而确定对应每个知识点的初始传输时间；

获取向所述学生进行对应知识推送的网络推送环境，并根据网络推送环境，对待传输知识点对应的初始传输时间进行修正，并按照修正结果，对待传输知识点进行优先级传输排序；

按照优先级传输排序结果，向所述学生的学生端进行相应推送。

该实施例中，牵连数据列表指的是和该知识点相关的其他知识点，如和知识点B相关的知识点有b1、b2、b3等，此时，可以根据b1、b2、b3等构建牵连数据表，可以按照b1、b2、b3与该知识点的相关度来对该列表中的知识点进行排序。

该实施例中，数据量指的是该列表中每个知识点的容量，由于容量不一样，在传输过程中，对应的传输时间也是不一样的，因此，基于相同传输网络可以获取传输时间，但是由于传输时间不一样，导致容量大的知识点在传输的过程中往往是最后传输结束，而且，由于不清楚每个知识点的权重值，导致在传输显示的过程中，往往会出现显示画面的参差不齐，不能给用户带来良好的体验效果。

该实施例中，初始传输时间指的是，比如，A知识点的对应延迟时间为延迟0.3秒，此时，对应的初始传输时间即为第一个知识点开始传输后的第0.3秒进行A知识点的传输。

该实施例中，网络推送环境和网络的通信质量有关，如果该通信质量差，例如，可以提前0.2秒进行A知识点的传输，此时，提前0.2秒即为对应基于初始传输时间进行0.1秒的延迟，进而实现优先级传输的排序。

上述技术方案的有益效果是：通过确定传输时间、知识点以及列表的权重值，来确定每个知识点的延迟传输时间，且进行对应标定，但是由于在传输过程中，还与网络环境有关，因此，对初始传输时间进行修正，进而对相关的知识点的传输优先级进行排序，保证用户的有效学习，提高用户的学习效果。

其中，当确定需要对授课内容进行调整之后，还包括：

根据测验结果综合判断学生对不同学科的掌握程度，并构建对不同学科的知识点的知识掌握分布；

获取所述学生的历史学习信息，所述历史学习信息包括所述学生对对应知识点的有效知识罗列信息、无效知识罗列信息、有效计算信息、无效计算信息；

根据所述历史学习信息，获取对所述知识点的优化因子以及推荐因子；

根据所述优化因子以及推荐因子，将所述学生对所述知识掌握分布划分为有效知识分布和无效知识分布；

同时，保留有效知识分布，并获取所述学生在无效知识分布中，对每个知识点的偏爱程度、和厌恶程度；

按照所述偏爱程度以及厌恶程度对所述无效知识分布进行划分，获得待处理知识分布；

通过根据学生的历史学习信息，获取因子，进而对知识掌握分布进行划分，同时，获取无效知识分布的偏爱与厌恶，进行再次划分，获得待处理愤分布，通过进行是阿悬，来获取必要掌握条件，且通过结合习惯特征，来提取兴趣点教学附件，进而进行附加，提高学习效率。

同时，对所述学生的厌恶程度大于第一预设程度的知识点进行筛选，并获取厌恶信息，同时，对所述学生的偏爱程度大于第二预设程度的知识点进行筛选，并获取偏爱信息；

根据所述厌恶信息以及偏爱信息，设置筛选的每个知识点的必要掌握条件；

获取所述学生的学习习惯，并构建习惯向量，同时，将所述习惯向量与预设矩阵中的每行向量进行匹配，并获取匹配度高于预设度的所述预设矩阵中预设向量，提取对应的习惯特征；

按照所述习惯特征以及必要掌握条件，从兴趣数据库中提取兴趣点教学附件，并向所述待处理知识分布中的对应知识点进行附加，并推送给所述学生的学生端进行显示。

该实施例中，厌恶程度，例如是某个知识点很容易理解，但是步骤梳理过程繁琐、计算结果容易出错的情况，导致对该知识点非常厌恶，比如，步骤梳理过程越繁琐、计算结果越容易出错，此时对应的厌恶程度越大。

同样的，偏爱程度与上述相反。

该实施例中，有效知识罗列信息指的是掌握程度大于60%的知识点，无效知识罗列信息指的是掌握程度低于60%的，且有效计算信息为对知识点的计算能力大于60%，无效计算信息指的是知识点的计算能力小于60%的。

该实施例中，根据历史学习信息，获取对知识点的优化因子以及推荐因子，其中，优化因子指的是计算能力强、掌握能力强、掌握程度高等，推荐因子与之相反。

该实施例中，待处理知识分布，指的是学生需要学习掌握的知识点。

该实施例中，习惯向量是包括各种学习习惯参数在内的，如学习能力、计算能力、学习过程中的惯用技巧等，且预设向量是预先构建好的。

该实施例中，必要掌握条件，如某个知识点的最关键点，以及对应的答题技巧等，都需要掌握，其被视为必要掌握条件。

该实施例中，附加兴趣点是为了能够提高该学生的学习效率，提高对该知识点的掌握程度。

上述技术方案的有益效果是：通过根据学生的历史学习信息，获取因子，进而对知识掌握分布进行划分，同时，获取无效知识分布的偏爱与厌恶，进行再次划分，获得待处理愤分布，通过进行是阿悬，来获取必要掌握条件，且通过结合习惯特征，来提取兴趣点教学附件，进而进行附加，提高学习效率。

本发明还提供一种网络教学系统，如图2所示，其包括如下功能模块：

题库建立模块10，用于建立知识分类数据题库，所述知识分类数据题库中的每一个知识点根据难易程度进行分级，每个分级中对应相应难易程度的测验题目；

测试题目抽取模块20，用于按照知识点分类建立知识分类数据题库与教学课件之间的关联，在教学课件播放完毕之后，自知识分类数据题库中随机抽取相应知识点对应的不同难易分级的测验题目；

知识统计验算模块30，用于统计学生对知识点掌握的测验结果，根据测验结果综合判断学生对知识点的掌握程度，以确定是否继续进行自主学习还是人工介入；

学科统计验算模块40，用于统计学生不同学科的测验结果，根据测验结果综合判断学生对不同学科的掌握程度，以确定是否需要对授课内容进行调整。

本实施例一种网络教学系统的执行方式与上述网络教学方法基本相同，故不作详细赘述。

本实施例服务器为提供计算服务的设备，通常指具有较高计算能力，通过网络提供给多个消费者使用的计算机。该实施例的服务器包括：存储器、处理器以及系统总线，所述存储器包括存储其上的可运行的程序，本领域技术人员可以理解，本实施例的终端设备结构并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

存储器可用于存储软件程序以及模块，处理器通过运行存储在存储器的软件程序以及模块，从而执行终端的各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据终端的使用所创建的数据（比如音频数据、电话本等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

在存储器上包含一种网络教学方法的可运行程序，所述可运行程序可以被分割成一个或多个模块/子模块，所述一个或多个模块/子模块被存储在所述存储器中，并由处理器执行，以完成信息的获取及实现过程，所述一个或多个模块/子模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述服务器中的执行过程。例如，所述计算机程序可以被分割为题库建立模块、测试题目抽取模块、知识统计验算模块、学科统计验算模块。

处理器是服务器的控制中心，利用各种接口和线路连接整个终端设备的各个部分，通过运行或执行存储在存储器内的软件程序和/或模块，以及调用存储在存储器内的数据，执行终端的各种功能和处理数据，从而对终端进行整体监控。可选的，处理器可包括一个或多个处理子模块；优选的，处理器可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器中。

系统总线是用来连接计算机内部各功能部件，可以传送数据信息、地址信息、控制信息，其种类可以是例如PCI总线、ISA总线、VESA总线等。处理器的指令通过总线传递至存储器，存储器反馈数据给处理器，系统总线负责处理器与存储器之间的数据、指令交互。当然系统总线还可以接入其他设备，例如网络接口、显示设备等。

所述服务器应至少包括CPU、芯片组、内存、磁盘系统等，其他构成部件在此不再赘述。

在本发明实施例中，该终端所包括的处理器执行的可运行程序具体为：一种网络教学方法，其包括如下步骤：

建立知识分类数据题库，所述知识分类数据题库中的每一个知识点根据难易程度进行分级，每个分级中对应相应难易程度的测验题目；

按照知识点分类建立知识分类数据题库与教学课件之间的关联，在教学课件播放完毕之后，自知识分类数据题库中随机抽取相应知识点对应的不同难易分级的测验题目；

统计学生对知识点掌握的测验结果，根据测验结果综合判断学生对知识点的掌握程度，以确定是否继续进行自主学习还是人工介入；

统计学生不同学科的测验结果，根据测验结果综合判断学生对不同学科的掌握程度，以确定是否需要对授课内容进行调整。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和子模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各实施例的模块、子模块和/或方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

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。