一种基于大数据的教学综合分析方法及系统与流程

1.本发明涉及教育教学相关领域，尤其涉及一种基于大数据的教学综合分析方法及系统。


背景技术：

2.教学是教师的教和学生的学所组成的一种人类特有的人才培养活动。通过这种活动，教师有目的、有计划、有组织地引导学生学习和掌握文化科学知识和技能，促进学生素质提高，使他们成为社会所需要的人。进一步来说，教学质量是对教育水平高低和效果优劣的评价，一般而言，制定出切实可行的教学管理措施需要对课堂教学质量评价的地位和重要性做出重新认识，以保证课堂教学质量的提高满足素质教育的需求。
3.但本技术发明人在实现本技术实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：现有技术中存在教学分析方法不够全面，缺少直观性的技术问题。


技术实现要素：

4.本技术实施例通过提供一种基于大数据的教学综合分析方法及系统，解决了现有技术中存在教学分析方法不够全面，缺少直观性的技术问题，达到了通过多模型完成对教学的数据化全面分析，提高分析过程的可靠性和直观性的技术效果。
5.鉴于上述问题，提出了本技术实施例提供一种基于大数据的教学综合分析方法及系统。
6.第一方面，本技术实施例提供了一种基于大数据的教学综合分析方法，连接于一数据采集装置，所述方法包括：通过所述数据采集装置，获得第一教学用户的第一教学成绩数据信息；获得第一关联层级与所述第一教学成绩数据信息的第一关联度；获得第二关联层级与所述第一教学成绩数据信息的第二关联度；获得第三关联层级与所述第一教学成绩数据信息的第三关联度；根据所述第一关联度、所述第二关联度和所述第三关联度，构建关联层级分析模型；将所述第一教学成绩数据信息输入所述关联层级分析模型中，获得第一教学分析数据；获得所述第一教学用户的第一教学科目；将所述第一教学科目输入科目层级分析模型中，获得第二教学分析数据；对所述第一教学分析数据和所述第二教学分析数据进行标准化处理，生成第一综合分析结果。
7.另一方面，本技术还提供了一种基于大数据的教学综合分析系统，所述系统包括：第一获得单元，所述第一获得单元用于通过所述数据采集装置，获得第一教学用户的第一教学成绩数据信息；第二获得单元，所述第二获得单元用于获得第一关联层级与所述第一教学成绩数据信息的第一关联度；第三获得单元，所述第三获得单元用于获得第二关联层级与所述第一教学成绩数据信息的第二关联度；第四获得单元，所述第四获得单元用于获得第三关联层级与所述第一教学成绩数据信息的第三关联度；第一构建单元，所述第一构建单元用于根据所述第一关联度、所述第二关联度和所述第三关联度，构建关联层级分析
模型；第一输入单元，所述第一输入单元用于将所述第一教学成绩数据信息输入所述关联层级分析模型中，获得第一教学分析数据；第五获得单元，所述第五获得单元用于获得所述第一教学用户的第一教学科目；第二输入单元，所述第二输入单元用于将所述第一教学科目输入科目层级分析模型中，获得第二教学分析数据；第一生成单元，所述第一生成单元用于对所述第一教学分析数据和所述第二教学分析数据进行标准化处理，生成第一综合分析结果。
8.第三方面，本发明提供了一种基于大数据的教学综合分析系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面所述方法的步骤。
9.本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：由于采用了通过数据采集装置采集第一教学用户的教学对象的第一成绩数据信息，以此第一成绩数据信息作为所述第一教学用户的教学质量分析数据基础。再获得每一关联层级与所述第一教学成绩数据之间的关联度，据此建立关联层级分析模型。再将所述第一成绩数据信息输入到所述关联层级分析模型中，获得第一教学分析数据，所述第一教学分析数据为经过关联层级分析后的更加全面的数据，再通过获得所述第一教学用户的教学科目，进而将教学科目输入科目层级分类模型中，获得第二教学分析数据，其中，所述第二教学分析数据为细化科目层级的二次分析数据，再对所述第一教学分析数据和所述第二教学分析数据进行标准化处理，获得最终的分析结果。达到了通过多模型完成对教学的数据化全面分析，提高分析过程的可靠性和直观性的技术效果。
10.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
11.图1为本技术实施例一种基于大数据的教学综合分析方法的流程示意图；图2为本技术实施例一种基于大数据的教学综合分析系统的结构示意图；图3为本技术实施例示例性电子设备的结构示意图。
12.附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第一构建单元15，第一输入单元16，第五获得单元17，第二输入单元18，第一生成单元19，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。
具体实施方式
13.本技术实施例通过提供一种基于大数据的教学综合分析方法及系统，解决了现有技术中存在教学分析方法不够全面，缺少直观性的技术问题，达到了通过多模型完成对教学的数据化全面分析，提高分析过程的可靠性和直观性的技术效果。下面，将参考附图详细的描述根据本技术的示例实施例。显然，所描述的实施例仅是本技术的一部分实施例，而不是本技术的全部实施例，应理解，本技术不受这里描述的示例实施例的限制。
14.申请概述教学是教师的教和学生的学所组成的一种人类特有的人才培养活动。通过这种活
动，教师有目的、有计划、有组织地引导学生学习和掌握文化科学知识和技能，促进学生素质提高，使他们成为社会所需要的人。进一步来说，教学质量是对教育水平高低和效果优劣的评价，一般而言，制定出切实可行的教学管理措施需要对课堂教学质量评价的地位和重要性做出重新认识，以保证课堂教学质量的提高满足素质教育的需求。但现有技术中存在教学分析方法不够全面，缺少直观性的技术问题。
15.针对上述技术问题，本技术提供的技术方案总体思路如下：本技术实施例提供了一种基于大数据的教学综合分析方法，连接于一数据采集装置，所述方法包括：通过所述数据采集装置，获得第一教学用户的第一教学成绩数据信息；获得第一关联层级与所述第一教学成绩数据信息的第一关联度；获得第二关联层级与所述第一教学成绩数据信息的第二关联度；获得第三关联层级与所述第一教学成绩数据信息的第三关联度；根据所述第一关联度、所述第二关联度和所述第三关联度，构建关联层级分析模型；将所述第一教学成绩数据信息输入所述关联层级分析模型中，获得第一教学分析数据；获得所述第一教学用户的第一教学科目；将所述第一教学科目输入科目层级分析模型中，获得第二教学分析数据；对所述第一教学分析数据和所述第二教学分析数据进行标准化处理，生成第一综合分析结果。
16.在介绍了本技术基本原理后，下面将结合说明书附图来具体介绍本技术的各种非限制性的实施方式。
17.实施例一如图1所示，本技术实施例提供了一种基于大数据的教学综合分析方法，连接于一数据采集装置，所述方法包括：步骤s100：通过所述数据采集装置，获得第一教学用户的第一教学成绩数据信息；具体而言，所述数据采集装置是一种数据获取的装置，从系统外部采集数据并输入到系统内部的一个接口，将采集到的数据进行分析、处理，所述第一教学用户为教学综合分析系统的应用对象，通过对所述第一教学用户教导的学生成绩进行录入，获得所述第一教学成绩数据信息，详细来说，所述第一教学成绩数据信息包括学生在教学科目上的分数、名次、百分比、平均分等各个信息，使得这些数据信息作为基础的教学综合分析的数据来源。
18.步骤s200：获得第一关联层级与所述第一教学成绩数据信息的第一关联度；具体而言，所述第一关联层级为与所述第一教学成绩数据信息具有关联影响的第一层级，所述第一关联度为根据所述第一关联层级的影响程度确定的关联度。进一步而言，所述第一关联层级主要为外部环境对所述第一教学成绩数据信息造成影响的相关因素的集合，如学校资源、教学外部环境、学校风气等因素统称为第一关联层级，其中，由于所述第一关联层级在整体分析过程中占有较大的关联比重，因此通过对所述第一关联层级的所述第一关联度进行了进一步的细化分析，从而建立出了综合分析的第一指标，达到了提高分析全面性的技术效果。
19.步骤s300：获得第二关联层级与所述第一教学成绩数据信息的第二关联度；具体而言，所述第二关联层级为与所述第一教学成绩数据信息具有关联影响的第二层级，所述第而关联度为根据所述第而关联层级的影响程度确定的关联度，所述第二关联度相对于所述第一关联度的关联占比有所消减，即所述第一关联度大于所述第二关联
度。进一步而言，所述第二关联层级主要为所述第一教学用户的个人教学能力价值因素的集合，包括自身教学能力、既往荣誉、教学研讨、情绪控制等因素称为第二关联层级，通过对所述第二关联层级的所述第二关联度进行了进一步的细化分析，从而建立出了综合分析的第二指标，达到了提高分析全面性的技术效果。
20.步骤s400：获得第三关联层级与所述第一教学成绩数据信息的第三关联度；具体而言，所述第三关联层级为与所述第一教学成绩数据信息具有关联影响的第三层级，所述第三关联度为根据所述第三关联层级的影响程度确定的关联度。进一步而言，所述第三关联层级主要为学生自身对所述第一教学成绩数据信息造成影响的相关因素的集合，如学生自身的能力、天赋、价值观念等影响因素统称为第一关联层级，通过确定所述第三关联层级的所述第三关联度进行了进一步的细化分析，从而建立出了综合分析的第三指标，其中，所述第三关联度为负方向，详细来说，即所述第三关联度越高，其对应关联计算的成绩数据越小，达到了提高分析全面性与可靠性的技术效果。
21.步骤s500：根据所述第一关联度、所述第二关联度和所述第三关联度，构建关联层级分析模型；步骤s600：将所述第一教学成绩数据信息输入所述关联层级分析模型中，获得第一教学分析数据；具体而言，所述关联层级分析模型是根据所述第一关联度、所述第二关联度和所述第三关联度构成的分析模型，基于这三个关联层级的影响度构成的模型具有细化综合分析的能力，因此，将所述第一教学成绩数据信息输入所述关联层级分析模型中进行数据分析，从而获得所述第一教学分析数据，详细来说，所述第一教学分析数据是根据所述第一教学成绩数据进行关联综合分析获得的细化数据，其中，所述关联层级分析模型为是以神经网络模型为基础建立的模型，所述第一关联度和所述第二关联度作为第一输入信息，所述第三关联度作为第三输入信息。神经网络由大量的神经元之间相互连接构成的一种运算模型，网络的输出则依照网络的连接方式的一种逻辑策略表达，进一步而言，所述训练的过程实质为监督学习的过程，每一组监督数据均包括内窥镜影像信息和标识影像质量等级的标识信息，模型进行不断的自我修正、调整，直至获得的输出结果与所述标识信息一致则结束本组数据监督学习，进行下一组数据监督学习。当输出信息达到预定的准确率/达到收敛状态时，则监督学习过程结束。达到了通过模型完成对教学的数据化全面分析，提高分析准确率的技术效果。
22.步骤s700：获得所述第一教学用户的第一教学科目；步骤s800：将所述第一教学科目输入科目层级分析模型中，获得第二教学分析数据；具体而言，所述第一教学科目是所述第一教学用户进行教学的课程科目，由于针对不同的课程科目会具有不同的分析标准，其每个科目所要求的指标和教育质量是不同的，因此，需要将所述第一教学科目输入科目层级分析模型中，所述科目层级分析模型能够根据教学科目的特点进行层级划分，如必修课程、选修课程、网络课程、娱乐课程等划分，进而对应设置其质量标准具备其分析计算的对应规则，从而获得所述第二教学分析数据，其中，所述第二教学分析数据是对所述第一教学用户所教课程的具体化分析，从而达到了再次通过模型完成对教学的数据化细化分析的技术效果。
23.步骤s900：对所述第一教学分析数据和所述第二教学分析数据进行标准化处理，生成第一综合分析结果。
24.具体而言，所述标准化处理的过程为对所述第一教学分析数据和所述第二教学分析数据进行指标标准的处理过程，其中，在多指标评价体系中，由于各评价指标的性质不同，通常具有不同的量纲和数量级，当各指标间的水平相差很大时，如果直接用原始指标值进行分析， 就会突出数值较高的指标在综合分析中的作用，相对削弱数值水平较低指标的作用。因此，为了保证结果的可靠性，需要对原始指标数据进行标准化处理，通过标准话的处理，使得最终输出的数据信息更加准确，达到了提高分析过程的可靠性和直观性的技术效果。
25.进一步而言，本技术实施例还包括：步骤s1010：获得所述第一教学用户在第一教学阶段中第一成绩数据信息；步骤s1020：获得所述第一教学用户在第二教学阶段中第二成绩数据信息；步骤s1030：获得所述第一教学用户在第三教学阶段中第三成绩数据信息；步骤s1040：根据所述第一成绩数据信息和所述第二成绩数据信息，获得第一成绩曲线差；步骤s1050：根据所述第二成绩数据信息和所述第三成绩数据信息，获得第二成绩曲线差；步骤s1060：根据所述第一成绩曲线差和所述第二成绩曲线差，判断所述第一教学用户是否存在教学负指标；步骤s1070：若所述第一教学用户存在教学负指标，对所述第一综合分析结果进行调整。
26.具体而言，通过对所述第一教学用户在三个教学阶段中的教学成绩进行分析，从而获得所述第一成绩曲线差和所述第二成绩曲线差，其中，所述第一成绩曲线差为第一与第二阶段前两个阶段的进步程度，所述第二成绩曲线差为第二与第三阶段两个阶段的进步程度，进而对进步程度进行确定，若所述第一成绩曲线差与所述第二成绩曲线加和为负向结果，则表示所述第一教学用户存在教学负指标；若所述第一成绩曲线差与所述第二成绩曲线加和为正向结果，则表示所述第一教学用户存在教学正指标，若存在负指标就需要对所述第一教学用户的最后分析结果进行调整，达到了及时调整提高分析的具体化程度的技术效果。
27.进一步而言，所述若所述第一教学用户存在教学负指标，对所述第一综合分析结果进行调整，本技术实施例步骤s1070还包括：步骤s1071a：判断所述教学负指标是否处于预设下降指标阈值中；步骤s1072a：若所述教学负指标不处于预设下降指标阈值中，获得所述教学负指标的第一持续时间；步骤s1073a：判断所述第一持续时间是否处于第一预设持续时间中；步骤s1074a：若所述第一持续时间处于所述第一预设持续时间中，对所述教学负指标和所述第一持续时间进行乘法计算，获得第一计算分值；步骤s1075a：根据所述第一计算分值完成对所述第一综合分析结果的减法调整。
28.具体而言，通过判断所述第一教学用户的教学指标结果，若指标结果为负指标则
需要对负指标的程度进行细化分析，即当所述教学负指标达到一定下降指标的时候，分析教学阶段中下降的持续时间，若持续时间过长则表示其所述第一教学用户的教学质量在不断下降，且处于持续下降的结果，对其抽象的概念做出量化的计算，其计算的方法是对所述教学负指标和所述第一持续时间进行相乘的到的分值，且分值为负向的削减，从而对所述第一综合分析结果中的到的数据进行减法调整，达到了提高分析过程的可靠性和直观性的技术效果。
29.进一步而言，所述根据所述第一成绩曲线差和所述第二成绩曲线差，判断所述第一教学用户是否存在教学负指标，本技术实施例步骤s1060还包括：步骤s1061：若所述第一教学用户不存在教学负指标，判断所述第一教学用户是否存在教学正指标；步骤s1062：若所述第一教学用户存在教学正指标，获得所述教学正指标的第二持续时间；步骤s1063：判断所述第二持续时间是否处于第二预设持续时间中；步骤s1064：若所述第一持续时间处于所述第二预设持续时间中，对所述教学正指标和所述第二持续时间进行乘法计算，获得第二计算分值；步骤s1065：根据所述第二计算分值完成对所述第一综合分析结果的加法调整。
30.具体而言，通过判断所述第一教学用户的教学指标结果，若指标结果为正指标则需要对正指标的程度进行细化分析，即当所述教学正指标达到一定的标准指标阈值对其上升、进步的程度进行具体化分析，分析教学阶段中上升的持续时间，若持续时间较长则表示其所述第一教学用户的教学质量在不断上升，且处于持续上升的结果，进而对所述第一教学用户的进步能力这一抽象的概念做出量化的计算方法，其计算的方法与负指标量化计算方法相同，即是对所述教学正指标和所述第一持续时间进行相乘的到的分值，从而对所述第一综合分析结果中的到的数据进行加法调整，达到了通过个性化的计算，提高分析过程的可靠性和直观性的技术效果。
31.进一步而言，所述若所述第一教学用户存在教学负指标，对所述第一综合分析结果进行调整之前，本技术实施例s1070还包括：步骤s1071b：获得所述第一教学用户的第一情绪表现、第二情绪表现和第三情绪表现，其中，所述第一情绪表现、第二情绪表现和第三情绪表现分别为所述第一教学用户在所述第一教学阶段、所述第二教学阶段和所述第三教学阶段的情绪表现；步骤s1072b：对所述第一情绪表现和所述第一教学阶段进行情绪统计，获得第一情绪分值；步骤s1073b：对所述第二情绪表现和所述第二教学阶段进行情绪统计，获得第二情绪分值；步骤s1074b：对所述第三情绪表现和所述第三教学阶段进行情绪统计，获得第三情绪分值；步骤s1075b：对所述第一情绪分值、第二情绪分值和第三情绪分值进行加和，获得第一情绪总分值；步骤s1076b：将所述第一情绪总分值输入到所述第一综合分析结果中。
32.具体而言，所述第一情绪表现为所述第一教学用户在所述第一教学阶段的情绪表
现，所述第二情绪表现为所述第一教学用户在所述第二教学阶段的情绪表现，所述第三情绪表现为所述第一教学用户在所述第三教学阶段的情绪表现，其中，情绪的表现包括各个情绪的体现，获取所述情绪表现的过程可以通过问卷调查、情绪感知装置、激素水平曲线、面部微表情分析等各个手段分析，不限于某一种特定的方式，基于情绪的感知进一步帮助对所述第一教学用户的分析，进而根据获得的三个情绪分值进行加和，完成所述第一教学用户的情绪评估并具体化呈现。
33.进一步而言，本技术实施例还包括：步骤s1071b1：根据所述第一情绪总分值，确定所述第一教学用户的第一积极情绪占比；步骤s1071b2：根据所述第一情绪总分值，确定所述第一教学用户的第一消极情绪占比；步骤s1071b3：判断所述第一积极情绪占比是否大于等于所述第一消极情绪占比；步骤s1071b4：若所述第一积极情绪占比大于等于所述第一消极情绪占比，生成第一情绪分析报告；步骤s1071b5：根据所述第一综合分析结果，生成第一综合分析报告；步骤s1071b6：将所述第一情绪分析报告存储到所述第一综合分析报告中。
34.具体而言，情绪的分析过程中需要进一步细化其中的情绪类型并进行进一步的分类别情绪统计，完成对情绪能力的准确统计。其中，所述第一积极情绪为对所述第一教学用户的教学质量起到积极作用的情绪表现，所述第一消极情绪为对所述第一教学用户的教学质量起到消极作用的情绪表现，其中，在教学阶段中情绪的每一变化都进行积分，从而确定所述积极情绪和所述消极情绪的占比，并通过判断所述第一教学用户的主观情绪特征生成所述第一情绪报告分析，从而达到了个性化生成报告，提高综合分析结果直观性的技术效果。
35.进一步而言，本技术实施例还包括：步骤s1110：获得所述第一关联度与所述第二关联度的第一交互影响；步骤s1120：获得所述第一关联度与所述第三关联度的第二交互影响；步骤s1130：获得所述第二关联度与所述第三关联度的第三交互影响；步骤s1140：根据所述第一交互影响、第二交互影响和所述第三交互影响，确定的第一关联影响参数；步骤s1150：将所述第一关联影响参数输入到所述关联层级分析模型中。
36.具体而言，由于所述第一关联层级中的影响因素与所述第二关联层级的影响因素以及所述第三关联层级的影响因素都具有不同程度的因素交互影响能力，因此，对于所有关联层对应的关联度也需要进行进一步的影响系数确定。所述第一关联影响参数为互相影响的浮动程度，从而使得所述关联层级分析模型细化其计算能力，并且达到了使得最终的输出的所述第一教学分析数据更加准确的技术效果。
37.综上所述，本技术实施例所提供的一种基于大数据的教学综合分析方法及系统具有如下技术效果：1、由于采用了通过数据采集装置采集第一教学用户的教学对象的第一成绩数据信息，以此第一成绩数据信息作为所述第一教学用户的教学质量分析数据基础。再获得每
一关联层级与所述第一教学成绩数据之间的关联度，据此建立关联层级分析模型。再将所述第一成绩数据信息输入到所述关联层级分析模型中，获得第一教学分析数据，所述第一教学分析数据为经过关联层级分析后的更加全面的数据，再通过获得所述第一教学用户的教学科目，进而将教学科目输入科目层级分类模型中，获得第二教学分析数据，其中，所述第二教学分析数据为细化科目层级的二次分析数据，再对所述第一教学分析数据和所述第二教学分析数据进行标准化处理，获得最终的分析结果。达到了通过多模型完成对教学的数据化全面分析，提高分析过程的可靠性和直观性的技术效果。
38.2、由于采用了将所述第一教学成绩数据信息输入所述关联层级分析模型中，获得第一教学分析数据；将所述第一教学科目输入科目层级分析模型中，获得第二教学分析数据的方式；其中，基于模型自身能不断优化学习、获得“经验”来处理数据更准确的数学特性，使得所获得的分析数据具有可靠性，进而达到了通过多模型完成对教学的数据化全面分析，提高准确性的技术效果。
39.实施例二基于与前述实施例中一种基于大数据的教学综合分析方法同样发明构思，本发明还提供了一种基于大数据的教学综合分析系统，如图2所示，所述系统包括：第一获得单元11，所述第一获得单元11用于通过所述数据采集装置，获得第一教学用户的第一教学成绩数据信息；第二获得单元12，所述第二获得单元12用于获得第一关联层级与所述第一教学成绩数据信息的第一关联度；第三获得单元13，所述第三获得单元13用于获得第二关联层级与所述第一教学成绩数据信息的第二关联度；第四获得单元14，所述第四获得单元14用于获得第三关联层级与所述第一教学成绩数据信息的第三关联度；第一构建单元15，所述第一构建单元15用于根据所述第一关联度、所述第二关联度和所述第三关联度，构建关联层级分析模型；第一输入单元16，所述第一输入单元16用于将所述第一教学成绩数据信息输入所述关联层级分析模型中，获得第一教学分析数据；第五获得单元17，所述第五获得单元17用于获得所述第一教学用户的第一教学科目；第二输入单元18，所述第二输入单元18用于将所述第一教学科目输入科目层级分析模型中，获得第二教学分析数据；第一生成单元19，所述第一生成单元19用于对所述第一教学分析数据和所述第二教学分析数据进行标准化处理，生成第一综合分析结果。
40.进一步的，所述系统还包括：第六获得单元，所述第六获得单元用于获得所述第一教学用户在第一教学阶段中第一成绩数据信息；第七获得单元，所述第七获得单元用于获得所述第一教学用户在第二教学阶段中第二成绩数据信息；第八获得单元，所述第八获得单元用于获得所述第一教学用户在第三教学阶段中
第三成绩数据信息；第九获得单元，所述第九获得单元用于根据所述第一成绩数据信息和所述第二成绩数据信息，获得第一成绩曲线差；第十获得单元，所述第十获得单元用于根据所述第二成绩数据信息和所述第三成绩数据信息，获得第二成绩曲线差；第一判断单元，所述第一判断单元用于根据所述第一成绩曲线差和所述第二成绩曲线差，判断所述第一教学用户是否存在教学负指标；第一调整单元，所述第一调整单元用于若所述第一教学用户存在教学负指标，对所述第一综合分析结果进行调整。
41.进一步的，所述系统还包括：第二判断单元，所述第二判断单元用于判断所述教学负指标是否处于预设下降指标阈值中；第十一获得单元，所述第十一获得单元用于若所述教学负指标不处于预设下降指标阈值中，获得所述教学负指标的第一持续时间；第三判断单元，所述第三判断单元用于判断所述第一持续时间是否处于第一预设持续时间中；第十二获得单元，所述第十二获得单元用于若所述第一持续时间处于所述第一预设持续时间中，对所述教学负指标和所述第一持续时间进行乘法计算，获得第一计算分值；第二调整单元，所述第二调整单元用于根据所述第一计算分值完成对所述第一综合分析结果的减法调整。
42.进一步的，所述系统还包括：第三判断单元，所述第三判断单元用于若所述第一教学用户不存在教学负指标，判断所述第一教学用户是否存在教学正指标第十三获得单元，所述第十三获得单元用于若所述第一教学用户存在教学正指标，获得所述教学正指标的第二持续时间；第四判断单元，所述第四判断单元用于判断所述第二持续时间是否处于第二预设持续时间中；第十四获得单元，所述第十四获得单元用于所述第一持续时间处于所述第二预设持续时间中，对所述教学正指标和所述第一持续时间进行乘法计算，获得第二计算分值；第三调整单元，所述第三调整单元用于根据所述第二计算分值完成对所述第一综合分析结果的加法调整。
43.进一步的，所述系统还包括：第十五获得单元，所述第十五获得单元用于获得所述第一教学用户的第一情绪表现、第二情绪表现和第三情绪表现，其中，所述第一情绪表现、第二情绪表现和第三情绪表现分别为所述第一教学用户在所述第一教学阶段、所述第二教学阶段和所述第三教学阶段的情绪表现；第一统计单元，所述第一统计单元用于对所述第一情绪表现和所述第一教学阶段进行情绪统计，获得第一情绪分值；第二统计单元，所述第二统计单元用于对所述第二情绪表现和所述第二教学阶段
进行情绪统计，获得第二情绪分值；第十六获得单元，所述第十六获得单元用于对所述第一情绪分值、第二情绪分值和第三情绪分值进行加和，获得第一情绪总分值；第三输入单元，所述第三输入单元用于将所述第一情绪总分值输入到所述第一综合分析结果中。
44.进一步的，所述系统还包括：第一确定单元，所述第一确定单元用于根据所述第一情绪总分值，确定所述第一教学用户的第一积极情绪占比；第一确定单元，所述第一确定单元用于根据所述第一情绪总分值，确定所述第一教学用户的第一消极情绪占比；第五判断单元，所述第五判断单元用于判断所述第一积极情绪占比是否大于等于所述第一消极情绪占比；第二生成单元，所述第二生成单元用于若所述第一积极情绪占比大于等于所述第一消极情绪占比，生成第一情绪分析报告；第三生成单元，所述第三生成单元用于根据所述第一综合分析结果，生成第一综合分析报告；第一存储单元，所述第一存储单元用于将所述第一情绪分析报告存储到所述第一综合分析报告中。
45.进一步的，所述系统还包括：第十七获得单元，所述第十七获得单元用于获得所述第一关联度与所述第二关联度的第一交互影响；第十八获得单元，所述第十八获得单元用于获得所述第一关联度与所述第三关联度的第二交互影响；第十九获得单元，所述第十九获得单元用于获得所述第二关联度与所述第三关联度的第三交互影响；第二十获得单元，所述第二十获得单元用于根据所述第一交互影响、第二交互影响和所述第三交互影响，确定的第一关联影响参数；第五输入单元，所述第五输入单元用于将所述第一关联影响参数输入到所述关联层级分析模型中。
46.前述图1实施例一中的一种基于大数据的教学综合分析方法的各种变化方式和具体实例同样适用于本实施例的一种基于大数据的教学综合分析系统，通过前述对一种基于大数据的教学综合分析方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于大数据的教学综合分析系统的实施方法，所以为了说明书的简洁，在此不再详述。
47.示例性电子设备下面参考图3来描述本技术实施例的电子设备。
48.图3图示了根据本技术实施例的电子设备的结构示意图。
49.基于与前述实施例中一种基于大数据的教学综合分析方法的发明构思，本发明还提供一种基于大数据的教学综合分析系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种基于大数据的教学综合分析方法的任一方法的步骤。
50.其中，在图3中，总线架构（用总线300来代表），总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。
51.处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
52.本发明实施例提供的一种基于大数据的教学综合分析方法，连接于一数据采集装置，所述方法包括：通过所述数据采集装置，获得第一教学用户的第一教学成绩数据信息；获得第一关联层级与所述第一教学成绩数据信息的第一关联度；获得第二关联层级与所述第一教学成绩数据信息的第二关联度；获得第三关联层级与所述第一教学成绩数据信息的第三关联度；根据所述第一关联度、所述第二关联度和所述第三关联度，构建关联层级分析模型；将所述第一教学成绩数据信息输入所述关联层级分析模型中，获得第一教学分析数据；获得所述第一教学用户的第一教学科目；将所述第一教学科目输入科目层级分析模型中，获得第二教学分析数据；对所述第一教学分析数据和所述第二教学分析数据进行标准化处理，生成第一综合分析结果，解决了现有技术中存在教学分析方法不够全面，缺少直观性的技术问题，达到了通过多模型完成对教学的数据化全面分析，提高分析过程的可靠性和直观性的技术效果。
53.本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的系统。
54.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
55.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
56.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。