一种在线教育用的互动式课堂的课程管理系统的制作方法

1.本发明涉及在线教育领域，具体涉及一种在线教育用的互动式课堂的课程管理系统。


背景技术：

2.随着信息技术迅速发展，特别是从互联网到移动互联网，创造了跨时空的生活、工作和学习方式，使知识获取的方式发生了根本变化，教与学可以不受时间、空间和地点条件的限制，知识获取渠道灵活与多样化，在线教育越来越凸显出优势，在线教育是通过应用信息科技和互联网技术进行课程内容传播分享和快速学习的方法，以网络为介质，用户与教师通过网络即使相隔万里也可以开展教学活动。
3.零距离、资源共享、全新的交流方式，作为新教育学习平台、新型工具，在利用一切工具的基础上，以提高效率的教育活动为前提，通过先进信息技术改变师生的上课互动方式，帮助广大学习者提升知识掌握的效率，从而进一步提升素质教育的培养。
4.现有技术的不足之处在于课程管理系统中的课程数量多，检索出学生适合自己的课程繁琐，学生无法准确找到适合自己以及自己喜爱的课程。


技术实现要素：

5.为了解决现有技术的不足之处，本发明提供了以下技术方案:
6.一种在线教育用的互动式课堂的课程管理系统，包括分析美术课程内容、设计以美术课程为对象的算法模型以及设计学生兴趣模型。
7.上述的在线教育用的互动式课堂的课程管理系统，其特征在于，美术课程的描述包括课程的内容、时长、特色以及详细介绍；美术课程的描述方法可以以word文档为载体。
8.上述的在线教育用的互动式课堂的课程管理系统，其特征在于，分析美术课程内容的方法为读取出能够代表该美术课程内容的特征集合，并算出它们所代表的文档内容词权重，完成美术课程内容矢量化。
9.上述的在线教育用的互动式课堂的课程管理系统，其特征在于，通过分词读取美术课程内容的特征集合；分词即将美术课程内容的内容进行切分，把美术课程内容切分成许多token，一个token代表美术课程内容的一个特点结构，许多个token集代表系统中美术课程内容的全部内容。
10.上述的在线教育用的互动式课堂的课程管理系统，其特征在于，通过计算分词权重将美术课程内容进行矢量化，计算出每个token对该美术课程内容的权重值即是美术课程内容特征的权重值。
11.上述的在线教育用的互动式课堂的课程管理系统，其特征在于，所述美术课程内容划分成多个token，算出所有美术课程内容中的随机一个token(m)在所在的文档中出现的次数tfm以及该词在所有美术课程内容中出现的美术课程内容数dfm，随机token词语m的反向文档词频idfm计算的方式如公式为：
[0012][0013]
上述的在线教育用的互动式课堂的课程管理系统，其特征在于，设计以美术课程为对象的算法模型是将美术课程内容聚类成k个类别，采用canopy算法将数据集聚类成k个聚类中心，通过fuzzykmeans算法得到最终k个聚类就是美术课程内容的k个类别。
[0014]
上述的在线教育用的互动式课堂的课程管理系统，其特征在于，以美术课程为对象的算法模型聚类美术课程内容，确定美术课程内容的类别，并计算文档书籍与美术课程内容类别之间的隶属度。
[0015]
上述的在线教育用的互动式课堂的课程管理系统，其特征在于，设计学生兴趣模型是分析学生行为并获得学生行为数据，根据收集的学生行为数据，来计算学生对自己在互动课堂系统中所进行操作的行为与美术课程内容相关的兴趣权重。
[0016]
上述的在线教育用的互动式课堂的课程管理系统，其特征在于，学生对美术课程内容的喜好程度的计算公式为：
[0017]
favorite
v,m
＝af
v,m
*iuifm，
[0018][0019][0020]
其中favorite
v,m
代表了学生v对美术课程内容m的个性化喜好程度；af
v,m
代表了学生对美术课程内容m的所有操作权重的相加；x,y分别代表学生行为操作次数和时间，(xy)
v,1
,(xy)
v,2
,(xy)
v,3
,(xy)
v,4
,(xy)
v,5
,(xy)
v,6
,分别代表学生v在线查看、阅读、问卷调查、下载、论坛发帖、收藏的行为所代表的权重，其中关于美术课程内容的下载、收藏、论坛发帖、问卷调查操作的y值为1，t
p
代表目前的时间，α代表随时间增长的递减参数，t
u,i
代表学生u对美术课程内容进行i操作的时间；iuifm表示美术课程内容m的反向学生操作权重。
[0021]
本发明提供的在线教育用的互动式课堂的课程管理系统，通过分析美术课程内容、设计以美术课程为对象的算法模型以及设计学生兴趣模型描述课程的内容、时长、特色以及详细介绍；分析美术课程内容，读取出能够代表该美术课程内容的特征集合，并计算出它们所代表的文档内容词权重，完成了美术课程内容矢量化；通过计算分词权重将美术课程内容进行矢量化，计算出每个token对该美术课程内容的权重值即可表示美术课程内容特征的权重值。以美术课程为对象的算法模型精确地聚类了美术课程内容，确定了美术课程内容的类别，并计算出文档书籍与美术课程内容类别之间的隶属度。分析学生行为并获得学生行为数据，然后根据收集的学生行为数据，来计算学生对自己在互动课堂系统中所进行操作的行为与美术课程内容相关的兴趣权重，较好地代表该学生的个性化偏好，提高推送结果的准确度。
附图说明
[0022]
为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一
些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0023]
图1为本发明实施例提供的以美术课程为对象的算法模型的流程示意图；
[0024]
图2为本发明实施例提供的学生兴趣模型建模流程示意图。
具体实施方式
[0025]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0026]
本发明提供了一种在线教育用的互动式课堂的课程管理系统，应用于涉及管理美术课程的先上教育中。
[0027]
所述课程管理系统包括分析美术课程内容、设计以美术课程为对象的算法模型以及设计学生兴趣模型。
[0028]
具体的，所述美术课程的描述包括课程的内容、时长、特色以及详细介绍；进一步的，所述美术课程的描述方法可以以word文档为载体。
[0029]
所述分析美术课程内容的方法为读取出能够代表该美术课程内容的特征集合，并算出它们所代表的文档内容词权重，完成了美术课程内容矢量化。
[0030]
进一步的，通过分词读取所述美术课程内容的特征集合，所述分词即将美术课程内容的内容进行切分，所述分词起到的作用是把美术课程内容切分成许多token，一个token代表了该美术课程内容的一个特点结构，则许多个token集就可以代表系统中美术课程内容的全部内容。
[0031]
更进一步的，通过计算分词权重将美术课程内容进行矢量化，许多个token代表了美术课程内容，则计算出每个token对该美术课程内容的权重值即是美术课程内容特征的权重值。
[0032]
优选的，将所述美术课程内容通过jcseg分词器划分成多个token，并且算出所有美术课程内容中的随机一个token(m)在所在的文档中出现的次数tfm以及该词在所有美术课程内容中出现的美术课程内容数dfm，则随机token词语m的反向文档词频idfm计算的方式如公式为：其中,dfm之所以要加1是避免dfm等于零的情况；
[0033]
随机一个特征词m在随机一个美术课程内容中的权重tfidfm为该token词出现的次数tfm与该token词的反向文档频率idfm乘积，计算方法为：tfidfm＝tfm*idfm。
[0034]
进一步的，该tfidf方法特点是随机一个文档内的高词语频率，以及该词语在整个文档集的低文件频率，可以产生出高权重的tf-idf即较高的词频逆向文件频率。所以，tf-idf倾向于忽略掉不重要词语，将关键的词语保留。利用token权重集合可以非常好的代表美术课程内容内容。利用该方法的计算,把美术课程内容内容数据以《doc_id,term_id:w,
…
,doc_idn,term_idn:wn》的方式表示。
[0035]
所述设计以美术课程为对象的算法模型的流程如图1所示，主要是将美术课程内容聚类成k个类别，先采用canopy算法将数据集聚类成k个聚类中心，然后通过fuzzykmeans算法得到最终k个聚类就是美术课程内容的k个类别；所述以美术课程为对象的算法模型精
确地聚类了美术课程内容，确定了美术课程内容的类别，并计算出文档书籍与美术课程内容类别之间的隶属度。
[0036]
具体的，fuzzyk-means算法对美术课程内容聚类的具体步骤如下:
[0037]
(1)获得canopy算法的输出结果即为fuzzyk-means算法的k个初始聚类中心点，并设定阈值th；
[0038]
(2)计算所有data点到这k个美术课程内容类别中心的距离，即data点矢量距离d
l
，
[0039]
(3)并根据d
l
计算出所有data点与k个美术课程内容类别的关联权重；
[0040]
(4)算出美术课程内容类别集合中的所有权重data点位置的平均数的大小，则新的美术课程内容类别中心点就是该数值；
[0041]
(5)要是刚形成的美术课程内容类别中心与之前的美术课程内容类别中心之间的聚类小于th,则算法运行终止，形成最终的美术课程内容类别中心，并且执行第六步否则执行第五步；
[0042]
(6)要是th大于迭代次数，则以刚形成的类别中心作为起点，执行第二步，否则以末尾一次代入产生的类别中心是最后的美术课程内容类别中心，紧接着执行第六步。
[0043]
(7)算出所有data点到最后类别中心的距离，并记录下点与聚类之间的关联关系。
[0044]
优选的，从美术课程内容数据集中随机挑选多个美术课程的内容，从随机挑选出的美术课程中选择一个数据点r，数据点r可以为美术课程的内容、时长、特色或者详细介绍；同时设定选取出的数据点r的相关阈值t1以及t2；以选取出的数据点r为中心，计算数据中心与其他数据点的距离d，若d在t2之内，则把该数据点从矢量化的美术课程内容的集合u中删除；要是d在t1以内，则点r加入到类别canopy；否则以点data为类别中心，生成新的canopy类；循环执行上述步骤，直到矢量化美术课程内容的集合u是空数据就结束。
[0045]
所述设计学生兴趣模型是分析学生行为并获得学生行为数据，然后根据收集的学生行为数据，来计算学生对自己在互动课堂系统中所进行操作的行为与美术课程内容相关的兴趣权重。获取学生在互动课堂系统中的操作数据就是为了解决建立学生兴趣模型的数据来源，学生兴趣模型的数据来源主要有：学生属性，这是学生的基本信息，在本系统主要包括学生的所属院系、专业、特长等基本信息；学生在互动课堂上进行操作的行为，这部分的信息是学生在互动课堂进行相关操作产生的，包括学生学生在讨论圈上的评论、对美术课程内容的收藏、在班级问卷调查上的作答等。
[0046]
根据学生在互动课堂系统中对美术课程内容操作数据可以计算得到学生对该美术课程内容的喜爱权重，与以美术课程为对象的算法模型得出的美术课程内容-类别之间的关系相结合，就可以算出学生对经conopy与fuzzyk-means算法所计算得到的k个类别的热爱度。
[0047]
具体的，所述学生兴趣模型的设计以学生对某一美术课程内容的偏好程度跟该学生对这个美术课程内容的操作(在线查阅、问卷调查、下载、论坛发帖、收藏)次数以及对每次所操作的时间成正比，跟系统内对所操作的美术课程内容学生数成反比。
[0048]
进一步的，通过引入反向学生所操作的权重iuif来减少所操作次数多以及每次操作时间长的美术课程内容对学生兴趣产生的影响，这样会提高推送结果的准确度。学生对美术课程内容的喜好程度的计算方式为：
[0049]
favorite
v,m
＝af
v,m
*iuifm；
[0050]
其中favorite
v,m
代表了学生v对美术课程内容m的个性化喜好程度；af
v,m
代表了学生对美术课程内容m的所有操作权重的相加，计算公式为：
[0051][0052]
其中，x,y分别代表学生行为操作次数和时间，(xy)
v,1
,(xy)
v,2
,(xy)
v,3
,(xy)
v,4
,(xy)
v,5
,(xy)
v,6
,分别代表学生v在线查看、阅读、问卷调查、下载、论坛发帖、收藏的行为所代表的权重，其中关于美术课程内容的下载、收藏、论坛发帖、问卷调查操作的y值为1，t
p
代表目前的时间，α代表随时间增长的递减参数，t
u,i
代表学生u对美术课程内容进行i操作的时间。
[0053]
iuifm表示美术课程内容m的反向学生操作权重，如果同一个美术课程内容m操作的学生相对较少，则能较好地代表该学生的个性化偏好，计算方法为：
[0054][0055]
其中，c代表系统内的学生数，uifm代表对存在潜在兴趣美术课程内容m产生过行为的学生数。
[0056]
所述学生兴趣模型建模流程图如图2所示，学生对一个类美术课程内容别的热爱，是利用学生在互动课堂系统上对与这一类别的相关美术课程内容的相关操作来体现的，如阅读计算机类的文章以及对该文章进行收藏、下载等操作，学生对这一美术课程内容内容操作次数越多以及每次操作的时间越长；例如，在系统中学生经常看数学类的美术课程内容，而且每次看的时间也比较长，则学生对这一美术课程内容的类别越喜欢，所以学生v对某个类别s的热爱程度f
v,s
的计算公式为：
[0057]fv,s
＝∑favorite
v,m
*g
m,s
[0058]
其中，favorite
v,m
代表学生v对美术课程内容m的热爱程度，g
m,s
代表美术课程内容m与类别s之间的关联度，则f
v,s
就是学生对美术课程内容类别s的喜好度。利用上述公式计算出的喜好值能正确的表示出学生v对美术课程内容类别s的个人喜好。
[0059]
以上只通过说明的方式描述了本发明的某些示范性实施例，毋庸置疑，对于本领域的普通技术人员，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式对所描述的实施例进行修正。因此，上述附图和描述在本质上是说明性的，不应理解为对本发明权利要求保护范围的限制。