一种残膜回收机防缠绕挑膜装置的制 一种秧草收获机用电力驱动行走机构

一种基于教育云平台的异常行为捕获方法及系统与流程

2022-12-31 20:06:38 来源:中国专利 TAG:

技术特征:
1.一种基于教育云平台的异常行为捕获方法,其特征在于,s1获得用户端检测权限;s2随机生成试题,并分配给对应目标客户;s3采集历史试题样本,并实时分析目标客户做题进度,进行异常行为分析;s4实时监控目标客户网页,进行异常行为分析;s5当判定异常行为时对目标客户做出1至3次警告;s6当3次警告后仍判定异常行为时,取消试题的发送;s7客户提出申诉,进行人工审核。2.根据权利要求1所述的一种基于教育云平台的异常行为捕获方法,其特征在于:历史试题样本包括平均做题时间,所述客户平均做题时间为本试题此前所有参与做题者的平均完成时间,当目标客户完成试题的时间低于平均做题时间的百分之七十且答案错误时,则会被判定为消极考试,当目标客户完成试题的时间低于平均做题时间的百分之七十且答案正确时,则会被判定为考试作弊。3.根据权利要求1所述的一种基于教育云平台的异常行为捕获方法,其特征在于:当目标客户网页访问新链接时,会被判定为考试作弊。4.根据权利要求2或3所述的一种基于教育云平台的异常行为捕获方法,其特征在于:判定结果考试作弊或消极考试均被定义为为异常行为,每一次异常行为的判定后客户端均会出现“请端正考试”的警告字样。5.根据权利要求1所述的一种基于教育云平台的异常行为捕获方法,其特征在于,随机生成试题的方法应用于多个用户端,生成试题并将试题发送至对应的目标用户,包括以下方法:采集所述目标用户存储的实时学习节点信息;基于所述实时学习节点信息确定对应的知识数据库,提取所述知识数据库中对应的多个知识点;基于多个所述知识点构建对应的知识图谱,并基于所述知识图谱构建试题网络;获取与所述知识点对应的历史试题以及所述历史试题对应的关键参数,基于所述关键参数调整所述试题网络;基于调整后的试题网络进行试题推荐;所述知识点包括元知识点以及基于所述元知识点获得复合知识点,所述元知识点用于表征学习节点信息中的任意一个节点信息中的基本知识点。6.根据权利要求5所述的一种基于教育云平台的异常行为捕获方法其特征在于,所述知识数据库的构建包括以下方法:获取元知识点,所述元知识点用于表征学习节点信息中的任意一个节点信息中的基本知识点;基于至少两个所述元知识点获取复合知识点;基于至少两个所述元知识点和所述复合知识点构建知识数据子库;基于多个知识数据子库构建用于表征全部学习节点信息的知识数据库,所述知识数据库中配置有对应学习节点信息的标签信息。基于所述实时学习节点信息确定对应的知识数据库,提取所述知识数据库中对应的多
个知识点,包括以下方法:获取所述实时学习节点信息的标签信息,基于所述标签信息获取所述知识数据库中与所述标签信息对应的知识数据子库,所述知识数据子库中存储有对应的多个知识点。基于多个所述知识点构建对应的知识图谱,包括以下方法:基于所述复合知识点构建基础知识图谱,基于所述元知识点构建推理知识图谱;融合所述基础知识图谱和所述推理知识图谱获得目标知识图谱。7.根据权利要求6所述的一种基于教育云平台的异常行为捕获方法,其特征在于,所述关键参数包括正确率,获取与所述知识点对应的历史试题以及所述历史试题对应的关键参数,基于所述关键参数调整所述试题网络包括以下方法:基于多个所述知识点获取关联知识点,基于所述关联知识点获取对应的全图谱历史试题,并获取全图谱历史试题中的错题集,基于所述错题集确定所述正确率;基于所述正确率即对应的错题集调整所述试题网络为第一试题网络。获取与所述知识点对应的历史试题以及所述历史试题对应的关键参数,基于所述关键参数调整所述试题网络,还包括以下方法:基于所述关联知识点获取所述目标用户的历史试题,并获取目标用户历史试题中的错题集以及正确率,基于所述目标用户历史试题中的错题集以及正确率调整所述第一目标试题网络目标试题网络为第二目标试题网络,基于所述第二试题网络进行试题推荐。8.一种基于教育云平台的异常行为捕获系统:包括监测模块,分析模块及执行模块;所述监测模块用于监测用户做题时常以及是否有新访问连接;所述分析模块用于分析监测模块的数据是否符合异常行为;所述执行模块用于警告客户异常行为及取消试题的发送。

技术总结
本申请涉及远程教育技术领域,具体涉及一一种基于教育云平台的异常行为捕获方法,具体为,获得用户端检测权限;随机生成试题,并分配给对应目标客户;采集历史试题样本,并实时分析目标客户做题进度,进行异常行为分析;实时监控目标客户网页,进行异常行为分析;当判定异常行为时对目标客户做出1至3次警告;当3次警告后仍判定异常行为时,取消试题的发送;客户提出申诉,进行人工审核,通过该方法可以有效端正客户做题态度,提高远程学习效率。提高远程学习效率。提高远程学习效率。


技术研发人员:沈小莲 郭文科 张凌峰 卢钊雄
受保护的技术使用者:东莞市亚太未来软件有限公司
技术研发日:2022.10.24
技术公布日:2022/12/30
再多了解一些

本文用于创业者技术爱好者查询,仅供学习研究,如用于商业用途,请联系技术所有人。

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表

相关文献