[发明专利]基于云架构下的教学系统及决策方法在审
申请号: | 201811051620.2 | 申请日: | 2018-09-10 |
公开(公告)号: | CN109166372A | 公开(公告)日: | 2019-01-08 |
发明(设计)人: | 谢兆贤;王童;黄越;黄沈权;商宇凡;尤胜哲;柯志鸿 | 申请(专利权)人: | 温州大学 |
主分类号: | G09B5/08 | 分类号: | G09B5/08;H04L29/08 |
代理公司: | 温州金瓯专利事务所(普通合伙) 33237 | 代理人: | 陈晖 |
地址: | 325000 浙江省温州市瓯海*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 教学系统 云架构 实际状况 监测 决策 参数选择 参数指标 模块选择 学习方式 学习效果 教学 学生 量化 考核 | ||
1.一种基于云架构下的教学案例决策方法,其特征在于:决策方法包括:
(1)对决策问题进行详细的描述,包括该决策问题的目标、准则和子目标,以及该决策问题的可能产出及其目标;
(2)构建网络,所述网络由三部分组成,包括:SaaS层,包括该决策问题的目标、准则;PaaS层,包括该决策问题的子目标;IaaS层,包括该决策问题的可能产出及其目标;
(3)初始化元素,所述元素包括群种N、初始的速度V和位置P,所述群种N包括教学质量X1、教学经济成本X2、和教学安全性X3;所述速度V代表元素间的关系密切度;所述位置P为每个群种内部的起点的初始位置;
(4)对元素及其组成的元素组进行适应值评估;
(5)确定元素、元素组的历史最优适应值;
(6)根据所得到的适应值数据建立并求解适应值矩阵;
(7)对每一控制准则的极限向量按照各准则权重进行加总,主要是对个可选方案的权重加总;
(8)根据各可选方案的权重值排序,计算每个案例的成本收益。
(9)根据各个案例的成本收益选出收益最大的案例作为优选案例。
2.根据权利要求1所述的基于云架构下的教学案例决策方法,其特征在于:构建网络后,首先构建无权重超矩阵,元素之间通过两两比较、归一化处理获得;然后依次构建多个判断矩阵,并对判断矩阵进行归一化处理,组成无权重超矩阵;其次在获得无权重超矩阵对元素组进行组间的比较,并依各准则进行元素组之间的比较,并将获得的各判断矩阵归一化,最后合并,再与无权重矩阵相乘,获得权重矩阵。
3.根据权利要求2所述的基于云架构下的教学案例决策方法,其特征在于:所述无权重超矩阵的构建包括:根据矩阵标度定义进行元素之间的比较。
4.根据权利要求1所述的基于云架构下的教学案例决策方法,其特征在于:所述监测案例选评模块第(4)、(5)步的所述适应值包括对于元素在元素组的适应值、元素组内部依赖适应值、元素组与元素组之间反馈关系适应值。
5.一种包括上述权利要求1、2、3或4所述的基于云架构下的教学案例决策方法的教学系统,其特征在于,包括:
课后学习案例模块,所述课后学习案例模块包括传统型案例、小组分布型案例和人工智能辅助型案例;
监测案例选评模块,所述监测案例选评模块具有所述决策方法。
6.根据权利要求5所述的基于云架构下的教学系统,其特征在于:所述传统型案例为一人对多人教学结合一人与多人共同学习模型,包括学习进度认证模块。
7.根据权利要求5所述的基于云架构下的教学系统,其特征在于:所述小组分布型案例为一人对多组教学结合各组共同学习模型,包括学习进度认证模块、计数模块。
8.根据权利要求5所述的基于云架构下的教学系统,其特征在于:所述人工智能辅助型案例为一人对多人教学结合一人与个人AI共同学习模型,包括学习进度认证模块、计数模块和数据模块。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于温州大学,未经温州大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811051620.2/1.html,转载请声明来源钻瓜专利网。