[发明专利]基于云架构下的教学系统及决策方法

说明书

一种基于云架构下的教学系统及决策方法。它包括由监测案例选评模块，以及由所述监测案例选评模块根据教学实际状况的参数选择合适的案例。本发明提供一种基于云架构下的教学系统，通过决策方法对教学实际状况的参数指标量化考核，通过监测案例选评模块选择最适合学生的课后学习方式，提高学生的学习效果。

技术领域

本发明涉及教学系统领域，特别涉及一种基于云架构下的教学系统及决策方法。

背景技术

目前在学校的教学过程中，课堂的教育方式基本是老师一个人以一种教学方法对一个班级中的许多学生，学生需要不断学习适应每一位老师。所谓的「因才施教」应该是指课后一对一的教学。所以，学生因为不同老师与不同地区对不同课程有着不同的理解，最后产生不同的喜好与结果。所以，尽管名师可以给大多数学生帮助，但不尽然都能到达每一位，对于现今强调创意与非记忆性的教学过程里面，急需一种辅助机制协助与众不同的学生进行深层的学习。

发明内容

为了解决背景技术中的问题，本发明提供一种根据教学的不同状态、属性为学生选择不同教学机制的基于云架构下的教学系统及决策方法。

本发明解决其技术问题所采用的技术方案是一种基于云架构下的教学案例决策方法，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。

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。

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。

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。

基于云架构下的教学系统包括：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。

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。

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。

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。。