[发明专利]学情确定方法、装置及智能终端

说明书

本发明提供了一种学情确定方法、装置及智能终端，涉及学情管理技术领域，该方法包括：获取目标学生的个人信息；对个人信息中的数据进行特征提取，得到多个特征矢量；基于特征矢量确定目标学生的学情。本发明能够有效提高学情确定的可靠性。

技术领域

本发明涉及学情管理技术领域，尤其是涉及一种学情确定方法、装置及智能终端。

背景技术

在针对在校大学生进行学情管理时，需要对学生在校学习、生活、个性、心理、既有习惯等多个方面进行数据采集和分析，以便提供细微、立体、全面的学情分析与管理方法，学生在校的各个方面的数据往往分属不同子系统并且存储方式呈现出多样化特性，而现有对学情的确定方法通常是根据学生的一个方面的数据如学习数据进行学情分析，难以体现学生在校多个方面的情况，存在学情分析可靠性较差的问题。

发明内容

有鉴于此，本发明的目的在于提供一种学情确定方法、装置及智能终端，能够有效提高学情确定的可靠性。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种学情确定方法，包括：获取目标学生的个人信息；其中，个人信息包括学习数据、考勤数据和消费数据；对个人信息中的数据进行特征提取，得到多个特征矢量；基于特征矢量确定目标学生的学情。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，获取目标学生的个人信息的步骤，包括：通过教务系统采集目标学生的学习数据；学习数据包括指定科目的学习成绩，和/或指定科目的学习时长；通过考勤系统采集目标学生的考勤数据；考勤数据包括签到次数和/或签到时间；通过校园卡管理系统采集目标学生的消费数据；消费数据包括校内消费地点和各校内消费地点对应的消费金额。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，对个人信息中的数据进行特征提取，得到多个特征矢量的步骤，包括：通过特征级数据融合算法对个人信息中的数据进行特征提取，得到个人信息的多个特征矢量。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，基于特征矢量确定目标学生的学情的步骤，包括：基于预设的属性类型，采用自适应神经网络的统计模式识别算法对多个特征矢量进行模式识别处理，得到各属性类型对应的特征矢量；属性类型包括学习类型、考勤类型和消费类型；采用神经网络的多源信息融合算法对每个属性类型对应的特征矢量进行合成处理，得到每个属性类型对应的合成数据；基于每个属性类型对应的合成数据确定目标学生的学情。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，学情包括指定评估因素对应的信息；指定评估因素包括学习因素、考勤因素和消费因素；上述方法还包括：根据确定的学情，在预设的学情评价表中分别查找各指定评估因素对应的评价和建议。

第二方面，本发明实施例还提供一种学情确定装置，包括：获取模块，用于获取目标学生的个人信息；其中，个人信息包括学习数据、考勤数据和消费数据；特征提取模块，用于对个人信息中的数据进行特征提取，得到多个特征矢量；确定模块，用于基于特征矢量确定目标学生的学情。

结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，获取模块用于：通过教务系统采集目标学生的学习数据；学习数据包括指定科目的学习成绩，和/或指定科目的学习时长；通过考勤系统采集目标学生的考勤数据；考勤数据包括签到次数和/或签到时间；通过校园卡管理系统采集目标学生的消费数据；消费数据包括校内消费地点和各校内消费地点对应的消费金额。

结合第二方面，本发明实施例提供了第二方面的第二种可能的实施方式，其中，特征提取模块用于：通过特征级数据融合算法对个人信息中的数据进行特征提取，得到个人信息的多个特征矢量。