[发明专利]基于碎片化学习的大学计算机类课程管理平台有效

专利信息
申请号: 202010008372.4 申请日: 2020-01-06
公开(公告)号: CN111143750B 公开(公告)日: 2023-03-17
发明(设计)人: 刁仁宏;李光成;马锦程;岳桐桥;康曾璐 申请(专利权)人: 成都信息工程大学
主分类号: G06F16/958 分类号: G06F16/958;G06Q50/20
代理公司: 北京元本知识产权代理事务所(普通合伙) 11308 代理人: 王红霞
地址: 610225 四川省成都*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 碎片 化学 大学计算机 课程 管理 平台
【权利要求书】:

1.一种基于碎片化学习的大学计算机类课程管理平台,其特征在于:所述管理平台包括主观题自动评判功能系统、智能推荐教学资源功能系统、用户成果互动式共享功能系统和专业路线规划学习功能系统;

所述主观题自动评判功能系统是采用动态规划算法对经过分句处理与语法相似度、模式进行模糊匹配,采用蒙特卡罗算法计算出学生的综合成绩并用大数据云技术分析成绩实现对学生学习状况的测评,所述主观题自动评判功能系统的工作流程为:首先,对所述主观题自动评判功能系统提交的作业源程序进行编译,若编译系统有错误信息输出,则表明学生提交的作业有编译错误;其次,将测试数据重定向为输入数据,执行学生提交的作业源程序经过编译所生成的可执行文件,将程序的输出结果重定向至特定文件,供下一步骤做进一步处理,若超时,则终止进程并结束;接着,将输出结果文件与测试结果文件进行比较,若相同,则输出答案正确并结束;最后,将结果文件与测试结果都提出空格与回车字符后进行比较,若相同,则输出答案格式错误并结束,否则输出答案错误并结束,接着计算出学生的综合成绩并分析成绩实现对学生学习状况的测评;

所述智能推荐教学资源功能系统用于为用户推荐最合适的学习资料,以避免过多浪费时间选择学习资料或低档次资料,达到充分利用碎片化时间进行学习;

所述用户成果互动式共享功能系统是用户创新成果依托云计算搭建论坛式互动交流平台,其设置多个专区并将不同的主题放置在不同的专区下,以方便用户的信息获取和管理员的管理;

所述专业路线规划学习功能系统用于为专业路线规划学习的设计和开发提供基础。

2.如权利要求1所述的基于碎片化学习的大学计算机类课程管理平台,其特征在于:所述主观题自动评判功能系统是采用动态规划算法对经过分句处理与语法相似度、模式进行模糊匹配,采用蒙特卡罗算法计算出学生的综合成绩并用大数据云技术分析成绩实现对学生学习状况的测评;

所述主观题自动评判功能系统包括主观题自动评判存储单元、编译型语言的在线判题单元和SQL判题单元;

所述主观题自动评判存储单元用于存储学生提交的作业源程序的正确性以及错误情况,其存储的有学生提交的作业源程序、预先设定的运行时间、教师提供的测试数据和对应于测试数据的测试结果数据;

所述编译型语言的在线判题单元对C语言、C++、Java的需要编译的题目进行自动判题;

所述SQL判题单元基于docker容器,采用最短编辑距离算法对学生写的SQL语句进行自动判题,以及其他计算机类学习课程的主观题判题单元由老师进行在线评分。

3.如权利要求1所述的基于碎片化学习的大学计算机类课程管理平台,其特征在于:所述智能推荐教学资源功能系统是基于大数据背景下以内容的推荐算法和协同过滤推荐算法,并采用混合推荐算法为用户推荐最合适的学习资料; 所述智能推荐教学资源功能系统包括用户行为模型单元和组用户模型单元;

所述用户行为模型单元用于建立用户行为模型,即根据用户浏览的内容建立个体向量模型作为用户与资源的接口,对用户的行为进行大数据分析,为用户推送适合用户的相关内容;

所述组用户模型单元用于在个体用户模型上增加组用户模型,即根据聚类算法将相似的个体用户按兴趣归类生成组用户,分组后组用户的兴趣就是多个相似的个体用户的兴趣的综合,组用户中的个体用户就可通过对组用户兴趣的继承来实现概念扩充,使得查全率提高。

4.如权利要求1或3所述的基于碎片化学习的大学计算机类课程管理平台,其特征在于:所述智能推荐教学资源功能系统还可把聚类所得出的具有兴趣相似性的那些用户提供给用户用于协同学习或提供给网络管理员用以改善服务,所述智能推荐教学资源功能系统将自动记录用户对资源的个性化访问,并通过响应比算法来动态调整该用户的行为模型,并进一步调整该用户的向量模型,从而实现用户的个性化特征的更新与保存。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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成都信息工程大学,未经成都信息工程大学许可,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/202010008372.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top