[发明专利]基于深度学习的互联网教育学生综合画像标签管理系统在审

专利信息
申请号: 202110927922.7 申请日: 2021-08-11
公开(公告)号: CN113643163A 公开(公告)日: 2021-11-12
发明(设计)人: 王晓跃 申请(专利权)人: 江苏熙枫教育科技有限公司
主分类号: G06Q50/20 分类号: G06Q50/20;G06F21/32;G06F16/25;G06F16/23
代理公司: 安徽思沃达知识产权代理有限公司 34220 代理人: 唐明
地址: 213001 江*** 国省代码: 江苏;32
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 深度 学习 互联网 教育 学生 综合 画像 标签 管理 系统
【说明书】:

本发明公开了基于深度学习的互联网教育学生综合画像标签管理系统,属于智能教学技术领域,包括学生身份识别模块、学习数据采集模块、学习标签匹配模块、学生画像生成模块、教育方案规划模块、教师管理模块、云端管理数据库以及数据更新反馈模块;本发明能够自行生成教学方案,无需教师人工制定,提高教师工作效率,同时方便教师对学生数据进行查看与分析,能够实时更新教学方案,防止教学方式单一导致学生学习积极性降低,提高学生学习效率。

技术领域

本发明涉及智能教学技术领域,尤其涉及基于深度学习的互联网教育学生综合画像标签管理系统。

背景技术

互联网教育是随着当今科学技术的不断发展,互联网科技与教育领域相结合的一种新的教育形式,它突破了时空的界线,有别于传统的在校住宿的教学模式,使用这种教学模式的学生不需要到特定地点上课,可以随时随地上课,学生亦可以透过电视广播、互联网、辅导专线、课研社、面授等多种不同管道互助学习,即运用网络技术与环境开展的教育,调查显示,37%的用户愿意接受在线视频教学,32.6%的用户愿意接受教师在线直播,众多短视频应用的兴起也为在线教育打开了一个新的用户门户,互联网教育随之成为教育的主流形式之一;因此,发明出基于深度学习的互联网教育学生综合画像标签管理系统变得尤为重要;

经检索,中国专利号CN108492224A公开了基于深度学习在线教育学生综合画像标签管理系统,该发明虽然能够对代表性画像标签的高效归纳与高效提炼,弥补行业领域的空白,但是需要教师自行依据学生数据设计教学方案,降低教师工作效率,浪费教师工作时间;此外,现有的基于深度学习的互联网教育学生综合画像标签管理系统无法对教学方案进行实时更新,容易降低学生学习积极性,降低学习效率,为此,我们提出基于深度学习的互联网教育学生综合画像标签管理系统。

发明内容

本发明的目的是为了解决现有技术中存在的缺陷,而提出的基于深度学习的互联网教育学生综合画像标签管理系统。

为了实现上述目的,本发明采用了如下技术方案:

基于深度学习的互联网教育学生综合画像标签管理系统,包括学生身份识别模块、学习数据采集模块、学习标签匹配模块、学生画像生成模块、教育方案规划模块、教师管理模块、云端管理数据库以及数据更新反馈模块;

其中,所述学习数据采集模块分别与学生身份识别模块、学习标签匹配模块通信连接,学生画像生成模块分别与学习标签匹配模块、教育方案规划模块通信连接,教育方案规划模块分别与数据更新反馈模块、云端管理数据库通信连接,教师管理模块分别与学生画像生成模块、教育方案规划模块、云端管理数据库通信连接;

所述学生身份识别模块包括身份审核单元、信息补充单元以及体貌特征抓取单元;

所述学习数据采集模块包括线上数据采集单元以及线下数据采集单元;

所述教师管理模块包括教师信息录入单元、信息匹配单元以及教育方案选择单元。

进一步地,所述身份审核单元用于接收用户上传的用户名以及用户密码,并进行审核判断,其审核判断具体步骤如下:

步骤一:身份审核单元开始对用户名进行智能审核,并判断身份是否为新学生;

步骤二:若不为新学生,则开始对用户密码进行识别判断,其识别判断具体步骤如下:

步骤(1):若用户密码正确,允许用户进入学生平台,并发送检测指令至信息补充单元,同时发送对比指令至体貌特征单元;

步骤(2):若密码错误,则要求用户重新输入;

步骤三:若用户为新学生,则发送补充指令至信息补充单元,同时发送抓取指令至体貌特征单元;

步骤四:若用户身份不为学生,则反馈“非学生用户,无法登录”。

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江苏熙枫教育科技有限公司,未经江苏熙枫教育科技有限公司许可,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/202110927922.7/2.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