《旨在实现学习质量体检的数据深度挖掘分析系统及方法.pdf》由会员分享，可在线阅读，更多相关《旨在实现学习质量体检的数据深度挖掘分析系统及方法.pdf（6页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 102915469 A (43)申请公布日 2013.02.06 CN 102915469 A *CN102915469A* (21)申请号 201210311320.X (22)申请日 2012.08.29 G06Q 10/04(2012.01) G06Q 50/20(2012.01) (71)申请人 昆山市万丰制衣有限责任公司 地址 215313 江苏省苏州市昆山市周市镇陆 杨友谊北路 88 号 (72)发明人 姚建平 (54) 发明名称 旨在实现学习质量体检的数据深度挖掘分析 系统及方法 (57) 摘要 本发明公开一种旨在实现学习质量体检的数 据深度挖掘分析系统。
2、及方法， 该系统至少包括 ： 过程性数据捕获模组， 通过一网络平台捕获各学 生端学习的过程性数据 ； 数据挖据模组， 利用各 数据挖掘方法对获得的过程性数据进行挖掘处 理， 以挖掘出其中有用的信息 ； 输出模组， 输出该 分析结果， 通过本发明， 解决了学生学习的过程性 数据被浪费， 学生学习的过程性规律被忽视的问 题， 有利于教学质量的提高。 (51)Int.Cl. 权利要求书 1 页 说明书 3 页 附图 1 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书 1 页 说明书 3 页 附图 1 页 1/1 页 2 1. 一种旨在实现学习质量体检的数据深度挖掘分析系统。
3、， 至少包括 ： 过程性数据捕获模组， 通过一网络平台捕获各学生端学习的过程性数据 ； 数据挖据模组， 利用各数据挖掘方法对获得的过程性数据进行挖掘处理， 以挖掘出其 中有用的信息 ； 输出模组， 输出该分析结果。 2. 如权利要求 1 所述的旨在实现学习质量体检的数据深度挖掘分析系统， 其特征在 于 ： 该过程性数据包括学生学习过程中产生的所有数据。 3. 如权利要求 1 所述的旨在实现学习质量体检的数据深度挖掘分析系统， 其特征在 于 ： 该数据挖掘方法包括统计方法、 机器学习方法、 神经网络方法和数据库方法。 4. 如权利要求 1 所述的旨在实现学习质量体检的数据深度挖掘分析系统， 其特。
4、征在 于 ： 该数据挖掘分析方法包括关联分析法、 人工神经元网络、 决策树和遗传算法。 5. 如权利要求 1 所述的旨在实现学习质量体检的数据深度挖掘分析系统， 其特征在 于 ： 该教学辅助系统应用于一云端服务器。 6. 一种旨在实现学习质量体检的数据深度挖掘分析方法， 至少包括 ： 通过一互联网平台捕获各学生端学习过程中的过程性数据 ； 利用各数据挖掘方法对获得的过程性数据进行挖掘处理， 以挖掘出其中有用的信息 ； 以及 输出分析结果。 7. 如权利要求 6 所述的旨在实现学习质量体检的数据深度挖掘分析方法， 其特征在 于 ： 该过程性数据包括学生学习过程中产生的所有数据。 8. 如权利要求。
5、 6 所述的旨在实现学习质量体检的数据深度挖掘分析方法， 其特征在 于 ： 该数据挖掘方法包括统计方法、 机器学习方法、 神经网络方法和数据库方法。 9. 如权利要求 6 所述的旨在实现学习质量体检的数据深度挖掘分析方法， 其特征在 于 ： 该数据挖掘分析方法包括关联分析法、 人工神经元网络、 决策树和遗传算法。 10. 如权利要求 6 所述的旨在实现学习质量体检的数据深度挖掘分析方法， 其特征在 于 ： 该方法应用于一云端服务器。 权 利 要 求 书 CN 102915469 A 2 1/3 页 3 旨在实现学习质量体检的数据深度挖掘分析系统及方法 技术领域 0001 本发明涉及一种深度分析。
6、学习数据的系统及方法， 特别是涉及一种旨在实现学习 质量体检的数据深度挖掘分析系统及方法， 属于教育领域。 背景技术 0002 数据挖掘是一种新的信息处理技术， 是指从数据集合中自动抽取隐藏在数据中的 那些有用信息的非平凡过程， 这些信息的表现形式为 ： 规则、 概念、 规律及模式等， 其主要特 点是对数据库中的大量数据进行抽取、 转换、 分析和其他模型化处理， 并从中提取辅助决策 的关键性数据， 它可帮助决策者分析历史数据及当前数据， 并从中发现隐藏的关系和模式， 进而预测未来可能发生的行为， 因此， 数据挖掘的过程也叫知识发现的过程。 0003 数据挖掘技术并非新生事物， 实际上， 上世纪。
7、 60 年代数据挖掘技术的概念和理论 就已经出现， 基于数据信息的管理集成服务思想也已经建立， 但是在教育学领域， 特别是在 教育测评领域对于数据的集成处理仍然采用原始的， 粗糙的方式展开， 大量的有价值信息 因此而被浪费， 学生学习的过程性规律也被深埋在大量被浪费的信息中。如果能将数据挖 掘技术用于捕捉和深度分析学生学习的过程性数据， 从海量数据中寻找学生学习的过程性 规律， 对于学习来说将是具有革命意义的事情。 0004 当前， 随着教学的电子信息化的发展与使用逐渐深入到教育体系的各个方面， 网 上电子教学、 电子教室已经在很多大中型城市开始得到普及。教师们通过电子教学为学生 提供形势各样。
8、的 “个性化” 教学服务， 这种教学方式服务的信息量大、 知识更全面更快捷， 弥 补了传统教学的一些不足， 成为重要的辅助教学方法， 为提高学生的学习和教师的教学水 平提供了良好的途径， 也为数据挖掘技术的应用奠定了良好的基础。 因此， 如何将数据挖掘 技术应用于教育学领域以解决大量有价值信息被浪费的问题， 成为亟待解决的问题。 发明内容 0005 为克服上述现有技术存在的不足， 本发明的主要目的在于提供一种旨在实现学习 质量体检的数据深度挖掘分析系统及方法， 其通过利用数据挖掘技术， 解决了学生学习的 过程性数据被浪费， 学生学习的过程性规律被忽视的问题， 有利于教学质量的提高。 0006 。
9、为达上述及其它目的， 本发明提供一种旨在实现学习质量体检的数据深度挖掘分 析系统， 至少包括 ： 0007 过程性数据捕获模组， 通过一网络平台捕获各学生端学习的过程性数据 ； 0008 数据挖据模组， 利用各数据挖掘方法对获得的过程性数据进行挖掘处理， 以挖掘 出其中有用的信息 ； 0009 输出模组， 输出该分析结果。 0010 进一步地， 该过程性数据包括学生学习过程中产生的所有数据。 0011 进一步地， 该数据挖掘方法包括统计方法、 机器学习方法、 神经网络方法和数据库 方法。 说 明 书 CN 102915469 A 3 2/3 页 4 0012 进一步地， 该数据挖掘分析方法包括。
10、关联分析法、 人工神经元网络、 决策树和遗传 算法。 0013 进一步地， 该教学辅助系统应用于一云端服务器。 0014 为达上述及其他目的， 本发明提供一种旨在实现学习质量体检的数据深度挖掘分 析方法， 至少包括 ： 0015 通过一互联网平台捕获各学生端学习过程中的过程性数据 ； 0016 利用各数据挖掘方法对获得的过程性数据进行挖掘处理， 以挖掘出其中有用的信 息 ； 以及 0017 输出分析结果。 0018 进一步地， 该过程性数据包括学生学习过程中产生的所有数据。 0019 进一步地， 该数据挖掘方法包括统计方法、 机器学习方法、 神经网络方法和数据库 方法。 0020 进一步地， 。
11、该数据挖掘分析方法包括关联分析法、 人工神经元网络、 决策树和遗传 算法。 0021 进一步地， 该方法应用于一云端服务器。 0022 与现有技术相比， 本发明一种旨在实现学习质量体检的数据深度挖掘分析系统及 方法通过互联网平台捕获学生端的过程性数据， 并利用数据挖掘技术对所获得的过程性数 据进行深度挖掘分析， 寻找出学生端学习的过程性规律提供给教师端参考， 以便教师端以 此来预测学生的未来学习趋势， 并据此对学生的学习进行调整， 从而进行针对性教学， 提高 教学和学习的效率。 附图说明 0023 图 1 为本发明一种旨在实现学习质量体检的数据深度挖掘分析系统之系统架构 图 ； 0024 图 。
12、2 为本发明一种旨在实现学习质量体检的数据深度挖掘分析方法的步骤流程 图。 具体实施方式 0025 以下通过特定的具体实例并结合附图说明本发明的实施方式， 本领域技术人员可 由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。 本发明亦可通过其它不同 的具体实例加以施行或应用， 本说明书中的各项细节亦可基于不同观点与应用， 在不背离 本发明的精神下进行各种修饰与变更。 0026 图 1 为本发明一种旨在实现学习质量体检的数据深度挖掘分析系统之系统架构 图。如图 1 所示， 本发明一种旨在实现学习质量体检的数据深度挖掘分析系统， 应用于一云 端服务器， 其至少包括 ： 过程性数据捕获模组11。
13、、 数据挖掘模组12、 分析模组13以及输出模 组 14。 0027 其中， 过程性数据捕获模组 11 用于通过一互联网平台捕获各学生端学习过程中 的过程性数据， 这些海量的过程性数据包括学生学习过程中产生的所有数据， 不仅包括学 生在进行同步练习、 布置作业、 知识点检测、 单元检测、 在线考试、 线下考试、 综合实践等应 说 明 书 CN 102915469 A 4 3/3 页 5 用服务学习过程中产生的所有数据， 还包括在网络平台中厅长面向全省范围内的中小学生 发布试卷和问卷、 局长面向全市的中小学生发布试卷和问卷、 以及校长面向学校发布的试 卷和问卷、 教师发布的试卷和问卷、 以及学生。
14、平时所做的作业等等所形成的数据 ； 数据挖掘 模组 12 利用各挖掘方法对获得的海量过程性数据进行挖掘处理， 以挖掘出其中有用的信 息， 这里挖掘方法可包括统计方法、 机器学习方法、 神经网络方法和数据库方法， 但不以此 为限， 例如数据挖掘模组 12 按设定好的指标对众多学校进行聚类分析、 对多个学科进行因 子分析、 对试题进行 apriori 关联规则的分析等， 这些分析工具的结果都为教学或教学研 究提供了很好的工具 ； 分析模组 13 则对数据挖掘模组 12 所挖掘出的有用信息利用各数据 挖掘分析技术进行深度挖掘分析， 获得分析结果， 该分析结果主要包含各学生端学习过程 中的复杂信息， 。
15、这里常用的数据挖掘分析技术可包含关联分析法、 人工神经元网络、 决策树 和遗传算法等， 但不以此为限 ； 输出模组 14 则将分析结果输出提供给教师端参考， 教师端 获得经挖掘分析后的学生学习过程中的过程性数据后， 即获得学生学习的过程性规律， 可 帮助学生对学习进行合理调整， 以提高教学质量。 0028 图 2 为本发明一种旨在实现学习质量体检的数据深度挖掘分析方法的步骤流程 图。如图 2 所示， 本发明一种旨在实现学习质量体检的数据深度挖掘分析方法， 应用于一 云端服务器， 其包括如下步骤 ： 云端服务器通过一互联网平台捕获各学生端学习过程中的 过程性数据 ( 步骤 201)， 这些海量的。
16、过程性数据包括学生学习过程中产生的所有数据， 不 仅包括学生在进行同步练习、 布置作业、 知识点检测、 单元检测、 在线考试、 线下考试、 综合 实践等应用服务学习过程中产生的所有数据， 还包括在网络平台中厅长面向全省范围内的 中小学生发布试卷和问卷、 局长面向全市的中小学生发布试卷和问卷、 以及校长面向学校 发布的试卷和问卷、 教师发布的试卷和问卷、 以及学生平时所做的作业等等所形成的数据 ； 利用各挖掘方法对获得的海量过程性数据进行挖掘处理， 以挖掘出其中有用的信息 ( 步骤 202) ； 利用各数据挖掘分析技术对所挖掘出的有用信息进行深度挖掘分析， 获得分析结果 ( 步骤 203)， 例。
17、如数据挖掘模组 12 按设定好的指标对众多学校进行聚类分析、 对多个学科 进行因子分析、 对试题进行apriori关联规则的分析等 ； 输出分析结果给教师端参考(步骤 204)。 0029 综上所述， 本发明一种旨在实现学习质量体检的数据深度挖掘分析系统及方法通 过互联网平台捕获学生端的过程性数据， 并利用数据挖掘技术对所获得的过程性数据进行 深度挖掘分析， 寻找出学生端学习的过程性规律提供给教师端参考， 以便教师端以此来预 测学生的未来学习趋势， 并据此对学生的学习进行调整， 从而进行针对性教学， 提高教学和 学习的效率。 0030 上述实施例仅例示性说明本发明的原理及其功效， 而非用于限制本发明。任何本 领域技术人员均可在不违背本发明的精神及范畴下， 对上述实施例进行修饰与改变。 因此， 本发明的权利保护范围， 应如权利要求书所列。 说 明 书 CN 102915469 A 5 1/1 页 6 图 1 图 2 说 明 书 附 图 CN 102915469 A 6 。