本發(fā)明涉及教學管理技術領域，具體而言，涉及一種基于大數據的教學分析系統(tǒng)。

背景技術：

傳統(tǒng)教育是老師基于課本內容為學生授課，這種教育模式存在諸多弊端，例如無法充分調動學生的學習興趣，無法針對不同類型的學生進行教學，教學效率通常比較低，雖然隨著互聯網的發(fā)展，出現了網絡學習平臺，但學生無法高效利用教學資源。

最近幾年，云計算和大數據作為新興技術已被很多人知曉，云計算和大數據的結合不僅是針對提供的服務，更是對教育發(fā)展的促進，增強在線職業(yè)教育的核心競爭力，保持在線職業(yè)教育的健康發(fā)展。但目前尚未研究出一種基于大數據的教學管理系統(tǒng)。

技術實現要素：

針對上述問題，本發(fā)明提出一種基于大數據的教學分析系統(tǒng)，通過對海量用戶數據進行分析和挖掘，能夠為學生提供精準的學習引導，為學生推送準確、個性化的學習資源，提高教學質量。

本發(fā)明的技術方案是：提供一種基于大數據的教學分析系統(tǒng)，包括：客戶端、服務器、在線教學平臺；

其中客戶端包括：

行為收集單元，用于收集在線教學平臺中的用戶信息以及用戶行為；

收發(fā)單元，用于通過云計算服務將收集到的用戶信息以及用戶行為上傳至服務器端；

所述服務器端包括：

接收單元，用于接收從客戶端發(fā)送的用戶信息及用戶行為；

評估單元，用于根據預設的評估方法，對用戶信息及用戶行為進行評估，生成評估結果；

推送單元，用于根據評估結果，對符合評估結果的用戶推送對應的教學資源信息；

顯示單元，用于顯示所述評估結果。

根據本發(fā)明的實施例，所述評估單元還包括：

選擇單元，用于選擇用戶信息和/或用戶行為中一個或多個屬性作為評估項；

預處理單元，用于對所述評估項進行預處理，得到預處理數據；

聚類分析單元，用于對處理數據進行聚類算法分析，生成評估結果。

根據本發(fā)明的實施例，所述聚類算法包括神經網絡算法、art2算法、劃分聚類算法、層次聚類算法。

根據本發(fā)明的實施例，所述評估單元定期對接收到的用戶信息及用戶行為進行評估。

根據本發(fā)明的實施例，其中所述用戶信息的屬性包括用戶年齡、學歷、學習意向；所述用戶行為的屬性包括平臺具體功能的使用、用戶參與的課程信息、課程學習時長、學習周期。

通過大數據分析用戶的學習行為，同時管理用戶的學習節(jié)奏、行為跟蹤，針對核心的教學培訓服務進行積極評價、深度測評。用戶在平臺內的幾乎所有操作行為，包括平臺具體功能的使用（學習狀況、自我管理狀況）、平臺使用習慣等都被納入到測評框架內，進行用戶行為跟蹤，并基于特定的發(fā)展邏輯進行積分，真正使得平臺應用具有推動用戶現實發(fā)展的價值和意義。

附圖說明

圖1為本發(fā)明的結構示意圖。

圖2為本發(fā)明中客戶端的結構示意圖。

圖3為本發(fā)明中服務器的結構示意圖。

具體實施方式

參見圖1，本發(fā)明的基于大數據的教學分析系統(tǒng)，包括：客戶端、服務器、在線教學平臺；

其中客戶端、服務器、在線教學平臺通過云端相互通信；

如圖2所示，其中客戶端包括：

行為收集單元，用于收集在線教學平臺中的用戶信息以及用戶行為；其中所述用戶信息的屬性包括用戶年齡、學歷、學習意向；所述用戶行為的屬性包括平臺具體功能的使用、用戶參與的課程信息、課程學習時長、學習周期；

收發(fā)單元，用于通過云計算服務將收集到的用戶信息以及用戶行為上傳至服務器端；

如圖3所示，所述服務器端包括：

接收單元，用于接收從客戶端發(fā)送的用戶信息及用戶行為；

評估單元，用于根據預設的評估方法，對用戶信息及用戶行為進行評估，生成評估結果；

更進一步，所述評估單元定期對接收到的用戶信息及用戶行為進行評估。

推送單元，用于根據評估結果，對符合評估結果的用戶推送對應的教學資源信息；

顯示單元，用于顯示所述評估結果。

更進一步，所述評估單元還包括：

選擇單元，用于選擇用戶信息和/或用戶行為中一個或多個屬性作為評估項；

預處理單元，用于對所述評估項進行預處理，得到預處理數據；

聚類分析單元，用于對處理數據進行聚類算法分析，生成評估結果。

其中，所述聚類算法包括神經網絡算法、art2算法、劃分聚類算法、層次聚類算法。

最后應說明的是：顯然，上述實施例僅僅是為清楚地說明本發(fā)明所作的舉例，而并非對實施方式的限定。對于所屬領域的普通技術人員來說，在上述說明的基礎上還可以做出其它不同形式的變化或變動。這里無需也無法對所有的實施方式予以窮舉。而由此所引申出的顯而易見的變化或變動仍處于本發(fā)明的保護范圍之中。

技術特征：

技術總結
本發(fā)明公開一種基于大數據的教學分析系統(tǒng)，屬于教學管理技術領域，所述系統(tǒng)包括客戶端、服務器、在線教學平臺。其中客戶端包括：行為收集單元，用于收集在線教學平臺中的用戶信息以及用戶行為；收發(fā)單元，用于通過云計算服務將收集到的用戶信息以及用戶行為上傳至服務器端；所述服務器端包括：接收單元，用于接收從客戶端發(fā)送的用戶信息及用戶行為；評估單元，用于根據預設的評估方法，對用戶信息及用戶行為進行評估，生成評估結果；推送單元，用于根據評估結果，對符合評估結果的用戶推送對應的教學資源信息；顯示單元，用于顯示所述評估結果。

技術研發(fā)人員：管斌彬
受保護的技術使用者：管斌彬
技術研發(fā)日：2017.02.20
技術公布日：2017.07.21