基于个人学生档案的教育大数据平台管理方法与流程

1.本发明属于教育管理技术领域，特别涉及线上教育管理，具体为基于个人学生档案的教育大数据平台管理方法。


背景技术：

2.随着网络的普及和技术的进步，线上教育成为一种灵活、便捷、全球化的学习模式。特别是对于学生而言，线上教育为学生提供了更广泛的学习资源和课程选择，使学生能够根据自身兴趣和需求进行个性化学习，且不受时间和地点的限制，极大促进了学生的学习自主性和学习动力。线上教育平台除了能够为学生提供学习服务外，还承担着对学生的学习管理工作，其中最为凸显的学习管理就是学习测试，同线下教育一样的是，为了检验学生的学习成果，线上教育也会进行学习测试，以便于教育平台根据测试结果对学生进行针对性的指导管理。
3.以学习单一课程为例来说，目前在依据学生的学习测试结果进行指导管理时大多只停留在从学习测试结果中识别出学生对课程的薄弱章节，进而提取薄弱章节对应的课件内容进行指导，缺乏对薄弱章节的学习障碍溯源，这是由于学生在学习一门课程时会因各种各样的因素导致某章节内容学习效果不佳，例如学习不够专注、理解困难等，不同原因致使的学习障碍需要灵活、个性化进行指导，但现有技术中对薄弱章节的学习指导过于固化，针对性不强，导致与学生的学习指导需求不适配，容易造成学习指导效果不佳，从而在一定程度上降低了学生对薄弱章节的提升速度，无形之中拉长了学生对薄弱章节的学习战线，不利于学生对薄弱章节的提升学习。


技术实现要素：

4.鉴于此，现提出基于个人学生档案的教育大数据平台管理方法，通过利用线上教育平台从学生对目标课程的测试试卷中识别出薄弱章节，并基于学生对目标课程的学习档案对薄弱章节对应的学习障碍指向进行预测，进而将预测结果作为课程指导依据，有效解决了上述背景技术中所提出的问题。
5.本发明的目的可以通过以下技术方案实现：本发明提出基于个人学生档案的教育大数据平台管理方法，包括下述步骤：a、从线上教育平台上提取学生对目标课程的测试试卷，并从试卷库中提取测试试卷中各测试题对应的涉及章节及难度等级。
6.b、获取测试试卷中各测试题对应的得分数，并依据各测试题对应的满分数计算各测试题对应的得分率，以此与设定的得分率阈值进行对比，从各测试题中筛选出小于设定得分率阈值的测试题，记为失分测试题。
7.c、记录测试试卷中存在的失分测试题编号，以此从各测试题对应的涉及章节中提取各失分测试题对应的涉及章节，进而识别学生在目标课程中的薄弱章节及薄弱章节内的得分难度等级分配比例。
8.d、基于学生在目标课程中薄弱章节内的得分难度等级分配比例分析学生对薄弱
章节的学习理解力指数。
9.e、基于学生在目标课程中的薄弱章节从目标课程对应的所有授课课件中获取目标课程中薄弱章节对应的指定授课课件，进而从学生学习档案中提取学生对指定授课课件的学习数据。
10.f、基于学生对指定授课课件的学习数据分析学生对薄弱章节的学习完结指数和学习专注指数。
11.g、依据学生在目标课程中薄弱章节对应的学习完结指数、学习专注指数和学习理解力指数预测学生在目标课程中薄弱章节的学习障碍指向。
12.h、针对学生在目标课程中薄弱章节的学习障碍指向智能进行课程指导。
13.在一种可选的方式中，所述识别学生在目标课程中的薄弱章节参见下述步骤：将各失分测试题对应的涉及章节进行相互对比，进而将相同涉及章节的失分测试题进行归类，得到各涉及章节对应的若干失分测试题。
14.统计各涉及章节对应的失分测试题数量，并进行占比率计算，得到各涉及章节对应的占比率。
15.利用表达式统计涉及章节对应的占比分化度，其中表示为第涉及章节对应的占比率，表示为涉及章节编号，，表示为自然常数。
16.将与设置的限定占比分化度进行对比，若，则从各涉及章节对应的占比率中选取最大占比率对应的涉及章节作为学生在目标课程中的薄弱章节，反之则将失分测试题中存在的所有涉及章节均作为学生在目标课程中的薄弱章节。
17.在一种可选的方式中，所述薄弱章节内的得分难度等级分配比例具体识别过程如下：基于学生在目标课程中的薄弱章节从目标课程的测试试卷中提取涉及薄弱章节的测试题，记为备选测试题，并将各备选测试题的得分率与设定的有效得分率进行对比，从中筛选出大于或等于有效得分率的备选测试题作为得分测试题。
18.记录得分测试题的编号，由此从各测试题对应的难度等级中挑选出各得分测试题对应的难度等级。
19.将各得分测试题对应的难度等级进行相互对比，进而将相同难度等级对应的得分测试题进行对比，并统计各难度等级对应的得分测试题数量，进而进行比例运算，构成学生在目标课程中薄弱章节内的得分难度等级分配比例。
20.在一种可选的方式中，所述学生对薄弱章节的学习理解力指数包括以下分析步骤：从得分难度等级分配比例中选取最高难度等级对应的分配比例值，并与设定的有效分配比例值进行对比，若最高难度等级对应的分配比例值大于或等于有效分配比例值，则将最高难度等级作为得分倾向难度等级，反之则从得分难度等级分配比例中提取最大分配比例对应的难度等级，作为得分倾向难度等级。
21.将得分倾向难度等级与教育管理库中处于得分状态下各种难度等级对应的学习
理解力指数进行匹配，进而将匹配成功的学习理解力指数作为学生对薄弱章节的学习理解力指数。
22.在一种可选的方式中，所述学习数据包括学习监控视频和学习轮次及各轮学习对应的学习进度百分比、学习时长。
23.在一种可选的方式中，所述学生对薄弱章节的学习完结指数如下分析步骤：基于学生在目标课程中的薄弱章节从教育管理库中提取指定授课课件对应的常态学习轮次。
24.从学习数据中提取学习轮次，并与指定授课课件对应的常态学习轮次进行对比，通过表达式计算学习轮次对应的常态接近度。
25.从学习数据中提取各轮学习对应的学习进度百分比，并取最大学习进度百分比作为终结学习进度百分比。
26.从学习数据中提取各轮学习对应的学习进度百分比和学习时长，并依据指定授课课件在各轮学习对应的学习进度百分比及课程时长计算出各轮学习对应的正常学习时长，具体计算表达式为，其中表示为第轮学习对应的学习进度百分比，表示每轮学习编号，，表示为指定授课课件的课程时长；将各轮学习对应的学习时长与正常学习时长进行对比，利用公式计算各轮学习对应的学习时长趋常度；将各轮学习对应的学习时长趋常度进行均值处理，得到平均学习时长趋常度。
27.将、和导入分析公式，分析得到学生对薄弱章节的学习完结指数，分别表示为预设的学习轮次、学习进度、学习时长对应的权衡因子。
28.在一种可选的方式中，所述学习专注指数具体分析过程如下：从学习数据中提取学习监控视频，进而对学习监控视频进行后台播放，并在播放过程中进行异常学习行为识别和定位，从中获取异常学习行为发生频次、异常学习行为发生间隔时长和各次异常学习行为持续时长。
29.将异常学习行为发生间隔时长进行对比，进而获取相同间隔时长对应的出现次数，从而选取最多出现次数对应的间隔时长作为异常学习行为发生倾向间隔时长。
30.将各次异常学习行为持续时长进行累加，得到累计异常学习行为持续时长。
31.将异常学习行为发生频次、异常学习行为发生倾向间隔时长和累计异常学习行为持续时长代入分析公式,分析得到学生对薄弱章节的学习专注指数,其中表示为异常学习行为发生频次，表示预设常量，且。
32.在一种可选的方式中，所述预测学生在目标课程中薄弱章节的学习障碍指向执行如下：（1）将学生在目标课程中薄弱章节对应的学习完结指数与预先配置的达标学习完结指数进行对比，若学习完结指数小于预先配置的达标学习完结指数，则预测学生在目标课程中薄弱章节的学习障碍指向为学习未完结，反之执行（2）。
33.（2）学生在目标课程中薄弱章节对应的学习专注指数与预先配置的达标学习专注指数进行对比，同时将学生在目标课程中薄弱章节对应的学习理解力指数与预先配置的达标学习理解力指数进行对比，利用预测模型，得到学生在目标课程中薄弱章节的学习障碍指向,表示为预先配置的达标学习专注指数，表示为学生在目标课程中薄弱章节对应的学习理解力指数，表示为预先配置的达标学习理解力指数。
34.在一种可选的方式中，所述针对学生在目标课程中薄弱章节的学习障碍指向智能进行课程指导具体实现过程如下：若学生在目标课程中薄弱章节的学习障碍指向为学习未完结，则从指定授课课件中识别出学生未学习的内容，进行视频截取，并将截取出来的课程视频进行指导推送。
35.若学生在目标课程中薄弱章节的学习障碍指向为学习不专注，则从学生对应目标课程的学习记录中解析出学生对应的偏好学习专注时长，进而据此对指定授课课件进行时长压缩，提取精华内容，并将精华提取后的课程视频进行指导推送。
36.若学生在目标课程中薄弱章节的学习障碍指向为学习理解困难，则将指定授课课件内容进行浅显用语重组优化，并将优化后的课程视频进行指导推送。
37.若学生在目标课程中薄弱章节的学习障碍指向为学习不专注和学习理解困难，则
将指定授课课件内容分别进行时长压缩和浅显用语重组优化处理，并将处理后的课程视频进行指导推送。
38.相较于现有技术，本发明的有益效果如下：（1）本发明通过利用线上教育平台从学生对目标课程的测试试卷中识别出薄弱章节，并基于学生对目标课程的学习档案对薄弱章节对应的学习障碍指向进行预测，进而将预测结果作为课程指导依据，实现了对学生薄弱章节的灵活、个性化指导，大大提高了指导内容与学生学习指导需求的适配，有效保障了学习指导效果，从而不仅方便了学生对薄弱章节的学习，还能够在一定程度上提高了学生对薄弱章节的提升速度，使得学生能够快速且有效地完成薄弱章节的学习，避免因薄弱章节学习战线过长对学生造成抵触心理。
39.（2）本发明在基于学生对目标课程的学习档案预测薄弱章节对应的学习障碍指向时从学习完结、学习专注和学习理解力三个方面出发进行分析，进而根据分析结果进行学习障碍指向预测，实现了从主观角度和客观角度对学习障碍指向的预测，使得预测结果更加合理、可靠。
附图说明
40.为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
41.图1为本发明的方法步骤示意图。
42.图2为本发明的识别学生在目标课程中的薄弱章节流程示意图。
具体实施方式
43.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
44.请参阅图1所示，本发明提出基于个人学生档案的教育大数据平台管理方法，包括下述步骤：a、从线上教育平台上提取学生对目标课程的测试试卷，并从试卷库中提取测试试卷中各测试题对应的涉及章节及难度等级。
45.b、获取测试试卷中各测试题对应的得分数，并依据各测试题对应的满分数计算各测试题对应的得分率，其中，以此与设定的得分率阈值进行对比，从各测试题中筛选出小于设定得分率阈值的测试题，记为失分测试题。
46.作为上述方案的一个示例，各测试题对应的得分率为60%、80%，20%，30%，50%，75%，15%，25%，假设设定的得分率阈值为30%，则在该示例下的失分测试题为得分率为20%、15%和25%对应的测试题。
47.c、记录测试试卷中存在的失分测试题编号，以此从各测试题对应的涉及章节中提取各失分测试题对应的涉及章节，进而识别学生在目标课程中的薄弱章节及薄弱章节内的
得分难度等级分配比例。
48.在本发明的具体实施例中，识别学生在目标课程中的薄弱章节参见图2所示，且具体识别过程如下：将各失分测试题对应的涉及章节进行相互对比，进而将相同涉及章节的失分测试题进行归类，得到各涉及章节对应的若干失分测试题。
49.统计各涉及章节对应的失分测试题数量，并除以失分测试题总数量，得到各涉及章节对应的占比率。
50.利用表达式统计涉及章节对应的占比分化度，其中表示为第涉及章节对应的占比率，表示为涉及章节编号，，表示为自然常数；式中、分别表示为所有涉及章节对应占比率中最大占比率、最小占比率，最大占比率与最小占比率相差越大，涉及章节对应的占比分化度越大，表明各涉及章节对应的失分测试题数量分布不均匀，在这种情况下说明各涉及章节中存在某涉及章节具有占比优势，反之当涉及章节对应的占比分化度越小时，表明各涉及章节对应的失分测试题数量分布均为较为均衡，在这种情况下说明各涉及章节中不存在某涉及章节具有占比优势。
51.将与设置的限定占比分化度进行对比，若，则从各涉及章节对应的占比率中选取最大占比率对应的涉及章节作为学生在目标课程中的薄弱章节，反之则将失分测试题中存在的所有涉及章节均作为学生在目标课程中的薄弱章节。
52.本发明在分析学生在目标课程中的薄弱章节时通过以失分测试题对应的涉及章节作为分析基础，考虑到所有失分测试题可能不是围绕同一个涉及章节，这种情况下就会存在多个涉及章节，此时需要从多个涉及章节中筛选出薄弱章节，在这种需求下本发明通过计算各涉及章节对应的占比分化度，以此作为薄弱章节的筛选依据，当占比分化度较大时为了体现对学生辅导的针对目的性，选取具有占比优势的涉及章节作为薄弱章节，当占比分化度较小时此时所有失分测试题对应的涉及章节之间不存在绝对优势，各涉及章节处于势均力敌的状态，此时为了避免辅导遗漏，将失分测试题对应的所有涉及章节均作为薄弱章节，使得薄弱章节的筛选更加科学、合理，有助于提高薄弱章节的筛选准确度，为后续分析学生对薄弱章节的学习障碍提供了可靠的分析对象。
53.在本发明的进一步具体实施例中，薄弱章节内的得分难度等级分配比例具体识别过程如下：基于学生在目标课程中的薄弱章节从目标课程的测试试卷中提取涉及薄弱章节的测试题，记为备选测试题，并将各备选测试题的得分率与设定的有效得分率进行对比，从中筛选出大于或等于有效得分率的备选测试题作为得分测试题。
54.记录得分测试题的编号，由此从各测试题对应的难度等级中挑选出各得分测试题对应的难度等级。
55.将各得分测试题对应的难度等级进行相互对比，进而将相同难度等级对应的得分测试题进行对比，并统计各难度等级对应的得分测试题数量，进而进行比例运算，构成学生在目标课程中薄弱章节内的得分难度等级分配比例。
56.基于学生在目标课程中薄弱章节内的得分难度等级分配比例分析学生对薄弱章节的学习理解力指数，包括以下分析步骤：从得分难度等级分配比例中选取最高难度等级对应的分配比例值，并与设定的有效分配比例值进行对比，若最高难度等级对应的分配比例值大于或等于有效分配比例值，则将最高难度等级作为得分倾向难度等级，反之则从得分难度等级分配比例中提取最大分配比例对应的难度等级，作为得分倾向难度等级。
57.将得分倾向难度等级与教育管理库中处于得分状态下各种难度等级对应的学习理解力指数进行匹配，进而将匹配成功的学习理解力指数作为学生对薄弱章节的学习理解力指数。
58.需要说明的是，在分析学生对薄弱章节的学习理解力时通过以学生对测试试卷的得分难度等级作为分析依据，试题的难度等级越高，表明在做该试题时需要付出较大的理解力才能答对试题，因而学生对薄弱章节的得分难度等级可以在很大程度上反映学生对薄弱章节的理解力。
59.e、基于学生在目标课程中的薄弱章节从目标课程对应的所有授课课件中获取目标课程中薄弱章节对应的指定授课课件，进而从学生学习档案中提取学生对指定授课课件的学习数据，其中学习数据包括学习监控视频和学习轮次及各轮学习对应的学习进度百分比、学习时长。
60.f、基于学生对指定授课课件的学习数据分析学生对薄弱章节的学习完结指数和学习专注指数。
61.优选地，学生对薄弱章节的学习完结指数如下分析步骤：基于学生在目标课程中的薄弱章节从教育管理库中提取指定授课课件对应的常态学习轮次。
62.需要理解的是，在学习一门课程时由于人的记忆力有限，为了牢固掌握课程内容，正常情况下都需要经过多轮学习，特别是较为重要、晦涩难懂的章节内容更需要经过多轮学习，才能完成学习，因而本发明在进行目标课程学习时通过将目标课程对应的各章节授课课件进行常态学习轮次规划，更加方便学生学习。
63.从学习数据中提取学习轮次，并与指定授课课件对应的常态学习轮次进行对比，通过表达式计算学习轮次对应的常态接近度。
64.从学习数据中提取各轮学习对应的学习进度百分比，并取最大学习进度百分比作为终结学习进度百分比。
65.从学习数据中提取各轮学习对应的学习进度百分比和学习时长，并依据指定授课课件在各轮学习对应的学习进度百分比及课程时长计算出各轮学习对应的正常学习时长，具体计算表达式为，其中表示为第轮学习对应的学习进度百分比，表示每轮学习编号，，表示为指定授课课件的课程时长；
将各轮学习对应的学习时长与正常学习时长进行对比，利用公式计算各轮学习对应的学习时长趋常度；将各轮学习对应的学习时长趋常度进行均值处理，得到平均学习时长趋常度。
66.将、和导入分析公式，分析得到学生对薄弱章节的学习完结指数，分别表示为预设的学习轮次、学习进度、学习时长对应的权衡因子。
67.又一优选地，学生对薄弱章节的学习专注指数具体分析过程如下：从学习数据中提取学习监控视频，进而对学习监控视频进行后台播放，并在播放过程中进行异常学习行为识别和定位，从中获取异常学习行为发生频次、异常学习行为发生间隔时长和各次异常学习行为持续时长。
68.作为上述方案的一个示例，异常学习行为包括但不限于玩手机、听音乐、聊天......将异常学习行为发生间隔时长进行对比，进而获取相同间隔时长对应的出现次数，从而选取最多出现次数对应的间隔时长作为异常学习行为发生倾向间隔时长。
69.将各次异常学习行为持续时长进行累加，得到累计异常学习行为持续时长。
70.将异常学习行为发生频次、异常学习行为发生倾向间隔时长和累计异常学习行为持续时长代入分析公式,分析得到学生对薄弱章节的学习专注指数,其中表示为异常学习行为发生频次，表示预设常量，且。
71.依据学生在目标课程中薄弱章节对应的学习完结指数、学习专注指数和学习理解力指数预测学生在目标课程中薄弱章节的学习障碍指向，具体预测过程如下：（1）将学生在目标课程中薄弱章节对应的学习完结指数与预先配置的达标学习完结指数进行对比，若学习完结指数小于预先配置的达标学习完结指数，则预测学生在目标课程中薄弱章节的学习障碍指向为学习未完结，反之执行（2）。
72.本发明在预测学生在目标课程中薄弱章节的学习障碍指向时以学习完结指数作
为优先考虑对象，这是由于学习专注力和学习理解力都建立在学习已完结的状态，当学习未完结时对薄弱章节的首要指导就是补齐未学习的内容。
73.（2）将学生在目标课程中薄弱章节对应的学习专注指数与预先配置的达标学习专注指数进行对比，同时将学生在目标课程中薄弱章节对应的学习理解力指数与预先配置的达标学习理解力指数进行对比，利用预测模型，得到学生在目标课程中薄弱章节的学习障碍指向,表示为预先配置的达标学习专注指数，表示为学生在目标课程中薄弱章节对应的学习理解力指数，表示为预先配置的达标学习理解力指数。
74.本发明在基于学生对目标课程的学习档案预测薄弱章节对应的学习障碍指向时从学习完结、学习专注和学习理解力三个方面出发进行分析，进而根据分析结果进行学习障碍指向预测，实现了从主观角度和客观角度对学习障碍指向的预测，使得预测结果更加合理、可靠。
75.h、针对学生在目标课程中薄弱章节的学习障碍指向智能进行课程指导，具体实现过程如下：若学生在目标课程中薄弱章节的学习障碍指向为学习未完结，则从指定授课课件中识别出学生未学习的内容，进行视频截取，并将截取出来的课程视频进行指导推送。
76.若学生在目标课程中薄弱章节的学习障碍指向为学习不专注，则从学生对应目标课程的学习记录中解析出学生对应的偏好学习专注时长，进而据此对指定授课课件进行时长压缩，提取精华内容，并将精华提取后的课程视频进行指导推送。
77.更具体地，解析出学生对应的偏好学习专注时长具体解析过程如下：从学生对应目标课程的学习记录中提取各条学习记录对应的持续学习时长。
78.将各条学习记录对应的持续学习时长进行相互对比，判断是否存在相同持续学习时长，当存在相同持续学习时长时统计各持续学习时长对应的出现频次，进而选取最大出现频次对应的持续学习时长作为学生对应的偏好学习专注时长。
79.若学生在目标课程中薄弱章节的学习障碍指向为学习理解困难，则将指定授课课件内容进行浅显用语重组优化，并将优化后的课程视频进行指导推送。
80.若学生在目标课程中薄弱章节的学习障碍指向为学习不专注和学习理解困难，则将指定授课课件内容分别进行时长压缩和浅显用语重组优化处理，并将处理后的课程视频进行指导推送。
81.本发明通过利用线上教育平台从学生对目标课程的测试试卷中识别出薄弱章节，并基于学生对目标课程的学习档案对薄弱章节对应的学习障碍指向进行预测，进而将预测结果作为课程指导依据，实现了对学生薄弱章节的灵活、个性化指导，大大提高了指导内容与学生学习指导需求的适配，有效保障了学习指导效果，从而不仅方便了学生对薄弱章节的学习，还能够在一定程度上提高了学生对薄弱章节的提升速度，使得学生能够快速且有
效地完成薄弱章节的学习，避免因薄弱章节学习战线过长对学生造成抵触心理。
82.本发明在实施过程中还用到了教育管理库，用于存储处于得分状态下各种难度等级对应的学习理解力指数，并存储目标课程对应各章节授课课件的常态学习轮次。
83.以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本发明所定义的范围，均应属于本发明的保护范围。

技术特征：
1.基于个人学生档案的教育大数据平台管理方法，其特征在于，包括下述步骤：a、从线上教育平台上提取学生对目标课程的测试试卷，并从试卷库中提取测试试卷中各测试题对应的涉及章节及难度等级；b、获取测试试卷中各测试题对应的得分数，并依据各测试题对应的满分数计算各测试题对应的得分率，以此与设定的得分率阈值进行对比，从各测试题中筛选出小于设定得分率阈值的测试题，记为失分测试题；c、记录测试试卷中存在的失分测试题编号，以此从各测试题对应的涉及章节中提取各失分测试题对应的涉及章节，进而识别学生在目标课程中的薄弱章节及薄弱章节内的得分难度等级分配比例；d、基于学生在目标课程中薄弱章节内的得分难度等级分配比例分析学生对薄弱章节的学习理解力指数；e、基于学生在目标课程中的薄弱章节从目标课程对应的所有授课课件中获取目标课程中薄弱章节对应的指定授课课件，进而从学生学习档案中提取学生对指定授课课件的学习数据；f、基于学生对指定授课课件的学习数据分析学生对薄弱章节的学习完结指数和学习专注指数；g、依据学生在目标课程中薄弱章节对应的学习完结指数、学习专注指数和学习理解力指数预测学生在目标课程中薄弱章节的学习障碍指向；h、针对学生在目标课程中薄弱章节的学习障碍指向智能进行课程指导。2.如权利要求1所述的基于个人学生档案的教育大数据平台管理方法，其特征在于：所述识别学生在目标课程中的薄弱章节参见下述步骤：将各失分测试题对应的涉及章节进行相互对比，进而将相同涉及章节的失分测试题进行归类，得到各涉及章节对应的若干失分测试题；统计各涉及章节对应的失分测试题数量，并进行占比率计算，得到各涉及章节对应的占比率；利用表达式统计涉及章节对应的占比分化度，其中表示为第涉及章节对应的占比率，表示为涉及章节编号，，表示为自然常数；将与设置的限定占比分化度进行对比，若，则从各涉及章节对应的占比率中选取最大占比率对应的涉及章节作为学生在目标课程中的薄弱章节，反之则将失分测试题中存在的所有涉及章节均作为学生在目标课程中的薄弱章节。3.如权利要求1所述的基于个人学生档案的教育大数据平台管理方法，其特征在于：所述薄弱章节内的得分难度等级分配比例具体识别过程如下：基于学生在目标课程中的薄弱章节从目标课程的测试试卷中提取涉及薄弱章节的测试题，记为备选测试题，并将各备选测试题的得分率与设定的有效得分率进行对比，从中筛
选出大于或等于有效得分率的备选测试题作为得分测试题；记录得分测试题的编号，由此从各测试题对应的难度等级中挑选出各得分测试题对应的难度等级；将各得分测试题对应的难度等级进行相互对比，进而将相同难度等级对应的得分测试题进行对比，并统计各难度等级对应的得分测试题数量，进而进行比例运算，构成学生在目标课程中薄弱章节内的得分难度等级分配比例。4.如权利要求1所述的基于个人学生档案的教育大数据平台管理方法，其特征在于：所述学生对薄弱章节的学习理解力指数包括以下分析步骤：从得分难度等级分配比例中选取最高难度等级对应的分配比例值，并与设定的有效分配比例值进行对比，若最高难度等级对应的分配比例值大于或等于有效分配比例值，则将最高难度等级作为得分倾向难度等级，反之则从得分难度等级分配比例中提取最大分配比例对应的难度等级，作为得分倾向难度等级；将得分倾向难度等级与教育管理库中处于得分状态下各种难度等级对应的学习理解力指数进行匹配，进而将匹配成功的学习理解力指数作为学生对薄弱章节的学习理解力指数。5.如权利要求1所述的基于个人学生档案的教育大数据平台管理方法，其特征在于：所述学习数据包括学习监控视频和学习轮次及各轮学习对应的学习进度百分比、学习时长。6.如权利要求5所述的基于个人学生档案的教育大数据平台管理方法，其特征在于：所述学生对薄弱章节的学习完结指数如下分析步骤：基于学生在目标课程中的薄弱章节从教育管理库中提取指定授课课件对应的常态学习轮次；从学习数据中提取学习轮次，并与指定授课课件对应的常态学习轮次进行对比，通过表达式计算学习轮次对应的常态接近度；从学习数据中提取各轮学习对应的学习进度百分比，并取最大学习进度百分比作为终结学习进度百分比；从学习数据中提取各轮学习对应的学习进度百分比和学习时长，并依据指定授课课件在各轮学习对应的学习进度百分比及课程时长计算出各轮学习对应的正常学习时长，具体计算表达式为，其中表示为第轮学习对应的学习进度百分比，表示每轮学习编号，，表示为指定授课课件的课程时长；将各轮学习对应的学习时长与正常学习时长进行对比，利用公式
计算各轮学习对应的学习时长趋常度；将各轮学习对应的学习时长趋常度进行均值处理，得到平均学习时长趋常度；将、和导入分析公式，分析得到学生对薄弱章节的学习完结指数，分别表示为预设的学习轮次、学习进度、学习时长对应的权衡因子。7.如权利要求5所述的基于个人学生档案的教育大数据平台管理方法，其特征在于：所述学习专注指数具体分析过程如下：从学习数据中提取学习监控视频，进而对学习监控视频进行后台播放，并在播放过程中进行异常学习行为识别和定位，从中获取异常学习行为发生频次、异常学习行为发生间隔时长和各次异常学习行为持续时长；将异常学习行为发生间隔时长进行对比，进而获取相同间隔时长对应的出现次数，从而选取最多出现次数对应的间隔时长作为异常学习行为发生倾向间隔时长；将各次异常学习行为持续时长进行累加，得到累计异常学习行为持续时长；将异常学习行为发生频次、异常学习行为发生倾向间隔时长和累计异常学习行为持续时长代入分析公式,分析得到学生对薄弱章节的学习专注指数,其中表示为异常学习行为发生频次，表示预设常量，且。8.如权利要求1所述的基于个人学生档案的教育大数据平台管理方法，其特征在于：所述预测学生在目标课程中薄弱章节的学习障碍指向执行如下：（1）将学生在目标课程中薄弱章节对应的学习完结指数与预先配置的达标学习完结指数进行对比，若学习完结指数小于预先配置的达标学习完结指数，则预测学生在目标课程中薄弱章节的学习障碍指向为学习未完结，反之执行（2）；（2）将学生在目标课程中薄弱章节对应的学习专注指数与预先配置的达标学习专注指数进行对比，同时将学生在目标课程中薄弱章节对应的学习理解力指数与预先配置的达标学习理解力指数进行对比，利用预测模型
，得到学生在目标课程中薄弱章节的学习障碍指向,表示为预先配置的达标学习专注指数，表示为学生在目标课程中薄弱章节对应的学习理解力指数，表示为预先配置的达标学习理解力指数。9.如权利要求8所述的基于个人学生档案的教育大数据平台管理方法，其特征在于：所述针对学生在目标课程中薄弱章节的学习障碍指向智能进行课程指导具体实现过程如下：若学生在目标课程中薄弱章节的学习障碍指向为学习未完结，则从指定授课课件中识别出学生未学习的内容，进行视频截取，并将截取出来的课程视频进行指导推送；若学生在目标课程中薄弱章节的学习障碍指向为学习不专注，则从学生对应目标课程的学习记录中解析出学生对应的偏好学习专注时长，进而据此对指定授课课件进行时长压缩，提取精华内容，并将精华提取后的课程视频进行指导推送；若学生在目标课程中薄弱章节的学习障碍指向为学习理解困难，则将指定授课课件内容进行浅显用语重组优化，并将优化后的课程视频进行指导推送；若学生在目标课程中薄弱章节的学习障碍指向为学习不专注和学习理解困难，则将指定授课课件内容分别进行时长压缩和浅显用语重组优化处理，并将处理后的课程视频进行指导推送。

技术总结
本发明属于教育管理技术领域，具体公开基于个人学生档案的教育大数据平台管理方法，本发明通过利用线上教育平台从学生对目标课程的测试试卷中识别出薄弱章节，并基于学生对目标课程的学习档案对薄弱章节对应的学习障碍指向进行预测，进而将预测结果作为课程指导依据，实现了对学生薄弱章节的灵活、个性化指导，大大提高了指导内容与学生学习指导需求的适配，有效保障了学习指导效果，从而不仅方便了学生对薄弱章节的学习，还能够在一定程度上提高了学生对薄弱章节的提升速度，使得学生能够快速且有效地完成薄弱章节的学习，避免因薄弱章节学习战线过长对学生造成抵触心理。章节学习战线过长对学生造成抵触心理。章节学习战线过长对学生造成抵触心理。


技术研发人员：李根柱
受保护的技术使用者：北京思源智通科技有限责任公司
技术研发日：2023.09.04
技术公布日：2023/10/8