具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

实施例1：

本实施例提供了一种基于大数据的教学系统，如图1所示，包括：

数据获取模块，用于获取学生的知识数据图谱；

数据分析模块，用于基于大数据对所述知识数据图谱进行分析，确定各个学生对应的教学方法；

数据调整模块，用于在预设时间段内检测各个学生在对应的教学方法下的学习质量，并根据所述学习质量对所述教学方法进行调整，完成对各个学生制定合适的目标教学方法。

该实施例中，知识数据图谱用来表示各个数据之间的关系以及各个元知识点中包含的各个知识点。

该实施例中，预设时间段是提前设定好的，例如可以是一周、两周等。

该实施例中，学习质量指的是学生在教学方法下接收知识点以及掌握知识点的程度。

上述技术方案的有益效果是：通过对知识数据图谱进行分析，确定各个学生对应的教学方案，有利于针对各个学生进行合适的教学，同时对学生质量进行监测，便于对教学方法进行实时调整，提高了对学生教学的有效性，同时也提高了学生的学习质量以及学习效率。

实施例2:

在上述实施例1的基础上，本实施例提供了一种基于大数据的教学系统，如图2所示，数据获取模块，包括：

数据获取单元，用于获取学生知识领域的历史学习数据集，其中，所述历史学习数据集中包含训练数据和测试数据；

模型构建单元，用于基于所述训练数据训练深度学习模型，并基于所述测试数据对所述深度学习模型进行测试，并得到测试结果；

第一判断单元，用于将所述测试结果与预设测试结果进行比较；

图谱构建单元，用于当所述测试结果满足所述预设测试结果的目标要求时，获取学生知识领域的用于构建知识图谱的目标数据，并基于所述深度学习模型对所述用于构建知识图谱的目标数据进行数据抽取，得到数据抽取结果；

所述图谱构建单元，还用于根据所述数据抽取结果，从预设知识数据图谱构建层面对所述数据抽取结果进行知识融合，完成学生的知识数据图谱的构建；

所述模型构建单元，还用于当所述测试结果不满足所述预设测试结果的目标要求时，对所述深度学习模型进行再次训练，直至满足所述预设测试结果的目标要求。

该实施例中，历史学习数据集指的是学生在以往的学习中对知识点的理解程度。

该实施例中，深度学习模型是用来对学生的历史学习数据进行处理的，为构建知识数据图谱提供便利。

该实施例中，预设测试结果是提前设定好的，用于衡量对深度学习模型的检测结果是否达标。

该实施例中，构建知识图谱的目标数据指的是学生知识领域中，需要学生进行严格掌握的知识点。

该实施例中，预设知识数据图谱构建层面是提前设定好的，例如需构建主知识点，并在主知识点下面进行次知识点的延申。

上述技术方案的有益效果是：通过构建深度学习模型对学生的历史数据进行分析处理，便于构建准确的知识数据图谱，从而便于根据知识数据图谱制定合适的教学方法，为提高教学质量以及教学效率提供了便利。

实施例3：

在上述实施例2的基础上，本实施例提供了一种基于大数据的教学系统，图谱构建单元，还包括：

图谱更新单元，用于获取构建完成的知识数据图谱，同时，基于预设规则确定所述知识数据图谱中各节点对应的数据以及数据的属性值；

所述图谱更新单元，还用于在预设时间段内根据所述数据的属性值至少产生一条更新数据，并根据所述更新数据对所述知识数据图谱中各节点对应的数据进行更新，并得到目标更新数据；

所述图谱更新单元，还用于根据所述目标更新数据获取预设推理规则，其中，所述预设推理规则是根据目标更新数据生成推理知识图谱普需要使用的规则；

所述图谱更新单元，还用于根据所述预设推理规则和目标更新数据，生成推理知识图谱，并将所述推理知识图谱与所述知识数据图谱进行合并，得到最终更新后的知识数据图谱。

该实施例中，预设规则是提前设定好的，用于确定知识数据图谱对应的知识点数据。

该实施例中，各节点对应的数据指的是知识数据图谱中包含的所有知识点。

该实施例中，数据的属性值指的是知识点的数量值以及知识点的难易程度值。

该实施例中，预设时间段是提前设定好的，例如可以是两周、一个月等。

该实施例中，更新数据指的是对学生要求掌握的知识点进行更新，即在原有基础上增添的新知识点。

该实施例中，预设推理规则是提前设定好的，用于确定更新数据和原有数据之间的关联关系的一种规则。

该实施例中，推理知识图谱是用来表示更新数据之间与原有数据之间的关联关系。

上述技术方案的有益效果是：通过确定更新数据，实现对知识数据图谱的更新，便于完善对学生知识点的教学，有利于提高学生掌握知识点的全面性，提高了学生的学习质量。

实施例4：

在上述实施例3的基础上，本实施例提供了一种基于大数据的教学系统，图谱更新单元，还包括：

第一存储单元，用于获取最终更新后的知识数据图谱，其中，所述最终更新后的知识数据图谱带有数据类型标识；

所述第一存储单元，用于根据所述数据类型标识判断预设存储区域中是否存在与所述数据类型标识对应的图实例；

若不存在，在所述预设存储区域内部创建与所述数据类型标识对应的图实例，并将所述最终更新后的知识数据图谱存储至所述创建所述图实例对应的目标存储区域；

否则，将所述最终更新后的知识数据图谱存储至所述图实例对应的目标存储区域。

该实施例中，数据类型标识是用来区分知识点的类别，起到一种标签的作用。

该实施例中，图实例指的是存储区域中存储的类似于知识图谱类的图。

该实施例中，预设存储区域是提前设定好的，例如可以是固态硬盘等。

该实施例中，目标存储区域指的是预设存储区域中能够存储知识数据谱图的存储区域。

上述技术方案的有益效果是：通过将更新后的知识数据图谱进行存储，便于实时对学生要掌握的知识点进行了解，同时便于将知识点进行全面讲解，提高了学生的学习质量，同时也提高了老师的教学质量，为老师和学生提供了便利。

实施例5：

在上述实施例1的基础上，本实施例提供了一种基于大数据的教学系统，如图3所示，数据分析模块，包括：

学习数据监测单元，用于根据预设频率获取多组学生的学习记录，并调取所述各个学生当前接受的目标教学方案，同时，根据所述多组学生的学习记录以及目标教学方案，确定各个学生的偏离信息；

所述学习数据监测单元，还用于获取各个学生在当前接受的目标教学方案下产生的生理数据，并根据所述生理数据确定各个学生在所述目标教学方案下的目标反应；

所述学习数据监测单元，还用于根据各个学生的目标反应确定当前接受的目标教学方案中教学方式的分类标识，并根据所述分类标识确定各个学生的兴趣点以及非兴趣点；

教学资源整合单元，用于对所述知识数据图谱包含的教学资源进行聚类处理，提取出各个学生对应的学科题目知识点，并构成学科知识点集合，其中，所述知识数据图谱展示了学科知识点集合中元知识点和元知识点之间的关联关系；

教学方法确定单元，用于根据各个学生的偏离信息，通过所述知识数据图谱，从所述学科知识点集合中确定目标元知识点以及与所述目标元知识点存在关联关系的元知识点组合；

所述教学方法确定单元，还用于获取历史试题信息，并基于所述历史试题信息确定目标元知识点以及与所述目标元知识点存在关联关系的元知识点组合各自的教学比重，并根据所述教学比重，确定各个学生对应的最终教学资源；

所述教学方法确定单元，还用于根据各个学生的趣点以及非兴趣点，从预设教学方式库中匹配对应的目标教学方式，并将各个学生对应.的目标教学方式与最终教学资源进行匹配记录，得到各个学生对应的教学方法。

该实施例中，预设频率是提前设定好的，例如可以是一周或两周。

该实施例中，目标教学方案指的是学生当前接受的教学方法或教学计划。

该实施例中，学生的偏离信息指的是学生在学习过程中出现的偏科或者未掌握的知识点的方向等。

该实施例中，生理数据指的是学生在教学方案下的反应，例如可以是激动、平静、沉寂等。

该实施例中，目标反应指的是学生在教学方案下的激动、平静、沉寂中的一种。

该实施例中，分类标识是用来区分不同教学方式所用的一种标签，例如可以是古板教学的标识是1，有趣教学的标识是2等。

该实施例中，学科题目知识点指的是各个学生在各学科中可能涉及到的知识点。

该实施例中，元知识点组合指的是具有关联关系的元知识点构成的数据集合。

上述技术方案的有益效果是：通过对知识数据图谱分析，确定各个学生的学科知识点集合，同时在学科知识点集合中确定各个知识点之间的关联关系，并根据学生的兴趣点和非兴趣点选择对应的教学方式，并将教学方式与知识点进行结果，完成教学方法的确定，提高了对各个学生制定有效的教学方案，提高了学生的学习质量，同时也提高了老师的教学效率。

实施例6：

在上述实施例1的基础上，本实施例提供了一种基于大数据的教学系统，数据调模块，包括：

模型构建单元，用于获取学生学习质量评测的影响因素，并根据所述学生学习质量评测的影响因素建立学生学习质量评测的评价指标体系；

所述模型构建单元，还用于基于预设方法确定所述评价指标体系的指标权重，并根据所述指标权重构建学生学习质量评价模型；

学习数据获取单元，用于基于预设知识点的能力层次，确定各个学生的目标达成度，同时，监控各个学生测评试题、课堂问答和课堂讨论的完成情况，得到各个学生对应的课程参与度；

学习质量评价单元，用于将各个学生对应的目标达成度以及课程参与度输入所述学习质量评价模型，得到各个学生对应的学习质量评价结果；

所述学习质量评价单元，还用于将所述各个学生对应的学习质量评价结果与预设学习质量评价结果进行比较；

判断单元，用于当所述各个学生对应的学习质量评价结果高于或等于所述预设评价结果，判定各个学生接受的教学方法合格，否则，判定各个学生接受的教学方法不合格；

教学方法调整单元，用于在判定各个学生接受的教学方法不合格时，基于所述知识数据图谱调取各个知识点的检测数据，并根据所述各个知识点的检测数据确定各个学生对各个知识点的学习能力值；

所述教学方法调整单元，还用于基于所述各个学生对各个知识点的学习能力值从所述知识数据图谱包含的知识点中筛选学生已掌握的知识点，并根据所述学生已掌握的知识点确定学生的平均学习能力值；

所述教学方法调整单元，还用于基于所述平均学习能力值对所述教学方法进行调整，完成对各个学生制定合适的目标教学方法。

该实施例中，学生学习质量评测的影响因素可以是学生的学习态度、学生的课程参与度等。

该实施例中，学生学习质量评测的评价指标体系可以是根据学生的课程参与度以及掌握知识点的多少程度对学生的学习质量进行评价。

该实施例中，预设方法是提前设定好的，是用来确定评价体系中不同评价标准在所有评价标准中的重要程度值。

该实施例中，预设知识点的能力层次指的是知识点的难易程度值。

该实施例中，目标大程度指的是学生成功掌握知识点的数量值以及掌握的知识点的难易程度值。

该实施例中，预设学习质量评价结果是提前设定好的，是对学生学习质量的要求。

该实施例中，各个知识点的检测数据指的是各个知识点中用来检测学生是否掌握该知识点的数据。

该实施例中，学习能力值指的是学生掌握知识点的能力程度，例如学生掌握知识点所用时间为一个小时，标识学习能力值强，所用时间为一天，标识学习能力值弱。

上述技术方案的有益效果是：通过构建学习质量评价模型，并获取学生在教学方法下的学习数据，实现通过对学生的学习质量进行分析，判断出制定的教学方法是否合理，且在不合理的情况下根据学生的学习能力值对教学方法进行调整，便于针对各个学生制定相应的教学方法，提高了学生学习的质量，同时也不断完善了教学方法，为老师和学生提供了不同方向的便利。

实施例7：

在上述实施例6的基础上，本实施例提供了一种基于大数据的教学系统，教学方法调整单元，还包括：

检测单元，用于获取对各个学生制定的目标教学方法，并基于预设检测方法确定所述目标教学方法是否合理；

若不合理，基于大数据对所述知识数据图谱进行分析，重新确定各个学生对应的教学方法，直至判定所述目标教学方法合理；

若合理，基于预设网络服务器将所述目标教学方法发送至各个老师以及学生对应的智能终端；

反馈单元，用于在老师和学生接收到所述目标教学方法后，执行所述目标教学方法，并实时采集老师和学生的反馈信息，并基于所述反馈信息对所述目标教学方法进行完善。

该实施例中，预设检测方法是提前设定好的，例如可以是根据教学大纲对教学方法进行评测，判断教学方法中涉及的知识点是否全面。

该实施例中，智能终端可以是老师和学生的手机或电脑。

该实施例中，反馈信息指的是老师在教学过程中存在的问题以及学生在学习过程中存在的不懂之处。

上述技术方案的有益效果是：通过实时采集老师和学生的反馈意见，有利于对教学方法进行不断完善，提高了学生的学习质量，同时也便于老师及时调整教学方法。

实施例8：

在上述实施例6的基础上，本实施例提供了一种基于大数据的教学系统，教学方法调整单元，还包括：

知识点整合单元，用于基于所述各个学生对各个知识点的学习能力值从所述知识数据图谱包含的知识点中筛选学生未掌握的知识点；

所述知识点整合单元，还用于基于预设规则，确定影响学生掌握的知识点的影响因素，并基于所述影响因素从预设解决方案库中查找对应的目标解决方案，其中，所述预设解决方案库中存储有多种教学问题对应的解决方案；

执行单元，用于根据所述目标解决方案将学生未掌握的知识点进行重新教学，直至学生完全掌握未掌握的知识点。

该实施例中，学习能力值指的是学生掌握知识点的难易程度。

该实施例中，预设规则是提前设定好的。

该实施例中，影响因素可以是知识点过难或者是学生自身因素。

该实施例中，目标解决方案是用来解决学生未掌握知识点所用，例如，可以通过多种方法对未掌握的知识点进行多次讲解。

上述技术方案的有益效果是：通过确定学生未掌握的知识点的影响因素，并根据影响因素查找对应额解决方案，便于提高学生对知识点掌握的全面性，提高了学生的学习质量。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。