一种基于大数据的教学咨询服务管理系统的制作方法

计算;推算;计数设备的制造及其应用技术1.本发明涉及教学咨询技术领域，具体是一种基于大数据的教学咨询服务管理系统。背景技术：2.随着生活节奏的加快，越来越多的人忙于工作和家庭，无法抽出时间学习，而在线教育随着互联网的快速发展而迅速的崛起，学习时间的灵活性以及学习地点的不限制性使得越来越多的上班族或学生加入了在线学习的大军中。3.在线学习过程中，学习者遇到问题往往利用教学互动平台进行咨询，但是现有的教学咨询服务管理系统无法对不同学科领域的咨询问题的咨询情况以及提问者的特征作出有效的分析，合理分配咨询教师，提高教学咨询效率；导致学习者咨询体验感欠佳，影响学习效率；基于以上不足，本发明提出一种基于大数据的教学咨询服务管理系统。技术实现要素：4.本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于大数据的教学咨询服务管理系统。5.为实现上述目的，根据本发明的第一方面的实施例提出一种基于大数据的教学咨询服务管理系统，包括问题上传模块、问题分析模块、咨询推荐模块以及咨询评估模块；6.所述问题上传模块用于学习者编辑上传咨询信息至教学咨询中心；7.所述教学咨询中心用于提取咨询信息中的关键字，并依据关键字将咨询信息归类至相应的学科领域中；所述问题分析模块用于获取问题上传模块编辑上传的咨询信息，并对咨询信息进行咨优值分析，将咨询信息按照咨优值cf大小进行降序排列生成咨询信息的处理优先表；8.所述咨询推荐模块与教学咨询中心相连接，用于根据咨询信息为对应学习者筛选推荐咨询教师，并选取咨配系数zy最大的咨询教师作为选中教师，选中教师与学习者通过在线互动模块实现远程交互通信；9.当咨询结束时，学习者通过评价模块为对应的咨询教师打分，形成咨询评分，满分为10分；当咨询评分小于第一评分阈值，所述评价模块用于反馈差评信号至咨询辅助模块；所述咨询辅助模块用于接收差评信号并分配对应的后台人员进行回访安抚。10.进一步地，所述问题分析模块的具体分析步骤为：11.获取咨询信息归属的学科领域，从教学咨询中心调取该学科领域的咨询吸引值zx；获取编辑上传该咨询信息的学习者，采集对应学习者在预设时间段内的咨询记录；根据咨询记录对该学习者的咨询系数lx进行评估；利用公式计算得到对应咨询信息的咨优值cf，其中b4、b5均为系数因子。12.进一步地，所述咨询系数lx的具体评估过程如下：13.统计对应学习者的咨询次数为c1，将每次的咨询时长进行累加得到咨询总时长ct，将相邻两次咨询的时间间隔标记为咨询间隔gti，得到咨询间隔信息组；设定咨询间隔信息组的特征值为lt；14.利用lx＝(c1×b1+ct×b2)/(lt×b3)计算得到对应学习者的咨询系数lx，其中b1、b2、b3均为系数因子；其中特征值为平均值或加权平均值。15.进一步地，所述评价模块用于将咨询评分反馈至教学咨询中心；所述教学咨询中心用于将咨询信息、学科领域、咨询时长、咨询教师以及对应的咨询评分融合形成咨询记录，并将咨询记录打上时间戳存储至数据库。16.进一步地，所述咨询评估模块与数据库相连接，用于每隔预设时间对咨询记录作出相关评估，具体评估步骤如下：17.在预设时间内，统计同一学科领域的咨询次数为学科频次p1，将对应咨询时长进行累积得到学科总时长xt；18.截取该学科领域相邻咨询记录之间的时间段为学科缓冲时段，将每个学科缓冲时段内学习者的咨询次数标记为学科缓冲频次xpi；19.统计xpi大于缓冲阈值的次数为p2，将对应xpi与缓冲阈值的差值进行求和得到超缓总值ch；利用公式cx＝p2×g1+ch×g2计算得到超缓系数cx，其中g1、g2为系数因子；利用公式zx＝(p1×b1+xt×b2)/(cx×b3)计算得到该学科领域的咨询吸引值zx，其中b1、b2、b3均为系数因子；20.所述咨询评估模块用于将咨询吸引值zx打上时间戳并存储至教学咨询中心。21.进一步地，所述咨询推荐模块的具体推荐步骤为：22.获取咨询信息归属的学科领域，采集对应学科领域在预设时间段内的咨询记录；针对同一咨询教师，统计该咨询教师的咨询次数为z1，将每次的咨询时长标记为zti，咨询评分标记为zpi；利用公式计算得到咨评值zli；其中k1、k2为系数因子；23.统计zli大于咨评阈值的次数为z2，将对应zli与咨评阈值的差值进行求和得到咨评超值zc；利用公式zs＝z2×k3+zc×k4计算得到咨优系数zs，其中k3、k4为系数因子；利用公式zy＝z1×k5+zs×k6计算得到对应咨询教师的咨配系数zy，其中k5、k6均为系数因子。24.进一步地，所述咨询辅助模块的具体分配步骤为：25.当接收到差评信号时，将对应学习者标记为j；获取学习者j的咨询系数并标记为lj；获取学习者j此次的咨询时长为lt；统计学习者j反馈差评信号的次数为ls；利用公司fs＝lj×a1+lt×a2+ls×a3计算得到学习者j的辅助值fs，其中a1、a2、a3均为比例系数；根据辅助值fs分配不同等级的后台人员进行回访安抚。26.进一步地，将辅助值fs与辅助阈值相比较；辅助阈值包括yt1、yt2，且yt1＜yt2；若fs≥yt2，则表明该学习者的辅助等级高，分配贵宾专线的后台人员进行回访安抚；若yt1≤fs＜yt2，则表明该学习者的辅助等级中等，分配一级专线的后台人员进行回访安抚；若fs＜yt1，则表明该学习者的辅助等级一般，分配普通专线的后台人员进行回访安抚。27.与现有技术相比，本发明的有益效果是：28.1、本发明中所述咨询评估模块用于每隔预设时间对咨询记录作出相关评估，根据学科领域，统计同一学科领域的咨询次数、咨询时长，结合相邻咨询记录之间的时间段内学习者的咨询次数，计算得到学科领域的咨询吸引值zx；所述问题分析模块用于获取问题上传模块编辑上传的咨询信息，并对咨询信息进行咨优值分析，结合对应学科领域的咨询吸引值zx和对应学习者的咨询系数lx，利用公式计算得到对应咨询信息的咨优值cf，将咨询信息按照咨优值cf大小进行降序排列；所述教学咨询中心按照问题分析模块反馈的序列位置对该咨询信息进行处理，提高数据处理效率；29.2、本发明中所述咨询推荐模块用于根据咨询信息为学习者筛选推荐咨询教师；获取咨询信息归属的学科领域，采集对应学科领域在预设时间段内的咨询记录，计算得到咨询教师的咨配系数zy；选取咨配系数zy最大的咨询教师作为选中教师，合理分配咨询教师，提高教学咨询效率；30.3、当咨询结束时，学习者通过评价模块为对应的咨询教师打分，形成咨询评分，当咨询评分小于第一评分阈值，所述评价模块用于反馈差评信号至咨询辅助模块；所述咨询辅助模块用于接收差评信号并分配对应的后台人员进行回访安抚，以提高学习者的咨询体验感，促进学习积极性；并结合对应学习者的咨询系数、当前咨询时长以及反馈差评信号的次数，计算得到辅助值fs，根据辅助值fs合理分配不同等级的后台人员，达到资源利用最大化。附图说明31.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中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。32.图1为本发明一种基于大数据的教学咨询服务管理系统的系统框图。具体实施方式33.下面将结合实施例对本发明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它实施例，都属于本发明保护的范围。34.如图1所示，一种基于大数据的教学咨询服务管理系统，包括问题上传模块、教学咨询中心、问题分析模块、咨询推荐模块、在线互动模块、数据库、评价模块、咨询评估模块以及咨询辅助模块；35.问题上传模块用于学习者编辑上传咨询信息至教学咨询中心；咨询信息为学习者学习过程中遇到的疑难问题的具体描述；36.教学咨询中心用于提取咨询信息中的关键字，并依据关键字将咨询信息归类至相应的学科领域中；37.问题分析模块用于获取问题上传模块编辑上传的咨询信息，并对咨询信息进行咨优值分析，具体分析步骤为：38.获取咨询信息归属的学科领域，从教学咨询中心调取该学科领域的咨询吸引值zx；39.获取编辑上传该咨询信息的学习者，采集对应学习者在预设时间段内的咨询记录；统计对应学习者的咨询次数为c1，将每次的咨询时长进行累加得到咨询总时长ct，将相邻两次咨询的时间间隔标记为咨询间隔gti，得到咨询间隔信息组；设定咨询间隔信息组的特征值为lt；其中特征值可以为平均值、加权平均值等统计值；40.利用lx＝(c1×b1+ct×b2)/(lt×b3)计算得到对应学习者的咨询系数lx，其中b1、b2、b3均为系数因子；41.将咨询吸引值、咨询系数进行归一化处理并取其数值；利用公式计算得到对应咨询信息的咨优值cf，其中b4、b5均为系数因子；42.将咨询信息按照咨优值cf大小进行降序排列生成咨询信息的处理优先表；反馈该咨询信息在处理优先表所处的序列位置至教学咨询中心；教学咨询中心按照问题分析模块反馈的序列位置对该咨询信息进行处理；43.咨询推荐模块与教学咨询中心相连接，用于根据咨询信息为学习者筛选推荐咨询教师；具体推荐步骤为：44.获取咨询信息归属的学科领域，采集对应学科领域在预设时间段内的咨询记录；获取咨询记录中对应的咨询时长、咨询教师以及咨询评分；45.针对同一咨询教师，统计该咨询教师的咨询次数为z1，将每次的咨询时长标记为zti，咨询评分标记为zpi；利用公式计算得到咨评值zli；其中k1、k2为系数因子；46.将咨评值zli与咨评阈值相比较；统计zli大于咨评阈值的次数为z2，将对应zli与咨评阈值的差值进行求和得到咨评超值zc；利用公式zs＝z2×k3+zc×k4计算得到咨优系数zs，其中k3、k4为系数因子；47.利用公式zy＝z1×k5+zs×k6计算得到对应咨询教师的咨配系数zy，其中k5、k6均为系数因子；48.选取咨配系数zy最大的咨询教师作为选中教师，教学咨询中心用于将对应咨询信息发送至选中教师，选中教师与学习者通过在线互动模块实现远程交互通信；49.当咨询结束时，学习者通过评价模块为对应的咨询教师打分，形成咨询评分，满分为10分；评价模块用于将咨询评分反馈至教学咨询中心；教学咨询中心用于将咨询信息、学科领域、咨询时长、咨询教师以及对应的咨询评分融合形成咨询记录，并将咨询记录打上时间戳存储至数据库；50.咨询评估模块与数据库相连接，用于每隔预设时间对咨询记录作出相关评估，具体评估步骤如下：51.获取预设时间内教学咨询中心的所有咨询记录；根据学科领域，统计同一学科领域的咨询次数为学科频次p1，将同一学科领域的咨询时长进行累积得到学科总时长xt；52.截取该学科领域相邻咨询记录之间的时间段为学科缓冲时段，将每个学科缓冲时段内学习者的咨询次数标记为学科缓冲频次xpi；将学科缓冲频次xpi与缓冲阈值相比较；53.统计xpi大于缓冲阈值的次数为p2，将对应xpi与缓冲阈值的差值进行求和得到超缓总值ch；利用公式cx＝p2×g1+ch×g2计算得到超缓系数cx，其中g1、g2为系数因子；54.将学科频次、学科总时长以及超缓系数进行归一化处理并取其数值，利用公式zx＝(p1×b1+xt×b2)/(cx×b3)计算得到该学科领域的咨询吸引值zx，其中b1、b2、b3均为系数因子；55.咨询评估模块用于将学科领域的咨询吸引值zx打上时间戳并存储至教学咨询中心；56.咨询辅助模块与评价模块相连接，当咨询评分小于第一评分阈值，评价模块用于反馈差评信号至咨询辅助模块；例如，第一评分阈值为4分；咨询辅助模块用于接收差评信号并分配对应的后台人员进行回访安抚，以提高学习者的咨询体验感，促进学习积极性；具体分配步骤为：57.当接收到差评信号时，将对应学习者标记为j；获取学习者j的咨询系数并标记为lj；获取学习者j此次的咨询时长为lt；58.在预设时间段内，统计学习者j反馈差评信号的次数为ls；利用公司fs＝lj×a1+lt×a2+ls×a3计算得到学习者j的辅助值fs，其中a1、a2、a3均为比例系数；59.将辅助值fs与辅助阈值相比较，辅助阈值包括yt1、yt2，且yt1＜yt2；具体为：60.若fs≥yt2，则表明该学习者的辅助等级高，分配贵宾专线的后台人员进行回访安抚；61.若yt1≤fs＜yt2，则表明该学习者的辅助等级中等，分配一级专线的后台人员进行回访安抚；62.若fs＜yt1，则表明该学习者的辅助等级一般，分配普通专线的后台人员进行回访安抚；本实施例能够根据学习者反馈的差评信号分配对应的后台人员进行回访安抚，以提高学习者的咨询体验感，促进学习积极性；并根据学习者的辅助值fs合理分配不同等级的后台人员，达到资源利用最大化。63.上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。64.本发明的工作原理：65.一种基于大数据的教学咨询服务管理系统，在工作时，问题上传模块用于学习者编辑上传咨询信息至教学咨询中心；教学咨询中心用于提取咨询信息中的关键字，依据关键字将咨询信息归类至相应的学科领域中，并将咨询信息、学科领域、咨询时长、咨询教师以及对应的咨询评分融合形成咨询记录，咨询评估模块用于每隔预设时间对咨询记录作出相关评估，根据学科领域，统计同一学科领域的咨询次数、咨询时长，结合相邻咨询记录之间的时间段内学习者的咨询次数，计算得到学科领域的咨询吸引值zx；66.问题分析模块用于获取问题上传模块编辑上传的咨询信息，并对咨询信息进行咨优值分析，结合对应学科领域的咨询吸引值zx和对应学习者的咨询系数lx，利用公式计算得到对应咨询信息的咨优值cf，将咨询信息按照咨优值cf大小进行降序排列；教学咨询中心按照问题分析模块反馈的序列位置对该咨询信息进行处理，提高数据处理效率；咨询推荐模块用于根据咨询信息为学习者筛选推荐咨询教师；获取咨询信息归属的学科领域，采集对应学科领域在预设时间段内的咨询记录，计算得到咨询教师的咨配系数zy；选取咨配系数zy最大的咨询教师作为选中教师；选中教师与学习者通过在线互动模块实现远程交互通信；67.当咨询结束时，学习者通过评价模块为对应的咨询教师打分，形成咨询评分，当咨询评分小于第一评分阈值，评价模块用于反馈差评信号至咨询辅助模块；咨询辅助模块用于接收差评信号并分配对应的后台人员进行回访安抚，以提高学习者的咨询体验感，促进学习积极性；并结合对应学习者的咨询系数、当前咨询时长以及反馈差评信号的次数，计算得到辅助值fs，根据辅助值fs合理分配不同等级的后台人员，达到资源利用最大化。68.在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。69.以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!