一種基於用戶滑鼠行為辨識的在線學生評教識偽方法與流程
2023-07-01 02:31:26
本發明涉及一種自動辨識學生在線評教數據有效性的方法,特別涉及了一種通過識別用戶滑鼠行為特徵的自動辨識的學生在線評教數據有效性的方法,即通過獲取學生在線評教時的滑鼠行為特徵,辨識學生在評教時的態度是否認真嚴謹,進而剔除由於敷衍、隨意性的評教導致的「偽數據」,提高評教數據集的有效性。
背景技術:
作為教學管理的重要手段之一,學生評教依據一定的標準體系,由學生對任課教師的教學工作如教學過程、教學成果、教學態度和水平等所進行的定性與定量的價值判斷,在學校評教中有著重要的地位,是很多學校品評教師教學質量、晉升教師職稱職務、提升教師津貼、選拔優秀教師的重要參考依據。隨著網絡技術的應用與普及,很多學生都採用了在線評教的方式。然後,一些學生在對教師進行評教時採取了敷衍而不是嚴肅認識的態度,這樣得到的評教數據具有較大的失真性,並不能較好的反映實際情況,會嚴重影響評教的效果。一些研究或方法致力於對原始評教數據進行統計分析,期望從具有一定失真性的評教數據中儘可能的獲得有價值的評教評價結果。如果能夠有效辨識出這類「偽數據」,提升評教原始的可靠性與有效性,將能更好的提升評教評價的準確性與參考價值。
用戶在評教頁面進行在線評教時,會留下滑鼠或光標的操作軌跡,根據這些軌跡,可以提取滑鼠子運動、滑鼠停頓次數、滑鼠平均停頓時間的特徵值。通過觀察發現,若用戶在評教時採取敷衍、隨意的態度,這些特徵值會偏少;而用戶在嚴肅認識的評教時,這些特徵值會較大。因此,通過辨識用戶的滑鼠操作行為,可以在一定程度上識別用戶在進行評教時的態度是敷衍隨意的,還是嚴肅認真的,進而可以剔除掉那些由於敷衍評教態度而導致的「偽數據」,或者要求用戶重新提交評教數據。
技術實現要素:
本發明主要針對學生評教時存在一定數量的敷衍、隨意行為,影響了評教數據的有效性的問題,提出了一種基於用戶滑鼠行為辨識的在線學生評教識偽方法。主要涉及如下幾個方面的內容:
(1)獲取用戶滑鼠行為的滑鼠子運動、滑鼠停頓次數、滑鼠平均停頓時間三個特徵值。滑鼠子運動是通過識別滑鼠運行軌跡是否發生突變來識別的,附圖3描述了其辨識流程;滑鼠停頓次數是通過識別再次連續的滑鼠動作之間的間隔時間來識別的,附圖4描述了其辨識流程;通過記錄每次滑鼠停頓的時間並取平均值,可獲得滑鼠平均停頓時間。
(2)採用加權平均方法合併特徵值。加權平均方法為:x=w1*x1+w2*x2+w3*x3,其中,x1,x2,x3分別為滑鼠子運動、滑鼠停頓次數、滑鼠平均停頓時間三個特徵值,w1,w2,w3為三個特徵值對應的權值,其取值應同時滿足:w1+w2+w3=1,其中,∑x1、∑x1、∑x1分別表示測試所獲得的數據集中,子運動個數、停頓次數、平均停頓時間三個特徵值各自之和。
(3)通過測試獲取辨識區間。測試時,每個用戶隨機確認測試態度(認真或敷衍),並按自己確認的測試態度進行請教測試。將測試得到的數據分為兩個集體:t(採用認真的態度獲得的數據)和f(採用敷衍的態度獲得的數據),每個集合的元素個數都應達到一定數量,否則應補充測試數據。設tmin為t中的最小值,fmax為f中的最大值。由此獲得辨識區間(-∞,a),[a,b],(b,+∞),其中a=min(tmin,fmax),b=max(tmin,fmax)。
(4)在線辨識用戶評教行為。在用戶在線評教時,捕獲用戶的滑鼠行為,提取相應的特徵值並進行加權平均,設為y。當yb時,可認識用戶是嚴肅認真的;當a<y<b時可視具體情況而定,或者與其他方法相結合進行辨識。
本發明的優點在於:
(1)只需要在原有評價系統中插入相應的javascript代碼,對原有評價系統的影響很小,便於實施。
(2)辨識區間可以通過測試獲得的數據集提取,可以與頁面本身相適應,普適性好,受人為因素幹擾小。
(3)設計了有效的加權平均時權值確定方法,不必依賴於經驗數據。
附圖說明
圖1是獲取辨識區間流程。
圖2是在線評教辨識流程。
圖3是獲取光標子運動流程。
圖4是獲取光標平均停頓時間流程。
圖5是獲取光標停頓次數流程。
具體實施方式
本發明是一種基於用戶滑鼠行為辨識的在線學生評教識偽方法。具體步驟如下:
(1)捕獲用戶的滑鼠運行軌跡。通過在學生需要訪問的評教頁面中,插入相應的javascript代碼,周期性的捕獲用戶滑鼠停留在該頁面時的時刻與位置,形成一系列數據對(x,y,t),其中x,y對應滑鼠位置,t對應時刻。
(2)提取滑鼠操作的特徵值。通過第一步獲得的系列數據,分別計算滑鼠操作的子運動個數x1(其獲取流程如圖3所示)、停頓次數x2(其獲取流程如圖4所示)、平均停頓時間x3(其獲取流程如圖5所示),採用加權平均方法,將這三個特徵值合併成一個特徵值。加權平均方法為:x=w1*x1+w2*x2+w3*x3,其中,w1,w2,w3應同時滿足:w1+w2+w3=1,其中,∑x1、∑x1、∑x1分別表示測試所獲得的數據集中,子運動個數、停頓次數、平均停頓時間三個特徵值各自之和。
(3)獲取辨識區間。邀請一定數量的用戶進行學生評教測試。測試時,每個用戶隨機確認測試態度(認真或敷衍),並按自己確認的測試態度進行請教測試,通過(1)、(2)步的操作獲得這些用戶的滑鼠行為特徵值。將測試得到的數據分為兩個集體:t(採用認真的態度獲得的數據)和f(採用敷衍的態度獲得的數據),設tmin為t中的最小值,fmax為f中的最大值。由此獲得辨識區間(-∞,a),[a,b],(b,+∞),其中a=min(tmin,fmax),b=max(tmin,fmax)。
(4)辨識用戶評教行為。在評教頁面中設定由(3)獲得的辨識區間。當用戶評教時,由步驟(1)、(2)獲得用戶評教時的滑鼠操作特徵值。若特徵值小於a,則提示用戶評教態度不認真,要求重新評教;若特徵值大於b,則認為是有效評教數據並保存;若特徵值位於a,b之間,可自行認定或與其它方法結合認定。
在以上步驟中,(1)、(3)、(4)用於獲取辨識區間,其流程如圖1所示;(1)、(2)、(4)用於辨識用戶評教行為,其流程如圖2所示。