法律状态公告日
法律状态信息
法律状态
2022-06-28
公开
发明专利申请公布
技术领域
本申请涉及数据分析技术领域，尤其涉及一种基于大数据的教育辅导系统。
背景技术
学生的教育辅导对于很多家庭都是难题，在教育辅导的过程中存在方式不对，而影响教育效果，不少家长头疼，需要咨询专业的教育辅导培训机构或者专业书籍等进行指导，通常当时觉得很受益，但在实际的应用过程中却很难执行，缺少有效的实时监督和指导的手段，帮助辅导人员，无论培训老师或者学生家长能够及时快速的掌握如何进行针对性的辅导。同时孩子的性格存在很多种，每种性格的孩子兴趣点不同，接受的教育辅导方式也不同，若采用相同的辅导方式会对辅导效果产生影响，不能取得预期的教育效果。
发现上述技术至少存在如下技术问题：
现有技术中对于学生教育中缺乏针对性教育辅导意见，存在无法为学生制定可靠有效的辅导方案而影响教育效果的技术问题。
发明内容
本申请的目的是提供一种基于大数据的教育辅导系统，用以解决现有技术中对于学生教育中缺乏针对性教育辅导意见，存在无法为学生制定可靠有效的辅导方案而影响教育效果的技术问题。达到了按照日常的学习生活状态对学生进行性格划分，针对不同的学生性格特征进行个性化教育辅导，能够更加符合学生的学习心理习惯，从而提升教育辅导成果的技术效果。
鉴于上述问题，本申请提供了一种基于大数据的教育辅导系统，所述系统包括：
第一获得单元，所述第一获得单元用于通过大数据获得学生记录视频集，所述学生记录视频集对应多个云监测系统；
第一执行单元，所述第一执行单元用于构建专家分析数据库，并基于所述专家分析数据库，获得特征分析要求；
第二获得单元，所述第二获得单元用于根据所述特征分析要求对所述学生记录视频集进行任务分配，获得多系统特征任务，所述多系统特征任务包括特征采集信息；
第三获得单元，所述第三获得单元用于分别基于所述特征采集信息对各云监测系统的学生记录视频进行特征分析，获得学生特征分析集；
第一确定单元，所述第一确定单元用于根据所述学生特征分析集、所述专家分析数据库进行学生画像，确定学生性格类型；
第四获得单元，所述第四获得单元用于根据所述学生性格类型、所述专家分析数据库结合学生信息，获得教育辅导信息。
另一方面，本申请提供了一种基于大数据的教育辅导方法，所述方法应用于第一方面所述的一种基于大数据的教育辅导系统中，所述方法包括：通过大数据获得学生记录视频集，所述学生记录视频集对应多个云监测系统；构建专家分析数据库，并基于所述专家分析数据库，获得特征分析要求；根据所述特征分析要求对所述学生记录视频集进行任务分配，获得多系统特征任务，所述多系统特征任务包括特征采集信息；分别基于所述特征采集信息对各云监测系统的学生记录视频进行特征分析，获得学生特征分析集；根据所述学生特征分析集、所述专家分析数据库进行学生画像，确定学生性格类型；根据所述学生性格类型、所述专家分析数据库结合学生信息，获得教育辅导信息。
第三方面，本申请还提供了一种基于大数据的教育辅导系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述第一方面所述内容。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请公开了一种基于大数据的教育辅导系统，通过大数据获得学生记录视频集，所述学生记录视频集对应多个云监测系统；构建专家分析数据库，并基于所述专家分析数据库，获得特征分析要求；根据所述特征分析要求对所述学生记录视频集进行任务分配，获得多系统特征任务，所述多系统特征任务包括特征采集信息；分别基于所述特征采集信息对各云监测系统的学生记录视频进行特征分析，获得学生特征分析集；根据所述学生特征分析集、所述专家分析数据库进行学生画像，确定学生性格类型；根据所述学生性格类型、所述专家分析数据库结合学生信息，获得教育辅导信息。达到了按照日常的学习生活状态对学生进行性格划分，针对不同的学生性格特征进行个性化教育辅导，能够更加符合学生的学习心理习惯，从而提升教育辅导成果的技术效果。从而解决了现有技术中对于学生教育中缺乏针对性教育辅导意见，存在无法为学生制定可靠有效的辅导方案而影响教育效果的技术问题。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本申请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示例性的，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，还可以根据提供的附图获得其他的附图。
图1为本申请实施例的一种基于大数据的教育辅导方法的流程示意图；
图2为本申请实施例一种基于大数据的教育辅导系统的结构示意图；
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第一执行单元12，第二获得单元13，第三获得单元14，第一确定单元15，第四获得单元16，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。
具体实施方式
本申请实施例通过提供一种基于大数据的教育辅导系统，解决了现有技术中对于学生教育中缺乏针对性教育辅导意见，存在无法为学生制定可靠有效的辅导方案而影响教育效果的技术问题。
下面，将参考附图对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。基于本申请的实施例，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，都属于本申请保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部。
本申请提供的技术方案总体思路如下：
通过大数据获得学生记录视频集，所述学生记录视频集对应多个云监测系统；构建专家分析数据库，并基于所述专家分析数据库，获得特征分析要求；根据所述特征分析要求对所述学生记录视频集进行任务分配，获得多系统特征任务，所述多系统特征任务包括特征采集信息；分别基于所述特征采集信息对各云监测系统的学生记录视频进行特征分析，获得学生特征分析集；根据所述学生特征分析集、所述专家分析数据库进行学生画像，确定学生性格类型；根据所述学生性格类型、所述专家分析数据库结合学生信息，获得教育辅导信息。达到了按照日常的学习生活状态对学生进行性格划分，针对不同的学生性格特征进行个性化教育辅导，能够更加符合学生的学习心理习惯，从而提升教育辅导成果的技术效果。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
请参阅附图1，本申请实施例提供了一种基于大数据的教育辅导方法，所述方法应用于教育辅导系统，所述方法包括：
步骤S100：通过大数据获得学生记录视频集，所述学生记录视频集对应多个云监测系统。
具体而言，教育辅导系统与多个云监测系统共同建立云数据，实现大数据共享。云监测系统主要为学校、培训机构等的视频监控系统，能够对学生在日常的学习生活中的视频进行采集，便于对学生的状态特征进行分析。学生记录视频集为通过大数据对学生的日常生活轨迹、视频资料的监测记录数据。
步骤S200：构建专家分析数据库，并基于所述专家分析数据库，获得特征分析要求。
进一步的，所述构建专家分析数据库，包括：获得合作专家云平台；基于所述合作专家云平台，获得专家数据库；通过大数据获得专业知识验证库，根据所述专业知识验证库对所述专家数据库进行校正，确定专家知识库；对所述专家知识库进行语义分析，确定特征参数信息、识别特征信息；基于所述特征参数信息、识别特征信息对所述专家知识库进行特征映射，构建所述专家分析数据库。
具体而言，专家分析数据库主要为微表情、肢体动作等心理研究专家的专业知识和临床实践中积累的性格分析研究数据集合，现在通过人的微表情、动作、事件中的表现状态等能够对人的性格进行分析和掌握，如常见的9种人格，完美型、全爱型、成就型、艺术型、理智型、忠诚型、丰富型、领袖型、和平型，不同的类型人格在处事中会存在不同的处理方式，由于起理性、感性、本能主导的占比不同，因而面对孩子的不同表现类型应该针对不同的方式进行引导，才能得到预想的效果，若采用不当的手段可能会适得其反。专家分析数据库可以通过大数据进行专业知识的采集和整理，也可以和教育心理专家平台建立合作，合作专家云平台即建立合作关系的教育心理专家云平台，合作专家云平台可以不限于一家，从合作专家云平台中提取专家数据库其中包括了各种性格类型的划分、划分标准特征、各性格的学生的特征、对应的教育方式辅导内容等；为了确保专家数据库内容的可靠性，对专家数据库进行内容验证，通过大数据获得专业知识数据库形成专业知识验证库，如专业期刊、文献、工具书等，将专业期刊、文献、工具书等得到对于学生性格分类、特征描述的资料数据库即专业知识验证库和专家数据库进行比较分析，验证是否存在错误，针对存在偏差的内容按照专业知识验证库进行校正，将较正后的知识数据库作为专家知识库，将专家数据库通过语义模型进行，分析其中的内容，语义模型为经过训练数据经过训练收敛的神经网络模型，通过对训练数据的深度学习后，能够对输入数据中的语义进行深度分析，得到输入数据的语义分析结果，训练数据为带有标识的信息，标识为该语义分析结果，通过大量数据的学习得到其中信息与语义识别结果之间的运算关系，从而实现对输入信息进行语义深度分析运算后输出对应的语义分析结果的效果，从而提升了数据处理效率，确保结果可靠性。对专家知识库中的内容输入至语义模型中进行分析，输出专家知识库的语义分析结果，按照语义分析结果对专家知识库按照特征参数信息、识别特征信息进行提取，确定特征参数信息与识别特征信息之间的映射关系，其中特征参数信息包括了特征属性(表情、动作)、特征程度、识别性格对应特征、年龄阶段、学习要求等级划分、特征对应的辅导方法特征、辅导手段推荐等，识别特征信息为与特征参数信息对应的识别特征，如眨眼睛，对应的识别特征为眼部上下浮动、频率维持在5秒以上等，即这些参数如何进行提取和确定。利用特征参数信息与识别特征信息之间的映射关系构建起专家分析数据库。针对专家分析数据库中对于识别性格对应特征中需要的特征类别确定需要采集哪些特征，特征分析要求即为在进行性格类型的确定时需要采集用户的哪几方面的特征，而实现对学生的性格特征进行分类。
步骤S300：根据所述特征分析要求对所述学生记录视频集进行任务分配，获得多系统特征任务，所述多系统特征任务包括特征采集信息。
具体而言，按照特征分析要求中内容对学生记录视频集进行各特征分析要求中需要的特征进行采集，由于学生记录视频集为多个监测系统采集到的学生视频记录，由于采集的环境不同会存在特征内容表现不同，存在有些特征要求在特定的环境下没有，因而针对不同的特征要求进行各监测平台的内容匹配，如对于托管机构中可以对还孩子的作息特征、生活习惯等进行采集，也可能一个特征在不同的监测系统中都存在，这样可以将该特征要求分配到多个系统中，按照各系统的特征分配到各自特征的分析内容，针对多系统特征任务对学生记录视频集中按照各系统对应的视频内容进行分析，采用各系统视频进行同步特征提取，实现分布式计算处理，提高运算处理速度，实现快速响应的效果。特征采集信息为具体的采集特征要求，哪些特征需要进行采集，这些采集要求对应呈现的视频图像特征等。
步骤S400：分别基于所述特征采集信息对各云监测系统的学生记录视频进行特征分析，获得学生特征分析集。
步骤S500：根据所述学生特征分析集、所述专家分析数据库进行学生画像，确定学生性格类型。
具体而言，按照特征采集信息中对应给出的特征采集内容同步对各云监测系统进行分布式特征提取分析，得到学生记录视频中该学生的所有特征分析集，利用搜集到的需要进行性格识别的特征要求后，利用学生特征分析集与专家分析数据库中的特征进行比较，将匹配到该学生的特征对应的性格划分类型，从而实现对学生进行性格分类的效果。通过监控视频中学生的日常表情、动作、处事习惯等对学生的性格特征进行画像，利用专家数据库给出对应的类型特征，能够针对学生的性格特点进行对应的教育辅导，从而提升教育辅导可靠性的效果。
步骤S600：根据所述学生性格类型、所述专家分析数据库结合学生信息，获得教育辅导信息。
进一步的，所述根据所述学生性格类型、所述专家分析数据库结合学生信息，获得教育辅导信息，包括：获得所述学生信息，所述学生信息包括学习阶段、学习类型；根据所述学习阶段、所述学习类型通过大数据进行分析，获得学习要求；根据所述学生性格类型、所述专家分析数据库，获得学生性格特征；根据所述学习要求、所述学生性格特征在所述专家分析数据库中进行辅导内容匹配，获得所述教育辅导信息。
具体而言，利用分析得到的学生性格类型与专家分析数据库中进行对应数据的匹配，得到该性格类型对应的学生特征给出的与性格相符的学习辅导建议，为辅导人员如教育培训机构的教育从业人员、家长、老师等给出教育辅导意见，教育辅导信息即为针对当前分析的学生的性格特点给出对应的教育辅导内容，如鼓励式、激将法、施压法等，对于不同的性格学生适应用不同的辅导方式，不能一味的采用相同的方式会严重影响教育效果。除了可以在专家分析数据库中进行数据匹配分析外，还可以利用合作专家平台建立连接，实现实时辅导，可以根据使用环境的要求进行对应的方式。同时在进行教育辅导时还应结合学生信息中学生具体的年龄层、面对的学习要求进行针对性分析，不同的年龄存在不同的教育要求，因而在进行教育辅导中也应该采用阶段等级的手段，如对于小学一二年级的，学习内容简单、压力小，可以主要以缓慢、引导的、幅度小的方式进行辅导，对于中学生学习压力大，则可以采用见效快、幅度略大的方式，对于年龄的接受程度和学习要求相匹配，学习要求即为按照学习阶段、学习类型综合进行处理后确定的等级要求，如学习的文化课对于兴趣课对应的学习要求也不同，结合课程内容和年龄阶段对应的辅导内容匹配，找到合适该学生的教育辅导信息。达到了按照日常的学习生活状态对学生进行性格划分，针对不同的学生性格特征进行个性化教育辅导，能够更加符合学生的学习心理习惯，从而提升教育辅导成果的技术效果。从而解决了现有技术中对于学生教育中缺乏针对性教育辅导意见，存在无法为学生制定可靠有效的辅导方案而影响教育效果的技术问题。
进一步的，所述方法还包括：根据所述学生信息、所述学生性格类型，定制学生问卷信息；基于所述学生问卷信息的答复信息进行问卷答案评估，获得学生补充特征；根据所述学生补充特征与所述学生性格类型进行匹配度分析，获得特征匹配结果；根据所述特征匹配结果、所述学生补充特征、所述学生性格类型进行权重分析，计算获得学生调整性格特征；基于所述学生调整性格特征、所述专家分析数据库，获得教育调整意见。
具体而言，除了通过监测系统的监控视频对学生进行特征画像外，为了更为准确的对学生进行性格划分，本申请在视频特征的分析基础上还加入问卷分析，利用确定的学生性格类型结合学生信息中年龄、学习阶段对应的学习要求等级进行匹配问卷内容的生成，系统中建立了题库，各题具有难度、检测内容的标注，按照学生的学习要求、性格类型从对应的题库中选择匹配难度、检测要求的题，按照一定的数量要求随机提取匹配的题库，生成该学生的问卷信息，发送至用户的登陆终端中，通过用户对问卷信息的作答结果针对该题库的答案进行比对，得到该问卷答复结果对应的学生特征，问卷题为专家进行制定的不同的答案对应不同的性格特征，如同心理测试题类似，能够对学生的心理状态按照问卷的题目进行识别和分析，将问卷得到的学生特征作为学校补充特征，与通过视频分析特征做出的性格类型进行匹配分析，得到问卷和视频分析结果之间的匹配程度，按照匹配结果针对所述学生补充特征、所述学生性格类型进行权重划分，计算最终的学生调整性格特征，按照学生调整性格特征给出对应的教育调整意见，以完善性格划分机制，结合多类型数据，提升学生性格分析的可靠性，以确保教育辅导更为贴合个体要求的技术效果。在进行权重设定时，可以利用CRITIC法、熵权法、标准离差法等权重赋值法进行权重确定，或者按照经验数据结合匹配程度来对学生补充特征、所述学生性格类型进行权重设定。
进一步的，所述方法还包括：根据所述学生信息，获得辅导人员信息；根据所述辅导人员信息，获得辅导人员性格特征；根据所述教育辅导信息、所述辅导人员性格特征，获得教育辅导操作信息。
具体而言，在教育辅导信息主要针对辅导人员在辅导孩子功课和教育陪伴中，因而为了更好的落实教育辅导内容，针对学生辅导人员进行辅导人员的性格特征，结合辅导人员的性格特征进行对应的教育辅导内容的落实确保教育效果，辅导人员信息可以为问卷调整，也可以为视频监测信息，针对辅导人员对应的信息进行特征分析与专家分析数据库中的特征进行比对，确定该辅导人员的性格类型，针对该辅导人员的性格类型与教育辅导信息给出对应的教育辅导操作信息，教育辅导操作信息为针对辅导人员的性格特征与教育辅导信息中的要求进行结合，针对辅导人员的性格特征给出对应的辅导要求和注意点，从而为辅导人员提供有效的教育辅导意见，使得辅导人员了解自身的教育重点，采取对应的辅导方式，以避免辅导人员采用不适合孩子特性的方式而影响辅导效果，不利于孩子的教育成绩。
进一步的，所述根据所述辅导人员信息，获得辅导人员性格特征，包括：获得辅导人员视频信息；对所述辅导人员视频信息进行特征提取，获得辅导人员特征提取结果；根据所述辅导人员特征提取结果、所述专家分析数据库，获得所述辅导人员性格特征。
具体而言，通过视频信息对辅导人员进行性格特征分析时，通过辅导人员提供监测视频信息，对辅导人员视频信息按照特征提取要求进行特征提取，得到辅导人员特征提取结果，辅导人员特征提取结果包括了辅导人员的举止特征、表情特征、语言特征、语调特征，能够了解辅导人员的情绪波动特征，利用辅导人员特征对辅导人员进行画像、分类，与专家分析数据库中的性格划分特征进行比对，确定辅导人员的性格属性和类型，从而确定该辅导人员性格特征。辅导人员性格特征可以按照学生进行性格划分的同原理进行划分，按照性格划分的要求针对辅导人员视频信息进行对应的特征提取，对于未提取到的特征可以按照预设值进行处理，或者通过问卷形式进行补充，根据划分确定的性格类型得到该辅导人员的性格特征。
进一步的，所述方法还包括：获得辅导人员实时信息；基于所述辅导人员性格特征、所述辅导人员特征提取结果对所述辅导人员实时信息进行特征监测，获得辅导人员监测特征；根据所述教育辅导操作信息确定辅导人员特征要求；判断所述辅导人员监测特征是否满足所述辅导人员特征要求；当不满足时，发送第一提醒信息。
具体而言，在辅导人员执行教育辅导信息的过程中可以通过打开同步教育辅导系统，通过智能终端的摄像头对辅导过程中辅导人员进行实时画面的采集，辅导人员实时信息为在执行教育辅导信息中的视频采集内容，基于辅导人员性格特征得到的辅导人员的情绪表现特征、确定的辅导人员性格特征对实时采集的辅导人员实时信息进行监测，辅导人员监测特征为按照辅导人员实时信息针对辅导人员的性格特征进行监测到的特征表现，将辅导人员监测特征与教育辅导操作信息中的辅导人员特征要求进行比较，若发现辅导人员当前的监测特征与辅导人员特征要求中的特征发生冲突，则向辅导人员发送实时提醒信息，第一提醒信息为当发现辅导人员监测特征不符合辅导人员特征要求时向辅导人员实时发送的提醒信息，其中包括辅导人员特征识别结果和辅导意见，为辅导人员提供实时的教育辅导意见，避免辅导人员出现不符合该学生辅导要求的教育辅导行为和方式，影响辅导人员与学生的状态，而影响到教育效果。进一步解决了现有技术中对于学生教育中缺乏针对性教育辅导意见，存在无法为学生制定可靠有效的辅导方案而影响教育效果的技术问题。
进一步的，所述根据所述学生特征分析集、所述专家分析数据库进行学生画像之前，所述方法还包括：根据所述多个云监测系统，确定监测环境；基于所述监测环境，获得环境对学生的影响性；根据所述环境对学生的影响性确定云监测系统的影响占比；根据所述影响占比对所述学生特征分析集进行特征占比分析，将特征占比与所述学生特征分析集进行关联。
具体而言，在利用学校特征分析集对学生进行画像时，还可以考虑云监测系统的监测环境，针对不同的监护环境下针对不同的性格进行分析，监测环境不同会对学生的状态产生一定影响，应考虑到环境对学生表现特征的影响，但同时应该考虑到不同环境下对学生产生的影响，针对同一个特征对不同环境下的影响性，来确定该环境对特征的影响程度，选择该特征的监测要求，如有的特征需要在孩子放松的状态下进行采集，则按照监测环境来确定对该特征的影响程度，对于环境紧张的情况下该监测视频对应的该特征的占比小于在轻松环境下的监测记录信息中的特征分析结果的占比，利用不同特征在监测环境下的影响占比进行运算，影响占比的确定同样可以利用权重计算方法进行运算，如CRITIC法、熵权法等，结合特征与环境的采集要求对各监测环境的占比进行分析和赋值，确定的占比值与该学生特征分析集中对应的分类结果进行关联，学生特征分析集中会包括多个特征对应值，按照各自关联标识的占比值进行综合运算，得到对应特征值，对用户进行画像，针对不同的分析要求可以选择不同的特征值和对应的占比，如针对某一环境下进行该学生的特征分析时，可以利用该监测环境下的原始特征值进行特征分析，若需要进行综合分析时则考虑利用各自的占比进行综合特征运算，以符合不同的监测分析要求，实现对学生不同环境下的教育辅导。
综上，本申请至少具有以下技术效果：
1.通过大数据获得学生记录视频集，根据特征采集信息对学生记录视频进行特征分析，获得学生特征分析集；根据所述学生特征分析集、所述专家分析数据库进行学生画像，确定学生性格类型；根据所述学生性格类型、所述专家分析数据库结合学生信息，获得教育辅导信息。达到了按照日常的学习生活状态对学生进行性格划分，针对不同的学生性格特征进行个性化教育辅导，能够更加符合学生的学习心理习惯，从而提升教育辅导成果的技术效果。
2.通过根据特征分析要求对学生记录视频集进行任务分配，获得多系统特征任务，所述多系统特征任务包括特征采集信息；分别基于所述特征采集信息对各云监测系统的学生记录视频进行特征分析，获得学生特征分析集。达到了利用分布式计算分配方式对学生记录视频集进行特征同步提取，提高了运算处理速度和系统响应速度的技术效果。
3.通过根据所述学生信息，获得辅导人员信息；根据所述辅导人员信息，获得辅导人员性格特征；根据所述教育辅导信息、所述辅导人员性格特征，获得教育辅导操作信息。达到了针对辅导人员的性格特征给出对应的辅导要求和注意点，从而为辅导人员提供有效的教育辅导意见，使得辅导人员了解自身的教育重点，采取对应的辅导方式，以避免辅导人员采用不适合孩子特性的方式而影响辅导效果，不利于孩子的教育成绩的技术效果。
4.通过基于所述辅导人员性格特征、所述辅导人员特征提取结果对所述辅导人员实时信息进行特征监测，获得辅导人员监测特征；根据所述教育辅导操作信息确定辅导人员特征要求；判断所述辅导人员监测特征是否满足所述辅导人员特征要求；当不满足时，发送第一提醒信息。达到了为辅导人员提供实时的教育辅导意见，避免辅导人员出现不符合该学生辅导要求的教育辅导行为和方式，影响辅导人员与学生的状态，而影响到教育效果。
5.通过基于所述监测环境，获得环境对学生的影响性；根据所述环境对学生的影响性确定云监测系统的影响占比；根据所述影响占比对所述学生特征分析集进行特征占比分析，将特征占比与所述学生特征分析集进行关联。达到了针对不同的分析要求可以选择不同的特征值和对应的占比，以符合不同的监测分析要求，实现对学生不同环境下的教育辅导的技术效果。
实施例二
基于与前述实施例中一种基于大数据的教育辅导方法，同样发明构思，本发明还提供了一种基于大数据的教育辅导系统，请参阅附图2，所述系统包括：
第一获得单元11，所述第一获得单元11用于通过大数据获得学生记录视频集，所述学生记录视频集对应多个云监测系统；
第一执行单元12，所述第一执行单元12用于构建专家分析数据库，并基于所述专家分析数据库，获得特征分析要求；
第二获得单元13，所述第二获得单元13用于根据所述特征分析要求对所述学生记录视频集进行任务分配，获得多系统特征任务，所述多系统特征任务包括特征采集信息；
第三获得单元14，所述第三获得单元14用于分别基于所述特征采集信息对各云监测系统的学生记录视频进行特征分析，获得学生特征分析集；
第一确定单元15，所述第一确定单元15用于根据所述学生特征分析集、所述专家分析数据库进行学生画像，确定学生性格类型；
第四获得单元16，所述第四获得单元16用于根据所述学生性格类型、所述专家分析数据库结合学生信息，获得教育辅导信息。
进一步的，所述系统还包括：
第五获得单元，所述第五获得单元用于获得合作专家云平台；
第六获得单元，所述第六获得单元用于基于所述合作专家云平台，获得专家数据库；
第二确定单元，所述第二确定单元用于通过大数据获得专业知识验证库，根据所述专业知识验证库对所述专家数据库进行校正，确定专家知识库；
第三确定单元，所述第三确定单元用于对所述专家知识库进行语义分析，确定特征参数信息、识别特征信息；
第一构建单元，所述第一构建单元用于基于所述特征参数信息、识别特征信息对所述专家知识库进行特征映射，构建所述专家分析数据库。
进一步的，所述系统还包括：
第七获得单元，所述第七获得单元用于获得所述学生信息，所述学生信息包括学习阶段、学习类型；
第八获得单元，所述第八获得单元用于根据所述学习阶段、所述学习类型通过大数据进行分析，获得学习要求；
第九获得单元，所述第九获得单元用于根据所述学生性格类型、所述专家分析数据库，获得学生性格特征；
第十获得单元，所述第十获得单元用于根据所述学习要求、所述学生性格特征在所述专家分析数据库中进行辅导内容匹配，获得所述教育辅导信息。
进一步的，所述系统还包括：
第二执行单元，所述第二执行单元用于根据所述学生信息、所述学生性格类型，定制学生问卷信息；
第十一获得单元，所述第十一获得单元用于基于所述学生问卷信息的答复信息进行问卷答案评估，获得学生补充特征；
第十二获得单元，所述第十二获得单元用于根据所述学生补充特征与所述学生性格类型进行匹配度分析，获得特征匹配结果；
第十三获得单元，所述第十三获得单元用于根据所述特征匹配结果、所述学生补充特征、所述学生性格类型进行权重分析，计算获得学生调整性格特征；
第十四获得单元，所述第十四获得单元用于基于所述学生调整性格特征、所述专家分析数据库，获得教育调整意见。
进一步的，所述系统还包括：
第十五获得单元，所述第十五获得单元用于根据所述学生信息，获得辅导人员信息；
第十六获得单元，所述第十六获得单元用于根据所述辅导人员信息，获得辅导人员性格特征；
第十七获得单元，所述第十七获得单元用于根据所述教育辅导信息、所述辅导人员性格特征，获得教育辅导操作信息。
进一步的，所述系统还包括：
第十八获得单元，所述第十八获得单元用于获得辅导人员视频信息；
第十九获得单元，所述第十九获得单元用于对所述辅导人员视频信息进行特征提取，获得辅导人员特征提取结果；
第二十获得单元，所述第二十获得单元用于根据所述辅导人员特征提取结果、所述专家分析数据库，获得所述辅导人员性格特征。
进一步的，所述系统还包括：
第二十一获得单元，所述第二十一获得单元用于获得辅导人员实时信息；
第二十二获得单元，所述第二十二获得单元用于基于所述辅导人员性格特征、所述辅导人员特征提取结果对所述辅导人员实时信息进行特征监测，获得辅导人员监测特征；
第四确定单元，所述第四确定单元用于根据所述教育辅导操作信息确定辅导人员特征要求；
第一判断单元，所述第一判断单元用于判断所述辅导人员监测特征是否满足所述辅导人员特征要求；
第一发送单元，所述第一发送单元用于当不满足时，发送第一提醒信息。
进一步的，所述系统还包括：
第五确定单元，所述第五确定单元用于根据所述多个云监测系统，确定监测环境；
第二十获得单元，所述第二十获得单元用于基于所述监测环境，获得环境对学生的影响性；
第六确定单元，所述第六确定单元用于根据所述环境对学生的影响性确定云监测系统的影响占比；
第三执行单元，所述第三执行单元用于根据所述影响占比对所述学生特征分析集进行特征占比分析，将特征占比与所述学生特征分析集进行关联。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是预期他实施例的不同之处，前述图1实施例一中的一种基于大数据的教育辅导方法和具体实例同样适用于本实施例的一种基于大数据的教育辅导系统，通过前述对一种基于大数据的教育辅导方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于大数据的教育辅导系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种基于大数据的教育辅导方法的发明构思，本发明还提供一种基于大数据的教育辅导系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种基于大数据的教育辅导方法的任一方法的步骤。
其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。
处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本领域内的技术人员应明白，本申请的实施例可提供为方法、装置、或计算机程序产品。因此，本申请可采用完全软件实施例、完全硬件实施例、或结合软件和硬件方面实施例的形式。此外，本申请为可以在一个或多个包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。而所述的计算机可用存储介质包括但不限于：U盘、移动硬盘、只读存储器(Read-0nly Memory，简称ROM)、随机存取存储器(Random AccessMemory，简称RAM)、磁盘存储器、只读光盘(Compact Disc Read-Only Memory，简称CD-ROM)、光学存储器等各种可以存储程序代码的介质。
本发明是参照本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例进行另外的变更和修改。
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。
