买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉四川储仁教育科技有限公司申请的专利一种用于智慧数字化校园的综合管理系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119228094B 。

龙图腾网通过国家知识产权局官网在2025-09-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411759725.9，技术领域涉及：G06Q10/0631；该发明授权一种用于智慧数字化校园的综合管理系统是由王鹏设计研发完成，并于2024-12-03向国家知识产权局提交的专利申请。

本一种用于智慧数字化校园的综合管理系统在说明书摘要公布了：本发明公开了一种用于智慧数字化校园的综合管理系统，涉及数字化技术领域，包括，实时采集学生的学习行为数据，形成学生的初步数据集；对初步数据集中学生的学习行为进行分析，生成每个学生的个性化学习画像；基于个性化学习画像，确定学生的学习需求和资源需求特征；根据学生的学习需求特征和资源需求特征，推送个性化学习路径并动态调整教学资源分配方案；采集各区域的能耗数据，结合资源分配结果和各区域的能耗数据，自动优化能耗使用策略，得到优化后的学习环境。本发明基于个性化需求的资源调度策略，不仅能够提高学生的学习效率，还能确保资源的充分利用。

本发明授权一种用于智慧数字化校园的综合管理系统在权利要求书中公布了：1.一种用于智慧数字化校园的综合管理系统，其特征在于，包括数据采集模块、行为分析模块、需求确认模块、资源推送模块、优化模块和调整模块； 所述数据采集模块用于实时采集学生的学习行为数据，形成学生的初步数据集； 所述学习行为数据包括学生课堂表现数据、在线学习数据、成绩数据和互动数据；将采集的学生行为数据进行数据清洗和数据格式化处理；对处理后的学生行为数据进行多维度划分，并按照学生ID、课程ID和时间戳进行索引，形成学生的初步数据集； 所述课堂表现数据包括学生在课堂中的注意力专注度、参与度，通过摄像头采集的面部表情、视线跟踪、身体姿态数据，结合图像识别算法进行分析，判断学生的专注度和参与情况；所述在线学习数据包括学生登录学习管理系统后的学习时长、学习频率、课程选择，系统记录学生每次登录的时间戳、浏览的学习资源、完成的任务；所述成绩数据包括学生的考试结果、作业提交情况，对于主观题，系统采用自动评分算法，结合教师的反馈，生成最终成绩；所述互动数据指的是通过麦克风采集学生的发言频率和内容，结合自然语言处理NLP算法，分析学生的语言互动质量； 所述行为分析模块用于对初步数据集中学生的学习行为进行分析，生成每个学生的个性化学习画像； 对初步数据集中学生的学习行为进行分析，形成学生行为特征向量包括以下步骤，从学生课堂表现数据中的面部表情和肢体姿态数据中提取专注度，作为学生课堂表现的主要特征；将在线学习数据中的学生的在线学习时长和频率转换为连续变量，得到学习时长和频率特征；将成绩数据中的考试成绩和作业完成率转化为标准分数，形成成绩特征；通过互动数据中的学生参与课堂的次数和互动质量，生成定量特征；将提取的所有特征进行整合，形成学生行为特征向量； 基于学生行为特征向量，生成每个学生的个性化学习画像包括以下步骤，通过无监督的K‑means聚类算法，根据学生的学习行为特征向量将学生划分为不同的学习类型群体；采用随机森林分类器的监督学习，结合学生的考试成绩和学习频率标签，预测每个学生的学习能力和学习习惯； 通过K‑means聚类和随机森林分类结果，为每个学生生成个性化学习画像； 具体地，K‑means聚类算法的具体操作为：将学生分为k类，每一类代表具有相似学习行为和习惯的学生群体，把个学生的特征向量作为初始聚类中心，即质心，这些质心代表每个聚类的中心点，通过最小化每个学生到其聚类中心的距离平方和，将学生分成多个不同的群体，形成每个学生的学习画像，表达式为： 其中，J表示所有学生到其聚类中心的距离平方和，i表示聚类索引，k表示聚类的数量，xj表示第j个数据点的学习行为特征向量，j表示数据点索引，Ci表示第i个聚类中所有数据点的集合，包含了属于该聚类的所有数据点，即学生行为特征向量，μi表示第i个聚类的中心点； 聚类1，学习进步型：该群体的学生具有较高的学习时长和频率，考试成绩逐步提高，课堂表现积极； 聚类2，学习滞后型：该群体的学生学习时长较少，考试成绩偏低，课堂参与度较低； 聚类3，自驱学习型：该群体的学生学习时长一般，但学习频率高，参与度较高，成绩较好； 聚类4，被动学习型：该群体的学生学习时长较长，但学习效果不佳，课堂参与度低； 具体地，随机森林分类的操作如下：通过随机抽样与特征选择，构建多棵决策树，每一棵树都是根据不同的特征子集和数据子集生成的；将学生的行为特征向量和聚类结果作为训练数据；对训练数据采用有放回采样，即Bootstrap抽样，生成多个数据集；每棵树在分裂时，会从特征的多个数据集的随机子集中选择最优特征；对于每棵决策树，利用训练数据生成一个分类模型，每棵树学习通过训练数据中的特征进行学习能力或学习习惯的分类；随机森林将多棵决策树的结果进行集成，最终通过投票机制来得出预测结果，表达式为： HX＝mode[h1X,h2X,...,hmX]； 其中，HX表示最终分类结果，即随机森林模型对输入特征向量X学生的学习行为特征生成的预测结果，mode表示多数投票机制，选择所有树的预测结果中出现次数最多的类别作为最终的分类结果，h1X表示第一棵决策树对输入X的分类结果，h2X表示第二棵决策树对输入X的分类结果，hmX表示第m棵决策树对输入X的分类结果，m表示决策树的数量； 所述需求确认模块，基于个性化学习画像，确定学生的学习需求和资源需求特征； 基于个性化学习画像，确定学生的学习需求包括以下步骤，从每个学生的个性化画像中提取学生的学习习惯和学习能力；基于学生的学习习惯和学习能力，判断学生在当前阶段的学习需求强度；依据学生的学习需求强度，评估学生学习的紧迫性和资源需求，得到学生的学习需求特征； 基于个性化学习画像，确定学生的学习资源需求特征包括以下步骤，从每个学生的个性化画像中提取学习偏好；根据学生的学习偏好，为学生推荐学习资源类型；通过学生对不同资源类型的偏好，结合当前资源库的可用性，推荐最优的资源类型；基于学生需求特征，确定学生所需的资源数量；将最优资源类型与所需资源数量进行整合，得到资源需求特征； 所述资源推送模块用于根据学生的学习需求特征和资源需求特征，推送个性化学习路径并动态调整教学资源分配方案包括以下步骤，基于学生的学习需求强度，确定需要优先匹配的学科领域；根据学生的资源类型需求，在确定的优先学科领域内筛选出符合该类型需求的资源；通过计算学生需求与筛选出的资源需求特征之间的相似度，判断学生需求与筛选出的资源需求特征之间的匹配程度；从匹配结果中检查每个资源的实时可用性，并排除当前不可用的资源，得到最终可用资源；基于最终可用资源，结合学生的学习需求强度和资源需求特征，生成个性化学习路径； 实时检测资源的可用状态，对最终可用资源进行重新调度，并调整个性化学习路径，得到动态调整后的教学资源调度分配方案； 具体地，相似度的表达式为： 其中，Sn表示第n个资源与学生需求的相似度，相似度的值越大，表示该资源与学生需求的匹配程度越高，dxstu，xres表示学生需求特征与资源需求特征之间的距离，xstu表示学生需求特征，xres表示资源需求特征； 学生需求特征与资源需求特征之间的距离的表达式为： 其中，xb表示学生需求特征在第b个维度的值，yb表示资源需求特征在第b个维度的值，B表示特征向量的维度，b表示特征向量的维度索引； 个性化学习路径生成的表达式为： 其中，Plpath表示个性化学习路径，Nste表示学习路径中包含的学习步骤的数量，即资源的数量，a表示学习路径中的步骤索引，Ra表示第a个学习步骤中的资源，Ra表示第a个资源的学习时长或任务时间； 优化模块用于采集各区域的能耗数据，结合资源分配结果和各区域的能耗数据，自动优化能耗使用策略，得到优化后的学习环境； 能耗数据包括电力消耗、设备状态和环境参数； 电力消耗指的是教室和实验室的实时电力消耗；设备状态指的是照明系统、空调和实验设备是否处于开启状态；环境参数指的是影响学生学习舒适度的温度、湿度和光照强度数据； 结合资源分配结果和各区域的能耗数据，自动优化能耗使用策略，得到优化后的学习环境包括以下步骤，根据能耗数据，检测教室和实验室区域的环境状态和设备的使用情况； 根据教学资源调度分配结果，判断当前区域是否需要维持现有的能耗状态；基于检测和判断结果，自动生成能耗优化使用策略；实时检测各区域的能耗变化，基于生成的能耗优化使用策略，动态调整物理设备的功率和开关状态，得到优化后的学习环境； 调整模块，通过优化后的学习环境，实时跟踪学生的学习进度和学习效率，并结合学生的个性化学习画像及当前学习环境，动态调整学习路径包括以下步骤，根据每个学生的学习路径对学生的学习进展进行实时跟踪，获取学生在每个学习步骤中的进展情况；通过学生在每个学习步骤中的进展情况，评估学生的学习效率；根据学生在学习路径中的表现数据，评估学生的学习效果；根据学生的学习表现和学习效率，动态调整个性化学习路径； 具体地，学生在每个学习步骤中的进展情况包括以下数据：学生是否按时完成当前学习步骤；学生在当前学习步骤中表现的优异程度；学生在学习过程中花费的时间； 学习效率评估指的是学生在规定时间内完成了规定道数学题且正确率高，则判定其学习效率较高； 学习效果评估指的是根据学生在测验中的得分、作业的正确率数据，判定学生是否在某一课程中表现良好或遇到困难； 动态调整个性化路径指的是如果某学生在数学基础课程中表现优异，即得分持续高于90％，则推荐其学习更高难度的进阶数学课程；如果学生在某一课程中进展缓慢，即测验得分较低、作业错误率较高，则为其推荐额外的学习资源或辅导课程； 上述系统通过实时采集学生的学习行为数据，生成个性化学习画像，并结合当前学习环境，动态调整学生的学习路径和教学资源分配方案；基于个性化需求的资源调度策略，不仅能够提高学生的学习效率，还能确保资源的充分利用；将能耗管理与资源调度相结合，利用各区域的能耗数据，自动优化能耗使用策略，动态调整物理设备的功率和开关状态，从而在保证学习环境舒适度的前提下，最大限度地减少能耗浪费。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人四川储仁教育科技有限公司，其通讯地址为：641300 四川省资阳市雁江区外环路西三段222号3栋1单元1-3楼220；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。