本发明涉及教育领域，具体涉及一种在线学习课程证书认定的方法和装置。
背景技术：
1、在线学习课程证书认定作为教育领域的重要一环，是评价学习者所获得的知识、技能和能力的一种机制。在传统的学历教育中，学习成果认定通常是通过学位和证书的颁发来实现。然而，在不断变革和创新的教育环境下，越来越多的人选择参与终身学习，如职业技能培训、在线课程、实践项目等。这些在线学习课程证书作为学习成果同样具有重要的价值，但其认定过程相对较为复杂和分散。
2、在实践中，在线学习课程证书的认定存在着一些问题。首先，认定的流程通常由学习者自己或相关机构主动发起，导致流程不够标准化和系统化。其次，缺乏一套统一的综合评价指标体系，难以客观、公正地评价学习者的实际能力水平。此外，认定过程中的数据收集、验证和整合也存在一定的难题，需要耗费大量人力和时间。
3、因此，有必要提出一种新的在线学习课程证书认定方法和装置，以解决上述问题。
技术实现思路
1、为解决上述技术问题，本发明的目的在于提出一种在线学习课程证书认定的方法和装置，旨在为在线学习课程证书认定提供一种全面的、标准化的方法和装置，从而更好地促进学习者的个人发展和社会价值。
2、基于上述目的，第一方面，本发明提供了一种在线学习课程证书认定的方法，包括以下步骤：
3、开始获取上传的课程证书数据以及课程证书认定请求；
4、根据所述课程证书认定请求，解析所述课程证书数据并进行格式转换，建立以学习成果为基础的数据集；
5、根据构建的评价维度和评价指标将所述数据集划分为若干个指标项，并对每项指标分配权重；
6、根据每项指标的分配权重查询学分认定规则，得到每项指标的学分值；
7、按照学分值且结合使用认定模型对在线学习课程证书进行认定，将认定结果存储于区块链中。
8、作为本发明的进一步方案，解析所述课程证书数据并进行格式转换，建立以学习成果为基础的数据集，包括以下步骤：
9、数据解析转换：根据所述课程证书认定请求，对不同多数据源和格式的课程证书数据进行解析，识别课程证书数据的数据字段，并提取和分离各个数据字段的内容，并将不同数据类型的数据转换为统一的格式；
10、建立数据集：根据课程证书数据的解析和格式转换，建立一个以学习成果为基础的数据集。
11、作为本发明的进一步方案，所述课程证书数据包括学习成绩、培训记录以及项目成果。
12、作为本发明的进一步方案，识别课程证书数据的数据字段包括姓名、学号、学习机构以及成绩，将不同数据类型的数据转换为统一的格式时，按照文本、数字和日期进行数据类型划分，并将日期格式标准化为统一的日期格式，将分数或等级转换为数字格式，将课程证书数据中的单位进行标准化，将数据转换为计算机可读的结构。
13、作为本发明的进一步方案，构建评价维度和评价指标的步骤包括：
14、根据所述课程证书数据的学习成绩、培训记录以及项目成果分别对应的具体考核内容，从内容数据库中获取每种认定类型的允许修正信息；
15、获取每种认定类型下的实际认定过程并对涉及到的认定项进行拆解，获取得到每个认定项的认定系数；
16、结合同个实际认定过程中每个认定项与其余认定项之间的认定关系，构建基于对应认定项的关联圈；
17、根据每个认定项的关联圈、项类型以及认定系数，确定对应认定项的重新评判值；
18、统计同个认定类型下重新评判值小于预设值的认定项的第一数量；
19、同时，从同个认定类型下的允许修正信息中提取与对应认定类型下重新评判值不小于预设值的认定项匹配的第一信息；
20、根据同个认定类型下涉及到针对认定项的第一数量、针对重新评判的认定项的修正数量、提取的第一信息以及涉及到的所有关联圈的内部关联紧密度，确定对应认定类型的数据可信程度；
21、
22、其中，为对应认定类型的数据可信程度；n1为对应的第一数量；n2为对应的重新评判的认定项的修正数量；为对应认定类型下针对第j1个重新评判的认定项的修正系数；为向上取整符号；e表示常数，取值为2.7；为对应的预设值；为对应认定类型的设定权重；表示对应认定类型下针对第j1个重新评判的认定项的关联圈的紧密度；表示对应认定类型下涉及到的所有关联圈的内部关联的紧密度；为对应认定类型下所有的方差；为对应认定类型下针对第j1个重新评判的认定项的关联圈涉及到的项个数；为对应认定类型下的重新评判值；
23、若所述数据可信程度大于预设程度，则保留对应认定类型下的原始结果；
24、否则，将对应认定类型下所提取的第一信息进行信息聚类得到若干聚类簇，并依据最小距离原则锁定簇中心；
25、依据所述簇中心以及数据可信程度不大于预设程度的认定类型，从数据清洗数据库中匹配数据清洗方式对基于相应的具体考核内容的实际输入信息进行清洗，并得到新的结果；
26、将对应认定类型下的原始结果以及新的结果进行融合并保留；
27、获取基于所有认定类型下的保留结果的性质和特点；
28、根据所述性质和特点，从评价数据库中选择匹配的评价维度和评价指标。
29、作为本发明的进一步方案，根据构建的评价维度和评价指标将所述数据集划分为若干个指标项，并每项指标分配权重，包括以下步骤：
30、确定指标项：基于构建的评价维度和评价指标，将数据集划分为不同的指标项，其中，每个指标项对应一个评价维度和至少一个评价指标；
31、确定指标分数：根据评价指标和课程证书数据，计算每项指标的得分；
32、权重分配：根据每项指标的得分对课程证书数据中的每项指标分配权重；
33、计算综合得分：对每个指标项的得分按照分配权重进行加权求和，计算课程证书数据的综合得分作为最终认定结果。
34、作为本发明的进一步方案，计算综合得分作为最终认定结果时，若指标项对应一个评价指标为 i，对应于一个课程证书数据的属性为x_i，则该课程证书数据的属性量化为一个分数s_i，分数越高，表示成果越好，则计算每项指标的得分s_i时，
35、对于连续型评价指标：
36、若评价指标 i 是连续型的，则对评价指标 i对应的课程证书数据的属性x_i进行标准化处理后归一化到0到1的范围内，然后乘以一个分配权重 w_i；
37、s_i = x_i_normalized w_i
38、其中，x_i_normalized 表示对评价指标 i 对应的课程证书数据属性 x_i 进行归一化处理后的值；
39、对于离散型评价指标：
40、若评价指标 i 是离散型的，为不同的离散取值定义不同的分配权重或分数；则根据课程证书数据的属性值 x_i，选择相应的分配权重或分数；
41、 s_i = w_i；
42、计算学习成果的综合得分时，计算综合得分s为所有指标得分的加权和，计算公式如下：
43、 s = σ(s_i) ，其中，σ为累加和符号。
44、作为本发明的进一步方案，x_i_normalized的计算步骤为：
45、找到属性x_i的最小值min_x_i和最大值max_x_i；
46、对属性x_i中的每个数据点x_i_value，应用以下归一化公式，x_i_normalized=(x_i_value-min_x_i)/(max_x_i-min_x_i)。
47、作为本发明的进一步方案，根据每项指标的分配权重查询学分认定规则，得到每项指标的学分值，包括：
48、权重匹配：对接收到的课程证书数据中每项指标确定分配权重，并根据指标的分配权重匹配相应的学分认定规则；
49、获取学分值：基于匹配的学分认定规则中的规则条目，从学分认定规则中获取对应的学分值，其中，所述学分认定规则中存储有各项指标的权重和对应的学分值；
50、指标量化：将获取的学分值导入到对应的指标项上，为每个指标项进行量化评价，以获得最终的评价结果。
51、第二方面，本发明还提供了一种用于在线学习课程证书认定的装置，包括：
52、数据获取模块：用于获取上传的课程证书数据以及课程证书认定请求；
53、数据处理模块：用于根据所述课程证书认定请求，解析所述课程证书数据并进行格式转换，建立以学习成果为基础的数据集；
54、评价构建模块：用于根据构建的评价维度和评价指标将所述数据集划分为若干个指标项，并对每项指标分配权重；
55、规则查询模块：用于根据每项指标的分配权重查询学分认定规则，得到每项指标的学分值；
56、认定模块：用于按照学分值且结合使用认定模型对在线学习课程证书进行认定，将认定结果存储于区块链中。
57、作为本发明的进一步方案，所述在线学习课程证书认定装置还包括：
58、数据库，用于存储学分认定规则；
59、权重确定模块，用于确定每项指标的分配权重；
60、匹配模块，用于匹配分配权重和学分认定规则，并根据所述分配权重与所述学分认定规则中的分配权重进行比较，以确定匹配的规则；
61、学分获取模块，用于从匹配的规则中获取学分值，并将获取的学分值应用于相应的指标项，以进行量化评价。
62、作为本发明的进一步方案，所述在线学习课程证书认定装置还包括：
63、认定模型，用于接收在线学习课程证书数据并对所述数据进行认定；
64、区块链存储模块，用于将认定结果安全地存储于区块链中。
65、本发明的又一方面，还提供了一种计算机设备，包括存储器和处理器，该存储器中存储有计算机程序，该计算机程序被处理器执行时执行上述任一项根据本发明的在线学习课程证书认定的方法。
66、本发明的再一方面，还提供了一种计算机可读存储介质，存储有计算机程序指令，该计算机程序指令被执行时实现上述任一项根据本发明的在线学习课程证书认定的方法。
67、与现有技术相比较而言，本发明提出的一种在线学习课程证书认定的方法和装置，具有以下有益效果：
68、1.自动化认定流程：本发明的在线学习课程证书认定的方法和装置允许此类型学习成果的自动认定，无需手动干预。这减少了认定过程中的人为错误，并提高了效率，特别是当处理大量在线学习课程证书数据时。
69、2.客观性和一致性：通过使用认定模型，本发明的在线学习课程证书认定的方法和装置提供了客观的在线学习课程证书认定，不受主观因素的影响。这确保了认定结果的一致性，不受不同认定人员的主观看法干扰。
70、3.可追溯性和不可篡改性：认定结果存储在区块链上，提供了高度的可追溯性和不可篡改性。这意味着认定结果可以轻松地被验证，同时保护了认定数据的安全性。
71、4.快速反馈和学分转换：学习者可以快速获得他们的学分认定结果，而不必等待繁琐的手动认定过程。这鼓励了学习者的积极学习和成果展示。
72、5.多维度评价：通过构建多个评价维度和指标，本发明的在线学习课程证书认定的方法和装置能够更全面地评估学习成果。这有助于提供更准确的认定，反映学习者在不同方面的能力和知识水平。
73、6.减少人力成本：自动认定过程减少了机构和组织在在线学习课程证书认定方面的人力成本。这有助于提高效率，并将人力资源用于更有价值的任务。
74、7.支持不同类型的学习成果：本发明的在线学习课程证书认定的方法和装置可以推广认定多种类型的学习成果，包括技能证书、培训成绩和项目实践。这增加了其适用性和灵活性。
75、8.促进教育和职业发展：在线学习课程证书认定结果可以用于终身教育和职业发展，帮助学习者获得更多机会，提高职业竞争力。
76、综上所述，本发明的在线学习课程证书认定方法和装置通过自动化、客观化、安全化认定过程，以及多维度评价，为学习者和认定机构提供了一种高效、可信的认定方式，推动了终身教育和职业发展的进步。
77、本技术的这些方面或其他方面在以下实施例的描述中会更加简明易懂。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
1.一种在线学习课程证书认定的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的在线学习课程证书认定的方法，其特征在于，解析所述课程证书数据并进行格式转换，建立以学习成果为基础的数据集，包括以下步骤：
3.根据权利要求2所述的在线学习课程证书认定的方法，其特征在于，所述课程证书数据包括学习成绩、培训记录以及项目成果。
4.根据权利要求3所述的在线学习课程证书认定的方法，其特征在于，识别课程证书数据的数据字段包括姓名、学号、学习机构以及成绩，将不同数据类型的数据转换为统一的格式时，按照文本、数字和日期进行数据类型划分，并将日期格式标准化为统一的日期格式，将分数或等级转换为数字格式，将课程证书数据中的单位进行标准化，将数据转换为计算机可读的结构。
5.根据权利要求2所述的在线学习课程证书认定的方法，其特征在于，构建评价维度和评价指标的步骤包括：
6.根据权利要求5所述的在线学习课程证书认定的方法，其特征在于，根据构建的评价维度和评价指标将所述数据集划分为若干个指标项，并每项指标分配权重，包括以下步骤：
7.根据权利要求5所述的在线学习课程证书认定的方法，其特征在于，计算综合得分作为最终认定结果时，若指标项对应一个评价指标为 i，对应于一个课程证书数据的属性为x_i，则该课程证书数据的属性量化为一个分数s_i，分数越高，表示成果越好，则计算每项指标的得分s_i时，
8.根据权利要求7所述的在线学习课程证书认定的方法，其特征在于，x_i_normalized的计算步骤为：
9.根据权利要求7所述的在线学习课程证书认定的方法，其特征在于，根据每项指标的分配权重查询学分认定规则，得到每项指标的学分值，包括：
10.一种在线学习课程证书认定的装置，其特征在于，用于执行权利要求1-9任一项所述的在线学习课程证书认定的方法，所述在线学习课程证书认定的装置包括：
