CN104966423A - 一种基于生物反馈的远程学习者分类方法 - Google Patents

Abstract

本发明公开了一种基于生物反馈的远程学习者分类方法，包括：采用色彩、文字、字方位、音乐；根据相关理论制作标准图片，色彩包括：背景色、字体色、边框色；用节奏、响度、音调制作标准背景音乐；对学习者进行多维度的外部刺激，产生多种生物信号；再通过传感器，获取相关的生物信号，用生物信号分析软件进行处理、统计、分析，得到学习者的分类。本发明的方法简单，使用方便，能根据学习者的主观意图制定学习内容，提高了学习效率，有利于提高主观能动性的学习兴趣。

Description

一种基于生物反馈的远程学习者分类方法

技术领域

本发明属于远程教学技术领域，尤其涉及一种基于生物反馈的远程学习者分类方法。

背景技术

现在的远程教学资源大部分是将传统课堂教学的内容，放到网络服务器供学习者学习，没有针对性，学习效率比较低。评价方法采用专家用前评价和学习者用后评价，主观成分为主，不够客观。

现代远程学习是以自我学习为主，不同于传统的班级学习。强调个性化学习，资源要有针对性。要想做到这些，就要对学习者分类。在学习者类型分类的基础上，有目的的开发教学资源。

另一方面对于远程学习者，在进行学习前，也要进行测试，确定学习者的类型，有目的的发送教学资源。

发明内容

本发明实施例的目的在于提供一种基于生物反馈的远程学习者分类方法，旨在解决现在的远程教学资源存在的学习内容没有针对性，学习效率比较低；评价方法以主观成分为主，不够客观的问题。

本发明实施例是这样实现的，一种基于生物反馈的远程学习者分类方法，该基于生物反馈的远程学习者分类方法包括以下步骤：

步骤一，采用色彩、文字、字方位、音乐；根据相关理论制作标准图片，色彩包括：背景色、字体色、边框色；用节奏、响度、音调制作标准背景音乐；

步骤二，对学习者进行多维度的外部刺激，产生多种生物信号；

步骤三，再通过传感器，获取相关的生物信号，用生物信号分析软件进行处理、统计、分析，得到学习者的分类。

进一步，标准图片的制作方法如下：

设定分辨率是600*800，人眼的观看区域50％，分辨率升高或减少，观看区域会在50％小范围波动，用红、绿、蓝和黑、白作为背景和学习内容进行配色，每种配色显示5秒钟；产生兴奋的顺序依次为，白搭配黑，白搭配红，白搭配蓝，白搭配绿，对于色彩敏感型任意选择前三种中的一种；选择性敏感型选择与自己匹配的敏感搭配，如白搭配红，不敏感型只能选择白搭配黑，特殊类型，没有相应的选择。

进一步，标准背景音乐的制作方法如下：

节奏、响度、音调的比例：

节奏：每分钟60节拍，每分钟非60节拍的音乐比例不大于30％；

响度：背景音乐的音量小于60分贝，最小值便是60分贝，比例不大于20％；

音调：有高低音变化。

进一步，生物信号处理流程：用生物信号传感器采集生物信号；BioNeuroInfiniti软件将采集的生物信号进行量化处理；SPSS统计分析软件将导入的数据进行统计分析，得到结果。

本发明提供的基于生物反馈的远程学习者分类方法，采用色彩、文字、音乐、字方位；根据相关理论制作标准图片，色彩包括：背景色、字体色、边框色等。用节奏、响度、音调等制作标准背景音乐，对学习者进行多维度的外部刺激，产生多种生物信号，再通过传感器，获取相关的生物信号，用生物信号分析软件进行处理、统计、分析，得到学习者的分类。本发明的方法简单，使用方便，能根据学习者的主观意图制定学习内容，提高了学习效率，有利于提高主观能动性的学习兴趣。

附图说明

图1是本发明实施例提供的基于生物反馈的远程学习者分类方法流程图；

图2是本发明实施例提供的皮电统计示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面结合附图及具体实施例对本发明的应用原理作进一步描述。

如图1所示，本发明实施例的基于生物反馈的远程学习者分类方法包括以下步骤：

S101：采用色彩、文字、音乐、字方位；根据相关理论制作标准图片，色彩包括：背景色、字体色、边框色；用节奏、响度、音调等制作标准背景音乐；

S102：对学习者进行多维度的外部刺激，产生多种生物信号；

S103：再通过传感器，获取相关的生物信号，用生物信号分析软件进行处理、统计、分析，得到学习者的分类。

在步骤S101中，标准图片的制作方法如下：

如果设定分辨率是600*800，人眼的观看区域如图(50％)，分辨率升高或减少，观看区域会在50％左右小范围波动(根据眼动的阅读轨迹)，用三基色(红、绿、蓝)和纯色(黑、白)作为背景(边框)和学习内容(观看区域)进行配色(5*4＝20种)，每种配色显示5秒钟，如白色为背景，搭配其他四种颜色的学习内容；由实验得出：产生兴奋的顺序依次为，白搭配黑，白搭配红，白搭配蓝，白搭配绿，对于色彩敏感型可以任意选择前三种中的一种；选择性 敏感型可以选择与自己匹配的敏感搭配，如白搭配红等，不敏感型只能选择白搭配黑，特殊类型，没有相应的选择；

具体测试分类过程：

给被测试的学习者带上相应的传感器，调试采集接收系统，使得能正常采集信号；

被测试者处于放松的状态，关闭一切干扰信号(如手机，音响等)；

播放测试图片要求，每个测试图片显示5秒钟，每种类型的过度要有10秒钟的间隔，用于数据的区分。同时被测试者可以闭目休息10秒钟。类型的顺序由简到繁分别为：

视觉刺激：背景单色，背景色+字色，背景色+字色+边框色，背景色+字色+字方位，背景色+字色+边框色+字方位；

听觉刺激：在视觉刺激的基础上，增加背景音乐。背景单色+音乐，背景色+字色+音乐，背景色+字色+边框色+音乐，背景色+字色+字方位+音乐，背景色+字色+边框色+字方位+音乐；

用生物信号传感器采集的生物信号，是一种变化的电压波形信号；用BioNeuroInfiniti软件将波形信号变为具体数据；再把数据导入SPSS统计分析软件，得到学习者的类型。

在步骤S101中，标准背景音乐的制作方法如下：

节奏、响度、音调的比例：

音乐的节奏要求：当人们听到每分钟60节拍的音乐时，身体会趋向于按照这一节奏活动，心脏跳动的次数也会放松到每分钟60次，这个心率是缓冲大脑的理想次数，每分钟非60节拍的音乐一般认为是干扰音乐，比例不能大于30％；

音乐的响度要求：背景音乐的音量必须小于60分贝，即在安静环境中能被人耳听到的纯音的最小值，那个最小值便是60分贝，比例不能大于20％；

音乐的音调要求：只要有一定的高低音变化，不要太平淡就行；

生物信号处理流程：用生物信号传感器采集生物信号；BioNeuroInfiniti软 件将采集的生物信号进行量化(数据化)处理；SPSS统计分析软件将导入的数据进行统计分析，得到结果；

根据学习者兴奋持续的时间；疲劳出现的时间；声音的敏感程度，学习者分为四大类型：(人的学习疲劳出现的平均时间约45分钟)；

1、色彩、声音敏感型：兴奋持续的时间长，疲劳出现的时间晚，可以较长时间连续学习。(60—90分钟)；

2、色彩、声音选择性感型：兴奋持续的时间和疲劳出现的时间是波动的，要以小单元间断学习为主(20—30分钟学习；休息5—10分钟；继续20—30分钟学习)；

3、色彩、声音不敏感型：兴奋持续的时间短，疲劳出现的时间早，要以短时间学习为主，(30—45分钟学习)；

4、特殊类型：注意力不集中，兴奋持续的时间不稳定，疲劳出现的时间不确定，这类学习者没有对应的资源。

本发明的工作原理：

本发明根据资源的组成图文占大部分，它的主要元素：色彩、文字、音乐、字方位；色彩包括：背景色、字体色、边框色等。音乐包括：节奏、响度、音调等。用这些元素根据相关理论制作标准图片和标准背景音乐。再用这些标准图片和标准背景音乐，对学习者进行多维度的外部刺激，产生多种生物信号。再通过传感器，获取相关的生物信号，相关的生物信号包括：脑电、皮温、皮电、肌电、血压等，信号的传输可以通过蓝牙、zigbee、wifi、3G/4G无线网络，具体网络类型可以根据环境和需要选择，首选蓝牙。同时记录对应的标准图片和音乐的类型。用生物信号分析软件进行处理、统计、分析。得到学习者分类。

本发明的具体实施例：

1、分别将皮电、皮温、脑电传感器放置于学习者的测量部位，放置前用75％医用酒精对被试者测量部位进行脱脂。皮电、皮温信号通过腕式蓝牙传输，脑电通过套头式蓝牙传输。

皮电传感器通常放置于测试者左手的食指。

皮温传感器通常放置于测试者左手的小拇指。

脑电传感器放置于测试者头部前额，采用单导联干电极结构，可减少测试

者的不适感。 

调试采集接收系统，使得能正常采集信号。

2、被测试者处于放松的状态，关闭一切干扰信号(如手机，音响等)。

3、播放测试图片要求，每个测试图片显示5秒钟，每种类型的过度要有10秒钟的间隔，用于数据的区分。同时被测试者可以闭目休息10秒钟。类型的顺序由简到繁如下：

背景单色(红、绿、蓝、白、黑)，5种单色随机播放。属于适用性播放。

背景色+字色(字包括：字符、数字、文字等，字的内容随机组合无关联)。搭配组合如下表：

去掉背景色与字色同色搭配5种，有效搭配共20种搭配，20种搭配随机播放。

背景色+字色+边框色

去掉边框色与背景色同色搭配20种，有效搭配共80种，80种搭配随机播 放。

背景色+字色+字方位，增加8个方位变化，共20*8＝160种搭配

背景色+字色+边框色+字方位，增加8个方位变化，共80*8＝640种搭配

背景单色+音乐

背景色+字色+音乐

背景色+字色+边框色+音乐

背景色+字色+字方位+音乐

背景色+字色+边框色+字方位+音乐

音乐的要求 

节奏、响度、音调的比例：

节奏：每分钟60节拍(与人的正常心率接近)，每分钟非60节拍的音乐比例不大于30％；

响度：背景音乐的音量小于60分贝(在安静环境中能被人耳听到的纯音的最小值)，最小值便是60分贝，比例不大于20％；

音调：有高低音变化，要有旋律，可用现有音乐作为背景音乐。例如：肖邦的圆舞曲、莫扎特的变奏曲等。对不满足要求的音乐，可以用音乐编辑软件处理。

所有图片及音乐在测试过程中，由计算机控制播放。

4、采集信号的统计分类

皮电、皮温、脑电：这三个指标与大部分学习者的注意与疲劳的相关性显著。皮电、皮温倾向于注意、兴奋，脑电倾向于疲劳。其它某个指标与个别学习者相关，将其作为辅助指标。

例如：类型二背景色+字色测试图片得到的统计分类

(1)皮电

通过BioNeuroInfiniti软件量化处理的部分皮电数据

通过SPSS统计得到每张图片的皮电值排序。

对被试的每张图片的皮电值由低到高进行排序。

由皮电统计结果可以直观的看出：黑底蓝、蓝底绿、白底黑、红底绿、绿底红这五张图片效果最好；绿底白、黑底红、蓝底黑、白底红这四张图片效果中等；黑底白、白底绿、……白底蓝这八张图片效果较差；绿底蓝、蓝底红、红底黑这三张图片无效。

(2)皮温

通过BioNeuroInfiniti软件量化处理的部分皮温数据

皮温统计结果图与皮电类似

皮温统计结果是：绿底红、蓝底绿、黑底蓝、红底绿、白底黑这五张图片效果最好。……

(3)脑电波

脑电波的分析比较复杂，但它与眼眨动之间有关联性，将其转换成眼眨动次数的分析更简单方便。用脑电波提取眼眨动的方法已同时申请发明(20141016715.6)和实用(201420204450.8已授权)新型专利。用该方法得到的被试眨眼次数分布结果；

再把皮电、皮温、脑电按图片编号进行综合分析，就可以得到该学习者的类型。可以通过软件自动完成，并且考虑的因素比较多(色彩冲突，配色不合理)。这里只是说明原理。示意如下表：

根据上述统计，该学习者属于色彩敏感型。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于生物反馈的远程学习者分类方法，其特征在于，该基于生物反馈的远程学习者分类方法包括以下步骤：

步骤一，采用色彩、文字、字方位、音乐；根据相关理论制作标准图片，色彩包括：背景色、字体色、边框色；

图片包括：

背景单色为红、绿、蓝、白、黑5种；

背景色+字色，去掉背景色与字色同色搭配5种，有效搭配共20种；

背景色+字色+边框色，去掉边框色与背景色同色搭配20种，有效搭配共80种；

背景色+字色+字方位，有效搭配共160种；

背景色+字色+边框色+字方位有效搭配共640种；

用节奏、响度、音调制作标准背景音乐；

背景音乐每分钟60节拍，每分钟非60节拍的音乐比例不大于30％；响度：背景音乐的音量小于60分贝，最小值便是60分贝，比例不大于20％；音调：有高低音变化，要有旋律；

步骤二，对学习者进行多维度的外部刺激，产生多种生物信号；

视觉刺激体现：背景单色，背景色+字色，背景色+字色+边框色，背景色+字色+字方位，背景色+字色+边框色+字方位；

具体听觉刺激体现：在视觉刺激的基础上，增加背景音乐；

步骤三，再通过传感器，获取相关的生物信号，用生物信号分析软件进行处理、统计、分析，得到学习者的分类。

生物信号包括皮电、皮温、脑电；

分别将皮电、皮温、脑电传感器放置于学习者的测量部位，即可获取相关的生物信号。

2.如权利要求1所述的基于生物反馈的远程学习者分类方法，其特征在于，标准图片的制作方法如下：

分辨率是600*800，颜色选择5种基本色：红、绿、蓝、白、黑，进行组合搭配，字方位除去中心位置，选择8个位置：上、下、左、右、左上、右上、左下、右下，除去中心；

标准图片包括：背景单色5种：红、绿、蓝、白、黑；背景色+字色有效搭配共20种；背景色+字色+边框色有效搭配共80种；背景色+字色+字方位，有效搭配共160种；背景色+字色+边框色+字方位有效搭配共640种。

3.如权利要求1所述的基于生物反馈的远程学习者分类方法，其特征在于，标准背景音乐的制作方法如下：

节奏、响度、音调的比例：

节奏：每分钟60节拍，每分钟非60节拍的音乐比例不大于30％；

响度：背景音乐的音量小于60分贝，最小值便是60分贝，比例不大于20％；

音调：有高低音变化，要有旋律。

4.如权利要求1所述的基于生物反馈的远程学习者分类方法，其特征在于，生物信号处理流程：用生物信号传感器采集的生物信号，是变化的电压波形信号；用BioNeuroInfiniti软件将波形信号变为具体数据；再把数据导入SPSS统计分析软件，得到学习者的类型。