CN105551328A - 基于移动交互和大数据分析的语言教学辅研同步集成系统 - Google Patents

Abstract

本申请公开了基于移动交互和大数据分析的语言教学辅研同步集成系统，包括后台服务器、移动终端APP和web端；后台服务器用于存储用户的注册/激活信息、教学资源、用户行为数据及用户计时计费信息；移动终端APP包括个性化学习模块、评价与反馈模块、语音评测模块和管理模块；用户通过个性化学习模块进行语言学习；评价与反馈模块用于对用户的学习情况进行记录并生成曲线或图表；语音评测模块用于接收用户的语音，通过与标准发音进行比对，对用户的发音进行评分并给出矫正建议；管理模块用于管理系统用户及系统日常维护，并对用户的学习情况进行管理；web端与后台服务器连接，内部用户或教育管理人员通过web端可对后台服务器的数据进行查询、维护及管理。

Description

基于移动交互和大数据分析的语言教学辅研同步集成系统

技术领域

本发明涉及在线教育技术领域，具体涉及基于移动交互和大数据分析，能使语言教学辅研各环节无缝同步的新型教育系统。

背景技术

随着全球经济一体化以及中国开放进程的飞速发展，配合一路一带战略中国与世界各国交往日益频繁，学习掌握语言，特别是英语、中文己经成为国内外就学、就业、工作、生活之重要工具。

以中文教育为例，绝大多数发达国家和地区已经把中文学习纳入其K12教程。

以英语为例，英语作为第一语言的73个国家约有4亿人，作为第二语言的约有3.5亿，约有10亿人在学英语，12亿人每天会不同程度的接触英语。在中国，应对全球化带来的机遇与挑战，国家将核心竞争力定位于创新人才的培养，非常重视英语教育，需要我们的学生能具有综合应用英语的能力，以便学习西方国家在经济、科技和文化等方面的优秀成果，培养出国际化的创新型人才。

目前传统的各种语言教育系统，在形式和内容、方法与工具上都急需全面创新和提升，以切实解决几大典型问题：

1.师生受方言、口音困扰，教学成效差，听、说、读问题很突出。

2.语言类知识点的掌握需大量重复。但因公立学校师生比例低、语言知识点的内容及其重复过程，其传统的呈现方式非常枯燥，教学成效不好。

3.无法掌握每个学生对知识点、练习点的听、说、读，是否完成了老师要求的基本重复要求。教学成效在家长、班主任、科任教师、学校单科组长、校区主管、教材主编之间的交流，缺乏该类最基本学生行为数据做依据。

4.家长的课后辅导难以到位。家长因精力或知识点难度，无法进行基本的课后家庭辅导，无法完成语言教育从校内课堂到课后家庭辅导练习的必要闭环。

5.老师、家长、学生之间缺乏对具体知识点掌握程度和问题所在进行方便交流的平台。即使是传统“家校通”也仅止于布置作业等大粒度信息发布功能。

这些问题在中国英语教学现实中的表现是，一方面随着英语重要性的提升，个人、学校对英语学习的投入与口俱增，但另一方面却是学生英语的听，说，读，写四方面的能力提升不均匀，四方面高低差距较大，尤其是听，说，读的能力普遍较低。而从地域表现上看，中西部地区学生英语能力尤其普遍较弱。

究其原因，传统的语言教育和现有的各种语言教学技术系统，各自有以下几点主要问题:

合格的口语教师极度缺乏。即使是大中城市的中小学校，也很缺乏发音标准并能准确指导口语学习的外语老师。汉语和英语发音特点有很大差异，使得在母语的深厚影响下学习外语的人会犯许多自己很难察觉或根本无法察觉的发音错误。在短短几十分钟的课堂上，一个老师要面对几十个学生，即使采用目前主流的媒体语言教学工具，也只能单方面地进行1对多传授，而不能针对学生的特定情况、师生互动地进行1对1口语教学，因而也不能起到很有效的作用。

课外私人辅导的模式，对拥有9600万在校小学生、一半以上分布在落后城乡地区的中国来说，根本无法普及。

另外，语言教学课堂模式相对滞后，学生缺乏兴趣、缺乏锻炼机会。在“教师为主”的教学模式中，老师采用“满堂灌”的方式传授知识，学生只能被动的接受老师所讲的信心，较少有发言的机会，更别提利用课堂提高口语能力了。

还有，语言环境的营造和创设不充分。语言课程教学要求提出语言教学应尽量采用多媒体化的现代化教学手段，充分利用录音机、广播、电视、计算机网络、移动设备以及先进的技术为学生创设良好的语言环境和语言实践机会，而且我们也一直在强调以学生为主体、教师为主导的教学模式，让学生在学习过程中充分发挥其积极性和主动性，而现实中我们的语言教学课堂却没有创设真正的语言环境来让我们的学生进行积极主动的实践锻炼。

目前，不少中国学生学习英语还主要使用点读／复读机。点读／复读机就是在一台模拟磁带录音机上加上可将一小段语音数字化存储的装置，这一小段语音可以多次重复读出，利于学生重复听音。但跟带听读很可能会因为大量机械的重复，学生使用兴趣低。除了使用不方便，点读／复读机还根本无法统计学生行为数据，老师家长都不知道在每个具体知识点上学生的使用、重复、准确情况。

其它计算机辅助语言学习软件，大多侧重背单词和语法的学习。仅有的一些口语学习软件，其功能比较单一，只能给学习者的发音一个整体的评分。然而学生因为自身水平限制，很难完全靠自己发现错误、纠正不正确的发音。针对于此，本发明的智能语音识别技术的应用，使得系统具有“发音错误矫正”的功能，可以帮助学习者及时改正发音错误，避免错误经多次重复而成为习惯。

虽然目前有条件的的语言课堂中教师也会借助文本、声音、图片等多种媒介课件来进行“情景教学”，但不仅该类课件制作可能耗费大量备课时间和经费资源，教师的领读也会因为有些教师发音不够标准而影响了学生的发音，而通过板书呈现文本则会在课堂上造成有效时间的流失。

因此，设计一种完全基于语言教育标准教材，为广大教师、学生提供丰富多样的多媒体课程资源，通过增强现实和动画技术的应用，使语言教材内容跳出图书纸面，让教材“活”起来，在各种智能移动终端屏幕上呈现的不仅有3D模型，还有语言动画、声音和视频，大大增强学生对语言学习的主动互动性和积极性，大大减轻家长辅导难度，寓教于乐，寓学于乐，寓辅于乐，提高学习效果的教学辅集成系统，并能向班主任、科校局主管、教材研发出版单位反馈学生基础行为大数据作为分析改进依据，成为本领域技术人员亟需解决的难题。

发明内容

针对背景技术中存在的问题，本发明的目的在于提供一种基于移动交互和大数据分析的语言教学辅研同步集成系统，真正实现寓教于乐、寓学于乐、寓辅于乐，实时同步教－学－辅的成效，方便教－学－研的管理和改进，使家校沟通配合有大数据可依。

本发明的目的是通过以下技术方案来实现的：

一种基于智能互动技术的语言教材同步教学系统，所述教学系统包括后台服务器、移动终端APP和web端；其中，

所述后台服务器用于存储教师、学生、家长等用户的注册/激活信息、可供移动设备使用的多媒体互动教学课件资源教学资源、用户行为多维度大数据及用户计时计费信息；

所述移动终端APP包括个性化学习模块、评价与反馈模块、语音评测模块和管理模块；学生用户通过所述个性化学习模块进行语言学习；所述评价与反馈模块用于对学生用户的学习情况进行记录并生成曲线或图表供各类用户参考；所述语音评测模块用于接收学生用户的语音，通过与标准发音进行比对，对学生用户的发音进行评分并给出矫正建议；所述管理模块用于管理系统用户及系统日常维护，并对学生、家长、教师等用户的使用情况进行管理；

所述web端通过网络与所述后台服务器连接，内部用户或教育管理人员通过所述web端可对后台服务器的大数据进行查询、维护及管理。

进一步，所述个性化学习模块包括学习方式选择单元、查询单元、测评单元、记录单元、共享单元、交流单元、提醒单元、更新单元、助学单元和情境感知单元；其中，

所述学习方式选择单元为学生用户提供了自主学习、探究学习和合作学习三种学习方式，学生用户可根据自身实际需要，选择适合自己的学习方式；

用户通过所述查询单元可查询自身学习进度及习题练习情况；

所述测评单元为用户提供了和学习内容相对应的练习题及测试题，用户可在学习过程中进行少量、多次的课内、课后练习，并通过所述测试题对自身的掌握情况进行测试；

所述记录单元用于记录用户的学习进展，以便于用户自己或家长及老师掌握勇华的学习情况；

所述共享单元包括学习交流和学习成果展示两部分，用户可通过学习交流部分与其余用户交流学习情况，并通过学习成果展示部分展示自己的学习成果；

所述交流单元为内嵌的微信或QQ分享链接，学生、老师、家长等用户可通过所述微信或QQ分享链接实现同步或异步的答疑或交流；

用户可以根据自身的学习规律和学习知识的特点通过所述提醒单元预设学习时间，以保证学习的不间断性；

所述更新单元用于提醒用于系统内容更新，以便用户及时下载更新的软件内容及资源；

老师可通过所述助学单元安排作业、检查练习题、打分，并对用户的学习情况进行监督和指导；

所述情境感知单元用于获取用户所处的具体情境，并根据用户所处的情境及时间为用户提供相应的学习资源。

进一步，所述语音评测模块包括语音识别单元、语音评分单元和语料库；其中所述语料库为用户提供用户所需的语音信息；所述语音识别单元用于对用户的语言发音进行自动识别；所述语音评分单元用于将用户的语言发音与标准发音对比，并根据对比结果给我相应的评分。

进一步，所述语音识别单元包括特征值提取、音素识别、音素关联、发音评估和错误检测五个部分；其中，所述特征值提取用于从语音波形中提取随时间变化的语音特征序列；然后由所述音素识别对所述语音特征序列进行识别；所述音素关联用于将用户的语音与参考语音做基本文本的因素强制对齐；所述发音评估用于基于HMM对数似然度对用户的发音质量进行打分，并将打分结果反馈给用户；所述错误检测用于对口语学习者的发音用错误检测算法进行检测，并根据检测结果，对错误发音给出相应的矫正建议。

进一步，所述特征值为基频轨迹以及梅尔倒频谱参数，分别作为声调辨识以及声音辨识的特征参数。

进一步，所述语音评分单元包括音节对比和声调对比两部分，其具体评分过程为先使用ViterbiDeeoding将语音信号切割成一个个的单音节，之后再对每一个音节比对声音模型及声调模型，并将辨识结果配合我们预先设计好的评分机制转换分数，即对比测试语音的评分。

进一步，所述教学系统还包括移动终端，所述移动终端包括但不仅限于手机和平板电脑。

本发明具有以下积极的技术效果：

本申请的基于移动交互和大数据分析的语言教学辅研同步集成系统是专门为语言教材同步配套开发的，它采用标准语音，基于先进的智能语音评测、增强现实和移动互联网技术，针对语言学习中的“听，说，读，练”几个关键环节，通过语音评测、点读、跟读、习题练习、动画、3D立体模型等互动模式，极大增强了学生对语言学习的积极性，极大地利用学生家长老师的碎片或移动时间，极大地降低了家长辅导难度，填补了教－学－辅－研四环节配合和改进必须的基础数据依据，从而提高语言学习效果。

此外，本发明增加了口语发音评测及语音识别等智能语音信号处理功能。在学习过程中，它可以对学生所读单词、句子和课文的发音进行评测打分，指出发音中的错误并指导学生进行纠正，它还可以帮助学生进行情景对话练习。它为学习者营造了一个互动的外语学习条件，模仿老师的现场指导，很大地提高学习效率。

附图说明

图1为本发明的语音评测模块的流程图；

图2为本发明的语音评分单元的流程图。

具体实施方式

下面，参考附图，对本发明进行更全面的说明，附图中标示出了本发明的示例性实施例。然而，本发明可以体现为多种不同形式，并不应理解为局限于这里叙述的示例性实施例。而是，提供这些实施例，从而使本发明全面和完整，并将本发明的范围完全地传达给本领域的普通技术人员。

本发明提供了一种基于移动交互和大数据分析的语言教学辅研同步集成系统，该教学系统包括后台服务器、移动终端APP和web端；其中，后台服务器用于存储教师、学生、家长等各类用户的基本信息、注册/激活信息、可供移动设备使用的多媒体互动教学课件资源、用户行为多维度大数据及用户计时计费信息；优选地，所述教学资源是同步的语言教材，其可以是语音，图像，动画或者3D立体模型。

移动终端APP包括个性化学习模块、评价与反馈模块、语音评测模块和管理模块；学生用户通过个性化学习模块进行语言学习；评价与反馈模块用于对学生用户的学习情况进行记录并生成曲线或图表供各类用户参考；语音评测模块用于接收学生用户的语音，通过与标准发音进行比对，对学生用户的发音进行评分并给出矫正建议；管理模块用于管理系统用户及系统日常维护，并对学生、家长、教师等用户的使用情况进行管理。

web端通过网络与后台服务器连接，内部用户或教育管理人员通过web端可对后台服务器的大数据进行查询、维护及管理。

其中，本申请的个性化学习模块包括学习方式选择单元、查询单元、测评单元、记录单元、共享单元、交流单元、提醒单元、更新单元、助学单元和情境感知单元。

学习方式选择单元：以英语教学用为例，根据国家《英语新课改要求》，自主学习是倡导的学习模式，但是基于现代学习方式的特点，我们将其扩展为自主学习、探究学习和合作学习三种。三种学习方式具有不同的特点，将对应不同的学习环境创设。

自主学习可以认为是一种元认知的学习方式，即学习者能够很好的了解自己的学习目标，合理的制定学习方案，在学习过程中能够激励自己、主动学习、积极思考，对学习有动力，善于监控自己并对自己的学习活动进行调整。

探究学习可以认为是基于假定的情境，学习者通过自主、独立地问题发现、问题解决(可能包含了实验、调研、信息搜集等多种多样的途径和方法)及成果交流与共享等环节习得知识与技能的过程。

合作学习可以认为是以小组或团队为单元，通过一定的分工与协作，共同完成学习任务、达成学习目标。

本系统可以让学生随时随地学习，主要是在一定的“零碎”时间中进行的“片段”学习。学习信息的组织，考虑到资源传输和浏览的质量以及知识的趣味性，组合运用动画、文本、图片、音视频等。为了达到更高的学习效率，根据不同资源形式的差别性，结合记忆规律来组织学习内容。

查询单元：用户通过查询单元可查询自身学习进度及习题练习情况。根据实证研究的结论，查询是学生对语言移动学习系统需求最高的功能。可以通过网络检索接口等方式来接收具体的查询信息，而查询信息的处理可以是直接在FAQ数据库进行己有问答对的检索，另外还能够与助学者交流进行解答。如果学习者能够有效利用好查询功能，就能很好的排除学习难点，提高学习质量。

测评单元：为用户提供了和学习内容相对应的练习题及测试题，用户可在学习过程中进行少量、多次的课内、课后练习，并通过测试题对自身的掌握情况进行测试。

记录单元：用于记录用户的学习进展，以便于用户自己或家长及老师掌握勇华的学习情况；无论学生选择的是何种学习方式，家长、老师能够掌握学生的学习进展，更细致的了解学生的学习过程，对于学生提高学习质量、改善学习方式都是很有必要的。尤其利用智能移动设备进行学习，学习的时间、地点、情境都很分散，有效记录学习过程及结果性信息，一方面有利于家长、老师了解学生的学习情况，另一方面有利于学习者激励和调整自己，此外这也是实现个性化学习的必备功能。

共享单元：其包括学习交流和学习成果展示两部分，用户可通过学习交流部分与其余用户交流学习情况，并通过学习成果展示部分展示自己的学习成果；依据会话理论，学习者和共同体需要在意义建构及行为表征上达到共识，同时共享有利于集体智慧的建构。共享一方面可以通过学习方式中所配套的学习交流和展示模块所实现，另一方面可以通过微信等软件实现。

交流单元：其为内嵌的微信或QQ分享链接，学生、老师、家长等各用户可通过微信或QQ分享链接实现同步或异步的答疑或交流；交流单元直接解决教师、家长、学生之间教学辅脱节的问题。

提醒单元：用户可以根据自身的学习规律和学习知识的特点通过提醒单元预设学习时间，以保证学习的不间断性；基于传统数字化学习方式，教师和家长很难实现随时和学生交流，更不容易实施及时提醒和督导学生进行复习或新知学习，但是在本系统的移动学习中该不足能够被很好的解决。在系统中利用好课程安排，能够人为的增加提示和督促。而系统在监管学习者学习过程和结果的同时，可以根据学习者的学习规律和学习知识的特点，在预设时间提醒学生进行学习，保证学习的不间断性。

智能移动终端具有很大的便携性，能够应用于学习的时间甚至达到人的非睡眠时间，因而能够用于调整并培养学生的科学学习习惯。学生学习知识后在遗忘点通过短信等方式发出温习提醒，进行测试巩固并进一步学习。经过不断的知识重复和积极的恢复记忆，一方面可以提高学生的学习效果，另一方面结合学生对各类资源的学习效果进行个性化的艾宾浩斯遗忘曲线的自适应修改，从而生成学生的个性化艾宾浩斯曲线指导学习并帮学生养成更科学的学习习惯。

更新单元：更新单元用于提醒用于系统内容更新，以便用户及时下载更新的软件内容及资源；当系统内容发生更新，在联网情况下，智能移动终端系统能够提示更新，可以下载更新的软件内容及资源。更新的方式可以是与PC同步、直接接入互联网两种。

助学单元：老师可通过助学单元安排作业、检查练习题、打分，并对用户的学习情况进行监督和指导。

情境感知单元：所述情境感知单元用于获取用户所处的具体情境，并根据用户所处的情境及时间为用户提供相应的学习资源。情境感知能够获取到学生所处的具体情境，就能够根据场所及时间，为学生提供合适的资源，激发学生的学习兴趣，并提高学习质量。此外，情景感知也能在进行协作学习、探究学习的过程中起到更好的作用。

本申请的评价与反馈模块用于对用户的学习情况进行记录并生成曲线或图表供用户参考，其特别适合于移动学习作为正式学习的补充，使得老师和家长能对学生的学习进展进行监管和指导；此外，反馈模式可以将系统的一些问题进行反馈，便于开发者完善系统和提供更好的售后服务。

本申请的语音评测模块包括语音识别单元、语音评分单元和语料库；其中语料库为用户提供用户所需的语音信息；语音识别单元用于对用户的语言发音进行自动识别；语音评分单元用于将用户的语言发音与标准发音对比，并根据对比结果给我相应的评分。

语音评测模块的设置可以对学生所读单词、句子和课文的发音进行评测打分，指出发音中的错误并指导学生进行纠正，它还可以帮助学生进行口译和情景对话练习。它为学习者营造了一个互动的外语学习条件，模仿老师的现场指导，很大地提高学习效率。

如图1所示，其表明了本系统语音处理流程。其中参考模型利用标准发音数据进行训练，主要是用来进行音素强制对齐和计算似然度打分的。专家知识库由专家关于发音的错误类型和相应的矫正方法等知识组成，主要用来对发音错误类型做出判断并给出相应的指导性矫正建议。系统首先对学习者的语音进行预处理和特征提取，然后以训练好的HMM模型通过强制对齐(采用Viterbi算法)把语音分割为计算发音质量测度所需要的小单位，对于不同的质量测度，采用不同的方法去计算测度值。接着，依据专家主观的先验知识建立的评分模型，把测度值转换为直观的衡量发音质量的分值。依据测度值，再辅以打分值和发音错误检测及分类，从专家知识库给出最后娇正的指导性建议。

语音识别单元：本发明的语音识别中的HMM（隐马尔可夫模型)，对语言学习者的语言发音进行自动识别，实现基本单元的自动切分以及注释纠错。从而增加打分和错误标注精度，为语言学习者提供可行度比较高的发音信息反馈，纠正发音错误。系统的语音识别部分的主要模块有特征值提取，音素识别、音素关联，发音评估和错误检测五个部分。系统最后以发音评分，纠正意见的形式向学习者提供的反馈结果，这让学习者更清楚了解发音不足之处，可以针对性的改正，提高自身口语水平。

下面对系统的语音识别部分的主要模块做详细说明：

特征值提取：特征提取的目的是从语音波形中提取随时间变化的语音特征序列。语音信号的处理方法分时域处理和变换域处理，语音信号的特征也相应分为两类:时域特征和变换域特征。前者通常是将语音信号的采样值在时域运算构成的矢量，具有简单、运算量小、物理意义明确等有点，缺点是不能压缩维数且不能良好的表达语音的感知特性。后者需要对一帧语音信号进行某种变换，再计算变换后的特征矢量。变换域特征能反映出功率谱等特性，更接近人的感知。

音素识别：对于大词汇量连续语音的识别问题，识别方法都是基于统计模型的。本系统采用隐马尔可夫模型(HiddenMarkovModel)，隐马尔可夫过程是一个双重过程，一重用于描述非平稳信号的短时平稳段的统计特征，是可以观测到的;另一重描述了每个短时平稳段如何变到下一个短时平稳段，即短时统计特征的动态特性，隐藏在观察序列中。在语音中就如同人类在发生的过程中，其发声器官状态的变化是不可见的，也就是说无法从观测的语音推知喉咙、舌头或口腔的位置。这一方法使用HMM的概率参数来对似然函数进行估计与判决，从而得到识别结果。

音素关联：语音处理的对象有两个，一是录音完成时，不断从录音设备缓存读入的数据所汇集成的语句，另一个是从文件中读入的由专业教师朗读的参考语音。系统首先对语音做基于文本的音素强制对齐，如果对齐结果为不可辨识，则录音语音内容与文本相差过大，或者信道噪声等干扰过大。这种情况下的评分或者纠正没有意义，系统直接显示出拒评信息。如果对齐结果可辨识，则运用前面两章提到的评分方法，进行评分和错误检测。独立的特征对比评分和作为反馈语音的韵律修正合成运算同时开始。再得到所有结果后，一个单句处理过程结束。

发音评估：系统核心部分是要给用户反馈一个发音质量的评估结果，并通过直观的便于用户理解的形式显示出来。对语音信号进行质量判断就需要通过特定的相关算法来实现。这样我们可以得到一个绝对的得分，但这种分数不是直接反映发音水平的高低。是以语言专家的经验打分作为参考，通过非线性映射把计算出的发音质量测度打分值转换为专家的打分。专家的打分是一种模糊分类，把发音质量分为若干五个等级，如很好、好、一般、差、很差。这种分级是相对的，含义比较明确，比较符合人类的感知习惯，还具有一定的稳定性。此外，依托于发音专家的知识，还可以用清晰度、自然度或流利程度等指标来直接衡量发音质量的某一方面。

本系统采用基于HMM对数似然度打分，基于HMM对数后验概率打分，段分类打分，段时长打分，流利程度打分，概率置信区间的得分等。这种打分方法，都是以标准发音为参考模板，进行各种有效的相似性匹配计算来获得。

错误检测：系统所采用的错误检测是首先依据发音专家的知识，对发音中容易出现的错误进行分类，然后针对不同的错误类型设计相应的检测算法，最后对口语学习者发音用各种错误检测算法进行检测，并根据检测结果，对错误发音给出相应的矫正建议。本系统的错误检测机制主要针对音素发音错误。先将语音信号切分成一个一个的单音素段，然后判断每个切分段的错误类型。

如图2所示，本发明的语音评分单元是利用HMM语音模型进行语音评分，主要是从声音以及声调两方面着手，希望找出测试语音与声学模型及声调模型的差异程度，并根据差异程度对语音进行评分。

以预先训练好的声学模型及声调模型当成标准答案，经由语音辨识技术的使用，找出测试语音跟模型间的差异程度，并配合评分机制给出评分。特征参数提取方面，主要涉及两个特征参数:基频轨迹以及梅尔倒频谱参数，分别作为声调辨识以及声音辨识的特征参数;实际操作过程中先使用ViterbiDeeoding将语音信号切割成一个个的单音节，之后再对每一个音节比对声音模型及声调模型，并将辨识结果配合我们预先设计好的评分机制转换分数，即对比测试语音的评分。此评分系统包含了目前语音辨识常用到的技术，例如声音辨识方面包含了隐藏式马尔可夫模型(HiddenMarkovModel,HMM)，树状网络(TreeNet)及维特比演算法(ViterbiAlgorithm)等;在声调便是方面则包含了诸如OrthogonalExpansion,ChebyshevApproximation,K-menas分群法及分类器的设计等等。

从训练模板的角度看，语料库是语音识别引擎所需语音知识的根本来源。从性能评测的角度看，语料库的好坏会直接影响评测结果的科学性、有效性。规范全面的语料库应该做到以下几点：

广泛性:内容广泛，尽可能地覆盖各种语音现象;

代表性:说话人在性别、年龄、地域、语速等方面有广泛的代表性;

一致性:语料标注详尽，与发音内容一致。

因本系统针对中国人的语言发音而做研究，故参与本系统语料库录制的人员，都是有专业语言口语教学经验的语言教师。

优选地，本发明还包括移动终端，该移动终端包括但不仅限于手机和平板电脑。

上方所述只是为了说明本发明，应该理解为本发明并不局限于以上实施例，符合本发明思想的各种变通形式均在本发明的保护范围之内。

Claims (7)

1.基于移动交互和大数据分析的语言教学辅研同步集成系统，其特征在于，所述教学系统包括后台服务器、移动终端APP和web端；其中，

所述后台服务器用于存储用户的注册/激活信息、可供移动设备使用的多媒体互动教学课件资源、用户行为多维度大数据及用户计时计费信息；

所述移动终端APP包括个性化学习模块、评价与反馈模块、语音评测模块和管理模块；学生用户通过所述个性化学习模块进行语言学习；所述评价与反馈模块用于对学生用户的学习情况进行记录并生成曲线或图表供各类用户参考；所述语音评测模块用于接收学生用户的语音，通过与标准发音进行比对，对学生用户的发音进行评分并给出矫正建议；所述管理模块用于管理系统用户及系统日常维护，并对用户的使用情况进行管理；

所述web端通过网络与所述后台服务器连接，内部用户或教育管理人员通过所述web端可对后台服务器的大数据进行查询、维护及管理。

2.根据权利要求1所述的基于移动交互和大数据分析的语言教学辅研同步集成系统，其特征在于，所述个性化学习模块包括学习方式选择单元、查询单元、测评单元、记录单元、共享单元、交流单元、提醒单元、更新单元、助学单元和情境感知单元；其中，

所述学习方式选择单元为学生用户提供了自主学习、探究学习和合作学习三种学习方式，学生用户可根据自身实际需要，选择适合自己的学习方式；

用户通过所述查询单元可查询自身学习进度及习题练习情况；

所述测评单元为用户提供了和学习内容相对应的练习题及测试题，用户可在学习过程中进行少量、多次的课内、课后练习，并通过所述测试题对自身的掌握情况进行测试；

所述记录单元用于记录用户的学习进展，以便于用户自己或家长及老师掌握勇华的学习情况；

所述共享单元包括学习交流和学习成果展示两部分，用户可通过学习交流部分与其余用户交流学习情况，并通过学习成果展示部分展示自己的学习成果；

所述交流单元为内嵌的微信或QQ分享链接，用户可通过所述微信或QQ分享链接实现同步或异步的答疑或交流；

用户可以根据自身的学习规律和学习知识的特点通过所述提醒单元预设学习时间，以保证学习的不间断性；

所述更新单元用于提醒用于系统内容更新，以便用户及时下载更新的软件内容及资源；

老师可通过所述助学单元安排作业、检查练习题、打分，并对用户的学习情况进行监督和指导；

所述情境感知单元用于获取用户所处的具体情境，并根据用户所处的情境及时间为用户提供相应的学习资源。

3.根据权利要求1所述的基于移动交互和大数据分析的语言教学辅研同步集成系统，其特征在于，所述语音评测模块包括语音识别单元、语音评分单元和语料库；其中所述语料库为用户提供用户所需的语音信息；所述语音识别单元用于对用户的语言发音进行自动识别；所述语音评分单元用于将用户的语言发音与标准发音对比，并根据对比结果给我相应的评分。

4.根据权利要求3所述的基于移动交互和大数据分析的语言教学辅研同步集成系统，其特征在于，所述语音识别单元包括特征值提取、音素识别、音素关联、发音评估和错误检测五个部分；其中，所述特征值提取用于从语音波形中提取随时间变化的语音特征序列；然后由所述音素识别对所述语音特征序列进行识别；所述音素关联用于将用户的语音与参考语音做基本文本的因素强制对齐；所述发音评估用于基于HMM对数似然度对用户的发音质量进行打分，并将打分结果反馈给用户；所述错误检测用于对口语学习者的发音用错误检测算法进行检测，并根据检测结果，对错误发音给出相应的矫正建议。

5.根据权利要求4所述的基于移动交互和大数据分析的语言教学辅研同步集成系统，其特征在于，所述特征值为基频轨迹以及梅尔倒频谱参数，分别作为声调辨识以及声音辨识的特征参数。

6.根据权利要求3所述的基于移动交互和大数据分析的语言教学辅研同步集成系统，其特征在于，所述语音评分单元包括音节对比和声调对比两部分，其具体评分过程为先使用ViterbiDeeoding将语音信号切割成一个个的单音节，之后再对每一个音节比对声音模型及声调模型，并将辨识结果配合我们预先设计好的评分机制转换分数，即对比测试语音的评分。

7.根据权利要求1所述的基于移动交互和大数据分析的语言教学辅研同步集成系统，其特征在于，所述教学系统还包括移动终端，所述移动终端包括但不仅限于手机和平板电脑。