CN106951396B - 一种基于生物反馈的远程学习者类型快速确定方法 - Google Patents
一种基于生物反馈的远程学习者类型快速确定方法 Download PDFInfo
- Publication number
- CN106951396B CN106951396B CN201710112238.7A CN201710112238A CN106951396B CN 106951396 B CN106951396 B CN 106951396B CN 201710112238 A CN201710112238 A CN 201710112238A CN 106951396 B CN106951396 B CN 106951396B
- Authority
- CN
- China
- Prior art keywords
- color
- indicates
- green
- scheme
- source code
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000013461 design Methods 0.000 claims abstract description 53
- 238000012360 testing method Methods 0.000 claims abstract description 18
- 239000003086 colorant Substances 0.000 claims abstract description 11
- 238000013178 mathematical model Methods 0.000 claims abstract description 9
- 238000007619 statistical method Methods 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims description 4
- 210000003811 finger Anatomy 0.000 claims description 3
- 210000004932 little finger Anatomy 0.000 claims description 3
- 238000013102 re-test Methods 0.000 claims description 2
- 230000005611 electricity Effects 0.000 description 15
- 230000000875 corresponding effect Effects 0.000 description 13
- 239000000203 mixture Substances 0.000 description 3
- 239000012141 concentrate Substances 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013401 experimental design Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 210000004243 sweat Anatomy 0.000 description 2
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 210000000106 sweat gland Anatomy 0.000 description 1
- 230000008700 sympathetic activation Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Strategic Management (AREA)
- Educational Technology (AREA)
- Pure & Applied Mathematics (AREA)
- Educational Administration (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种基于生物反馈的远程学习者类型快速确定方法，包括以下步骤：确定标准图片的数量；选择设计表和使用表；原始均匀设计表设定，根据原始均匀设计表得出N种搭配方案，并制作N张标准图片；将原始均匀设计表中表示背景色的各种颜色的原始码、表示字体色的各颜色的原始码、表示字方位的各个方位的原始码分别进行数字化编码；播放N张标准图片，采集远程学习者观看每张标准图片时的生物信号，并将生物信号和所述数字化编码用统计分析软件进行统计分析，得到远程学习者关于各个因素的数学模型，确定远程学习者的类型。本发明可以大幅度减少标准图片的张数和组合搭配，缩短测试时间,快速、准确地确定学习者类型。
Description
技术领域
本发明涉及远程教学技术领域，特别是涉及一种基于生物反馈的远程学习者类型快速确定方法。
背景技术
现代移动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，有目的推送教学资源。
现有技术的图文资源组成的主要元素：背景色、字体色、字方位颜色采用三基色(红、绿、蓝)和纯色(黑、白)，字方位只包括上、中、下。
根据背景色、字体色、字方位这些元素的组合，可以得到如下的搭配种类
背景单色为红、绿、蓝、白、黑5种；
背景色+字体色，去掉背景色与字色同色搭配5种，有效搭配共5*4＝20种；
背景色+字体色+字方位有效搭配共5*4*3＝60种；
通过上述分析，用这些元素制作标准图片需要60张，如果60张图片采用自动播放(每张图片播放5秒)的方式测试，用时太长(大约300秒)。很难快速确定学习者的类型。目前也缺少能够结合标准图片对远程学习者的类型进行快速、准确确定的方法。
发明内容
本发明提供了一种基于生物反馈的远程学习者类型快速确定方法，能有效地减少标准图片的张数，以缩短测试时间，快速准确地确定远程学习者的类型。
本发明解决其技术问题所采用的技术方案是：一种基于生物反馈的远程学习者类型快速确定方法，包括以下步骤：
1)确定标准图片的数量：标准图片中包括若干个因素，该若干个因素包括字方位、字体色、背景色和/或边框色，背景色、字体色、边框色这些颜色因素都有预设的多种不同的颜色，表示多个水平；字方位因素包含预设的多个不同的方位，表示多个水平；选最大的水平数与因素搭配，可得到标准图片数为因素数*最大的水平数＝N张；
2)选择设计表和使用表：根据标准图片数在现有的设计表Un *(qs)中选择n＝N的均匀设计表和对应的使用表，N所述标准图片数，q表示试验的水平数，s是表中列的数目；
3)原始均匀设计表设定：
设定行号：1-N表示搭配方案；
设定列号：选择列号数量与因素数对应的列号，并将所选择的列号分别表示所述若干个因素；
颜色设定：将各颜色因素所在列中的原始码1-N分别分成若干组数，该若干组数分别表示预设的多种颜色；
方位设定：将字方位因素所在列中的原始码1-N分成若干组数，该该若干组数分别表示预设的多个方位；
4)根据原始均匀设计表得出N种搭配方案，并将该N种搭配方案制作成N张标准图片；
5)将所述原始均匀设计表中的原始码或颜色、方位分别进行数字化编码；
播放所述N张标准图片，采集学习者观看每张标准图片时的生物信号，并将生物信号和所述数字化编码用统计分析软件进行统计分析，得到远程学习者关于各个因素的数学模型，确定学习者的类型。
进一步的，所述步骤3)还包括；
修正设定：对背景和字体同色的搭配方案进行修改：在该搭配方案所在行的其它列选择不冲突的码。
进一步的，所述步骤1)中，多种不同的颜色包括红、绿、蓝、黑、白，表示5个水平；多个不同的方位包括上、中、下，表示3个水平；所述标准图片包括背景色、字体色、字方位这3个因素，所述标准图片数为3*5＝15张；
所述步骤2)中，选择U15 *(157)的均匀设计表和对应的使用表；
所述原始均匀设计表设定为：
设定行号：1-15表示搭配方案；
设定列号：1表示背景色，2表示字体色，6表示字方位；
颜色设定：1-3表示红色，4-6表示绿色，7-9表示蓝色，10-12表示黑色，13-15表示白色；
方位设定：1-5为上，6-10为中，11-15为下。
进一步的，所述步骤3)还包括；
进一步的，所述修正设定包括：方案4原始码4,4,4，搭配为绿、绿、上，背景和字体同色，在该原始码所在行的其它列选择不冲突的码12，原始码改为4,12,4，搭配为绿、黑、上；方案12原始码修改为12,4,12，搭配为黑、绿、下；方案8原始码修改为8,5,8，搭配为蓝、绿、中。
进一步的，所述多种不同的颜色包括红、绿、蓝、黑、白，表示5个水平；多个不同的方位包括上、中、下，表示3个水平；所述标准图片包括背景色、字体色、边框色、字方位这4个因素，所述标准图片数为4*5＝20张，选择U20 *(207)的均匀设计表和对应的使用表；
原始均匀设计表设定为：
设定行号：1-20表示搭配方案；
设定列号：1表示背景色，4表示字体色，5表示边框色，6表示字方位；
颜色设定：1-4表示红色，5-8表示绿色，9-12表示蓝色，13-16表示黑色，17-20表示白色；
方位设定：1-5为左上，6-10为左下，11-15为右上，16-20为右下。
进一步的，对上述搭配方案进行修订：方案5原始码5,8,2,17，搭配为绿、绿、红、右下，背景和字体同色，原始码改为5,11,2,17，搭配为绿、蓝、红、右下；方案7修改为7,14,14,7，搭配为绿、黑、黑、左下；方案14修改为14,7,7,14，搭配为黑、绿、绿、右上；方案16修改为16,10,19,4，搭配为黑、蓝、白、左上；方案9和方案12背景和边框同色，相当于无边框搭配。
进一步的，所述生物信号包括人体皮肤温度、人体皮肤电压。
进一步的，所述步骤4)中，将带有皮温传感器、皮电传感器的指套佩戴在远程学习者的小拇指和食指上，采集的人体皮肤温度、人体皮肤电压信号通过远程学习者的移动终端、网络发送到远端。
进一步的，所述步骤4)中，用统计分析软件分析人体皮肤温度值是否正常，若正常则进行人体皮肤电压统计分析，否则重新测试。
相较于现有技术，本发明具有以下有益效果：
本发明采用均匀设计对元素的组合进行设计，科学有效地大幅度减少标准图片的张数和组合搭配，从而可以缩短测试时间，以便于快速准确地确定学习者的类型；本发明将采集的学习者的生物信号结合标准图片的搭配方案进行统计分析，得到远程学习者的类型，方法简单、使用方便，能快速、准确地确定远程学习者的类型，便于后续根据远程学习者的主观意图制定学习内容，提高学习效率，及提高远程学习者学习的主观能动性。
以下结合实施例对本发明作进一步详细说明；但本发明的一种基于生物反馈的远程学习者类型快速确定方法不局限于实施例。
具体实施方式
均匀设计是一种适用于多因素、多水平试验的设计方法，通过数论与多元统计相结合的思想，让试验点在试验范围内充分地“均匀分散”，每个因素的每个水平只做一次试验，如此，使得每个试验点可以有较好的代表性，试验次数也将大幅度减少。
设计表的选择原则：
根据试验设计的因素个数选择均匀设计表；试验范围和试验能达到的最大精准度，试验的次数尽可能多，通常为试验因素数的3-5倍。
均匀设计表所涉及的水平数都是奇数，当试验设计的水平数是偶数时，要使用比偶数大“1”的均匀设计表，最后把均匀设计表的最后一行去掉就可以了。
在均匀设计表中：符号Un(qs)或Un *(qs)表示均匀设计2种表，其中带“*”的Un *(qs)为优先选择表，精度高。U表示设计；n表示试验次数；q表示试验的水平数；s是表中列的数目，表示试验最多可拥有的因素数。现成的设计表如下：
| U<sub>5</sub>(5<sup>3</sup>) | U<sub>6</sub><sup>*</sup>(6<sup>4</sup>) | U<sub>7</sub>(7<sup>4</sup>) | U<sub>7</sub><sup>*</sup>(7<sup>4</sup>) | U<sub>8</sub><sup>*</sup>(8<sup>5</sup>) | U<sub>9</sub>(9<sup>5</sup>) | U<sub>9</sub><sup>*</sup>(9<sup>4</sup>) | U<sub>10</sub><sup>*</sup>(10<sup>8</sup>) |
| U<sub>11</sub>(11<sup>6</sup>) | U<sub>11</sub><sup>*</sup>(11<sup>4</sup>) | U<sub>12</sub>(12<sup>10</sup>) | U<sub>13</sub>(13<sup>8</sup>) | U<sub>13</sub><sup>*</sup>(13<sup>4</sup>) | …… | U<sub>20</sub><sup>*</sup>(20<sup>7</sup>) | …… |
远程学习者包括移动学习者和非移动学习者，移动学习者以手机、平板电脑等显示屏较小的移动终端进行学习，由于显示屏较小，且以纵向阅读为主，因此，其移动学习的图文资源组成的主要元素包括：背景色、字体色、字方位。非移动学习者则以计算机进行学习，其移动学习的图文资源组成的主要元素包括背景色、字体色、边框色、字方位。以下本发明就移动学习者和非移动学习者对均匀设计表的应用分别展开进行说明。
实施例一
本发明的一种基于生物反馈的远程学习者类型快速确定方法，包括以下步骤：
1)根据均匀设计确定标准图片的数量：标准图片中包括背景色、字体色、字方位这3个因素，背景色、字体色这两个颜色因素都有预设的多种不同的颜色，定义为E种，表示E个水平；字方位因素包含预设的多个不同的方位，定义为F种，表示F个水平，E、F均为大于1的自然数，且E>F；选最大的水平数与因素搭配，可得到标准图片数为3*E＝N张；
2)选择设计表和使用表：根据标准图片数在现有的设计表Un *(qs)中选择n＝N的均匀设计表和对应的使用表，N为所述标准图片数，q表示试验的水平数，s是表中列的数目；
3)原始均匀设计表设定：
设定行号：1-N表示搭配方案；
设定列号：选择列号数量与因素数3对应的列号，并将所选择的列号分别表示背景色、字体色、边框色、字方位；
颜色设定：将各颜色因素所在列中的原始码1-N分别分成E组数，且每组包括顺连在一起的若干个数，所述E组数分别表示预设的E种颜色；
方位设定：将字方位因素所在列中的原始码1-N分成F组数，且每组包括顺连在一起的若干个数，所述F组数分别表示预设的F个方位。
根据原始均匀设计表得出N种搭配方案，并将该N种搭配方案制作成N张标准图片；
4)将所述原始均匀设计表中表示背景色的各种颜色的原始码、表示字体色的各种颜色的原始码，以及表示字方位的各个方位的原始码分别进行数字化编码；
在远程学习者的移动终端上播放所述N张标准图片，用传感器采集远程学习者观看每张标准图片时的生物信号，并将生物信号和所述数字化编码用PASW统计分析软件进行统计分析，得到远程学习者关于背景色的数学模型、关于字体色的数学模型和关于字方位的数学模型，确定远程学习者的类型。
本实施例中，所述步骤3)还包括；
修正设定：对背景和字体同色的搭配方案进行修改：在该搭配方案所在行的其它列选择不冲突的码。
本实施例中，所述步骤1)中，多种不同的颜色包括红、绿、蓝、黑、白，E为5。字方位因素包含有3个水平：上、中、下，F为3。所述标准图片数为3*5＝15张。
所述步骤2)中，选择U15 *(157)的均匀设计表和对应的使用表，如下：
所述原始均匀设计表设定为：
设定行号：1-15表示搭配方案；
本设计因素数s为3，根据U15 *(157)的使用表，选择列号为1、2、6，即，
设定列号：1表示背景色，2表示字体色，6表示字方位；
颜色设定：1-3表示红色，4-6表示绿色，7-9表示蓝色，10-12表示黑色，13-15表示白色；
方位设定：1-5为上，6-10为中，11-15为下。
本实施例中，所述修正设定具体包括：方案4原始码4,4,4，搭配为绿、绿、上，背景和字体同色，在该原始码所在行的其它列选择不冲突的码12，原始码改为4,12,4，搭配为绿、黑、上；方案12原始码修改为12,4,12，搭配为黑、绿、下；方案8原始码修改为8,5,8，搭配为蓝、绿、中。
最终得出了15种搭配方案如下表：
均匀设计的搭配方案U15 *(52*3)
按上述15种搭配方案制作15张标准图片，所制作的标准图片中，可以在文字中插入一些字符，防止熟悉的内容浏览过快。除了文字外的位置随机放置图案，可以防止注意力只集中在文字部分。这些干扰元素的目的是让远程学习者比较均匀地浏览标准图片。
本实施例中，所述生物信号包括人体皮肤温度(简称皮温)和人体皮肤电压(简称皮电)。皮电：人体由于交感神经兴奋，导致汗腺活动加强，分泌汗液较多。由于汗内盐成分较多使皮肤导电能力增高，形成大的皮肤电反应。皮温：指按相应部位的皮肤面积计算的人体皮肤温度的加权平均值。经统计表明人体平均皮肤温度为33.5℃,均方差为0.5℃。维持舒适的平均皮肤温度是保证人体热舒适的重要条件。已有研究证明皮电与人的情绪和注意力相关，与人的学习效率相关。如红色的皮电值较高，说明易引起人的注意，使人兴奋、激动、紧张，但容易造成视觉疲劳。皮温是监测人体的热舒适度。采集远程学习者的皮电、皮温时，将带有皮温传感器、皮电传感器的指套佩戴在远程学习者的小拇指和食指上，采集的皮温、皮电信号通过远程学习者的移动终端、网络发送到远端。
所制作的标准图片的播放顺序是随机的，每张图片的观看时间为5秒。采集远程学习者观看每张标准图片时的皮温、皮电值。将皮温、皮电值、所述数字化编码输入PASW统计分析软件，通过统计分析得到回归模型，就可确定学习者的类型。测试过程是由远程后台自动完成的，在测试过程中，用PASW统计分析软件分析皮温值是否正常，若正常则进行皮电统计分析，否则重新测试。
以下举实例说明本发明的测试方法：
采集二位远程学习者观看每张图片时的皮温、皮电值，如下表：
设置虚拟变量，即变量数字化编码。建立PASW统计分析数据输入表模板：
将均匀设计表的原始码或颜色、方位进行编码，具体，参见以下颜色编码表和方位编码表。
颜色编码表：
| 原始码 | 颜色 | Xx1 | Xx2 | Xx3 | Xx4 | Xx5 |
| 1-3 | 红色 | 1 | 0 | 0 | 0 | 0 |
| 4-6 | 绿色 | 0 | 1 | 0 | 0 | 0 |
| 7-9 | 蓝色 | 0 | 0 | 1 | 0 | 0 |
| 10-12 | 黑色 | 0 | 0 | 0 | 1 | 0 |
| 13-15 | 白色 | 0 | 0 | 0 | 0 | 1 |
X11-X15表示背景色；X21-X25表示字体色。
方位编码表：
| 原始码 | 方位 | X31 | X32 | X33 |
| 1-5 | 上 | 1 | 0 | 0 |
| 6-10 | 中 | 0 | 1 | 0 |
| 11-15 | 下 | 0 | 0 | 1 |
X31-X33表示字方位。
用PASW统计分析皮温值是否正常，正常进行皮电统计分析，异常将重新测试。
33.581℃+/-0.36℃在33.221-33.941℃之间。满足33.5℃,均方差为0.5℃的范围标准，即33-34℃。
PASW统计分析数据输入表，Y是1号学习者的皮电值。
| 原始码 | Y | X11 | X12 | X13 | X14 | X15 | X21 | X22 | X23 | X24 | X25 | X31 | X32 | X33 |
| 1,5,13 | 3.905 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 |
| 2,10,10 | 2.804 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 |
| 3,15,7 | 2.593 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 |
| 4,12,4 | 3.185 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 |
| 5,9,1 | 2.354 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 |
| 6,14,14 | 2.695 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 |
| 7,3,11 | 2.609 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 |
| 8,5,8 | 3.668 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 |
| 9,13,5 | 3.011 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 |
| 10,2,2 | 3.237 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 |
| 11,7,15 | 3.298 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 |
| 12,4,12 | 2.767 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 |
| 13,1,9 | 2.642 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 |
| 14,6,6 | 3.42 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 |
| 15,11,3 | 4.157 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 |
Y是因变量，X是自变量，只要输入皮电Y与不同的X(X11-X15表示背景色；X21-X25表示字体色；X31-X33表示字方位)就可得到远程学习者关于背景色、字体色、字方位的数学模型。
标准方程：Y＝A+B1X1+B2X2+……+BmXm，A是常数，类似于均值，不用考虑
由1号远程学习者的皮电得到对应关于背景色的数学模型：
Y＝2.745-0.356X11+0.351X13-0.356X14+0.662X15
由1号远程学习者的皮电得到对应关于字体色的数学模型：
Y＝3.605+0.443X21-0.751X22-1.220X23+1.551X24-0.895X25
由1号远程学习者的皮电得到对应关于字方位的数学模型：
Y＝3.189-0.163X32-0.134X33
模型说明：模型中自动排除不相关变量X12、X31。“-”的系数表示该变量是负相关，要减少使用。“+”的系数表示该变量是正相关，要增加使用。通过上述三个数学模型得到该1号远程学习者为对背景蓝色/白色、字体红色/黑色、字方位上敏感，对背景红色/黑色、字体绿色/蓝色/白色、字方位中/下不敏感的类型，其学习资源的最优方案是：背景蓝色/白色、字体红色/黑色、字方位上的组合，其学习资源的最劣方案是：背景红色/黑色、字体绿色/蓝色/白色、字方位中/下的组合。
根据远程学习者的类型开发相应的教学资源，将采用自动生成的方式。即资源素材是以文本的格式和图片的格式存在，当学习者的类型确定后，将按模型生成与学习者匹配的教学资源。如果学习者对该资源不满意，可以选择重新生成备选组合(限定重新生成次数为5次，超过5次判断为恶意生成，会被禁止)。
如果要进一步细化学习者类型，可将颜色的种类增加，如增加红、绿混合—黄；绿、蓝混合—青；蓝、红混合—紫。有8种颜色进行搭配。根据均匀设计将采用3因素，8水平搭配，标准图片数为3*8＝24张，其它步骤如上所述。
实施例二
本发明的一种基于生物反馈的远程学习者类型快速确定方法，其与实施例一的区别在于：所述标准图片包括背景色、字体色、边框色、字方位这4个因素，所述多种不同的颜色包括红、绿、蓝、黑、白，表示5个水平；多个不同的方位包括上、中、下，表示3个水平；，所述标准图片数为4*5＝20张，选择U20 *(207)的均匀设计表和对应的使用表，如下：
所述原始均匀设计表设定为：
设定行号：1-20表示搭配方案；
本设计因素数s为4，根据U20 *(207)的使用表，选择列号为1、4、5、6，即，
设定列号：1表示背景色，4表示字体色，5表示边框色，6表示字方位；
颜色设定：1-4表示红色，5-8表示绿色，9-12表示蓝色，13-16表示黑色，17-20表示白色；
方位设定：1-5为左上，6-10为左下，11-15为右上，16-20为右下。
本实施例中，所述修正设定具体包括：方案5原始码5,8,2,17，搭配为绿、绿、红、右下，背景和字体同色，在该原始码所在行的其它列选择不冲突的码20或11，但选择20会与方案6接近，故选择11，原始码改为5,11,2,17，搭配为绿、蓝、红、右下；方案7修改为7,14,14,7，搭配为绿、黑、黑、左下；方案14修改为14,7,7,14，搭配为黑、绿、绿、右上；方案16修改为16,10,19,4，搭配为黑、蓝、白、左上；方案9和方案12，背景和边框同色，相当于无边框搭配。
最终得出了20种搭配方案如下表：
均匀设计的搭配方案U20 *(53*4)
按上述20种搭配方案制作20张标准图片，所制作的标准图片中，可以在文字中插入一些字符，防止熟悉的内容浏览过快。除了文字外的位置随机放置图案，可以防止注意力只集中在文字部分。这些干扰元素的目的是让移动学习者比较均匀地浏览标准图片。如果要进一步细化学习者类型，可将颜色的种类增加，如增加红、绿混合—黄；绿、蓝混合—青；蓝、红混合—紫。有8种颜色进行搭配。根据均匀设计将采用4因素，8水平搭配，标准图片数为4*8＝32张，其它步骤如上所述。
上述实施例仅用来进一步说明本发明的一种基于生物反馈的远程学习者类型快速确定方法，但本发明并不局限于实施例，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均落入本发明技术方案的保护范围内。
Claims (10)
1.一种基于生物反馈的远程学习者类型快速确定方法，其特征在于：包括以下步骤：
1)确定标准图片的数量：标准图片中包括若干个因素，该若干个因素包括字方位、字体色、背景色和/或边框色，背景色、字体色、边框色这些颜色因素都有预设的多种不同的颜色，表示多个水平；字方位因素包含预设的多个不同的方位，表示多个水平；选最大的水平数与因素搭配，可得到标准图片数为因素数*最大的水平数＝N张，N为大于1的自然数；
2)选择设计表和使用表：根据标准图片数在现有的设计表Un *(qs)中选择n＝N的均匀设计表和对应的使用表，N为所述标准图片数，q表示试验的水平数，s是表中列的数目；
3)原始均匀设计表设定：
设定行号：1-N表示搭配方案；
设定列号：选择列号数量与因素数对应的列号，并将所选择的列号分别表示所述若干个因素；
颜色设定：将各颜色因素所在列中的原始码1-N分别分成若干组数，该若干组数分别表示预设的多种颜色；
方位设定：将字方位因素所在列中的原始码1-N分成若干组数，该若干组数分别表示预设的多个方位；
4)根据原始均匀设计表得出N种搭配方案，并将该N种搭配方案制作成N张标准图片；
5)将所述原始均匀设计表中的原始码或颜色、方位分别进行数字化编码；播放所述N张标准图片，采集学习者观看每张标准图片时的生物信号，并将生物信号和所述数字化编码用统计分析软件进行统计分析，得到学习者关于各个因素的数学模型，确定学习者的类型。
2.根据权利要求1所述的一种基于生物反馈的远程学习者类型快速确定方法，其特征在于：所述步骤3)还包括；
修正设定：对背景和字体同色的搭配方案进行修改：在该搭配方案所在行的其它列选择不冲突的码。
3.根据权利要求1所述的一种基于生物反馈的远程学习者类型快速确定方法，其特征在于：
所述步骤1)中，多种不同的颜色包括红、绿、蓝、黑、白，表示5个水平；多个不同的方位包括上、中、下，表示3个水平；所述标准图片包括背景色、字体色、字方位这3个因素，所述标准图片数为3*5＝15张；
所述步骤2)中，选择U15 *(157)的均匀设计表和对应的使用表；
所述原始均匀设计表设定为：
设定行号：1-15表示搭配方案；
设定列号：1表示背景色，2表示字体色，6表示字方位；
颜色设定：1-3表示红色，4-6表示绿色，7-9表示蓝色，10-12表示黑色，13-15表示白色；
方位设定：1-5为上，6-10为中，11-15为下。
4.根据权利要求3所述的一种基于生物反馈的远程学习者类型快速确定方法，其特征在于：所述步骤3)还包括；
修正设定：对背景和字体同色的搭配方案进行修改：在该搭配方案所在行的其它列选择不冲突的码。
5.根据权利要求4所述的一种基于生物反馈的远程学习者类型快速确定方法，其特征在于：所述修正设定包括：方案4原始码4,4,4，搭配为绿、绿、上，背景和字体同色，在该原始码所在行的其它列选择不冲突的码12，原始码改为4,12,4，搭配为绿、黑、上；方案12原始码修改为12,4,12，搭配为黑、绿、下；方案8原始码修改为8,5,8，搭配为蓝、绿、中。
6.根据权利要求1所述的一种基于生物反馈的远程学习者类型快速确定方法，其特征在于：所述多种不同的颜色包括红、绿、蓝、黑、白，表示5个水平；多个不同的方位包括上、中、下，表示3个水平；所述标准图片包括背景色、字体色、边框色、字方位这4个因素，所述标准图片数为4*5＝20张，选择U20 *(207)的均匀设计表和对应的使用表；
原始均匀设计表设定为：
设定行号：1-20表示搭配方案；
设定列号：1表示背景色，4表示字体色，5表示边框色，6表示字方位；
颜色设定：1-4表示红色，5-8表示绿色，9-12表示蓝色，13-16表示黑色，17-20表示白色；
方位设定：1-5为左上，6-10为左下，11-15为右上，16-20为右下。
7.根据权利要求6所述的一种基于生物反馈的远程学习者类型快速确定方法，其特征在于：对上述搭配方案进行修订：方案5原始码5,8,2,17，搭配为绿、绿、红、右下，背景和字体同色，原始码改为5,11,2,17，搭配为绿、蓝、红、右下；方案7修改为7,14,14,7，搭配为绿、黑、黑、左下；方案14修改为14,7,7,14，搭配为黑、绿、绿、右上；方案16修改为16,10,19,4，搭配为黑、蓝、白、左上；方案9和方案12背景和边框同色，相当于无边框搭配。
8.根据权利要求1所述的一种基于生物反馈的远程学习者类型快速确定方法，其特征在于：所述生物信号包括人体皮肤温度和人体皮肤电压。
9.根据权利要求8所述的一种基于生物反馈的远程学习者类型快速确定方法，其特征在于：所述步骤5)中，将带有皮温传感器、皮电传感器的指套佩戴在远程学习者的小拇指和食指上，采集的人体皮肤温度、人体皮肤电压信号通过远程学习者的移动终端、网络发送到远端。
10.根据权利要求8所述的一种基于生物反馈的远程学习者类型快速确定方法，其特征在于：所述步骤5)中，用统计分析软件分析人体皮肤温度值是否正常，若正常则进行人体皮肤电压统计分析，否则重新测试。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710112238.7A CN106951396B (zh) | 2017-02-28 | 2017-02-28 | 一种基于生物反馈的远程学习者类型快速确定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710112238.7A CN106951396B (zh) | 2017-02-28 | 2017-02-28 | 一种基于生物反馈的远程学习者类型快速确定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106951396A CN106951396A (zh) | 2017-07-14 |
| CN106951396B true CN106951396B (zh) | 2019-05-10 |
Family
ID=59467067
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710112238.7A Expired - Fee Related CN106951396B (zh) | 2017-02-28 | 2017-02-28 | 一种基于生物反馈的远程学习者类型快速确定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106951396B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111166993A (zh) * | 2018-11-12 | 2020-05-19 | 深圳职业技术学院 | 一种智能调节学习效率的方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103729691A (zh) * | 2013-12-20 | 2014-04-16 | 西安理工大学 | 基于均匀设计的多目标配煤方法 |
| CN105825225A (zh) * | 2016-03-11 | 2016-08-03 | 中国人民解放军信息工程大学 | 一种机器视觉辅助脑电目标判决的方法 |
-
2017
- 2017-02-28 CN CN201710112238.7A patent/CN106951396B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103729691A (zh) * | 2013-12-20 | 2014-04-16 | 西安理工大学 | 基于均匀设计的多目标配煤方法 |
| CN105825225A (zh) * | 2016-03-11 | 2016-08-03 | 中国人民解放军信息工程大学 | 一种机器视觉辅助脑电目标判决的方法 |
Non-Patent Citations (2)
| Title |
|---|
| 均匀设计在排课问题中的应用;陈滨等;《哈尔滨理工大学学报》;20111031;第16卷(第5期);106-112 |
| 基于生物信号的远程学习过程监控系统研究;许陵、冉新义、陈梅芬;《现代远程教育研究》;20141231(第5期);105-112 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106951396A (zh) | 2017-07-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | Active and restrictive parental mediation over time: Effects on youths’ self-regulatory competencies and impulsivity | |
| Wolffhechel et al. | Interpretation of appearance: The effect of facial features on first impressions and personality | |
| Flatla et al. | SPRWeb: Preserving subjective responses to website colour schemes through automatic recolouring | |
| Reinecke et al. | Enabling designers to foresee which colors users cannot see | |
| Álvaro et al. | Color preference in red–green dichromats | |
| CN108711407A (zh) | 显示效果调节方法、调节装置、显示设备及存储介质 | |
| Gwinn et al. | Race-contingent face aftereffects: a result of perceived racial typicality, not categorization | |
| Huang et al. | Color harmony in two‐piece garments | |
| CN106951396B (zh) | 一种基于生物反馈的远程学习者类型快速确定方法 | |
| Wu et al. | The composition of visual texture design on surface for color vision deficiency (CVD) | |
| Yang et al. | Hard to disrupt: Categorization and enumeration by gender and race from mixed displays | |
| Cerin et al. | Predictors of pre‐and post‐competition affective states in male martial artists: a multilevel interactional approach | |
| Carvalho et al. | Swimming sprint performance depends on upper/lower limbs strength and swimmers level | |
| Xu et al. | The development of a colour discrimination index | |
| McAdams et al. | Chromatic and spatial image statistics predict infants’ visual preferences and adults’ aesthetic preferences for art | |
| Yu et al. | Analysis of research strategies to determine individual color preference: N‐alternative forced choice, rank‐order, rating and paired comparison | |
| ISHIBASHI et al. | Statistics-based interactive evolutionary computation for color scheme search | |
| Hansen et al. | Kin recognition and perceived facial similarity | |
| Wu et al. | A study on the impressions induced by lipstick colors | |
| Bruce Hull IV et al. | On the law of comparative judgment: Scaling with intransitive observers and multidimensional stimuli | |
| Thornton et al. | Estimating the racial composition of groups of faces: An ensemble other-race effect | |
| Jiang et al. | Characterizing skin color before and after 100‐m sprinting | |
| Deng et al. | Application of artificial bee colony algorithm and back propagation neural network in color evaluation of human–machine interaction interfaces | |
| Hu et al. | The study of the double color matching of the elderly assistive products based on the Kansei engineering | |
| Hu | Internet addiction and phone dependence: measurements, influencing factors, and effects |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information |
Inventor after: Zeng Jianping Inventor after: Xiao Jianwen Inventor after: Zheng Kaiyan Inventor after: Xu Ling Inventor before: Zhang Guojin Inventor before: Zeng Jianping Inventor before: Xiao Jianwen Inventor before: Zheng Kaiyan Inventor before: Xu Ling |
|
| CB03 | Change of inventor or designer information | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20171116 Address after: Xiangcheng Western Ping Road 363000 Fujian city of Zhangzhou Province, No. 10 Applicant after: ZHANGZHOU CITY COLLEGE Address before: Xiangcheng District of Fujian city in Zhangzhou Province, 363000 Front Street No. 36 Applicant before: Minnan Normal University Applicant before: ZHANGZHOU CITY COLLEGE |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190510 Termination date: 20200228 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |