CN108320070B - 教学质量测评方法和系统 - Google Patents
教学质量测评方法和系统 Download PDFInfo
- Publication number
- CN108320070B CN108320070B CN201711405437.3A CN201711405437A CN108320070B CN 108320070 B CN108320070 B CN 108320070B CN 201711405437 A CN201711405437 A CN 201711405437A CN 108320070 B CN108320070 B CN 108320070B
- Authority
- CN
- China
- Prior art keywords
- user
- teaching quality
- concentration
- physiological response
- concentration degree
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 38
- 230000006461 physiological response Effects 0.000 claims abstract description 75
- 238000011156 evaluation Methods 0.000 claims abstract description 53
- 238000001303 quality assessment method Methods 0.000 claims description 36
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 9
- 230000004424 eye movement Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 17
- 230000000875 corresponding effect Effects 0.000 description 57
- 239000012141 concentrate Substances 0.000 description 14
- 238000010586 diagram Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 6
- 230000001276 controlling effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000017531 blood circulation Effects 0.000 description 3
- 210000003792 cranial nerve Anatomy 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 239000003792 electrolyte Substances 0.000 description 3
- 230000008035 nerve activity Effects 0.000 description 3
- 230000011514 reflex Effects 0.000 description 3
- 230000028327 secretion Effects 0.000 description 3
- 230000000638 stimulation Effects 0.000 description 3
- 210000004243 sweat Anatomy 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000005037 parasympathetic nerve Anatomy 0.000 description 2
- 230000002889 sympathetic effect Effects 0.000 description 2
- 229920000832 Cutin Polymers 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006998 cognitive state Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Educational Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Hospice & Palliative Care (AREA)
- Surgery (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Developmental Disabilities (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Psychiatry (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Child & Adolescent Psychology (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提出一种教学质量测评方法和系统,其中,方法包括:在用户听课过程中,获取各用户的生理反应信号;根据各用户的生理反应信号确定各用户的专注度;根据各用户的专注度获取教学质量的测评结果。由此,以用户难以自主更改的生理反应信号为依据,获取教学质量的测评结果,保证了教学质量测评结果的准确性,且能够根据当前获取的用户的生理反应信号对当前教学质量进行实时测评,对教学质量的提高具有重要意义。
Description
技术领域
本发明涉及信息处理技术领域,尤其涉及一种教学质量测评方法和系统。
背景技术
在日常的教学活动中,讲师的教学质量评价是教学质量测评的关环节,对提高教学质量和办公效率具有重要意义,因此,只有建立完善的教学质量测评系统才能够较为全面准确的评价讲师的教学工作,全面提高教学水平。
相关技术中,主要采用学生打分的方式,作为教学质量测评的主要参考,比如,学生对教学质量的评分普遍偏低,则教学质量测评对应的测评结果较差,又比如,学生对教学质量的评分普遍较高,则教学质量测评对应的测评结果较高,然而,这种测评方式至少具有以下两个缺陷:其一在于评分需要在教学完毕后实施,但是有很多学生上课完毕后即离开课堂,评分信息难以采集完全,其二在于评分是一个相对主观的打分方式,在一些场景下,即使教育质量较高,但是当某些学生不喜欢讲师本人时,也可能会在打分的时候给出较低的分数,以上两个缺陷将导致教学质量测评的结果不准确。
发明内容
本发明提供一种教学质量测评方法和系统,以解决现有技术中,教学质量测评结果不准确的技术问题。
本发明实施例提供一种教学质量测评方法,其特征在于,包括以下步骤:在用户听课过程中,获取各用户的生理反应信号;根据所述各用户的生理反应信号确定所述各用户的专注度;根据所述各用户的专注度获取教学质量的测评结果。
本发明另一实施例提供一种教学质量测评系统,包括:生理反应信号采集设备和处理器,其中,所述生理反应信号采集设备和处理器相连,其中,所述生理反应信号采集设备,用于在用户听课过程中,获取各用户的生理反应信号;处理器,用于根据所述各用户的生理反应信号确定所述各用户的专注度,并根据所述各用户的专注度获取教学质量的测评结果。
本发明又一实施例提供一种非临时性计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述实施例所述的教学质量测评方法。
本发明还一实施例提供一种计算机程序产品,当所述计算机程序产品中的指令由处理器执行时,执行如上述实施例所述的教学质量测评方法。
本发明实施例提供的技术方案可以包括以下有益效果:
在用户听课过程中,获取各用户的生理反应信号,根据各用户的生理反应信号确定各用户的专注度,进而,根据各用户的专注度获取教学质量的测评结果。由此,以用户难以自主更改的生理反应信号为依据,获取教学质量的测评结果,保证了教学质量测评结果的准确性,且能够根据当前获取的用户的生理反应信号对当前教学质量进行实时测评,对教学质量的提高具有重要意义。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本发明第一个实施例的教学质量测评方法的流程;
图2是根据本发明第二个实施例的教学质量测评方法的流程;
图3(a)是根据本发明第一个实施例的教学质量测评结果示意图;
图3(b)是根据本发明第二个实施例的教学质量测评结果示意图;
图3(c)是根据本发明第三个实施例的教学质量测评结果示意图;
图3(d)是根据本发明第四个实施例的教学质量测评结果示意图;
图4是根据本发明第三个实施例的教学质量测评方法的流程图;
图5是根据本发明第四个实施例的教学质量测评方法的流程图;
图6(a)是根据本发明第一个实施例的教学质量测评方法的场景示意图;
图6(b)是根据本发明第二个实施例的教学质量测评方法的场景示意图;
图6(c)是根据本发明第三个实施例的教学质量测评方法的场景示意图;
图7是根据本发明第五个实施例的教学质量测评方法的流程图;
图8(a)是根据本发明第四个实施例的教学质量测评方法的场景示意图;
图8(b)是根据本发明第五个实施例的教学质量测评方法的场景示意图;
图9是根据本发明第一个实施例的教学质量测评系统的结构示意图;
图10是根据本发明第二个实施例的教学质量测评系统的结构示意图;
图11是根据本发明第三个实施例的教学质量测评系统的结构示意图;
图12是根据本发明第四个实施例的教学质量测评系统的结构示意图;
图13是根据本发明第五个实施例的教学质量测评系统的结构示意图;以及
图14是根据本发明第六个实施例的教学质量测评系统的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
基于以上分析可知,相关技术中,通过获取学生打分的方式进行教学质量测评,而这种打分方式一方面在采集较难,另一方面打分与实际教学质量可能有出入,当学生打分时,受到其他因素影响时可能给出的分数并不能完全反应教学质量。
为了解决上述技术问题,本发明提出了一种教学质量测评方法,该方法通过检测用户在听课过程中的不能自主的控制的生理反应信号,获取用户的专注度,进而根据每个用户的专注度获取教学质量的测评结果,由此,不但可以实时获知用户在听课过程中的专注度,而且基于生理反应信号确定的用户专注度与教学质量较为一致。
下面参考附图描述本发明实施例的教学质量测评方法和系统。
图1是根据本发明第一个实施例的教学质量测评方法的流程图,如图1所示,该方法包括:
步骤101,在用户听课过程中,获取各用户的生理反应信号。
其中,生理反应信号,包括皮肤电导信号、心率信号、心电信号、眼动信号、脑电信号中的一种或者多种信号组合。具体地,在本发明的实施例中,可通过皮肤传感器设备采集用户的生理反应信号,其中,根据应用场景的不同,皮肤传感器设备可以为不同的设备,比如,可以为包含皮肤传感器的腕带、帽子、手套、项链、脸部贴纸等能直接接触到的用户皮肤的设备。
应当理解的是,步骤101中获取用户在听课过程中的生理反应信号的应用场景,可以发生在实际的教学场景中,在该场景下,听课的每一个用户佩戴包含皮肤传感器的设备,也可以发生在远程教学等线上课程的教学场景中,在该场景下,听课的每一个用户佩戴包含皮肤传感器的设备,由包含皮肤传感器的设备将采集到的皮肤导电数据上传到系统。
步骤102,根据各用户的生理反应信号确定各用户的专注度。
其中,在不同的应用场景下,各用户的专注度可以以具体地数值表示,比如以百分制中的数字表示,数值越大代表用户越专注,比如以等级制度中的等级表示,等级越大代表用户越专注,又比如以具体的符号标志(星星符号、花朵符号、心形符号等)的数量来表示,符号数量越多代表用户越专注。
可以理解,用户的生理反应信号会真实的反应用户的专注度,当生理反应信号包括皮肤电导信号时,皮肤会对电流或者电压呈现一定的电阻,而电阻的大小会随着情绪变化而变化,通常,在较为轻松的状态下,用户可能当前在走神,听课并不是很专注,人体皮肤的电阻较大,从而皮肤电导信号较低,在精神紧张或专注时,用户可能当前正在专注的听课,人体皮肤的电阻较小,从而人体皮肤电导信号较高,这是由于交感和副交感神经根据大脑的认知状态的变化进行拮抗式的调节,而交感和副交感神经的活动会影响皮肤电阻。
需要说明的是,在不同的应用场景下,可采用不同的方式实现根据用户的生理反应信号确定各用户的专注度,示例说明如下:
第一种示例:
在本示例中,预先根据大量实验数据,获取并存储专注度和生理反应信号的对应关系,从而,在获取生理反应信号后,查询上述对应关系,以获取匹配的用户的专注度。
第二种示例:
预先根据大量实验数据,构造生理反应信号的深层网络模型,该模型的输入为生理反应信号,输出为用户的专注度,从而,将获取的用户的生理反应信号输入该深层网络模型,得到输出的用户的专注度。
第三种示例:
在本示例中,如图2所示,上述步骤102包括:
步骤201,根据预设策略分析各用户的生理反应信号,提取各用户的专注特征信息。
应当理解的是,在不同的应用场景下,上述分析用户的生理反应信号的预设策略不同,从而提取到的用户的专注特征信息不同:
作为一种可能的实现方式,专注特征信息为专注次数,则可以检测生理反应信号大于预设阈值的次数提取专注次数。
当生理反应信号为皮肤电导信号时,由于在实际应用中,用户对当前教学越专注,则用户的脑神经活动越丰富,受到教学内容的刺激,会使得皮肤表面的导电度改变(其成因可能汗液分泌量,体表电解质,血液循环速度等),变化量愈大(导电度增加),从而检测获知的皮肤电导信号越大。
因而,在本示例中,预先根据大量实验数据设置皮肤电导信号对应的预设阈值,提取皮肤电导信号大于预设阈值的次数提取专注次数。
作为另一种可能的实现方式,可以检测生理反应信号大于预设阈值的时间提取专注时间。
当生理反应信号为皮肤电导信号时,由于在实际应用中,用户对当前教学越专注,则用户的脑神经活动越丰富,受到教学内容的刺激,会使得皮肤表面的导电度改变(其成因可能汗液分泌量,体表电解质,血液循环速度等),变化量愈大(导电度增加),从而检测获知的皮肤电导信号越大。
因而,在本示例中,还可以检测皮肤电导信号大于预设阈值的时间提取专注时间。
作为又一种可能的实现方式,可以检测生理反应信号大于预设阈值的幅度提取专注强度。
当生理反应信号为皮肤电导信号时,由于在实际应用中,用户对当前教学越专注,则用户的脑神经活动越丰富,受到教学内容的刺激,会使得皮肤表面的导电度改变(其成因可能汗液分泌量,体表电解质,血液循环速度等),变化量愈大(导电度增加),从而检测获知的皮肤电导信号越大。
因而,在本示例中,还可以检测皮肤电导信号大于预设阈值的幅度提取专注强度,如预设阈值为A,当前的皮肤电导信号为大于A的B,则可以将B-A作为专注强度。
其中,在不同的应用场景下,上述三种示例采集的用户的专注特征信息可以作为单独的参考因素,用于进一步确定用户的专注度,也可以将上述三种示例采集的用户的专注特征信息的任意两种的组合作为参考因素,用于进一步确定用户的专注度,也可以将上述三种示例采集的用户的专注特征信息作为参考因素,用于进一步确定用户的专注度。
另外,为了保证进一步确定用户的专注度的准确度,在本发明的一个实施例中,上述与生理反应信号进行比较的预设阈值还可以根据用户的体质类型设置,比如当生理反应信号为皮肤电导信号时,对于女性用户和男性用户、或者不同年龄段的用户来讲,其皮肤表面的角质和干燥度等不同,因而,在同样的专注度下测量得到的皮肤电导信号是不同,为了补偿这种用户体质上的差别,还可以根据大量实验数据获取这种差别数据,针对不同体质用户设置不同的预设阈值,比如,由于男性汗腺比女性更加发达,皮肤更加湿润、导电性更强,因而设置的预设阈值相对高一些等。
当然,在这种应用场景下,需要预先对用户的体质类型进行获取,获取方式也可以根据应用场景的不同而不同,比如,可以借助于课堂中的摄像头获取当前参与教学听讲的用户的图像信息,根据图像信息识别对应位置的用户身份,从而将用户的基本属性及特质与对应位置的皮肤传感器相关联,即可根据不同用户的体质类型采用不同的预设阈值进行专注特征信息的获取。
步骤202,应用预设算法对各用户的专注特征信息进行计算,获取各用户的专注度。
具体而言,根据应用场景的不同,应用预设算法对各用户的专注特征信息进行计算获取各用户的专注度的方式不同,下面结合不同的应用场景进行举例:
场景一:
在该场景下,用户的专注特征信息为单一的特征信息,比如仅仅为专注次数,或者,专注时间,或者,专注强度。
由于用户的专注特征信息对应的数据值越大,比如专注次数越大,表示用户越专注于当前教学,因此,本场景下的预设算法为与专注特征信息对应的线性运算算法,比如,该算法可以为Y=a*X,其中,Y为用户的专注度,X为专注特征信息对应的数据值,a可以为任意大于0的数。
其中,可以考虑专注特征信息包含不同的内容时与用户专注度的相关性的不同,比如,在确定用户的专注度时,通常用户的专注时间相比于专注次数的参考意义更大,因为有的时候,用户虽然多次专注于当前课程,但是持续时间较短,还是认为用户没有专注于当前教学,因此,上述a还可以对应于不同的专注特征信息的权重值,比如,当专注特征信息为专注次数时,对应的a为0.6,当专注特征信息为专注时间时,对应的a为0.8。
场景二:
在该场景下,用户的专注特征信息为多个特征信息,比如包括专注次数和专注时间,或者,专注时间和专注强度,或者,专注次数、专注时间和专注强度等。
由于用户的专注特征信息对应的数据值越大,比如专注次数越大,表示用户越专注于当前教学,因此,对应的预设算法与用户的专注特征信息对应的数据值正相关,比如,Y=a1*X1+…+an*Xn,其中,n为大于等于2的正整数,a1到an为正数,a1到an可以相等,也可以不相等,当a1到an不相等时,可以用于表示不同的用户的专注特征信息对专注度的不同的参考意义的权重值,X1到Xn表示不同的用户特征信息对应的数据值。
当然,在实际操作过程中,该场景中的预设算还可以是任意体现用户的专注特征信息对应的数据值正相关的算法表达,在此不一一列举。
步骤103,根据各用户的专注度获取教学质量的测评结果。
可以理解,用户的专注度与教学质量密切相关,通常用户会更加专注于教学质量较高的课程,因此,根据用户的专注度对获取教学质量的测评结果较为准确。
其中,在实际执行过程中,测评结果可以根据应用场景的不同而不同,比如,该测评结果可以为百分制的分数表示,还可以为等级制表示等,作为一种可能的实现方式,在当前测评结果对应于百分制评分时,可以应用预设的算法对各用户对每节课的专注度进行计算,获取与每节课对应的各用户的听课评分,比如,预先建立专注度与听课评分的对应关系,从而,在获取用户对每节课的专注度后,查询上述对应关系,获取到对应的听课评分,进而,根据与每节课对应的各用户的听课评分获取教学质量的测评结果,比如,将每节课对应的各用户的听课评分进行加权平均获取教学质量的测评结果等。
应当理解的是,本发明的教学质量测评方法可以应用于对同一个讲师的所有的课程的综合测评,或者,可以应用于对每节课的测评,或者,由于获取的生理反应信号是实时的,还可以对一个或多个时刻的教学进行测评,或者,还可以针对单个用户进行测评,获取针对每个用户的教学质量的测评结果,为了更加清楚的说明,下面结合具体的应用场景进行举例:
具体而言,当测评结果和专注度均以百分制分数表示时,如图3(a)所示,在实际教学中,对一节时长为45分钟的教学课程进行测评,实时获取参与教学听讲的用户1、用户2、用户3和用户4的生理反应信号,根据该生理反应信号获取每个用户在每个时刻的专注度,由此,如图3(b)所示,根据应用分析的需要,可以对用户1、用户2、用户3和用户4的专注度进行加权平均,获取该教学课程的测评结果为85分。这种应用场景还可以应用在对课程表的对应课程进行教学质量测评,以便于根据教学质量调整课程表等。
为了更加详细的分析出该教学课程的测评结果,如图3(c)所示,还可以对用户1、用户2、用户3和用户4的每个时刻的专注度进行加权平均,获取该教学课程的每个时刻的测评结果,或者,如图3(d)所示,为了进一步便于教学工作,还可以分别针对用户1、用户2、用户3和用户4的专注度,生成针对每个用户的教学测评结果等。
由此,本发明实施例的教学质量测评方法,基于用户难以自主更改的用户的生理反应信号进行教学质量的测评,可以客观准确的反映出教学质量,对教学质量的进步具有重要意义。
综上所述,本发明实施例的教学质量测评方法,在用户听课过程中,获取各用户的生理反应信号,根据各用户的生理反应信号确定各用户的专注度,进而,根据各用户的专注度获取教学质量的测评结果。由此,以用户难以自主更改的生理反应信号为依据,获取教学质量的测评结果,保证了教学质量测评结果的准确性,且能够根据当前获取的用户的生理反应信号对当前教学质量进行实时测评,对教学质量的提高具有重要意义。
在实际应用中,可能有其他因素影响用户的专注度,比如,在实际教学场景中,处在后排的用户相比较于前排的用户,由于距离讲课者较远较难专注,又比如,在远程教学场景中,网速不稳定的用户相比较于网速稳定流畅的用户较难专注,因此,为了进一步保证教学质量的测评结果的准确性,还可以针对这些非教学质量导致的不专注的因素进行误差补偿处理。
为了说明的方便,下面以用户距离讲课者的距离为不专注的因素进行说明。
具体而言,图4是根据本发明第三个实施例的教学质量测评方法的流程图,如图4所示,上述步骤103包括:
步骤301,根据各用户距离讲课者的位置信息,获取各用户的权重信息。
通常距离讲课者越远,用户由于难以听清讲课者的声音、看不清讲课者的口型等原因导致难以集中注意力,在这种场景下,应当理解的是,即使讲课者的教学质量较高,也有可能的导致一些距离较远的用户难以专注,因此,为了保证进一步获取教学质量的测评结果的准确性,根据各用户距离讲课者的位置信息,获取各用户的权重信息,通常各用户距离讲课者的距离越远,对应用户的权重信息越小,当然,该距离讲课者的位置信息除了距离之外,还可包括与讲课者所在位置的夹角等,用户越是正对于讲课者,越是容易专注,对应的用户的权重信息越高。
其中,在具体实施时,可以在皮肤传感器中安装位置传感器获取用户的位置信息,从而,通过将预存的讲课者的位置信息与获取的用户的位置信息进行比对,即可获取用户距离讲课者的位置信息。
步骤302,应用预设算法对各用户的专注度和对应的权重信息进行计算,获取评分数据。
具体地,用户的权重信息越小,则越会对教学质量的测评结果造成误差,因而,可以根据用户的权重信息补偿这种误差,在本发明的一个实施例中,将用户的专注度和对应的权重信息相乘,将乘积值作为对应用户的评分数据,进而,将各个用户的评分数据相加即可获取到当前教学的评分数据。
步骤303,查询预设的教学质量等级与分数范围的对应关系,获取与评分数据对应的教学质量等级。
具体地,在本发明中,教学质量的测评结果以教育质量等级的方式表现,从而,预先建立评分数据的范围与教学质量等级的对应关系,进而在获取当前教学的评分数据后,查询预设的教学质量等级与分数范围的对应关系,获取与评分数据对应的教学质量等级。
综上所述,本发明实施例的教学质量测评方法,针对非教学质量导致的不专注的因素进行误差补偿处理,提高了获取的教学质量的测评结果的准确性。
基于以上实施例,为了更加直观的表现出当前教学质量,还可通过一些反馈设备对当前教学情况进行反馈。
具体而言,在一些应用场景下,基于第一反馈设备对用户的专注度进行反馈。
如图5所示,在上述步骤103之后,该教学质量测评方法还包括:
步骤401,根据各用户的专注度生成第一反馈设备的第一控制指令。
步骤402,根据第一控制指令控制第一反馈设备进行相应操作反映用户专注度。
其中,第一反馈设备为对应的应用场景下,可被控制指令控制操作的设备,比如,在实际教学场景中,可以为用户头顶的智能灯、椅子等,又比如,在远程教学场景中,可以为远程教学应用程序中,对应用户的头像,或者,是该用户图像后单独指示用户专注度的控件等。
可以理解,为了直观的反映出用户当前的专注度,以便于讲课者根据各个用户的专注度对教学内容进行实时调整,根据各个用户的专注度生成第一反馈设备的第一控制指令,以根据控制指令控制第一反馈设备进行相应的操作反映用户专注度。
需要说明的是,根据应用场景的不同,根据各用户的专注度生成第一反馈设备的第一控制指令,并根据第一控制指令控制第一反馈设备进行相应操作反映用户专注度的实现方式不同,示例说明如下:
作为一种可能的实现方式,预先针对第一反馈设备,结合大量实验数据设置专注度和第一控制指令的对应关系,从而,在获取各用户的专注度后,查询该对应关系,获取对应的第一控制指令,并根据该第一控制指令控制目标设备进行对应操作反映用户的专注度。
其中,相关第一控制指令可以根据场景的需要,以有线的形式发送给对应的第一反馈设备,或者,以蓝牙、红外等无线的形式发送给对应的第一反馈设备,在此不作限制。
容易理解的是,为了便于全面的了解每个用户的专注度,第一反馈设备个体与用户个体对应,或者,第一反馈设备的控制区域与用户集合对应,但是,当用户个体人数较多,或者,第一反馈设备安装或者成本的限制,或者,当前应用场景不需要获取每个用户的专注度时,第一反馈设备个体或者控制区域与用户个体对应难以实现,此时,还可以将第一反馈设备个体与用户集合对应,或者,将第一反馈设备的控制区域与用户集合对应。
举例而言,如图6(a)所示,在实际教学场景中,听讲的用户为用户1-4,当第一反馈设备是用户头顶的智能灯时,该智能灯的颜色可以变化,当用户1-4的生理反应信号进行采集,根据采集的生理反应信号确定各用户的专注度之后,根据各用户的专注度分别生成对应位置的智能灯的第一控制指令,根据第一控制指令控制智能灯进行颜色变化反映用户专注度,其中,用户1和2对于教学比较专注,则用户1和2座位上方的智能灯为暖色系,用户3和4此时在开小差,则此时用户3和4对应的座位上的智能灯为灭。
举例而言,如图6(b)所示,在实际教学场景中,听讲的用户为多个用户,第一反馈设备为教室内的显示屏,预先针对教室内座位的分布区域的划分数量将显示屏划分为4个控制区域,继续参照图6(b),教室内座位的分布区域为4个,将显示屏幕划分为四个控制区域a,b,c,d,其中,4个分布区域分别与四个控制区域a,b,c,d对应。
在获取不同座位的分布区域的用户的专注度后,根据该区域内的用户的专注度生成显示屏上对应显示区域的控制指令,并根据控制指令控制目标显示区域的颜色反映用户的专注度。
其中,继续参照图6(b),座位分布区域1和2的用户对应的专注度为十分专注,则该专注度生成显示屏上与座位分布区域1和2对应的目标显示区域的控制指令,控制对应的目标控制区域a和b显示为红色,座位分布区域3和4的用户对应的专注度为不专注,则该专注度生成显示屏上与座位分布区域3和4对应的显示区域的控制指令,控制对应的目标控制区域c和d显示为蓝色。
举例而言,在远程教学场景中,在当前远程教学界面中,第一反馈设备为用户图像后单独指示用户专注度的控件,该控件为指示用户专注度的进度条,则如图6(c)所示,在根据各用户的生理反应信号确定用户1-4的专注度之后,根据各用户的专注度生成对应进度条的第一控制指令,根据第一控制指令控制进度条的进度反映用户专注度。
在一些应用场景下,基于第二反馈设备对教学质量进行反馈。
如图7所示,在上述步骤103之后,该教学质量测评方法还包括:
步骤501,根据测评结果生成第二反馈设备的第二控制指令。
步骤502,根据第二控制指令控制第二反馈设备进行相应操作反映教学质量。
其中,第二反馈设备为对应的应用场景下,可被第二控制指令控制操作的设备,比如,在实际教学场景中,可以为教室中安装的智能灯等,又比如,在远程教学场景中,可以为远程教学应用程序中,对应反映教学质量的控件等。
可以理解,为了直观的反映出教学质量,以便于讲课者根据教学质量对教学内容进行实时调整,根据测评结果生成第二反馈设备的第二控制指令,进而,根据第二控制指令控制所述第二反馈设备进行相应操作反映教学质量。
举例而言,如图8(a)所示,在实际教学场景中,当第二反馈设备是教室中的智能灯时,该智能灯的颜色可以变化,根据测评结果生成第二反馈设备的第二控制指令,根据该第二控制指令控制智能灯进行颜色变化反映教学质量,比如,当前智能灯的颜色为蓝色,则表明当前教学质量较差。
举例而言,如图8(b)所示,在远程教学场景中,当第二反馈设备是远程教学应用程序中,对应反映教学质量的控件,且该控件为进度条时,根据测评结果生成第二反馈设备的第二控制指令,根据该第二控制指令控制智进度条进行填充进度的变化反映教学质量,比如,当前进度条的填充为50%,则表明当前教学质量一般。
当然,上述两种示例示出的对教学质量反应的方式,都是实时反应教学质量,在实际应用中,为了便于对教学质量的分析,还可以在教学完毕后,基于整个教学质量进行分析测评,比如,如图8(b)所示,在远程教学场景中,还可以设置专门的分数显示区域用以表示整个教学质量的测评结果。
综上所述,本发明实施例的教学质量测评方法,可以直观的反映出教学过程中用户的专注度,以及教学质量,便于讲课者调整教学内容,对教学质量的提高具有重要意义。
为了实现上述实施例,本发明还提出了教学质量测评系统,图9是根据本发明第一个实施例的教学质量测评系统的结构示意图,如图9所示,该教学质量测评系统包括:生理反应信号采集设备100和处理器200,其中,如图9所示,生理反应信号采集设备和处理器相连,其中,
生理反应信号采集设备100,用于在用户听课过程中,获取各用户的生理反应信号。
处理器200,用于根据各用户的生理反应信号确定各用户的专注度,并根据各用户的专注度获取教学质量的测评结果。
在本发明的一个实施例中,如图10所示,处理器200包括提取单元210和第一获取单元220,其中,提取单元210,用于根据预设策略分析所述各用户的生理反应信号,提取所述各用户的专注特征信息。
第一获取单元220,用于应用预设算法对所述各用户的专注特征信息进行计算,获取所述各用户的专注度。
在本发明的一个实施例中,如图11所示,处理器200包括第五获取单元230和第六获取单元240,其中,第五获取单元230,用于应用预设算法对各用户对每节课的专注度进行计算,获取与每节课对应的各用户的听课评分。
第六获取单元240,用于根据与每节课对应的各用户的听课评分获取教学质量的测评结果。
需要说明的是,前述对教学质量测评方法实施例的解释说明也适用于该实施例的教学质量测评系统,本发明教学质量测评系统实施例中未公布的细节,此处不再赘述。
综上所述,本发明实施例的教学质量测评系统,在用户听课过程中,获取各用户的生理反应信号,根据各用户的生理反应信号确定各用户的专注度,进而,根据各用户的专注度获取教学质量的测评结果。由此,以用户难以自主更改的生理反应信号为依据,获取教学质量的测评结果,保证了教学质量测评结果的准确性,且能够根据当前获取的用户的生理反应信号对当前教学质量进行实时测评,对教学质量的提高具有重要意义。
在实际应用中,可能有其他因素影响用户的专注度,比如,在实际教学场景中,处在后排的用户相比较于前排的用户由于距离讲课者较远较难专注,又比如,在远程教学场景中,网速不稳定的用户相比较于网速稳定流畅的用户较难专注,因此,为了进一步保证教学质量的测评结果的准确性,还可以针对这些非教学质量导致的不专注的因素进行误差补偿处理。
为了说明的方便,下面以用户距离讲课者的距离为不专注的因素进行说明。
具体而言,图12是根据本发明第四个实施例的教学质量测评系统的结构示意图,如图12所示,在如图9所示的基础上,该处理器200包括第二获取单元250、第三获取单元260和第四获取单元270,其中,
第二获取单元250,用于根据各用户距离讲课者的位置信息,获取各用户的权重信息。
第三获取单元260,用于应用预设算法对各用户的专注度和对应的权重信息进行计算,获取评分数据。
第四获取单元270,用于查询预设的教学质量等级与分数范围的对应关系,获取与评分数据对应的教学质量等级。
需要说明的是,前述对教学质量测评方法实施例的解释说明也适用于该实施例的教学质量测评系统,本发明教学质量测评系统实施例中未公布的细节,此处不再赘述。
综上所述,本发明实施例的教学质量测评系统,针对非教学质量导致的不专注的因素进行误差补偿处理,提高了获取的教学质量的测评结果的准确性。
基于以上实施例,为了更加直观的表现出当前教学质量,还可通过一些反馈设备对当前教学情况进行反馈。
具体而言,图13是根据本发明第五个实施例的教学质量测评系统的结构示意图,如图13所示,该系统还包括第一反馈设备300,其中,第一反馈设备300与处理器200连接,其中,
处理器200,还用于根据各用户的专注度生成第一反馈设备的第一控制指令。
第一反馈设备300,用于根据第一控制指令进行相应操作反映用户专注度。
具体而言,图14是根据本发明第六个实施例的教学质量测评系统的结构示意图,如图14所示,该系统还包括第二反馈设备400,其中,第二反馈设备400与处理器200连接,其中,
处理器200,还用于根据测评结果生成第二反馈设备的第二控制指令。
第二反馈设备400,用于根据第二控制指令进行相应操作反映教学质量。
需要说明的是,前述对教学质量测评方法实施例的解释说明也适用于该实施例的教学质量测评系统,本发明教学质量测评系统实施例中未公布的细节,此处不再赘述。
综上所述,本发明实施例的教学质量测评系统,可以直观的反映出教学过程中用户的专注度,以及教学质量,便于讲课者调整教学内容,对教学质量的提高具有重要意义。
为了实现上述实施例,本发明还提出一种非临时性计算机可读存储介质,当所述存储介质中的指令由处理器被执行时,使得能够执行如上述实施例所述的教学质量测评方法。
为了实现上述实施例,本发明还提出一种计算机程序产品,当所述计算机程序产品中的指令处理器执行时,执行如上述实施例所述的教学质量测评方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (13)
1.一种教学质量测评方法,其特征在于,包括以下步骤:
在用户听课过程中,获取各用户的生理反应信号;
根据所述各用户的生理反应信号确定所述各用户的专注度;
根据所述各用户的专注度获取教学质量的测评结果;
所述根据所述各用户的专注度获取教学质量的测评结果,包括:
应用预设算法对所述各用户对每节课的专注度进行计算,获取与每节课对应的各用户的听课评分;
根据所述与每节课对应的各用户的听课评分获取教学质量的测评结果;
所述根据所述各用户的专注度获取教学质量的测评结果,还包括:
根据所述各用户距离讲课者的位置信息,获取所述各用户的权重信息;
应用预设算法对所述各用户的专注度和对应的权重信息进行计算,获取评分数据;
查询预设的教学质量等级与分数范围的对应关系,获取与所述评分数据对应的教学质量等级。
2.如权利要求1所述的方法,其特征在于,所述根据所述各用户的生理反应信号确定所述各用户的专注度,包括:
根据预设策略分析所述各用户的生理反应信号,提取所述各用户的专注特征信息;
应用预设算法对所述各用户的专注特征信息进行计算,获取所述各用户的专注度。
3.如权利要求2所述的方法,其特征在于,所述根据预设策略分析所述各用户的生理反应信号,提取所述各用户的专注特征信息,包括:
检测所述生理反应信号大于预设阈值的次数提取专注次数;和/或,
检测所述生理反应信号大于预设阈值的时间提取专注时间;和/或,
检测所述生理反应信号大于预设阈值的幅度提取专注强度。
4.如权利要求1所述的方法,其特征在于,在所述根据所述各用户的生理反应信号确定所述各用户的专注度之后,还包括:
根据所述各用户的专注度生成第一反馈设备的第一控制指令;
根据所述第一控制指令控制所述第一反馈设备进行相应操作反映用户专注度。
5.根据权利要求4所述的方法,其特征在于,
所述第一反馈设备个体与用户个体对应;或者,
所述第一反馈设备个体与用户集合对应;或者,
所述第一反馈设备的控制区域与用户个体对应;或者,
所述第一反馈设备的控制区域与用户集合对应。
6.如权利要求1所述的方法,其特征在于,在所述根据所述各用户的专注度获取教学质量的测评结果之后,还包括:
根据所述测评结果生成第二反馈设备的第二控制指令;
根据所述第二控制指令控制所述第二反馈设备进行相应操作反映教学质量。
7.如权利要求1所述的方法,其特征在于,所述生理反应信号,包括:
皮肤电导信号、心率信号、心电信号、眼动信号、脑电信号中的一种或者多种信号组合。
8.一种教学质量测评系统,其特征在于,包括:
生理反应信号采集设备和处理器,其中,所述生理反应信号采集设备和处理器相连,其中,
所述生理反应信号采集设备,用于在用户听课过程中,获取各用户的生理反应信号;
处理器,用于根据所述各用户的生理反应信号确定所述各用户的专注度,并根据所述各用户的专注度获取教学质量的测评结果;
所述处理器包括:
第五获取单元,用于应用预设算法对所述各用户对每节课的专注度进行计算,获取与每节课对应的各用户的听课评分;
第六获取单元,用于根据所述与每节课对应的各用户的听课评分获取教学质量的测评结果;
所述处理器还包括:
第二获取单元,用于根据所述各用户距离讲课者的位置信息,获取所述各用户的权重信息;
第三获取单元,用于应用预设算法对所述各用户的专注度和对应的权重信息进行计算,获取评分数据;
第四获取单元,用于查询预设的教学质量等级与分数范围的对应关系,获取与所述评分数据对应的教学质量等级。
9.如权利要求8所述的系统,其特征在于,所述处理器包括:
提取单元,用于根据预设策略分析所述各用户的生理反应信号,提取所述各用户的专注特征信息;
第一获取单元,用于应用预设算法对所述各用户的专注特征信息进行计算,获取所述各用户的专注度。
10.如权利要求8所述的系统,其特征在于,还包括:第一反馈设备,其中,所述第一反馈设备与所述处理器连接,
所述处理器,还用于根据所述各用户的专注度生成第一反馈设备的第一控制指令;
所述第一反馈设备,用于根据所述第一控制指令进行相应操作反映用户专注度。
11.如权利要求8所述的系统,其特征在于,还包括:第二反馈设备,其中,所述第二反馈设备与所述处理器连接,
所述处理器,还用于根据所述测评结果生成第二反馈设备的第二控制指令;
所述第二反馈设备,用于根据所述第二控制指令进行相应操作反映教学质量。
12.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7任一所述的教学质量测评方法。
13.一种计算机程序产品,其特征在于,当所述计算机程序产品中的指令由处理器执行时,执行如权利要求1-7任一所述的教学质量测评方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711405437.3A CN108320070B (zh) | 2017-12-22 | 2017-12-22 | 教学质量测评方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711405437.3A CN108320070B (zh) | 2017-12-22 | 2017-12-22 | 教学质量测评方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108320070A CN108320070A (zh) | 2018-07-24 |
CN108320070B true CN108320070B (zh) | 2021-11-05 |
Family
ID=62893205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711405437.3A Active CN108320070B (zh) | 2017-12-22 | 2017-12-22 | 教学质量测评方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108320070B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109009171B (zh) * | 2018-08-01 | 2020-11-13 | 深圳市心流科技有限公司 | 注意力测评方法、系统及计算机可读存储介质 |
CN110062495B (zh) * | 2019-03-28 | 2021-08-24 | 深圳市宏智力科技有限公司 | 脑电波书灯及其控制方法 |
CN112363627A (zh) * | 2020-11-26 | 2021-02-12 | 西安慧脑智能科技有限公司 | 基于脑机交互的注意力训练方法和系统 |
CN116452071B (zh) * | 2023-06-16 | 2023-08-18 | 济南科明数码技术股份有限公司 | 一种基于vr和5g技术的智慧教学质量评估系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203405965U (zh) * | 2013-05-09 | 2014-01-22 | 何凯佳 | 一种课堂教学辅助系统 |
CN104517102A (zh) * | 2014-12-26 | 2015-04-15 | 华中师范大学 | 学生课堂注意力检测方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110167013A1 (en) * | 2008-03-21 | 2011-07-07 | Laura Pogue | Online classroom quality control system and method |
CN104835356B (zh) * | 2015-05-31 | 2016-07-13 | 深圳市采集科技有限公司 | 一种学生听讲专注度的测量方法及系统 |
CN105139695A (zh) * | 2015-09-28 | 2015-12-09 | 南通大学 | 一种基于脑电波采集的课堂教学监测方法及系统 |
CN106920129B (zh) * | 2017-03-09 | 2020-05-05 | 山东师范大学 | 一种基于眼动追踪的网络广告效果测评系统及其方法 |
CN107092783A (zh) * | 2017-04-06 | 2017-08-25 | 安徽创易心理科技有限公司 | 一种专注与放松度测试训练系统及方法 |
-
2017
- 2017-12-22 CN CN201711405437.3A patent/CN108320070B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203405965U (zh) * | 2013-05-09 | 2014-01-22 | 何凯佳 | 一种课堂教学辅助系统 |
CN104517102A (zh) * | 2014-12-26 | 2015-04-15 | 华中师范大学 | 学生课堂注意力检测方法及系统 |
Non-Patent Citations (1)
Title |
---|
"基于BP 神经网络的高校教师教学质量评价模型";郑永 等;《重庆理工大学学报( 自然科学)》;20150115;第29卷(第1期);第85-90页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108320070A (zh) | 2018-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108320070B (zh) | 教学质量测评方法和系统 | |
US10068490B2 (en) | System and method for improving student learning by monitoring student cognitive state | |
KR102489677B1 (ko) | 시각적 기능의 임상적 파라미터들을 통합적으로 측정하는 시스템 | |
US20180308376A1 (en) | Adaptive learning environment driven by real-time identification of engagement level | |
BR112021001717A2 (pt) | métodos implementados por processador para personalizar uma experiência educacional com base em treinamento de neuro-feedback, sistema de treinamento de neuro-feedback, meios legíveis por computador, método e sistema de avaliação de atenção | |
CN104983435B (zh) | 一种兴趣取向值测验的刺激信息编制方法 | |
CN109298779A (zh) | 基于虚拟代理交互的虚拟训练系统与方法 | |
Tsalamlal et al. | Affective communication through air jet stimulation: Evidence from event-related potentials | |
Kawai et al. | Pupil diameter variation in positive and negative emotions with visual stimulus | |
CN109063954A (zh) | 教师教学的测评方法和系统 | |
CN110680314A (zh) | 基于脑电多参数的虚拟现实情境任务注意力测训系统 | |
CN108937965A (zh) | 一种基于坐姿分析的注意力测评系统及方法 | |
CN105326471A (zh) | 婴幼儿视力测试装置及测试方法 | |
CN111695442A (zh) | 一种基于多模态融合的在线学习智能辅助系统 | |
CN106202976A (zh) | 一种学习质量与时间的评估测定方法 | |
Herbig et al. | Investigating multi-modal measures for cognitive load detection in e-learning | |
Ray et al. | Design and implementation of technology enabled affective learning using fusion of bio-physical and facial expression | |
Bruhn et al. | Assessing and treating stereotypical behaviors in classrooms using a functional approach | |
CN202044243U (zh) | 一种视力检测器 | |
US20180042541A1 (en) | Fast, Continuous Psychometric Estimation System Utilizing Machine Learning and Associated Method of Use | |
Moridis et al. | Mood recognition during online self-assessment tests | |
CN109619838B (zh) | 智能课桌的使用方法及智能课桌系统 | |
CN112613364A (zh) | 目标物体的确定方法、系统、存储介质和电子设备 | |
WO2020139108A1 (ru) | Способ проведения когнитивных исследований с использованием системы нейровизуализации и механизма обратной связи | |
CN115793847A (zh) | 一种用于监测学生线上上课状态的教学系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |