CN108682189A - 一种学习状态确认系统及方法 - Google Patents
一种学习状态确认系统及方法 Download PDFInfo
- Publication number
- CN108682189A CN108682189A CN201810361682.7A CN201810361682A CN108682189A CN 108682189 A CN108682189 A CN 108682189A CN 201810361682 A CN201810361682 A CN 201810361682A CN 108682189 A CN108682189 A CN 108682189A
- Authority
- CN
- China
- Prior art keywords
- learner
- eye movement
- learning
- intelligent terminal
- model
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B5/00—Electrically-operated educational appliances
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/013—Eye tracking input arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种学习状态确认系统及方法，其中，学习状态确认系统包括：眼动检测装置和智能终端；其中所述眼动检测装置适于检测学习者的预设时间内的眼动数据，并将眼动数据发送给智能终端；所述智能终端适于对注视区域进行划分并将划分结果与眼动数据进行分析得出学习者的专注度和/或注意力分布。通过将注视区域依据学习内容进行划分，并将眼动数据与划分结果进行分析，得出学习者的专注度，能更好的观察学习者的专注度，同时，通过预设时间内的眼动数据与划分结果进行分析，降低了根据某一时刻的状态进行判断带来的误判的可能性。
Description
技术领域
本发明涉及智能学习信息记录技术领域，具体而言，涉及一种学习状态确认系统及方法。
背景技术
随着科技的反战，网络在线教育已经成为人们选择学习的一种便捷方式。然后如何在网络教育中了解学习者的学习状态是极难解决的更具智能化的获取、分析、及提升学习者状态的方法能很好的适应新时期在线教育及人工智能辅助教育的需求。
目前已有的技术主要依赖人脸识别对学习者情绪状态进行大致判断，从而对其专注度及脑力疲劳进行一个大致的分类。也有部分技术利用了眼动仪等数据来建模分析学习者专注度。并没有结合其学习任务，因而只能是表面的体现，而非其学习者真实的认知状态。
专注状态的分类参考了疲劳及情绪，这些是影响专注的因素，而非专注状态本身反馈的信息的有限性，无法更进一步的针对不同情形下采用新的措施来提升专注度。
采用人脸识别的方式同样无法深入学习者内在行为，容易受学习者伪装欺骗，如：白日梦状态或者盯着课本实际思考其他内容等。
发明内容
本发明的目的是提供一种学习状态确认系统及方法，以实现通过结合学习内容来判断学习者状态的目的。
为了实现上述目的，本发明实施例采用的技术方案如下：
本发明实施例提供了一种学习状态确认系统，包括：眼动检测装置以及与所述眼动检测装置电性连接的智能终端；其中
所述眼动检测装置适于检测学习者在预设时间内的眼动数据，并将眼动数据发送给智能终端；
所述智能终端适于对注视区域依据学习内容进行划分，再将注视区域的划分结果与眼动数据进行分析，以得出学习者的专注度和/或注意力分布。
在本发明较佳的实施例中，所述智能终端还内置有学习者模型，所述学习者模型适于载入划分结果和眼动数据得出学习者的专注度。
在本发明较佳的实施例中，所述学习者模型适于更新为学习者个性化模块，即
在学习者初次使用时，采用通用模型，在后续使用过程中，通过机器学习的方法和/或神经网络方法更新上述通用模型，以生成学习者个性化模型。
在本发明较佳的实施例中，所述通用模型及个性化模型数据包括近期/历史阅读中注视点、注视时间、眼跳时间、眼跳距离、凝视时间、回视、眼动轨迹、眨眼以及瞳孔直径信息中的一种或多种的组合。
在本发明较佳的实施例中，所述眼动数据包括注视点位置、注视时间、眼跳、眨眼以及瞳孔直径五者中一种或多种的组合。
在本发明较佳的实施例中，所述智能终端适于对注视区域依据学习内容进行划分，即
确定学习任务对应的学习界面，将学习界面根据学习任务划分为关键学习内容区域、辅助学习内容区域、辅助管理区域；以及
将学习界面之外的区域定义为无效区域；并且
所述智能终端适于通过眼动检测装置采集学习者注视各区域的眼动行为，并计算各区域内体现有效学习状态的眼动行为所占时间及对应的比例，通过上述各区域内有效学习时间及对应比例评价学习者的专注度和/或注意力分布。
本发明实施例还提供了一种学习者状态确认方法，所述学习者状态确认方法通过智能终端将学习者的注视区域依据学习内容进行划分，再将注视区域的划分结果与预设时间内的眼动数据进行分析，以得出学习者的专注度和/或注意力分布。
在本发明较佳的实施例中，所述智能终端还内置有学习者模型，所述学习者模型适于载入划分结果和眼动数据得出学习者的专注度；以及
所述学习者模型适于更新为学习者个性化模块，即
在学习者初次使用时，采用通用模型，在后续使用过程中，通过机器学习的方法和/或神经网络方法更新上述通用模型，以生成学习者个性化模型。
在本发明较佳的实施例中，
所述通用模型及个性化模型数据包括近期/历史阅读中注视点、注视时间、眼跳时间、眼跳距离、凝视时间、回视、眼动轨迹、眨眼以及瞳孔直径信息中的一种或多种的组合；以及
所述眼动数据包括注视点位置、注视时间、眼跳、眨眼以及瞳孔直径五者中一种或多种的组合。
在本发明较佳的实施例中，所述智能终端适于对注视区域依据学习内容进行划分，即
确定学习任务对应的学习界面，将注视区域根据学习任务划分为关键学习内容区域、辅助学习内容区域、辅助管理区域；以及
将学习界面之外的区域定义为无效区域；并且
所述智能终端适于通过眼动检测装置采集学习者注视各区域的眼动行为，并计算各区域内体现有效学习状态的眼动行为所占时间及对应的比例，通过上述各区域内有效学习时间及对应比例评价学习者的专注度和/或注意力分布。
相对于现有技术，本发明实施例具有以下有益效果：
本发明实施例提供了一种学习状态确认系统及方法，其中，学习状态确认系统包括：眼动检测装置以及与眼动检测装置电性连接的智能终端；其中眼动检测装置适于检测学习者在预设时间内的眼动数据，并将眼动数据发送给智能终端；智能终端适于对注视区域依据学习内容进行划分，再将注视区域的划分结果与眼动数据进行分析，以得出学习者的专注度。通过将注视区域依据学习内容进行划分，并将眼动数据与划分结果进行分析，得出学习者的专注度，能更好的观察学习者的专注度，同时，通过预设时间内的眼动数据与划分结果进行分析，降低了根据某一时刻的状态进行判断带来的误判的可能性。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1示出了本发明实施例所提供的学习状态确认系统的结构框图。
图2示出了本发明实施例所提供的学习者状态确认方法中区域划分的示意图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
实施例
请参阅图1，本发明实施例提供了一种学习状态确认系统。学习状态确认系统包括：眼动检测装置和智能终端；其中眼动检测装置适于检测学习者在预设时间内的眼动数据，并将眼动数据发送给智能终端；智能终端适于对注视区域依据学习内容进行划分，再将注视区域的划分结果与眼动数据进行分析，以得出学习者的专注度和/或注意力分布。通过将注视区域依据学习内容进行划分，并将眼动数据与划分结果进行分析，得出学习者的专注度和/或注意力分布，能更好的观察学习者的专注度和/或注意力，同时，通过预设时间内的眼动数据与划分结果进行分析，降低了根据某一时刻的状态进行判断带来的误判的可能性。
其中，眼动检测装置与智能终端的连接方式，可以是但不仅限于电连接、无线通讯连接。
其中，眼动检测装置，可以是，但不仅限于，眼动仪，智能终端自带的摄像头等。所述眼动数据包括注视点位置、注视时间、眼跳、眨眼以及瞳孔直径五者中一种或多种的组合。
其中，所述智能终端适于对注视区域依据学习内容进行划分，即确定学习任务对应的学习界面，将注视区域根据学习任务划分为关键学习内容区域、辅助学习内容区域、辅助管理区域和无效区域；智能终端适于通过眼动检测装置采集学习者注视各区域的眼动行为，并计算各区域内体现有效学习状态的眼动行为所占时间及对应的比例，通过上述各区域内有效学习时间及对应比例评价学习者的专注度。
在其他实施例中， 所述智能终端适于通过眼动检测装置采集学习者注视各区域的注视时间，并计算各区域注视时间对应的累计值，通过上述累计值评价学习者的专注度。
其区域的划分可随不同的使用环境及学习内容变化，主要依据为学习者需要对应的不同行为方式。例如图2中区域1为关键学习内容区域（例如阅读文章区域），区域3和4可以为辅助学习内容区域（例如文章目录区域），区域2为辅助管理区域，区域5为无效区域。这里只是一个示例，实际中，可以根据需要做出很多的变化。总体思维为对学习者注视界面按照学习中需要关注的程度不同划分为不同的区域。通过眼动检测装置，获取学习者的注视位置，注视位置在被划分的区域内形成一定分布，从而得出注意力分布。
在本实施例中，所述智能终端还内置有学习者模型，所述学习者模型适于载入划分结果和眼动数据得出学习者的专注度。所述学习者模型适于更新为学习者个性化模块，即在学习者初次使用时，采用通用模块，在后续使用过程中，通过机器学习的方法和/或神经网络方法更新上述通用模型，以生成学习者个性化模型。
其中，所述个性化数据包括近期/历史阅读注视点、注视时间、眼跳时间、眼跳距离、凝视时间、回视、眼动轨迹、眨眼以及瞳孔直径信息中的一种或多种的组合。通过结合学习者个性模型内的个性数据与眼动数据来进行比对，来对比分析学习者的专注度，使得出的专注度更加的准确。
在本实施例中，所述智能终端通过加权平均值法、机器学习的方法、神经网络方法三者中的一种或多种对学习者模型、划分结果与眼动数据进行分析。具体的，初期数据不充分的时候采用加权平均值法，中后期数据充足时采用机器学习的方法、神经网络方法。
在本实施例中，分析得出的学习者的专注度通过智能终端发送给学习者本人、服务器、教师或家长手中，以便进一步提升教育效率。通过反馈给学习者本人可以修正其行为，提高其专注度和注意力。
在本实施例中，专注度可以分为：高专注度、低专注度等，或者按照1-10级专注度划分，及其他标准的方式。专注度通过学习者注视各区域的注视时间乘以权重与预设时间的比值来进行划分，比值越大，专注度越高。
本发明实施例提供了一种学习者状态确认方法。所述学习者状态确认方法通过将学习者的注视区域依据学习内容进行划分，再将注视区域的划分结果与预设时间内的眼动数据进行分析，以得出学习者的专注度和/或注意力分布。通过将注视区域依据学习内容进行划分，并将眼动数据与划分结果进行分析，得出学习者的专注度，能更好的观察学习者的专注度和/或注意力，同时，通过预设时间内的眼动数据与划分结果进行分析，降低了根据某一时刻的状态进行判断带来的误判的可能性。
在本实施例中，所述智能终端还内置有学习者模型，所述学习者模型适于载入划分结果和眼动数据得出学习者的专注度；以及所述学习者模型适于更新为学习者个性化模块，即在学习者初次使用时，采用通用模型，在后续使用过程中，通过机器学习的方法和/或神经网络方法更新上述通用模型，以生成学习者个性化模型。
其中，所述通用模型及个性化模型数据包括近期/历史阅读中注视点、注视时间、眼跳时间、眼跳距离、凝视时间、回视、眼动轨迹、眨眼以及瞳孔直径信息中的一种或多种的组合；以及所述眼动数据包括注视点位置、注视时间、眼跳、眨眼以及瞳孔直径。
在本实施例中，所述智能终端适于对注视区域依据学习内容进行划分，即确定学习任务对应的学习界面，将注视区域根据学习任务划分为关键学习内容区域、辅助学习内容区域、辅助管理区域和无效区域；智能终端适于通过眼动检测装置采集学习者注视各区域的眼动行为，并计算各区域内体现有效学习状态的眼动行为所占时间及对应的比例，通过上述各区域内有效学习时间及对应比例评价学习者的专注度。
在其他实施例中，所述智能终端适于通过眼动检测装置采集学习者注视各区域的注视时间，并计算各区域注视时间对应的累计值，通过上述累计值评价学习者的专注度。
综上所述，本发明实施例提供了一种学习状态确认系统及方法，其中，学习状态确认系统包括：眼动检测装置以及与所述眼动检测装置电性连接的智能终端；其中所述眼动检测装置适于检测学习者的预设时间内的眼动数据，并将眼动数据发送给智能终端；所述智能终端适于对注视区域进行划分并将划分结果与眼动数据进行分析得出学习者的专注度。通过将注视区域依据学习内容进行划分，并将眼动数据与划分结果进行分析，得出学习者的专注度，能更好的观察学习者的专注度，同时，通过预设时间内的眼动数据与划分结果进行分析，降低了根据某一时刻的状态进行判断带来的误判的可能性。
在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种学习状态确认系统，其特征在于，包括：
眼动检测装置和智能终端；其中
所述眼动检测装置适于检测学习者在预设时间内的眼动数据，并将眼动数据发送给智能终端；
所述智能终端适于对注视区域依据学习内容进行划分，再将注视区域的划分结果与眼动数据进行分析，以得出学习者的专注度和/或注意力分布。
2.如权利要求1所述的学习状态确认系统，其特征在于，
所述智能终端还内置有学习者模型，所述学习者模型适于载入划分结果和眼动数据得出学习者的专注度。
3.如权利要求2所述的学习状态确认系统，其特征在于，
所述学习者模型适于更新为学习者个性化模块，即
在学习者初次使用时，采用通用模型，在后续使用过程中，通过机器学习的方法和/或神经网络方法更新上述通用模型，以生成学习者个性化模型。
4.如权利要求3所述的学习状态确认系统，其特征在于，
所述通用模型及个性化模型数据包括近期/历史阅读中注视点、注视时间、眼跳时间、眼跳距离、凝视时间、回视、眼动轨迹、眨眼以及瞳孔直径信息中的一种或多种的组合。
5.如权利要求1所述学习状态确认系统，其特征在于，
所述眼动数据包括注视点位置、注视时间、眼跳、眨眼以及瞳孔直径五者中一种或多种的组合。
6.根据权利要求5所述的学习状态确认系统，其特征在于，
所述智能终端适于对注视区域依据学习内容进行划分，即
确定学习任务对应的学习界面，将注视区域根据学习任务划分为关键学习内容区域、辅助学习内容区域、辅助管理区域；以及
将学习界面之外的区域定义为无效区域；并且
所述智能终端适于通过眼动检测装置采集学习者注视各区域的眼动行为，并计算各区域内体现有效学习状态的眼动行为所占时间及对应的比例，通过上述各区域内有效学习时间及对应比例评价学习者的专注度和/或注意力分布。
7.一种学习者状态确认方法，其特征在于，所述学习者状态确认方法通过智能终端将学习者的注视区域依据学习内容进行划分，再将注视区域的划分结果与预设时间内的眼动数据进行分析，以得出学习者的专注度和/或注意力分布。
8.如权利要求7所述的学习者状态确认方法，其特征在于，
所述智能终端还内置有学习者模型，所述学习者模型适于载入划分结果和眼动数据得出学习者的专注度；以及
所述学习者模型适于更新为学习者个性化模块，即
在学习者初次使用时，采用通用模型，在后续使用过程中，通过机器学习的方法和/或神经网络方法更新上述通用模型，以生成学习者个性化模型。
9.如权利要求8所述的学习者状态确认方法，其特征在于，
所述通用模型及个性化模型数据包括近期/历史阅读中注视点、注视时间、眼跳时间、眼跳距离、凝视时间、回视、眼动轨迹、眨眼以及瞳孔直径信息中的一种或多种的组合；以及
所述眼动数据包括注视点位置、注视时间、眼跳、眨眼以及瞳孔直径五者中一种或多种的组合。
10.如权利要求8所述的学习者状态确认方法，其特征在于，
所述智能终端适于对注视区域依据学习内容进行划分，即
确定学习任务对应的学习界面，将注视区域根据学习任务划分为关键学习内容区域、辅助学习内容区域、辅助管理区域；以及
将学习界面之外的区域定义为无效区域；并且
所述智能终端适于通过眼动检测装置采集学习者注视各区域的眼动行为，并计算各区域内体现有效学习状态的眼动行为所占时间及对应的比例，通过上述各区域内有效学习时间及对应比例评价学习者的专注度和/或注意力分布。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810361682.7A CN108682189A (zh) | 2018-04-20 | 2018-04-20 | 一种学习状态确认系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810361682.7A CN108682189A (zh) | 2018-04-20 | 2018-04-20 | 一种学习状态确认系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108682189A true CN108682189A (zh) | 2018-10-19 |
Family
ID=63802106
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810361682.7A Pending CN108682189A (zh) | 2018-04-20 | 2018-04-20 | 一种学习状态确认系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108682189A (zh) |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109222888A (zh) * | 2018-11-05 | 2019-01-18 | 温州职业技术学院 | 一种基于眼动技术判断心理测试可靠性的方法 |
| CN109567817A (zh) * | 2018-11-19 | 2019-04-05 | 北京育铭天下科技有限公司 | 一种阅读能力评估方法及系统及其辅助装置 |
| CN109919079A (zh) * | 2019-03-05 | 2019-06-21 | 百度在线网络技术（北京）有限公司 | 用于检测学习状态的方法和装置 |
| CN110085069A (zh) * | 2019-04-24 | 2019-08-02 | 杨欣迪 | 多感官交互增强学习记忆强度智能教学设备 |
| CN110246382A (zh) * | 2019-07-11 | 2019-09-17 | 艾祥家 | 一种用于离线式学生作业辅导和课外辅导的系统和方法 |
| CN110287916A (zh) * | 2019-06-28 | 2019-09-27 | 浙江吉利控股集团有限公司 | 一种用于判断驾驶员注意力的方法及系统 |
| CN110327061A (zh) * | 2019-08-12 | 2019-10-15 | 北京七鑫易维信息技术有限公司 | 一种基于眼动追踪技术的性格确定装置、方法及设备 |
| CN110503024A (zh) * | 2019-08-19 | 2019-11-26 | 联想(北京)有限公司 | 一种交互状态分析方法、装置及存储介质 |
| CN110634356A (zh) * | 2019-04-13 | 2019-12-31 | 北京一目了然教育科技有限公司 | 一种基于眼动追踪技术训练阅读能力的方法 |
| CN111951637A (zh) * | 2020-07-19 | 2020-11-17 | 西北工业大学 | 一种任务情景相关联的无人机飞行员视觉注意力分配模式提取方法 |
| CN111985282A (zh) * | 2019-05-24 | 2020-11-24 | 深圳市希科普股份有限公司 | 一种学习能力的训练和评测系统 |
| CN112070641A (zh) * | 2020-09-16 | 2020-12-11 | 东莞市东全智能科技有限公司 | 基于眼动追踪的教学质量评测方法、装置及系统 |
| CN112331003A (zh) * | 2021-01-06 | 2021-02-05 | 湖南贝尔安亲云教育有限公司 | 一种基于差异化教学的习题生成方法和系统 |
| CN112784144A (zh) * | 2020-07-18 | 2021-05-11 | 广元量知汇科技有限公司 | 一种基于大数据的在线教育课件管理方法 |
| CN112801052A (zh) * | 2021-04-01 | 2021-05-14 | 北京百家视联科技有限公司 | 一种用户专注度检测方法及用户专注度检测系统 |
| CN113506027A (zh) * | 2021-07-27 | 2021-10-15 | 北京工商大学 | 基于学生视觉注意及教师行为的课程质量评估与提升方法 |
| CN114327077A (zh) * | 2022-01-06 | 2022-04-12 | 华南师范大学 | 一种基于眼动跟踪的学习者感知能力水平分析方法及装置 |
| CN114636219A (zh) * | 2022-03-18 | 2022-06-17 | 青岛海尔空调器有限总公司 | 用于控制空调的方法及装置、空调 |
| CN116130062A (zh) * | 2022-12-29 | 2023-05-16 | 华南师范大学 | 基于眼动特征的学习者注意力水平评估分析方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106682946A (zh) * | 2016-12-30 | 2017-05-17 | 北京七鑫易维信息技术有限公司 | 一种广告内容分析方法和装置 |
| CN107515677A (zh) * | 2017-08-31 | 2017-12-26 | 杭州极智医疗科技有限公司 | 注意力检测方法、装置和存储介质 |
| CN107562186A (zh) * | 2017-07-14 | 2018-01-09 | 华侨大学 | 基于注意力辨识进行情感运算的3d校园导览方法 |
| CN107783945A (zh) * | 2017-11-13 | 2018-03-09 | 山东师范大学 | 一种基于眼动追踪的搜索结果网页注意力测评方法及装置 |
-
2018
- 2018-04-20 CN CN201810361682.7A patent/CN108682189A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106682946A (zh) * | 2016-12-30 | 2017-05-17 | 北京七鑫易维信息技术有限公司 | 一种广告内容分析方法和装置 |
| CN107562186A (zh) * | 2017-07-14 | 2018-01-09 | 华侨大学 | 基于注意力辨识进行情感运算的3d校园导览方法 |
| CN107515677A (zh) * | 2017-08-31 | 2017-12-26 | 杭州极智医疗科技有限公司 | 注意力检测方法、装置和存储介质 |
| CN107783945A (zh) * | 2017-11-13 | 2018-03-09 | 山东师范大学 | 一种基于眼动追踪的搜索结果网页注意力测评方法及装置 |
Cited By (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109222888A (zh) * | 2018-11-05 | 2019-01-18 | 温州职业技术学院 | 一种基于眼动技术判断心理测试可靠性的方法 |
| CN109222888B (zh) * | 2018-11-05 | 2021-03-23 | 温州职业技术学院 | 一种基于眼动技术判断心理测试可靠性的方法 |
| CN109567817A (zh) * | 2018-11-19 | 2019-04-05 | 北京育铭天下科技有限公司 | 一种阅读能力评估方法及系统及其辅助装置 |
| CN109567817B (zh) * | 2018-11-19 | 2023-12-12 | 北京育铭天下科技有限公司 | 一种阅读能力评估方法及系统及其辅助装置 |
| CN109919079A (zh) * | 2019-03-05 | 2019-06-21 | 百度在线网络技术（北京）有限公司 | 用于检测学习状态的方法和装置 |
| CN110634356A (zh) * | 2019-04-13 | 2019-12-31 | 北京一目了然教育科技有限公司 | 一种基于眼动追踪技术训练阅读能力的方法 |
| CN110085069A (zh) * | 2019-04-24 | 2019-08-02 | 杨欣迪 | 多感官交互增强学习记忆强度智能教学设备 |
| CN111985282A (zh) * | 2019-05-24 | 2020-11-24 | 深圳市希科普股份有限公司 | 一种学习能力的训练和评测系统 |
| CN110287916B (zh) * | 2019-06-28 | 2021-11-16 | 浙江吉利控股集团有限公司 | 一种用于判断驾驶员注意力的方法及系统 |
| CN110287916A (zh) * | 2019-06-28 | 2019-09-27 | 浙江吉利控股集团有限公司 | 一种用于判断驾驶员注意力的方法及系统 |
| CN110246382A (zh) * | 2019-07-11 | 2019-09-17 | 艾祥家 | 一种用于离线式学生作业辅导和课外辅导的系统和方法 |
| CN110327061A (zh) * | 2019-08-12 | 2019-10-15 | 北京七鑫易维信息技术有限公司 | 一种基于眼动追踪技术的性格确定装置、方法及设备 |
| CN110503024A (zh) * | 2019-08-19 | 2019-11-26 | 联想(北京)有限公司 | 一种交互状态分析方法、装置及存储介质 |
| CN112784144A (zh) * | 2020-07-18 | 2021-05-11 | 广元量知汇科技有限公司 | 一种基于大数据的在线教育课件管理方法 |
| CN112784144B (zh) * | 2020-07-18 | 2022-11-29 | 长沙麦都网络科技有限公司 | 一种基于大数据的在线教育课件推送方法 |
| CN111951637A (zh) * | 2020-07-19 | 2020-11-17 | 西北工业大学 | 一种任务情景相关联的无人机飞行员视觉注意力分配模式提取方法 |
| CN112070641A (zh) * | 2020-09-16 | 2020-12-11 | 东莞市东全智能科技有限公司 | 基于眼动追踪的教学质量评测方法、装置及系统 |
| CN112331003A (zh) * | 2021-01-06 | 2021-02-05 | 湖南贝尔安亲云教育有限公司 | 一种基于差异化教学的习题生成方法和系统 |
| CN112331003B (zh) * | 2021-01-06 | 2021-03-23 | 湖南贝尔安亲云教育有限公司 | 一种基于差异化教学的习题生成方法和系统 |
| CN112801052B (zh) * | 2021-04-01 | 2021-08-31 | 北京百家视联科技有限公司 | 一种用户专注度检测方法及用户专注度检测系统 |
| CN112801052A (zh) * | 2021-04-01 | 2021-05-14 | 北京百家视联科技有限公司 | 一种用户专注度检测方法及用户专注度检测系统 |
| CN113506027A (zh) * | 2021-07-27 | 2021-10-15 | 北京工商大学 | 基于学生视觉注意及教师行为的课程质量评估与提升方法 |
| CN114327077A (zh) * | 2022-01-06 | 2022-04-12 | 华南师范大学 | 一种基于眼动跟踪的学习者感知能力水平分析方法及装置 |
| CN114327077B (zh) * | 2022-01-06 | 2022-08-05 | 华南师范大学 | 一种基于眼动跟踪的学习者感知能力水平分析方法及装置 |
| CN114636219A (zh) * | 2022-03-18 | 2022-06-17 | 青岛海尔空调器有限总公司 | 用于控制空调的方法及装置、空调 |
| CN116130062A (zh) * | 2022-12-29 | 2023-05-16 | 华南师范大学 | 基于眼动特征的学习者注意力水平评估分析方法 |
| CN116130062B (zh) * | 2022-12-29 | 2024-01-16 | 华南师范大学 | 基于眼动特征的学习者注意力水平评估分析方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108682189A (zh) | 一种学习状态确认系统及方法 | |
| Liu et al. | Towards smart educational recommendations with reinforcement learning in classroom | |
| Yin et al. | Automatic dangerous driving intensity analysis for advanced driver assistance systems from multimodal driving signals | |
| CN108664932B (zh) | 一种基于多源信息融合的学习情感状态识别方法 | |
| Raudonis et al. | Evaluation of human emotion from eye motions | |
| US20160104385A1 (en) | Behavior recognition and analysis device and methods employed thereof | |
| Baumgartl et al. | Development of a highly precise place recognition module for effective human-robot interactions in changing lighting and viewpoint conditions | |
| Mareschal et al. | Computational modeling in developmental psychology | |
| KR101689021B1 (ko) | 센싱장비를 이용한 심리상태 판단 시스템 및 그 방법 | |
| CN101604382A (zh) | 一种基于面部表情识别的学习疲劳识别干预方法 | |
| CN114648354A (zh) | 一种基于眼动追踪和情绪状态的广告测评方法和系统 | |
| Abdulkader et al. | Optimizing student engagement in edge-based online learning with advanced analytics | |
| Bakhtiyari et al. | Fuzzy model on human emotions recognition | |
| CN115205764B (zh) | 基于机器视觉的在线学习专注度监测方法、系统及介质 | |
| CN113780342A (zh) | 一种基于自监督预训练的智能检测方法、装置及机器人 | |
| KR102602032B1 (ko) | 인공지능 기반 집중도 유지를 위한 학습 서비스 제공 장치 및 방법 | |
| CN113345590B (zh) | 一种基于异质图的用户心理健康监测方法及系统 | |
| Rathi et al. | Analysis of user’s learning styles and academic emotions through web usage mining | |
| Yousef et al. | Automatic identification of student’s cognitive style from online laboratory experimentation using machine learning techniques | |
| Pillai | Student Engagement Detection in Classrooms through Computer Vision and Deep Learning: A Novel Approach Using YOLOv4 | |
| CN109711343A (zh) | 基于表情、姿态识别和眼神追踪的行为结构化方法 | |
| CN113192602A (zh) | 一种用于学生心理健康检测的测试系统 | |
| CN103366153B (zh) | 一种面部语义认知特征识别方法 | |
| Kit et al. | Classifying mobile eye tracking data with hidden Markov models | |
| Leka et al. | Adaptivity In E-learning Systems. |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181019 |
|
| RJ01 | Rejection of invention patent application after publication |