CN108805762A - 教学分析方法、服务器及计算机可读存储介质 - Google Patents
教学分析方法、服务器及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108805762A CN108805762A CN201810504361.8A CN201810504361A CN108805762A CN 108805762 A CN108805762 A CN 108805762A CN 201810504361 A CN201810504361 A CN 201810504361A CN 108805762 A CN108805762 A CN 108805762A
- Authority
- CN
- China
- Prior art keywords
- attention
- student
- class
- sync rates
- instruction analysis
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 claims abstract description 14
- 230000008859 change Effects 0.000 claims description 48
- 210000004556 brain Anatomy 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 15
- 238000010586 diagram Methods 0.000 description 14
- 230000001360 synchronised effect Effects 0.000 description 5
- 230000005611 electricity Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013136 deep learning model Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 206010057315 Daydreaming Diseases 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- 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)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种教学分析方法，该方法包括：获取全班每个学员的注意力指数和同步率，所述注意力指数表示学员在整节课上的平均注意力，所述同步率表示整节课上学员注意力与全班平均注意力的同步程度；根据每个学员的注意力指数和同步率，对应评价每个学员的注意力水平和同步率水平；分别统计在同一注意力水平和同一同步率水平的学员人数，得到全班注意力水平分布情况和全班同步率水平分布情况；根据所述全班注意力水平分布情况和全班同步率水平分布情况，生成全班的教学分析报告。本发明还公开了一种教学分析服务器和一种计算机可读存储介质。本发明能够量化、直观地展示全班学员的听课效果。
Description
技术领域
本发明涉及数据分析技术领域，尤其涉及教学分析方法、服务器及计算机可读存储介质。
背景技术
目前，老师评价讲课效果只能通过阶段性的测评考试或者上课提问的方式来评估，而无法对全班学员的听课效果有更为量化、直观的了解，比如课堂上有多少学生在认真听课，有多少学生没有非常认真地听课，有多少学生在一直走神等，这不利于老师及时准确地掌握全班学员的听课效果。
发明内容
本发明的主要目的在于提出一种教学分析方法、服务器及计算机可读存储介质，旨在量化、直观地展示全班学员的听课效果。
为实现上述目的，本发明提供一种教学分析方法，所述教学分析方法包括如下步骤：
获取全班每个学员的注意力指数和同步率，所述注意力指数表示学员在整节课上的平均注意力，所述同步率表示整节课上学员注意力与全班平均注意力的同步程度；
根据每个学员的注意力指数和同步率，对应评价每个学员的注意力水平和同步率水平；
分别统计在同一注意力水平和同一同步率水平的学员人数，得到全班注意力水平分布情况和全班同步率水平分布情况；
根据所述全班注意力水平分布情况和全班同步率水平分布情况，生成全班的教学分析报告。
优选地，所述获取全班每个学员的注意力指数和同步率的步骤包括：
获取并分析全班每个学员在上课期间的脑电数据，得到每个学员的注意力指数和注意力变化曲线，以及全班平均注意力变化曲线；
对于每个学员，分析其注意力变化曲线与全班平均注意力变化曲线的吻合程度，将所述吻合程度作为其同步率。
优选地，所述获取并分析全班每个学员在上课期间的脑电数据，得到每个学员的注意力指数和注意力变化曲线，以及全班平均注意力变化曲线的步骤包括：
接收脑电数据采集设备发送的全班每个学员在上课期间的脑电数据；
根据预设的脑电数据与注意力指数的对应关系，将接收到的所述脑电数据转换为对应的注意力指数；
对于每个学员，求取其在上课期间的各个时间点上的注意力指数的平均值，作为其注意力指数，同时，绘制其在上课期间的注意力指数随时间变化的曲线，作为其注意力变化曲线；
绘制上课期间全班平均注意力指数随时间变化的曲线，作为全班平均注意力变化曲线。
优选地，所述教学分析方法还包括：
根据所述全班平均注意力变化曲线，提供相应的教学建议；
将所述全班平均注意力变化曲线和所述教学建议展示在所述教学分析报告中。
优选地，所述根据每个学员的注意力指数和同步率，对应评价每个学员的注意力水平和同步率水平的步骤包括：
确定每个学员的注意力指数和同步率所处的预设区间，以对应评价每个学员的注意力水平和同步率水平。
优选地，所述根据每个学员的注意力指数和同步率，对应评价每个学员的注意力水平和同步率水平的步骤包括：
根据每个学员的注意力指数和同步率，计算全班的平均注意力指数和平均同步率；
将每个学员的注意力指数和同步率对应与全班的平均注意力指数和平均同步率进行比较，以对应评价每个学员的注意力水平和同步率水平。
优选地，所述分别统计在同一注意力水平和同一同步率水平的学员人数，得到全班注意力水平分布情况和全班同步率水平分布情况的步骤包括：
分别统计处于同一注意力水平和同一同步率水平的学员人数，及所述学员人数占全班总人数的比例；
根据统计结果绘制全班注意力水平分布饼状图和全班同步率水平分布饼状图。
优选地，所述教学分析方法还包括：
获取课程属性信息，所述课程属性信息包括授课教师、上课时间、上课的班级以及课程名称；
将所述课程属性信息展示在所述教学分析报告中。
此外，为实现上述目的，本发明还提供一种教学分析服务器，所述教学分析服务器包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的教学分析程序，所述教学分析程序被所述处理器执行时实现如上所述的教学分析方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有教学分析程序，所述教学分析程序被处理器执行时实现如上所述的教学分析方法的步骤。
本发明提供的教学分析方法，通过获取全班每个学员的注意力指数和同步率，进而统计在同一注意力水平和同一同步率水平的学员人数，最终得到全班注意力水平分布情况和全班同步率水平分布情况并生成对应的教学分析报告，实现了对全班学员的听课效果进行量化、直观地展示。
附图说明
图1是本发明实施例方案涉及的教学分析服务器的结构示意图；
图2为本发明教学分析方法第一实施例的流程示意图；
图3为本发明实施例中全班学员的注意力明细示意图；
图4为本发明教学分析方法第二实施例的流程示意图；
图5为图4中步骤S11的细化步骤示意图；
图6为本发明教学分析方法第三实施例的流程示意图；
图7为本发明实施例中教学分析报告的展示示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
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。
本发明实施例的主要解决方案是：获取全班每个学员的注意力指数和同步率，所述注意力指数表示学员在整节课上的平均注意力，所述同步率表示整节课上学员注意力与全班平均注意力的同步程度；根据每个学员的注意力指数和同步率，对应评价每个学员的注意力水平和同步率水平；分别统计在同一注意力水平和同一同步率水平的学员人数，得到全班注意力水平分布情况和全班同步率水平分布情况；根据所述全班注意力水平分布情况和全班同步率水平分布情况，生成全班的教学分析报告。
目前，老师评价讲课效果只能通过阶段性的测评考试或者上课提问的方式来评估，而无法对全班学员的听课效果有更为量化、直观的了解，比如课堂上有多少学生在认真听课，有多少学生没有非常认真地听课，有多少学生在一直走神等，这不利于老师及时准确地掌握全班学员的听课效果。
本发明提供的教学分析方法，通过获取全班每个学员的注意力指数和同步率，进而统计在同一注意力水平和同一同步率水平的学员人数，最终得到全班注意力水平分布情况和全班同步率水平分布情况并生成对应的教学分析报告，实现了对全班学员的听课效果进行量化、直观地展示。
如图1所示，图1是本发明实施例方案涉及的教学分析服务器的结构示意图。
本发明实施例教学分析服务器部署在教学分析系统中，该教学分析系统还包括脑电数据采集设备和无线网关，脑电数据采集设备采集的脑电数据通过无线网关发送至教学分析服务器，以使教学分析服务器根据脑电数据进行教学分析。
如图1所示，该教学分析服务器可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对教学分析服务器的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及教学分析程序。
在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的教学分析程序，并执行以下操作：
获取全班每个学员的注意力指数和同步率，所述注意力指数表示学员在整节课上的平均注意力，所述同步率表示整节课上学员注意力与全班平均注意力的同步程度；
根据每个学员的注意力指数和同步率，对应评价每个学员的注意力水平和同步率水平；
分别统计在同一注意力水平和同一同步率水平的学员人数，得到全班注意力水平分布情况和全班同步率水平分布情况；
根据所述全班注意力水平分布情况和全班同步率水平分布情况，生成全班的教学分析报告。
进一步地，处理器1001可以调用存储器1005中存储的教学分析程序，还执行以下操作：
获取并分析全班每个学员在上课期间的脑电数据，得到每个学员的注意力指数和注意力变化曲线，以及全班平均注意力变化曲线；
对于每个学员，分析其注意力变化曲线与全班平均注意力变化曲线的吻合程度，将所述吻合程度作为其同步率。
进一步地，处理器1001可以调用存储器1005中存储的教学分析程序，还执行以下操作：
接收脑电数据采集设备发送的全班每个学员在上课期间的脑电数据；
根据预设的脑电数据与注意力指数的对应关系，将接收到的所述脑电数据转换为对应的注意力指数；
对于每个学员，求取其在上课期间的各个时间点上的注意力指数的平均值，作为其注意力指数，同时，绘制其在上课期间的注意力指数随时间变化的曲线，作为其注意力变化曲线；
绘制上课期间全班平均注意力指数随时间变化的曲线，作为全班平均注意力变化曲线。
进一步地，处理器1001可以调用存储器1005中存储的教学分析程序，还执行以下操作：
根据所述全班平均注意力变化曲线，提供相应的教学建议；
将所述全班平均注意力变化曲线和所述教学建议展示在所述教学分析报告中。
进一步地，处理器1001可以调用存储器1005中存储的教学分析程序，还执行以下操作：
确定每个学员的注意力指数和同步率所处的预设区间，以对应评价每个学员的注意力水平和同步率水平。
进一步地，处理器1001可以调用存储器1005中存储的教学分析程序，还执行以下操作：
根据每个学员的注意力指数和同步率，计算全班的平均注意力指数和平均同步率；
将每个学员的注意力指数和同步率对应与全班的平均注意力指数和平均同步率进行比较，以对应评价每个学员的注意力水平和同步率水平。
进一步地，处理器1001可以调用存储器1005中存储的教学分析程序，还执行以下操作：
分别统计处于同一注意力水平和同一同步率水平的学员人数，及所述学员人数占全班总人数的比例；
根据统计结果绘制全班注意力水平分布饼状图和全班同步率水平分布饼状图。
进一步地，处理器1001可以调用存储器1005中存储的教学分析程序，还执行以下操作：
获取课程属性信息，所述课程属性信息包括授课教师、上课时间、上课的班级以及课程名称；
将所述课程属性信息展示在所述教学分析报告中。
本发明教学分析服务器的具体实施例与下述教学分析方法的各具体实施例基本相同，在此不作赘述。
基于上述硬件结构，提出本发明教学分析方法实施例。
参照图2，图2为本发明教学分析方法第一实施例的流程示意图，所述方法包括：
步骤S10，获取全班每个学员的注意力指数和同步率，所述注意力指数表示学员在整节课上的平均注意力，所述同步率表示整节课上学员注意力与全班平均注意力的同步程度；
在本实施例中，首先获取全班每个学员的注意力指数和同步率。其中，注意力指数表示学员在整节课上的平均注意力，注意力指数越高，代表学员的注意力越集中，听课效果越好；同步率表示整节课上学员注意力与全班平均注意力的同步程度，同步率越高，代表学员越能跟上老师的讲课节奏。
在获取全班每个学员的注意力指数时，可以首先采集全班每个学员在上课期间的脑电数据，然后按照预设算法，将脑电数据转换为对应的注意力指数；在获取同步率时，可以根据采集的脑电数据，绘制一条学员的注意力随时间变化的曲线和一条全班平均注意力随时间变化的曲线，然后计算两条曲线的吻合程度，从而得到学员与全班的同步率。
参照图3，图3为本发明实施例中全班学员的注意力明细示意图，图中示出了全班每个学员的注意力指数和同步率，以及全班的平均注意力指数和平均同步率，通过该表格，能够量化、直观的反映学员在上课期间的注意力情况。
步骤S20，根据每个学员的注意力指数和同步率，对应评价每个学员的注意力水平和同步率水平；
作为一种实施方式，该步骤S20可以包括：确定每个学员的注意力指数和同步率所处的预设区间，以对应评价每个学员的注意力水平和同步率水平。
具体地，作为注意力水平和同步率水平的一种评价方式，可以为目标学员的注意力指数和同步率分别设置不同的评价区间，如此通过确定每个学员的注意力指数和同步率所处的预设区间，就能评价每个学员的注意力水平。比如，当注意力指数≥80时，对应的注意力水平为高，当60≤注意力指数≤80时，对应的注意力水平为中，当注意力指数≤60时，对应的注意力水平为低；当同步率≥80时，对应的同步率水平为高，当50≤同步率≤80时，对应的同步率水平为中，当同步率≤50时，对应的同步率水平为低。
作为另一种实施方式，上述步骤S20可以包括：根据每个学员的注意力指数和同步率，计算全班的平均注意力指数和平均同步率；将每个学员的注意力指数和同步率对应与全班的平均注意力指数和平均同步率进行比较，以对应评价每个学员的注意力水平和同步率水平。
具体地，在评价每个学员的注意力水平时，可以首先获取全班每个学员在整节课上的注意力指数，然后求取全班学员在整节课上的注意力指数的平均值，作为全班的注意力指数，之后，再将某一目标学员的注意力指数与全班的注意力指数进行比较，以评价该目标学员的注意力水平。比如，当目标学员的注意力指数高于全班的注意力指数时，评价目标学员的注意力水平为高，当目标学员的注意力指数等于全班的注意力指数时，评价目标学员的注意力水平为中，当目标学员的注意力指数低于全班的注意力指数时，评价目标学员的注意力水平为低。如此能够实现对每个学员的注意力水平进行评价。
在评价每个学员的同步率水平时，可以首先获取全班每个学员的同步率，然后求取全班学员的同步率的平均值，作为全班的同步率，之后，再将某一目标学员的同步率与全班的同步率进行比较，以评价该目标学员的同步率水平。比如，当目标学员的同步率高于全班的同步率时，评价目标学员的同步率水平为高，当目标学员的同步率等于全班的同步率时，评价目标学员的同步率水平为中，当目标学员的同步率低于全班的同步率时，评价目标学员的同步率水平为低。如此能够实现对每个学员的同步率水平进行评价。
步骤S30，分别统计在同一注意力水平和同一同步率水平的学员人数，得到全班注意力水平分布情况和全班同步率水平分布情况；
该步骤中，分别统计在同一注意力水平和同一同步率水平的学员人数，从而得到全班注意力水平分布情况和全班同步率水平分布情况。比如，对于一个由50个学员组成的班级，其全班注意力水平分布情况可以表示为：注意力水平为高的学员人数26人，注意力水平为中的学员人数20人，注意力水平为低的学员人数4人；其全班同步率水平分布情况可以表示为：同步率水平为高的学员人数16人，同步率水平为中的学员人数24人，同步率水平为高的学员人数10人。
进一步地，步骤S30还可以包括：分别统计处于同一注意力水平和同一同步率水平的学员人数，及所述学员人数占全班总人数的比例；根据统计结果绘制全班注意力水平分布饼状图和全班同步率水平分布饼状图。如此，实现了对全班注意力水平分布情况和全班同步率水平分布情况的更为直观地展示。
步骤S40，根据所述全班注意力水平分布情况和全班同步率水平分布情况，生成全班的教学分析报告。
该步骤中，根据上述得到的全班注意力水平分布情况和全班同步率水平分布情况，生成全班的教学分析报告，并将该全班注意力水平分布情况和全班同步率水平分布情况展示在教学分析报告中。
进一步地，在步骤S40之后，还可以包括步骤：根据所述全班平均注意力变化曲线，提供相应的教学建议；将所述全班平均注意力变化曲线和所述教学建议展示在所述教学分析报告中。
在本实施例中，除全班注意力水平分布情况和全班同步率水平分布情况外，还可以将上述全班平均注意力随时间变化的曲线一并展示在教学分析报告中，通过分析全班平均注意力随时间变化的曲线，可以找到全班平均注意力较高的时间段和全班平均注意力较低的时间段，根据不同时间段，可以为老师提供不同的教学建议，比如在全班平均注意力较低的时间段，建议老师结合教学内容，提醒学生对本时间段内所学内容多加巩固等。
此外，为方便学员对教学内容进行复习，还可以获取老师的教学录音和教学课件保存在教学分析服务器中，由此学生可以结合老师的教学录音和教学课件复习功课。
本实施例提供的教学分析方法，通过获取全班每个学员的注意力指数和同步率，进而统计在同一注意力水平和同一同步率水平的学员人数，最终得到全班注意力水平分布情况和全班同步率水平分布情况并生成对应的教学分析报告，实现了对全班学员的听课效果进行量化、直观地展示，从而方便老师及时准确地掌握全班学员的听课效果。
进一步地，参照图4，图4为本发明教学分析方法第二实施例的流程示意图。基于上述图2所示的实施例，步骤S10可以包括：
步骤S11，获取并分析全班每个学员在上课期间的脑电数据，得到每个学员的注意力指数和注意力变化曲线，以及全班平均注意力变化曲线；
步骤S12，对于每个学员，分析其注意力变化曲线与全班平均注意力变化曲线的吻合程度，将所述吻合程度作为其同步率。
本实施例中，首先获取全班每个学员在上课期间的脑电数据。具体实施时，可以为班级的每位学员佩戴脑电数据采集设备，并通过无线网关建立各脑电数据采集设备与教学分析服务器之间的无线连接，在上课期间，脑电数据采集设备实时采集全班学员的脑电数据，并通过无线网关发送给教学分析服务器，从而使教学分析服务器接收到全班学员的脑电数据，当然，教学分析服务器也可以在接收到教学分析指令后，从自身存储单元或外部存储设备获取到预先保存的脑电数据。之后，教学分析服务器对该脑电数据进行分析，得到每个学员的注意力指数和注意力变化曲线，以及全班平均注意力变化曲线，其中，每个学员的注意力变化曲线用于表示学员的注意力指数随时间的变化关系，全班平均注意力变化曲线用于表示全班学员的平均注意力随时间的变化关系。
然后，对于每个学员，分析其注意力变化曲线与全班平均注意力变化曲线的吻合程度。该步骤中，不妨将某一学员的注意力变化曲线设为曲线1，将全班平均注意力变化曲线设为曲线2，则两条曲线的吻合程度可以通过如下方式计算：首先分别计算曲线1和曲线2的标准差，以及曲线1与曲线2的协方差，然后根据曲线1和曲线2的标准差以及两者的协方差计算得到相关系数，再利用相关系数作为标准获得同步率，相关系数越接近1，代表该学员与全班的同步率越高，也意味着该学员很好地跟上了老师的节奏，其中，具体的计算公式可参照现有技术，此处不作赘述。
参照图5，图5为图4中步骤S11的细化步骤示意图，上述步骤S11可以包括：
步骤S111，接收脑电数据采集设备发送的全班每个学员在上课期间的脑电数据；
步骤S112，根据预设的脑电数据与注意力指数的对应关系，将接收到的所述脑电数据转换为对应的注意力指数；
步骤S113，对于每个学员，求取其在上课期间的各个时间点上的注意力指数的平均值，作为其注意力指数，同时，绘制其在上课期间的注意力指数随时间变化的曲线，作为其注意力变化曲线；
步骤S114，绘制上课期间全班平均注意力指数随时间变化的曲线，作为全班平均注意力变化曲线。
具体实施时，可采集学员在不同精神状态(包括放松状态，集中状态)下的脑电数据，然后通过FFT(Fast Fourier Transformation，离散傅氏变换的快速算法)得到脑电数据的频域信息，之后再通过深度学习算法将频域信息进行分类(比如什么样的频域信息时学员是在放松状态，什么样的频域信息时学员是在集中状态)，从而得到深度学习模型，如此，在接收到全班学员的脑电数据后，将接收到的脑电数据输入深度学习模型中，即可将脑电数据转换为对应的注意力指数，且注意力指数越高，代表学员的注意力越集中。
对于某一学员，教学分析服务器根据上述深度学习模型，将其脑电数据转换为对应的注意力指数，此时可以绘制一条该学员在上课期间的注意力指数随时间变化的曲线，该曲线即为该学员在整节课上的注意力变化曲线，对该学员在上课期间的各个时间点上的注意力指数求取平均值，该平均值即作为该学员在整节课上的注意力指数。如此可以得到每个学员的注意力指数和注意力变化曲线。
在上课期间的各个时间点，获取全班各学员的注意力指数并对其求取平均值，从而得到各个时间点上的全班学员的平均注意力指数，此时可以根据各个时间点上的全班学员的平均注意力指数，绘制一条全班学员的平均注意力指数随时间变化的曲线，该曲线即作为全班平均注意力变化曲线。
在本实施例中，通过获取每个学员的注意力指数和注意力变化曲线，以及全班平均注意力变化曲线，然后分析每个学员的注意力变化曲线与全班平均注意力变化曲线的吻合程度，得到每个学员与全班的同步率，实现了量化、直观地反映班级每个学员的听课效果。
进一步地，参照图6，图6为本发明教学分析方法第三实施例的流程示意图。基于上述的实施例，步骤S40之后，还可以包括：
步骤S50，获取课程属性信息，所述课程属性信息包括授课教师、上课时间、上课的班级以及课程名称；
步骤S60，将所述课程属性信息展示在所述教学分析报告中。
在本实施例中，教学分析服务器在生成教学分析报告时，可以接收用户的输入指令，从而获取到课程属性信息，该课程属性信息包括授课教师、上课时间、上课的班级以及课程名称，用以区分不同的教学分析报告。之后，再将获取到的课程属性信息展示在教学分析报告中，以方便用户查看。
参照图7，图7为本发明实施例中教学分析报告的展示示意图。该教学分析报告是针对张大壮老师在2017年9月13日上午10:00-10:40在三年级一班所上的历史课的教学分析报告，报告中展示了全班注意力水平分布饼状图、全班同步率水平分布饼状图、全班平均注意力变化曲线和相应的教学建议，如此实现了对整个班级的听课效果进行量化、直观地展示，从而方便用户对教学效果进行评估。
本发明还提供一种计算机可读存储介质。
本发明计算机可读存储介质上存储有教学分析程序，所述教学分析程序被处理器执行时实现如上所述的教学分析方法的步骤。
其中，在所述处理器上运行的教学分析程序被执行时所实现的方法可参照本发明教学分析方法各个实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种教学分析方法，其特征在于，所述教学分析方法包括如下步骤：
获取全班每个学员的注意力指数和同步率，所述注意力指数表示学员在整节课上的平均注意力，所述同步率表示整节课上学员注意力与全班平均注意力的同步程度；
根据每个学员的注意力指数和同步率，对应评价每个学员的注意力水平和同步率水平；
分别统计在同一注意力水平和同一同步率水平的学员人数，得到全班注意力水平分布情况和全班同步率水平分布情况；
根据所述全班注意力水平分布情况和全班同步率水平分布情况，生成全班的教学分析报告。
2.如权利要求1所述的教学分析方法，其特征在于，所述获取全班每个学员的注意力指数和同步率的步骤包括：
获取并分析全班每个学员在上课期间的脑电数据，得到每个学员的注意力指数和注意力变化曲线，以及全班平均注意力变化曲线；
对于每个学员，分析其注意力变化曲线与全班平均注意力变化曲线的吻合程度，将所述吻合程度作为其同步率。
3.如权利要求2所述的教学分析方法，其特征在于，所述获取并分析全班每个学员在上课期间的脑电数据，得到每个学员的注意力指数和注意力变化曲线，以及全班平均注意力变化曲线的步骤包括：
接收脑电数据采集设备发送的全班每个学员在上课期间的脑电数据；
根据预设的脑电数据与注意力指数的对应关系，将接收到的所述脑电数据转换为对应的注意力指数；
对于每个学员，求取其在上课期间的各个时间点上的注意力指数的平均值，作为其注意力指数，同时，绘制其在上课期间的注意力指数随时间变化的曲线，作为其注意力变化曲线；
绘制上课期间全班平均注意力指数随时间变化的曲线，作为全班平均注意力变化曲线。
4.如权利要求3所述的教学分析方法，其特征在于，所述教学分析方法还包括：
根据所述全班平均注意力变化曲线，提供相应的教学建议；
将所述全班平均注意力变化曲线和所述教学建议展示在所述教学分析报告中。
5.如权利要求1所述的教学分析方法，其特征在于，所述根据每个学员的注意力指数和同步率，对应评价每个学员的注意力水平和同步率水平的步骤包括：
确定每个学员的注意力指数和同步率所处的预设区间，以对应评价每个学员的注意力水平和同步率水平。
6.如权利要求1所述的教学分析方法，其特征在于，所述根据每个学员的注意力指数和同步率，对应评价每个学员的注意力水平和同步率水平的步骤包括：
根据每个学员的注意力指数和同步率，计算全班的平均注意力指数和平均同步率；
将每个学员的注意力指数和同步率对应与全班的平均注意力指数和平均同步率进行比较，以对应评价每个学员的注意力水平和同步率水平。
7.如权利要求1至6中任一项所述的教学分析方法，其特征在于，所述分别统计在同一注意力水平和同一同步率水平的学员人数，得到全班注意力水平分布情况和全班同步率水平分布情况的步骤包括：
分别统计处于同一注意力水平和同一同步率水平的学员人数，及所述学员人数占全班总人数的比例；
根据统计结果绘制全班注意力水平分布饼状图和全班同步率水平分布饼状图。
8.如权利要求7所述的教学分析方法，其特征在于，所述教学分析方法还包括：
获取课程属性信息，所述课程属性信息包括授课教师、上课时间、上课的班级以及课程名称；
将所述课程属性信息展示在所述教学分析报告中。
9.一种教学分析服务器，其特征在于，所述教学分析服务器包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的教学分析程序，所述教学分析程序被所述处理器执行时实现如权利要求1至8中任一项所述的教学分析方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有教学分析程序，所述教学分析程序被处理器执行时实现如权利要求1至8中任一项所述的教学分析方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810504361.8A CN108805762A (zh) | 2018-05-23 | 2018-05-23 | 教学分析方法、服务器及计算机可读存储介质 |
| PCT/CN2019/086191 WO2019223543A1 (zh) | 2018-05-23 | 2019-05-09 | 教学分析方法、服务器及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810504361.8A CN108805762A (zh) | 2018-05-23 | 2018-05-23 | 教学分析方法、服务器及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108805762A true CN108805762A (zh) | 2018-11-13 |
Family
ID=64092935
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810504361.8A Pending CN108805762A (zh) | 2018-05-23 | 2018-05-23 | 教学分析方法、服务器及计算机可读存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN108805762A (zh) |
| WO (1) | WO2019223543A1 (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109637222A (zh) * | 2019-01-28 | 2019-04-16 | 探客柏瑞科技（北京）有限公司 | 脑科学智慧教室 |
| CN110164213A (zh) * | 2019-06-06 | 2019-08-23 | 南京睦泽信息科技有限公司 | 一种基于ai视频分析的多终端远程教育培训系统 |
| WO2019223543A1 (zh) * | 2018-05-23 | 2019-11-28 | 深圳市心流科技有限公司 | 教学分析方法、服务器及计算机可读存储介质 |
| CN116138780A (zh) * | 2022-12-30 | 2023-05-23 | 北京视友科技有限责任公司 | 一种学生注意力评价方法、终端及计算机可读存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20040078383A (ko) * | 2003-03-04 | 2004-09-10 | 김지연 | 두뇌 훈련을 통한 속독 학습법 |
| 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 |
| CN106373049A (zh) * | 2015-07-21 | 2017-02-01 | 胡渐佳 | 学习用功计算方法和实现装置 |
| CN107239138A (zh) * | 2017-05-11 | 2017-10-10 | 哈尔滨工程大学 | 一种基于脑机接口移动终端的学习监控和测试方法 |
| CN107961006A (zh) * | 2017-12-28 | 2018-04-27 | 出门问问信息科技有限公司 | 腕式智能穿戴设备和信息提示方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107657868A (zh) * | 2017-10-19 | 2018-02-02 | 重庆邮电大学 | 一种基于脑电波的教学跟踪辅助系统 |
| CN108805762A (zh) * | 2018-05-23 | 2018-11-13 | 深圳市心流科技有限公司 | 教学分析方法、服务器及计算机可读存储介质 |
-
2018
- 2018-05-23 CN CN201810504361.8A patent/CN108805762A/zh active Pending
-
2019
- 2019-05-09 WO PCT/CN2019/086191 patent/WO2019223543A1/zh active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20040078383A (ko) * | 2003-03-04 | 2004-09-10 | 김지연 | 두뇌 훈련을 통한 속독 학습법 |
| CN106373049A (zh) * | 2015-07-21 | 2017-02-01 | 胡渐佳 | 学习用功计算方法和实现装置 |
| 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 |
| CN107239138A (zh) * | 2017-05-11 | 2017-10-10 | 哈尔滨工程大学 | 一种基于脑机接口移动终端的学习监控和测试方法 |
| CN107961006A (zh) * | 2017-12-28 | 2018-04-27 | 出门问问信息科技有限公司 | 腕式智能穿戴设备和信息提示方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019223543A1 (zh) * | 2018-05-23 | 2019-11-28 | 深圳市心流科技有限公司 | 教学分析方法、服务器及计算机可读存储介质 |
| CN109637222A (zh) * | 2019-01-28 | 2019-04-16 | 探客柏瑞科技（北京）有限公司 | 脑科学智慧教室 |
| CN109637222B (zh) * | 2019-01-28 | 2021-05-14 | 探客柏瑞科技（北京）有限公司 | 脑科学智慧教室 |
| CN110164213A (zh) * | 2019-06-06 | 2019-08-23 | 南京睦泽信息科技有限公司 | 一种基于ai视频分析的多终端远程教育培训系统 |
| CN116138780A (zh) * | 2022-12-30 | 2023-05-23 | 北京视友科技有限责任公司 | 一种学生注意力评价方法、终端及计算机可读存储介质 |
| CN116138780B (zh) * | 2022-12-30 | 2023-08-08 | 北京视友科技有限责任公司 | 一种学生注意力评价方法、终端及计算机可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2019223543A1 (zh) | 2019-11-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108805762A (zh) | 教学分析方法、服务器及计算机可读存储介质 | |
| Mavroudi et al. | Supporting adaptive learning pathways through the use of learning analytics: developments, challenges and future opportunities | |
| CN105117460A (zh) | 学习资源推荐方法和系统 | |
| CN106781785A (zh) | 一种基于大数据的题目难度构建方法及装置、服务设备 | |
| CN108830461A (zh) | 教学分析方法、服务器及计算机可读存储介质 | |
| KR101058741B1 (ko) | 공부 습관 검사 시스템 및 방법 | |
| CN112150331A (zh) | 面向教育目标进行层级分配的教育资源远程共享系统 | |
| CN111062842A (zh) | 动态生成个性化题目的方法及装置 | |
| CN103400328A (zh) | 面向多信息平台聚合的随堂式教学测评系统及测评方法 | |
| CN110675676A (zh) | 一种基于微信小程序的课堂教学及时评分方法 | |
| CN106997571A (zh) | 一种基于数据驱动的学科学习发展推荐系统及方法 | |
| Harper | Surveying qualitative research teaching on British clinical psychology training programmes 1992–2006: A changing relationship? | |
| CN112101786A (zh) | 基于大数据的学生数据分析方法、装置及计算机设备 | |
| Arqoub et al. | Extending learning management system for learning analytics | |
| CN112733059A (zh) | 一种智能阅读跟踪评价方法、系统、终端及存储介质 | |
| CN115081965B (zh) | 一种学情大数据分析系统及学情服务器 | |
| CN111240479A (zh) | 基于虚拟现实技术的心理健康教育系统 | |
| CN110737497A (zh) | 一种显控界面辅助决策设计优化方法 | |
| CN112734296B (zh) | 一种基于大数据的智慧校园学生宿舍分配方法 | |
| Hussain et al. | UUM mobile for students: a usability evaluation on two mobile OS platforms | |
| Gregg et al. | Do No Harm: A Balanced Approach to Vendor Relationships, Learning Analytics, and Higher Education. IDEA Paper# 72. | |
| CN110046147A (zh) | 适用自适应系统的用户学习能力值获取方法及其应用 | |
| Xu et al. | Analysis on the Application of Data Mining Technology in Wisdom Teaching | |
| Čampelj et al. | Decision support modelling for efficient implementation of ICT in schools | |
| Chen et al. | Research on the influencing factors of mobile learning behaviour: taking the accounting learning app as an example |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181113 |