CN108805770A - 基于大数据与人工智能的教学内容画像方法和机器人系统 - Google Patents
基于大数据与人工智能的教学内容画像方法和机器人系统 Download PDFInfo
- Publication number
- CN108805770A CN108805770A CN201810632478.4A CN201810632478A CN108805770A CN 108805770 A CN108805770 A CN 108805770A CN 201810632478 A CN201810632478 A CN 201810632478A CN 108805770 A CN108805770 A CN 108805770A
- Authority
- CN
- China
- Prior art keywords
- content
- teacher
- teaching
- portrait
- courses
- 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
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000013473 artificial intelligence Methods 0.000 title abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 36
- 230000009471 action Effects 0.000 claims description 96
- 238000002372 labelling Methods 0.000 claims description 13
- 238000012800 visualization Methods 0.000 claims description 11
- 230000007786 learning performance Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 23
- 230000006872 improvement Effects 0.000 abstract description 8
- 238000011156 evaluation Methods 0.000 description 8
- 235000013399 edible fruits Nutrition 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000001747 pupil Anatomy 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)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
基于大数据与人工智能的教学内容画像方法和机器人系统,包括:将每一老师的每一教学单元每一时段作为所述每一老师的教学内容画像的一个教学单元时段标签,通过讲课录像识别出教学效果,将所述每一老师的每一教学单元每一时段对应的老师教学效果、讲课录像、老师讲课内容分别作为所述每一老师的教学内容画像的所述一个教学单元时段标签的第一内容、第二内容、第三内容。上述方法和系统使得画像能更为客观、精准、动态地反映出老师的教学效果、教学内容,使得画像能对教学过程的效果进行精准评价、对教学过程需改进之处进行精准定位、提高教学资源的利用效果。
Description
技术领域
本发明涉及信息技术领域,特别是涉及一种基于大数据与人工智能的教学内容画像方法和机器人系统。
背景技术
现有教学资源由老师直接上传到网络上,供学生下载查看。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:老师上完课之后,无法得知哪个地方讲得好,哪些地方讲得欠佳,从而无法改进自己的教学效果,从而无法对教学过程的效果进行精准评价、无法对教学过程需改进之处进行精准定位;同时,将教学资源上传到网上后,学生下载查看时也不清楚教学资源的教学效果的好坏,从而使得教学资源的利用效果差。
因此,现有技术还有待于改进和发展。
发明内容
基于此,有必要针对现有技术中教学效果评价的缺陷或不足,提供基于大数据与人工智能的教学内容画像方法和机器人系统,以解决无法对教学过程的效果进行精准评价、无法对教学过程需改进之处进行精准定位、教学资源的利用效果差的缺点。
第一方面,提供一种教学内容画像方法,所述方法包括:
建立标签步骤,将每一老师的每一教学单元每一时段作为所述每一老师的教学内容画像的一个教学单元时段标签,
录像识别步骤,从所述每一老师的每一教学单元每一时段对应的学生听课录像中识别出的所有学生的第一预设动作的总时长占所述每一教学单元的总时长的比例,
标签赋值步骤,将所述比例作为所述每一老师的教学内容画像的所述一个教学单元时段标签的第一内容,将所述每一老师的每一教学单元每一时段对应的老师讲课录像、老师讲课内容分别作为所述每一老师的教学内容画像的所述一个教学单元时段标签的第二内容、第三内容。
优选地,所述的建立标签步骤之前还包括:
获取数据步骤,获取教学过程大数据,所述教学过程大数据包括每一老师的每一教学单元对应的学生听课录像、老师讲课录像、老师讲课内容;
预设动作步骤,获取预设的认真听课的动作,作为第一预设动作;
优选地,所述的标签赋值步骤之后还包括:
存入知识库步骤,将所述每一老师的教学内容画像的所述一个教学单元时段标签及其对应内容存入教学内容画像知识库。
优选地,所述的标签赋值步骤之后包括:
接受查询步骤,获取待查询的内容;
搜索内容步骤,从教学内容画像知识库中搜索并获取与所述待查询的内容匹配度大于第一预设阈值的教学内容画像,从所述待查询的教学内容画像中获取与所述待查询的内容匹配度大于第二预设阈值的所有教学单元时段标签的第三内容及其对应的第一内容、第二内容;
内容可视化步骤,将查询得到的所有教学单元时段标签的第二内容、第三内容、第一内容进行组合显示。
优选地,所述内容可视化步骤包括:
组合步骤,将所述第二内容、所述第三内容按照所属教学单元及时段进行组合后输出;
同步步骤,将所述第二内容、所述第三内容、所述第一内容按照所属教学单元及时段的对应关系进行同步输出;
排序步骤,将所述第二内容、所述第三内容根据所述第一内容进行排序或/和筛选后输出。
第二方面,提供一种教学内容画像系统,所述系统包括:
建立标签模块,用于将每一老师的每一教学单元每一时段作为所述每一老师的教学内容画像的一个教学单元时段标签,
录像识别模块,用于从所述每一老师的每一教学单元每一时段对应的学生听课录像中识别出的所有学生的第一预设动作的总时长占所述每一教学单元的总时长的比例,
标签赋值模块,用于将所述比例作为所述每一老师的教学内容画像的所述一个教学单元时段标签的第一内容,将所述每一老师的每一教学单元每一时段对应的老师讲课录像、老师讲课内容分别作为所述每一老师的教学内容画像的所述一个教学单元时段标签的第二内容、第三内容。
优选地,所述系统还包括:
获取数据模块,用于获取教学过程大数据,所述教学过程大数据包括每一老师的每一教学单元对应的学生听课录像、老师讲课录像、老师讲课内容;
预设动作模块,用于获取预设的认真听课的动作,作为第一预设动作;
优选地,所述系统还包括:
存入知识库模块,用于将所述每一老师的教学内容画像的所述一个教学单元时段标签及其对应内容存入教学内容画像知识库。
接受查询模块,用于获取待查询的内容;
搜索内容模块,用于从教学内容画像知识库中搜索并获取与所述待查询的内容匹配度大于第一预设阈值的教学内容画像,从所述待查询的教学内容画像中获取与所述待查询的内容匹配度大于第二预设阈值的所有教学单元时段标签的第三内容及其对应的第一内容、第二内容;
内容可视化模块,用于将查询得到的所有教学单元时段标签的第二内容、第三内容、第一内容进行组合显示。
优选地,所述内容可视化模块包括:
组合单元,用于将所述第二内容、所述第三内容按照所属教学单元及时段进行组合后输出;
同步单元,用于将所述第二内容、所述第三内容、所述第一内容按照所属教学单元及时段的对应关系进行同步输出;
排序单元,用于将所述第二内容、所述第三内容按照所述第一内容的大小进行排序和筛选后输出。
第三方面,提供一种教学内容画像机器人系统,所述机器人系统中分别配置有第二方面所述的教学内容画像系统。
本发明的实施例具有如下优点和有益效果:
本发明的实施例提供的基于大数据与人工智能的教学内容画像方法和机器人系统,根据教学过程大数据建立每一老师的教学内容画像,从教学内容画像中查询教学内容及其教学效果,从而使得老师上完课之后,能够通过所述画像得知哪个教学单元哪个时段讲得好,哪些哪个教学单元哪个时段讲得欠佳,从而使得画像能够对教学过程的效果进行精准评价、能够对教学过程需改进之处进行精准定位,进而帮助老师通过画像改进教学效果;同时,将教学资源上传到网上后,学生下载查看时也能通过画像挖掘出教学资源中每个教学单元每个时段的教学效果的好坏,从而使得教学资源的利用效果很好。
附图说明
图1为本发明的一个实施例提供的教学内容画像方法的流程图;
图2为本发明的一个优选实施例提供的教学内容画像方法的流程图;
图3为本发明的一个实施例提供的教学内容画像系统的原理框图;
图4为本发明的一个优选实施例提供的教学内容画像系统的原理框图。
具体实施方式
下面结合本发明实施方式,对本发明实施例中的技术方案进行详细地描述。
本发明的实施例提供的基于大数据与人工智能的教学内容画像方法和机器人系统。大数据技术包含大数据的获取、处理技术,人工智能技术包含识别技术、教学内容画像技术。
(一)基于大数据与人工智能的教学内容画像方法
如图1所示,一个实施例提供的教学内容画像方法,包括如下步骤:
建立标签步骤S300,将每一老师的每一教学单元每一时段作为所述每一老师的教学内容画像的一个教学单元时段标签。其中,老师的教学内容画像是一种用户画像,用户画像是人工智能的核心技术。
录像识别步骤S400,从所述每一老师的每一教学单元每一时段对应的学生听课录像中识别出的所有学生的第一预设动作的总时长占所述每一教学单元的总时长的比例。
标签赋值步骤S500,将所述比例作为所述每一老师的教学内容画像的所述一个教学单元时段标签的第一内容,将所述每一老师的每一教学单元每一时段对应的老师讲课录像、老师讲课内容分别作为所述每一老师的教学内容画像的所述一个教学单元时段标签的第二内容、第三内容。
所述的画像方法通过教学过程中的录像进行识别,得到具体老师具体教学单元具体时段的教学效果的画像,而不是仅仅以学生的主观打分、或评委的主动打分、或学生的考试成绩来进行教学效果的画像,从而使得所述教学效果的画像能客观地精准地反映教学过程的实际效果。
1、建立标签步骤
在一个优选的实施例中,所述的建立标签步骤S300包括:
S301,从大数据存储系统中读取每一老师的每一教学单元(例如张三、2018002、高等数学、2018-5-23至2018-8-12;张三、2018002、英语、2018学年;李四、2018003、化学、2017年上学期;等等)。
S302,为每一老师建立一个教学内容画像(例如张三的教学内容画像;李四的教学内容画像;等等)。
S303,获取预设的时段长度(例如,预设长度的时间作为时段长度,或一个时点作为一个时段;例如,录像的每1帧作为一个时段,录像的每1000帧作为一个时段,或3分钟作为一个时段,或半小时作为一个时段,或一个课时作为一个时段)。
S304,将所述每一老师的每一教学单元(例如,张三在2018-5-23至2018-8-12期间上高等数学的所有教学录像)及其对应的录像、教学内容按照所述预设的时段长度(例如一个课时作为一个时段)进行切分得到所述每一老师的每一教学单元的每一时段及其对应的录像和教学内容(例如,张三在2018-5-23至2018-8-12期间上高等数学的第1节课及其对应的教学录像和教学内容,张三在2018-5-23至2018-8-12期间上高等数学的第2节课及其对应的教学录像和教学内容,......,张三在2018-5-23至2018-8-12期间上高等数学的最后一节课及其对应的教学录像和教学内容)。
S305,将每一老师的每一教学单元每一时段作为所述每一老师的教学内容画像的一个教学单元时段标签(例如,张三、2018002、高等数学、2018-5-23至2018-8-12的第1节课作为张三的教学内容画像的一个教学单元时段标签;张三、2018002、高等数学、2018-5-23至2018-8-12的第2节课作为张三的教学内容画像的一个教学单元时段标签;......;张三、2018002、高等数学、2018-5-23至2018-8-12的最后一节课作为张三的教学内容画像的一个教学单元时段标签;张三、2018002、英语、2018学年的第1节课作为张三的教学内容画像的一个教学单元时段标签;张三、2018002、英语、2018学年的第2节课作为张三的教学内容画像的一个教学单元时段标签;......;张三、2018002、英语、2018学年的最后一节课作为张三的教学内容画像的一个教学单元时段标签;李四、2018003、化学、2017年上学期的第1节课作为李四的教学内容画像的一个教学单元时段标签;李四、2018003、化学、2017年上学期的第2节课作为李四的教学内容画像的一个教学单元时段标签;......;李四、2018003、化学、2017年上学期的最后一节课作为李四的教学内容画像的一个教学单元时段标签;等等)。
所述建立标签步骤S300通过为每一个老师每一个评价单元每一时段都建立一个标签,从而使得教学效果的画像更为精细化时态化,为基于画像的教学效果的评价奠定了客观的基础。
2、录像识别步骤
在一个优选的实施例中,所述的录像识别步骤S400包括:
S401,从所述每一老师的每一教学单元每一时段对应的教学录像中通过人脸识别技术,识别出每一个学生,并将其中学生进行编码。
S402,从教学效果识别知识库中获取预设的第一动作的集合,从所述集合中获取预设的认真听课的动作集合、预设的不认真听课的动作集合。
S403,在所述每一老师的每一教学单元每一时段对应的教学录像中识别每一个学生的动作并与预设的认真听课的动作的集合中每一个动作进行匹配(如果预设的认真听课的动作的特征中含有时长,则需要结合所述识别的动作的前后相邻的视频帧或照片中对应动作进行匹配),获得至少一个第一匹配度(例如,认真听课的动作的集合中有2个动作,则能获得2个第一匹配度),如果有一个第一匹配度大于或等于第一预设匹配度,则所述识别的动作为第一预设动作,如果第一匹配度小于第一预设匹配度,则将所述识别的动作与预设的不认真听课的动作集合中的每一个动作进行匹配(如果预设的不认真听课的动作的特征中含有时长,则需要结合所述识别的动作的前后相邻的视频帧或照片中对应动作进行匹配),获得至少一个第二匹配度,如果每一个第二匹配度都小于第二预设匹配度,则所述识别的动作为第一预设动作。例如,张三、2018002、高等数学、2018-5-23至2018-8-12的第1节课的教学录像的视频或抓拍的照片集中从左到右、从上到下识别每一个学生,并将每一个学生在每一帧视频或每一张照片的动作与发言、记笔记、等等预设的认真听课的动作进行匹配,有一个匹配度例如与发言的匹配度为0.7大于第一预设匹配度例如0.6,则可判定所述识别的动作为认真听课的动作。又例如,张三、2018002、英语、2018学年的第2节课的教学录像的视频或抓拍的照片集中从左到右、从上到下识别每一个学生,并将每一个学生在每一帧视频或每一张照片的动作与发言、记笔记、等等预设的认真听课的动作进行匹配,所有匹配度都小于第一预设匹配度例如0.6,则将所述识别的动作与睡觉、玩手机等预设的不认真听课的动作进行匹配,所有匹配度都小于第二预设匹配度例如0.8,则所述识别的动作为第一预设动作。又例如,李四、2018003、化学、2017年上学期的第3节课的教学录像的视频或抓拍的照片集中从左到右、从上到下识别每一个学生,并将每一个学生在每一帧视频或每一张照片的动作与发言、记笔记、等等预设的认真听课的动作进行匹配,所有匹配度都小于第一预设匹配度例如0.6,则将所述识别的动作与睡觉、玩手机等预设的不认真听课的动作进行匹配,有一个匹配度例如与玩手机的匹配度为0.82大于第二预设匹配度例如0.8,则所述识别的动作不是第一预设动作。
S404,统计所述每一老师的每一教学单元每一时段对应的教学录像中(例如,张三、2018002、高等数学、2018-5-23至2018-8-12的第1节课的教学录像的视频或抓拍的照片集)中识别出的每一个学生的第一预设动作所占的时长或视频帧数或照片数(例如,编号为001的学生具有第一预设动作的录像视频中识别出所述001号学生做笔记时长为150分钟,发言时长为50分钟,睡觉时长为200分钟,玩手机时长为1000分钟,其余时长为600分钟,可以得到所述001号学生的第一预设动作所占的时长为1000分钟)占所述每一教学单元的总时长或视频帧数或照片数(例如所述教学录像时长为2000分钟)的比例(例如50%)。
S405,将所述每一老师的每一教学单元每一时段对应的教学录像中(例如,张三、2018002、高等数学、2018-5-23至2018-8-12的第1节课的教学录像的视频或抓拍的照片集)中每一个学生的第一预设动作所占的时长或视频帧数或照片数占所述每一教学单元的总时长的比例相加求平均(例如,所述教学录像中共有5个学生,所述比例分别为50%、20%、30%、60%、40%,则相加求平均为(50%+20%+30%+60%+40%)/5=40%),得到加权平均后的比例。
所述的录像识别步骤S400通过对教学录像的识别,并从中判断出各种教学效果对应的动作,例如认真听课的动作对应着好的教学效果,而不认真听课的动作对应着差的教学效果,从而使得所述的画像能作为教学效果的评价的客观依据。
3、标签赋值步骤
在一个优选的实施例中,所述的标签赋值步骤S500包括:
S501,将所述得到的加权平均后的比例作为所述每一老师的教学内容画像的所述一个教学单元时段标签的第一内容(例如,张三的教学内容画像的教学单元时段标签″张三、2018002、高等数学、2018-5-23至2018-8-12的第1节课″的第一内容为40%)。将所述每一老师的每一教学单元每一时段对应的老师讲课录像、老师讲课内容分别作为所述每一老师的教学内容画像的所述一个教学单元时段标签的第二内容、第三内容。
所述的标签赋值步骤S500通过将教学效果的加权平均值作为所述画像的标签值,从而使得基于所述画像的评价更为客观。
4、建立标签步骤之前
在一个优选的实施例中,所述的建立标签步骤S300之前还包括:
获取数据步骤S100,获取教学过程大数据,所述教学过程大数据包括每一老师的每一教学单元对应的学生听课录像、老师讲课录像、老师讲课内容;所述的教学录像包括对学生听课、做实验、练习、记笔记、回答问题、朗读等课堂教学过程情况的录像。优选地,录像中具有时间信息、时段信息。
预设动作步骤S200,获取预设的认真听课的动作,作为第一预设动作。
所述的建立标签步骤S300之前的各个步骤通过获取教学大数据和预设动作,从而为所述画像的建立提供客观的数据基础和教学效果判断的客观标准。
(1)在一个进一步优选的实施例中,获取数据步骤S100包括:
S101,获取每一个老师包括姓名、编号(例如张三、2018002;李四、2018003;王五、2018005;等等),存入大数据存储库(例如Hbase)。
S102,获取每一个教学单元包括课程名称、起止时间(例如高等数学、2018-5-23至2018-8-12;英语、2018学年;化学、2017年上学期;化学、2017年下学期;美术、2016年上学期前三个周;等等),存入大数据存储库。
S103,获取每一老师的每一教学单元(例如,张三、2018002、高等数学、2018-5-23至2018-8-12;张三、2018002、英语、2018学年;李四、2018003、化学、2017年上学期;等等),存入大数据存储库。
S104,获取每一老师的每一教学单元的教学录像(例如,张三在2018-5-23至2018-8-12期间上高等数学的所有教学录像;张三在2018学年上英语的所有教学录像;李四在2017年上学期上化学的所有教学录像;等等),存入大数据存储库(例如Hdfs)。
(2)在一个进一步优选的实施例中,预设动作步骤S200包括:
S201,提示用户对认真听课的动作,包括动作的名称、动作的特征(例如,发言、头向前且嘴巴动;记笔记、低头且手握笔写字;等等),进行预先设置。
S202,提示用户对不认真听课的动作,包括动作的名称、动作的特征(例如,睡觉、闭眼且时间超过1分钟;玩手机、低头看手机且时间超过1分钟;等等),进行预先设置。
S203,接受用户的输入,将预设的认真听课的动作的集合、预设的不认真听课的动作的集合的补集,加入第一预设动作的集合,存入教学效果识别知识库。
5、标签赋值步骤之后
如图2所示,在一个优选的实施例中,所述的标签赋值步骤S500之后还包括:
存入知识库步骤S600,将所述每一老师的教学内容画像的所述一个教学单元时段标签及其对应内容存入教学内容画像知识库。
接受查询步骤S700,获取待查询的内容。
搜索内容步骤S800,从教学内容画像知识库中搜索并获取与所述待查询的内容匹配度大于第一预设阈值的教学内容画像,从所述待查询的教学内容画像中获取与所述待查询的内容匹配度大于第二预设阈值的所有教学单元时段标签的第三内容及其对应的第一内容、第二内容。
内容可视化步骤S900,将查询得到的所有教学单元时段标签的第二内容、第三内容、第一内容进行组合显示。然后将所述待查询的老师的教学单元的教学效果输出给用户。
所述的标签赋值步骤S500之后的步骤通过从教学效果的画像中搜索待查询的老师及待查询的内容对应的具体老师具体教学单元具体时段的第一内容、第二内容、第三内容,来得到所述待查询的老师及内容对应的教学内容、讲课录像和教学效果,从而使得对教学内容的重用和挖掘是基于教学内容画像进行的,而教学内容画像又是基于教学过程大数据进行的,从而可以方便学生方便地精准定位到具体老师具体教学单元具体时段的教学内容、讲课录像并能知道其教学效果,从而提高学生学习的效率,帮助学生选择教学效果较好的教学资源;同时可以方便老师方便地精准定位到教学效果较好的教学单元时段和教学效果更差的教学单元时段,从而方便老师精准地进行教学的改进。
(1)在一个进一步优选的实施例中,存入知识库步骤S600包括:
S601,所述每一老师的教学内容画像的所述一个教学单元时段标签的第一内容、第二内容、第三内容将存入教学内容画像知识库(例如,张三的教学内容画像的教学单元时段标签″张三、2018002、高等数学、2018-5-23至2018-8-12的第1节课″的第一内容为40%;张三的教学内容画像的教学单元时段标签″张三、2018002、英语、2018学年的第2节课″的值为80%;李四的教学内容画像的教学单元时段标签″李四、2018003、化学、2017年上学期的第3节课″的值为30%;等等)。
(2)在一个进一步优选的实施例中,接受查询步骤S700包括:
S701,提示用户输入待查询的内容包括老师、课程名称、时段、关键词;并提示用户可以输入任一项或几项。
S702,获取待查询的内容(例如,关键词:大数据;或老师:张三;或课程名称:高等数学;或时段:2018年学年;或老师:张三,关键词:big data)。
(3)在一个进一步优选的实施例中,搜索内容步骤S800包括:
S801,从教学内容画像知识库中搜索并获取与所述待查询的内容(例如张三,关键词:big data)匹配度大于第一预设阈值(例如为0%))的教学内容画像(例如,张三的教学画像匹配成功);优选地,匹配具体过程是将所述待查询的内容中的老师字段的内容与教学内容画像知识库每一个教学画像的老师名称进行匹配(如果所述老师字段的内容为空,则匹配度默认为100%),如果匹配度大于第一预设阈值,则匹配成功,则获取所述每一教学画像。
S802,从所述获取的教学内容画像(例如张三的教学内容画像)中获取每一个教学单元时段标签(张三、2018002、高等数学、2018-5-23至2018-8-12;张三、2018002、英语、2018学年;等等),并从中选出与所述待查询的内容(例如张三,关键词:big data)匹配度大于第二预设阈值(例如为0%))的所有教学单元时段标签(例如,张三、2018002、英语、2018学年的第一节课,张三、2018002、英语、2018学年的最后一节课,在这个例子中,第一节课、最后一节课的英语课程的教学内容中含有big data);优选地,匹配具体过程是将所述待查询的内容中的课程名称字段的内容与教学内容画像知识库所述每一个教学画像的教学单元时段标签中的教学单元中的课程名称进行匹配(如果所述课程名称字段的内容为空,则匹配度默认为100%),将所述待查询的内容中的时段字段的内容与教学内容画像知识库所述每一个教学画像的教学单元时段标签中的时段进行匹配(如果所述时段字段的内容为空,则匹配度默认为100%),将所述待查询的内容中的关键词字段的内容与教学内容画像知识库所述每一个教学画像的教学单元时段标签中的讲课内容进行模糊匹配(如果所述关键词字段的内容为空,则匹配度默认为100%),如果各个匹配度的乘积大于第一预设阈值,则匹配成功,则获取所述每一教学画像。
S803,从教学内容画像知识库中获取所述获取的教学内容画像的所述选出的所有教学单元时段标签(例如,张三、2018002、英语、2018学年的第一节课,张三、2018002、英语、2018学年的最后一节课)的第三内容(讲课内容)及其对应的第一内容(教学效果)、第二内容(讲课录像)。
(4)在一个进一步优选的实施例中,内容可视化步骤S900包括:
S901,组合步骤,将所述查询得到的所有教学单元时段标签的第二内容(讲课录像)、第三内容(讲课内容)按照所属教学单元及时段进行组合(例如,张三、2018002、英语、2018学年的第一节课与最后一节课的2个讲课内容文档合并为了1个讲课内容文档,2个讲课录像文件合并为了1个讲课录像文件);优选地,组合的具体过程是先获取所述查询得到的所有教学单元时段标签的各教学单元时段,然后将属于同一个教学单元的多个时段根据时间的先后关系合并为一个时段,同时将所述多个时段对应的多个第二内容合并为一个第二内容,将所述多个时段对应的多个第三内容合并为一个第三内容,并在合并后得到的一个时段、一个第二内容、一个第三内容之间建立对应关系,例如多个讲课录像合并为1个讲课录像,多个讲课内容合并为1个讲课内容,并且遵守时间先后顺序。
S902,同步步骤,将所述查询得到的所有教学单元时段标签的第二内容(讲课录像)、第三内容(讲课内容)、第一内容(教学效果)按照所属教学单元及时段的对应关系进行同步输出(例如,在播放张三、2018002、英语、2018学年的第一节课的讲课录像的同时显示所述第一节课的讲课内容,同时将所述第一节课的教学效果叠加在讲课录像上)。优选地,根据所述查询得到的所有教学单元时段标签中时段的时间先后顺序在第一窗口播放每一个时段对应的第二内容(讲课录像),同时在第二窗口播放第三内容(讲课内容),同时将第一内容(教学效果)叠加到第二内容(讲课录像)所在的窗口。
S903,排序步骤,将所述第二内容、所述第三内容根据所述第一内容进行排序或/和筛选后输出。优选地,排序筛选的具体过程为获取排序的规则(例如从大到小或从小到大)、筛选的规则(例1,大于80%;例2,小于30%);如果排序规则不为空(例如,从大到小),则将所述查询得到的所有教学单元时段标签的第二内容(讲课录像)、第三内容(讲课内容)按照第一内容(教学效果)并结合排序规则进行排序后输出(例如按照教学效果对应的比例从大到小输出);如果筛选规则不为空(例1,大于80%;例2,小于30%),则将所述查询得到的所有教学单元时段标签的第二内容(讲课录像)、第三内容(讲课内容)按照第一内容(教学效果)并结合筛选规则进行筛选后输出(例1,第一内容(教学效果)大于80%的第二内容(讲课录像)、第三内容(讲课内容),可用于学生或其他老师选择教学效果好的教学内容进行观看学习;例2,第一内容(教学效果)小于30%的第二内容(讲课录像)、第三内容(讲课内容),可用于老师查看教学效果差的部分来进行有针对性地改进)。
6、教学单元和预设动作
在一个优选的实施例中,所述教学单元包括预设时段的课程。所述预设的认真听课的动作包括学生抬头眼睛向前看或/和动手做笔记。
(1)在一个进一步优选的实施例中,预设时段的课程包括:课程名称、开始时间和结束时间,或课程名称、所属学年,或课程名称、所属学期。
(2)在一个进一步优选的实施例中,预设时段的课程还包括非正式课程,例如讲座、沙龙、实验等等。
(3)在一个进一步优选的实施例中,预设的认真听课的动作还包括预设的不认真听课的动作以外的动作,在识别时采用排除法,如果不是预设的不认真听课的动作,那么就判定为是预设的认真听课的动作。
(4)在一个进一步优选的实施例中,预设的认真听课的动作还包括表情、声音、口型、瞳孔等变化。
所述的教学单元通过涵盖课程及其时间段,从而使得教学单元可以根据需要进行个性化的设置,可以用于各种各样类型的课程及非正式课程的评价,还可以推广到与课程类似的场合进行评价。所述的预设动作通过接受用户设置,并且可以随时更新,使得所述实施例可以采用能够判断教学效果的动作;同时所述的预设动作通过多种认真听课的动作及多种不认真听课的动作的组合,提高了通过听课动作判断教学效果的准确度和精度。
(二)基于大数据与人工智能的教学内容画像系统
如图3所示,一个实施例提供的一种教学内容画像系统,包括如下模块:
建立标签模块300,用于将每一老师的每一教学单元每一时段作为所述每一老师的教学内容画像的一个教学单元时段标签。
录像识别模块400,用于从所述每一老师的每一教学单元每一时段对应的学生听课录像中识别出的所有学生的第一预设动作的总时长占所述每一教学单元的总时长的比例。
标签赋值模块500,用于将所述比例作为所述每一老师的教学内容画像的所述一个教学单元时段标签的第一内容,将所述每一老师的每一教学单元每一时段对应的老师讲课录像、老师讲课内容分别作为所述每一老师的教学内容画像的所述一个教学单元时段标签的第二内容、第三内容。
所述教学内容画像系统具有与前面所述教学内容画像方法同样的有益效果,在此不再赘述。
1、建立标签模块
在一个优选的实施例中,所述的建立标签模块300包括单元301、302、303、304、305。单元301、302、303、304、305分别与前面所述优选的实施例中所述步骤S301、S302、S303一一对应,在此不再重复赘述。单元301、302、303、304、305分别用于执行所述S301、S302、S303、S304、S305。
所述建立标签模块300具有与前面所述建立标签步骤S300同样的有益效果,在此不再赘述。
2、录像识别模块
在一个优选的实施例中,所述的录像识别模块400包括单元401、402、403、404、405。单元401、402、403、404、405分别与前面所述优选的实施例中所述步骤S401、S402、S403、S404、S405一一对应,在此不再重复赘述。单元401、402、403、404、405分别用于执行所述S401、S402、S403、S404、S405。
所述录像识别模块400具有与前面所述录像识别步骤S400同样的有益效果,在此不再赘述。
3、标签赋值模块
在一个优选的实施例中,所述的标签赋值模块500包括单元501。单元501与前面所述优选的实施例中所述步骤S501对应,在此不再重复赘述。单元501用于执行所述S501。
所述标签赋值模块500具有与前面所述标签赋值模块S500同样的有益效果,在此不再赘述。
4、建立标签模块之前
在一个优选的实施例中,所述的建立标签模块300之前还包括:
获取数据步骤S100,获取教学过程大数据,所述教学过程大数据包括每一老师的每一教学单元对应的学生听课录像、老师讲课录像、老师讲课内容;所述的教学录像包括对学生听课、做实验、练习、记笔记、回答问题、朗读等课堂教学过程情况的录像。优选地,录像中具有时间信息、时段信息。
预设动作步骤S200,获取预设的认真听课的动作,作为第一预设动作;
所述建立标签模块300之前模块具有与前面所述建立标签步骤S300之前步骤同样的有益效果,在此不再赘述。
(1)在一个进一步优选的实施例中,获取数据模块100包括单元101、102、103、104。单元101、102、103、104分别与前面所述优选的实施例中所述步骤S101、S102、S103、S104一一对应,在此不再重复赘述。单元101、102、103、104分别用于执行所述S101、S102、S103、S104。
(2)在一个进一步优选的实施例中,预设动作模块200包括单元201、202、203。单元201、202、203分别与前面所述优选的实施例中所述步骤S201、S202、S203一一对应,在此不再重复赘述。单元201、202、203分别用于执行所述S201、S202、S203。
5、标签赋值模块之后
如图4所示,在一个优选的实施例中,所述的标签赋值模块500之后还包括:
存入知识库步骤S600,将所述每一老师的教学内容画像的所述一个教学单元时段标签及其对应内容存入教学内容画像知识库。
接受查询步骤S700,获取待查询的内容;
搜索内容步骤S800,从教学内容画像知识库中搜索并获取与所述待查询的内容匹配度大于第一预设阈值的教学内容画像,从所述待查询的教学内容画像中获取与所述待查询的内容匹配度大于第二预设阈值的所有教学单元时段标签的第三内容及其对应的第一内容、第二内容;
内容可视化步骤S900,将查询得到的所有教学单元时段标签的第二内容、第三内容、第一内容进行组合显示。然后将所述待查询的老师的教学单元的教学效果输出给用户。
所述标签赋值模块500之后模块具有与前面所述标签赋值模块S500之后步骤同样的有益效果,在此不再赘述。
(1)在一个进一步优选的实施例中,存入知识库步骤600包括单元601。单元601与前面所述优选的实施例中所述步骤S601对应,在此不再重复赘述。单元601用于执行所述S601。
(2)在一个进一步优选的实施例中,接受查询步骤S700包括单元701、702。单元701、702分别与前面所述优选的实施例中所述步骤S701、S702一一对应,在此不再重复赘述。单元701、702分别用于执行所述S701、S702。
(3)在一个进一步优选的实施例中,接受查询步骤S800包括单元801、802、803。单元801、802、803分别与前面所述优选的实施例中所述步骤S801、S802、S803一一对应,在此不再重复赘述。单元801、802、803分别用于执行所述S801、S802、S803。
(4)在一个进一步优选的实施例中,接受查询步骤S900包括单元901、902、903。单元901、902、903分别与前面所述优选的实施例中所述步骤S801、S901、S902、S903一一对应,在此不再重复赘述。单元901、902、903分别用于执行所述S901、S902、S903。
6、评价单元和预设动作
在一个优选的实施例中,所述评价单元包括预设时段的课程;所述预设的认真听课的动作包括学生抬头眼睛向前看或/和动手做笔记。
所述评价单元和预设动作的有益效果如前所述。
(三)基于教学过程大数据的教学学习表现画像机器人系统
一个实施例提供的一种教学学习表现画像机器人系统,所述机器人系统中配置有所述的教学学习表现画像系统。
所述教学学习表现画像机器人系统具有与前面所述教学学习表现画像系统同样的有益效果,在此不再赘述。
所述各实施例提供的教学内容画像方法和机器人系统将基于过程大数据的教学内容画像作为教学内容及其教学效果的依据,所述画像的特色是非常精细,精确到了具体老师、具体教学单元、具体时段,而且教学单元和时段都可以根据需求进行预设,进而将所述教学内容画像用于学生根据各教学内容对应的教学效果对教学资源中的具体教学单元具体时段进行更充分的利用,所述教学内容画像还能用于老师根据各教学内容对应的教学效果来对具体教学单元具体时段的教学进行改进,从而可以提高教学资源的利用效果、能够对教学过程的效果进行精准评价、能够对教学过程需改进之处进行精准定位。
本发明的实施例提供的基于大数据与人工智能的教学内容画像方法和机器人系统,根据教学过程大数据建立每一老师的教学内容画像,从教学内容画像中查询教学内容及其教学效果,从而使得老师上完课之后,能够通过所述画像得知哪个教学单元哪个时段讲得好,哪些哪个教学单元哪个时段讲得欠佳,从而使得画像能够对教学过程的效果进行精准评价、能够对教学过程需改进之处进行精准定位,进而帮助老师通过画像改进教学效果;同时,将教学资源上传到网上后,学生下载查看时也能通过画像挖掘出教学资源中每个教学单元每个时段的教学效果的好坏,从而使得教学资源的利用效果很好。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种教学内容画像方法,其特征在于,所述方法包括:
建立标签步骤,将每一老师的每一教学单元每一时段作为所述每一老师的教学内容画像的一个教学单元时段标签;
录像识别步骤,从所述每一老师的每一教学单元每一时段对应的学生听课录像中识别出的所有学生的第一预设动作的总时长占所述每一教学单元的总时长的比例;
标签赋值步骤,将所述比例作为所述每一老师的教学内容画像的所述一个教学单元时段标签的第一内容,将所述每一老师的每一教学单元每一时段对应的老师讲课录像、老师讲课内容分别作为所述每一老师的教学内容画像的所述一个教学单元时段标签的第二内容、第三内容。
2.根据权利要求1所述的教学内容画像方法,其特征在于,所述的建立标签步骤之前还包括:
获取数据步骤,获取教学过程大数据,所述教学过程大数据包括每一老师的每一教学单元对应的学生听课录像、老师讲课录像、老师讲课内容;
预设动作步骤,获取预设的认真听课的动作,作为第一预设动作。
3.根据权利要求1所述的教学学习表现画像方法,其特征在于,所述的标签赋值步骤之后还包括:
存入知识库步骤,将所述每一老师的教学内容画像的所述一个教学单元时段标签及其对应内容存入教学内容画像知识库。
4.根据权利要求1至3任一项所述的教学内容画像方法,其特征在于,所述的标签赋值步骤之后包括:
接受查询步骤,获取待查询的内容;
搜索内容步骤,从教学内容画像知识库中搜索并获取与所述待查询的内容匹配度大于第一预设阈值的教学内容画像,从所述待查询的教学内容画像中获取与所述待查询的内容匹配度大于第二预设阈值的所有教学单元时段标签的第三内容及其对应的第一内容、第二内容;
内容可视化步骤,将查询得到的所有教学单元时段标签的第二内容、第三内容、第一内容进行组合显示。
5.根据权利要求4所述的教学内容画像方法,其特征在于,所述内容可视化步骤包括:
组合步骤,将所述第二内容、所述第三内容按照所属教学单元及时段进行组合后输出;
同步步骤,将所述第二内容、所述第三内容、所述第一内容按照所属教学单元及时段的对应关系进行同步输出;
排序步骤,将所述第二内容、所述第三内容根据所述第一内容进行排序或/和筛选后输出。
6.一种教学内容画像系统,其特征在于,所述系统包括:
建立标签模块,用于将每一老师的每一教学单元每一时段作为所述每一老师的教学内容画像的一个教学单元时段标签;
录像识别模块,用于从所述每一老师的每一教学单元每一时段对应的学生听课录像中识别出的所有学生的第一预设动作的总时长占所述每一教学单元的总时长的比例;
标签赋值模块,用于将所述比例作为所述每一老师的教学内容画像的所述一个教学单元时段标签的第一内容,将所述每一老师的每一教学单元每一时段对应的老师讲课录像、老师讲课内容分别作为所述每一老师的教学内容画像的所述一个教学单元时段标签的第二内容、第三内容。
7.根据权利要求6所述的教学内容画像系统,其特征在于,所述系统还包括:
获取数据模块,用于获取教学过程大数据,所述教学过程大数据包括每一老师的每一教学单元对应的学生听课录像、老师讲课录像、老师讲课内容;
预设动作模块,用于获取预设的认真听课的动作,作为第一预设动作。
8.根据权利要求6所述的教学内容画像系统,其特征在于,所述系统还包括:
存入知识库模块,用于将所述每一老师的教学内容画像的所述一个教学单元时段标签及其对应内容存入教学内容画像知识库;
接受查询模块,用于获取待查询的内容;
搜索内容模块,用于从教学内容画像知识库中搜索并获取与所述待查询的内容匹配度大于第一预设阈值的教学内容画像,从所述待查询的教学内容画像中获取与所述待查询的内容匹配度大于第二预设阈值的所有教学单元时段标签的第三内容及其对应的第一内容、第二内容;
内容可视化模块,用于将查询得到的所有教学单元时段标签的第二内容、第三内容、第一内容进行组合显示。
9.根据权利要求8所述的教学内容画像系统,其特征在于,所述内容可视化模块包括:
组合单元,用于将所述第二内容、所述第三内容按照所属教学单元及时段进行组合后输出;
同步单元,用于将所述第二内容、所述第三内容、所述第一内容按照所属教学单元及时段的对应关系进行同步输出;
排序单元,用于将所述第二内容、所述第三内容按照所述第一内容的大小进行排序和筛选后输出。
10.一种教学内容画像机器人系统,其特征在于,所述机器人系统中分别配置有如权利要求6-9任一项所述的教学内容画像系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810632478.4A CN108805770A (zh) | 2018-06-20 | 2018-06-20 | 基于大数据与人工智能的教学内容画像方法和机器人系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810632478.4A CN108805770A (zh) | 2018-06-20 | 2018-06-20 | 基于大数据与人工智能的教学内容画像方法和机器人系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108805770A true CN108805770A (zh) | 2018-11-13 |
Family
ID=64083605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810632478.4A Pending CN108805770A (zh) | 2018-06-20 | 2018-06-20 | 基于大数据与人工智能的教学内容画像方法和机器人系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108805770A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109697904A (zh) * | 2019-02-28 | 2019-04-30 | 苏州阿杜机器人有限公司 | 机器人智慧课堂辅助教学系统及方法 |
CN112837190A (zh) * | 2021-01-07 | 2021-05-25 | 上海知到知识数字科技有限公司 | 一种基于在线互动培训课堂培训的方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106228293A (zh) * | 2016-07-18 | 2016-12-14 | 重庆中科云丛科技有限公司 | 教学评估方法及系统 |
CN106485964A (zh) * | 2016-10-19 | 2017-03-08 | 深圳市鹰硕技术有限公司 | 一种课堂教学的录制和点播的方法及系统 |
CN107025614A (zh) * | 2017-03-20 | 2017-08-08 | 广东小天才科技有限公司 | 一种直播视频中的教学效果检测方法、系统及装置 |
CN107085721A (zh) * | 2017-06-26 | 2017-08-22 | 厦门劢联科技有限公司 | 一种基于人像识别的智能巡课管理系统 |
CN108108903A (zh) * | 2017-12-26 | 2018-06-01 | 重庆大争科技有限公司 | 课堂教学质量评估系统 |
-
2018
- 2018-06-20 CN CN201810632478.4A patent/CN108805770A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106228293A (zh) * | 2016-07-18 | 2016-12-14 | 重庆中科云丛科技有限公司 | 教学评估方法及系统 |
CN106485964A (zh) * | 2016-10-19 | 2017-03-08 | 深圳市鹰硕技术有限公司 | 一种课堂教学的录制和点播的方法及系统 |
CN107025614A (zh) * | 2017-03-20 | 2017-08-08 | 广东小天才科技有限公司 | 一种直播视频中的教学效果检测方法、系统及装置 |
CN107085721A (zh) * | 2017-06-26 | 2017-08-22 | 厦门劢联科技有限公司 | 一种基于人像识别的智能巡课管理系统 |
CN108108903A (zh) * | 2017-12-26 | 2018-06-01 | 重庆大争科技有限公司 | 课堂教学质量评估系统 |
Non-Patent Citations (3)
Title |
---|
姜代红: "《复杂环境下监控图像的拼接与识别》", 28 February 2017, 徐州:中国矿业大学出版社 * |
林强 等: "《行为识别与智能计算》", 30 November 2016, 西安:西安电子科技大学出版社 * |
高磊 等: "《Android应用开发精解》", 30 September 2012, 北京:北京航空航天大学出版社 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109697904A (zh) * | 2019-02-28 | 2019-04-30 | 苏州阿杜机器人有限公司 | 机器人智慧课堂辅助教学系统及方法 |
CN112837190A (zh) * | 2021-01-07 | 2021-05-25 | 上海知到知识数字科技有限公司 | 一种基于在线互动培训课堂培训的方法及装置 |
CN112837190B (zh) * | 2021-01-07 | 2024-04-30 | 上海知到知识数字科技有限公司 | 一种基于在线互动培训课堂培训装置的培训方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110598770B (zh) | 一种多空间融合学习环境构建方法和装置 | |
JP3731868B2 (ja) | 学習システム | |
Cain et al. | Dysfunctional dichotomies? Deflating bipolar constructions of curriculum and pedagogy through case studies from music and history | |
CN109584648A (zh) | 数据生成方法及装置 | |
CN108629715A (zh) | 基于大数据与人工智能的精准教学方法和机器人系统 | |
CN108829842B (zh) | 基于大数据与人工智能的学习表现画像方法和机器人系统 | |
CN110753256B (zh) | 录像回放的方法、装置、存储介质及计算机设备 | |
Roth et al. | Pictures in biology education | |
CN108765229B (zh) | 基于大数据与人工智能的学习表现评价方法和机器人系统 | |
CN106874382A (zh) | 一种教学资源共享系统 | |
Efrizal | Improving students’ vocabulary mastery through English movie for second year students at MAN 01 Kota Bengkulu | |
CN108805770A (zh) | 基于大数据与人工智能的教学内容画像方法和机器人系统 | |
CN108876677A (zh) | 基于大数据与人工智能的教学效果评价方法和机器人系统 | |
Jong et al. | Dynamic grouping strategies based on a conceptual graph for cooperative learning | |
CN108764757A (zh) | 基于大数据与人工智能的精准教学评价方法和机器人系统 | |
Moseley et al. | Exploring Mental Models of Science Teachers Using Digital Storytelling. | |
CN108921405A (zh) | 基于大数据与人工智能的精准学习评价方法和机器人系统 | |
CN108776794B (zh) | 基于大数据与人工智能的教学效果画像方法和机器人系统 | |
CN113254752B (zh) | 基于大数据的备课方法、装置及存储介质 | |
CN108846784A (zh) | 基于大数据与人工智能的教学内容挖掘方法和机器人系统 | |
Zhang | Virtual mentor and media structuralization theory | |
Toth | Online learning behavior and web usage mining | |
Bian et al. | Research on the adaptive strategy of adaptive learning system | |
CN109308569A (zh) | 一种基于人工智能的教学行为分析系统及分析方法 | |
Gudova et al. | Foreign Language Classroom: Multilingual and Multimodal Space? |
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 |