CN108836323B - 一种基于脑电波分析的学习状态监测系统及其使用方法 - Google Patents

Abstract

本发明公开了一种基于脑电波分析的学习状态监测系统及其使用方法，包括固定于头部前额的呈C形的发箍本体，发箍本体的中部设置有能够与用户额头紧密贴合的用于采集脑电波信号的脑波信号采集器，脑波信号采集器的一侧设置有为其供电的电源组件，发箍本体的尾端设置有能够与用户耳部紧密贴合的用于消除背景噪声的耳垂电极；信号采集器将采集到的脑电波信号通过预处理后、平板电脑上的题库APP收集的做题信息均发送至信号分类及特征提取模块；后台诊断服务器用于对所提取的脑电信号通过PIK核心算法进行处理与相关性分析。查找学习的薄弱点方面更加准确、全面、客观，在准确找到学习薄弱点的前提下，教师因材施教，能够快速提高学生学习成绩。

Description

一种基于脑电波分析的学习状态监测系统及其使用方法

技术领域

本发明涉及学习辅助系统，尤其涉及一种基于脑电波分析的学习状态监测系统及其使用方法。

背景技术

传统教育，课堂模式过于单一化，只注重教师的“教”，教师只能粗略地通过学生的面部表情获取学生的生理以及心理情况，难以精确地了解到学生此时的注意力情况，学生注意力容易受多种外界因素影响，不利于课堂教学以及学生的素质提高。

为了更准确地了解学生的生理指标，达到增强学生的课堂学习的效果，基于可穿戴设备的方便携带与容易使用的特性，利用其脑电波信号检测、通信的功能，优化原有的数字化教育方案，促进可穿戴技术与教育深度融合。如中国专利CN107080535A公开了“一种基于单通道脑电波的学习工作状态监测系统”，包括头部托架，头部托架的顶端设置有能够与用户额头紧密贴合的用于采集脑电波信号的脑波信号采集器，底端设置有能够与用户耳部紧密贴合的用于消除背景噪声的耳垂电极；信号采集器将采集到的脑电波信号通过预处理与无线通信模块发送至信号分类及特征提取模块；信号分类及特征提取模块用于对所提取的脑电信号进行处理与相关性分析，实现通过脑电波来监测用户的学习工作状态，并将用户的学习工作状态发送至用户终端系统。通过提取脑波信号，对脑波信号进行分类处理和特征提取来得到稀疏分解后的直观信号，然后进行智能识别，判断这段时间内用户的学习工作状态，给出合理化建议。同时存储最优学习工作状态，进行深度学习，达到最优监测目的，使用户学习工作在最高效状态。

但是，上述监测系统在使用时，对脑电信号进行处理与相关性分析时，无法获取学生在测试诊断过程中对知识点的注意力值、思考力值、学习状态（熟练、吃力、猜等），因此，还需要进一步优化，以更好地满足用户需要。

发明内容

本发明的目的在于提供一种基于脑电波分析的学习状态监测系统，用以解决现有技术中如何对脑电信号进行处理与相关性分析以精确查找学生学习过程中出现的问题；本发明的目的还在于提供一种基于脑电波分析的学习状态监测系统的使用方法。

为解决上述技术问题，本发明的一种基于脑电波分析的学习状态监测系统所采用的技术方案是：

一种基于脑电波分析的学习状态监测系统，包括固定于头部前额的呈C形的发箍本体，发箍本体的中部设置有能够与用户额头紧密贴合的用于采集脑电波信号的脑波信号采集器，脑波信号采集器的一侧设置有为脑波信号采集器供电的电源组件，发箍本体的尾端设置有能够与用户耳部紧密贴合的用于消除背景噪声的耳垂电极；信号采集器将采集到的脑电波信号通过预处理后、平板电脑上的题库APP收集的做题信息均发送至信号分类及特征提取模块；后台诊断服务器用于对所提取的脑电信号通过PIK核心算法进行处理与相关性分析，PIK算法公式：

F（k）

其中：

F（k），学习掌握程度；

Z ∈[10，100]，专注度eSense值；

W ∈[10，100]，冥想度eSense值；

S ∈[1，10]，学习新技能的熟练度；

C ∈[1，10]，脑力劳动的使用值；

B ∈[10，50]，眨眼的次数；

T ∈[0，180]，每一个试题所用时间；

通过计算结果来确定用户对知识点的掌握状态，计算结果与掌握状态的对应关系：

当35≤F（k）≤45时， 学习掌握状态对应熟练；

当25≤F（k）＜35时， 学习掌握状态对应一般；

当15≤F（k）＜25时， 学习掌握状态对应吃力；

当5≤F（k）＜15时，学习掌握状态对应马虎；

当0≤F（k）＜5时，学习掌握状态对应无效；

并将用户的学习状态发送至用户终端系统。

平板电脑上设置有题库APP、学习精准诊断后台管理系统。

一种基于脑电波分析的学习状态监测系统的使用方法所采用的技术方案：一种基于脑电波分析的学习状态监测系统的使用方法，包括以下步骤：

（1）学生在平板电脑上登录学习精准诊断后台管理系统后，并通过蓝牙协议与采集脑电波的穿戴设备连接；

（2）当学生在平板电脑上测试每道题时，采集脑电波的穿戴设备把学生每秒钟的专注度eSense值、冥想度eSense值、眨眼的强度、学习新技能的熟练度、脑力劳动的使用值传输到平板电脑上，且平板电脑记录学生做每一个试题所用时间，并将答题结果传输到后台诊断服务器上；

（3）后台诊断服务器经过PIK核心算法后，PIK算法公式：

F（k）

其中：F（k），学习掌握程度；Z ∈[10，100]，专注度eSense值；W ∈[10，100]，冥想度eSense值；S ∈[1，10]，学习新技能的熟练度；C ∈[1，10]，脑力劳动的使用值；B ∈[10，50]，眨眼的次数；T ∈[0，180]，每一个试题所用时间；将结果保存数据库中，且当诊断结束后，把各知识点诊断结果和整体诊断状态报告传输给平板电脑上，知识点的诊断结果包括熟练、一般、吃力、马虎、无效；

（4）平板电脑得到诊断报告后，把报告发送给打印机；

（5）打印机把诊断结果打印出纸质文件，送给学生和老师参阅，此次诊断结束。

采用本发明产生的有益技术效果是：通过把学习的知识点对应的试题内容通过一个平板电脑展示出来，学生头戴脑电波采集设备在平板电脑上进行测试，在测试每道试题过程中，脑电波采集设备通过蓝牙传输给平板电脑，平板电脑通过WIFI或者移动网络把试题、学生心理数据、脑电波数据等传输给后台服务器进行分析，经过系统PIK核心算法最后得到该学生做这道题的状态值，进而在查找学生学习的薄弱点方面更加准确、全面、客观，在准确找到学习薄弱点的前提下，教师因材施教，能够快速提高学生学习成绩。

附图说明

图1是本发明的结构示意图。

图2是本发明的诊断流程图。

具体实施方式

下面结合附图对本发明的实施例做进一步详细的说明。

一种基于脑电波分析的学习状态监测系统，如图1所示，所述学习状态监测系统是根据BCI技术（脑机接口），利用脑电信号（EEG）结合知识点测试进行学习精准诊断的系统。

所述学习状态监测系统包括头部托架，头部托架包括呈C形的发箍本体，固定于头部前额，发箍本体的中部设置有能够与用户额头紧密贴合的用于采集脑电波信号的脑波信号采集器，尾端设置有能够与用户耳部紧密贴合的用于消除背景噪声的耳垂电极（图中未示出）；信号采集器将采集到的脑电波信号通过预处理后、平板电脑上的题库APP收集的做题信息均发送至信号分类及特征提取模块；后台诊断服务器用于对所提取的脑电信号通过PIK核心算法进行处理与相关性分析，实现通过脑电波来监测用户的学习状态，并将用户的学习状态发送至用户终端系统。通过提取脑波信号，对脑波信号进行分类处理和特征提取来得到稀疏分解后的直观信号，然后进行智能识别，判断这段时间内用户的学习状态，给出合理化建议。同时存储最优学习状态，进行深度学习，达到最优监测目的，使用户学习在最高效状态。

其中，对所提取的脑电信号进行处理与相关性分析，采用核心算法（PIK算法），PIK算法公式：

F（k）

其中：

F（k），学习掌握程度；

Z ∈[10，100]，专注度eSense值；

W ∈[10，100]，冥想度eSense值；

S ∈[1，10]，学习新技能的熟练度；

C ∈[1，10]，脑力劳动的使用值；

B ∈[10，50]，眨眼的次数；

T ∈[0，180]，每一个试题所用时间。

通过计算结果来确定用户对知识点的掌握状态，计算结果与掌握状态的对应关系：

当35≤F（k）≤45时， 学习掌握状态对应熟练；

当25≤F（k）＜35时， 学习掌握状态对应一般；

当15≤F（k）＜25时， 学习掌握状态对应吃力；

当5≤F（k）＜15时，学习掌握状态对应马虎；

当0≤F（k）＜5时，学习掌握状态对应无效。

系统知识点库设置在平板电脑上，并紧扣国家标准课程和考试大纲，覆盖小学、初中全学科共14个版本，系统提供的诊断试题依照国家考试大纲划分的学科、年级知识点。在学生测试知识点的过程中，脑波信号采集器提取学生的脑电信号（脑电波来自被诊断人员做系统提供的诊断试题时），从脑电信号数据中剥离出专注度eSense值、冥想度eSense值、眨眼的次数、学习新技能的熟练度、脑力劳动的使用值等有效参数，然后后台诊断服务器通过PIK核心算法来分析学生的当前对知识点的学习掌握状态，并把学生的学习掌握状态划分为5种级别，分别是“熟练”、“一般”、“吃力”、“马虎”、“无效”。然后根据学生对知识点的不同掌握状态，系统给出最适合学生学习的多种方式供学生参选。

上述的每一次的精准诊断，学生都会得到一个全方位综合性学习诊断报告，报告会详细的列出学生对每一个知识点的掌握程度，并与以往的诊断结果做比较，精准指出学生在学习中的问题，并提供可靠的学习方式。

此外，位于穿戴设备上的脑波信号采集器的一侧设置有电源组件，为脑波采集器供电。

上述系统的工作原理如下：通过把学习的知识点对应的试题内容通过一个平板电脑展示出来，学生头戴脑电波采集设备在平板电脑上进行测试，在测试每道试题过程中，脑电波采集设备通过蓝牙传输给平板电脑，平板电脑通过WIFI或者移动网络把试题、学生心理数据、脑电波数据等传输给后台诊断服务器进行分析，经过系统核心算法最后得到该学生做这道题的状态值。

上述系统的使用步骤如下：

（1）学生在平板电脑上登录后，通过蓝牙协议与采集脑电波的穿戴设备连接；

（2）当学生在平板电脑上测试每道题时，采集脑电波的穿戴设备把学生每秒钟的专注度eSense值、冥想度eSense值、眨眼的强度、学习新技能的熟练度、脑力劳动的使用值传输到平板电脑上，且平板电脑记录学生做每一个试题所用时间，并将答题结果传输到后台诊断服务器上；

（3）后台诊断服务器经过PIK核心算法后，将结果保存数据库中，且当诊断结束后，把各知识点诊断结果和整体诊断报告传输给平板电脑上，知识点的诊断结果包括熟练、一般、吃力、马虎、无效；

（4）平板电脑得到诊断报告后，把报告发送给打印机；

（5）打印机把诊断结果打印出纸质文件，送给学生和老师参阅，此次诊断结束。

Claims (3)

1.一种基于脑电波分析的学习状态监测系统，其特征在于：包括固定于头部前额的呈C形的发箍本体，发箍本体的中部设置有能够与用户额头紧密贴合的用于采集脑电波信号的脑波信号采集器，脑波信号采集器的一侧设置有为脑波信号采集器供电的电源组件，发箍本体的尾端设置有能够与用户耳部紧密贴合的用于消除背景噪声的耳垂电极；信号采集器将采集到的脑电波信号通过预处理后、平板电脑上的题库APP收集的做题信息均发送至信号分类及特征提取模块；后台诊断服务器用于对所提取的脑电信号通过PIK核心算法进行处理与相关性分析，PIK算法公式：

F（k）

其中：

F（k）值，学习掌握程度；

Z ∈[10，100]，专注度eSense值；

W ∈[10，100]，冥想度eSense值；

S ∈[1，10]，学习新技能的熟练度；

C ∈[1，10]，脑力劳动的使用值；

B ∈[10，50]，眨眼的次数；

T ∈[0，180]，每一个试题所用时间；

通过计算结果来确定用户对知识点的掌握状态，计算结果与掌握状态的对应关系：

当35≤F（k）≤45时， 学习掌握状态对应熟练；

当25≤F（k）＜35时， 学习掌握状态对应一般；

当15≤F（k）＜25时， 学习掌握状态对应吃力；

当5≤F（k）＜15时，学习掌握状态对应马虎；

当0≤F（k）＜5时，学习掌握状态对应无效；

并将用户的学习状态分布发送至用户终端系统。

2.根据权利要求1所述的一种基于脑电波分析的学习状态监测系统，其特征在于：平板电脑上设置有题库APP、学习精准诊断后台管理系统。

3.一种基于脑电波分析的学习状态监测系统的使用方法，其特征在于，包括以下步骤：

（1）学生在平板电脑上登录学习精准诊断后台管理系统后，并通过蓝牙协议与采集脑电波的穿戴设备连接；

（2）当学生在平板电脑上测试每道题时，采集脑电波的穿戴设备把学生每秒钟的专注度eSense值、冥想度eSense值、眨眼的强度、学习新技能的熟练度、脑力劳动的使用值传输到平板电脑上，且平板电脑记录学生做每一个试题所用时间，并将答题结果传输到后台诊断服务器上；

（3）后台诊断服务器经过PIK核心算法后，PIK算法公式：

F（k）

，其中：F（k）值，学习掌握程度；Z ∈[10，100]，专注度eSense值；W ∈[10，100]，冥想度eSense值；S ∈[1，10]，学习新技能的熟练度；C ∈[1，10]，脑力劳动的使用值；B ∈[10，50]，眨眼的次数；T ∈[0，180]，每一个试题所用时间；将结果保存数据库中，且当诊断结束后，把各知识点诊断结果和整体诊断报告传输给平板电脑上，知识点的诊断状态结果包括熟练、一般、吃力、马虎、无效；

（4）平板电脑得到诊断报告后，把报告发送给打印机；

（5）打印机把诊断结果打印出纸质文件，送给学生和老师参阅，此次诊断结束。

Images