CN108961115A - 教学数据分析的方法、装置、设备及计算机可读存储介质 - Google Patents

教学数据分析的方法、装置、设备及计算机可读存储介质 Download PDF

Info

Publication number
CN108961115A
CN108961115A CN201810709462.9A CN201810709462A CN108961115A CN 108961115 A CN108961115 A CN 108961115A CN 201810709462 A CN201810709462 A CN 201810709462A CN 108961115 A CN108961115 A CN 108961115A
Authority
CN
China
Prior art keywords
data
teaching
participant
person
expression
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
Application number
CN201810709462.9A
Other languages
English (en)
Inventor
常元章
乔慧
李颖超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baidu Online Network Technology Beijing Co Ltd
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201810709462.9A priority Critical patent/CN108961115A/zh
Publication of CN108961115A publication Critical patent/CN108961115A/zh
Pending legal-status Critical Current

Links

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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance

Abstract

本申请提供了一种教学数据分析的方法、装置、设备及计算机可读存储介质。该方法包括：获取教学过程中的教学数据；对教学数据按照预设的每个维度进行统计分析，获得分析结果数据；根据分析结果数据执行对应的改善教学的措施。由于对各个维度的教学数据进行统计分析，能够在各个方面改善教学质量，能够有效提高教学水平。

Description

教学数据分析的方法、装置、设备及计算机可读存储介质
技术领域
本申请实施例涉及教学技术领域，尤其涉及一种教学数据分析的方法、装置、设备及计算机可读存储介质。
背景技术
随着经济的发展和人们生活水平的提高，人们对孩子的教育越来越重视，学校也在采取措施不断提高教学水平。并且为了专业学习，在线网络授课也受到了广泛关注。
学校现有的提高教学水平的方法主要是由教师增强对学生的看管力度以及由教师实时查看每个学生的听课状态并进行纠正提醒。现有的在线网络授课主要通过用户后期的文字或语音回复的反馈意见，改善授课内容，进而提高教学水平。
但现有的学校教学中，由于每个班级的学生人数众多，导致教师不能对每个学生看管到位，不能长期对每个学生的听课状态进行统计，导致教学水平的提升缓慢，效果并不是很理想。而且现有的在线网络授课不能得到大面积的用户反馈,也不利于提高授课质量。
发明内容
本申请实施例提供一种教学数据分析的方法、装置、设备及计算机可读存储介质。解决了现有技术中的课堂或在线网络授课方法教学水平提升缓慢，授课质量较差的技术问题。
本申请实施例第一方面提供一种教学数据的分析方法，包括：获取教学过程中的教学数据；对所述教学数据按照预设的每个维度进行统计分析，获得分析结果数据；根据所述分析结果数据执行对应的改善教学的措施。
本申请实施例第二方面提供一种教学数据的分析装置，包括：教学数据获取模块，用于获取教学过程中的教学数据；数据统计分析模块，用于对所述教学数据按照预设的每个维度进行统计分析，获得分析结果数据；改善措施执行模块，用于根据所述分析结果数据执行对应的改善教学的措施。
本申请实施例第三方面提供一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；图像采集装置，用于采集教学过程中的听课者的人脸图像，授课者的人脸图像；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述第一方面所述的方法。
本申请实施例第四方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行如上述第一方面所述的方法。
基于以上各方面，本申请实施例通过获取教学过程中的教学数据；对教学数据按照预设的每个维度进行统计分析，获得分析结果数据；根据分析结果数据执行对应的改善教学的措施。由于对各个维度的教学数据进行统计分析，能够在各个方面改善教学质量，能够有效提高教学水平。
应当理解，上述发明内容部分中所描述的内容并非旨在限定本申请的实施例的关键或重要特征，亦非用于限制本申请的范围。本申请的其它特征将通过以下的描述变得容易理解。
附图说明
图1为本申请实施例一提供的教学数据的分析方法的流程图；
图2为本申请实施例二提供的教学数据的分析方法的流程图；
图3为本申请实施例三提供的教学数据的分析装置的结构示意图；
图4为本申请实施例四提供的教学数据的分析装置的结构示意图；
图5为本申请实施例五提供的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的实施例。虽然附图中显示了本申请的某些实施例，然而应当理解的是，本申请可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本申请。应当理解的是，本申请的附图及实施例仅用于示例性作用，并非用于限制本申请的保护范围。
本申请实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请实施例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了清楚理解本申请的技术方案，下面对本申请中涉及的术语进行解释。
听课者：可以为在课堂里听课的学生，考试中的考生，或者在线网络授课中的聆听着。
授课者：可以为在课堂讲课的教师、考试中的监考者，或者在线网络授课中的教师。
实施例一
图1为本申请实施例一提供的教学数据的分析方法的流程图，如图1所示，本申请实施例的执行主体为教学数据的分析装置，该教学数据的分析装置可以集成在电子设备中。该电子设备可以为终端设备或网络设备。终端设备可以为计算机，笔记本电脑等，网络设备可以为服务器。则本实施例提供的教学数据的分析方法包括以下几个步骤。
步骤101，获取教学过程中的教学数据。
其中，教学数据可以包括：教学内容数据，教学过程中的听课者的人脸图像数据，授课者的人脸图像数据。教学内容数据可以为可编辑文档或图像，本实施例中对比不做限定。
其中，获取的教学过程中的每种教学数据均包括时间信息。即获取的教学过程中的教学数据是实时获取的。
本实施例中，教学内容数据可通过与授课过程中的授课设备通信获取到，或者通过摄像头采集教学内容数据。教学过程中的听课者的人脸图像数据，授课者的人脸图像数据通过摄像头获取到。为了能够获取到每个听课者的人脸图像数据，可在课堂里部署多个摄像头。若是在线网络授课，可通过智能终端的摄像头获取听课者及授课者的人脸图像数据。
步骤102，对教学数据按照预设的每个维度进行统计分析，获得分析结果数据。
具体地，预设的每个维度可以包括：对所有听课者的人脸图像数据进行统计分析，分析每个听课者在第一预设时间段内的面部表情。或者对每个授课者的人脸图像进行统计分析，分析每个授课者在第二预设时间段内的面部表情。或者对某教学内容下的所有听课者和授课者的人脸图像进行统计分析，分析所有听课者和授课者在该教学内容下的面部表情。或者对考试过程中的听课者的人脸图像进行统计分析，分析所有听课者在考试过程中的面部表情。或者对课堂上的分区域的听课者的人脸图像进行统计分析，分析该区域听课者在预设时间段内的面部表情。
可以理解的是，对预设的每个维度的教学数据进行统计分析还可以为其他维度的教学数据进行统计分析，本实施例中对此不做限定。
步骤103，根据分析结果数据执行对应的改善教学的措施。
具体地，本实施例中，可预先将每种分析结果与对应的改善教学的措施进行关联存储，根据对教学数据进行统计分析的分析结果执行相应的改善教学的措施。
其中，根据分析结果数据执行对应的改善教学的措施进行如下的举例说明。
若分析结果为在某一教学内容下的大部分听课者面部表情均为厌恶听课的表情，则对应的改善教学的措施可以为改善对应的教学内容或更换授课者。其中，厌恶听课的表情可以为：打哈欠，犯困，不耐烦等。
若分析结果为在某一教学内容下的下的大部分听课者的面部表情均为喜欢听课的表情，则对应的改善教学的措施为增加对应的教学内容模式的教学或对授课者进行奖励措施。其中，喜欢上课的表情可以为：微笑，开心，聚精会神等。
若分析结果为某听课者在大部分时间的面部表情均为厌恶听课的表情，则对应的改善教学的措施可以为对该听课者进行批评教育；若分析结果为某听课者在大部分时间的面部表情均为喜欢听课的表情，则对应的改善教学的措施可以为对该听课者进行奖励措施，奖励措施可以为口头奖励或其他奖励措施。若分析结果为某授课者在大部分时间的面部表情均为厌恶授课的表情，则对应的改善教学的措施可以为对该授课者进行批评教育；若分析结果为某授课者在大部分时间的面部表情均为喜欢授课的表情，则对应的改善教学的措施可以为对该授课者进行奖励措施，该奖励措施可以为增加奖金或其他奖励措施等。
若分析结果为考试过程中大部分听课者的面部表情均为非平静答题的表情，则对应的改善教学的措施可以为对考试的内容进行调整或加强考试内容的教学。若分析结果为某听课者在考试过程中大部分时间的面部表情为非平静答题的表情，则对应的改善教学的措施可以为加强对该听课者的考试监督。其中，非平静答题的表情可以为答题过程中东张西望，很惆怅，忧伤的表情。
若分析结果为大部分听课者在下午一两点钟时打哈欠，不耐烦的表情，则对应的改善教学的措施可以为增加午休时间或改变在线授课的时间。
本实施例提供的教学数据的分析方法，通过获取教学过程中的教学数据；对教学数据按照预设的每个维度进行统计分析，获得分析结果数据；根据分析结果数据执行对应的改善教学的措施。由于对各个维度的教学数据进行统计分析，能够在各个方面改善教学质量，能够有效提高教学水平。
实施例二
图2为本申请实施例二提供的教学数据的分析方法的流程图，如图2所示，本实施例提供的教学数据的分析方法是在本申请教学数据的分析方法实施例一的基础上，对步骤101-步骤103的进一步细化，并且还包括了对听课者的人脸图像和授课者的人脸图像进行面部表情识别的步骤。则本实施例提供的教学数据的分析方法包括以下步骤。
步骤201，获取教学过程中的教学数据。
进一步地，本实施例中，获取教学过程中的教学数据包括：
采用摄像头实时采集教学过程中的听课者的人脸图像，授课者的人脸图像；实时获取教学内容数据。
具体地，本实施例中，若教学为课堂教学，则在教室周围设置多个摄像头，每个摄像头能够实时采集对应听课者的人脸图像，授课者的人脸图像。若教学为在线网络授课，则通过智能终端的摄像头实时采集每个听课者的人脸图像及授课者的人脸图像。
具体地，本实施例中，若教学为课堂教学，可以通过摄像头实时获取教学内容数据，若教学为在线网络授课，则教学内容数据可通过与授课设备通信获取到。
步骤202，对听课者的人脸图像和授课者的人脸图像进行面部表情识别。
进一步地，本实施例中，可采用面部表情识别算法对听课者的人脸图像和授课者的人脸图像进行面部表情识别。
其中，面部表情识别算法可以为机器学习算法，如深度学习算法，神经网络算法，支撑矢量积算法等，本实施例中对此不做限定。
步骤203，将听课者的面部表情数据及授课者的面部表情数据进行存储。
进一步地，将听课者的面部表情数据及授课者的面部表情数据进行存储。在存储时携带面部表情数据对应的人脸数据的获取时间信息。可采用数据库进行存储。数据库可以为分布式数据库或其他类型数据库，本实施例中对此不做限定。
步骤204，对教学数据按照预设的每个维度进行统计分析，获得分析结果数据。
步骤205，根据分析结果数据执行对应的改善教学的措施。
可选地，本实施例中，对教学数据按照预设的每个维度进行统计分析，获得分析结果数据，包括：
对某一教学内容下的所有听课者的面部表情数据进行统计分析。
相应地，根据分析结果数据执行对应的改善教学的措施，包括：
若大于第一预设百分比阈值的听课者的面部表情均为厌恶听课的表情，则改善对应的教学内容或更换授课者。
若大于第二预设百分比阈值的听课者的面部表情均为喜欢听课的表情，则增加对应的教学内容模式的教学或对授课者进行奖励措施。
具体地，本实施例中，将获取的教学数据按照科类或课程进行归类，形成每个教学内容下的教学数据。该教学内容下的教学数据包括：听课者表情数据，授课者表情数据及教学内容数据。对每一教学内容下的所有听课者的面部表情数据进行统计分析，判断是否有大于第一预设百分比阈值的听课者的面部表情均为打哈欠，犯困，不耐烦，交头接耳，无精打采等厌恶听课的表情，若是，则说明大部分听课者对该教学内容不感兴趣或听不懂，则改善对应的教学内容或更换授课者。判断是否有大于第二预设百分比阈值的听课者的面部表情均为微笑，开心，聚精会神等喜欢听课的表情，若是，则说明大部分听课者对该教学内容感兴趣或能听懂，则增加对应的教学内容模式的教学或对授课者进行奖励措施。
其中，对授课者进行奖励措施可以为口头奖励，或送礼物或增加奖金等。
其中，第一预设百分比阈值可以为80％，或其他适宜数值。第二预设百分比阈值可以为85％，或其他适宜数值，本实施例中对此不做限定。
本实施例中，也可以对该教学内容下的听课者表情数据，授课者表情数据同时进行统计，若某授课者的面部表情大部分为微笑，声情并茂等喜欢授课的表情，听课者大部分表情为开心，聚精会神等喜欢上课的表情，则对该授课者进行奖励。若某授课者的面部表情大部分为愤怒，伤心等厌恶上课的表情，并且大部分听课者的表情为犯困，无精打采，打哈欠等厌恶上课的表情，则对该授课者进行惩罚，并获取该课堂教学内容，重新进行该课堂内容的教学。
可选地，本实施例中，对教学数据按照预设的每个维度进行统计分析，获得分析结果数据，包括：
对预设时间段内的每个听课者和授课者的面部表情数据进行统计分析；
相应地，根据分析结果数据执行对应的改善教学的措施，包括：
若某听课者或授课者在预设时间段内大于第三预设百分比阈值的面部表情均为厌恶听课或厌恶授课的表情，则对该听课者或授课者进行批评教育。
若某听课者或授课者在预设时间段内大于第四预设百分比阈值的面部表情均为喜欢听课或喜欢授课的表情，则对该听课者或授课者进行奖励措施。
具体地，本实施例中，可分别获取预设时间段内的每个听课者和授课者的面部表情数据。对该预设时间段内的每个听课者和授课者的面部表情数据进行统计分析。判断每个听课者或授课者在预设时间段内是否大于第三预设百分比阈值的面部表情均为厌恶听课或厌恶授课的表情，若是，则说明该听课者大部分时间的听课状态不好，或授课者大部分时间的授课状态不好。则对该听课者或授课者进行批评教育，以督促该听课者或授课者进步。判断每个听课者或授课者在预设时间段内是否大于第四预设百分比阈值的面部表情均为喜欢听课或喜欢授课的表情，若是，则说明该听课者大部分时间的听课状态良好，或授课者大部分时间的授课状态良好，则对该听课者或授课者进行奖励措施。
其中，预设时间段可以为最近一个月时间，或最近两个月时间，或其他于是时间段，本实施例中对此不做限定。第三预设百分比阈值可以为80％，或其他数值。第四预设百分比阈值可以为85％，或其他数值，本实施例中对此不做限定。
可选地，本实施例中，对教学数据按照预设的每个维度进行统计分析，获得分析结果数据，包括：
对考试过程中的听课者的面部表情数据进行统计分析。
相应地，根据分析结果数据执行对应的改善教学的措施，包括：
若大于第五预设百分比阈值的听课者的面部表情均为非平静答题的表情，则对考试的内容进行调整或加强考试内容的教学。
若某听课者在考试过程中大于第六预设百分比阈值的面部表情均为非平静答题的表情，则加强对该听课者的考试监督。
具体地，本实施例中，获取每次考试过程中的教学数据，考试过程中的教学数据包括：听课者的面部表情数据，授课者的面部表情数据，考试内容数据。对考试过程中的听课者的面部表情数据进行统计分析，判断是否有大于第五预设百分比阈值的听课者的面部表情均为非平静答题的表情，若是，则说明该次考试的内容较难，则对考试的内容进行调整或加强考试内容的教学。判断每个听课者在考试过程中是否大于第六预设百分比阈值的面部表情均为非平静答题的表情，若是，则说明该听课者有作弊的嫌疑，加强对该听课者的考试监督。
其中，非平静答题表情可以为东张西望，惆怅，忧伤等表情。
其中，第五预设百分比阈值可以为85％，或其他数值。第六预设百分比阈值可以为80％，或其他数值，本实施例中对此不做限定。
可选地，还可对考试过程中的授课者的表情进行统计分析，若授课者考试的大部分时间都在闭目，打哈欠，无精打采，则说明该授课者在监考过程中不认真，则对该授课者进行批评教育。
可选地，本实施例中，对教学数据按照预设的每个维度进行统计分析，获得分析结果数据，包括：
对预设时间段下午一两点中的所有听课者的面部表情数据进行统计分析。
相应地，根据分析结果数据执行对应的改善教学的措施，包括：
若大于第七预设百分比阈值的听课者的面部表情均为厌恶听课的表情，则增加午休时间或改变在线授课的时间。
具体地，本实施例中，对最近一段时间内每天下午一两点的所有听课者的面部表情数据进行统计分析，判断是否有大于第七预设百分比阈值的听课者的面部表情均为打哈欠，犯困等厌恶听课的表情，若是，则说明午休时间短或在线授课时间不合适，则增加午休时间或改变在线授课的时间。
可选地，本实施例中，对教学数据按照预设的每个维度进行统计分析，获得分析结果数据，包括：
分区域对预设时间段的听课者的面部表情数据进行统计分析。
相应地，根据分析结果数据执行对应的改善教学的措施，包括：
若大于第八预设百分比阈值的听课者的面部表情均为交投接耳的表情，则对该区域的听课者进行批评教育或将该区域的听课者进行分离。
其中，第八预设百分比阈值的取值可以为80％或其他数值，本实施例中对此不做限定。
本实施例提供的教学数据的分析方法，通过获取教学过程中的教学数据，对听课者的人脸图像和授课者的人脸图像进行面部表情识别，将听课者的面部表情数据及授课者的面部表情数据进行存储，对教学数据按照预设的每个维度进行统计分析，获得分析结果数据，根据分析结果数据执行对应的改善教学的措施，通过获取听课者和授课者的表情数据和教学内容数据，并对各个维度的教学数据进行统计分析，能够对每个时间段上的听课者和授课者的状态进行监督，能够进一步提高教学水平。
实施例三
图3为本申请实施例三提供的教学数据的分析装置的结构示意图，如图3所示，本实施例提供的教学数据的分析装置包括：教学数据获取模块31，数据统计分析模块32，改善措施执行模块33。
其中，教学数据获取模块31，用于获取教学过程中的教学数据。数据统计分析模块32，用于对教学数据按照预设的每个维度进行统计分析，获得分析结果数据。改善措施执行模块33，用于根据分析结果数据执行对应的改善教学的措施。
本实施例提供的教学数据的分析装置可以执行图1所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
实施例四
图4为本申请实施例四提供的教学数据的分析装置的结构示意图，如图4所示，本实施例提供的教学数据的分析装置在本申请实施例三提供的教学数据的分析装置的基础上，进一步地，还包括：表情识别模块41，数据存储模块42。
进一步地，教学数据获取模块31，具体用于：采用摄像头实时采集教学过程中的听课者的人脸图像，授课者的人脸图像；实时获取教学内容数据。
进一步地，表情识别模块41，用于对听课者的人脸图像和授课者的人脸图像进行面部表情识别。数据存储模块42，用于将听课者的面部表情数据及授课者的面部表情数据进行存储。
可选地，数据统计分析模块32，具体用于对每一教学内容下的所有听课者的面部表情数据进行统计分析。相应地，改善措施执行模块33，具体用于若大于第一预设百分比阈值的听课者的面部表情均为厌恶听课的表情，则改善对应的教学内容或更换授课者；若大于第二预设百分比阈值的听课者的面部表情均为喜欢听课的表情，则增加对应的教学内容模式的教学或对授课者进行奖励措施。
可选地，数据统计分析模块32，具体用于对预设时间段内的每个听课者和授课者的面部表情数据进行统计分析。相应地，改善措施执行模块33，具体用于若某听课者或授课者在预设时间段内大于第三预设百分比阈值的面部表情均为厌恶听课或厌恶授课的表情，则对该听课者或授课者进行批评教育；若某听课者或授课者在预设时间段内大于第四预设百分比阈值的面部表情均为喜欢听课或喜欢授课的表情，则对该听课者或授课者进行奖励措施。
可选地，数据统计分析模块32，具体用于对考试过程中的听课者的面部表情数据进行统计分析。相应地，改善措施执行模块33，具体用于若大于第五预设百分比阈值的听课者的面部表情均为非平静答题的表情，则对考试的内容进行调整或加强考试内容的教学；若某听课者在考试过程中大于第六预设百分比阈值的面部表情均为非平静答题的表情，则加强对该听课者的考试监督。
本实施例提供的教学数据的分析装置可以执行图2所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
实施例五
图5为本申请实施例五提供的一种电子设备的结构示意图，如图5所示，本实施例提供的电子设备包括：一个或多个处理器51，存储装置52及图像采集装置53。
其中，存储装置52，用于存储一个或多个程序。图像采集装置53，用于采集教学过程中的听课者的人脸图像，授课者的人脸图像。当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如本申请实施例一中的教学数据的分析方法或本申请实施例二中的教学数据的分析方法。
相关说明可以对应参见图1至图2的步骤所对应的相关描述和效果进行理解，此处不做过多赘述。
其中，本实施例中，处理器51，存储装置52及图像采集装置53通过总线连接。
实施例六
本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行以实现本申请实施例一提供的教学数据的分析方法或本申请实施例二提供的教学数据的分析方法。
本实施例提供的计算机可读存储介质，通过获取教学过程中的教学数据；对教学数据按照预设的每个维度进行统计分析，获得分析结果数据；根据分析结果数据执行对应的改善教学的措施。由于对各个维度的教学数据进行统计分析，能够在各个方面改善教学质量，能够有效提高教学水平。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (14)

1.一种教学数据的分析方法，其特征在于，包括：
获取教学过程中的教学数据；
对所述教学数据按照预设的每个维度进行统计分析，获得分析结果数据；
根据所述分析结果数据执行对应的改善教学的措施。
2.根据权利要求1所述的方法，其特征在于，所述获取教学过程中的教学数据，包括：
采用摄像头实时采集教学过程中的听课者的人脸图像，授课者的人脸图像；
实时获取教学内容数据。
3.根据权利要求2所述的方法，其特征在于，所述对所述教学数据按照预设的每个维度进行统计分析，获得分析结果数据之前，还包括：
对听课者的人脸图像和授课者的人脸图像进行面部表情识别；
将听课者的面部表情数据及授课者的面部表情数据进行存储。
4.根据权利要求3所述的方法，其特征在于，所述对所述教学数据按照预设的每个维度进行统计分析，获得分析结果数据，包括：
对每一教学内容下的所有听课者的面部表情数据进行统计分析；
相应地，根据所述分析结果数据执行对应的改善教学的措施，包括：
若大于第一预设百分比阈值的听课者的面部表情均为厌恶听课的表情，则改善对应的教学内容或更换授课者；
若大于第二预设百分比阈值的听课者的面部表情均为喜欢听课的表情，则增加对应的教学内容模式的教学或对授课者进行奖励措施。
5.根据权利要求3所述的方法，其特征在于，所述对所述教学数据按照预设的每个维度进行统计分析，获得分析结果数据，包括：
对预设时间段内的每个听课者和授课者的面部表情数据进行统计分析；
相应地，根据所述分析结果数据执行对应的改善教学的措施，包括：
若某听课者或授课者在预设时间段内大于第三预设百分比阈值的面部表情均为厌恶听课或厌恶授课的表情，则对该听课者或授课者进行批评教育；
若某听课者或授课者在预设时间段内大于第四预设百分比阈值的面部表情均为喜欢听课或喜欢授课的表情，则对该听课者或授课者进行奖励措施。
6.根据权利要求3的方法，其特征在于，所述对所述教学数据按照预设的每个维度进行统计分析，获得分析结果数据，包括：
对考试过程中的听课者的面部表情数据进行统计分析；
相应地，根据所述分析结果数据执行对应的改善教学的措施，包括：
若大于第五预设百分比阈值的听课者的面部表情均为非平静答题的表情，则对考试的内容进行调整或加强考试内容的教学；
若某听课者在考试过程中大于第六预设百分比阈值的面部表情均为非平静答题的表情，则加强对该听课者的考试监督。
7.一种教学数据的分析装置，其特征在于，包括：
教学数据获取模块，用于获取教学过程中的教学数据；
数据统计分析模块，用于对所述教学数据按照预设的每个维度进行统计分析，获得分析结果数据；
改善措施执行模块，用于根据所述分析结果数据执行对应的改善教学的措施。
8.根据权利要求7所述的装置，其特征在于，所述教学数据获取模块，具体用于：
采用摄像头实时采集教学过程中的听课者的人脸图像，授课者的人脸图像；实时获取教学内容数据。
9.根据权利要求8所述的装置，其特征在于，还包括：
表情识别模块，用于对听课者的人脸图像和授课者的人脸图像进行面部表情识别；
数据存储模块，用于将听课者的面部表情数据及授课者的面部表情数据进行存储。
10.根据权利要求9所述的装置，其特征在于，所述数据统计分析模块，具体用于对每一教学内容下的所有听课者的面部表情数据进行统计分析；
相应地，改善措施执行模块，具体用于若大于第一预设百分比阈值的听课者的面部表情均为厌恶听课的表情，则改善对应的教学内容或更换授课者；若大于第二预设百分比阈值的听课者的面部表情均为喜欢听课的表情，则增加对应的教学内容模式的教学或对授课者进行奖励措施。
11.根据权利要求9所述的装置，其特征在于，所述数据统计分析模块，具体用于对预设时间段内的每个听课者和授课者的面部表情数据进行统计分析；
相应地，所述改善措施执行模块，具体用于若某听课者或授课者在预设时间段内大于第三预设百分比阈值的面部表情均为厌恶听课或厌恶授课的表情，则对该听课者或授课者进行批评教育；若某听课者或授课者在预设时间段内大于第四预设百分比阈值的面部表情均为喜欢听课或喜欢授课的表情，则对该听课者或授课者进行奖励措施。
12.根据权利要求9的装置，其特征在于，所述数据统计分析模块，具体用于对考试过程中的听课者的面部表情数据进行统计分析；
相应地，所述改善措施执行模块，具体用于若大于第五预设百分比阈值的听课者的面部表情均为非平静答题的表情，则对考试的内容进行调整或加强考试内容的教学；若某听课者在考试过程中大于第六预设百分比阈值的面部表情均为非平静答题的表情，则加强对该听课者的考试监督。
13.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
图像采集装置，用于采集教学过程中的听课者的人脸图像，授课者的人脸图像；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一项所述的方法。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行如权利要求1-6中任一项所述的方法。
CN201810709462.9A 2018-07-02 2018-07-02 教学数据分析的方法、装置、设备及计算机可读存储介质 Pending CN108961115A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810709462.9A CN108961115A (zh) 2018-07-02 2018-07-02 教学数据分析的方法、装置、设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810709462.9A CN108961115A (zh) 2018-07-02 2018-07-02 教学数据分析的方法、装置、设备及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN108961115A true CN108961115A (zh) 2018-12-07

Family

ID=64484732

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810709462.9A Pending CN108961115A (zh) 2018-07-02 2018-07-02 教学数据分析的方法、装置、设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN108961115A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109784312A (zh) * 2019-02-18 2019-05-21 深圳锐取信息技术股份有限公司 教学管理方法及装置
CN111027941A (zh) * 2019-12-19 2020-04-17 重庆电子工程职业学院 一种基于stm32单片机的教学实验平台

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102945624A (zh) * 2012-11-14 2013-02-27 南京航空航天大学 基于云计算模型和表情信息反馈的智能化视频教学系统
CN106023516A (zh) * 2016-05-18 2016-10-12 广西瀚特信息产业股份有限公司 一种考试监控方法、系统及考场监控器
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
CN106485968A (zh) * 2016-12-15 2017-03-08 重庆市巫溪县中小企业公共服务中心 在线课堂互动交流系统
CN106851216A (zh) * 2017-03-10 2017-06-13 山东师范大学 一种基于人脸和语音识别的课堂行为监控系统及方法
CN107871416A (zh) * 2017-11-06 2018-04-03 合肥亚慕信息科技有限公司 一种基于面部识别表情捕捉的在线课程学习系统
CN108053700A (zh) * 2018-01-02 2018-05-18 北京建筑大学 一种人工智能教学辅助系统
CN108074425A (zh) * 2017-12-13 2018-05-25 吉林工程技术师范学院 一种高等数学综合教学系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102945624A (zh) * 2012-11-14 2013-02-27 南京航空航天大学 基于云计算模型和表情信息反馈的智能化视频教学系统
CN106023516A (zh) * 2016-05-18 2016-10-12 广西瀚特信息产业股份有限公司 一种考试监控方法、系统及考场监控器
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
CN106485968A (zh) * 2016-12-15 2017-03-08 重庆市巫溪县中小企业公共服务中心 在线课堂互动交流系统
CN106851216A (zh) * 2017-03-10 2017-06-13 山东师范大学 一种基于人脸和语音识别的课堂行为监控系统及方法
CN107871416A (zh) * 2017-11-06 2018-04-03 合肥亚慕信息科技有限公司 一种基于面部识别表情捕捉的在线课程学习系统
CN108074425A (zh) * 2017-12-13 2018-05-25 吉林工程技术师范学院 一种高等数学综合教学系统
CN108053700A (zh) * 2018-01-02 2018-05-18 北京建筑大学 一种人工智能教学辅助系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109784312A (zh) * 2019-02-18 2019-05-21 深圳锐取信息技术股份有限公司 教学管理方法及装置
CN111027941A (zh) * 2019-12-19 2020-04-17 重庆电子工程职业学院 一种基于stm32单片机的教学实验平台

Similar Documents

Publication Publication Date Title
Sidney et al. Integrating affect sensors in an intelligent tutoring system
Lim et al. Automatization in second language sentence processing: A partial, conceptual replication of Hulstijn, Van Gelderen, and Schoonen's 2009 study
CN110992741A (zh) 一种基于课堂情绪和行为分析的学习辅助方法及系统
Pathak et al. Neural Correlate-Based E-Learning Validation and Classification Using Convolutional and Long Short-Term Memory Networks.
Andrade et al. Using multimodal learning analytics to model student behavior: A systematic analysis of epistemological framing
Kinnear Young children's statistical reasoning: A tale of two contexts
CN108961115A (zh) 教学数据分析的方法、装置、设备及计算机可读存储介质
CN112085392A (zh) 一种学习参与度确定方法、装置及计算机设备
Chiu et al. A bayesian classification network-based learning status management system in an intelligent classroom
CN109754653A (zh) 一种个性化教学的方法及系统
MacQuarrie et al. Exploring the characteristics of small groups within science and English secondary classrooms
Jones Peer relationships and writing development: a microgenetic analysis
Sanusi et al. Developing middle school students’ understanding of machine learning in an African school
CN109447050B (zh) 一种在线课堂用户情绪可视化系统
Campbell Toward more student-centered instruction: The advent of teacher noticing and responsiveness in mathematics and science education research
CN115545982A (zh) 一种在线学生异质分组系统及方法
Buckingham et al. FATHOM: A neural network-based non-verbal human comprehension detection system for learning environments
Motamedi et al. Language development beyond the here‐and‐now: Iconicity and displacement in child‐directed communication
Yue et al. Application of data mining for young children education using emotion information
CN111626647A (zh) 一种基于面部表情识别的课堂教学评估系统
Shenoy et al. A Study on various Applications of Computer Vision for Teaching Learning in Classroom
Takahashi et al. Improvement of detection for warning students in e-learning using web cameras
Kumar et al. Humour Styles of Effective and In-Effective Secondary Teachers
Supitayakul et al. Assessing the effect of varying word classes on behavioral variables in technology mediated vocabulary learning
Dong Analysis of Emotional Stress of Teachers in Japanese Teaching Process Based on EEG Signal Analysis

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: 20181207

RJ01 Rejection of invention patent application after publication