CN109214664A - 一种基于人工智能的情绪行为综合分析系统 - Google Patents
一种基于人工智能的情绪行为综合分析系统 Download PDFInfo
- Publication number
- CN109214664A CN109214664A CN201810959112.8A CN201810959112A CN109214664A CN 109214664 A CN109214664 A CN 109214664A CN 201810959112 A CN201810959112 A CN 201810959112A CN 109214664 A CN109214664 A CN 109214664A
- Authority
- CN
- China
- Prior art keywords
- report
- analysis
- information
- service equipment
- equipment
- 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.)
- Granted
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Abstract
本发明实施例涉及人工智能技术领域,具体而言,涉及一种基于人工智能的情绪行为综合分析系统,包括互相之间通信连接的采集设备、平台分析服务设备、客户端显示设备和教育管理服务设备,采集设备用于采集课堂数据信息,将课堂数据信息发送至平台分析服务设备,平台分析服务设备用于接收课堂数据信息,采用卷积神经网络对有效课堂数据信息进行挖掘和分析,生成可视化报告和课后分析报告并发送,客户端显示设备用于接收可视化报告并显示,教育管理服务设备用于接收课后分析报告并存储。该系统能够对课堂数据信息进行深度挖掘、清洗、结构化和分析,为教学研究和改善教学方法提供决策依据。
Description
技术领域
本发明实施例涉及人工智能技术领域,具体而言,涉及一种基于人工智能的情绪行为综合分析系统。
背景技术
随着人工智能技术的发展,教育领域的教学手段与辅助工具日益改善和提高,微课录播、互动教学、资源共享成为了新型智慧教室的发展趋势。但是现有的对人工智能课堂的数据挖掘和分析大多不够充分,仅仅只能服务于现场教学和教研。
发明内容
有鉴于此,本发明提供了一种基于人工智能的情绪行为综合分析系统。
本发明实施例提供了一种基于人工智能的情绪行为综合分析系统,用于对教学课堂进行课情分析,包括:采集设备、平台分析服务设备、客户端显示设备和教育管理服务设备;
所述采集设备与所述平台分析服务设备通信连接,所述平台分析服务设备分别与所述客户端显示设备和所述教育管理服务设备通信连接;
所述采集设备用于采集课堂数据信息,将所述课堂数据信息发送至所述平台分析服务设备;
所述平台分析服务设备用于接收所述课堂数据信息,对所述课堂数据信息进行除噪处理,筛选出有效课堂数据信息;采用卷积神经网络对所述有效课堂数据信息进行分析,提取出情绪/行为信息,并对提取出的情绪/行为信息进行标注;将所标注的情绪/行为信息转化为可视化报告,将所述可视化报告发送至所述客户端显示设备;根据所标注的情绪/行为信息生成课后分析报告,将所述课后分析报告发送至所述教育管理服务设备;
所述客户端显示设备用于接收所述可视化报告,将所述可视化报告进行显示;
所述教育管理服务设备用于接收所述课后分析报告,将所述课后分析报告进行存储。
可选地,所述情绪/行为信息包括师生语言互动信息,所述平台分析服务设备根据所标注的情绪/行为信息生成课后分析报告,具体包括:
提取所标注的师生语言互动信息中的关键词,对所述关键词进行识别,获得识别结果,根据所述识别结果生成教学科目信息和课堂类型信息。
可选地,所述情绪/行为信息还包括师生行为互动信息,所述平台分析服务设备根据所标注的情绪/行为信息生成课后分析报告,还包括:
将所述师生行为互动信息、所述教学科目信息和所述课堂类型信息输入所述卷积神经网络,采用所述卷积神经网络对教学质量进行评估,获得教学质量评估报告。
可选地,所述情绪/行为信息还包括师生表情互动信息,所述平台分析服务设备根据所标注的情绪/行为信息生成课后分析报告,还包括:
将所述师生表情互动信息输入所述卷积神经网络,采用所述卷积神经网络识别计算出学生在课堂中的正面情绪/行为占比和负面情绪/行为占比,根据所述正面情绪/行为占比和所述负面情绪/行为占比生成教学技能评估报告。
可选地,所述平台分析服务设备还用于结合所述教学质量评估报告和所述教学技能评估报告对所述负面情绪/行为占比进行分析,推测出现负面情绪/行为占比的原因,将所述原因记录,并将所述原因发送至所述教育管理服务设备。
可选地,所述平台分析服务设备还用于根据所述教学质量评估报告和所述教学技能评估报告生成教师教学建议报告。
可选地,所述平台分析服务设备还用于根据所述正面情绪/行为占比和所述负面情绪/行为占比生成教学诊断信息,将所述教学诊断信息发送至所述客户端显示设备或所述教育管理服务设备。
可选地,所述平台分析服务设备还用于所述正面情绪/行为占比和所述负面情绪占比/行为生成课堂预警信息,将所述课堂预警信息发送至所述客户端显示设备或所述教育管理服务设备。
可选地,所述可视化报告包括课堂考勤饼状图、课堂行为统计图、课堂情绪统计图和课堂参与度统计图。
可选地,所述平台分析服务设备还用将所标注的情绪/行为信息输入所述卷积神经网络生成学生成长轨迹数据库和教师发展轨迹数据库
本发明实施例提供的基于人工只能的情绪行为综合分析系统,基于卷积神经网络进行搭建,能够从有效课堂数据信息中提取出情绪/行为信息并进行综合分析,获得可视化报告和课后分析报告,进而挖掘和分析出对满足于教学功能的针对性指标,实现课堂数据的深度挖掘和分析,为教学研究和改善教学方法提供决策依据。
进一步地,该系统能够对师生同时进行语言互动信息、行为互动信息和表情互动信息的采集,并进行对比分析,进而获得针对于教师的教学质量评估报告、教学技能评估报告和教学诊断信息以及针对于学生的课堂预警信息,能够实现对课堂数据信息的充分挖掘,进而能够实现对课情的综合分析。
进一步地,该系统能够根据教学质量评估报告和教学技能评估报告生成教师教学建议报告,能够帮助教师提高教学技能。
进一步地,该系统能够采用卷积神经网络生成学生成长轨迹数据库和教师发展轨迹数据库,对学生成长和教师发展形成数据档案管理。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例所提供的一种基于人工智能的情绪行为综合分析系统100的结构框图。
图2为本发明实施例所提供的一种平台分析服务设备的模块框图。
图3为本发明实施例所提供的一种基于人工智能的情绪行为综合分析方法的流程示意图。
图4为一实施方式中图3所示的步骤S22包括的子步骤的示意图。
图标:
100-一种基于人工智能的情绪行为综合分析系统;
1-采集设备;
2-平台分析服务设备;21-数据分析模块;22-标注分析模块;23-实时报表生成模块;24-课后分析报告生成模块;
3-客户端显示设备;
4-教育管理服务设备。
具体实施方式
发明人经调查发现,现有技术主要是以课堂为核心,聚焦人工智能、大数据、云计算、物联网等技术与教学深度融合的教育录播系统,该教育录播系统通过人工智能对课堂数据挖掘,实现教育基础数据的常态化、伴随式采集,形成的教学内容数据和环境数据经过智能分析后能够服务于现场教学和教研,满足于教师,学生、家长等多角色的教育需求。
但是,该教育录播系统对课堂数据的挖掘并不充分,仅仅停留在服务于现场教学和教研,例如,在对课堂数据的挖掘和分析中缺少满足于教学功能的针对性分析指标,没有对师生同时采集数据进行对比分析,也没有对学生成长进行数据档案管理,此外,未对教师教学技能的提高提供建议。
以上现有技术中的方案所存在的缺陷,均是发明人在经过实践并仔细研究后得出的结果,因此,上述问题的发现过程以及下文中本发明实施例针对上述问题所提出的解决方案,都应该是发明人在本发明过程中对本发明做出的贡献。
基于上述研究,本发明实施例提供了一种基于人工智能的情绪行为综合分析系统。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例只是本发明的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
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。
在本发明的描述中,除非另有明确的规定和限定,术语“设置”、“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。
图1示出了本发明实施例所提供的一种基于人工智能的情绪行为综合分析系统100的结构框图,由图可见,该基于人工智能的情绪行为综合分析系统100包括采集设备1、平台分析服务设备2、客户端显示设备3和教育管理服务设备4,其中,采集设备1与平台分析服务设备2通信连接,平台分析服务设备2分别与客户端显示设备3和教育管理服务设备4通信连接。在本实施例中,采集设备1可以为设置于教室内的摄像头和麦克风,平台分析服务设备2可以为基于卷积神经网络搭建的具有深度学习和监督学习的人工智能计算机,客户端显示设备3可以为一般的电子显示设备例如PC电脑、手机、平板等,教育管理服务设备4可以为教育局的用于对教学情况进行统计和存储的专用计算机。
进一步地,采集设备1用于采集课堂数据信息,将课堂数据信息发送至平台分析服务器,其中,课堂数据信息可以是视频、音频、文字等信息。
平台分析服务设备2用于接收课堂数据信息,对课堂数据信息进行除噪,筛选出有效课堂数据信息,并采用卷积神经网络对有效课堂数据信息进行深度挖掘和分析,进而生成可视化报告和课后分析报告,将可视化报告和课后分析报告分别发送至客户端显示设备3和教育管理服务设备4。
客户端显示设备3用于接收可视化报告并进行发布和展示,教育管理服务设备4用于接收课后分析报告,相关教育人员可以根据课后分析报告得出课后的相应具有教学意义的分析诊断结果。
请参阅图2,为本发明实施例所提供的一种平台分析服务设备的模块框图。由图可见,该平台分析服务设备2包括数据分析模块21、标注分析模块22、实时报表生成模块23和课后分析报告生成模块24。
数据分析模块21用于对课堂数据信息进行除噪处理,例如,对不具有分析价值的数据进行过滤,筛选出精准的个体数据作为课堂有效数据信息,利用预先搭建完成的卷积神经网络对有效课堂数据信息进行挖掘和分析,识别、提取出情绪/行为信息。
标注分析模块22用于对提取出的情绪/行为信息进行标注,例如表情、行为和课堂内容等。
实时报表生成模块23用于将所标注的情绪/行为信息中的具有教学价值的信息转换为可视化报告,并发送至客户端显示设备进行显示,其中,可视化报告可以是可视化图表,例如:课堂考勤饼状图、课堂行为统计图、课堂情绪统计图和课堂参与度统计图等。
课后分析报告生成模块24用于对所标注的情绪/行为信息进行统计分析,生成具有教学意义的课后分析报告,并将课后分析报告发送至教育管理服务设备进行存储。
在本实施例中,可以将教学模型(例如弗兰德互动分析模型和S-T教学分析)输入卷积神经网络,以实现对有效课堂数据的深度挖掘和分析。可以理解,该平台分析服务设备基于卷积神经网络搭建,采用了人脸检测、人脸特征提取、表情特征比对、快速特征搜索、LSH、MTCNN、残差网络和端到端学习等人工智能技术,具有深度学习和监督学习功能,随着使用时长的增加会越学越聪明,可以理解,平台分析服务设备也具备深度学习功能,可以自我学习和提升。
可以理解,可视化图表和课后分析报告能够配合教学工作,能够展示出满足于教学功能的针对性分析指标,也能够同时对师生进行数据采集和对比分析。例如,情绪/行为信息可以包括师生语言互动信息、师生行为互动信息和师生表情互动信息等。其中,通过提取所标注的师生语言互动信息中的关键词,对关键词进行识别,获得识别结果,根据识别结果生成教学科目信息和课堂类型信息,再结合师生行为互动信息,采用卷积神经网络对教学质量进行评估,可以获得教学质量评估报告。
又例如,情绪/行为信息还可以理解为师生表情特征和师生行为特征,其中,对师生表情特征和师生行为特征进行清洗和结构化存储,结构化的信息数据可以随时调用,又例如,从结构化的信息数据中调取个别师生表情特征和师生行为特征,并进行识别和分析,获得识别结果和分析结果,根据识别结果和分析结果生成教师、学生、教学科目信息和课堂类型等独立信息和关联交叉信息。
进一步地,还可以将师生表情互动信息输入卷积神经网络,采用卷积神经网络识别计算出学生在课堂中的正面情绪/行为占比和负面情绪/行为占比,根据正面情绪/行为占比和所述负面情绪/行为占比生成教学技能评估报告。
可以理解,教学质量评估报告和教学技能评估报告都能够作为满足教学功能的针对性分析指标,能够充分反应课情情况。又例如,可以根据教学质量评估报告和教学技能评估报告对负面情绪/行为占比进行分析,推测出现负面情绪/行为占比的原因,将原因记录,并将原因发送至教育管理服务设备,能够让相关教务管理人员第一时间获取教师的上课情况,便于之后进行调整和改进,可选地,还可以通过教学质量评估报告和教学技能评估报告生成教师教学建议报告,该教师教学建议报告能够对教师教学技能的提高提供指导性意见。
又例如,可以根据正面情绪/行为占比和负面情绪/行为占比生成教学诊断信息,并将教学诊断信息发送至客户端显示设备或教育管理服务设备,能够让相关教务管理人员第一时间获取师生的情绪/行为反应,以便应对突发情况(课堂上出现危险动作和教学事故等)。
进一步地,平台分析服务设备还用所标注的情绪/行为信息输入卷积神经网络生成学生成长轨迹数据库和教师发展轨迹数据库,能够对学生成长和教师发展进行数据档案管理。其中,学生成长轨迹数据库可以包括课堂考勤、课堂行为统计、课堂情绪统计、课堂参与度档案等,可选地,可视化报告也可以存入学生成长轨迹数据库。
基于上述说明,本发明实施例还提供了一种基于人工智能的情绪行为综合分析方法,应用于上述基于人工智能的情绪行为综合分析系统100,该方法包括:
步骤S21,采集设备采集课堂数据信息,将课堂数据信息发送至平台分析服务设备。
步骤S22,平台分析服务设备用于接收课堂数据信息,对课堂数据信息进行除噪和筛选,获得有效课堂数据信息,采用卷积神经网络对有效课堂数据信息进行挖掘和分析,生成可视化报告和课后分析报告,将可视化报告发送至客户端显示设备,将课后分析报告发送至教育管理服务设备。
步骤S23,客户端显示设备接收可视化报告,将可视化报告进行显示。
步骤S24,教育管理服务设备接收课后分析报告,将课后分析报告进行存储。
请结合参阅图4,本实施例中通过步骤S221、步骤S222、步骤S223和步骤S224列举了步骤S22的其中一种实现方式。
步骤S221,对不具有分析价值的数据进行过滤,筛选出精准的个体数据作为课堂有效数据信息,利用预先搭建完成的卷积神经网络对有效课堂数据信息进行挖掘和分析,识别、提取出情绪/行为信息。
步骤S222,对提取出的情绪/行为信息进行标注。
步骤S223,将所标注的情绪/行为信息中的具有教学价值的信息转换为可视化报告,并发送至客户端显示设备。
步骤S224,对所标注的情绪/行为信息进行统计分析,生成具有教学意义的课后分析报告,并将课后分析报告发送至教育管理服务设备。
综上,本发明实施例所提供的基于人工智能的情绪行为综合分析系统,能够结合教学模型、可视化报告和课后分析报告来配合教育工作,实现对课堂数据信息的深度挖掘、清洗、结构化和分析,通过建立学生成长和教师发展数据库,能够更高效地帮助学校解决教学中的疑难杂症,提高学生的课堂知识吸收率,为教学研究和改善教学方法提供决策依据。
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)
1.一种基于人工智能的情绪行为综合分析系统,其特征在于,用于对教学课堂进行课情分析,包括:采集设备、平台分析服务设备、客户端显示设备和教育管理服务设备;
所述采集设备与所述平台分析服务设备通信连接,所述平台分析服务设备分别与所述客户端显示设备和所述教育管理服务设备通信连接;
所述采集设备用于采集课堂数据信息,将所述课堂数据信息发送至所述平台分析服务设备;
所述平台分析服务设备用于接收所述课堂数据信息,对所述课堂数据信息进行除噪处理,筛选出有效课堂数据信息;采用卷积神经网络对所述有效课堂数据信息进行分析,提取出情绪/行为信息,并对提取出的情绪/行为信息进行标注;将所标注的情绪/行为信息转化为可视化报告,将所述可视化报告发送至所述客户端显示设备;根据所标注的情绪/行为信息生成课后分析报告,将所述课后分析报告发送至所述教育管理服务设备;
所述客户端显示设备用于接收所述可视化报告,将所述可视化报告进行显示;
所述教育管理服务设备用于接收所述课后分析报告,将所述课后分析报告进行存储。
2.根据权利要求1所述的一种基于人工智能的情绪行为综合分析系统,其特征在于,所述情绪/行为信息包括师生语言互动信息,所述平台分析服务设备根据所标注的情绪/行为信息生成课后分析报告,具体包括:
提取所标注的师生语言互动信息中的关键词,对所述关键词进行识别,获得识别结果,根据所述识别结果生成教学科目信息和课堂类型信息。
3.根据权利要求2所述的一种基于人工智能的情绪行为综合分析系统,其特征在于,所述情绪/行为信息还包括师生行为互动信息,所述平台分析服务设备根据所标注的情绪/行为信息生成课后分析报告,还包括:
将所述师生行为互动信息、所述教学科目信息和所述课堂类型信息输入所述卷积神经网络,采用所述卷积神经网络对教学质量进行评估,获得教学质量评估报告。
4.根据权利要求3所述的一种基于人工智能的情绪行为综合分析系统,其特征在于,所述情绪/行为信息还包括师生表情互动信息,所述平台分析服务设备根据所标注的情绪/行为信息生成课后分析报告,还包括:
将所述师生表情互动信息输入所述卷积神经网络,采用所述卷积神经网络识别计算出学生在课堂中的正面情绪/行为占比和负面情绪/行为占比,根据所述正面情绪/行为占比和所述负面情绪/行为占比生成教学技能评估报告。
5.根据权利要求4所述的一种基于人工智能的情绪行为综合分析系统,其特征在于,所述平台分析服务设备还用于结合所述教学质量评估报告和所述教学技能评估报告对所述负面情绪/行为占比进行分析,推测出现负面情绪/行为占比的原因,将所述原因记录,并将所述原因发送至所述教育管理服务设备。
6.根据权利要求4所述的一种基于人工智能的情绪行为综合分析系统,其特征在于,所述平台分析服务设备还用于根据所述教学质量评估报告和所述教学技能评估报告生成教师教学建议报告。
7.根据权利要求4所述的一种基于人工智能的情绪行为综合分析系统,其特征在于,所述平台分析服务设备还用于根据所述正面情绪/行为占比和所述负面情绪/行为占比生成教学诊断信息,将所述教学诊断信息发送至所述客户端显示设备或所述教育管理服务设备。
8.根据权利要求4所述的一种基于人工智能的情绪行为综合分析系统,其特征在于,所述平台分析服务设备还用于所述正面情绪/行为占比和所述负面情绪占比/行为生成课堂预警信息,将所述课堂预警信息发送至所述客户端显示设备或所述教育管理服务设备。
9.根据权利要求1所述的一种基于人工智能的情绪行为综合分析系统,其特征在于,所述可视化报告包括课堂考勤饼状图、课堂行为统计图、课堂情绪统计图和课堂参与度统计图。
10.根据权利要求1所述的一种基于人工智能的情绪行为综合分析系统,其特征在于,所述平台分析服务设备还用将所标注的情绪/行为信息输入所述卷积神经网络生成学生成长轨迹数据库和教师发展轨迹数据库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810959112.8A CN109214664B (zh) | 2018-08-21 | 2018-08-21 | 一种基于人工智能的情绪行为综合分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810959112.8A CN109214664B (zh) | 2018-08-21 | 2018-08-21 | 一种基于人工智能的情绪行为综合分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109214664A true CN109214664A (zh) | 2019-01-15 |
CN109214664B CN109214664B (zh) | 2021-04-16 |
Family
ID=64989447
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810959112.8A Active CN109214664B (zh) | 2018-08-21 | 2018-08-21 | 一种基于人工智能的情绪行为综合分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109214664B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919434A (zh) * | 2019-01-28 | 2019-06-21 | 华中科技大学 | 一种基于深度学习的教师课堂表现智能评价方法 |
CN110837960A (zh) * | 2019-11-01 | 2020-02-25 | 广州云蝶科技有限公司 | 学生情感分析方法 |
CN110929991A (zh) * | 2019-10-31 | 2020-03-27 | 深圳大学 | 一种基于课堂学生行为分析的学习质量评估系统和方法 |
CN111144261A (zh) * | 2019-12-19 | 2020-05-12 | 无锡融合大数据创新中心有限公司 | 一种基于大数据的智能管理系统 |
CN111563697A (zh) * | 2020-05-21 | 2020-08-21 | 上海复岸网络信息科技有限公司 | 一种线上课堂学生情绪分析方法和系统 |
CN111598746A (zh) * | 2020-04-15 | 2020-08-28 | 北京大米科技有限公司 | 教学交互控制方法、装置、终端及存储介质 |
CN112132009A (zh) * | 2020-09-22 | 2020-12-25 | 湖南惟楚有才教育科技有限公司 | 课堂行为分析方法、系统及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268188A (zh) * | 2014-09-17 | 2015-01-07 | 广州迅云教育科技有限公司 | 一种信息化环境下课堂教与学行为分析的方法及系统 |
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 |
CN107169902A (zh) * | 2017-06-02 | 2017-09-15 | 武汉纺织大学 | 基于人工智能的微表情分析的课堂教学评价系统 |
CN107316261A (zh) * | 2017-07-10 | 2017-11-03 | 湖北科技学院 | 一种基于人脸分析的教学质量评估系统 |
CN107491890A (zh) * | 2017-08-29 | 2017-12-19 | 广州思涵信息科技有限公司 | 一种可量化课堂教学质量评估系统及方法 |
CN107609736A (zh) * | 2017-08-09 | 2018-01-19 | 广州思涵信息科技有限公司 | 一种综合应用人工智能技术的教学诊断分析系统及方法 |
-
2018
- 2018-08-21 CN CN201810959112.8A patent/CN109214664B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268188A (zh) * | 2014-09-17 | 2015-01-07 | 广州迅云教育科技有限公司 | 一种信息化环境下课堂教与学行为分析的方法及系统 |
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 |
CN107169902A (zh) * | 2017-06-02 | 2017-09-15 | 武汉纺织大学 | 基于人工智能的微表情分析的课堂教学评价系统 |
CN107316261A (zh) * | 2017-07-10 | 2017-11-03 | 湖北科技学院 | 一种基于人脸分析的教学质量评估系统 |
CN107609736A (zh) * | 2017-08-09 | 2018-01-19 | 广州思涵信息科技有限公司 | 一种综合应用人工智能技术的教学诊断分析系统及方法 |
CN107491890A (zh) * | 2017-08-29 | 2017-12-19 | 广州思涵信息科技有限公司 | 一种可量化课堂教学质量评估系统及方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919434A (zh) * | 2019-01-28 | 2019-06-21 | 华中科技大学 | 一种基于深度学习的教师课堂表现智能评价方法 |
CN110929991A (zh) * | 2019-10-31 | 2020-03-27 | 深圳大学 | 一种基于课堂学生行为分析的学习质量评估系统和方法 |
CN110837960A (zh) * | 2019-11-01 | 2020-02-25 | 广州云蝶科技有限公司 | 学生情感分析方法 |
CN111144261A (zh) * | 2019-12-19 | 2020-05-12 | 无锡融合大数据创新中心有限公司 | 一种基于大数据的智能管理系统 |
CN111598746A (zh) * | 2020-04-15 | 2020-08-28 | 北京大米科技有限公司 | 教学交互控制方法、装置、终端及存储介质 |
CN111563697A (zh) * | 2020-05-21 | 2020-08-21 | 上海复岸网络信息科技有限公司 | 一种线上课堂学生情绪分析方法和系统 |
CN112132009A (zh) * | 2020-09-22 | 2020-12-25 | 湖南惟楚有才教育科技有限公司 | 课堂行为分析方法、系统及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109214664B (zh) | 2021-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109214664A (zh) | 一种基于人工智能的情绪行为综合分析系统 | |
CN108052672B (zh) | 利用群体学习行为促进结构化知识图谱构建系统及方法 | |
CN104575140B (zh) | 一种智能终端机网络教学方法 | |
CN110992227B (zh) | 一种校企结合职业技能人才培养系统和方法 | |
CN109272789A (zh) | 基于数据分析的学习效果评估系统及评估方法 | |
CN106485964A (zh) | 一种课堂教学的录制和点播的方法及系统 | |
Zhang | Model innovation and teaching effect evaluation of accounting teaching in higher vocational colleges in the era of big data. | |
CN111311131A (zh) | 一种智慧课堂教学行为分析方法、存储介质及智能电视 | |
CN114693488B (zh) | 一种基于5g网络的智慧校园管理方法及系统 | |
CN107492375A (zh) | 一种课堂行为分析方法和系统 | |
CN101093618A (zh) | 一种完全智能化的微格教学系统 | |
CN113627779A (zh) | 一种基于大数据和ai技术的教学管理、质量评估系统 | |
CN107454185A (zh) | 一种基于云平台大学教学资源库管理系统 | |
Rosenberg et al. | Making data science count in and for education | |
CN109448474A (zh) | 一种基于物联网的信息技术教学系统 | |
CN109410105A (zh) | 一种智能化的学校教育系统 | |
CN108735031A (zh) | 一种基于虚拟现实的教学培训系统 | |
Wu et al. | Learning to be mathematics teacher educators: From professional practice to personal development | |
CN110929991A (zh) | 一种基于课堂学生行为分析的学习质量评估系统和方法 | |
West et al. | Supporting induction teachers’ development using performance-based video evidence | |
Xu | Research and Applications of Classroom Group Collaboration in the Design Thinking Online Tool | |
Behrens et al. | Competences in Health Network Management (Com. HeNet) | |
CN111696007A (zh) | 一种儿童个性化教育测评排课系统及方法 | |
Movia et al. | Identification of competences in regional health network management | |
Kemal et al. | Data Mining as New Networked Language within School Governance for Digitalization |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |