CN109447863A - 一种4mat实时分析方法及系统 - Google Patents
一种4mat实时分析方法及系统 Download PDFInfo
- Publication number
- CN109447863A CN109447863A CN201811237819.4A CN201811237819A CN109447863A CN 109447863 A CN109447863 A CN 109447863A CN 201811237819 A CN201811237819 A CN 201811237819A CN 109447863 A CN109447863 A CN 109447863A
- Authority
- CN
- China
- Prior art keywords
- 4mat
- word
- real
- obtains
- analysis method
- 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 44
- 238000010223 real-time analysis Methods 0.000 title claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 60
- 238000005259 measurement Methods 0.000 claims abstract description 51
- 230000003068 static effect Effects 0.000 claims description 20
- 238000013136 deep learning model Methods 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000000926 separation method Methods 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 13
- 238000005516 engineering process Methods 0.000 description 9
- 230000008450 motivation Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 210000004556 brain Anatomy 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 210000000867 larynx Anatomy 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000003928 nasal cavity Anatomy 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 210000002105 tongue Anatomy 0.000 description 2
- 210000000515 tooth Anatomy 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Tourism & Hospitality (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Educational Administration (AREA)
- Computational Linguistics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Machine Translation (AREA)
Abstract
本发明公开了一种4MAT实时分析方法及系统，所述方法包括：步骤S1，获取拾音信号，对拾音信号进行声纹识别，将某一说话人的音频信息和其他人分离；步骤S2，对该说话人的音频信息，利用语音识别将音频信息实时转换为文字信息；步骤S3，对所述文字信息中的每一句话进行4MAT分析，得到每一句话对应4MAT四个维度的四个度量；步骤S4，根据获得的每一句话对应4MAT四个维度的四个度量，将步骤S3的4MAT分析结果于二维平面上实时输出；步骤S5，重复步骤S1‑S4，获得该说话人按时间顺序在该二维平面的4MAT轨迹，通过本发明可实现为教学活动提供实时评测和反馈的目的，有利于提高讲师的教学质量。
Description
技术领域
本发明涉及教学设计技术领域，特别是涉及一种4MAT实时分析方法及系统。
背景技术
美国学习有限公司总裁Bernice McCarthy于1972年主要以David Kolb有关人们感知信息和加工信息的方式有所不同的观点为理论基础，提出了4MAT学习风格，接着，又以4MAT学习风格为基础，借鉴教育学、心理学、脑科学及管理学等领域的研究成果，首创了4MAT教学模式，他提出的4MAT学习风格及4MAT教学模式在美国和澳大利亚等地非常盛行，很多人已从学业成绩、学习动机、学习态度和小组合作等方面对其进行了实证研究，都证明了4MAT教学模式的有效性。因此，目前4MAT已被广泛的应用于教学，学习和管理领域。
“4MAT”教学模式，又称自然学习设计，该模式的核心理念是遵循大脑规律，关注学习者的个性差异，它符合学习过程本身的性质，并将教学过程分为4个象限，在4个不同象限中运用不同的教学方法，从而达到更加有效的教学效果。任何学习都是由“为什么—是什么—应怎样—该是否”(Why-What-How-If)组成的循环圈，依次对应着“把握学习价值(meaning)—透彻掌握概念(concepts)—积极操练技能(skills)—灵活自如运用(adaptation)”这4种教学功能或者学习性质，中间通过左右脑交替轮换经过了8个学习阶段：连接—关注—想象—讲解—练习—扩展—提炼—表现。
在教学领域中，4MAT为讲师提供了一个系统性的方法来让每一个学生很好的思考和学习；同时，4MAT也为度量学习过程提供了一个框架，为持续学习和发展提供了指导。
然而，现有的4MAT的应用方式，不能在教学过程中实时的对讲师的行为进行反馈，无法对教学活动进行评测，不利于教学活动质量的提高。
发明内容
为克服上述现有技术存在的不足，本发明之目的在于提供一种4MAT实时分析方法及系统通过将授课音频实时转化为由文字组成的句子，对感兴趣的说话人的句子进行分析，并将分析结果实时展示给讲师，以达到为教学活动提供实时评测和反馈的目的，有利于提高讲师的教学质量。
为达上述及其它目的，本发明提出一种4MAT实时分析方法，包括：
步骤S1，获取拾音信号，对拾音信号进行声纹识别，将某一说话人的音频信息和其他人分离；
步骤S2，对该说话人的音频信息，利用语音识别将音频信息实时转换为文字信息；
步骤S3，对所述文字信息中的每一句话进行4MAT分析，得到每一句话对应4MAT四个维度的四个度量；
步骤S4，根据获得的每一句话对应4MAT四个维度的四个度量，将步骤S3的4MAT分析结果于二维平面上实时输出；
步骤S5，重复步骤S1-S4，获得该说话人按时间顺序在该二维平面的4MAT轨迹。
优选地，于步骤S3中，采用基于计数的4MAT分析方法对所述文字信息中的每一句话进行4MAT分析，得到每一句话对应4MAT四个维度的四个度量。
优选地，所述基于计数的4MAT分析方法进一步包括：
步骤S300，收集静态词表，对4MAT中四个维度中的每一维度，收集与该维度有关的词汇；
步骤S301，对步骤S2中转换后的文字信息中的每一句话，使用分词方法对其分词；
步骤S302，对分词后的每个句子，针对每一个4MAT维度，根据收集的静态词表计算该句子包含多少个此维度的静态词表中的词，得到每一句话对应4MAT每个维度的度量。
优选地，于步骤S3中，采用基于深度学习的4MAT分析方法对所述文字信息中的每一句话进行4MAT分析，得到每一句话对应4MAT四个维度的四个度量。
优选地，所述基于深度学习的4MAT分析方法包括：
步骤S3.1，进行语料收集；
步骤S3.2，对收集的语料中的每一句话，采用基于计数的4MAT分析方法得到每一句话的度量，并将其作为该句话的4MAT标签，以完成对所收集语料的句子的标注；
步骤S3.3，建立深度学习模型，以步骤S3.2中标注后的语料作为输入，对所述深度学习模型进行训练；
步骤3.4，利用训练好的模型对所述文字信息中的每一句话进行4MAT分析，得到每一句话对应4MAT四个维度的四个度量。
优选地，于步骤S3.2中，采用基于计数的4MAT分析方法得到每一句话的四个度量，将分析得到的每一句话的四个度量，作为对应那句话的4MAT标签。
优选地，于步骤S3.3中，所述深度学习模型为输出为4维向量的、带包括但不限于RNN或CNN结构的神经网络。
优选地，所述神经网络以步骤S3.2中所收集语料的每个句子与对应的标签作为输入进行训练，得到训练好的模型。
优选地，步骤S4进一步包括：
步骤S400，根据步骤S3，获得每一句话的四个度量，记为(why，what，how，whatIf)，对应四个4MAT维度；
步骤S401，根据四个度量计算每一句话在二维平面上的横纵坐标，将每一句话，转换为二维平面上的一个点。
为达到上述目的，本发明还提供一种4MAT实时分析系统，包括：
音频获取识别单元，用于获取拾音信号，并对拾音信号进行声纹识别，将某一说话人的声音和其他人分离；
音频转换单元，用于对该说话人的音频信息，利用语音识别将音频信息实时转换为文字信息；
4MAT分析单元，用于对所述文字信息中的每一句话进行4MAT分析，得到每一句话对应4MAT四个维度的四个度量；
4MAT分析结果输出单元，根据获得的每一句话对应4MAT四个维度的四个度量，将所述4MAT分析单元的4MAT分析结果于二维平面上实时输出；
4MAT轨迹生成单元，重复进行上述各模块，获得该说话人按时间顺序在该二维平面的4MAT轨迹。
与现有技术相比，本发明一种4MAT实时分析方法及系统通过将授课音频实时转化为由文字组成的句子，对感兴趣的说话人的句子进行分析，并将分析结果实时展示给讲师，以达到为教学活动提供实时评测和反馈的目的，有利于提高讲师的教学质量。
附图说明
图1为本发明一种4MAT实时分析方法的步骤流程图；
图2为本发明一种4MAT实时分析系统的系统架构图；
图3为本发明具体实施例中4MAT实时分析方法的流程图。
具体实施方式
以下通过特定的具体实例并结合附图说明本发明的实施方式，本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用，本说明书中的各项细节亦可基于不同观点与应用，在不背离本发明的精神下进行各种修饰与变更。
图1为本发明一种4MAT实时分析方法的步骤流程图。如图1所示，本发明一种4MAT实时分析方法，包括：
步骤S1，获取拾音信号，对拾音信号进行声纹识别，将某一说话人的声音(音频信息)和其他人分离。在本发明具体实施例中，通过麦克风获取拾音信号，也就是说，在4MAT教学活动中，教师和学生的讲话都通过麦克风拾取，利用麦克风获取到拾音信号后，对拾音信号进行音频处理，以将其中某一说话人的音频信息与其他人的音频信息分离，由于不同人的在讲话时使用的发声器官--舌、牙齿、喉头、肺、鼻腔在尺寸和形态方面每个人的差异很大，所以任何两个人的声纹图谱都有差异，因此在本发明具体实施例中，采用声纹识别将某一说话人的音频信息与其他人的音频数据分离，由于声纹识别技术为现有的成熟技术，在此不予赘述。
步骤S2，对该说话人的音频信息，利用语音识别将音频信息实时转换为文字信息。本步骤将语音数据转换为文字信息所采用的语音识别技术也是现有的成熟技术，在此不予赘述。
步骤S3，对所述文字信息中的每一句话进行4MAT分析，得到每一句话对应4MAT四个维度的四个度量。
在本发明一实施例中，采用基于计数的4MAT分析方法对所述文字信息中的每一句话进行4MAT分析，得到每一句话对应4MAT四个维度的四个度量，具体地，所述基于计数的4MAT分析方法进一步包括：
步骤S300，收集静态词表，即对4MAT中四个维度中的每一维度，收集与该维度有关的词汇。在本发明具体实施例中，4MAT的四个维度为(why，what，how，whatIf)，例如，对应4MAT中的“为什么”维度，词表中收录的词包含：为何、为什么、原因、深层、因为、所以、动机等。在本发明具体实施例中，为保证高质量的效果，此步骤可由人工手动完成。
步骤S301，对步骤S2中转换后的文字信息中的每一句话，使用分词方法对其分词。例如，“这样做的深层原因是”这句话，利用分词方法分词后则会得到这样一些词：这样，做，的，深层，原因，是。由于现有的分词方法众多，在此不予赘述。
步骤S302，对分词后的每个句子，对每一个4MAT维度，根据收集的静态词表计算该句子包含多少个此维度的静态词表中的词，得到每一句话对应4MAT每个维度的度量。仍以该句子“这样做的深层原因是”为例，由于静态词表中“为什么”维度下收录的词包含：为何、为什么、原因、深层、因为、所以、动机，则根据该静态词表，对分词后的该句子，在“为什么”这一4MAT维度上的计数为2，因为该句子包含两个“为什么”维度的词，分别为“深层”和“原因”。
如此，经过上述步骤，对步骤S2转换为文字信息后的每一句话，都会得到四个度量——分别对应4MAT的四个维度，此四个度量就是对这一句话进行4MAT分析的结果，组合四个度量的计数则得到该句话的度量。
在本发明另一实施例中，步骤S3进一步包括：
步骤S3.1，进行语料收集。在本发明具体实施例中，可采用通用的语料库，如维基百科语料库；
步骤S3.2，对收集的语料中的每一句话，采用上述基于计数的4MAT分析方法得到每一句话的度量，即对应4MAT四个维度的四个度量，对所收集的预料进行标注，即将分析得到的每一句话的四个度量，作为该句话的4MAT标签，以完成对所收集语料的句子的标注；
步骤S3.3，建立深度学习模型，以步骤S3.2中标注后的语料作为输入，对所述深度学习模型进行训练。在本发明具体实施例中，所述深度学习模型为输出为4维向量的、带包括但不限于RNN或CNN结构的神经网络，其以步骤S3.2中所收集预料的每个句子与对应的标签作为输入进行训练，得到训练好的模型；
步骤S3.4，利用训练好的模型对所述文字信息中的每一句话进行4MAT分析，得到每一句话对应4MAT四个维度的四个度量。
步骤S4，将步骤S3的4MAT分析结果于二维平面上实时输出。
具体地说，步骤S4进一步包括：
步骤S400，根据步骤S3，获得每一句话的四个度量，记为(why，what，how，whatIf)，分别对应于：为什么，是什么，如何，假如，这四个4MAT维度；
步骤S401，计算该句话在二维平面上的横纵坐标；具体地，采用如下公式计算该句话在平面上的横、纵坐标：
x＝whatIf-what
y＝how-why
这样就将每一句话，转换为了二维平面上的一个点(x，y)。需说明的是，这里k，y的计算公式可交换，减数与被减数也可交换，上式只给出了一种情况，本发明不以此为限。
步骤S5，返回步骤S1，重复上面的步骤，获得该说话人按时间顺序在上述x-y平面的4MAT轨迹。
图2为本发明一种4MAT实时分析系统的系统架构图。如图2所示，本发明一种4MAT实时分析系统，包括：
音频获取识别单元201，用于获取拾音信号，并对拾音信号进行声纹识别，将某一说话人的声音(音频信息)和其他人分离。在本发明具体实施例中，音频获取识别单元201通过麦克风获取拾音信号，也就是说，在4MAT教学活动中，教师和学生的讲话都通过麦克风拾取，音频获取识别单元201利用麦克风获取到拾音信号后，对拾音信号进行音频处理，以将其中某一说话人的音频信息与其他人的音频信息分离，由于不同人的在讲话时使用的发声器官--舌、牙齿、喉头、肺、鼻腔在尺寸和形态方面每个人的差异很大，所以任何两个人的声纹图谱都有差异，因此在本发明具体实施例中，采用声纹识别将某一说话人的音频信息与其他人的音频数据分离，由于声纹识别技术为现有的成熟技术，在此不予赘述。
音频转换单元202，用于对该说话人的音频信息，利用语音识别将音频信息实时转换为文字信息。这里音频转换单元202将语音数据转换为文字信息所采用的语音识别技术也是现有的成熟技术，在此不予赘述。
4MAT分析单元203，用于对所述文字信息中的每一句话进行4MAT分析，得到每一句话对应4MAT四个维度的四个度量。
在本发明一实施例中，4MAT分析单元203采用基于计数的4MAT分析方法对所述文字信息中的每一句话进行4MAT分析，得到每一句话对应4MAT四个维度的四个度量，具体地，所述基于计数的4MAT分析方法具体包括：
收集静态词表，即对4MAT中四个维度中的每一维度，收集与该维度有关的词汇。在本发明具体实施例中，4MAT的四个维度为(why.what，how，whatIf)，例如，对应4MAT中的“为什么”维度，词表中收录的词包含：为何、为什么、原因、深层、因为、所以、动机等。在本发明具体实施例中，为保证高质量的效果，静态词表的收集可由人工手动完成；
对音频转换单元202转换后的文字信息中的每一句话，使用分词方法对其分词。例如，“这样做的深层原因是”这句话，利用分词方法分词后则会得到这样一些词：这样，做，的，深层，原因，是。由于现有的分词方法众多，在此不予赘述。
对分词后的每个句子，针对每一个4MAT维度，根据收集的静态词表计算每个句子包含多少个此维度的静态词表中的词，得到每个句子对应4MAT每个维度的度量。仍以该句子“这样做的深层原因是”为例，由于静态词表中“为什么”维度下收录的词包含：为何、为什么、原因、深层、因为、所以、动机，则根据该静态词表，对分词后的该句子，在“为什么”这一4MAT维度上的计数为2，因为该句子包含两个“为什么”维度的词，分别为“深层”和“原因”。
如此，经过上述基于计数的4MAT分析方法，即可对音频转换单元202转换为文字信息后的每一句话，都得到四个度量，——分别对应4MAT的四个维度，此四个度量就是对每一句话进行4MAT分析的结果，组合四个度量的计数则得到每句话的度量。
在本发明另一实施例中，4MAT分析单元203采用基于深度学习的4MAT分析方法对所述文字信息中的每一句话进行4MAT分析，得到每一句话对应4MAT四个维度的四个度量，具体地，所述基于深度学习的4MAT分析方法具体包括
进行语料收集。在本发明具体实施例中，可采用通用的语料库，如维基百科语料库；
对收集的语料中的每一句话，采用上述基于计数的4MAT分析方法得到每一句话的度量，即对应4MAT四个维度的四个度量，对所收集的预料进行标注，即将分析得到的每一句话的四个度量，作为该句话的4MAT标签，以完成对所收集语料的句子的标注；
建立深度学习模型，以上述标注后的语料作为输入，对所述深度学习模型进行训练。在本发明具体实施例中，所述深度学习模型为输出为4维向量的、带包括但不限于RNN或CNN结构的神经网络，其以上述所收集预料的每个句子与对应的标签作为输入进行训练，得到训练好的模型；
利用训练好的模型对所述文字信息中的每一句话进行4MAT分析，得到每一句话对应4MAT四个维度的四个度量。
4MAT分析结果输出单元204，用于将4MAT分析单元203的4MAT分析结果于二维平面上实时输出。
4MAT分析结果输出单元204具体用于：
根据4MAT分析单元203获得每一句话的四个度量，记为(why，what，how，whatIf)，分别对应于：为什么，是什么，如何，假如，四个4MAT维度；
计算每句话在二维平面上的横纵坐标；具体地，采用如下公式计算每句话在平面上的横、纵坐标：
x＝whatIf-what
y＝how-why
这样就将每一句话，转换为了平面上的一个点(x，y)。需说明的是，这里x，y的计算公式可交换，减数与被减数也可交换，上式只给出了一种情况，本发明不以此为限。
4MAT轨迹生成单元205，重复进行上述各模块，获得该该说话人按时间顺序在上述x-y平面的4MAT轨迹。
图3为本发明具体实施例之4MAT实时分析过程的流程图。在本发明具体实施例中，该4MAT实时分析方法过程如下：
1、利用麦克风进行拾音，获得音频数据。
2、对音频数据进行声纹识别，将某一讲话人(例如：讲师)的声音和其他人分离。
3、对某一讲话人的音频数据，利用语音识别将其实时转换为文字信息。
4、对该讲话人的音频数据转换后的文字信息中的每一句话进行4MAT分析，采用如下两种方法:
4.1，方法一：基于计数的4MAT分析；具体步骤如下：
4.1.1，静态词表收集：对4MAT中四个维度中的每一维度，收集与这个维度有关的词汇。为保证高质量的效果，静态词表收集由人工手动完成，或根据词向量相似度选取最后由人工审核。例如，对应4MAT中的“为什么”维度，词表中收录的词包含：为何、为什么、原因、深层、因为、所以、动机等；
4.1.2，分词：对每一句话，使用分词技术对其分词。例如，“这样做的深层原因是”这句话，分词后会得到这样一些词：这样，做，的，深层，原因，是；
4.1.3，计数：对4.1.2中分词后的句子，对每一个4MAT维度，计算此句子包含多少个此维度的静态词表中的词。例如，4.1.2中的句子，“这样做的深层原因是”，在“为什么”这一4MAT维度上的计数为2(因为此句子包含两个“为什么”维度的词，分别为“深层”和“原因”)；
4.1.4，以上步骤对每一句话，会得到四个度量——分别对应4MAT的四个维度，此四个度量则为对这一句话进行4MAT分析的结果。
4.2，方法二：基于深度学习的4MAT分析；具体步骤如下：
4.2.1，语料收集，本实施例中采用通用的语料库，如维基百科语料库；
4.2.2，语料标注：对4.2.1中收集的语料中的每一句话，使用4.1中所描述的基于计数的4MAT分析方法，可以得到每一句话的度量，也就是一个4维向量，此4维向量被用作这一句话的4MAT标签，这样就完成了对语料的标注；
4.2.3，深度学习模型构建：使用输出为4维向量的、带包括但不限于RNN或CNN结构的神经网络为模型，以4.2.2中的句子和标签为输入，对模型进行训练；
4.2.4，利用训练好的模型来为每一句话做4MAT分析：其模型输出即为该一句话的4MAT分析
5、将4MAT的分析结果于二维平面上实时呈现，其具体步骤如下：
5.1对每一句话，使用4中的步骤，可获取四个度量，记为(why，what，how，whatIf)，分别对应于：为什么，是什么，如何，假如，这四个4MAT维度；
5.2，使用如下公式，获得这一句话在平面上的横、纵坐标：
x＝whatIf-what
y＝how-why
这样就将每一句话，转换为了平面上的一个点(x，y)。这里，x，y的计算公式可交换，减数与被减数也可交换，上式只给出了一种情况；
6、重复上述步骤，即可获得该说话人按时间顺序在上述x-y平面的4MAT轨迹。
综上所述，本发明一种4MAT实时分析方法及系统通过将授课音频实时转化为由文字组成的句子，对感兴趣的说话人的句子进行分析，并将分析结果实时展示给讲师，以达到为教学活动提供实时评测和反馈的目的，有利于提高讲师的教学质量。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何本领域技术人员均可在不违背本发明的精神及范畴下，对上述实施例进行修饰与改变。因此，本发明的权利保护范围，应如权利要求书所列。
Claims (10)
1.一种4MAT实时分析方法，包括：
步骤S1，获取拾音信号，对拾音信号进行声纹识别，将某一说话人的音频信息和其他人分离；
步骤S2，对该说话人的音频信息，利用语音识别将音频信息实时转换为文字信息；
步骤S3，对所述文字信息中的每一句话进行4MAT分析，得到每一句话对应4MAT四个维度的四个度量；
步骤S4，根据获得的每一句话对应4MAT四个维度的四个度量，将步骤S3的4MAT分析结果于二维平面上实时输出；
步骤S5，重复步骤S1-S4，获得该说话人按时间顺序在该二维平面的4MAT轨迹。
2.如权利要求1所述的一种4MAT实时分析方法，其特征在于：于步骤S3中，采用基于计数的4MAT分析方法对所述文字信息中的每一句话进行4MAT分析，得到每一句话对应4MAT四个维度的四个度量。
3.如权利要求2所述的一种4MAT实时分析方法，其特征在于，所述基于计数的4MAT分析方法进一步包括：
步骤S300，收集静态词表，对4MAT中四个维度中的每一维度，收集与该维度有关的词汇；
步骤S301，对步骤S2中转换后的文字信息中的每一句话，使用分词方法对其分词；
步骤S302，对分词后的每个句子，针对每一个4MAT维度，根据收集的静态词表计算该句子包含多少个此维度的静态词表中的词，得到每一句话对应4MAT每个维度的度量。
4.如权利要求2所述的一种4MAT实时分析方法，其特征在于：于步骤S3中，采用基于深度学习的4MAT分析方法对所述文字信息中的每一句话进行4MAT分析，得到每一句话对应4MAT四个维度的四个度量。
5.如权利要求4所述的一种4MAT实时分析方法，其特征在于，所述基于深度学习的4MAT分析方法包括：
步骤S3.1，进行语料收集；
步骤S3.2，对收集的语料中的每一句话，采用基于计数的4MAT分析方法得到每一句话的度量，并将其作为该句话的4MAT标签，以完成对所收集语料的句子的标注；
步骤S3.3，建立深度学习模型，以步骤S3.2中标注后的语料作为输入，对所述深度学习模型进行训练；
步骤3.4，利用训练好的模型对所述文字信息中的每一句话进行4MAT分析，得到每一句话对应4MAT四个维度的四个度量。
6.如权利要求5所述的一种4MAT实时分析方法，其特征在于：于步骤S3.2中，采用基于计数的4MAT分析方法得到每一句话的四个度量，将分析得到的每一句话的四个度量，作为对应那句话的4MAT标签。
7.如权利要求5所述的一种4MAT实时分析方法，其特征在于：于步骤S3.3中，所述深度学习模型为输出为4维向量的、带包括但不限于RNN或CNN结构的神经网络。
8.如权利要求7所述的一种4MAT实时分析方法，其特征在于：所述神经网络以步骤S3.2中所收集语料的每个句子与对应的标签作为输入进行训练，得到训练好的模型。
9.如权利要求1所述的一种4MAT实时分析方法，其特征在于，步骤S4进一步包括：
步骤S400，根据步骤S3，获得每一句话的四个度量，记为(why，what，how，where)，对应四个4MAT维度；
步骤S401，根据四个度量计算每一句话在二维平面上的横纵坐标，将每一句话，转换为二维平面上的一个点。
10.一种4MAT实时分析系统，包括：
音频获取识别单元，用于获取拾音信号，并对拾音信号进行声纹识别，将某一说话人的声音和其他人分离；
音频转换单元，用于对该说话人的音频信息，利用语音识别将音频信息实时转换为文字信息；
4MAT分析单元，用于对所述文字信息中的每一句话进行4MAT分析，得到每一句话对应4MAT四个维度的四个度量；
4MAT分析结果输出单元，根据获得的每一句话对应4MAT四个维度的四个度量，将所述4MAT分析单元的4MAT分析结果于二维平面上实时输出；
4MAT轨迹生成单元，重复进行上述各模块，获得该说话人按时间顺序在该二维平面的4MAT轨迹。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811237819.4A CN109447863A (zh) | 2018-10-23 | 2018-10-23 | 一种4mat实时分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811237819.4A CN109447863A (zh) | 2018-10-23 | 2018-10-23 | 一种4mat实时分析方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109447863A true CN109447863A (zh) | 2019-03-08 |
Family
ID=65547997
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811237819.4A Pending CN109447863A (zh) | 2018-10-23 | 2018-10-23 | 一种4mat实时分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109447863A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110598041A (zh) * | 2019-09-06 | 2019-12-20 | 广州努比互联网科技有限公司 | 一种FlACS实时分析方法与装置 |
| CN110728145A (zh) * | 2019-10-11 | 2020-01-24 | 集奥聚合(北京)人工智能科技有限公司 | 一种基于录音对话的自然语言理解模型的建立方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103038736A (zh) * | 2010-05-31 | 2013-04-10 | 英派尔科技开发有限公司 | 坐标信息更新设备和坐标信息产生设备 |
| CN104484341A (zh) * | 2014-11-24 | 2015-04-01 | 北京奇虎科技有限公司 | 一种数据指标的动态分析方法和装置 |
| CN105912521A (zh) * | 2015-12-25 | 2016-08-31 | 乐视致新电子科技（天津）有限公司 | 一种解析语音内容的方法及装置 |
| CN105913838A (zh) * | 2016-05-19 | 2016-08-31 | 努比亚技术有限公司 | 音频管理装置和方法 |
| CN107492375A (zh) * | 2016-06-13 | 2017-12-19 | 深圳市巨龙科教高技术股份有限公司 | 一种课堂行为分析方法和系统 |
| 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 |
| CN108090857A (zh) * | 2017-12-29 | 2018-05-29 | 复旦大学 | 一种多模态的学生课堂行为分析系统和方法 |
-
2018
- 2018-10-23 CN CN201811237819.4A patent/CN109447863A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103038736A (zh) * | 2010-05-31 | 2013-04-10 | 英派尔科技开发有限公司 | 坐标信息更新设备和坐标信息产生设备 |
| CN104484341A (zh) * | 2014-11-24 | 2015-04-01 | 北京奇虎科技有限公司 | 一种数据指标的动态分析方法和装置 |
| CN105912521A (zh) * | 2015-12-25 | 2016-08-31 | 乐视致新电子科技（天津）有限公司 | 一种解析语音内容的方法及装置 |
| CN105913838A (zh) * | 2016-05-19 | 2016-08-31 | 努比亚技术有限公司 | 音频管理装置和方法 |
| CN107492375A (zh) * | 2016-06-13 | 2017-12-19 | 深圳市巨龙科教高技术股份有限公司 | 一种课堂行为分析方法和系统 |
| 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 |
| CN108090857A (zh) * | 2017-12-29 | 2018-05-29 | 复旦大学 | 一种多模态的学生课堂行为分析系统和方法 |
Non-Patent Citations (2)
| Title |
|---|
| 何翔: "基于4MAT系统开发促进知识深层理解的学习策略", 《化学教育》 * |
| 秦佳: "4MAT八步教学法在AutoCAD教学中的应用", 《职业技术》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110598041A (zh) * | 2019-09-06 | 2019-12-20 | 广州努比互联网科技有限公司 | 一种FlACS实时分析方法与装置 |
| CN110728145A (zh) * | 2019-10-11 | 2020-01-24 | 集奥聚合(北京)人工智能科技有限公司 | 一种基于录音对话的自然语言理解模型的建立方法 |
| CN110728145B (zh) * | 2019-10-11 | 2023-08-29 | 集奥聚合(北京)人工智能科技有限公司 | 一种基于录音对话的自然语言理解模型的建立方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110992741B (zh) | 一种基于课堂情绪和行为分析的学习辅助方法及系统 | |
| CN111709358B (zh) | 基于课堂视频的师生行为分析系统 | |
| CN110598770B (zh) | 一种多空间融合学习环境构建方法和装置 | |
| CN106851216B (zh) | 一种基于人脸和语音识别的课堂行为监控系统及方法 | |
| Ochoa et al. | Multimodal learning analytics-Rationale, process, examples, and direction | |
| CN107491890A (zh) | 一种可量化课堂教学质量评估系统及方法 | |
| Littlewort et al. | Automated measurement of children's facial expressions during problem solving tasks | |
| CN109815795A (zh) | 基于人脸监测的课堂学生状态分析方法及装置 | |
| CN115239527B (zh) | 基于知识库的教学特征融合与建模的教学行为分析系统 | |
| CN108090857A (zh) | 一种多模态的学生课堂行为分析系统和方法 | |
| CN112908355B (zh) | 一种师范生教学技能量化评价系统及其方法 | |
| CN107316261A (zh) | 一种基于人脸分析的教学质量评估系统 | |
| CN105551328A (zh) | 基于移动交互和大数据分析的语言教学辅研同步集成系统 | |
| CN110956142A (zh) | 一种智能交互培训系统 | |
| CN109447863A (zh) | 一种4mat实时分析方法及系统 | |
| Ashwin et al. | Unobtrusive students' engagement analysis in computer science laboratory using deep learning techniques | |
| CN116825288A (zh) | 孤独症康复课程记录方法、装置、电子设备及存储介质 | |
| CN108304806A (zh) | 一种基于对数路径积分特征和卷积神经网络的手势识别方法 | |
| CN112836945B (zh) | 一种师范生教态量化评价方法 | |
| Vishnumolakala et al. | In-class student emotion and engagement detection system (iSEEDS): an AI-based approach for responsive teaching | |
| Hernández Correa et al. | An application of machine learning and image processing to automatically detect teachers’ gestures | |
| CN116543446B (zh) | 一种基于ai技术的线上学习专注度识别分析方法 | |
| CN117078094A (zh) | 一种基于人工智能的教师综合能力评估方法 | |
| Jiang et al. | A classroom concentration model based on computer vision | |
| CN115544226A (zh) | 一种基于多模态情感分析的相似识别方法 |
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: 20190308 |