CN109858809B - 基于课堂学生行为分析的学习质量评估方法和系统 - Google Patents
基于课堂学生行为分析的学习质量评估方法和系统 Download PDFInfo
- Publication number
- CN109858809B CN109858809B CN201910096004.7A CN201910096004A CN109858809B CN 109858809 B CN109858809 B CN 109858809B CN 201910096004 A CN201910096004 A CN 201910096004A CN 109858809 B CN109858809 B CN 109858809B
- Authority
- CN
- China
- Prior art keywords
- student
- information
- video image
- module
- rate
- 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.)
- Active
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种基于课堂学生行为分析的学习质量评估方法和系统,该方法包含以下步骤:通过视频图像分析模块提取当前课堂上的教师的面部图像、每个学生的面部图像并统计出对应每个学生的行为信息;通过识别模块从数据库中识别出相应教师信息和学生信息;通过评价基准模块从数据库中匹配相应的评价基准;通过评价模块接收学生信息、对应的行为信息和评价基准并基于以上信息对学生的学习质量进行评估。本发明的有益之处在于提供的基于课堂学生行为分析的学习质量评估方法在评估学生的学习质量时,将教师因素,科目因素综合考虑到评估方法中,可以使评估方法根据不同教师和不同科目进行相应的调整,评估的结果更加科学合理。
Description
技术领域
本发明涉及一种基于课堂学生行为分析的学习质量评估方法和系统。
背景技术
目前现有的学生学习质量评价系统,通过统计学生上课的一些参数进行学生的学习质量评价,但评价方法基本都是模式固化,不能根据不同教学情况进行有针对性的调整,根据统计的数据得到的评价结果与实际情况不符。
发明内容
为解决现有技术的不足,本发明提供了一种可以解决上述问题的基于课堂学生行为分析的学习质量评估方法和系统。
为了实现上述目标,本发明采用如下的技术方案:
一种基于课堂学生行为分析的学习质量评估方法,基于课堂学生行为分析的学习质量评估方法包含以下步骤:
通过视频图像采集模块采集学生上课的第一视频图像信息;
通过视频图像分析模块接收视频图像采集模块采集的第一视频图像信息并分析第一视频图像信息以提取当前课堂上的每个学生的面部图像并统计出对应每个学生的行为信息;
通过识别模块以提取出的学生的面部图像从数据库中识别出相应的学生并获取该学生的学生信息;
通过视频图像采集模块采集教师上课的第二视频信息;
通过视频图像分析模块接收视频图像采集模块采集的第二视频图像信息并分析第二视频图像信息以提取当前课堂上的教师的面部图像;
通过识别模块以提取出的教师的面部图像从数据库中识别出相应的教师并获取该教师的教师信息;
通过课程模块获取当前课程的科目信息;
通过评价基准模块接收识别模块识别到的教师信息和通过课程模块获取到的科目信息并根据以上信息从数据库中匹配相应的评价基准;
通过评价模块接收学生信息、对应的行为信息和评价基准并基于以上信息对学生的学习质量进行评估。
进一步地,通过视频图像分析模块接收视频图像采集模块采集的第一视频图像信息并分析第一视频图像信息以提取当前课堂上的每个学生的面部图像并统计出对应每个学生的行为信息的具体方法为:
通过视频图像分析模块提取第一视频图像信息中的每个学生的面部图像;
通过视频图像分析模块提取第一视频图像信息中每个学生在当前课程中的抬头时间T抬、低头时间T低、讲话时间T讲、听讲时间T听、眨眼次数N,并通过抬头时间T抬、低头时间T低、讲话时间T讲、听讲时间T听、眨眼次数N得到每个学生的抬头率A、交流率B和眨眼率C;
其中,抬头率A用于表示该学生在整节课程中抬头听课的时间的占比,A=T抬/T低;
交流率B用于表示该学生在整节课程中交流的时间的占比,B=T讲/T听;
眨眼率C用于表示该学生在整节课程中眨眼的频率,C=N/T抬。
进一步地,通过识别模块以提取出的学生的面部图像从数据库中识别出相应的学生并获取该学生的学生信息的具体方法为:
从数据库中识别出相应的学生并获取该学生的眨眼频率参考值C参。
进一步地,通过评价基准模块接收识别模块识别到的教师信息和通过课程模块获取到的科目信息并根据以上信息从数据库中匹配相应的评价基准的具体方法为:
根据教师信息和科目信息从数据库中获取相应的抬头率基准A基和交流率基准B基。
进一步地,通过评价模块接收学生信息、对应的行为信息和评价基准并基于以上信息对学生的学习质量进行评估的具体方法为通过以下公式对每个学生进行打分:
Score=a|(A-A基)/A基|+b|(B-B基)/B基|+c|(C-C基)/C基|;
其中,a为抬头率权值,b为交流率权值,c为眨眼率权值。
进一步地,通过识别模块以提取出的学生的面部图像从数据库中识别出相应的学生并获取该学生的学生信息的具体方法为:
从数据库中识别出相应的学生并获取该学生的眨眼频率参考值C参和对应每个学生的抬头率权值a、交流率权值b和眨眼率权值c。
进一步地,在通过评价基准模块接收识别模块识别到的教师信息和通过课程模块获取到的科目信息并根据以上信息从数据库中匹配相应的评价基准之后,还包括以下步骤:
通过计算模块计算出抬头率调整值A调和交流率调整值B调;
通过评价模块接收学生信息、对应的行为信息和评价基准并基于以上信息对学生的学习质量进行评估的具体方法为通过以下公式对每个学生进行打分:
Score=a|((A-A调)-A基)/A基|+b|((B-B调)-B基)/B基|+c|(C-C基)/C基|。
进一步地,在通过视频图像采集模块采集教师上课的第二视频信息之后还包括以下步骤:
对得到的交流率B进行修改正;
具体步骤为:
通过视频图像分析模块接收视频图像采集模块采集的第一视频图像信息和第二视频图像信息并统计讲话时间T讲、听讲时间T听和重复时间T重;
修正后的交流率B=(T讲-T重)/(T听+T重)。
一种基于课堂学生行为分析的学习质量评估系统,基于课堂学生行为分析的学习质量评估系统包括:
数据库,用于存储学生信息、教师信息和评价基准;
视频图像采集模块,用于采集学生上课的第一视频图像信息和教师上课的第二视频图像信息;
视频图像分析模块,用于接收视频图像采集模块采集的第一视频图像信息和第二视频图像信息并分析第一视频图像信息和第二视频图像信息以提取当前课堂上每个学生的面部图像、教师的面部图像并统计出对应每个学生的行为信息;
识别模块,用于以提取出的学生的面部图像和教师的面部图像从数据库中识别出相应的学生和教师并获取该学生的学生信息和该教师的教师信息;
课程模块,用于获取当前课程的科目信息;
评价基准模块,用于接收识别模块识别到的教师信息和通过课程模块获取到的科目信息并根据以上信息从数据库中匹配相应的评价基准;
评价模块,用于接收学生信息、对应的行为信息和评价基准并基于以上信息对学生的学习质量进行评估。
进一步地,基于课堂学生行为分析的学习质量评估系统还包括:
计算模块,用于获取抬头率调整值A调和交流率调整值B调。
本发明的有益之处在于提供的基于课堂学生行为分析的学习质量评估方法,在评估学生的学习质量时,将教师因素,科目因素综合考虑到评估方法中,可以使评估方法可以根据不同教师和不同科目进行相应的调整,评估的结果更加科学合理。
本发明的有益之处还在于提供的基于课堂学生行为分析的学习质量评估方法,通过公式:
Score=a|(A-A基)/A基|+b|(B-B基)/B基|+c|(C-C基)/C基|,较为精确体现了学生上课的表现和参考标准之间的差距,体现了学生上课的学习情况。
本发明的有益之处还在于提供的基于课堂学生行为分析的学习质量评估方法,引入了抬头率调整值A调和交流率调整值B调,有效减小了同一个教师教授同一个科目时由于课堂性质的不同而对评估结果带来的影响,可以使评估结果更贴近学生的实际学习情况。
本发明的有益之处还在于提供的基于课堂学生行为分析的学习质量评估方法,增加了对交流率B进行修正的步骤,使得评估的结果更加符合学生实际学习情况。
附图说明
图1是本发明的基于课堂学生行为分析的学习质量评估系统的示意图;
图2是本发明的基于课堂学生行为分析的学习质量评估方法的示意图。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
如图1所示,为本发明公开的一种基于课堂学生行为分析的学习质量评估系统,该基于课堂学生行为分析的学习质量评估系统包括:数据库1、视频图像采集模块2、视频图像分析模块3、识别模块4、课程模块5、评价基准模块6和评价模块7。其中,数据库1用于存储学生信息、教师信息和评价基准,视频图像采集模块2用于采集学生上课的第一视频图像信息和教师上课的第二视频图像信息,视频图像分析模块3用于接收视频图像采集模块2采集的第一视频图像信息和第二视频图像信息并分析第一视频图像信息和第二视频图像信息以提取当前课堂上每个学生的面部图像、教师的面部图像并统计出对应每个学生的行为信息,识别模块4用于以提取出的学生的面部图像和教师的面部图像从数据库1中识别出相应的学生和教师并获取该学生的学生信息和该教师的教师信息,课程模块5用于获取当前课程的科目信息,评价基准模块6用于接收识别模块4识别到的教师信息和通过课程模块5获取到的科目信息并根据以上信息从数据库1中匹配相应的评价基准,评价模块7用于接收学生信息、对应的行为信息和评价基准并基于以上信息对学生的学习质量进行评估。
进一步地,基于课堂学生行为分析的学习质量评估系统还包括计算模块8,用于计算抬头率调整值A调和交流率调整值B调。
如图2所示,本发明还公开了一种基于课堂学生行为分析的学习质量评估方法,应用于上述描述的基于课堂学生行为分析的学习质量评估系统,该方法具体包含以下步骤:S1:通过视频图像采集模块2采集学生上课的第一视频图像信息。S2:通过视频图像分析模块3接收视频图像采集模块2采集的第一视频图像信息并分析第一视频图像信息以提取当前课堂上的每个学生的面部图像并统计出对应每个学生的行为信息。S3:通过识别模块4以提取出的学生的面部图像从数据库1中识别出相应的学生并获取该学生的学生信息。S4:通过视频图像采集模块2采集教师上课的第二视频信息。S5:通过视频图像分析模块3接收视频图像采集模块2采集的第二视频图像信息并分析第二视频图像信息以提取当前课堂上的教师的面部图像。S6:通过识别模块4以提取出的教师的面部图像从数据库1中识别出相应的教师并获取该教师的教师信息。S7:通过课程模块5获取当前课程的科目信息。S8:通过评价基准模块6接收识别模块4识别到的教师信息和通过课程模块5获取到的科目信息并根据以上信息从数据库1中匹配相应的评价基准。S9:通过评价模块7接收学生信息、对应的行为信息和评价基准并基于以上信息对学生的学习质量进行评估。
对于S1:通过视频图像采集模块2采集学生上课的第一视频图像信息。
具体而言,视频图像采集模块2为摄像机,通过摄像机实时拍摄学生上课的视频信息,可以理解的是,单个摄像机拍摄的视频信息很有可能由于摄像机的安装位置、被拍摄学生转头等因素导致拍摄的视频信息不完整,因此,可以考虑通过多个摄像机安装在教师的不同方位,同步获取视频图像,通过多个不同角度的视频图像,拼接成一个完整的课堂视频图像。
对于S2:通过视频图像分析模块3接收视频图像采集模块2采集的第一视频图像信息并分析第一视频图像信息以提取当前课堂上的每个学生的面部图像并统计出对应每个学生的行为信息。
可以理解的是,视频图像分析模块3可以通过人工智能的方式根据需要智能分析视频图像中的信息,比如获取学生的面部图像、记录统计学生上课时的行为。
具体而言,先通过视频图像分析模块3提取第一视频图像信息中的每个学生的面部图像。再通过视频图像分析模块3提取第一视频图像信息中每个学生在当前课程中的抬头时间T抬、低头时间T低、讲话时间T讲、听讲时间T听、眨眼次数N,其中抬头时间T抬为其中一个学生在本次课程中抬头听课的时间,低头时间T低表示该学生头部低下的时间,讲话时间T讲表示该学生在本次课程中讲话交流的时间,听讲时间T听表示该学生在本次课程中未说话的时间,眨眼次数N表示该学生在本次课程中眨眼的次数,通过以上统计出的参数,可以得到该学生在本次课程中的抬头率A、交流率B和眨眼率C,其中抬头率A用于表示该学生在整节课程中抬头听课的时间的占比,A=T抬/T低,交流率B用于表示该学生在整节课程中交流的时间的占比,B=T讲/T听,眨眼率C用于表示该学生在整节课程中眨眼的频率,C=N/T抬。通过抬头率A、交流率B和眨眼率C可以反映该学生在本次课程中的学习表现。评价学生的抬头率A、交流率B和眨眼率C时,需要一个参考标准,即抬头率基准A基、交流率基准B基和眨眼率基准C基,该部分内容后面详述。
对于S3:通过识别模块4以提取出的学生的面部图像从数据库1中识别出相应的学生并获取该学生的学生信息。
当获取到学生的上课视频时,需要从视频图像中判断每个学生的信息,比如姓名,学号,性别等等,具体步骤为通过视频图像分析模块3从第一视频图像信息中提取每个学生的面部图像,并应用图像识别的方法,从数据库1中识别与该面部图像对应的学生的信息,数据库1中提前预存了每个学生的面部图像以及对应的学生信息,该学生信息包括姓名、学号、性别和眨眼率参考值C参,对于不同的学生,其正常时的眨眼的频率是不同的,因此,在通过眨眼率评价学生的学习情况时,需要针对不同学生设置不同的眨眼率参考值,当该学生在课程上的眨眼率A与该眨眼率参考值不同时,比如比眨眼率参考值低时,可以表征该学生在当前课程上的精力不够集中。
对于S4:通过视频图像采集模块2采集教师上课的第二视频信息。
与步骤S1相似,通过视频图像采集模块2采集教师的上课时的第二视频信息。
对于S5:通过视频图像分析模块3接收视频图像采集模块2采集的第二视频图像信息并分析第二视频图像信息以提取当前课堂上的教师的面部图像。
与S2相似的,视频图像分析模块3可以通过人工智能的方式根据需要提取第二视频信息中教师的面部图像。
对于S6:通过识别模块4以提取出的教师的面部图像从数据库1中识别出相应的教师并获取该教师的教师信息。
与S3相似的,通过视频图像分析模块3从第二视频图像信息中提取教师的面部图像,并应用图像识别的方法,从数据库1中识别与该面部图像对应的教师信息。
在S2中提到,通过抬头率A、交流率B和眨眼率C可以反映该学生在本次课程中的学习表现。而对于抬头率A和交流率B,不同的教师具有不同的上课风格,因此,在上不同教师的课程时,同样的抬头率A和交流率B可能具有不同含义,因此对于不同教师上的课,在评价抬头率A和交流率B时的抬头率基准A基和交流率基准B基是不同的。
对于S7:通过课程模块5获取当前课程的科目信息。
与S6相似的,不同课程的内容差别较大,对于不同的课程,学生在课堂上的表现也是不同的,因此,同样的抬头率A和交流率B对于不同的课程,可能具有不同含义,因此,科目信息也会影响到评价抬头率A和交流率B时的抬头率基准A基和交流率基准B基。
对于S8:通过评价基准模块6接收识别模块4识别到的教师信息和通过课程模块5获取到的科目信息并根据以上信息从数据库1中匹配相应的评价基准。
通过S6和S7明确当前课程的授课教师和科目信息,则对应的抬头率基准A基和交流率基准B基可以被确定,该对应信息被保存在数据库1中。
对于S9:通过评价模块7接收学生信息、对应的行为信息和评价基准并基于以上信息对学生的学习质量进行评估。
具体而言,通过评价模块7接收学生信息、对应的行为信息和评价基准并基于以上信息对学生的学习质量进行评估的具体方法为通过以下公式对每个学生进行打分:
Score=a|(A-A基)/A基|+b|(B-B基)/B基|+c|(C-C基)/C基|,该分数的值越大,则表明该学生的表现偏离参考值标准越大,课堂表现较差,该分数的值越小,表明该学生的课堂表现符合参考标准,表现较好。
其中,公式中的a为抬头率权值,b为交流率权值,c为眨眼率权值,以上权值用于表征抬头率A和交流率B和眨眼率C对于评价学生的重要性,权值越大,则表明该项对于评价学生越重要,一般a的范围为大于等于0.7小于等于0.85,b的范围为大于等于0.75小于等于0.9,c的范围为大于等于0.45小于等于0.65,在本实施中,a为0.75,b为0.85,c为0.55。
可以理解的,对于不同的学生,同样的交流率也有可能有着不同的意义,比如,有的学生性格主动,善于表达自己,因此其讲话的频率比较大,其平时课堂的交流率A的值可能比交流率基准A基大,但并不意味着该学生课堂表现不好,反之,对于内向的孩子,讲话的次数较少,其平时课堂的交流率A的值可能比交流率基准A基小,同样也不能完全表示其课堂表现不好,因此,抬头率权值a,交流率权值b和眨眼率权值c也可针对不同的学生设定不同的值,体现出因材施教。该设定可以集成在数据库1存储的学生信息中,从学生信息中读取该学生的抬头率权值a、交流率权值b和眨眼率权值c以用于计算该学生的学习表现。
进一步地,在S8:通过评价基准模块6接收识别模块4识别到的教师信息和通过课程模块5获取到的科目信息并根据以上信息从数据库1中匹配相应的评价基准之后,还包括以下步骤:通过计算模块8获取抬头率调整值A调和交流率调整值B调。
可以理解的是,上述的抬头率基准A基和交流率基准B基是针对不同的教师和不同的科目预设的一个参考值,但有时实际上课过程中会发现,对于同一个教师教授同一科目的课程,由于其上课的内容或性质有所差别,对课堂的影响比较大,需要进行相应的调整。比如当前课堂,教师讲解试卷,学生的交流率A和抬头率B很有可能和教师平时上课讲解课本时存在较大的差异。对此引入抬头率调整值A调和交流率调整值B调,其具体含义如下:
抬头率调整值A调为全班所有学生的抬头率A的平均值与抬头率基准A基的差值的绝对值,即,
A调=|(A1+A2+……An)/n-A基|,其中A1至An表示不同学生的抬头率值,n表示学生的数量,
而交流率调整值B调为全班所有学生的交流率B的平均值与交流率基准B基的差值,即,
B调=|(B1+B2+……Bn)/n-B基|,其中B1至Bn表示不同学生的抬头率值,n表示学生的数量,
以上设定的意义在于,当该课程中,全体学生的抬头率A和交流率B相比基准值差距都比较大,很有可能是由于课程的内容或性质和平时有较大差别,此时引入A调和B调可以减小因上课的内容或性质的因素带来的计算结果的偏离。
此时,通过评价模块7接收学生信息、对应的行为信息和评价基准,并基于以上信息对学生的学习质量进行评估的具体方法为通过以下公式对每个学生进行打分:
Score=a|((A-A调)-A基)/A基|+b|((B-B调)-B基)/B基|+c|(C-C基)/C基|,
上述公式考虑到授课内容或授课性质对课堂的影响,引入修正值对结果进行修正。
更进一步地,在通过视频图像采集模块2采集教师上课的第二视频信息之后还包括以下步骤:对得到的交流率B进行修改正。
可以理解的,学生在课堂上说话,有时并非是为了回答教师的疑问或沟通问题,一般,我们认为,在教师讲解的过程中,该学生讲话并非用于答疑或沟通问题,因此,该学生的实际交流的时间不能完全通过该学生讲话的时间衡量,在这里引入重复时间T重,重复时间T重表示教师在讲话期间该学生也在说话的时间,具体步骤为:通过视频图像分析模块3接收视频图像采集模块2采集的第一视频图像信息和第二视频图像信息并统计讲话时间T讲、听讲时间T听和重复时间T重。
修正后的交流率B=(T讲-T重)/(T听+T重),将修正后的交流率B带入上述公式,可以得到更加精确的学习评估。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,上述实施例不以任何形式限制本发明,凡采用等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内。
Claims (2)
1.一种基于课堂学生行为分析的学习质量评估方法,其特征在于,所述基于课堂学生
行为分析的学习质量评估方法包含以下步骤:
通过视频图像采集模块采集学生上课的第一视频图像信息;
通过视频图像分析模块接收所述视频图像采集模块采集的第一视频图像信息并分析所述第一视频图像信息以提取当前课堂上的每个学生的面部图像并统计出对应每个学生的行为信息;
通过识别模块以提取出的学生的面部图像从数据库中识别出相应的学生并获取该学生的学生信息;
通过所述视频图像采集模块采集教师上课的第二视频信息;
通过所述视频图像分析模块接收所述视频图像采集模块采集的第二视频图像信息并分析所述第二视频图像信息以提取当前课堂上的教师的面部图像;
通过所述识别模块以提取出的教师的面部图像从所述数据库中识别出相应的教师并获取该教师的教师信息;
通过课程模块获取当前课程的科目信息;
通过评价基准模块接收所述识别模块识别到的教师信息和通过所述课程模块获取到的科目信息并根据以上信息从所述数据库中匹配相应的评价基准;
通过评价模块接收所述学生信息、对应的所述行为信息和所述评价基准并基于以上信息对学生的学习质量进行评估;
所述通过视频图像分析模块接收所述视频图像采集模块采集的第一视频图像信息并分析所述第一视频图像信息以提取当前课堂上的每个学生的面部图像并统计出对应每个学生的行为信息的具体方法为:
通过所述视频图像分析模块提取第一视频图像信息中的每个学生的面部图像;
通过所述视频图像分析模块提取第一视频图像信息中每个学生在当前课程中的抬头时间T抬、低头时间T低、讲话时间T讲、听讲时间T听、眨眼次数N,并通过所述抬头时间T抬、低头时间T低、讲话时间T讲、听讲时间T听、眨眼次数N得到每个学生的抬头率A、交流率B和眨眼率C;
其中,抬头率A用于表示该学生在整节课程中抬头听课的时间的占比,A=T 抬/T低;
交流率B用于表示该学生在整节课程中交流的时间的占比,B=T讲/T听;
眨眼率C用于表示该学生在整节课程中眨眼的频率,C=N/T抬;
所述通过识别模块以提取出的学生的面部图像从数据库中识别出相应的学生并获取该学生的学生信息的具体方法为:
从所述数据库中识别出相应的学生并获取该学生的眨眼频率参考值C参;
所述通过评价基准模块接收所述识别模块识别到的教师信息和通过所述课程模块获取到的科目信息并根据以上信息从所述数据库中匹配相应的评价基准的具体方法为:
根据所述教师信息和所述科目信息从所述数据库中获取相应的抬头率基准A 基和交流率基准B基;
所述通过评价模块接收所述学生信息、对应的所述行为信息和所述评价基准并基于以上信息对学生的学习质量进行评估的具体方法为通过以下公式对每个学生进行打分:
Score=a|(A-A基)/A基|+b|(B-B基)/B基|+c|(C-C基)/C基|;
其中,a为抬头率权值,b为交流率权值,c为眨眼率权值;
所述通过识别模块以提取出的学生的面部图像从数据库中识别出相应的学生并获取该学生的学生信息的具体方法为:
从所述数据库中识别出相应的学生并获取该学生的眨眼频率参考值C参和对应每个学生的所述抬头率权值a、所述交流率权值b和所述眨眼率权值c;
在所述通过评价基准模块接收所述识别模块识别到的教师信息和通过所述课程模块获取到的科目信息并根据以上信息从所述数据库中匹配相应的评价基准之后,还包括以下步骤:
通过计算模块计算出抬头率调整值A调和交流率调整值B调;
所述通过评价模块接收所述学生信息、对应的所述行为信息和所述评价基准并基于以上信息对学生的学习质量进行评估的具体方法为通过以下公式对每个学生进行打分:
Score=a|((A-A调)-A基)/A基|+b|((B-B调)-B基)/B基|+c|(C-C基)/C基|;
在通过所述视频图像采集模块采集教师上课的第二视频信息之后还包括以下步骤:
对得到的所述交流率B进行修改正;
具体步骤为:
通过所述视频图像分析模块接收所述视频图像采集模块采集的第一视频图像信息和第二视频图像信息并统计讲话时间T讲、听讲时间T听和重复时间T重;
修正后的交流率B=(T讲-T重)/(T听+T重)。
2.一种基于课堂学生行为分析的学习质量评估系统,其特征在于,所述基于课堂学生行为分析的学习质量评估系统包括:
数据库,用于存储学生信息、教师信息和评价基准;
视频图像采集模块,用于采集学生上课的第一视频图像信息和教师上课的第二视频图像信息;
视频图像分析模块,用于接收所述视频图像采集模块采集的第一视频图像信息和第二视频图像信息并分析所述第一视频图像信息和所述第二视频图像信息以提取当前课堂上
每个学生的面部图像、教师的面部图像并统计出对应每个学生的行为信息;
识别模块,用于以提取出的学生的面部图像和教师的面部图像从所述数据库中识别出相应的学生和教师并获取该学生的学生信息和该教师的教师信息;
课程模块,用于获取当前课程的科目信息;
评价基准模块,用于接收所述识别模块识别到的教师信息和通过所述课程模块获取到的科目信息并根据以上信息从所述数据库中匹配相应的评价基准;
评价模块,用于接收所述学生信息、对应的所述行为信息和所述评价基准并基于以上信息对学生的学习质量进行评估;
所述通过视频图像分析模块接收所述视频图像采集模块采集的第一视频图像信息并分析所述第一视频图像信息以提取当前课堂上的每个学生的面部图像并统计出对应每个学生的行为信息的具体方法为:
通过所述视频图像分析模块提取第一视频图像信息中的每个学生的面部图像;
通过所述视频图像分析模块提取第一视频图像信息中每个学生在当前课程中的抬头时间T抬、低头时间T低、讲话时间T讲、听讲时间T听、眨眼次数N,并通过所述抬头时间T抬、低头时间T低、讲话时间T讲、听讲时间T听、眨眼次数N得到每个学生的抬头率A、交流率B和眨眼率C;
其中,抬头率A用于表示该学生在整节课程中抬头听课的时间的占比,A=T 抬/T低;
交流率B用于表示该学生在整节课程中交流的时间的占比,B=T讲/T听;
眨眼率C用于表示该学生在整节课程中眨眼的频率,C=N/T抬;
所述通过识别模块以提取出的学生的面部图像从数据库中识别出相应的学生并获取该学生的学生信息的具体方法为:
从所述数据库中识别出相应的学生并获取该学生的眨眼频率参考值C参;
所述通过评价基准模块接收所述识别模块识别到的教师信息和通过所述课程模块获取到的科目信息并根据以上信息从所述数据库中匹配相应的评价基准的具体方法为:
根据所述教师信息和所述科目信息从所述数据库中获取相应的抬头率基准A 基和交流率基准B基;
所述通过评价模块接收所述学生信息、对应的所述行为信息和所述评价基准并基于以上信息对学生的学习质量进行评估的具体方法为通过以下公式对每个学生进行打分:
Score=a|(A-A基)/A基|+b|(B-B基)/B基|+c|(C-C基)/C基|;
其中,a为抬头率权值,b为交流率权值,c为眨眼率权值;
所述通过识别模块以提取出的学生的面部图像从数据库中识别出相应的学生并获取该学生的学生信息的具体方法为:
从所述数据库中识别出相应的学生并获取该学生的眨眼频率参考值C参和对应每个学生的所述抬头率权值a、所述交流率权值b和所述眨眼率权值c;
所述基于课堂学生行为分析的学习质量评估系统还包括:
计算模块,用于获取抬头率调整值A调和交流率调整值B调;
所述通过评价模块接收所述学生信息、对应的所述行为信息和所述评价基准并基于以上信息对学生的学习质量进行评估的具体方法为通过以下公式对每个学生进行打分:
Score=a|((A-A调)-A基)/A基|+b|((B-B调)-B基)/B基|+c|(C-C基)/C基|;
在通过所述视频图像采集模块采集教师上课的第二视频信息之后还包括以下步骤:
对得到的所述交流率B进行修改正;
具体步骤为:
通过所述视频图像分析模块接收所述视频图像采集模块采集的第一视频图像信息和第二视频图像信息并统计讲话时间T讲、听讲时间T听和重复时间T重;
修正后的交流率B=(T讲-T重)/(T听+T重)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910096004.7A CN109858809B (zh) | 2019-01-31 | 2019-01-31 | 基于课堂学生行为分析的学习质量评估方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910096004.7A CN109858809B (zh) | 2019-01-31 | 2019-01-31 | 基于课堂学生行为分析的学习质量评估方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109858809A CN109858809A (zh) | 2019-06-07 |
CN109858809B true CN109858809B (zh) | 2020-04-28 |
Family
ID=66897152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910096004.7A Active CN109858809B (zh) | 2019-01-31 | 2019-01-31 | 基于课堂学生行为分析的学习质量评估方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109858809B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111144255B (zh) * | 2019-12-18 | 2024-04-19 | 华中科技大学鄂州工业技术研究院 | 一种教师的非语言行为的分析方法及装置 |
CN110991941A (zh) * | 2019-12-24 | 2020-04-10 | 成都中医药大学 | 基于网络课程的学生画像模型的构建方法 |
CN111445365A (zh) * | 2020-04-13 | 2020-07-24 | 申珊珊 | 一种在线远程教育系统 |
CN111985364A (zh) * | 2020-08-06 | 2020-11-24 | 深圳拔越软件有限公司 | 一种远程互联网教育学生行为评价方法及系统 |
CN114038256B (zh) * | 2021-11-29 | 2022-07-12 | 西南医科大学 | 一种基于人工智能的教学互动系统 |
CN114358573A (zh) * | 2021-12-30 | 2022-04-15 | 北京碧云数创科技有限公司 | 课堂数据处理方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160044315A (ko) * | 2014-10-15 | 2016-04-25 | 한국과학기술연구원 | 학생 수업태도 분석 시스템 및 분석 방법 |
WO2018233398A1 (zh) * | 2017-06-23 | 2018-12-27 | 北京易真学思教育科技有限公司 | 学习监控方法、装置及电子设备 |
Family Cites Families (9)
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 |
CN206489625U (zh) * | 2016-09-09 | 2017-09-12 | 重庆鼎御天科技有限公司 | 一种通过人脸识别技术实现课堂教学质量评估的系统 |
CN107316257B (zh) * | 2017-06-06 | 2020-11-10 | 南京信息工程大学 | 一种基于课堂学生行为分析的教学质量评估方法及系统 |
CN107133611B (zh) * | 2017-06-06 | 2020-07-31 | 南京信息工程大学 | 一种课堂学生点头率识别与统计方法及装置 |
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 |
CN107895244A (zh) * | 2017-12-26 | 2018-04-10 | 重庆大争科技有限公司 | 课堂教学质量评估方法 |
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 |
CN108875606A (zh) * | 2018-06-01 | 2018-11-23 | 重庆大学 | 一种基于表情识别的课堂教学评价方法及系统 |
CN109035089A (zh) * | 2018-07-25 | 2018-12-18 | 重庆科技学院 | 一种在线课堂氛围评估系统及方法 |
-
2019
- 2019-01-31 CN CN201910096004.7A patent/CN109858809B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160044315A (ko) * | 2014-10-15 | 2016-04-25 | 한국과학기술연구원 | 학생 수업태도 분석 시스템 및 분석 방법 |
WO2018233398A1 (zh) * | 2017-06-23 | 2018-12-27 | 北京易真学思教育科技有限公司 | 学习监控方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109858809A (zh) | 2019-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109858809B (zh) | 基于课堂学生行为分析的学习质量评估方法和系统 | |
CN110991381B (zh) | 一种基于行为和语音智能识别的实时课堂学生状态分析与指示提醒系统和方法 | |
CN107895244A (zh) | 课堂教学质量评估方法 | |
CN105825189B (zh) | 一种用于大学生到课率及上课专注度自动分析的装置 | |
CN114038256B (zh) | 一种基于人工智能的教学互动系统 | |
CN108154304A (zh) | 具有教学质量评估功能的服务器 | |
CN108009754A (zh) | 教学质量评估方法 | |
CN108171414A (zh) | 教学质量评估系统 | |
CN112862639B (zh) | 一种基于大数据分析的在线教育平台的教育方法 | |
JP2002544570A (ja) | 話し方認識モデル化を使用する自動化された言語査定 | |
CN108182649A (zh) | 用于教学质量评估的智能机器人 | |
RU2010102675A (ru) | Способ электронного анализа диалога и система для осуществления этого способа | |
CN113139885A (zh) | 教学管理系统及其管理方法 | |
CN117151528A (zh) | 一种职业教育培训管理系统 | |
CN112598552A (zh) | 一种教育课堂数据分析系统 | |
CN111522877A (zh) | 教育课程在线同步处理系统 | |
Shih et al. | An adaptive training program for tone acquisition | |
CN110991943A (zh) | 一种基于云计算的教学质量评价系统 | |
CN116452071A (zh) | 一种基于vr和5g技术的智慧教学质量评估系统 | |
CN114512041B (zh) | 一种基于全景摄像的教学行为大数据分析装置 | |
CN113379207B (zh) | 实训平台的控制方法、实训平台和可读存储介质 | |
CN111611896B (zh) | 一种考试防作弊的管理系统 | |
CN115062950A (zh) | 一种基于数字化智能学习培训管理系统 | |
CN114580882A (zh) | 一种面向混合式教学方法的授课效果评估系统及方法 | |
CN112991826A (zh) | 一种英语发音质量识别和评价系统 |
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 |