CN110084508A - 一种课堂教学效果评测方法及装置 - Google Patents
一种课堂教学效果评测方法及装置 Download PDFInfo
- Publication number
- CN110084508A CN110084508A CN201910337930.9A CN201910337930A CN110084508A CN 110084508 A CN110084508 A CN 110084508A CN 201910337930 A CN201910337930 A CN 201910337930A CN 110084508 A CN110084508 A CN 110084508A
- Authority
- CN
- China
- Prior art keywords
- classroom
- participant
- eeg data
- data matrix
- participants
- 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
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/168—Evaluating attention deficit, hyperactivity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Psychiatry (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Developmental Disabilities (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Psychology (AREA)
- Economics (AREA)
- Pathology (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Child & Adolescent Psychology (AREA)
- Marketing (AREA)
- Hospice & Palliative Care (AREA)
- General Business, Economics & Management (AREA)
- Social Psychology (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明实施例提供一种课堂教学效果评测方法及装置,通过相同的采集频率采集各位课堂参与者在相同时间段的脑电数据,再计算每两位课堂参与者的脑电数据之间的相关性,作为每两位课堂参与者的脑电数据之间的一致性指标,最终通过计算平均值的方法获得所有课堂参与者的脑电数据之间的一致性指标,并通过该一致性指标对课堂教学效果进行评测。该方法及装置基于所有课堂参与者的脑电数据之间的一致性对课堂教学效果进行评测,克服了现有的基于单个课堂参与者的脑电数据进行课堂教学效果评测的局限性,能够有效对课堂教学效果进行准确评测,进而确保课堂教学效果评测结果的准确性,可广泛应用于其他团体活动的评测中。
Description
技术领域
本发明实施例涉及数据处理技术领域,更具体地,涉及一种课堂教学效果评测方法及装置。
背景技术
教育对于个人、家庭乃至社会和国家都具有重大意义。其中,课堂教学是目前基础教育中教学活动最主要的形态,课堂教学效果是教育质量的基础和关键。因此,如何客观有效地对课堂教学效果进行评测备受关注。
传统的课堂教学效果评测主要依赖主观报告实现,包括师生及课堂外专家对交互过程的打分、学生的学业成绩等方面。近年来,人体神经生理信号传感技术的发展,为评测课堂教学效果提供了新的解决思路,基于神经生理指标的课堂教学效果评测技术应运而生。基于神经生理指标的课堂教学效果评测技术运用可穿戴式传感器获取人体的脑电、皮电、心电等神经生理指标,通过这些指标可以更加全面地刻画学生个体在课堂中的表现。
现有的基于神经生理指标的课堂教学效果评测技术大多关注单个个体的状态,根据单个个体的神经生理数据计算单个个体在课堂上的专注度、情绪体验等状态,以对课堂教学效果进行评价。然而,这种基于单个个体的神经生理数据的课堂教学效果评测方法具有其局限性。以计算学生在课堂上的专注度为例,理想情况是学生们都专注地听老师的授课,但如果某位学生正在关注课堂外的其它事物(如手机),仅对这位学生的神经生理数据进行分析也可能得到很高的专注度,并不能真实有效地反映这位学生的实际课堂参与程度,从而无法准确地对课堂教学效果进行评测。
发明内容
本发明实施例为了克服现有的课堂教学效果评测方法无法准确地对课堂教学效果进行评测的问题,提供一种课堂教学效果评测方法及装置。
第一方面,本发明实施例提供一种课堂教学效果评测方法,包括:
利用预设采集频率采集目标课堂中各位课堂参与者在预设时间段的脑电数据,将每位课堂参与者在所述预设时间段所采集的所有脑电数据进行组合,作为每位课堂参与者的脑电数据矩阵;
将所有课堂参与者中的每两位课堂参与者进行随机组合,获得多个课堂参与者组合,对于任意一个课堂参与者组合,计算所述课堂参与者组合中两位课堂参与者的脑电数据矩阵之间的相关性并获得相关系数,作为所述课堂参与者组合的一致性指标;
计算所有课堂参与者组合的一致性指标的平均值,作为目标一致性指标,根据所述目标一致性指标对所述目标课堂的教学效果进行评测。
第二方面,本发明实施例提供一种课堂教学效果评测装置,包括:
脑电数据采集模块,用于利用预设采集频率采集目标课堂中各位课堂参与者在预设时间段的脑电数据,将每位课堂参与者在所述预设时间段所采集的所有脑电数据进行组合,作为每位课堂参与者的脑电数据矩阵;
相关性计算模块,用于将所有课堂参与者中的每两位课堂参与者进行随机组合,获得多个课堂参与者组合,对于任意一个课堂参与者组合,计算所述课堂参与者组合中两位课堂参与者的脑电数据矩阵之间的相关性并获得相关系数,作为所述课堂参与者组合的一致性指标;
教学效果评测模块,用于计算所有课堂参与者组合的一致性指标的平均值,作为目标一致性指标,根据所述目标一致性指标对所述目标课堂的教学效果进行评测。
第三方面,本发明实施例提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面所提供的方法的步骤。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。
本发明实施例提供的课堂教学效果评测方法及装置,通过相同的采集频率采集各位课堂参与者在相同时间段的脑电数据,再计算每两位课堂参与者的脑电数据之间的相关性,作为每两位课堂参与者的脑电数据之间的一致性指标,最终通过计算平均值的方法获得所有课堂参与者的脑电数据之间的一致性指标,并通过该一致性指标对课堂教学效果进行评测。该方法及装置基于所有课堂参与者的脑电数据之间的一致性对课堂教学效果进行评测,克服了现有的基于单个课堂参与者的脑电数据进行课堂教学效果评测的局限性,能够有效对课堂教学效果进行准确评测,进而确保课堂教学效果评测结果的准确性,可广泛应用于其他团体活动的评测中。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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的附图。
图1为本发明实施例提供的课堂教学效果评测方法的流程示意图;
图2为本发明实施例提供的课堂教学效果评测装置的结构示意图;
图3为本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。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。
图1为本发明实施例提供的课堂教学效果评测方法的流程示意图,如图1所示,本发明实施例提供一种课堂教学效果评测方法,包括:
S1,利用预设采集频率采集目标课堂中各位课堂参与者在预设时间段的脑电数据,将每位课堂参与者在预设时间段所采集的所有脑电数据进行组合,作为每位课堂参与者的脑电数据矩阵;
具体地,本发明实施例中,当需要对目标课堂的教学效果进行评测时,首先,利用预设采集频率采集目标课堂中各位课堂参与者在预设时间段的脑电数据。其中,预设采集频率和预设时间段是预先设置的。由于人脑神经电活动具有快速时变的特性,因此本发明实施例中的预设采集频率设置为500赫兹以上,在其他实施例中也可以根据实际需求进行设置,此处不做具体限定。此外,为了能够对目标课堂的教学效果进行实时评测,本发明实施例中的预设时间段的长度设置为1秒,在其他实施例中也可以根据实际需求进行设置,此处不做具体限定。可以理解的是,根据预设采集频率和预设时间段可确定出预设时间段内的所有采集时间点,因此,每位课堂参与者在预设时间段所采集的脑电数据包括了所有采集时间点所采集的脑电数据。其中,每个采集时间点所采集的脑电数据包括国际10-20标准电极位置中的Fz、F3、F4、Cz、C3、C4共六个电极位置的电压值。也就是说,每个采集时间点所采集的脑电数据为一个包含六个电压值的序列。最终,将每位课堂参与者在预设时间段所采集的所有脑电数据进行组合,即,将每位课堂参与者在所有采集时间点所采集的所有脑电数据组合成一个矩阵,作为每位课堂参与者的脑电数据矩阵。此外,在其他实施例中,每个采集时间点所采集的脑电数据中所涉及的电极位置可以根据实际采用的脑电采集设备进行确定,此处不做具体限定。
需要说明的是,在实际应用中,可以为每位课堂参与者各配置一台相同的脑电采集设备,该脑电采集设备需具有高精度的时间戳功能,并预先将每台脑电采集设备的采集频率设置为预设采集频率。然后,在预设时间段的起始时间点同时启动每位课堂参与者对应的脑电采集设备,以使得每台脑电采集设备在预设时间段对每位课堂参与者的脑电数据进行采集。
S2,将所有课堂参与者中的每两位课堂参与者进行随机组合,获得多个课堂参与者组合,对于任意一个课堂参与者组合,计算课堂参与者组合中两位课堂参与者的脑电数据矩阵之间的相关性并获得相关系数,作为课堂参与者组合的一致性指标;
具体地,在上述技术方案的基础上,将所有课堂参与者中的每两位课堂参与者进行随机组合,获得多个课堂参与者组合。可以理解的是,每个课堂参与者组合中均包括两位课堂参与者。举例而言,若所有课堂参与者的总数量为10,则将所有课堂参与者中的每两位课堂参与者进行随机组合,获得的课堂参与者组合的数量为C120=45个,且每个课堂参与者组合中均包括两位课堂参与者。
进一步地,在获得多个课堂参与者组合之后,对于任意一个课堂参与者组合,首先获取该课堂参与者组合中的两位课堂参与者的脑电数据矩阵。然后,计算这两位课堂参与者的脑电数据矩阵之间的相关性并获得相关系数。本发明实施例中,采用典型相关分析方法计算每个课堂参与者组合中两位课堂参与者的脑电数据矩阵之间的相关性。需要说明的是,典型相关分析方法是利用综合变量对之间的相关关系来反映两组指标之间的整体相关性的多元统计分析方法;它的基本原理是:为了从总体上把握两组指标之间的相关关系,分别在两组变量中提取有代表性的两个综合变量U1和V1(分别为两个变量组中各变量的线性组合),利用这两个综合变量之间的相关关系来反映两组指标之间的整体相关性。在其他实施例中,还可以采用其他相关分析方法计算每个课堂参与者组合中两位课堂参与者的脑电数据矩阵之间的相关性,可以根据实际需求进行设置,此处不做具体限定。
进一步地,通过上述方法步骤,即可获得每个课堂参与者组合中两位课堂参与者的脑电数据矩阵之间的相关系数。在此基础上,将每个课堂参与者组合中两位课堂参与者的脑电数据矩阵之间的相关系数作为每个课堂参与者组合的一致性指标。需要说明的是,每个课堂参与者组合的一致性指标反映了每个课堂参与者组合中的两位课堂参与者的脑电数据矩阵的一致性的强弱程度。
S3,计算所有课堂参与者组合的一致性指标的平均值,作为目标一致性指标,根据目标一致性指标对所述目标课堂的教学效果进行评测。
具体地,在获得每个课堂参与者组合的一致性指标之后,再计算所有课堂参与者组合的一致性指标的平均值,将所有课堂参与者组合的一致性指标的平均值作为目标一致性指标。最终,根据目标一致性指标对目标课堂的教学效果进行评测。需要说明的是,目标一致性指标反映了所有课堂参与者的脑电数据矩阵的一致性的强弱程度。
需要说明的是,在同一交互情景下的个体之间神经生理活动存在必然的一致性,这种一致性的强弱取决于各个体主观上对该交互情景解读的相似性。当每个学生均集中注意力听课时,他们的神经生理活动将跟随老师的授课内容和节奏改变,各学生的神经生理指标(包括脑电指标)将存在较强的一致性。然而,倘若某个学生在课堂上走神,即便该学生可能因为关注课堂外的其它事物(如手机)而具有很高的专注度,但该学生的神经生理变化过程将和其他学生的神经生理变化过程显著不同,那么该学生的神经生理指标和其他学生的神经生理指标将存在较弱的一致性。
基于上述原理可知,本发明实施例中,若目标课堂上的每位课堂参与者都认真听课,则每个课堂参与者组合中的两位课堂参与者的脑电数据矩阵之间的相关系数均较大,即,每个课堂参与者组合的一致性指标均较高,进而所有课堂参与者组合的一致性指标的平均值也较高,即,目标一致性指标较高。若目标课堂上存在一个或多个课堂参与者没有认真听课,则将存在多个课堂参与者组合中的两位课堂参与者的脑电数据矩阵之间的相关系数较小,即,将存在多个课堂参与者组合的一致性指标较低,进而所有课堂参与者组合的一致性指标的平均值也较低,即,目标一致性指标较低。
在上述原理的基础上,本发明实施例中,在根据目标一致性指标对目标课堂的教学效果进行评测时,若目标一致性指标越高则可以确定目标课堂的教学效果越好;若目标一致性指标越低则可以确定目标课堂的教学效果越差。
此外,需要说明的是,在其他实施例中,还可以采集目标课堂中每位课堂参与者的皮电数据或心电数据等神经生理数据,并基于所有课堂参与者的皮电数据或心电数据之间的一致性对目标课堂的教学效果进行评测。具体实现方式与上述方法实施例中基于所有课堂参与者的脑电数据之间的一致性对目标课堂的教学效果进行评测的实现方式相同,具体可参见上述方法实施例,此处不再赘述。
本发明实施例提供的课堂教学效果评测方法,通过相同的采集频率采集各位课堂参与者在相同时间段的脑电数据,再计算每两位课堂参与者的脑电数据之间的相关性,作为每两位课堂参与者的脑电数据之间的一致性指标,最终通过计算平均值的方法获得所有课堂参与者的脑电数据之间的一致性指标,并通过该一致性指标对课堂教学效果进行评测。该方法基于所有课堂参与者的脑电数据之间的一致性对课堂教学效果进行评测,克服了现有的基于单个课堂参与者的脑电数据进行课堂教学效果评测的局限性,能够有效对课堂教学效果进行准确评测,进而确保课堂教学效果评测结果的准确性,可广泛应用于其他团体活动的评测中。
基于上述任一实施例,提供一种课堂教学效果评测方法,根据目标一致性指标对目标课堂的教学效果进行评测,之后还包括:将目标课堂的教学效果评测结果作为第一评测结果,将第一评测结果反馈给每位课堂参与者,以使得每位课堂参与者根据第一评测结果对自身的课堂参与程度进行调整。
具体地,本发明实施例中,根据目标一致性指标对目标课堂的教学效果进行评测,获得目标课堂的教学评测结果,将目标课堂的教学评测结果作为第一评测结果。可以理解的是,若目标一致性指标越高,则第一评测结果的分值越高;若目标一致性指标越低,则第一评测结果的分值越低。最终,将第一评测结果反馈给每位课堂参与者,以使得每位课堂参与者根据第一评测结果对自身的课堂参与程度进行调整。可以理解的是,若第一评测结果的分值越高,则说明所有课堂参与者的整体课堂参与程度越高,此时对于每位课堂参与者而言,仅需保持目前自身的课堂参与程度;若第一评测结果的分值越低,则说明所有课堂参与者的整体课堂参与程度越低,此时对于某些没有认真参与课堂内容的课堂参与者而言,则需调整自身的课堂参与程度。
需要说明的是,本发明实施例中,可以将第一评测结果通过视觉和听觉等多种形式反馈给每位课堂参与者。例如,可以将第一评测结果显示在课堂的显示屏上,也可以将第一评测结果以语音的形式进行现场播报。在其他实施例中,第一评测结果的反馈方式还可以根据实际需求进行设置,此处不做具体限定。
本发明实施例提供的课堂教学效果评测方法,在根据目标一致性指标对目标课堂的教学效果进行评测之后,将目标课堂的教学效果评测结果作为第一评测结果,将第一评测结果反馈给每位课堂参与者,以使得每位课堂参与者根据第一评测结果对自身的课堂参与程度进行调整,有利于提高所有课堂参与者的整体课堂参与程度,进而有利于改善课堂教学效果评测结果。
基于上述任一实施例,提供一种课堂教学效果评测方法,计算课堂参与者组合中两位课堂参与者的脑电数据矩阵之间的相关性并获得相关系数,作为课堂参与者组合的一致性指标,之后还包括:对于任意一位课堂参与者,将包含课堂参与者的每个课堂参与者组合作为目标组合,并获取每个目标组合的一致性指标;计算所有目标组合的一致性指标的平均值,作为课堂参与者的一致性指标,根据课堂参与者的一致性指标对课堂参与者的课堂参与程度进行评测。
具体地,本发明实施例中,在计算每个课堂参与者组合中的两位课堂参与者的脑电数据矩阵之间的相关性并获得相关系数之后,即可获得每个课堂参与者组合的一致性指标。在此基础上,对于任意一位课堂参与者,从所有课堂参与者组合中筛选出包含该课堂参与者的课堂参与者组合,并将其作为目标组合。举例而言,若目标课堂的所有课堂参与者分别为甲、乙、丙和丁,则对于甲而言,包含甲的课堂参与者组合分别为:甲和乙的组合、甲和丙的组合、甲和丁的组合,对于甲而言,这3个课堂参与者组合即为目标组合。
进一步地,由于上述实施例中已经计算获得了每个课堂参与者组合的一致性指标。因此,对于任意一个课堂参与者,在获得该课堂参与者对应的目标组合之后,可以直接获取每个目标组合的一致性指标。再计算所有目标组合的一致性指标的平均值,将其作为该课堂参与者的一致性指标。可以理解的是,通过上述方法步骤即可获得每个课堂参与者的一致性指标。最终,根据每个课堂参与者的一致性指标对每个课堂参与者的课堂参与程度进行评测。
需要说明的是,对于任意一位课堂参与者而言,若该课堂参与者的课堂参与程度越高,那么该课堂参与者与其他课堂参与者的脑电数据之间的相关系数越大,因而该课堂参与者对应的目标组合的一致性指标越高,进而该课堂参与者的一致性指标也越高。若该课堂参与者的课堂参与程度越低,那么该课堂参与者与其他课堂参与者的脑电数据之间的相关系数越小,因而该课堂参与者对应的目标组合的一致性指标越低,进而该课堂参与者的一致性指标也越低。
基于上述原理,本发明实施例中,在获得每个课堂参与者的一致性指标之后,对于某个课堂参与者而言,若该课堂参与者的一致性指标越高,则说明该课堂参与者的课堂参与程度越高;若该课堂参与者的一致性指标越低,则说明该课堂参与者的课堂参与程度越低。
本发明实施例提供的课堂教学效果评测方法,对于任意一位课堂参与者,将包含课堂参与者的每个课堂参与者组合作为目标组合,并获取每个目标组合的一致性指标;计算所有目标组合的一致性指标的平均值,作为课堂参与者的一致性指标,根据课堂参与者的一致性指标对课堂参与者的课堂参与程度进行评测。该方法基于每位课堂参与者的脑电数据与其他课堂参与者的脑电数据之间的一致性对每位课堂参与者的课堂参与程度进行评测,能够真实地反映每位课堂参与者的实际课堂参与程度。
基于上述任一实施例,提供一种课堂教学效果评测方法,根据课堂参与者的一致性指标对课堂参与者的课堂参与程度进行评测,之后还包括:将课堂参与者的课堂参与程度评测结果作为第二评测结果,将第二评测结果反馈给课堂参与者,以使得课堂参与者根据第二评测结果对自身的课堂参与程度进行调整。
具体地,本发明实施例中,对于任意一位课堂参与者,根据该课堂参与者的一致性指标对该课堂参与者的课堂参与程度进行评测,获得该课堂参与者的课堂参与程度评测结果,将该课堂参与者的课堂参与程度评测结果作为第二评测结果。可以理解的是,若该课堂参与者的一致性指标越高,则第二评测结果的分值越高;若该课堂参与者的一致性指标越低,则第二评测结果的分值越低。最终,将第二评测结果反馈给该课堂参与者,以使得该课堂参与者根据第二评测结果对自身的课堂参与程度进行调整。可以理解的是,若第二评测结果的分值越高,则说明该课堂参与者的课堂参与程度越高,此时对于该课堂参与者而言,仅需保持目前自身的课堂参与程度;若第二评测结果的分值越低,则说明该课堂参与者的课堂参与程度越低,此时对于该课堂参与者而言,则需调整自身的课堂参与程度。
需要说明的是,本发明实施例中,可以将第二评测结果通过视觉和听觉等多种形式反馈给对应的课堂参与者。例如,可以将第二评测结果显示在课堂的显示屏上,也可以将第二评测结果以语音的形式进行现场播报。在其他实施例中,第二评测结果的反馈方式还可以根据实际需求进行设置,此处不做具体限定。
本发明实施例提供的课堂教学效果评测方法,对于任意一位课堂参与者,在根据该课堂参与者的一致性指标对该课堂参与者的课堂参与程度进行评测之后,将该课堂参与者的课堂参与程度评测结果作为第二评测结果,将第二评测结果反馈给该课堂参与者,以使得该课堂参与者根据第二评测结果对自身的课堂参与程度进行调整,有利于提高每位课堂参与者的课堂参与程度,进而有利于提高所有课堂参与者的整体课堂参与程度。
基于上述任一实施例,提供一种课堂教学效果评测方法,计算课堂参与者组合中两位课堂参与者的脑电数据矩阵之间的相关性并获得相关系数,作为课堂参与者组合的一致性指标,之前还包括:将每位课堂参与者的脑电数据矩阵进行滤波处理,作为每位课堂参与者的滤波后的脑电数据矩阵;相应地,计算课堂参与者组合中两位课堂参与者的脑电数据矩阵之间的相关性并获得相关系数,作为课堂参与者组合的一致性指标,具体为:计算课堂参与者组合中两位课堂参与者的滤波后的脑电数据矩阵之间的相关性并获得相关系数,作为课堂参与者组合的一致性指标。
具体地,本发明实施例中,在计算每个课堂参与者组合中两位课堂参与者的脑电数据矩阵之间的相关性并获得相关系数之前,将每位课堂参与者的脑电数据矩阵进行滤波处理,作为每位课堂参与者的滤波后的脑电数据矩阵。在此基础上,计算每个课堂参与者组合中两位课堂参与者的滤波后的脑电数据矩阵之间的相关性并获得相关系数,作为每个课堂参与者组合的一致性指标。
本发明实施例中,在将每位课堂参与者的脑电数据矩阵进行滤波处理时,具体将每位课堂参与者的脑电数据矩阵滤波至预设频带,作为每位课堂参与者的滤波后的脑电数据矩阵,其中预设频带包括:delta(1-3Hz)、theta(4-8Hz)、alpha(8-13Hz)、beta(14-30Hz)和gamma(30-50Hz)频带。需要说明的是,这些频带的脑电数据更能准确地反映每位课堂参与者的脑电活动。
本发明实施例提供的课堂教学效果评测方法,在计算每个课堂参与者组合中两位课堂参与者的脑电数据矩阵之间的相关性并获得相关系数之前,将每位课堂参与者的脑电数据矩阵进行滤波处理,再计算每个课堂参与者组合中两位课堂参与者的滤波后的脑电数据矩阵之间的相关性并获得相关系数,作为每个课堂参与者组合的一致性指标。该方法通过对每位课堂参与者的脑电数据矩阵进行滤波处理,使得每位课堂参与者的滤波后的脑电数据矩阵能够更准确地反映每位课堂参与者的脑电活动,有利于准确计算并获得每个课堂参与者组合的一致性指标,进而有利于提高课堂教学评测结果的准确性。
基于上述任一实施例,提供一种课堂教学效果评测方法,将每位课堂参与者的脑电数据矩阵滤波至预设频带,作为每位课堂参与者的滤波后的脑电数据矩阵,之后还包括:计算每位课堂参与者的滤波后的脑电数据矩阵对应的频谱包络;相应地,计算课堂参与者组合中两位课堂参与者的脑电数据矩阵之间的相关性并获得相关系数,作为课堂参与者组合的一致性指标,具体为:计算课堂参与者组合中两位课堂参与者的滤波后的脑电数据矩阵对应的频谱包络之间的相关性并获得相关系数,作为课堂参与者组合的一致性指标。
具体地,本发明实施例中,在将每位课堂参与者的脑电数据矩阵滤波至预设频带之后,计算每位课堂参与者的滤波后的脑电数据矩阵对应的频谱包络。在此基础上,计算每个课堂参与者组合中两位课堂参与者的滤波后的脑电数据矩阵对应的频谱包络之间的相关性并获得相关系数,作为每个课堂参与者组合的一致性指标。需要说明是,频谱包络是将不同频率的振幅最高点连结起来形成的曲线,也称为频谱包络线。频谱是许多不同频率的集合,形成一个很宽的频率范围,不同的频率其振幅可能不同。计算频谱包络的方法有很多种,包括频谱帧的低通滤波法,或计算时域包络使用的RMS时窗分析法等。本发明实施例中,通过计算每位课堂参与者的滤波后的脑电数据矩阵对应的频谱包络,能够有效抑制每位课堂参与者的脑电数据矩阵中的背景噪声的频率分量,更能准确地反映每位课堂参与者的脑电活动。
本发明实施例提供的课堂教学效果评测方法,在将每位课堂参与者的脑电数据矩阵滤波至预设频带之后,计算每位课堂参与者的滤波后的脑电数据矩阵对应的频谱包络,再计算每个课堂参与者组合中两位课堂参与者的滤波后的脑电数据矩阵对应的频谱包络之间的相关性并获得相关系数,作为每个课堂参与者组合的一致性指标。该方法通过计算每位课堂参与者的滤波后的脑电数据矩阵对应的频谱包络,能够有效抑制每位课堂参与者的脑电数据矩阵中的背景噪声的频率分量,更能准确地反映每位课堂参与者的脑电活动,有利于准确计算并获得每个课堂参与者组合的一致性指标,进而有利于提高课堂教学评测结果的准确性。
图2为本发明实施例提供的课堂教学效果评测装置的结构示意图,如图2所示,该装置包括:脑电数据采集模块21、相关性计算模块22和教学效果评测模块23,其中:
脑电数据采集模块21用于利用预设采集频率采集目标课堂中各位课堂参与者在预设时间段的脑电数据,将每位课堂参与者在预设时间段所采集的所有脑电数据进行组合,作为每位课堂参与者的脑电数据矩阵。
具体地,本发明实施例中,当需要对目标课堂的教学效果进行评测时,首先,脑电数据采集模块21利用预设采集频率采集目标课堂中各位课堂参与者在预设时间段的脑电数据。其中,预设采集频率和预设时间段是预先设置的。可以理解的是,根据预设采集频率和预设时间段可确定出预设时间段内的所有采集时间点,因此,每位课堂参与者在预设时间段所采集的脑电数据包括了所有采集时间点所采集的脑电数据。其中,每个采集时间点所采集的脑电数据包括国际10-20标准电极位置中的Fz、F3、F4、Cz、C3、C4共六个电极位置的电压值。也就是说,每个采集时间点所采集的脑电数据为一个包含六个电压值的序列。最终,脑电数据采集模块21将每位课堂参与者在预设时间段所采集的所有脑电数据进行组合,即,将每位课堂参与者在所有采集时间点所采集的所有脑电数据组合成一个矩阵,作为每位课堂参与者的脑电数据矩阵。
相关性计算模块22用于将所有课堂参与者中的每两位课堂参与者进行随机组合,获得多个课堂参与者组合,对于任意一个课堂参与者组合,计算课堂参与者组合中两位课堂参与者的脑电数据矩阵之间的相关性并获得相关系数,作为课堂参与者组合的一致性指标。
具体地,在上述技术方案的基础上,相关性计算模块22将所有课堂参与者中的每两位课堂参与者进行随机组合,获得多个课堂参与者组合。可以理解的是,每个课堂参与者组合中均包括两位课堂参与者。
进一步地,在获得多个课堂参与者组合之后,对于任意一个课堂参与者组合,相关性计算模块22首先获取该课堂参与者组合中的两位课堂参与者的脑电数据矩阵。然后,相关性计算模块22计算这两位课堂参与者的脑电数据矩阵之间的相关性并获得相关系数。本发明实施例中,相关性计算模块22采用典型相关分析方法计算每个课堂参与者组合中两位课堂参与者的脑电数据矩阵之间的相关性。在其他实施例中,相关性计算模块22还可以采用其他相关分析方法计算每个课堂参与者组合中两位课堂参与者的脑电数据矩阵之间的相关性,可以根据实际需求进行设置,此处不做具体限定。
进一步地,通过上述方法步骤,即可获得每个课堂参与者组合中两位课堂参与者的脑电数据矩阵之间的相关系数。在此基础上,相关性计算模块22将每个课堂参与者组合中两位课堂参与者的脑电数据矩阵之间的相关系数作为每个课堂参与者组合的一致性指标。
教学效果评测模块23用于计算所有课堂参与者组合的一致性指标的平均值,作为目标一致性指标,根据目标一致性指标对所述目标课堂的教学效果进行评测。
具体地,在获得每个课堂参与者组合的一致性指标之后,教学效果评测模块23再计算所有课堂参与者组合的一致性指标的平均值,将所有课堂参与者组合的一致性指标的平均值作为目标一致性指标。最终,教学效果评测模块23根据目标一致性指标对目标课堂的教学效果进行评测。
需要说明的是,若目标课堂上的每位课堂参与者都认真听课,则每个课堂参与者组合中的两位课堂参与者的脑电数据矩阵之间的相关系数均较大,即,每个课堂参与者组合的一致性指标均较高,进而所有课堂参与者组合的一致性指标的平均值也较高,即,目标一致性指标较高。若目标课堂上存在一个或多个课堂参与者没有认真听课,则将存在多个课堂参与者组合中的两位课堂参与者的脑电数据矩阵之间的相关系数较小,即,将存在多个课堂参与者组合的一致性指标较低,进而所有课堂参与者组合的一致性指标的平均值也较低,即,目标一致性指标较低。
在上述原理的基础上,本发明实施例中,教学效果评测模块23在根据目标一致性指标对目标课堂的教学效果进行评测时,若目标一致性指标越高则可以确定目标课堂的教学效果越好;若目标一致性指标越低则可以确定目标课堂的教学效果越差。
本发明实施例提供的课堂教学效果评测装置,具体执行上述各方法实施例流程,具体请详见上述各方法实施例的内容,此处不再赘述。
本发明实施例提供的课堂教学效果评测装置,通过相同的采集频率采集各位课堂参与者在相同时间段的脑电数据,再计算每两位课堂参与者的脑电数据之间的相关性,作为每两位课堂参与者的脑电数据之间的一致性指标,最终通过计算平均值的方法获得所有课堂参与者的脑电数据之间的一致性指标,并通过该一致性指标对课堂教学效果进行评测。该装置基于所有课堂参与者的脑电数据之间的一致性对课堂教学效果进行评测,克服了现有的基于单个课堂参与者的脑电数据进行课堂教学效果评测的局限性,能够有效对课堂教学效果进行准确评测,进而确保课堂教学效果评测结果的准确性,可广泛应用于其他团体活动的评测中。
图3为本发明实施例提供的电子设备的实体结构示意图。参照图3,所述电子设备,包括:处理器(processor)31、存储器(memory)32和总线33;其中,所述处理器31和存储器32通过所述总线33完成相互间的通信;所述处理器31用于调用所述存储器32中的程序指令,以执行上述各方法实施例所提供的方法,例如包括:利用预设采集频率采集目标课堂中各位课堂参与者在预设时间段的脑电数据,将每位课堂参与者在预设时间段所采集的所有脑电数据进行组合,作为每位课堂参与者的脑电数据矩阵;将所有课堂参与者中的每两位课堂参与者进行随机组合,获得多个课堂参与者组合,对于任意一个课堂参与者组合,计算课堂参与者组合中两位课堂参与者的脑电数据矩阵之间的相关性并获得相关系数,作为课堂参与者组合的一致性指标;计算所有课堂参与者组合的一致性指标的平均值,作为目标一致性指标,根据目标一致性指标对目标课堂的教学效果进行评测。
此外,上述的存储器32中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的方法,例如包括:利用预设采集频率采集目标课堂中各位课堂参与者在预设时间段的脑电数据,将每位课堂参与者在预设时间段所采集的所有脑电数据进行组合,作为每位课堂参与者的脑电数据矩阵;将所有课堂参与者中的每两位课堂参与者进行随机组合,获得多个课堂参与者组合,对于任意一个课堂参与者组合,计算课堂参与者组合中两位课堂参与者的脑电数据矩阵之间的相关性并获得相关系数,作为课堂参与者组合的一致性指标;计算所有课堂参与者组合的一致性指标的平均值,作为目标一致性指标,根据目标一致性指标对目标课堂的教学效果进行评测。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。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。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种课堂教学效果评测方法,其特征在于,包括:
利用预设采集频率采集目标课堂中各位课堂参与者在预设时间段的脑电数据,将每位课堂参与者在所述预设时间段所采集的所有脑电数据进行组合,作为每位课堂参与者的脑电数据矩阵;
将所有课堂参与者中的每两位课堂参与者进行随机组合,获得多个课堂参与者组合,对于任意一个课堂参与者组合,计算所述课堂参与者组合中两位课堂参与者的脑电数据矩阵之间的相关性并获得相关系数,作为所述课堂参与者组合的一致性指标;
计算所有课堂参与者组合的一致性指标的平均值,作为目标一致性指标,根据所述目标一致性指标对所述目标课堂的教学效果进行评测。
2.根据权利要求1所述的方法,其特征在于,根据所述目标一致性指标对所述目标课堂的教学效果进行评测,之后还包括:
将所述目标课堂的教学效果评测结果作为第一评测结果,将所述第一评测结果反馈给每位课堂参与者,以使得每位课堂参与者根据所述第一评测结果对自身的课堂参与程度进行调整。
3.根据权利要求1所述的方法,其特征在于,计算所述课堂参与者组合中两位课堂参与者的脑电数据矩阵之间的相关性并获得相关系数,作为所述课堂参与者组合的一致性指标,之后还包括:
对于任意一位课堂参与者,将包含所述课堂参与者的每个课堂参与者组合作为目标组合,并获取每个目标组合的一致性指标;
计算所有目标组合的一致性指标的平均值,作为所述课堂参与者的一致性指标,根据所述课堂参与者的一致性指标对所述课堂参与者的课堂参与程度进行评测。
4.根据权利要求3所述的方法,其特征在于,根据所述课堂参与者的一致性指标对所述课堂参与者的课堂参与程度进行评测,之后还包括:
将所述课堂参与者的课堂参与程度评测结果作为第二评测结果,将所述第二评测结果反馈给所述课堂参与者,以使得所述课堂参与者根据所述第二评测结果对自身的课堂参与程度进行调整。
5.根据权利要求1所述的方法,其特征在于,计算所述课堂参与者组合中两位课堂参与者的脑电数据矩阵之间的相关性并获得相关系数,作为所述课堂参与者组合的一致性指标,之前还包括:
将每位课堂参与者的脑电数据矩阵进行滤波处理,作为每位课堂参与者的滤波后的脑电数据矩阵;
相应地,计算所述课堂参与者组合中两位课堂参与者的脑电数据矩阵之间的相关性并获得相关系数,作为所述课堂参与者组合的一致性指标,具体为:
计算所述课堂参与者组合中两位课堂参与者的滤波后的脑电数据矩阵之间的相关性并获得相关系数,作为所述课堂参与者组合的一致性指标。
6.根据权利要求5所述的方法,其特征在于,将每位课堂参与者的脑电数据矩阵进行滤波处理,作为每位课堂参与者的滤波后的脑电数据矩阵,具体为:
将每位课堂参与者的脑电数据矩阵滤波至预设频带,作为每位课堂参与者的滤波后的脑电数据矩阵,所述预设频带包括1-3Hz的delta频带、4-8Hz的theta频带、8-13Hz的alpha频带、14-30Hz的beta频带和30-50Hz的gamma频带。
7.根据权利要求6所述的方法,其特征在于,将每位课堂参与者的脑电数据矩阵滤波至预设频带,作为每位课堂参与者的滤波后的脑电数据矩阵,之后还包括:
计算每位课堂参与者的滤波后的脑电数据矩阵对应的频谱包络;
相应地,计算所述课堂参与者组合中两位课堂参与者的脑电数据矩阵之间的相关性并获得相关系数,作为所述课堂参与者组合的一致性指标,具体为:
计算所述课堂参与者组合中两位课堂参与者的滤波后的脑电数据矩阵对应的频谱包络之间的相关性并获得相关系数,作为所述课堂参与者组合的一致性指标。
8.一种课堂教学效果评测装置,其特征在于,包括:
脑电数据采集模块,用于利用预设采集频率采集目标课堂中各位课堂参与者在预设时间段的脑电数据,将每位课堂参与者在所述预设时间段所采集的所有脑电数据进行组合,作为每位课堂参与者的脑电数据矩阵;
相关性计算模块,用于将所有课堂参与者中的每两位课堂参与者进行随机组合,获得多个课堂参与者组合,对于任意一个课堂参与者组合,计算所述课堂参与者组合中两位课堂参与者的脑电数据矩阵之间的相关性并获得相关系数,作为所述课堂参与者组合的一致性指标;
教学效果评测模块,用于计算所有课堂参与者组合的一致性指标的平均值,作为目标一致性指标,根据所述目标一致性指标对所述目标课堂的教学效果进行评测。
9.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述处理器通信连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1至7任一所述的方法。
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910337930.9A CN110084508A (zh) | 2019-04-25 | 2019-04-25 | 一种课堂教学效果评测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910337930.9A CN110084508A (zh) | 2019-04-25 | 2019-04-25 | 一种课堂教学效果评测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110084508A true CN110084508A (zh) | 2019-08-02 |
Family
ID=67416660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910337930.9A Pending CN110084508A (zh) | 2019-04-25 | 2019-04-25 | 一种课堂教学效果评测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110084508A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115130932A (zh) * | 2022-08-31 | 2022-09-30 | 中国医学科学院阜外医院 | 一种课堂活动数字化评估方法 |
CN116138780A (zh) * | 2022-12-30 | 2023-05-23 | 北京视友科技有限责任公司 | 一种学生注意力评价方法、终端及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090005696A1 (en) * | 2007-06-29 | 2009-01-01 | Intelwave Llc | Method for quantitative assessment of the autonomic nervous system based on heart rate variability analysis |
CN103815902A (zh) * | 2013-11-22 | 2014-05-28 | 刘志勇 | 基于脑电频域特征指标化算法的课堂教学评估系统及方法 |
CN105205317A (zh) * | 2015-09-10 | 2015-12-30 | 清华大学 | 一种用于反映至少两个参与者的协作程度的方法以及设备 |
CN108537704A (zh) * | 2018-04-17 | 2018-09-14 | 深圳市心流科技有限公司 | 课堂评测方法、装置及计算机可读存储介质 |
-
2019
- 2019-04-25 CN CN201910337930.9A patent/CN110084508A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090005696A1 (en) * | 2007-06-29 | 2009-01-01 | Intelwave Llc | Method for quantitative assessment of the autonomic nervous system based on heart rate variability analysis |
CN103815902A (zh) * | 2013-11-22 | 2014-05-28 | 刘志勇 | 基于脑电频域特征指标化算法的课堂教学评估系统及方法 |
CN105205317A (zh) * | 2015-09-10 | 2015-12-30 | 清华大学 | 一种用于反映至少两个参与者的协作程度的方法以及设备 |
CN108537704A (zh) * | 2018-04-17 | 2018-09-14 | 深圳市心流科技有限公司 | 课堂评测方法、装置及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
SUZANNE DIKKER ET AL: "《Brain-to-Brain Synchrony Tracks Real-World Dynamic Group Interactions in the Classroom》", 《CURRENT BIOLOGY》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115130932A (zh) * | 2022-08-31 | 2022-09-30 | 中国医学科学院阜外医院 | 一种课堂活动数字化评估方法 |
CN115130932B (zh) * | 2022-08-31 | 2023-07-25 | 中国医学科学院阜外医院 | 一种课堂活动数字化评估方法 |
CN116138780A (zh) * | 2022-12-30 | 2023-05-23 | 北京视友科技有限责任公司 | 一种学生注意力评价方法、终端及计算机可读存储介质 |
CN116138780B (zh) * | 2022-12-30 | 2023-08-08 | 北京视友科技有限责任公司 | 一种学生注意力评价方法、终端及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102553222B (zh) | 一种支持对战模式的脑功能反馈训练方法与系统 | |
CN110353702A (zh) | 一种基于浅层卷积神经网络的情感识别方法及系统 | |
CN101515200B (zh) | 基于瞬态视觉诱发脑电的目标选择方法 | |
Hagen et al. | ViSAPy: a Python tool for biophysics-based generation of virtual spiking activity for evaluation of spike-sorting algorithms | |
CN102940490B (zh) | 基于非线性动力学的运动想象脑电信号特征提取方法 | |
CN103268560B (zh) | 一种基于脑电信号指标的投放前广告效果评价方法 | |
CN104571504B (zh) | 一种基于想象动作的在线脑‑机接口方法 | |
CN111598453B (zh) | 基于虚拟场景中执行力的操控工效分析方法、设备及系统 | |
CN105205317B (zh) | 一种用于反映至少两个参与者的协作程度的方法以及设备 | |
CN110084508A (zh) | 一种课堂教学效果评测方法及装置 | |
Hafeez et al. | Stress effects on exam performance using EEG | |
CN106805945A (zh) | 一种少数通道的脑电信号中肌电伪迹的消除方法 | |
CN106874872A (zh) | 工频噪声滤除装置与方法 | |
CN112932486A (zh) | 基于多模态的大学生情绪压力检测系统与方法 | |
Vieira et al. | Understanding the design neurocognition of mechanical engineers when designing and problem-solving | |
CN107301497A (zh) | 工作记忆能力考核的方法及系统 | |
CN104367306A (zh) | 生理心理职业测评系统及实现方法 | |
Liu et al. | A study on quality assessment of the surface EEG signal based on fuzzy comprehensive evaluation method | |
CN109871831A (zh) | 一种情感识别方法及系统 | |
CN103340623B (zh) | 一种在高刺激率下提取诱发电位的方法 | |
CN110767007B (zh) | 基于百度智慧课堂人工智能教学管理系统与方法 | |
Arpaia et al. | Comparing artifact removal techniques for daily-life electroencephalography with few channels | |
CN110403604B (zh) | 基于注意力集中程度构建环境空间和训练注意力的方法 | |
CN110495894A (zh) | 一种基于物联网的心理应激训练方法及系统 | |
CN110569968A (zh) | 基于电生理信号的创业失败恢复力评估方法及评估系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190802 |