CN110494874B - 配置教室物理资源 - Google Patents
配置教室物理资源 Download PDFInfo
- Publication number
- CN110494874B CN110494874B CN201780089554.5A CN201780089554A CN110494874B CN 110494874 B CN110494874 B CN 110494874B CN 201780089554 A CN201780089554 A CN 201780089554A CN 110494874 B CN110494874 B CN 110494874B
- Authority
- CN
- China
- Prior art keywords
- classroom
- physical
- resource
- computer
- resources
- 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
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
-
- 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
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
Abstract
一种计算机实现的方法修复教室中的物理教室资源。一个或多个处理器根据从教室中的传感器接收的传感器读数来识别和量化教室中的物理教室资源。处理器基于来自教室中的传感器的传感器读数来确定妨碍教室中的学生学习的物理教室资源约束。处理器检测由传感器读数识别的物理教室资源中的一个或多个物理教室资源约束,然后基于一个或多个检测到的物理教室资源约束来调整一个或多个物理教室资源。
Description
技术领域
本发明涉及物理资源配置领域,尤其涉及配置教室中的物理资源。更具体地,本发明涉及优化教室中物理资源的配置。
发明内容
在本发明的计算机实现的方法实施例中,一个或多个处理器基于来自教室中的一个或多个监视设备的传感器读数来监视教室中的无生命教室资源。处理器评估无生命教室资源的状况,然后识别其状况导致妨碍学生在教室中的学习的约束的无生命教室资源。处理器识别教室中妨碍学生在教室中的学习的有生命对象的存在和活动。然后,处理器基于教室中的无生命对象的状况以及有生命对象的存在和活动来确定教室的教室指数。处理器确定教室指数是否超过预定阈值。处理器响应于确定教室指数超过预定阈值,发出修复其状况导致妨碍教室中学生学习的约束的无生命教室资源的指令。
在本发明的另一计算机实现的方法实施例中,一个或多个处理器基于从教室中的传感器接收的传感器读数来识别和量化教室中的物理教室资源。处理器基于来自教室中的传感器的传感器读数来确定妨碍教室中的学生学习的物理教室资源约束。处理器检测由传感器读数识别的物理教室资源中的一个或多个物理教室资源约束,然后基于所检测的一个或多个物理教室资源约束来调整一个或多个物理教室资源。本发明的其它实施例包括计算机系统和计算机程序产品。
附图说明
现在将仅通过示例的方式参考附图描述本发明的实施例,附图中:
图1描绘了根据本发明的一个或多个实施例的示例性系统和网络;
图2示出了根据本发明的一个或多个实施例的被监控的示例性教室;
图3描绘了根据本发明的一个或多个实施例的教室的示例性人和环境分析;
图4示出了根据本发明的一个或多个实施例使用的示例性对象检测模块;
图5描绘了根据本发明的一个或多个实施例使用的示例性无生命对象处理程序;
图6示出了根据本发明的一个或多个实施例使用的示例性有生命对象处理程序;
图7描绘了根据本发明的一个或多个实施例使用的示例性通知确定模块;
图8示出了根据本发明的一个或多个实施例使用的示例性认知推理模块;
图9描绘了根据本发明的一个或多个实施例使用的示例性反馈处理程序;
图10描绘了根据本发明的一个或多个实施例的第一示例性方法;
图11描绘了根据本发明的一个或多个实施例的第二示例性方法;
图12描绘了根据本发明的实施例的云计算环境;和
图13描绘了根据本发明的实施例的云计算环境的抽象模型层。
具体实施方式
现在参考附图,特别是图1,图1描绘了根据本发明的一个或多个实施例的示例性系统和网络的框图。在一些实施例中,所示与计算机101相关联的和/或在计算机101内的示例性体系结构的一部分或全部(包括所示硬件和软件),可以从软件部署服务器149下载和/或由软件部署服务器149实现,和/或可以使用一个或多个教室资源151。一些实施例使用图2中所示的监视计算机201。
进一步参考图1,示例性计算机101包括可操作地耦合到系统总线105的处理器103,系统总线105还可操作地耦合各种内部和外部组件。处理器103可以体现或使用一个或多个处理器核123。驱动/支持显示器109的视频适配器107也耦合到系统总线105。
系统总线105经由总线桥111耦合到输入/输出(I/O)总线113。I/O接口115耦合到I/O总线113。I/O接口115实现与各种I/O设备的通信,包括键盘117、鼠标119、媒体盘121(可包括诸如CD-ROM驱动器的存储设备、多媒体接口等)和外部USB端口125。连接到I/O接口115的端口的格式可以是计算机体系结构领域的技术人员已知的任何格式,在一个或多个实施例中,这些端口中的一些或全部是通用串行总线(USB)端口。
如图所示,网络接口129还耦合到系统总线105。网络接口129可以是硬件网络接口,例如网络接口卡(NIC)等。计算机101能够经由网络接口129和网络127与软件部署服务器149和/或教室资源151通信。网络127可以包括(但不限于)一个或多个外部网络—诸如例如广域网(WAN)和/或诸如因特网的网络的网络—和/或一个或多个内部网络—诸如以太网或虚拟专用网络(VPN)。在一个或多个实施例中,网络127包括诸如Wi-Fi网络的无线网络和蜂窝网络。本发明的示例实施例利用网络“云”环境,其将参考图12和12进行讨论。
再次参见图1,硬盘驱动器接口131还耦合到系统总线105。硬盘驱动器接口131与硬盘驱动器133接合。在一些实施例中,硬盘驱动器133是一种非易失性存储器,用于存储和填充系统存储器135(例如易失性存储器,诸如所谓的随机存取存储器(RAM)),其也耦合到系统总线105。
在一些实施例中,系统存储器可以被认为是计算机101中的最低层次的易失性存储器。系统存储器135可以包括其它的更高层次的易失性存储器(未示出),包括但不限于高速缓冲存储器、寄存器和缓冲器。驻留在系统存储器135中的逻辑和/或数据(未示出)可以包括操作系统(OS)137和应用程序143或与之相关联。在一些实施例中,系统存储器135的一部分或全部可以被一个或多个系统共享和/或分布在一个或多个系统上。例如,应用程序143可以分布在一个或多个软件部署服务器149或其他系统上。
操作系统(OS)137包括壳(shell)139,用于提供对诸如应用程序143的资源的透明的用户访问。通常,壳139是提供用户和OS之间的解释器和接口的程序。更具体地,壳139(有时称为命令处理器)可以执行输入命令行用户界面或文件的命令。换句话说,壳139可以用作命令解释器。虽然壳139是基于文本的、面向行的用户界面,但是本发明同样可以很好地支持其他用户界面模式,例如图形、语音、手势等。如图所示,壳139可以被认为是OS软件层次结构的最高层次。壳还可以提供系统提示,解释由键盘、鼠标或其他用户输入媒体输入的命令,并将解释的命令发送到操作系统(例如内核141)的适当(例如较低的)层次进行处理。
如图所示,OS 137还包括内核141,其包括(分层地)用于OS 137较低层次的功能。内核功能的一些(非限制性)示例包括:提供OS 137的其他部分和应用程序143所需的基本服务,包括存储器管理、进程和任务管理、磁盘管理以及鼠标和键盘管理。
应用程序143可以包括呈现器,以示例性方式示出为浏览器145。浏览器145包括使万维网(WWW)客户端(即计算机101)能够发送和接收来自网络127(例如使用超文本传输协议(HTTP)消息传递的因特网)的网络消息,从而实现与部署服务器149和其他系统的软件的通信的程序模块和指令(未示出)。
在一些实施例中,应用程序143包括用于改善教室资源的程序(PICR)147。在该示例中,PICR 147包括适于实现根据本发明的过程和/或功能的程序指令(软件),诸如(但不限于)参考图2-12描述的那些过程和/或功能。在一些实施例中,PICR147从软件部署服务器149(按需或“及时”)下载,例如,在需要执行之前不下载PICR147软件。在本发明的一些实施例中,软件部署服务器149可以执行与本发明相关的所有(或许多)功能(包括执行PICR147),从而使计算机101不必使用其内部计算资源。
在本发明的一些实施例中,计算机101能够远程地与诸如计算机、视频监视器、投影仪、电信设备、Wi-Fi热点的教室资源151的各方面通信、对其进行测试和/或控制。这样的控制的一个示例可以通过将控制包在网络127上发送到与一个或多个教室资源151相关联的逻辑(例如,软件)来实现。控制包因此调整教室资源151,例如修复它们(例如安装软件补丁),打开它们,调整它们的(例如视频监视器上的)音量或亮度等。
在本发明的一些实施例中,计算机101能够与传感器153远程通信,传感器153可包括摄像机、麦克风、化学传感器、光传感器等。在本发明的一个或多个实施例中,这些传感器153提供关于在诸如图2所示的教室200的教室内的无生命对象(例如破损的家具、破损的窗户等)和/或有生命对象(例如、教师、学生、动物等)的传感器读数(例如视频、音频、化学指示等)。
计算机101中描绘的硬件元件并非是穷举性的,而是代表性的,以突出本发明所需的基本组件。例如,计算机101可以包括诸如闪存、磁带盒、数字通用盘(DVD)、伯努利盒等替代存储器存储设备。这些和其他变型旨在落入本发明的范围内。
本发明的一个或多个实施例提供了一种用于检测和/或分析管理教室工件(例如破损的椅子、破窗、门、噪音水平、出勤、学生的行为等)的需求的方法和系统。这使得能够基于此需求确定一个见解,并基于该见解推荐改进资源分配和教室管理的方法。在本发明的一个或多个实施例中,基于接收者群组分析自动触发一个推荐代理。也就是说,一旦确定了教室和/或其资源和/或其占用者(通过确定谁和什么在教室中的接收者群组分析),则该推荐代理将基于当前谁和什么在教室中来推荐对教室作出什么改变。
对于学校管理者来说,了解他们监督的学校系统的关键指标是很重要的。关键指标包括:学校的出勤模式;从学生的参与水平来衡量教室的有效性;诸如教室、学校环境和学校其他设施等设施的状态。使用可视化分析作为关键技术,可以实时测量这三个指标并向管理部门报告。
例如,系统可以使用面部计数来确定教室中的学生。基于教室中教师与学生的活动之间的互动,创建教室中有效性的报告。此外,系统根据设施的可视图像报告设施中的主要变化/异常,例如破损的家具或缺失的门。
许多人共享教室环境。这种多用途情况可能导致不同层面(例如,学前教育、K-12、高等教育)的挑战。排好的课程开始时,教室可能会被占用,课桌可能脏了,以前的学生可能留下垃圾,垃圾桶可能会溢出,白板可能写满其他课程的内容,椅子/窗户/门可能已经被破坏、重新排列或放错地方,设备可能遭到破坏或发生故障等。有些班级的注册学生也比教师能容纳的学生多(即学生/教师比过高),或者椅子太少,无法容纳所有学生,无法容纳所有学生。此外,根据计划的教学风格,教室中椅子的安排可能不当。
当教师或学校管理者预见到环境条件或行为问题可能产生的问题,并提前确定干预措施时,他们在解决学习问题方面最为成功。因此,本发明提出了用于在教室中检测工件的教室技术,以补充同侪、审计员和教练对教学的直接观察。
因此,本发明的一个或多个实施例利用系统、工具、框架、实践等来测量学生-教师、学生-内容、学生-学生等的参与用于行为分析;了解学生在什么背景和教室环境中学习;并关联这如何影响他们的学习成果。这是通过收集/存储关于用户、教室和学校工件(椅子、门、窗、厕所、水源等)的多媒体数据(例如图像、视频、音频)来实现的。因此,从这些信息中推断出的信息帮助教师和职权机构做出明智的决策,根据设施的视觉图像报告设施中的重大问题或变化,如家具损坏、门丢失等,从而会影响学生、教室和学校的管理。
因此,本发明提供课堂监控和/或管理工具,鼓励在上下文中与用户互动,以试图改善课堂环境。此外,本发明提供课堂监控和/或管理过程,所述课堂监控和/或管理过程使用视觉分析来连续评估课堂工件和事件,将这些分析结果传递给认知处理单元,并将互动、行为、课堂环境状况等问题通知教师及有关部门。
如本文所述,本发明提供了一种方法和系统,实时地利用视觉分析和认知仪表盘作为关键技术使课堂“可学习”,同时提供对教师和管理实践的连续测量和建设性见解。给定一组实时的教室多媒体工件,本发明分析并生成一个用于帮助课堂教师、学校管理员和其他决策者的认知仪表板。这是通过分析使用低成本设备捕获的多媒体工件(例如教室图像、视频等)来实现的,这些设备用于计算教室的“教室指数”,包括检测到的非人类无生命和/或动画对象。这使得系统能够实时更新认知仪表板并通知(例如,使用短消息服务(SMS)通知)相关用户。
在一个或多个实施例中,当前呈现的系统监视和记录课堂视频和音频。然后,基于计算机的认知代理分析课堂场景(包括家具、窗户、设备等的状态),并提示相应的系统采取纠正措施。
因此,本发明跟踪和分析教室工件(例如椅子、窗户、门、噪音、出勤、学生行为等)以提供基于需求的自动环境改善建议。基于使用系统的组的要求来管理工件,例如提供需要维护的教室设备的通知,帮助资源分配等。自动推荐/通知减少教师分心并且帮助产生积极的学生成果。
现在参考图2,假设教室200正由摄像机202监视,摄像机202与传感器253一起是图1所示的传感器153的示例。进一步假设通过由网络227提供的通信(类似于图1中所示的网络127)由监控计算机201(类似于图1中所示的计算机101)实时远程监控摄像机202和其他传感器253。出于解释的目的,现在将参考从摄像机202发送到监视计算机201的视频图像来讨论本发明,但是应该理解,可以由监视计算机201由传感器253中的其他类型的传感器接收到的传感器读数,诸如音频拾取、化学检测,振动感觉等,来执行下文描述的类似分析/操作。还应理解,监视计算机201利用诸如图1中所示的PICR147之类的程序来执行下文所述的操作。
如本文所述,摄像机202和/或传感器253监视教室202内的无生命对象和/或有生命对象的状态。
例如,摄像机202可以将(没有缺陷的)窗户204和/或破损窗户206(具有破损的玻璃窗格205)的视频图像发送到监视计算机201。此外,摄像机202可以将(状况良好的)课桌212和/或破损课桌214(散了架的)二者的视频图像。此外,摄像机202可以发送示例性学生210和/或另一个有生命对象216(例如教室教师、诸如教室宠物的动物、诸如老鼠、野鸟等的野生动物等)二者的视频图像。
此外,显示器208(例如附接到计算设备的视频监视器、视频播放器、因特网等)可能被破坏。显示器208的这种不可操作状态可以由摄像机202可视地检测,或者可以通过监视计算机201经由网络227来确定。即,监视计算机201可以通过向监视显示器发送测试包、远程地监视显示器208的组件等来远程地监视显示器208的状态和能力,以便确定显示器208当前不可操作。
因此,本发明识别破损的无生命对象(例如破损窗户206、不可操作的显示器208、破损课桌214)和/或未破坏的无生命对象(例如窗户204和/或课桌212)和/或有生命对象(例如学生210和/或有生命对象216)的存在,以调整无生命/有生命对象的状态(例如位置、可操作性、修复状况等)以改善状态无生命对象的一个或多个。
现在参考图3,该图呈现了根据本发明的一个或多个实施例由监控计算机201执行的人和环境分析过程。
如图3所示,从教室200拍摄的视频301(例如来自图2中所示的摄像机202)通过对象过滤器303发送,对象过滤器303用图像识别来实时识别教室内的无生命对象和有生命对象。如果对象过滤器303将特定对象识别为有生命对象,则有生命对象分析305确定它是什么类型的有生命对象。如果基于面部识别309,有生命对象是个学生,则将来自纵向数据库307的信息发送到认知处理代理311(例如图1中所示的PICR 147的一部分),其将该学生的图像发送到教室监控网络显示器313(例如监控计算机201的一部分)和/或移动设备315(例如学校校长使用的智能电话)。
参照图4,呈现了对象检测模块(例如图3中所示的对象过滤器303)的其它细节。视频402被发送到帧分割器404,帧分割器404能够使用各种处理将视频402中的有生命对象与无生命对象分离。例如,PICR147可以将来自传感器253的热读数与由摄像机202拍摄的视频图像相关联,以区分有生命对象(例如发出体温热度学生210)和无生命对象(例如室温温度的破损课桌214,或由于存在破损的窗格205而与窗204的温度不同的破窗206)。此外,图像识别可以将某些背景对象识别为很少移动的物体(例如课桌212)或从不移动的物体(例如窗204或显示器208),然后使用图4中所示的背景消减法406将这些背景对象从所考虑的对象中移除。
因此,背景消减法406使得在视频中检测到的无生命对象被发送到无生命对象处理器410,这将在图5中进一步详细描述。如果图3中所示的对象过滤器303确定视频图像是有生命对象的视频图像,则皮肤检测器408通过检测对象的—指示对象是有生命对象的—温度、纹理等来确定对象(不是背景的一部分)是有生命的还是无生命的。该确定在图4中的查询块412中进行。如果观察到的对象是无生命的,则它(如背景图像一样)被发送到无生命对象处理器410。然而,如果查询块412确定视频图像是有生命对象的视频图像,则发送该视频图像至有生命对象处理器414,其在图6中进一步详细描述。
然后参考无生命对象处理器410在图5中所示的细节,对象501的视频图像被发送到模型检查器503,模型检查器503将视频图像与有生命对象和无生命对象的已知图像进行比较,如判定框507所述。如果视频图像显示有生命的特征,则将它们发送给有生命对象处理程序514(类似于图4中所示的有生命对象处理程序414)。然而,如果视频图像显示无生命对象的特征(判定框507),则将它们发送到模型差异检查器505,其将无生命对象图像与在系统存储器515中找到的无生命对象的已知模型进行比较。如果特定无生命对象的视频图像与特定无生命对象模型匹配(即,根据诸如形状、颜色、大小等各种特征—“无差异”),则将视频图像的副本以为此类视频文件保留的文件的形式发送到系统存储器515中。然而,如果视频图像与已知模型文件不匹配,则将图像发送到认知代理513,认知代理51对视频图像进行的进一步分析(例如,基于匹配的形状、颜色等映射到其他图像)。
现在参考有生命对象处理器414的图6中所示的细节,对象602的视频图像被发送到骨架生成器604,骨架生成器604生成动画“棒状图形”,其显示视频中的有生命对象的形状、移动、大小等。同时,将对象602的视频图像发送到面部检测器612(假设图4中检测到的有生命对象是人)。如果面部检测器确定有生命对象的视频图像捕获了人脸的正面(判定框618),则面部识别器620使用面部识别软件来识别视频中的哪个人。然而,即使图像的正面不足以识别视频中的人,面部影响分析器614仍然能够(从侧面的图像等)确定该人是否警觉、快乐、环视等。
如评估器框606所示,如果系统能够识别该人的面部(使用面部识别器620)并生成该人的棒状图形(使用骨架生成器604),则系统将具有足够的信息来识别该人并且向该人发出身份指派608。
如在肢体语言分析器610中所示,系统还能够分析视频中的人的运动,以便确定该人是否不安(如所生成的对应于该人的视频的棒状图形的频繁和/或不稳定运动所指示的)、平静(由生成的棒状图形表示的平滑的身体动作所指示的)等。
基于由组合逻辑616所组合的视频中的人的身份(来自身份指派608)、视频中的人(来自肢体语言分析器610)的移动、以及视频中的人的面部表情(来自面部影响分析器614),认知代理622能够使用图7中所示的过程来确定该人的情绪状态(例如、警觉、分心、注意力不集中、焦虑等)。
一旦认知代理622组合视频中人的身份、面部和身体移动(图7的框701中所示的来自认知代理的事件),类别匹配器703就将这些特征与特定学生或特定班级的学生(例如、学生的年龄、向学生讲授的主题等)匹配。然后,用用户偏好记录705对是否和/或何时需要对教室中的无生命对象采取校正行动进行重要性排序711。用户偏好记录705的条目的示例是用户可能更喜欢始终打开某个资源(例如视频监视器)。因此,该用户更喜欢视频监视器始终可操作。但是,相同的用户可能并不关心视频监视器是否破裂(cracked),只要它仍然可用。因此,用户不关心裂缝是否被修复。
这导致判定框709确定用于纠正有问题的无生命对象的通知和指令可以在一天结束时被发送到(由学校管理员使用的)用户仪表板(dashboard)707,还是可能需要立即将立即通知发送到(例如由学校维护人员使用的)用户显示设备713。无论哪种方式,所有通知都存储在系统数据库715中,以备将来(在将来与当前视频中显示的功能/状态匹配的情况下)用于动作证明数据库。
现在参考图8,图8示出图6中所示的认知代理622的其它细节。认知代理622将无生命对象差异802(例如,图2中所示的破损玻璃窗格205)输入到影响识别器804中,影响识别器804确定这种破损对象对教室中学生有什么影响。数据库806中的记录支持/确认这种影响的确定,这些记录描述了教室中的一个或多个学生响应于教室中存在破损的对象而经历的过去出勤、成绩、事件等。
同时,可以将图6中描述的有生命对象分析的结果用于进行焦点确定808(教室中的破损物体如何影响单个学生的焦点)和群组影响确定812(教室中的破损物体如何影响教室中的学生整体)。
如组合逻辑814所示,由教室中的破损物体引起的对学生的影响(来自影响识别器804),以及由破损的物体引起的对学生和整个教室的影响(来自焦点确定808和群组影响确定812),被用于生成校正当前正在遭受差异(例如被破坏的)的对象的通知。该通知被发送到通知处理器816,通知处理器816将该通知发送到图7所示的用户仪表板707和/或用户显示设备713。
如反馈818框中所示,教室中的教师可以提供关于纠正缺陷对象的问题对教室中的一个或多个学生产生的积极、消极或中性影响的反馈。该反馈被馈送到影响学习器820,其学习1)纠正问题具有的影响,以及2)将来在类似情况下是否应该应用类似的校正。示例性类型的反馈818及其如何生成在图9中示出。
如图9所示,反馈可以是语音回复901,其通过用于语音翻译903的设备;反馈或者可以是文本回复907,其直接进入响应解码器909,其解释(使用文本分析)回复的内容。如框911所示,所有反馈回复都存储在系统数据库905中。如果响应解码器将回复解释为建议改进或改变行动,则将其发送给进行这种改变的认知代理913。例如,如果教师响应以一条消息,说明用木板修理破损的玻璃板205实际上导致了教室学生的不适感增加,那么该建议可以是用新玻璃替换破损的玻璃板。
现在参考图10,该图呈现了根据本发明的一个或多个实施例在第一示例性方法中由一个或多个处理器和/或其他硬件设备执行的操作。
在启动框1001之后,一个或多个处理器(例如在图2中示出的监视计算机201内的)基于来自教室中的一个或多个监视设备(例如摄像机202和/或传感器253)的传感器读数监视教室(例如教室200)中的无生命教室资源(例如破损窗户206、损坏的课桌214等),如框1003所示。
如方框1005所述,一个或多个处理器评估无生命教室资源的状况(例如,它们是破损的还是良好状态?它们位于何处?等等)。
如框1007所述,一个或多个处理器识别其状况导致妨碍教室中学生学习的物理教室资源约束的无生命教室资源(例如,图2中所示的不可操作的显示器208不能用于呈现关于正在向学生210呈现的主题的视频,从而妨碍学生学习该主题的能力)
如框1009所述,一个或多个处理器识别教室中妨碍教室中学生的学习的有生命对象(例如图2中所示的有生命对象216)的存在和活动。例如,在教室中存在访客,可能会妨碍学生集中注意力而不会分心。
如框1011中所述,一个或多个处理器然后基于无生命对象的状况以及教室中有生命对象的存在和活动确定教室的教室指数(即,教室对学生能够学习课堂材料的有益程度的指数)。
如查询框1013中所描绘的,一个或多个处理器确定教室指数是否超过预定阈值。如果是,则如框1015所述,一个或多个处理器发出修复其状况导致妨碍教室中学生学习的约束的无生命教室资源的指令。
例如,一个或多个处理器可以生成和发布将具有物理教室资源约束的物理教室资源替换为不具有物理教室资源约束的其他物理教室资源的指令。
在本发明的另一个实施例/示例中,物理教室资源约束是由物理教室资源的物理布置引起的,例如椅子按行排列,而不是围成一圈,而后者更有利于协作学习。这样,一个或多个处理器将生成重新安排物理教室资源的指令。
在本发明的另一个实施例/示例中,物理教室资源约束是由物理教室资源的其中之一的缺陷引起的(例如图2中所示的显示器208不可操作)。这样,一个或多个处理器生成用于修复物理教室资源中的缺陷的指令,诸如向显示器208发送连接到某个互联网协议(IP)地址、访问某个端口等将导致课程信息显示在显示器208上的指令。
图10中所示的流程终止于终止框1017。
在本发明的实施例中,一个或多个处理器训练一个认知系统(例如图5中所示的认知代理513)基于先前传感器读数来识别物理教室资源的变化,所述先前传感器读数描述教室中物理教室资源先前的状况。例如,认知代理513将识别出破损窗户206昨天没有破损的玻璃窗格205,今天却有。然后,一个或多个处理器将所识别的物理教室资源的变化(例如,存在新的破损玻璃窗格205)发送到修复物理教室资源的设备。也就是说,机器人设备可以来到教室200,修复破损窗户206。此外,如果显示器208昨天工作,今天却不显示,则监控计算机201可以向显示器208内的逻辑发送修复软件问题、将显示器208连接到因特网上的IP地址等的指令。
在本发明的一个实施例中,一个或多个处理器基于对来自教室的视频馈送、来自教室的音频馈送以及来自教室的学生记录的分析来确定妨碍学生在教室中学习的物理教室资源约束。也就是说,系统基于对来自教室的视频馈送(使得有缺陷的无生命对象在视觉上被识别)、来自教室的音频馈送(使得有缺陷的无生命对象在听觉上被识别(例如,显示器208产生的噪声)、诸如学生随便说话等的教室问题被识别)、以及学生在教室中的学生记录(其确定学生学习材料的能力的历史)的分析,确定(无生命对象的)物理教室资源约束实际上对学生的学习能力有害。
在本发明的实施例中,一个或多个处理器在远程计算机上的图形用户界面(GUI)上显示教室中的无生命教室资源、教室中的有生命对象、以及修复无生命教室资源的指令的描述的图像。一个或多个处理器从远程计算机接收基于教室中的无生命教室资源、教室中的有生命对象、以及修复无生命教室资源的指令的描述的图像来进一步调整无生命教室资源的指令。然后,一个或多个处理器基于所述来自远程计算机的指令进一步调整无生命教室资源。也就是说,这里呈现的活动可以显示在各种资源上,诸如图7中所示的用户仪表板707或用户显示设备713上,以便让管理员知道可以修复教室中的资源(例如,可以修复显示器208以便改善教室200中的学习环境)。
现在参考图11,该图呈现了根据本发明的一个或多个实施例在第二示例性方法中由一个或多个处理器和/或其他硬件设备执行的操作。
在启动框1101之后,一个或多个处理器基于从教室中的传感器接收的传感器读数来识别和量化教室中的物理教室资源,如框1103中所述。
然后,一个或多个处理器基于来自教室中的传感器的传感器读数来确定妨碍教室中学生学习的物理教室资源约束,如框1105所述。
如框1107所述,一个或多个处理器检测到由传感器读数所识别的物理教室资源中的一个或多个所述物理教室资源约束(例如,导致学生在教室中学习能力降低的缺陷)。
如框1109所述,一个或多个处理器基于一个或多个检测到的物理教室资源约束来调整一个或多个物理教室资源。
图11中的流程图结束于终止框1111。
与图10中描述的发明一样,图11中描述的本发明的一个实施例还包括由一个或多个处理器训练一个认知系统基于描述教室中物理教室资源的先前状况的先前传感器读数来识别物理教室资源的变化;以及由一个或多个处理器将识别的物理教室资源的变化发送到修复物理教室资源的设备。
与图10中描述的发明一样,图11中描述的本发明的一个实施例还包括由一个或多个处理器生成用于将具有所述物理教室资源约束的一个或多个物理教室资源替换为不具有物理教室资源约束的一个或多个其他物理教室资源的指令。
与图10中描述的发明一样,在图11中描述的本发明的一个实施例中,物理教室资源约束是由物理教室资源的物理布置引起的,并且在图11中描述的发明还包括由一个或多个处理器生成重新排列一个或多个所述物理教室资源以便消除所述物理教室资源约束的指令。
与图10中描述的发明一样,在图11中描述的本发明的一个实施例中,物理教室资源约束是由物理教室资源之一中的缺陷引起的,图11中描述的本发明还包括由一个或多个处理器生成修复所述物理教室资源之一中的缺陷的指令。
与图10中描述的发明一样,图11中描述的本发明的一个实施例还包括由一个或多个处理器基于对来自教室的视频馈送、来自教室的音频馈送以及教室中学生的学生记录的分析来确定妨碍学生在课堂中学习的物理教室资源约束。
因此,如本文中在本发明的一个或多个实施例中所描述的,基于处理器的分析采用由设备(例如摄像机、移动设备、平板电脑)提供的多媒体输入(例如视频流、图像、音频)和上下文、电子时间表、诸如最佳实践和基准信息。所述分析可以考虑历史日志(例如学生、教室、资源)和诸如绩效报告、资源索引等信息。
检测和分析课堂资源包括关注对象过滤、识别、以及与来自其他教室或学校的基准工件进行匹配,使用视觉分析来指出劣质或高质量的课堂环境。
检测和分析课堂学生行为包括从指向不良环境和不期望的学生结果的多媒体输入中寻找出勤、活动、行为和互动的模式
根据本发明的一个或多个实施例,对象过滤定制软件实用程序通过无线网络和服务器解决方案、或点对点协议,接收来自一个或多个设备(主要来自低成本设备)或先前记录的源的视频流。该实用程序使用背景消减法,皮肤检测和软件实用程序来区分有生命对象和无生命对象。对象识别过程获取对象并进一步对其进行分类。有生命对象的分类包括:人类、学生、访客、教师、管理员、研究员、班级宠物、人类手臂、人腿、人脸、眼睛、头部、躯干等。无生命物体的类别包括但不限于椅子、课桌、台子、墙壁、地板、平板电脑、手机、铅笔、海报、灯具、粉笔板、白板、订书机、笔记本电脑等。通过历史模型匹配和个人辨别和识别来实现对象分类。将采用自定义对象识别工具,其包括对象模型的数据存储库和已被训练以识别由模型表示的对象的神经网络。
根据本发明的一个或多个实施例,诸如学生/教师/管理员的有生命对象模型将来自系统设置,其中具有姓名的班级学生和职员的正面图像被加载到系统中。系统将使用该注册信息,在人进入教室并面对摄像机时识别该人。在生物识别时,系统将标记个体并在整个记录期间跟踪他们的移动。再加上系统对人体附属物的识别和视线检测,系统将进一步基于肢体语言对无生命对象进行分类。例如,一个学生安静地坐着,在笔记本上写字,就被归类为参与,但是如果老师在说话,而大多数学生的目光都不是针对老师,那么分类就会提到老师没有吸引住学生。
根据一个或多个实施例,本发明包括用于允许教师输入以帮助纠正对学生影响的不正确系统标记的机制。根据本发明的一个或多个实施例,系统将通过跟踪移动、肢体语言、与教师的交互和对话来学习和标记学生和教师的影响。影响实例包括但不限于:无聊,困惑,喜悦,滔滔不绝和挫折。
根据本发明的一个或多个实施例,认知代理基于对象分析、存储的记录(学生表现、课程卷、科目,考试成绩等)和观察到的行为进行推断。训练认知代理以理解身体语言的影响意义。进一步训练认知代理以理解人类交互背后的意义的相互作用。在使用该系统时,课堂视频不断被录制并提交给认知系统用于推荐。因此,认知系统是在网上发现的大量的几乎无限的人类互动视频上训练的。其中一些互动被贴上了标签,如场景的普遍影响(例如,每个人都在冷静地倾听),以及突出的个体的影响(例如,西蒙感到沮丧并且通过猛烈摇头来表现出来)。经过培训后,认知系统将场景理解应用于被传递给它的课堂视频。
为了使用户仅接收所需的通知,本发明的一个或多个实施例利用评级系统为每个通知以及分类分配重要性级别。例如,许多教师不太可能希望每分钟都收到通知他们学生正在关注的通知。这种类型的通知对于任何经验水平的教师来说都是显而易见的。被称为记录信息(所有可识别事件/普遍影响/个别影响))的此级别的信息被记录。但是,接收所有这种信息的通知可能会分散教师的注意力而不是帮助他们。因此,建立了通知重要性和分类的其他级别。在本发明的各种实施例中,通知所基于的是对有生命对象或无生命对象的分析的结果以及二者的相互作用,从而产生通知类别。
通知类别包括但不限于:人、环境、个体、群体、高度积极、积极、低积极性、高度消极、消极、低消极性、中性和状态。通过这里描述的系统,用户/管理员可以设置他们想要立即通知和/或仅为了查看目的而通知的信息类型和情形。因此,在选择要通知的情形时,他们将能够从三个行动中进行选择:记录、立即通知、下班通知。不同的利益相关者可能需要了解不同的情形。例如,教师可以设置系统以通知他们涉及学生群体的负面和高度负面事件。设施管理者可以设置系统以通知他们负面的环境情况,以便他们可以优先考虑购置。
除了报告教室中的情况之外,本发明还允许来自用户的通过文本或语音作出的反馈。认识到认知组件不是绝对可靠的,本发明包括一个反馈系统,该反馈系统允许用户重新标记他们已被通知的情况和/或推荐解决教室中无生命对象的问题的替代性纠正措施。在被提供纠正反馈时,认知代理/组件保持一个某情况被错误地标记过的记录,并在标记未来情况时利用该知识。
通过本发明的仪表板进行通知,该仪表板是包括智能手机界面的基于网络的应用程序。
在一些实施例中,本发明提供了一种标准化的教室监控和管理设备。例如,如果教室环境太差,导致学生脱离课堂,则本发明对于通知教师具有很大的实用性。因此,该系统用于检测和报告教室环境,并使用低分辨率或高分辨率视频识别学生。
在另外的实施例中,本发明提供了面部识别实用程序。该实用程序将是一个智能面部检测器,因为它将使用包括房间和时间的上下文信息来获得一个班级名册。因此,将面部与非常小的数据集进行比较,从而实现较低的识别阈值,这反过来有助于在使用低分辨率成像时的操作。
教室中的无线连接(例如,到因特网的Wi-Fi连接)允许教师通过无线网络和服务器解决方案或者在点对点解决方案中与设备交互。其他自定义软件实用程序允许管理员或教师轻松利用在教师专注于其他地方的同时关注学生的行为的虚拟课堂教师助理。
在一个或多个实施例中,本发明提供了一种用于为学习环境的用户生成认知仪表板的系统和方法,认知仪表板包括一个或多个感测学习环境中的对象和事件的感测元件,学习环境中的预期活动、身份和实体的日志信息,能够处理可用的感官和日志信息的处理元件,和/或一个或多个用于计算感官分析以计算出勤、活动、行为和交互的计算引擎;一个或多个用于计算感知分析以计算学习环境基础设施的各个元素(例如椅子、课桌、墙壁涂料)的状况的计算引擎;一个用于根据由低成本设备捕获的连续多媒体信息、教室动态活动和其他背景信息,将各个元素的状况聚合成聚合的教室状况,以进行有效学习的计算引擎;一个能够在屏幕上显示指向不太理想的学生结果的出勤率、活动、行为和互动的趋势的显示引擎;一个能够与用户就最有可能影响变化的分析结果进行交互的交互引擎;和/或一个能在教师专注于其他方面的同时关注学生的行为的虚拟课堂教师助理。
在本发明的一个实施例中,检测管理教室工件的需要涉及监控教室资源、面部识别、学生出勤检测等。
在本发明的一个实施例中,通过分析资源、个体学生或群组的过去历史来确定和塑造分析需求。
在本发明的一个实施例中,基准匹配涉及对低质量视频和图像的可视分析,对来自同一学校或其他学校的其他教室的资源使用排名工具,资源质量和通信的监视等。
本发明的一个或多个实施例可以在云计算环境中实现。尽管如此,首先应当理解,尽管本公开包括关于云计算的详细描述,但其中记载的技术方案的实现却不限于云计算环境,而是能够结合现在已知或以后开发的任何其它类型的计算环境而实现。
云计算是一种服务交付模式,用于对共享的可配置计算资源池进行方便、按需的网络访问。可配置计算资源是能够以最小的管理成本或与服务提供者进行最少的交互就能快速部署和释放的资源,例如可以是网络、网络带宽、服务器、处理、内存、存储、应用、虚拟机和服务。这种云模式可以包括至少五个特征、至少三个服务模型和至少四个部署模型。
特征包括:
按需自助式服务:云的消费者在无需与服务提供者进行人为交互的情况下能够单方面自动地按需部署诸如服务器时间和网络存储等的计算能力。
广泛的网络接入:计算能力可以通过标准机制在网络上获取,这种标准机制促进了通过不同种类的瘦客户机平台或厚客户机平台(例如移动电话、膝上型电脑、个人数字助理PDA)对云的使用。
资源池:提供者的计算资源被归入资源池并通过多租户(multi-tenant)模式服务于多重消费者,其中按需将不同的实体资源和虚拟资源动态地分配和再分配。一般情况下,消费者不能控制或甚至并不知晓所提供的资源的确切位置,但可以在较高抽象程度上指定位置(例如国家、州或数据中心),因此具有位置无关性。
迅速弹性:能够迅速、有弹性地(有时是自动地)部署计算能力,以实现快速扩展,并且能迅速释放来快速缩小。在消费者看来,用于部署的可用计算能力往往显得是无限的,并能在任意时候都能获取任意数量的计算能力。
可测量的服务:云系统通过利用适于服务类型(例如存储、处理、带宽和活跃用户帐号)的某种抽象程度的计量能力,自动地控制和优化资源效用。可以监测、控制和报告资源使用情况,为服务提供者和消费者双方提供透明度。
服务模型如下:
软件即服务(SaaS):向消费者提供的能力是使用提供者在云基础架构上运行的应用。可以通过诸如网络浏览器的瘦客户机接口(例如基于网络的电子邮件)从各种客户机设备访问应用。除了有限的特定于用户的应用配置设置外,消费者既不管理也不控制包括网络、服务器、操作系统、存储、乃至单个应用能力等的底层云基础架构。
平台即服务(PaaS):向消费者提供的能力是在云基础架构上部署消费者创建或获得的应用,这些应用利用提供者支持的程序设计语言和工具创建。消费者既不管理也不控制包括网络、服务器、操作系统或存储的底层云基础架构,但对其部署的应用具有控制权,对应用托管环境配置可能也具有控制权。
基础架构即服务(IaaS):向消费者提供的能力是消费者能够在其中部署并运行包括操作系统和应用的任意软件的处理、存储、网络和其他基础计算资源。消费者既不管理也不控制底层的云基础架构,但是对操作系统、存储和其部署的应用具有控制权,对选择的网络组件(例如主机防火墙)可能具有有限的控制权。
部署模型如下:
私有云:云基础架构单独为某个组织运行。云基础架构可以由该组织或第三方管理并且可以存在于该组织内部或外部。
共同体云:云基础架构被若干组织共享并支持有共同利害关系(例如任务使命、安全要求、政策和合规考虑)的特定共同体。共同体云可以由共同体内的多个组织或第三方管理并且可以存在于该共同体内部或外部。
公共云:云基础架构向公众或大型产业群提供并由出售云服务的组织拥有。
混合云:云基础架构由两个或更多部署模型的云(私有云、共同体云或公共云)组成,这些云依然是独特的实体,但是通过使数据和应用能够移植的标准化技术或私有技术(例如用于云之间的负载平衡的云突发流量分担技术)绑定在一起。
云计算环境是面向服务的,特点集中在无状态性、低耦合性、模块性和语意的互操作性。云计算的核心是包含互连节点网络的基础架构。
现在参考图12,其中显示了示例性的云计算环境50。如图所示,云计算环境50包括云计算消费者使用的本地计算设备可以与其相通信的一个或者多个云计算节点10,本地计算设备例如可以是个人数字助理(PDA)或移动电话54A,台式电脑54B、笔记本电脑54C和/或汽车计算机系统54N。云计算节点10之间可以相互通信。可以在包括但不限于如上所述的私有云、共同体云、公共云或混合云或者它们的组合的一个或者多个网络中将云计算节点10进行物理或虚拟分组(图中未显示)。这样,云的消费者无需在本地计算设备上维护资源就能请求云计算环境50提供的基础架构即服务(IaaS)、平台即服务(PaaS)和/或软件即服务(SaaS)。应当理解,图12显示的各类计算设备54A-54N仅仅是示意性的,云计算节点10以及云计算环境50可以与任意类型网络上和/或网络可寻址连接的任意类型的计算设备(例如使用网络浏览器)通信。
现在参考图13,其中显示了云计算环境50(图12)提供的一组功能抽象层。首先应当理解,图13所示的组件、层以及功能都仅仅是示意性的,本发明的实施例不限于此。如图13所示,提供下列层和对应功能:
硬件和软件层60包括硬件和软件组件。硬件组件的例子包括:主机61;基于RISC(精简指令集计算机)体系结构的服务器62;服务器63;刀片服务器64;存储设备65;网络和网络组件66。软件组件的例子包括:网络应用服务器软件67以及数据库软件68。
虚拟层70提供一个抽象层,该层可以提供下列虚拟实体的例子:虚拟服务器71、虚拟存储72、虚拟网络73(包括虚拟私有网络)、虚拟应用和操作系统74,以及虚拟客户端75。
在一个示例中,管理层80可以提供下述功能:资源供应功能81:提供用于在云计算环境中执行任务的计算资源和其它资源的动态获取;计量和定价功能82:在云计算环境内对资源的使用进行成本跟踪,并为此提供帐单和发票。在一个例子中,该资源可以包括应用软件许可。安全功能:为云的消费者和任务提供身份认证,为数据和其它资源提供保护。用户门户功能83:为消费者和系统管理员提供对云计算环境的访问。服务水平管理功能84:提供云计算资源的分配和管理,以满足必需的服务水平。服务水平协议(SLA)计划和履行功能85:为根据SLA预测的对云计算资源未来需求提供预先安排和供应。
工作负载层90提供云计算环境可能实现的功能的示例。在该层中,可提供的工作负载或功能的示例包括:地图绘制与导航91;软件开发及生命周期管理92;虚拟教室的教学提供93;数据分析处理94;交易处理95;以及能执行本发明的一个或多个特征的教室资源配置和改进处理96。
本文中使用的术语仅用于描述特定实施例的目的,并不意图限制本发明。如本文中所使用的,单数形式“一”、“一个”和“该”旨在也包括复数形式,除非上下文另有明确说明。将进一步理解,当在本说明书中使用时,术语“包括”和/或“包含”指定所述特征、整数、步骤、操作、元件和/或组件的存在,但不排除存在或者添加一个或多个其他特征、整数、步骤、操作、元素、组件和/或其组。
以下权利要求中的所有装置或步骤加功能元件的对应结构、材料、动作和等同物旨在包括用于结合具体要求保护的其他要求保护的元件执行功能的任何结构、材料或动作。已经出于说明和描述的目的给出了对本发明的各种实施例的描述,但是所述描述并不是穷举性的,也不旨在将本发明限于所公开的形式。在不脱离本发明的范围的情况下,许多修改和变化对于本领域普通技术人员来说是显而易见的。对实施例的选择和描述,是为了最好地解释本发明的原理和实际应用,并且使本领域普通技术人员能够理解本发明的各种实施例,其具有适合于可以预期的特定用途的各种修改。
可以通过使用VHDL(VHSIC硬件描述语言)程序和VHDL芯片来实现本发明中描述的方法。VHDL是现场可编程门阵列(FPGA)、专用集成电路(ASIC)和其他类似电子设备的示例性设计输入语言。(仅)作为另外的示例,可以通过基于硬件的VHDL程序来模拟本文中描述的一个或多个计算机实现的(例如软件形式的)方法,然后可以将其应用于诸如FPGA的VHDL芯片。
在任何可能的技术细节结合层面,本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Jave、Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
已经详细地并且通过参考说明性实施例描述了本申请的本发明的实施例,显而易见的是,在不脱离所附权利要求限定的本发明的范围的情况下,可以作出各种修改和变化。
Claims (25)
1.一种计算机实现的方法,包括:
由一个或多个处理器基于来自教室中的一个或多个监视设备的传感器读数,监视教室中的无生命教室资源;
由一个或多个处理器评估所述无生命教室资源的状况;
由一个或多个处理器识别其状况导致妨碍学生在教室学习的物理教室资源约束的无生命教室资源,其中所述物理教室资源约束由所述物理教室资源中的一个或多个物理教室资源中导致学生在教室中学习能力降低的物理缺陷引起;
由一个或多个处理器识别教室中妨碍学生在教室学习的有生命对象的存在和活动;
由一个或多个处理器基于所述无生命对象的状况以及所述教室中的有生命对象的存在和活动的类型来确定教室的教室指数;
由一个或多个处理器确定所述教室指数是否超过预定阈值;和
由一个或多个处理器响应于确定所述教室指数超过预定阈值而发出修复其状况导致妨碍教室中学生学习的物理教室资源约束的所述无生命教室资源的指令,其中学生在教室中学习能力降低基于焦点确定和群组影响确定,其中焦点确定是教室中的破损物体如何不利地影响单个学生的学习注意力的确定,并且其中群组影响确定是教室中的破损物体如何不利地影响教室中的全部学生的学习注意力的确定。
2.如权利要求1所述的计算机实现的方法,还包括:
由一个或多个处理器训练认知系统基于描述教室中的物理教室资源的先前状况的先前的传感器读数识别物理教室资源的变化;和
通过一个或多个处理器将识别的物理教室资源的变化发送到修复所述物理教室资源的设备。
3.如权利要求1所述的计算机实现的方法,还包括:
由一个或多个处理器生成将具有所述物理教室资源约束的物理教室资源替换为没有所述物理教室资源约束的其他物理教室资源的指令。
4.如权利要求1所述的计算机实现的方法,其中所述物理教室资源约束由物理教室资源的物理布置引起,并且其中所述计算机实现的方法还包括:
由一个或多个处理器生成重新安排物理教室资源的指令。
5.如权利要求1所述的计算机实现的方法,其中所述物理教室资源约束由一个或多个物理教室资源中的缺陷引起,并且其中所述计算机实现的方法还包括:
由一个或多个处理器生成修复所述一个或多个物理教室资源中的缺陷的指令。
6.如权利要求1所述的计算机实现的方法,还包括:
由一个或多个处理器基于对来自教室的视频馈送、来自教室的音频馈送以及教室中学生的学生记录的分析,确定妨碍学生在教室学习的所述物理教室资源约束。
7.如权利要求1所述的计算机实现的方法,还包括:
由一个或多个处理器在远程计算机上的图形用户界面(GUI)上显示教室中无生命教室资源、教室中有生命对象的图像,以及对修复所述无生命教室资源的所述指令的描述;
由一个或多个处理器接收来自所述远程计算机的、基于所述教室中无生命教室资源、教室中有生命对象的图像以及所述修复无生命教室资源的指令的描述来进一步调整所述无生命教室资源的指令;和
通过一个或多个处理器,基于来自所述远程计算机的所述指令进一步调整所述无生命教室资源。
8.一种计算机实现的方法,包括:
由一个或多个处理器根据从教室中的传感器接收的传感器读数识别和量化教室中的物理教室资源;
由一个或多个处理器基于所述教室中的传感器的传感器读数确定妨碍学生在教室学习的物理教室资源约束,其中所述物理教室资源约束由所述物理教室资源中的一个或多个物理教室资源中导致学生在教室中学习能力降低的物理缺陷引起,其中学生在教室中学习能力降低基于焦点确定和群组影响确定,其中焦点确定是教室中的破损物体如何不利地影响单个学生的学习注意力的确定,并且其中群组影响确定是教室中的破损物体如何不利地影响教室中的全部学生的学习注意力的确定;
由一个或多个处理器检测由传感器读数识别的物理教室资源中的一个或多个所述物理教室资源约束;和
由一个或多个处理器基于一个或多个检测到的物理教室资源约束调整所述物理教室资源,所述调整包括通过机器人设备进入所述教室修复所述物理教室资源中的所述一个或多个物理教室资源中的所述物理缺陷。
9.如权利要求8所述的计算机实现的方法,还包括:
由一个或多个处理器训练认知系统基于描述教室中物理教室资源的先前状况的先前传感器读数来识别物理教室资源的变化;和
由一个或多个处理器将识别的物理教室资源的变化发送到修复物理教室资源的设备。
10.如权利要求8所述的计算机实现的方法,还包括:
由一个或多个处理器生成将具有所述物理教室资源约束的一个或多个所述物理教室资源替换为一个或多个不具有所述物理教室资源约束的其他物理教室资源的指令。
11.如权利要求8所述的计算机实现的方法,其中,所述物理教室资源约束由所述物理教室资源的物理布置引起,并且其中,所述计算机实现的方法还包括:
由一个或多个处理器生成重新安排一个或多个所述物理教室资源以便去除所述物理教室资源约束的指令。
12.如权利要求8所述的计算机实现的方法,其中所述物理教室资源约束由所述物理教室资源之一中的缺陷引起,并且其中所述计算机实现的方法还包括:
由一个或多个处理器生成修复所述物理教室资源之一中的缺陷的指令。
13.如权利要求8所述的计算机实现的方法,还包括:
由一个或多个处理器基于对来自教室的视频馈送、来自教室的音频馈送以及教室中学生的学生记录的分析确定所述妨碍学生在教室学习的物理教室资源约束。
14.一种计算机可读存储设备,该计算机可读存储设备具有在其中体现的程序指令,该程序指令可由计算机执行以通过以下操作来优化教室物理资源:
基于来自教室中的一个或多个监视设备的传感器读数,监视教室中的无生命教室资源;
评估所述无生命教室资源的状况;
识别其状况导致妨碍学生在教室学习的物理教室资源约束的无生命教室资源,其中所述物理教室资源约束由所述物理教室资源中的一个或多个物理教室资源中导致学生在教室中学习能力降低的物理缺陷引起;
识别教室中妨碍学生在教室学习的有生命对象的存在和活动;
基于所述无生命对象的状况以及所述教室中的有生命对象的存在和活动的类型来确定教室的教室指数;
确定所述教室指数是否超过预定阈值;和
响应于确定所述教室指数超过预定阈值而发出修复其状况导致妨碍教室中学生学习的物理教室资源约束的所述无生命教室资源的指令,其中学生在教室中学习能力降低基于焦点确定和群组影响确定,其中焦点确定是教室中的破损物体如何不利地影响单个学生的学习注意力的确定,并且其中群组影响确定是教室中的破损物体如何不利地影响教室中的全部学生的学习注意力的确定。
15.如权利要求14所述的计算机可读存储设备,其中所述程序指令还可由所述计算机读取和执行以:
训练认知系统基于描述教室中的物理教室资源的先前状况的先前的传感器读数识别物理课堂资源的变化;和
将识别的物理教室资源的变化传输到修复所述物理教室资源的设备。
16.一种计算机可读存储设备,该计算机可读存储设备具有在其中体现的程序指令,该程序指令可由计算机执行以通过以下操作来优化教室物理资源:
根据从教室中的传感器接收的传感器读数识别和量化教室中的物理教室资源;
基于所述教室中的传感器的传感器读数确定妨碍学生在教室学习的物理教室资源约束,其中所述物理教室资源约束由所述物理教室资源中的一个或多个物理教室资源中导致学生在教室中学习能力降低的物理缺陷引起,其中学生在教室中学习能力降低基于焦点确定和群组影响确定,其中焦点确定是教室中的破损物体如何不利地影响单个学生的学习注意力的确定,并且其中群组影响确定是教室中的破损物体如何不利地影响教室中的全部学生的学习注意力的确定;
检测由传感器读数识别的物理教室资源中的一个或多个所述物理教室资源约束;和
基于一个或多个检测到的物理教室资源约束调整所述物理教室资源,所述调整包括通过机器人设备进入所述教室修复所述物理教室资源中的所述一个或多个物理教室资源中的所述物理缺陷。
17.如权利要求16所述的计算机可读存储设备,其中所述程序指令还可由所述计算机读取和执行以:
训练认知系统基于描述教室中物理教室资源的先前状况的先前传感器读数来识别物理教室资源的变化;和
将识别的物理教室资源的变化发送到修复物理教室资源的设备。
18.如权利要求16所述的计算机可读存储设备,其中所述程序指令还可由所述计算机读取和执行以:
生成将具有所述物理教室资源约束的一个或多个所述物理教室资源替换为一个或多个不具有所述物理教室资源约束的其他物理教室资源的指令。
19.如权利要求16所述的计算机可读存储设备,其中,所述物理教室资源约束由所述物理教室资源的物理布置引起,并且其中所述程序指令还可由所述计算机读取和执行以:
生成重新安排所述物理教室资源。
20.如权利要求16所述的计算机可读存储设备,其中,所述所述物理教室资源约束由所述物理教室资源之一中的缺陷引起,并且其中所述程序指令还可由所述计算机读取和执行以:
生成修复所述物理教室资源之一中的缺陷的指令。
21.如权利要求16所述的计算机可读存储设备,其中所述程序指令还可由所述计算机读取和执行以:
基于对来自教室的视频馈送、来自教室的音频馈送以及教室中学生的学生记录的分析确定所述妨碍学生在教室学习的物理教室资源约束。
22.如权利要求16所述的计算机可读存储设备,其中,所述程序指令被提供作为云环境中的服务。
23.一种系统,包括:
一个或多个处理器;
一个或多个计算机可读存储器,可操作地耦合到所述一个或多个处理器;
一个或多个计算机可读存储介质,可操作地耦合到所述一个或多个计算机可读存储器;和
存储在所述一个或多个计算机可读存储介质中的至少一个上的程序指令,用于由所述一个或多个处理器中的至少一个经由所述一个或多个计算机可读存储器中的至少一个执行,所述程序指令包括:
根据从教室中的传感器接收的传感器读数识别和量化教室中的物理教室资源的程序指令;
确定妨碍学生在教室学习的物理教室资源约束的程序指令;
检测所述物理教室资源中的一个或多个所述物理教室资源约束的程序指令,其中所述物理教室资源约束由所述物理教室资源中的一个或多个物理教室资源中导致学生在教室中学习能力降低的物理缺陷引起,其中学生在教室中学习能力降低基于焦点确定和群组影响确定,其中焦点确定是教室中的破损物体如何不利地影响单个学生的学习注意力的确定,并且其中群组影响确定是教室中的破损物体如何不利地影响教室中的全部学生的学习注意力的确定;和
基于一个或多个检测到的物理教室资源约束调整所述物理教室资源的程序指令,所述调整包括通过机器人设备进入所述教室修复所述物理教室资源中的所述一个或多个物理教室资源中的所述物理缺陷。
24.如权利要求23所述的系统,进一步包括:
训练认知系统基于描述教室中物理教室资源的先前状况的先前传感器读数来识别物理教室资源的变化的程序指令;和
将识别的物理教室资源的变化发送到修复物理教室资源的设备的程序指令。
25.如权利要求23所述的系统,进一步包括:
生成将具有所述物理教室资源约束的一个或多个所述物理教室资源替换为一个或多个不具有所述物理教室资源约束的其他物理教室资源的指令的程序指令。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/486,429 US11301944B2 (en) | 2017-04-13 | 2017-04-13 | Configuring classroom physical resources |
US15/486,429 | 2017-04-13 | ||
PCT/IB2017/058210 WO2018189582A1 (en) | 2017-04-13 | 2017-12-20 | Configuring classroom physical resources |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110494874A CN110494874A (zh) | 2019-11-22 |
CN110494874B true CN110494874B (zh) | 2023-06-06 |
Family
ID=63790812
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780089554.5A Active CN110494874B (zh) | 2017-04-13 | 2017-12-20 | 配置教室物理资源 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11301944B2 (zh) |
JP (1) | JP7160440B2 (zh) |
CN (1) | CN110494874B (zh) |
DE (1) | DE112017006915T5 (zh) |
GB (1) | GB2575607A (zh) |
WO (1) | WO2018189582A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11250570B2 (en) * | 2017-03-31 | 2022-02-15 | Nec Corporation | Display rack image processing device, image processing method, and recording medium |
CN107292271B (zh) * | 2017-06-23 | 2020-02-14 | 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 |
JP6892558B2 (ja) * | 2017-08-07 | 2021-06-23 | 中国科学院深▲チェン▼先進技術研究院Shenzhen Institutes Of Advanced Technology Chinese Academy Of Sciences | 教学補助方法およびその方法を採用する教学補助システム |
CN109583351B (zh) * | 2018-11-22 | 2023-04-07 | 广州市保伦电子有限公司 | 基于视频分析的课堂学生注意力获取方法、装置及介质 |
CN110347907A (zh) * | 2019-05-22 | 2019-10-18 | 平安科技(深圳)有限公司 | 推荐自习教室的方法、装置、电子设备及存储介质 |
TWI756944B (zh) * | 2020-11-27 | 2022-03-01 | 國立臺北科技大學 | 融合混增實境及虛擬實境之教學系統及其方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060031489A (ko) * | 2004-10-08 | 2006-04-12 | 주식회사 국제이엔씨 | 학교관리시스템 |
WO2013043228A1 (en) * | 2011-09-21 | 2013-03-28 | Cellepathy Ltd. | Restricting mobile device usage |
CN104008678A (zh) * | 2014-06-06 | 2014-08-27 | 杨安康 | 课堂教学多媒体信息实时采集与加密的智能网络终端及工作方法 |
CN104575142A (zh) * | 2015-01-29 | 2015-04-29 | 上海开放大学 | 体验式数字化多屏无缝跨媒体互动开放教学实验室 |
CN105184498A (zh) * | 2015-09-18 | 2015-12-23 | 成都虹昇光电科技有限公司 | 一种教育装备管理平台 |
US9558004B1 (en) * | 2015-10-16 | 2017-01-31 | International Business Machines Corporation | Inter-platform management of computing resources |
Family Cites Families (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6704541B1 (en) | 2000-12-06 | 2004-03-09 | Unext.Com, L.L.C. | Method and system for tracking the progress of students in a class |
US20040249889A1 (en) | 2003-06-03 | 2004-12-09 | Drommond David E. | Method and system for processing interactive communications |
US8187004B1 (en) | 2004-09-03 | 2012-05-29 | Desensi Jr Francis Joseph | System and method of education administration |
US20060073461A1 (en) * | 2004-09-22 | 2006-04-06 | Gillaspy Thomas R | Method and system for estimating educational resources |
JP4794846B2 (ja) | 2004-10-27 | 2011-10-19 | キヤノン株式会社 | 推定装置、及び推定方法 |
US7410528B2 (en) * | 2004-11-30 | 2008-08-12 | Corning Incorporated | Method and system for testing the integrity of green plugged honeycomb structure |
US20070099167A1 (en) | 2005-11-03 | 2007-05-03 | Eason Terry J | Method and computer program for monitoring, tracking and enhancing a student performance |
US7917385B2 (en) * | 2006-11-27 | 2011-03-29 | Hntb Holdings Ltd | Forecasting demand and availability of resources of a military installation |
US7980858B2 (en) * | 2007-06-29 | 2011-07-19 | Steelcase Development Corporation | Learning environment |
US9626875B2 (en) * | 2007-08-01 | 2017-04-18 | Time To Know Ltd. | System, device, and method of adaptive teaching and learning |
US20110053133A1 (en) | 2008-03-28 | 2011-03-03 | Rock Marcia L | Systems and methods for discreetly providing real-time feedback to an instructor |
US20090278935A1 (en) | 2008-05-07 | 2009-11-12 | Rainier Christopher D | Classroom monitor |
US8682241B2 (en) * | 2009-05-12 | 2014-03-25 | International Business Machines Corporation | Method and system for improving the quality of teaching through analysis using a virtual teaching device |
US20110298722A1 (en) * | 2010-06-04 | 2011-12-08 | Smart Technologies Ulc | Interactive input system and method |
US20130173776A1 (en) | 2012-01-04 | 2013-07-04 | Marvell World Trade Ltd. | Method and Apparatus for Wirelessly Managing a Classroom Environment |
US20130226674A1 (en) * | 2012-02-28 | 2013-08-29 | Cognita Systems Incorporated | Integrated Educational Stakeholder Evaluation and Educational Research System |
CN102830664B (zh) * | 2012-04-28 | 2014-10-08 | 华南理工大学 | 基于智能视频识别技术的教室用电设备管理方法及系统 |
US20140199671A1 (en) | 2013-01-17 | 2014-07-17 | Christina Hippeli | Classroom Management and Educational System and Method |
US20140253883A1 (en) * | 2013-03-05 | 2014-09-11 | Funai Electric Co., Ltd. | Projector |
US10049591B2 (en) | 2013-03-15 | 2018-08-14 | Northcanal Group Llc | Classroom management application and system |
US9506962B2 (en) * | 2013-05-08 | 2016-11-29 | Litecontrol Corporation | Resource control system with local reallocation |
CN103543769B (zh) | 2013-10-14 | 2015-09-30 | 苏州市职业大学 | 智能教室管理系统 |
CN103679592B (zh) | 2013-11-12 | 2017-01-11 | 南京邮电大学 | 高校教室感知管理系统 |
CN103699936A (zh) | 2013-12-19 | 2014-04-02 | 天津大学 | 基于移动终端和移动网络的校园自习室实时信息共享平台 |
CN203825661U (zh) | 2014-01-08 | 2014-09-10 | 湖南城市学院 | 教室管理系统 |
CN104200328B (zh) * | 2014-09-09 | 2017-08-15 | 河海大学常州校区 | 一种基于体感技术的智能教室教学系统及方法 |
US9857784B2 (en) * | 2014-11-12 | 2018-01-02 | International Business Machines Corporation | Method for repairing with 3D printing |
CN204303018U (zh) | 2014-12-18 | 2015-04-29 | 浙江大学 | 一种自修教室管理系统 |
ES2550112B1 (es) * | 2015-07-15 | 2016-08-24 | Universidad De Murcia | Método y sistema para el uso eficiente de recursos y control de presencia en aulas |
US9888371B1 (en) * | 2015-11-13 | 2018-02-06 | State Farm Mutual Automobile Insurance Company | Portable home and hotel security system |
CN106502132A (zh) | 2016-11-11 | 2017-03-15 | 深圳技师学院 | 一种智能教室系统及其控制方法 |
-
2017
- 2017-04-13 US US15/486,429 patent/US11301944B2/en active Active
- 2017-12-20 CN CN201780089554.5A patent/CN110494874B/zh active Active
- 2017-12-20 GB GB1916128.0A patent/GB2575607A/en not_active Withdrawn
- 2017-12-20 WO PCT/IB2017/058210 patent/WO2018189582A1/en active Application Filing
- 2017-12-20 JP JP2019553812A patent/JP7160440B2/ja active Active
- 2017-12-20 DE DE112017006915.7T patent/DE112017006915T5/de active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060031489A (ko) * | 2004-10-08 | 2006-04-12 | 주식회사 국제이엔씨 | 학교관리시스템 |
WO2013043228A1 (en) * | 2011-09-21 | 2013-03-28 | Cellepathy Ltd. | Restricting mobile device usage |
CN104008678A (zh) * | 2014-06-06 | 2014-08-27 | 杨安康 | 课堂教学多媒体信息实时采集与加密的智能网络终端及工作方法 |
CN104575142A (zh) * | 2015-01-29 | 2015-04-29 | 上海开放大学 | 体验式数字化多屏无缝跨媒体互动开放教学实验室 |
CN105184498A (zh) * | 2015-09-18 | 2015-12-23 | 成都虹昇光电科技有限公司 | 一种教育装备管理平台 |
US9558004B1 (en) * | 2015-10-16 | 2017-01-31 | International Business Machines Corporation | Inter-platform management of computing resources |
Also Published As
Publication number | Publication date |
---|---|
WO2018189582A1 (en) | 2018-10-18 |
GB2575607A (en) | 2020-01-15 |
JP2020516995A (ja) | 2020-06-11 |
JP7160440B2 (ja) | 2022-10-25 |
US11301944B2 (en) | 2022-04-12 |
GB201916128D0 (en) | 2019-12-18 |
DE112017006915T5 (de) | 2019-10-10 |
CN110494874A (zh) | 2019-11-22 |
US20180300830A1 (en) | 2018-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110494874B (zh) | 配置教室物理资源 | |
US10621685B2 (en) | Cognitive education advisor | |
Liu | Crisis crowdsourcing framework: Designing strategic configurations of crowdsourcing for the emergency management domain | |
Siemens | Learning analytics: The emergence of a discipline | |
Sedkaoui et al. | Understand, develop and enhance the learning process with big data | |
US10832038B2 (en) | Real-time analysis of participant understanding | |
US20130096892A1 (en) | Systems and methods for monitoring and predicting user performance | |
Fitzpatrick | The locales framework: Understanding and designing for cooperative work | |
US20170345109A1 (en) | Free Learning Analytics Methods and Systems | |
US20190139431A1 (en) | Contextual test alteration | |
WO2018152348A1 (en) | Transforming disparate data types into a holistic format for rendering at varying granularity levels | |
Holstein | Designing real-time teacher augmentation to combine strengths of human and AI instruction | |
Armah et al. | Modelling the role of learner presence within the community of inquiry framework to determine online course satisfaction in distance education | |
US20190102737A1 (en) | Methods and systems for receiving feedback | |
Chaka et al. | Leveraging Student Engagement through MS Teams at an Open and Distance E-Learning Institution. | |
Hughes | Supporting the social media needs of emergency public information officers with human-centered design and development | |
Nijman | Dynamic roles in smart city development | |
Nowak | Designing for ambiguity in sensemaking: Visual analytics in risk analysis and prediction | |
US20200394933A1 (en) | Massive open online course assessment management | |
Ainsworth | Task analysis | |
Fearn et al. | Post-GDPR Usage of Students’ Big-Data at UK Universities | |
Haid et al. | Explaining Algorithmic Decisions: Design Guidelines for Explanations in User Interfaces | |
Castillo et al. | 4. Improving the Impact of Educational Technologies on Learning Within Low-Income Contexts | |
Martikainen et al. | A facial recognition application for elderly care: Caregiver verification and identification | |
Kulkarni | AI-Enabled Classroom Tool for Visual Learning Analytics |
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 |