CN110765987A - 创新行为特征的量化方法、装置和电子设备 - Google Patents

创新行为特征的量化方法、装置和电子设备 Download PDF

Info

Publication number
CN110765987A
CN110765987A CN201911196566.5A CN201911196566A CN110765987A CN 110765987 A CN110765987 A CN 110765987A CN 201911196566 A CN201911196566 A CN 201911196566A CN 110765987 A CN110765987 A CN 110765987A
Authority
CN
China
Prior art keywords
information
innovative
cxxw
learning data
acquiring
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201911196566.5A
Other languages
English (en)
Other versions
CN110765987B (zh
Inventor
郑鲲
李沈辉
杨冬
孔江萍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Technology
Original Assignee
Beijing University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing University of Technology filed Critical Beijing University of Technology
Priority to CN201911196566.5A priority Critical patent/CN110765987B/zh
Publication of CN110765987A publication Critical patent/CN110765987A/zh
Application granted granted Critical
Publication of CN110765987B publication Critical patent/CN110765987B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
    • 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
    • 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]
    • 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
    • A61B5/389—Electromyography [EMG]
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Cardiology (AREA)
  • Business, Economics & Management (AREA)
  • Physiology (AREA)
  • General Physics & Mathematics (AREA)
  • Psychiatry (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Pulmonology (AREA)
  • Human Computer Interaction (AREA)
  • Social Psychology (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Vascular Medicine (AREA)
  • Psychology (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Optics & Photonics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Electrically Operated Instructional Devices (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明提供了一种创新行为特征的量化方法、装置和电子设备，涉及学习效果评估的技术领域，包括获取学生的学习数据，所述学习数据包括眼睛关注的区域范围信息、表情变化信息、生理状态信息和脑电信息；根据所述学习数据得到预设时间段内的创新行为特征的量化值；返回所述创新行为特征的量化值；本发明能够量化评估学生的创新行为，为学生的创新活动提供数据支撑，为教师提供学生创新行为的反馈数据信息。

Description

创新行为特征的量化方法、装置和电子设备
技术领域
本发明涉及学习效果评估技术领域，尤其是涉及一种创新行为特征的量化方法、装置和电子设备。
背景技术
创新是一个民族进步的灵魂，创新是新时代的主旋律，培养和造就一批适应时代发展的创新人才，是目前教育工作的重要目标。这就需要改变固有的教育模式，在日常教育中潜移默化的提升学生的创新能力。
目前对创新实践的研究仍然单薄，指导教师缺乏对创新过程及效果的客观量化评价方法。单纯基于经验的过程指导和单纯基于结果的主观评价在创新实践中很难做到准确客观。教师对创新更多的关注在了成果性评价，而对于创新产生、发展过程中的个体特点及群体规律还有待发掘。在定位应用层创新的前提下，如何能够确认学生在实践过程中进行了创新活动，如何客观量化评价学生的创新活动，成为了亟待解决的问题。
发明内容
本发明的目的在于提供一种创新行为特征的量化方法、装置和电子设备，能够量化评估学生的创新行为，为学生的创新活动提供数据支撑，为教师提供学生创新行为的反馈数据信息。
第一方面，实施例提供一种创新行为特征的量化方法，包括：
获取学生的学习数据，所述学习数据包括眼睛关注的区域范围信息、表情变化信息、生理状态信息和脑电信息；
根据所述学习数据得到预设时间段内的创新行为特征的量化值；
返回所述创新行为特征的量化值。
在可选的实施方式中，所述方法还包括：
当所述创新行为特征的量化值超出预设阈值时，记录并返回预设时间段内眼睛关注的区域范围信息。
在可选的实施方式中，所述学习数据还包括外部输入信息；所述外部输入信息包括文字信息和语音信息；所述方法还包括：
当眼睛关注的区域范围在屏幕区域内时，获取学生关注的文字信息；以及获取学生听到的语音信息。
在可选的实施方式中，根据所述学习数据得到预设时间段内的创新行为特征的量化值包括：
根据所述学习数据得到创新行为特征信号，所述创新行为特征信号用下式表示：
CXXWt＝(|Ze(t)∈Zs|∪ΔFt(Tt)∪(ΔXT0t∩ΔXY1t))×(ZZDt+MXDt)/2；
上式中，CXXWt表示创新行为特征信号，t表示时间；Ze(t)表示t时刻眼睛关注的区域范围信息；Zs表示屏幕范围信息；Tt表示外部输入信息；ΔFt(Tt)表示t时刻的表情变化信息，ΔFt(Tt)≠0；ΔXT0tt时刻的表示心跳信息，ΔXY1t表示t时刻的血压信息，ΔXT0t∩ΔXY1t≠0，ZZDt表示t时刻的专注度信息；
Figure BDA0002292286940000021
MXDt表示t时刻的冥想度信息，
Figure BDA0002292286940000022
α、β、θ分别表示脑电波中的α波、β波和θ波，i表示采样点数，N表示i的数量；
根据下式对预设时间段内的创新行为特征信号进行归一化，得到创新行为特征的量化值：
CXXWt1-t2*＝(CXXWt-CXXWmin(t1-t2))/(CXXWmax(t1-t2)-CXXWmin(t1-t2))；
上式中，CXXWt1-t2*表示预设时间段t1-t2内创新行为特征的量化值，CXXWmin(t1-t2)表示预设时间段t1-t2内创新行为特征信号的最小值，CXXWmax(t1-t2)表示预设时间段t1-t2内创新行为特征信号的最大值。
在可选的实施方式中，当眼睛关注的区域范围在屏幕区域内时，获取学生关注的文字信息包括：
获取屏幕信息；
根据所述屏幕信息得到屏幕文字；
根据屏幕文字和眼睛关注的区域范围信息得到眼睛关注的文字信息；
提取眼睛关注的文字信息中的关键词，得到学生关注的文字信息。
在可选的实施方式中，眼睛关注的区域范围信息通过眼动仪或摄像组件获取；所述表情变化信息通过摄像组件获取；所述生理状态信息通过肌电传感器和皮电传感器获取，所述生理状态信息包括心跳信息、血压信息和血氧信息；所述脑电信息通过脑电采集组件获取。
第二方面，实施例提供一种创新行为特征的量化装置，包括：
获取模块，用于获取学生的学习数据，所述学习数据包括眼睛关注的区域范围信息、表情变化信息、生理状态信息和脑电信息；
计算模块，用于根据所述学习数据得到预设时间段内的创新行为特征的量化值；
返回模块，用于返回所述创新行为特征的量化值。
在可选的实施方式中，所述生理状态信息包括心跳信息、血压信息和血氧信息；所述获取模块包括：
眼睛关注的区域范围信息获取模块，用于通过眼动仪或摄像组件获取眼睛关注的区域范围信息；
表情变化信息获取模块，用于通过摄像组件获取表情变化信息；
生理状态信息和脑电信息获取模块，用于通过肌电传感器和皮电传感器获取生理状态信息和脑电信息；
脑电信息获取模块，用于通过脑电采集组件获取脑电信息。
第三方面，实施例提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述前述实施方式任一项所述的方法的步骤。
第四方面，实施例提供一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行所述前述实施方式任一项所述方法。
本发明提供的创新行为特征的量化方法、装置和电子设备，通过获取学习数据，即眼睛关注的区域范围信息、表情变化信息、生理状态信息和脑电信息，从而根据学习数据得到预设时间段内的创新行为特征的量化值，返回得到的创新行为特征的量化值，从而实现了学生创新行为的量化评估，为学生的创新活动提供数据支撑，为教师提供学生创新行为的反馈数据信息。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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创新行为特征的量化方法的流程图；
图2为本发明实施例提供的创新行为特征的量化方法的皮肤电阻水平曲线图；
图3为本发明实施例提供的创新行为特征的量化方法的原理图；
图4为本发明实施例提供的创新行为特征的量化装置的系统原理图；
图5为本发明实施例提供的电子设备的系统原理图。
图标：S1-曲线S1；S2-曲线S2；41-获取模块；42-计算模块；43-返回模块；400-电子设备；401-通信接口；402-处理器；403-存储器；404-总线。
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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
下面结合附图，对本发明的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
目前已经有相对成熟的量表，用来衡量一个人的创造力特质。也有不少量表能够对不同类型不同领域的产品进行创造力表现的作品评估。例如托兰斯创造力测试(TTCT)、K-DOCS创造力量表(K-DOCS)、作品创造力表现水平。个人创造力表现受到一个人的知识水平、认知与思维方式、内外动机，以及环境和心理状态的综合影响。然而，对于个体在创造过程中的具体心理状态，对应用层创新表现构成的影响关系还非常模糊。并且大多通过主观判断创新行为和创新意识的产生。
单纯基于经验的过程指导和单纯基于结果的主观评价在创新实践中很难做到准确客观。如果能在相对独立的各阶段予以基于学习数据挖掘和学习分析的指导和客观评价，效果会大大提高。
目前对创新实践的研究仍然单薄。指导教师缺乏对创新过程及效果的客观量化评价方法。教师对创新更多的关注在了成果性评价，而对于创新产生，发展过程中的个体特点及群体规律还有待发掘。在定位应用层创新的前提下，如何能够通过数据挖掘和学习分析来确认在实践过程中进行了创新活动，学生创新活动各阶段的心理，生理特征是什么，影响学生创新活动形成创新成果的主要因素有哪些，如何在过程中客观评价这种创新活动，是否可以找到一种客观量化评价与主观评价相结合的方法进行综合评价，效果如何比较，这些问题都需要深入研究。
基于此，本发明提供一种创新行为特征的量化方法、装置和电子设备，能够量化评估学生的创新行为，为学生的创新活动提供数据支撑，为教师提供学生创新行为的反馈数据信息。下面通过实施例对本发明进行详细介绍。
参照图1，本实施例提供的一种创新行为特征的量化方法，包括：
S110：获取学生的学习数据，所述学习数据包括眼睛关注的区域范围信息、表情变化信息、生理状态信息和脑电信息；
S120：根据所述学习数据得到预设时间段内的创新行为特征的量化值；
S130：返回所述创新行为特征的量化值。
具体地，通过眼动仪或摄像组件获取学生眼睛关注的区域范围信息Ze(t)；通过摄像组件获取学生的面部视频信息，对面部视频信息进行处理，得到实时表情信息Ft，从而得到表情变化信息ΔFt；通过肌电传感器、皮电传感器获取学生的心跳XT0t、血压XY1t等数据，具体实施时，还可以采集、血氧XY2t信息，实时生理状态可表示为WZTt＝[XT0t，XY1t，XY2t]。
通过脑电采集组件采集学生脑电信息，每秒提取N次α、β、θ波并计算专注度ZZDt与冥想度MXDt。每秒计算一次专注度和冥想度。则t时刻的专注度表示为
需要说明的是，本实施例是在ΔXT0t∩ΔXY1t≠0前提下才能获得创新行为特征的量化值。脑电、皮电及眼动信息的采集已经有比较成熟的方案，通过大量的数据分析也能比较准确的反映人的情感状态。例如，脑电波和生理指标包括：情绪曲线Emo.I(指标含义为正性情绪)，阶段结束时情绪Emo.l-End(指标含义为阶段性成就感)，Pt Nt(指标含义为正负情绪波动)，Eht.(指标含义为强烈正性情绪几率)，皮肤电阻水平(即SCL，指标含义为指标含义为紧张程度)。如图2所示为皮肤电阻水平曲线图，图中横线下的曲线S1表示紧张程度不高，横线上的曲线S2表示比较紧张。
得到创新行为特征的量化值后，可以将量化值以及原始的学习数据返回至控制中心，控制中心将每个学生的学习数据以及创新行为特征的量化值进行汇总，将汇总后的结果反馈给教师，教师可以在教学中观测这些数据获知总体的创新活动情况以及每个学生的创新活动情况，根据这些数据结果改变不同的讲述内容或切换屏幕显示的内容。
本实施例通过获取学生的“视觉关注内容”、“脑电信息”、“表情信息”等，为多媒体课堂教学和远程教学提供一种判断“有效学习”和创新意识产生的数据支持方法。教师可以通过观测数据结果，并通过切换屏幕显示内容或改变讲述内容。
可选地，所述方法还包括：
当所述创新行为特征的量化值超出预设阈值时，记录并返回预设时间段内眼睛关注的区域范围信息。
具体地，当创新行为特征的量化值超出预设阈值时，表示学生的创新行为到了“顿悟”的阶段，将引起学生产生“顿悟”的内容进行反馈，帮助教师及时了解学生的创新活动情况。
可选地，所述学习数据还包括外部输入信息；所述外部输入信息包括文字信息和语音信息；所述方法还包括：
当眼睛关注的区域范围在屏幕区域内时，获取学生关注的文字信息；以及获取学生听到的语音信息。
具体地，通过文字识别方法(OCR)提取学生关注区域中的文字，通过关键词提取方法(GJC)提取关键词作为实时关注内容,实时关注内容表示为T1t，T1t＝GJC(W(t))＝GJC(OCR(Ze(t)))。
通过耳麦等语音设备采集语音信号Y，并通过语音识别方法提取出语音内容，表示为T2t。对于学生而言，外部输入信息表示为Tt＝[T1t,T2t]，Tt等于T1t∪T2t。
可选地，根据所述学习数据得到预设时间段内的创新行为特征的量化值包括：
根据所述学习数据得到创新行为特征信号，所述创新行为特征信号用下式表示：
CXXWt＝(|Ze(t)∈Zs|∪ΔFt(Tt)∪(ΔXT0t∩ΔXY1t))×(ZZDt+MXDt)/2，
上式中，CXXWt表示创新行为特征信号，t表示时间；Ze(t)表示t时刻眼睛关注的区域范围信息；Zs表示屏幕范围信息；Tt表示外部输入信息；ΔFt(Tt)表示t时刻的表情变化信息，ΔFt(Tt)≠0；ΔXT0tt时刻的表示心跳信息，ΔXY1t表示t时刻的血压信息，ΔXT0t∩ΔXY1t≠0，ZZDt表示t时刻的专注度信息；
Figure BDA0002292286940000081
MXDt表示t时刻的冥想度信息，
Figure BDA0002292286940000091
α、β、θ分别表示脑电波中的α波、β波和θ波，i表示采样点数，N表示i的数量；
根据下式对预设时间段内的创新行为特征信号进行归一化，得到创新行为特征的量化值：
CXXWt1-t2*＝(CXXWt-CXXWmin(t1-t2))/(CXXWmax(t1-t2)-CXXWmin(t1-t2))；
上式中，CXXWt1-t2*表示预设时间段t1-t2内创新行为特征的量化值，CXXWmin(t1-t2)表示预设时间段t1-t2内创新行为特征信号的最小值，CXXWmax(t1-t2)表示预设时间段t1-t2内创新行为特征信号的最大值。
具体地，上式中仅限在眼睛关注屏幕区域发生表情变化(ΔFt(Tt)≠0)，或者生理信号显著变化(ΔXT0t∩ΔXY1t≠0)的前提下。
优选地，所述方法还包括，当CXXWt1-t2*>0.75时，记录Ze(t)并反馈屏幕感兴趣区域中引发顿悟的区域ZDW＝∑Ze(t)。其中，0.75为所述预设阈值。
可选地，当眼睛关注的区域范围在屏幕区域内时，获取学生关注的文字信息包括：
获取屏幕信息；
根据所述屏幕信息得到屏幕文字；
根据屏幕文字和眼睛关注的区域范围信息得到眼睛关注的文字信息；
提取眼睛关注的文字信息中的关键词，得到学生关注的文字信息。
具体地，屏幕显示组件(如投影仪)显示教师的课件，如果眼睛关注区域Ze(t)在屏幕区域Zs内，即Ze(t)∈Zs，则获取屏幕信息，可以通过控制中心直接获取教师课件中的文字内容，也可以通过截取屏幕信息，将屏幕信息发送至控制中心，然后通过文字识别方法(OCR)提取关注区域中的文字。优选地，还可以通过眼睛关注区域Ze(t)与屏幕区域Zs的交集获取眼睛关注的屏幕区域，然后通过文字识别方法(OCR)提取眼睛关注的文字信息。
通过关键词提取方法(GJC)提取关键词，根据眼睛关注的文字信息得到实时关注内容T1t。
可选地，眼睛关注的区域范围信息通过眼动仪或摄像组件获取；所述表情变化信息通过摄像组件获取；所述生理状态信息通过肌电传感器和皮电传感器获取，所述生理状态信息包括心跳信息、血压信息和血氧信息；所述脑电信息通过脑电采集组件获取。
具体地，眼动仪是一种能够跟踪测量眼球位置及眼球运动信息的一种设备，眼动仪、摄像组件通常安装在每个学生的前方。心跳信息、血压信息和血氧信息的获取还可以通过智能手环等采集设备获取。
如图3所示，为本实施例的原理图，本实施例需要获取学生在看什么、在听什么、表情、生理信息、脑电信息等。通过眼动仪或摄像组件获取学生的关注区域，从而得到文字信息；通过耳麦进行语音提取，得到语音信息；通过摄像组件进行表情识别，得到表情变化信息；通过肌电传感器和皮电传感器获取心跳、血压及血氧等数据，得到生理状态信息；通过脑电采集组件得到α波、β波和θ波，从而得到脑电信息。
参照图4，实施例提供一种创新行为特征的量化装置，包括：
获取模块41，用于获取学生的学习数据，所述学习数据包括眼睛关注的区域范围信息、表情变化信息、生理状态信息和脑电信息；
计算模块42，用于根据所述学习数据得到预设时间段内的创新行为特征的量化值；
返回模块43，用于返回所述创新行为特征的量化值。
可选地，所述生理状态信息包括心跳信息、血压信息和血氧信息；所述获取模块41包括：
眼睛关注的区域范围信息获取模块，用于通过眼动仪或摄像组件获取眼睛关注的区域范围信息；
表情变化信息获取模块，用于通过摄像组件获取表情变化信息；
生理状态信息和脑电信息获取模块，用于通过肌电传感器和皮电传感器获取生理状态信息和脑电信息；
脑电信息获取模块，用于通过脑电采集组件获取脑电信息。
可选地，所述装置还包括：
记录模块，用于当所述创新行为特征的量化值超出预设阈值时，记录并返回预设时间段内眼睛关注的区域范围信息。
可选地，所述学习数据还包括外部输入信息；所述外部输入信息包括文字信息和语音信息；所述获取模块41还包括：
外部输入信息获取模块，用于当眼睛关注的区域范围在屏幕区域内时，获取学生关注的文字信息；以及获取学生听到的语音信息。
可选地，计算模块42包括：
创新行为特征信号计算模块，用于根据所述学习数据得到创新行为特征信号，所述创新行为特征信号用下式表示：
CXXWt＝(|Ze(t)∈Zs|∪ΔFt(Tt)∪(ΔXT0t∩ΔXY1t))×(ZZDt+MXDt)/2；
上式中，CXXWt表示创新行为特征信号，t表示时间；Ze(t)表示t时刻眼睛关注的区域范围信息；Zs表示屏幕范围信息；Tt表示外部输入信息；ΔFt(Tt)表示t时刻的表情变化信息，ΔFt(Tt)≠0；ΔXT0tt时刻的表示心跳信息，ΔXY1t表示t时刻的血压信息，ΔXT0t∩ΔXY1t≠0，ZZDt表示t时刻的专注度信息；MXDt表示t时刻的冥想度信息，
Figure BDA0002292286940000112
α、β、θ分别表示脑电波中的α波、β波和θ波，i表示采样点数，N表示i的数量；
归一化模块，用于根据下式对预设时间段内的创新行为特征信号进行归一化，得到创新行为特征的量化值：
CXXWt1-t2 *＝(CXXWt-CXXWmin(t1-t2))/(CXXWmax(t1-t2)-CXXWmin(t1-t2))；
上式中，CXXWt1-t2 *表示预设时间段t1-t2内创新行为特征的量化值，CXXWmin(t1-t2)表示预设时间段t1-t2内创新行为特征信号的最小值，CXXWmax(t1-t2)表示预设时间段t1-t2内创新行为特征信号的最大值。
可选地，外部输入信息获取模块包括：
屏幕信息获取模块，用于获取屏幕信息；
屏幕文字模块，用于根据所述屏幕信息得到屏幕文字；
眼睛关注的文字信息模块，用于根据屏幕文字和眼睛关注的区域范围信息得到眼睛关注的文字信息；
学生关注的文字信息模块，用于提取眼睛关注的文字信息中的关键词，得到学生关注的文字信息。
参见图5，本发明实施例还提供一种设备，本发明实施例还提供了一种电子设备400，包括通信接口401、处理器402、存储器403以及总线404，处理器402、通信接口401和存储器403通过总线404连接；上述存储器403用于存储支持处理器402执行上述创新行为特征的量化方法的计算机程序，上述处理器402被配置为用于执行该存储器403中存储的程序。
可选地，本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质，程序代码使处理器执行如上述实施例中的创新行为特征的量化方法。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围。

Claims (10)

1.一种创新行为特征的量化方法，其特征在于，包括：
获取学生的学习数据，所述学习数据包括眼睛关注的区域范围信息、表情变化信息、生理状态信息和脑电信息；
根据所述学习数据得到预设时间段内的创新行为特征的量化值；
返回所述创新行为特征的量化值。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当所述创新行为特征的量化值超出预设阈值时，记录并返回预设时间段内眼睛关注的区域范围信息。
3.根据权利要求1所述的方法，其特征在于，所述学习数据还包括外部输入信息；所述外部输入信息包括文字信息和语音信息；所述方法还包括：
当眼睛关注的区域范围在屏幕区域内时，获取学生关注的文字信息；以及获取学生听到的语音信息。
4.根据权利要求3所述的方法，其特征在于，根据所述学习数据得到预设时间段内的创新行为特征的量化值包括：
根据所述学习数据得到创新行为特征信号，所述创新行为特征信号用下式表示：
CXXWt＝(|Ze(t)∈Zs|∪ΔFt(Tt)∪(ΔXT0t∩ΔXY1t))×(ZZDt+MXDt)/2，
上式中，CXXWt表示创新行为特征信号，t表示时间；Ze(t)表示t时刻眼睛关注的区域范围信息；Zs表示屏幕范围信息；Tt表示外部输入信息；ΔFt(Tt)表示t时刻的表情变化信息，ΔFt(Tt)≠0；ΔXT0tt时刻的表示心跳信息，ΔXY1t表示t时刻的血压信息，ΔXT0t∩ΔXY1t≠0，ZZDt表示t时刻的专注度信息；
Figure FDA0002292286930000011
MXDt表示t时刻的冥想度信息，
Figure FDA0002292286930000021
α、β、θ分别表示脑电波中的α波、β波和θ波，i表示采样点数，N表示i的数量；
根据下式对预设时间段内的创新行为特征信号进行归一化，得到创新行为特征的量化值：
CXXWt1-t2 *＝(CXXWt-CXXWmin(t1-t2))/(CXXWmax(t1-t2)-CXXWmin(t1-t2))；
上式中，CXXWt1-t2 *表示预设时间段t1-t2内创新行为特征的量化值，CXXWmin(t1-t2)表示预设时间段t1-t2内创新行为特征信号的最小值，CXXWmax(t1-t2)表示预设时间段t1-t2内创新行为特征信号的最大值。
5.根据权利要求3所述的方法，其特征在于，当眼睛关注的区域范围在屏幕区域内时，获取学生关注的文字信息包括：
获取屏幕信息；
根据所述屏幕信息得到屏幕文字；
根据屏幕文字和眼睛关注的区域范围信息得到眼睛关注的文字信息；
提取眼睛关注的文字信息中的关键词，得到学生关注的文字信息。
6.根据权利要求4所述的方法，其特征在于，所述眼睛关注的区域范围信息通过眼动仪或摄像组件获取；所述表情变化信息通过摄像组件获取；所述生理状态信息通过肌电传感器和皮电传感器获取，所述生理状态信息包括心跳信息、血压信息和血氧信息；所述脑电信息通过脑电采集组件获取。
7.一种创新行为特征的量化装置，其特征在于，包括：
获取模块，用于获取学生的学习数据，所述学习数据包括眼睛关注的区域范围信息、表情变化信息、生理状态信息和脑电信息；
计算模块，用于根据所述学习数据得到预设时间段内的创新行为特征的量化值；
返回模块，用于返回所述创新行为特征的量化值。
8.根据权利要求7所述的装置，其特征在于，所述生理状态信息包括心跳信息、血压信息和血氧信息；所述获取模块包括：
眼睛关注的区域范围信息获取模块，用于通过眼动仪或摄像组件获取眼睛关注的区域范围信息；
表情变化信息获取模块，用于通过摄像组件获取表情变化信息；
生理状态信息和脑电信息获取模块，用于通过肌电传感器和皮电传感器获取生理状态信息和脑电信息；
脑电信息获取模块，用于通过脑电采集组件获取脑电信息。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至6任一项所述的方法的步骤。
10.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行所述权利要求1至6任一项所述方法。
CN201911196566.5A 2019-11-27 2019-11-27 创新行为特征的量化方法、装置和电子设备 Active CN110765987B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911196566.5A CN110765987B (zh) 2019-11-27 2019-11-27 创新行为特征的量化方法、装置和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911196566.5A CN110765987B (zh) 2019-11-27 2019-11-27 创新行为特征的量化方法、装置和电子设备

Publications (2)

Publication Number Publication Date
CN110765987A true CN110765987A (zh) 2020-02-07
CN110765987B CN110765987B (zh) 2022-05-17

Family

ID=69340053

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911196566.5A Active CN110765987B (zh) 2019-11-27 2019-11-27 创新行为特征的量化方法、装置和电子设备

Country Status (1)

Country Link
CN (1) CN110765987B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117496787A (zh) * 2024-01-03 2024-02-02 小白智能科技（长春）股份有限公司 一种针对儿童六项能力测评及其训练系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108281052A (zh) * 2018-02-09 2018-07-13 郑州市第十中学 一种在线教学系统及在线教学方法
CN108491781A (zh) * 2018-03-16 2018-09-04 福州外语外贸学院 一种课堂专注度评估方法及终端
CN108805009A (zh) * 2018-04-20 2018-11-13 华中师范大学 基于多模态信息融合的课堂学习状态监测方法及系统
CN108805089A (zh) * 2018-06-14 2018-11-13 南京云思创智信息科技有限公司 基于多模态的情绪识别方法
CN109063954A (zh) * 2018-06-20 2018-12-21 新华网股份有限公司 教师教学的测评方法和系统
CN109086726A (zh) * 2018-08-10 2018-12-25 陈涛 一种基于ar智能眼镜的局部图像识别方法及系统
CN109272794A (zh) * 2018-11-21 2019-01-25 重庆工业职业技术学院 多媒体教学互动方法及系统
CN109522815A (zh) * 2018-10-26 2019-03-26 深圳博为教育科技有限公司 一种专注度评估方法、装置及电子设备
CN109767140A (zh) * 2019-02-22 2019-05-17 河南科技大学 一种基于非专注状态指标的专注度量化计算方法
CN110174948A (zh) * 2019-05-27 2019-08-27 湖南师范大学 一种基于小波神经网络的语言智能辅助学习系统与方法
CN110211437A (zh) * 2019-06-14 2019-09-06 斯坦福启天联合(广州)研究院有限公司 一种基于课堂教学的多屏信息交互控制系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108281052A (zh) * 2018-02-09 2018-07-13 郑州市第十中学 一种在线教学系统及在线教学方法
CN108491781A (zh) * 2018-03-16 2018-09-04 福州外语外贸学院 一种课堂专注度评估方法及终端
CN108805009A (zh) * 2018-04-20 2018-11-13 华中师范大学 基于多模态信息融合的课堂学习状态监测方法及系统
CN108805089A (zh) * 2018-06-14 2018-11-13 南京云思创智信息科技有限公司 基于多模态的情绪识别方法
CN109063954A (zh) * 2018-06-20 2018-12-21 新华网股份有限公司 教师教学的测评方法和系统
CN109086726A (zh) * 2018-08-10 2018-12-25 陈涛 一种基于ar智能眼镜的局部图像识别方法及系统
CN109522815A (zh) * 2018-10-26 2019-03-26 深圳博为教育科技有限公司 一种专注度评估方法、装置及电子设备
CN109272794A (zh) * 2018-11-21 2019-01-25 重庆工业职业技术学院 多媒体教学互动方法及系统
CN109767140A (zh) * 2019-02-22 2019-05-17 河南科技大学 一种基于非专注状态指标的专注度量化计算方法
CN110174948A (zh) * 2019-05-27 2019-08-27 湖南师范大学 一种基于小波神经网络的语言智能辅助学习系统与方法
CN110211437A (zh) * 2019-06-14 2019-09-06 斯坦福启天联合(广州)研究院有限公司 一种基于课堂教学的多屏信息交互控制系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
QUN SHI 等: "3D Face Reconstruction and Gaze Estmation from Multi-view Video using Symmetry Prior", 《INFORMATION AND MEDIA TECHNOLOGIES》 *
刘清堂 等: "基于人工智能的课堂教学行为分析方法及其应用", 《智能引领与智慧教育》 *
曹晓明 等: "人工智能视域下的学习参与度识别方法研究", 《远程教育杂志》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117496787A (zh) * 2024-01-03 2024-02-02 小白智能科技（长春）股份有限公司 一种针对儿童六项能力测评及其训练系统
CN117496787B (zh) * 2024-01-03 2024-03-19 小白智能科技（长春）股份有限公司 一种针对儿童六项能力测评及其训练系统

Also Published As

Publication number Publication date
CN110765987B (zh) 2022-05-17

Similar Documents

Publication Publication Date Title
US12042288B2 (en) Systems and methods for assessing and improving sustained attention
CN114209324B (zh) 基于图像视觉认知的心理测评数据获取方法及vr系统
Li Measuring cognitive engagement: An overview of measurement instruments and techniques
CN109567830B (zh) 一种基于神经响应的人格测量方法及系统
CN109199410B (zh) 一种基于眼部运动的言语认知评估方法
CN108186030B (zh) 一种刺激信息提供装置和潜能值测验的认知指标分析方法
Faretta-Stutenberg et al. Contributions of initial proficiency and language use to second-language development during study abroad: Behavioral and event-related potential evidence
CN111743553B (zh) 一种基于眼动数据的情感特征提取方法及系统
CN112085392A (zh) 一种学习参与度确定方法、装置及计算机设备
CN104771164A (zh) 运用事件相关电位仪辅助筛查轻度认知障碍的方法
CN114129165A (zh) 一种基于可信评估量表的心理测评方法、系统及存储介质
CN110765987B (zh) 创新行为特征的量化方法、装置和电子设备
Liu et al. Research on emotional state in online learning by eye tracking technology
CN112464774A (zh) 一种基于眼动测量的视频学习中的情感识别方法
CN115793847A (zh) 一种用于监测学生线上上课状态的教学系统
Hossain et al. Cognitive load measurement using galvanic skin response for listening tasks
Chow et al. Classifying document categories based on physiological measures of analyst responses
Hossain et al. Measurement of cognitive load for writing tasks using galvanic skin response
Khosravi et al. Employing a Wearable Eye-tracker to Observe Mind-wandering in Dynamic Stimuli
CN117547271B (zh) 一种心理素质智能评估分析仪
Boswell et al. Using AI-based NiCATS System to Evaluate Student Comprehension in Introductory Computer Programming Courses
WO2024062935A1 (ja) 情報処理装置、システム、情報処理方法、およびプログラム
CN215503045U (zh) 一种基于视觉感受的认知心理感受器
Jobdas et al. BCI in classroom, system for assessing dynamic state of cognitive performance using EEG signals
Pérez-Mata et al. “I heard it before… or not”: time-course of ERP response and behavioural correlates associated with false recognition memory

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