CN111401797B - 一种教学质量评测方法及系统 - Google Patents

一种教学质量评测方法及系统 Download PDF

Info

Publication number
CN111401797B
CN111401797B CN202010387265.7A CN202010387265A CN111401797B CN 111401797 B CN111401797 B CN 111401797B CN 202010387265 A CN202010387265 A CN 202010387265A CN 111401797 B CN111401797 B CN 111401797B
Authority
CN
China
Prior art keywords
teacher
analysis
students
time
teaching
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
Application number
CN202010387265.7A
Other languages
English (en)
Other versions
CN111401797A (zh
Inventor
王红
张涌
郑杰
张钊
袁涛
吴少平
黄韶华
谢茜
张云婷
蓝成彬
王睿
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.)
South China Normal University
Guangdong Unicom Communication Construction Co Ltd
Original Assignee
South China Normal University
Guangdong Unicom Communication Construction Co Ltd
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 South China Normal University, Guangdong Unicom Communication Construction Co Ltd filed Critical South China Normal University
Priority to CN202010387265.7A priority Critical patent/CN111401797B/zh
Publication of CN111401797A publication Critical patent/CN111401797A/zh
Application granted granted Critical
Publication of CN111401797B publication Critical patent/CN111401797B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Educational Administration (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Educational Technology (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本申请一种教学质量评测方法及系统，对课堂的教学行为信息进行数字化，利用经过数字化的数据进行量化的教学质量分析，包括视线分析、语言情感分析、姿态分析，用于反映课堂秩序、课堂氛围、教学效率等多个维度从而对教师的教学质量提供客观的评分参考；可根据不同的评价指标调用本发明的分析结果，所获得的客观数据和分析结果不局限于某一具体的评价体系；通过对本发明的实施可有效解决传统方法中人为观察带来的片面性缺陷，为智慧课堂提供数据支撑。

Description

一种教学质量评测方法及系统
技术领域
本发明属于智慧教学技术领域，具体涉及一种教学质量评测方法及系统。
背景技术
传统的教学质量评估往往以学生成绩及其评价、问卷调查、听课评价等方式作为参考标准，此类评估标准和评估结果普遍带有较强的主观感情色彩，难以反映教师真实的教学质量；而评估专家通常也只是以一节课变现评判，效率低下，标准不统一，评估结果较为片面，在智慧校园和智慧课堂的推广背景下现有以人为主观评价为主的教学质量评测方法已不再适用，如何实时且全面客观地反映教学质量是亟待解决的问题。
发明内容
基于此，本发明旨在提供一种教学质量评测方法及系统，对课堂过程中的教学行为进行数字化，以克服传统评测方法的主观性强、结论片面、效率低下等技术缺陷。
本发明一种教学质量评测方法，包括：
教学数据采集，获取单次课堂中的教学数据包括语音文本信息、姿态信息和教师的视线所及位置坐标，其中语音文本信息带有情感倾向标记，姿态信息包括面部表情、肢体动作和位置坐标中的至少一项；
视线分析，根据教师的视线所及位置坐标统计在单次课堂中教师的视线分布情况；
语言情感分析，根据教师的语音文本信息统计授课过程中各类情感的次数及频率；
姿态分析，根据姿态信息统计教师和学生各姿态的次数和占比；
交叉分析，对教学数据按照采样时刻先后顺序排序，计算学生的语音文本信息、姿态信息分别与教师的语音文本信息、姿态信息、视线所及位置坐标的时间交叉关系；
量化评测，将上述视线分析、语言情感分析、姿态分析和交叉分析的结果与历史数据训练集进行相似度匹配，选取与当前分析结果最相近的历史数据所对应的评分结果作为当前评分。
优选地，统计在单次课堂中教师的视线分布情况包括：
把课室平均划分为若干个区域，根据教师的视线所及位置坐标统计坐标落在各区域的次数和占全区域的比例。
优选地，视线分析还包括：
根据教师的视线所及位置坐标计算随着时间变化教师的视线关注点变化情况，其中教师的视线所及位置坐标记为f1＝(t,x1,y1)，t表示采样时刻，(x1,y1)表示视线所及位置坐标。
优选地，语言情感分析包括：
记教师的语音文本信息为f2＝(t,s,c)，其中t表示采样时刻，s表示语音文本内容，c表示情感倾向标记，根据语音文本信息的情感倾向标记统计单次课堂中教师各类情感的次数和频率。
优选地，交叉分析包括：
对学生的语音文本信息、姿态信息分别与教师的语音文本信息、姿态信息、视线所及位置坐标进行一对一交叉，当进行交叉的两类信息的采样时刻差值小于预设值时记为一个交叉关系，并记进行交叉的属于学生的教学数据的采样时刻为时间交叉点。
优选地，交叉分析还包括：
对学生的姿态信息与教师的视线所及位置坐标交叉，存在学生位置坐标与教师的视线所及位置坐标的距离小于预设偏差且两者的采样时刻差值小于预设值时记为一个交叉关系，记学生的姿态信息的采样时刻为时间交叉点。
优选地，交叉分析还包括：
对学生的姿态信息与教师的语音文本信息交叉，当教师的语音文本信息的文本内容包括对应学生姓名且交叉的两类信息的采样时刻差值小于预设值时记为一个交叉关系，记学生姿态信息的采样时刻为时间交叉点。
优选地，交叉分析还包括计算时间关联关系，包括：
对学生的姿态信息与教师的视线所及位置坐标交叉，存在学生位置坐标与教师的视线所及位置坐标的距离小于预设偏差时计算两者的时间差并记录为一个时间关联关系。
优选地，姿态分析还包括：
记姿态信息为f3＝(t,n,g,m,x2,y2)，其中t表示采样时刻，n表示姿态所属人员姓名，g表示姿态内容，m表示姿态倾向，(x2,y2)表示位置坐标，根据预设时间间隔统计各姿态集中出现的时间段、在各时间段内各姿态出现的次数和占比，以时间间隔为单位计算各姿态发生的平均次数。
另一方面，本发明还提供一种教学质量评测系统，包括：
教学数据采集模块，采集单次课堂中的原始数据用于生成教学数据包括语音文本信息，姿态信息和教师的视线所及位置坐标；
视线分析模块，用于根据教师的视线所及位置坐标统计在单次课堂中教师的视线分布情况；
语言情感分析模块，根据教师的语音文本信息统计授课过程中各类情感的次数及频率；
姿态分析模块，根据姿态信息统计教师和学生各姿态的次数和占比；
交叉分析模块，用于根据采样时刻顺序计算学生的教学数据与教师的教学数据的时间交叉关系；
量化评测模块，用于把视线分析模块、语言情感分析模块、姿态分析模块和交叉分析模块的分析结果与在本系统中存储的历史数据训练集进行相似度匹配，选取与当前分析结果最相近的历史数据所对应的评分结果作为当前评分。
从以上技术方案可以看出，本发明具备以下优点：
本发明一种教学质量评测方法及系统，对课堂的教学行为信息进行数字化，利用经过数字化的数据进行量化的教学质量分析，用于反映课堂秩序、课堂氛围、教学效率等多个维度从而对教师的教学质量提供客观的评分参考；可根据不同的评价指标调用本发明的分析结果，本发明所获得的客观数据和分析结果不局限于某一具体的评价体系；通过对本发明的实施可有效解决传统方法中人为观察带来的片面性缺陷，为智慧课堂提供数据支撑。
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简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1本发明一种实施例教学质量评测方法实施流程图
图2本发明另一实施例教学质量评测系统结构框图
图3本发明另一实施例教学质量评测方法实施示意图
具体实施方式
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，所描述的实施例仅仅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做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。
请参阅图1，本实施例提供一种教学质量评测方法，包括：
教学数据采集，获取单次课堂中的教学数据包括语音文本信息、姿态信息和教师的视线所及位置坐标，其中语音文本信息带有情感倾向标记，姿态信息包括面部表情、肢体动作和位置坐标中的至少一项；
本实施例中，对视频数据和音频数据的提取和识别由接入的第三方工具完成，支持通过现有成熟的人脸识别、空间转换、声纹识别、情感分析等一系列方法获得本实施例所需要的分析数据。
视线分析，根据教师的视线所及位置坐标统计在单次课堂中教师的视线分布情况；
语言情感分析，根据教师的语音文本信息统计授课过程中各类情感的次数及频率；
姿态分析，根据姿态信息统计教师和学生各姿态的次数和占比；
交叉分析，对教学数据按照采样时刻先后顺序排序，计算学生的语音文本信息、姿态信息分别与教师的语音文本信息、姿态信息、视线所及位置坐标的时间交叉关系；
量化评测，将上述视线分析、语言情感分析、姿态分析和交叉分析的结果与历史数据训练集进行相似度匹配，选取与当前分析结果最相近的历史数据所对应的评分结果作为当前评分；
本实施例中在量化评测一步还可以提取训练集中评分高以及评分低的教学行为数据在各个评价指标维度存在的相似性，从而不断优化各个评价指标的规则。
请参阅图2，本实施例提供一种教学评测系统，包括：
另一方面，本发明还提供一种教学质量评测系统，包括：
教学数据采集模块，采集单次课堂中的原始数据用于生成教学数据包括语音文本信息，姿态信息和教师的视线所及位置坐标；在实际应用中教学数据采集模块可以由若干台录像和录音设备组成，采集得到的原始数据存储在云端或本地供后续分析模块对数据进行提取、识别、转码等操作。
视线分析模块，用于根据教师的视线所及位置坐标统计在单次课堂中教师的视线分布情况；
语言情感分析模块，根据教师的语音文本信息统计授课过程中各类情感的次数及频率；
姿态分析模块，根据姿态信息统计教师和学生各姿态的次数和占比；
交叉分析模块，用于根据采样时刻顺序计算学生的教学数据与教师的教学数据的时间交叉关系；
量化评测模块，用于把视线分析模块、语言情感分析模块、姿态分析模块和交叉分析模块的分析结果与在本系统中存储的历史数据训练集进行相似度匹配，选取与当前分析结果最相近的历史数据所对应的评分结果作为当前评分。
请参阅图3，本实施例结合一个具体的课堂场景提供一种教学质量评测方法，主要包括数据采集、数据存储、视线分析、语言情感分析、姿态分析、交叉分析、量化评测等几个环节。
教学数据采集，采集设备有教师眼动摄像头、教师全景摄像头、学生全景摄像头、教师拾音器、拾音领夹，学生拾音器；将课室平面图映射为平面坐标系，坐标原点为课室黑板所在墙面的左端顶点，课室黑板所在墙面为x轴，假设课室大小为(X,Y)。教师眼动摄像头安装在课室顶端，位于课室平面(X/2,Y/2)位置，录制教师眼动视频信息；教师全景摄像头，安装位置为课室后方顶端，位于课室平面(X/2,Y)，录制教师全景视频信息；学生全景摄像头，安装位置为黑板上方，位于课室平面(X/2,0)，录制学生全景视频信息；教师拾音器放置在讲台附近，拾音领夹录制教师语音；学生拾音器放置在学生课桌上，通过教师和学生所佩戴的拾音领夹录制音频数据。
数据存储，对采集的视频数据和音频数据存储。数据存储支持三种形式，根据用户需求选择最佳存储形式，第一种为直接存储在内存，这种方式主要使用场景是实时分析场景，直接从内存读取数据进行实时分析；第二种数据实时存储在本地；第三种方式为本地存储+云端备份，采集到的数据一边写回本地服务器，同时实时通过网络上传到云端，上传云端支持缓存机制，当网络不通时，支持断点续传。
视线分析，把课室平均划分为四个区域，教师的视线所及位置坐标记为f1＝(t,x1,y1)，t表示采样时刻，(x1,y1)表示视线所及位置坐标，统计教师的视线所及位置坐标落在各区域的次数和占全区域的比例，分析教师关注的热点区域；根据f1获得教师的视线变化时序图，根据时序图还原教师的视线关注点变化情况。
语言情感分析，通过第三方工具把课堂上获取的音频数据转换为语音文本信息并作情感倾向性分析，针对教师在教学过程中出现的情感可把语音文本信息划分为学生称谓、敬语、鼓励用语、消极用语等多种类型，因此记教师的语音文本信息为f2＝(t,s,c)，其中t表示采样时刻，s表示语音文本内容，c表示情感倾向标记，例如上课第300秒点名张三同学，则该次音频数据记录为(300s，张三，学生姓名)；根据f2统计单次课堂中教师各类情感的次数和频率，同时还分析教师的语言情感随着时间推移的变化情况。
姿态分析，根据采集的视频数据提取教学过程中教师和学生的面部表情、肢体动作、位置坐标等姿态信息，对面部表情、肢体动作等反映课堂氛围和互动情况的姿态信息进行行为倾向性标记，分为正向和负向，因此记姿态信息为f3＝(t,n,g,m,x2,y2)，其中t表示采样时刻，n表示姿态所属人员姓名，g表示姿态内容，m表示姿态倾向，(x2,y2)表示位置坐标，例如上课第290秒张三同学在坐标(300cm，570cm)的位置趴桌子属于负向行为，则该次数据记录为(290s，张三，趴桌子，负向行为，300cm，570cm)；根据f3统计教师和学生各面部表情、肢体动作出现的次数和占比；
在进一步的实施例中姿态分析还包括对面部表情、肢体动作集中出现的时间进行统计，设定时间间隔例如5分钟、10分钟、15分钟统计各类面部表情、肢体动作集中出现的时间段、在各时间段内出现的次数和占比，以时间间隔为单位计算各姿态发生的平均次数。
交叉分析，将视线分析、语言情感分析、姿态分析的结果按采样时刻先后顺序排序，计算学生的语音文本信息、姿态信息分别与教师的语音文本信息、姿态信息、视线所及位置坐标的时间交叉关系，具体操作为学生的教学数据与教师的教学数据进行一对一交叉，当进行交叉的两类信息的采样时刻差值小于预设值时记为一个交叉关系，并记进行交叉的属于学生的教学数据的采样时刻为时间交叉点，以下举例两种交叉情形。
(一)姿态信息与视线所及位置坐标交叉，设学生的姿态信息为f3＝(t0,n0,g0,c0,x0,y0)，教师的视线所及位置坐标f1＝(t1,x1,y1)，当(x1,y1)与(x0,y0)的距离小于预设的范围偏差值L且|t1-t0|<5分钟时，取t0为时间交叉点；
(二)姿态信息与语音文本信息交叉，设教师的语音文本信息为f2＝(t2,s2,c2)，当s2＝n0且|t2-t0|<5分钟时，取t0为时间交叉点。
交叉分析除了计算时间交叉点还计算时间关联关系，对学生的姿态信息与教师的视线所及位置坐标交叉，存在学生位置坐标与教师的视线所及位置坐标的距离小于预设偏差时计算两者的时间差并记录为一个时间关联关系，例如学生的姿态信息为f3＝(t3,n3,g3,c3,x3,y3)，教师的视线所及位置坐标为f1＝(t4,x4,y4)，当(x4,y4)与(x3,y3)的距离小于预设的范围偏差值L时计算|t4-t3|记为一个时间关联关系。
量化评测，将上述视线分析、语言情感分析、姿态分析和交叉分析的结果与历史数据训练集进行相似度匹配，选取与当前分析结果最相近的历史数据所对应的评分结果作为当前评分，即计算视线分布情况、视线变化时序、敬语次数、鼓励用语次数、正向行为次数、负向行为次数、时间交叉点个数、时间关联关系个数等的统计结果与历史数据训练集中对应数据类型的统计结果之间的差值，取差值最小的训练集样本对应的评分结果作为当前评分；如果对应同一个差值有多个训练集样本，则计算该多个训练集样本对应评分结果的平均值作为当前评分。
本实施例提供的评测方法支持根据不同的评价体系中各评测指标的规则调用上述分析结果从而计算最终评分，并生成对应的可视化测评报告。
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，本领域的技术人员应当理解：其依然可以对前述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实施例技术方案的精神和范围。

Claims (10)

1.一种教学质量评测方法，其特征在于，包括：
教学数据采集，获取单次课堂中的教学数据包括语音文本信息、姿态信息和教师的视线所及位置坐标，其中所述语音文本信息带有情感倾向标记，所述姿态信息包括面部表情、肢体动作和位置坐标中的至少一项；
视线分析，根据所述教师的视线所及位置坐标统计在单次课堂中教师的视线分布情况；
语言情感分析，根据教师的语音文本信息统计授课过程中各类情感的次数及频率；
姿态分析，根据所述姿态信息统计教师和学生各姿态的次数和占比，具体包括：
记姿态信息为f3＝(t,n,g,m,x2,y2)，其中t表示采样时刻，n表示姿态所属人员姓名，g表示姿态内容，m表示姿态倾向，(x2,y2)表示位置坐标，根据f3统计教师和学生各姿态出现的次数和占比；
交叉分析，对所述教学数据按照采样时刻先后顺序排序，计算属于学生的教学数据与属于教师的教学数据的时间交叉关系，两个交叉的数据的采样时刻差值小于预设值时记为一个交叉关系，并记属于学生的教学数据的采样时刻为时间交叉点；
量化评测，将视线分析、语言情感分析、姿态分析和交叉分析的结果与历史数据训练集进行相似度匹配，选取与当前分析结果最相近的历史数据所对应的评分结果作为当前评分。
2.根据权利要求1所述的教学质量评测方法，其特征在于，所述统计在单次课堂中教师的视线分布情况包括：
把课室平均划分为若干个区域，根据教师的视线所及位置坐标统计坐标落在各区域的次数和占全区域的比例。
3.根据权利要求1所述的教学质量评测方法，其特征在于，所述视线分析还包括：
根据教师的视线所及位置坐标计算随着时间变化教师的视线关注点变化情况，其中教师的视线所及位置坐标记为f1＝(t,x1,y1)，t表示采样时刻，(x1,y1)表示视线所及位置坐标。
4.根据权利要求1所述的教学质量评测方法，其特征在于，所述语言情感分析包括：
记教师的语音文本信息为f2＝(t,s,c)，其中t表示采样时刻，s表示语音文本内容，c表示情感倾向标记，根据语音文本信息的情感倾向标记统计单次课堂中教师各类情感的次数和频率。
5.根据权利要求1所述的教学质量评测方法，其特征在于，所述交叉分析包括：
对学生的语音文本信息、姿态信息分别与教师的语音文本信息、姿态信息、视线所及位置坐标进行一对一交叉，当进行交叉的两类信息的采样时刻差值小于预设值时记为一个交叉关系，并记交叉操作中属于学生的教学数据的采样时刻为时间交叉点。
6.根据权利要求1所述的教学质量评测方法，其特征在于，所述交叉分析还包括：
对学生的姿态信息与教师的视线所及位置坐标交叉，存在学生位置坐标与教师的视线所及位置坐标的距离小于预设偏差且交叉的两类信息的采样时刻差值小于预设值时记为一个交叉关系，记学生的姿态信息的采样时刻为时间交叉点。
7.根据权利要求1所述的教学质量评测方法，其特征在于，所述交叉分析还包括：
对学生的姿态信息与教师的语音文本信息交叉，当教师的语音文本信息的文本内容包括对应的学生姓名且交叉的两类信息的采样时刻差值小于预设值时记为一个交叉关系，记学生姿态信息的采样时刻为时间交叉点。
8.根据权利要求1所述的教学质量评测方法，其特征在于，所述交叉分析还包括计算时间关联关系，包括：
对学生的姿态信息与教师的视线所及位置坐标交叉，存在学生位置坐标与教师的视线所及位置坐标的距离小于预设偏差时计算两者的时间差并记录为一个时间关联关系。
9.根据权利要求1所述的教学质量评测方法，其特征在于，所述姿态分析还包括：
基于姿态信息f3＝(t,n,g,m,x2,y2)，根据预设时间间隔统计各姿态集中出现的时间段、在各时间段内各姿态出现的次数和占比，以时间间隔为单位计算各姿态发生的平均次数。
10.一种教学质量评测系统，其特征在于，包括：
教学数据采集模块，采集单次课堂中的原始数据用于生成教学数据包括语音文本信息，姿态信息和教师的视线所及位置坐标；
视线分析模块，用于根据教师的视线所及位置坐标统计在单次课堂中教师的视线分布情况；
语言情感分析模块，根据教师的语音文本信息统计授课过程中各类情感的次数及频率；
姿态分析模块，根据姿态信息统计教师和学生各姿态的次数和占比，具体包括：
记姿态信息为f3＝(t,n,g,m,x2,y2)，其中t表示采样时刻，n表示姿态所属人员姓名，g表示姿态内容，m表示姿态倾向，(x2,y2)表示位置坐标，根据f3统计教师和学生各姿态出现的次数和占比；
交叉分析模块，用于对所述教学数据按照采样时刻先后顺序排序，计算属于学生的教学数据与属于教师的教学数据的时间交叉关系，两个交叉的数据的采样时刻差值小于预设值时记为一个交叉关系，并记属于学生的教学数据的采样时刻为时间交叉点；
量化评测模块，用于把视线分析模块、语言情感分析模块、姿态分析模块和交叉分析模块的分析结果与在所述系统中存储的历史数据训练集进行相似度匹配，选取与当前分析结果最相近的历史数据所对应的评分结果作为当前评分。
CN202010387265.7A 2020-05-09 2020-05-09 一种教学质量评测方法及系统 Active CN111401797B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010387265.7A CN111401797B (zh) 2020-05-09 2020-05-09 一种教学质量评测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010387265.7A CN111401797B (zh) 2020-05-09 2020-05-09 一种教学质量评测方法及系统

Publications (2)

Publication Number Publication Date
CN111401797A CN111401797A (zh) 2020-07-10
CN111401797B true CN111401797B (zh) 2023-04-18

Family

ID=71437474

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010387265.7A Active CN111401797B (zh) 2020-05-09 2020-05-09 一种教学质量评测方法及系统

Country Status (1)

Country Link
CN (1) CN111401797B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111950472A (zh) * 2020-08-14 2020-11-17 北京高思博乐教育科技股份有限公司 教师磨课测评方法及系统
CN112069970B (zh) * 2020-08-31 2022-10-04 首都师范大学 课堂教学事件分析方法及装置
CN112257457B (zh) * 2020-10-27 2024-05-28 上海汉图科技有限公司 一种学员课堂表现的评价方法、装置和电子设备
CN112465339A (zh) * 2020-11-25 2021-03-09 宁波阶梯教育科技有限公司 一种教学质量评价方法、装置、系统及可读存储介质
CN113076835B (zh) * 2021-03-25 2022-11-29 济南升界软件有限公司 基于回归分析的教学评价方法及系统
CN113592237B (zh) * 2021-07-01 2023-06-09 中国联合网络通信集团有限公司 一种教学质量评估方法及电子设备
CN116029596A (zh) * 2023-01-03 2023-04-28 华南师范大学 基于云服务的教学姿态及表情应用技能评估方法、系统、装置和存储介质
CN116665294A (zh) * 2023-03-31 2023-08-29 华南师范大学 一种基于计算机视觉的教学姿态及表情应用技能分析方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106851216A (zh) * 2017-03-10 2017-06-13 山东师范大学 一种基于人脸和语音识别的课堂行为监控系统及方法
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
CN108154304A (zh) * 2017-12-26 2018-06-12 重庆大争科技有限公司 具有教学质量评估功能的服务器
CN108171414A (zh) * 2017-12-26 2018-06-15 重庆大争科技有限公司 教学质量评估系统
CN109657529A (zh) * 2018-07-26 2019-04-19 台州学院 基于面部表情识别的课堂教学效果评价系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106851216A (zh) * 2017-03-10 2017-06-13 山东师范大学 一种基于人脸和语音识别的课堂行为监控系统及方法
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
CN108154304A (zh) * 2017-12-26 2018-06-12 重庆大争科技有限公司 具有教学质量评估功能的服务器
CN108171414A (zh) * 2017-12-26 2018-06-15 重庆大争科技有限公司 教学质量评估系统
CN109657529A (zh) * 2018-07-26 2019-04-19 台州学院 基于面部表情识别的课堂教学效果评价系统

Also Published As

Publication number Publication date
CN111401797A (zh) 2020-07-10

Similar Documents

Publication Publication Date Title
CN111401797B (zh) 一种教学质量评测方法及系统
CN108648757B (zh) 一种基于多维度课堂信息的分析方法
CN111915148B (zh) 一种基于信息技术的课堂教学评价方法和系统
CN110992741A (zh) 一种基于课堂情绪和行为分析的学习辅助方法及系统
CN111709358A (zh) 基于课堂视频的师生行为分析系统
CN109214664B (zh) 一种基于人工智能的情绪行为综合分析系统
CN115239527B (zh) 基于知识库的教学特征融合与建模的教学行为分析系统
CN112908355B (zh) 一种师范生教学技能量化评价系统及其方法
CN106547815B (zh) 一种基于大数据的针对性作业生成方法与系统
CN109448851A (zh) 一种认知评估方法及装置
CN111027865A (zh) 一种基于行为和表情智能识别的课堂教学分析与质量评估系统及方法
CN112085630B (zh) 适合omo学习场景的智适应作业系统
CN103729701A (zh) 一种基于过程跟踪的在线培训管理系统及方法
CN113627779A (zh) 一种基于大数据和ai技术的教学管理、质量评估系统
CN112907054A (zh) 一种基于ai与大数据分析的教学质量评估系统
CN115810163B (zh) 一种基于ai课堂行为识别的教学评估方法和系统
CN111369875A (zh) 一种基于vr技术的输电线路人工仿真巡检培训方法及系统
CN111611854B (zh) 一种基于模式识别的课堂情况评价方法
CN111105171A (zh) 一种用于讲师课堂质量测评评级的方法
CN109949189A (zh) 一种线上教学互动效果评价方法与装置
CN112634096A (zh) 一种基于智能黑板的课堂管理方法及系统
CN111563697A (zh) 一种线上课堂学生情绪分析方法和系统
CN110991800A (zh) 一种钢琴教学质量评测系统
CN114255426A (zh) 一种基于视频识别和语音分离技术的学生专注度评估系统
Liu et al. Student performance prediction by LMS data and classroom videos

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