CN111428686A - 一种学生兴趣偏好评估方法、装置及系统 - Google Patents
一种学生兴趣偏好评估方法、装置及系统 Download PDFInfo
- Publication number
- CN111428686A CN111428686A CN202010290893.3A CN202010290893A CN111428686A CN 111428686 A CN111428686 A CN 111428686A CN 202010290893 A CN202010290893 A CN 202010290893A CN 111428686 A CN111428686 A CN 111428686A
- Authority
- CN
- China
- Prior art keywords
- interest
- student
- classroom
- students
- target
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 62
- 238000004458 analytical method Methods 0.000 claims abstract description 87
- 230000014509 gene expression Effects 0.000 claims abstract description 54
- 230000006399 behavior Effects 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 20
- 230000008859 change Effects 0.000 claims description 15
- 230000015654 memory Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 14
- 230000002996 emotional effect Effects 0.000 claims description 11
- 230000009471 action Effects 0.000 claims description 10
- 230000008451 emotion Effects 0.000 claims description 9
- 230000007935 neutral effect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 description 12
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 210000005069 ears Anatomy 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008909 emotion recognition Effects 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000000088 lip Anatomy 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 210000001331 nose Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06V40/10—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9038—Presentation of query results
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Human Computer Interaction (AREA)
- Databases & Information Systems (AREA)
- Psychiatry (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Social Psychology (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种学生兴趣偏好评估方法、装置及系统,其中,该方法包括:获取课堂视频数据;根据课堂视频数据获取目标学生的特征信息,特征信息包括:表情特征、学习特征、行为特征;根据目标学生的特征信息和与各特征信息相对应的权重获取目标学生对课堂的兴趣评分;根据预设周期内不同时间段的时间权重获取目标学生在预设周期内对课程的兴趣偏好分析结果。本发明通过不同时间段的时间权重和目标学生在不同时间段内对课堂的兴趣评分获取目标学生对课程的兴趣偏好分析结果,为不同时间段设置了不同的时间权重,减小了客观因素对结果带来的影响,因此得到的目标学生对课程的兴趣偏好更贴合实际。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种学生兴趣偏好评估方法、装置及系统。
背景技术
随着基础教育的发展,学生教育逐步实现由应试教育向素质教育的转轨,素质教育尊重个体学习兴趣的多样性和差异性,注重对学生创造力和天赋的培养,素质教育的基础在于发现学生的兴趣点。学生对一门课程是否感兴趣可以通过该学生在课堂中的表现得到,因此现有技术中,是基于课堂中的学生表现判别该学生是否对本门课程感兴趣,但是由于实际情况中诸多客观因素的影响,通过一堂课来判断学生对该课程是否感兴趣较为片面,不利于真正了解学生的兴趣。
发明内容
因此,本发明要解决的技术问题在于克服现有技术中对学生兴趣的判别方法较为片面的缺陷,从而提供一种学生兴趣偏好评估方法、装置及系统。
本发明第一方面提供了一种学生兴趣偏好评估方法,包括:获取课堂视频数据;根据课堂视频数据获取目标学生的特征信息,特征信息包括:表情特征、学习特征、行为特征;根据目标学生的特征信息和与各特征信息相对应的权重获取目标学生对课堂的兴趣评分;根据预设周期内不同时间段的时间权重获取目标学生在预设周期内对课程的兴趣偏好分析结果。可选地,本发明提供的学生兴趣偏好评估方法通过如下步骤获取目标学生的表情特征:根据课堂视频数据获取目标学生在课堂中各表情的持续时间,表情包括积极表情、中立表情、消极表情;根据目标学生在课堂中各表情的持续时间以及分别与各表情相对应的情感因子计算表情特征。
可选地,本发明提供的学生兴趣偏好评估方法通过如下步骤获取目标学生的学习特征:根据课堂视频数据获取目标学生在课堂中各学习特征的持续时间和/或发生次数;根据各学习特征的持续时间和/或发生次数以及与各学习特征相对应的情感因子计算学习特征。
可选地,本发明提供的学生兴趣偏好评估方法通过如下步骤获取目标学生的行为特征:根据课堂视频数据获取目标学生在课堂中各项行为的持续时间;根据目标学生在课堂中各项行为的持续时间以及分别与各项行为相对应的情感因子计算行为特征。
可选地,根据预设周期内不同时间段的时间权重获取目标学生在预设周期内对课程的兴趣偏好分析结果的步骤,包括:分别获取所有学生在预设周期内各时间段对与课程相对应的课堂的兴趣评分;根据所有学生在各时间段的与课程相对应的课堂的兴趣评分以及预设周期内时间段的数量分别计算不同时间段的时间权重;根据目标学生在预设周期内不同时间段的兴趣评分和时间段相对应的时间权重计算目标学生对课程的兴趣偏好分析结果。
可选地,本发明提供的学生兴趣偏好评估方法还包括:获取多个周期内所述目标学生对课程的兴趣偏好分析结果;根据不同周期内所述目标学生对课程的兴趣偏好分析结果形成所述目标学生的兴趣变化曲线,并输出所述目标学生的兴趣变化曲线。
可选地,本发明提供的学生兴趣偏好评估方法还包括:根据课堂视频数据获取目标时刻所有学生的特征信息;根据目标时刻下所有学生的特征信息和与各特征信息相对应的权重获取目标时刻对课堂的兴趣评分。
可选地,本发明提供的学生兴趣偏好评估方法还包括:按照预设时间间隔获取所述不同时刻下所有学生对所述课堂的兴趣评分;根据不同时刻下所有学生对所述课堂的兴趣评分形成课堂兴趣变化曲线,并输出所述课堂兴趣变化曲线。
本发明第二方面提供了一种学生兴趣偏好评估装置,包括:课堂视频数据获取模块,用于获取课堂视频数据;特征获取模块,用于根据课堂视频数据获取目标学生的特征信息,特征信息包括:表情特征、学习特征、行为特征;兴趣评分获取模块,用于根据目标学生的特征信息和与各特征信息相对应的权重获取目标学生对课堂的兴趣评分;兴趣偏好获取模块,用于根据预设周期内不同时间段的时间权重获取目标学生在预设周期内对课程的兴趣偏好分析结果。
本发明第三方面提供了一种学生兴趣偏好计算系统,包括:计算平台、信息平台、兴趣评价模块、结果反馈模块,计算平台包括课堂视频采集模块、视频流分析处理模块、结构化指标数据模块;课堂视频采集模块用于获取课堂视频数据;视频流分析处理模块用于根据课堂视频数据获取学生的指标数据;结构化指标数据模块用于对指标数据进行结构化处理;信息平台包括历史数据模块和基本信息模块;历史数据模块用于存储学生的兴趣评分;基本信息模块用于存储学生和教师的基本信息;兴趣评价模块包括课堂兴趣分析子模块、课程兴趣分析子模块、课堂兴趣点分析子模块;课堂兴趣分析子模块用于根据指标数据获取学生对课堂的兴趣评分;课程分析子模块用于根据学生对课堂的兴趣评分获取学生的兴趣偏好分析结果;课堂兴趣点分析模块用于根据目标时刻下所有学生的指标数据获取课堂的兴趣点分析结果;结果反馈模块用于输出学生对课堂的兴趣评分、学生的兴趣偏好分析结果、课堂的兴趣点分析结果。
本发明第四方面提供了一种计算机设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,从而执行如本发明第一方面提供的学生兴趣偏好评估方法。
本发明第五方面提供了一种计算机可读存储介质,其特征在于,计算机可读存储介质存储有计算机指令,计算机指令用于使计算机执行如本发明第一方面提供的学生兴趣偏好评估方法。
本发明技术方案,具有如下优点:
1.本发明提供的学生兴趣偏好评估方法,先根据课堂视频数据获取学生的特征信息,然后根据特征信息获取目标学生对课堂的兴趣评分,最后根据预设周期内不同时间段的时间权重计算目标学生在预设周期内对课程的兴趣偏好分析结果。由于学生对课堂的兴趣会受到外界客观因素的影响,因此仅通过一堂课判定学生对该门课程是否感兴趣太过片面,本发明提供的学生兴趣偏好评估方法通过不同时间段的时间权重和目标学生在不同时间段内对课堂的兴趣评分获取目标学生对课程的兴趣偏好分析结果,为不同时间段设置了不同的时间权重,减小了客观因素对结果带来的影响,因此得到的目标学生对课程的兴趣偏好更贴合实际。
2.本发明提供的学生兴趣偏好评估方法,计算目标学生在预设周期内对课程的兴趣偏好时,先根据所有学生在预设周期内各时间段对与课程相对应的课堂的兴趣评分和预设周期内时间段的数量分别计算不同时间段的时间权重,然后根据不同时间段的时间权重和不同时间段的兴趣评分计算目标学生对课程的兴趣偏好分析结果。本发明提供的学生兴趣偏好评估方法在计算某一时间段的时间权重时,充分结合了其他学生在该时间段的兴趣评分和不同时间段的兴趣评分,将横向数据和纵向数据结合得到了时间权重,避免了异常数据对评估结果造成的影响,通过该时间权重计算得到的学生的兴趣偏好分析结果更贴合实际。
3.本发明提供的学生兴趣偏好评估装置,先根据课堂视频数据获取学生的特征信息,然后根据特征信息获取目标学生对课堂的兴趣评分,最后根据预设周期内不同时间段的时间权重计算目标学生在预设周期内对课程的兴趣偏好分析结果。由于学生对课堂的兴趣会受到外界客观因素的影响,因此仅通过一堂课判定学生对该门课程是否感兴趣太过片面,本发明提供的学生兴趣偏好评估装置通过不同时间段的时间权重和目标学生在不同时间段内对课堂的兴趣评分获取目标学生对课程的兴趣偏好分析结果,为不同时间段设置了不同的时间权重,减小了客观因素对结果带来的影响,因此得到的目标学生对课程的兴趣偏好更贴合实际。
4.本发明提供的学生兴趣偏好计算系统,包括计算平台、信息平台、兴趣评价模块、结果反馈模块,兴趣评价模块通过本发明第一方面提供的学生兴趣偏好评估方法计算学生对课堂的兴趣评分、学生的兴趣偏好分析结果、课堂的兴趣点,结果反馈模块将兴趣评价模块得到的结果反馈给用户。本发明提供到的学生兴趣偏好计算系统得到的学生对课堂的兴趣评分、学生的兴趣偏好分析结果、课堂的兴趣点贴合实际,有助于提高教学质量、实现对学生的素质教育。
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-图5为本发明实施例中学生兴趣偏好评估方法的具体示例的流程图;
图6为本发明实施例中学生兴趣偏好评估装置的具体示例的原理框图;
图7为本发明实施例中学生兴趣偏好评估系统的具体示例的原理框图;
图8为本发明实施例中提供的计算机设备的具体示例的原理框图。
具体实施方式
下面将结合附图对本发明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。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本发明实施例提供了一种学生兴趣偏好评估方法,如图1所示,包括:
步骤S10:获取课堂视频数据。判定学生对课程是否感兴趣最直接的方式是观察该学生的课堂表现,因此需要先获取存在目标学生的课堂视频数据。
步骤S20:根据课堂视频数据获取目标学生的特征信息,特征信息包括:表情特征Mij、学习特征Nij、行为特征Oij。在本发明实施例中,学习特征是指学生在课堂上处于学习状态时表现的动作特征,是对课堂教学内容正向的互动和反馈,而行为特征是指学生在在课堂上处于非学习状态时表现的其他动作特征。
步骤S30:根据目标学生的特征信息和与各特征信息相对应的权重获取目标学生对课堂的兴趣评分:
Iij=w1Mij+w2Nij+w3Oij,
其中,i表示第i名学生,j表示第j节课,w1表示与表情特征Mij相对应的权重,w2表示与学习特征Nij相对应的权重,w3表示与动作特征Qij相对应的权重。
在一具体实施例中,可以先由教育专家填写打分表,采用1-9标度方法判断相对重要性,由打分结果列出比较矩阵C={clk},(l,k=1,2,3,…,n),其中clk表示l特征信息对k特征信息的相对重要性,且有:clk>0, cll=1。计算特征值和特征向量,得出各特征信息的权重结果w1,w2,w3(w1+w2+w3=1)。需要说明的是,各特征信息的权重不是一成不变的,在实际应用中,可以通过定期收集学生反馈,以及对原始数据的迭代计算,分析兴趣评分结果与真实情况的偏差程度,对各特征的权重进行调整从而使得本实施例提供的学生兴趣偏好评估方法得到的结果更贴合实际。
步骤S40:根据预设周期内不同时间段的时间权重获取目标学生在预设周期内对课程的兴趣偏好分析结果。在实际教学过程中,由于课程本身的性质不同,学生在课堂中的活跃度也会不同,导致计算得到的对课堂的兴趣评分不同,或者对于同一门课程,上课时间的不同也会导致计算得到的课堂兴趣评分不同。由此可见,学生对课堂的兴趣评分会受到诸多客观因素的影响,因此,为了使得到的学生对课程的兴趣偏好尽可能地贴合实际,本发明实施例在计算兴趣偏好分析结果时,是以一定时长为周期进行计算的,一个周期内可分为多个相同时长的时间段,并且根据每个时间段的时间权重和该时间段内目标学生对在某一指定课程的课堂中的兴趣评分计算目标学生对该课程的兴趣偏好分析结果,分别计算目标学生对多门课程的兴趣偏好分析结果,然后将兴趣偏好的值进行对比,可以得出目标学生最感兴趣的课程。
本发明提供的学生兴趣偏好评估方法,先根据课堂视频数据获取学生的特征信息,然后根据特征信息获取目标学生对课堂的兴趣评分,最后根据预设周期内不同时间段的时间权重计算目标学生在预设周期内对课程的兴趣偏好分析结果。由于学生对课堂的兴趣会受到外界客观因素的影响,因此仅通过一堂课判定学生对该门课程是否感兴趣太过片面,本发明提供的学生兴趣偏好评估方法通过不同时间段的时间权重和目标学生在不同时间段内对课堂的兴趣评分获取目标学生对课程的兴趣偏好分析结果,为不同时间段设置了不同的时间权重,减小了客观因素对结果带来的影响,因此得到的目标学生对课程的兴趣偏好更贴合实际。
在一可选实施例中,本发明实施例提供的学生兴趣偏好评估方法中,可通过如下步骤获取目标学生的表情特征:
步骤S21:根据课堂视频数据获取目标学生在课堂中各表情的持续时间,表情包括积极表情、中立表情、消极表情等。面部表情是最直接、最有效的情感识别方式,是对信息最真实的即时反应。通过摄像机采集课堂视频数据并对视频序列建模,检测瞳孔、眼角、眉毛、鼻子、嘴唇、下巴等关键点,提取全体学生实时的表情特征信息。其中积极表情、中立表情、消极表情分别表达了目标学生正向、中立、负向的情感。
步骤S22:根据目标学生在课堂中各表情的持续时间以及分别与各表情相对应的情感因子计算表情特征:
Mij=α1T1ij+α2T2ij-α3T3ij,
其中,α1表示积极表情相对应的情感因子,α2表示中立表情相对应的情感因子,α3表示消极表情相对应的情感因子,T1ij表示目标学生在第j节课中积极表情的持续时间,T2ij表示目标学生在第j节课中中立表情的持续时间,T3ij表示目标学生在第j节课中消极表情的持续时间,与各表情相对应的情感因子可以通过如上述步骤S30中提供的对各特征信息的权重的计算方法获取。
在一可选实施例中,本发明实施例提供的学生兴趣偏好评估方法中,可通过如下步骤获取目标学生的学习特征:
步骤S23:根据课堂视频数据获取目标学生在课堂中各学习特征的持续时间和/或发生次数。在一具体实施例中,学习特征包括听讲、讨论、点头、鼓掌、举手等,对于听讲和讨论这类通过持续时间表现学生兴趣的特征,需要分别获取不同特征的持续时间,对于点头、鼓掌、举手这类通过发生次数表现学生兴趣的特征,需要分别获取不同特征的发生次数。
步骤S24:根据各学习特征的持续时间和/或发生次数以及与各学习特征相对应的情感因子计算学习特征,本发明实施例中以听讲、讨论、点头、鼓掌、举手为例计算学习特征:
Nij=β1R1ij+β2R2ij+β3f1ij+β4f2ij+β5f3ij,
其中,β1、β2、β3、β4、β5分别表示与听讲、讨论、点头、鼓掌、举手相对应的情感因子,R1ij、R2ij分别表示听讲、讨论的持续时间,f1ij、f2ij、f3ij分别表示点头、鼓掌、举手的发生次数相对应的分值。由于听讲、讨论的时间单位和点头、鼓掌、举手的次数单位无法直接相加,因此对于点头、鼓掌、举手这类计次的指标,可以为发生次数设定不同的区间,不同的区间对应不同的分值,例如,可以将点头次数设定三个区间[A,B]、[C,D]、[E,F],区间[A,B]对应的分值为a,区间[C,D]对应的分值为b,区间[E,F]对应的分值为c,例如,当第i名学生在第j节课中点头次数位于区间[C,D]内时,f1ij的值为b。在实际应用中,可以根据实际需求对区间和区间对应的分值进行设置,并且,设置区间和分值的目的是为了解决单位不同带来的无法直接运算的问题,在实际应用中也可以通过其他的方式解决单位不同导致的无法直接运算的问题。与各学习特征相对应的情感因子可以通过如上述步骤S30中提供的对各特征信息的权重的计算方法获取。
在一可选实施例中,本发明实施例提供的学生兴趣偏好评估方法中,可通过如下步骤获取目标学生的行为特征:
步骤S25:根据课堂视频数据获取目标学生在课堂中各项行为的持续时间,在一具体实施例中,可以根据实际情况对各项行为的选取进行调整,本发明实施中选取的行为包括:东张西望、交头接耳、玩手机、趴桌子、睡觉行为等。
步骤S26:根据目标学生在课堂中各项行为的持续时间以及分别与各项行为相对应的情感因子计算行为特征:
Oij=-(γ1E1ij+γ2E2ij+γ3E3ij+γ4E4ij+γ5E5ij),
其中,γ1、γ2、γ3、γ4、γ5分别表示与各行为相对应的情感因子,E1ij、E2ij、E3ij、E4ij、E5ij分别表示各行为的持续时间,与各行为特征相对应的情感因子可以通过如上述步骤S30中提供的对各特征信息的权重的计算方法获取。
在一可选实施例中,如图2所示,在本发明提供的学生兴趣偏好评估方法中,上述步骤S40具体包括:
步骤S41:分别获取所有学生在预设周期内各时间段对与课程相对应的课堂的兴趣评分。
步骤S42:根据所有学生在各时间段的与课程相对应的课堂的兴趣评分以及预设周期内时间段的数量分别计算不同时间段的时间权重:
其中,N表示学生数量,Iik(d)表示第d个时间段第i名学生在第k门课程的课堂上的兴趣评分,D表示预设时间周期内时间段的数量。
在一具体实施例中,也可以采用去极值、标准化、中性化等方法确定时间权重。
在一具体实施例中,通过计算目标学生对不同课程的兴趣偏好分析结果,然后将求得的值进行对比,可以得到目标学生感兴趣的课程。在计算兴趣偏好分析结果时,预设周期可以根据实际需求进行调整,不同的周期可以计算得到不同时期学生对不同课程的兴趣度的变化,例如,可以将预设周期设置为一周、一学期、一学年等。
本发明提供的学生兴趣偏好评估方法,计算目标学生在预设周期内对课程的兴趣偏好分析结果时,先根据所有学生在预设周期内各时间段对与课程相对应的课堂的兴趣评分和预设周期内时间段的数量分别计算不同时间段的时间权重,然后根据不同时间段的时间权重和不同时间段的兴趣评分计算目标学生对课程的兴趣偏好分析结果。本发明提供的学生兴趣偏好评估方法在计算某一时间段的时间权重时,充分结合了其他学生在该时间段的兴趣评分和不同时间段的兴趣评分,将横向数据和纵向数据结合得到了时间权重,避免了异常数据对评估结果造成的影响,通过该时间权重计算得到的学生的兴趣偏好更贴合实际。
在一可选实施例中,还可以计算预设周期内班级全体学生的兴趣偏好分析结果:在了解班级整体对每门课程的兴趣偏好后,若存在某一门课程的兴趣偏好的值小于预设阈值,可以提示向学校相关部门发出警示,便于学校及时做出调整,保障学生各方面的均衡发展。
在一可选实施例中,如图3所示,本发明提供的学生兴趣偏好评估方法还包括:
步骤S50:获取多个周期内所述目标学生对课程的兴趣偏好分析结果。
步骤S60:根据不同周期内所述目标学生对课程的兴趣偏好分析结果形成所述目标学生的兴趣变化曲线,并输出目标学生的兴趣变化曲线。在一具体实施例中,将每个周期内获取的对课程的兴趣偏好分析结果进行存储,在需要向用户反馈时,提取存储模块中存储好的每个周期的兴趣偏好分析结果,并将结果形成该目标学生的兴趣变化曲线,便于用户从宏观上了解该目标学生的兴趣变化,例如,可以每周计算一次目标学生对课程的兴趣偏好分析结果并存储在相应的存储模块中,待一个学期结束后,根据存储模块中存储的目标学生的兴趣偏好形成目标学生的兴趣变化曲线,便于家长和老师更直观地了解学生的变化。
在一可选实施例中,如图4所示,本发明提供的学生兴趣偏好评估方法还包括:
步骤S70:根据课堂视频数据获取目标时刻所有学生的特征信息,在同一时刻,不同的学生会表现出不同的特征。
步骤S80:根据目标时刻下所有学生的特征信息和与各特征信息相对应的权重获取目标时刻对课堂的兴趣评分:
P=w1Sj+w2Qj+w3Wj,
其中,Sj表示在目标时刻下所有学生的表情特征,Qj表示在目标时刻下所有学生的学习特征,Wj表示在目标时刻下所有学生的行为特征。
N表示学生数量,t1ij表示积极表情指标,若学生在目标时刻的表情为积极表情时,t1ij为1,否则为0,t2ij表示中立表情指标,若学生在目标时刻的表情为中立表情时,t2ij为1,否则为0,t3ij表示消极表情指标,若学生在目标时刻的表情为消极表情时,t3ij为1,否则为0。
r1ij、r2ij、r3ij、r4ij、r5ij分别表示听讲、讨论、点头、鼓掌、举手指标,对于目标时刻下存在的状态,与该状态相对应的指标值为1,否则为0。
e1ij、e2ij、e3ij、e4ij、e5ij分别表示东张西望、交头接耳、玩手机、趴桌子、睡觉指标,对于目标时刻下存在的状态,与该状态相对应的指标值为1,否则为0。
本发明实施例提供的学生兴趣偏好评估方法,计算不同时刻下全体学生对课堂的兴趣评分,有助于后续教师根据学生的在不同时刻的对课堂的兴趣评分对课堂内容进行复盘,从而进一步提高教学质量。
在一可选实施中,如图5所示,本发明实施例提供的学生兴趣偏好评估方法还包括:
步骤S90:按照预设时间间隔获取所述不同时刻下所有学生对所述课堂的兴趣评分,例如,可以每隔5分钟获取一次所有学生对课堂的兴趣评分。在实际应用中,可以根据用户需求和处理器计算能力设置预设时间间隔。
步骤S100:根据不同时刻下所有学生对所述课堂的兴趣评分形成课堂兴趣变化曲线,并输出所述课堂兴趣变化曲线。本发明实施例提供的学生兴趣偏好评估方法,计算不同时刻下全体学生对课堂的兴趣评分,有助于后续教师根据学生的在不同时刻的对课堂的兴趣评分对课堂内容进行复盘,从而进一步提高教学质量。
实施例2
本实施例提供了一种学生兴趣偏好评估装置,如图6所示,包括:
课堂视频数据获取模块110,用于获取课堂视频数据,详细描述见上述实施例1中对步骤S10的描述。
特征获取模块120,用于根据课堂视频数据获取目标学生的特征信息,特征信息包括:表情特征、学习特征、行为特征,详细描述见上述实施例1中对步骤S20的描述。
兴趣评分获取模块130,用于根据目标学生的特征信息和与各特征信息相对应的权重获取目标学生对课堂的兴趣评分,详细描述见上述实施例1中对步骤S30的描述。
兴趣偏好获取模块140,用于根据预设周期内不同时间段的时间权重获取目标学生在预设周期内对课程的兴趣偏好分析结果,详细描述见上述实施例1中对步骤S40的描述。
本发明提供的学生兴趣偏好评估装置,先根据课堂视频数据获取学生的特征信息,然后根据特征信息获取目标学生对课堂的兴趣评分,最后根据预设周期内不同时间段的时间权重计算目标学生在预设周期内对课程的兴趣偏好。由于学生对课堂的兴趣会受到外界客观因素的影响,因此仅通过一堂课判定学生对该门课程是否感兴趣太过片面,本发明提供的学生兴趣偏好评估装置通过不同时间段的时间权重和目标学生在不同时间段内对课堂的兴趣评分获取目标学生对课程的兴趣偏好,为不同时间段设置了不同的时间权重,减小了客观因素对结果带来的影响,因此得到的目标学生对课程的兴趣偏好更贴合实际。
实施例3
本实施例提供了一种学生兴趣偏好计算系统,如图7所示,包括:计算平台210、信息平台220、兴趣评价模块230、结果反馈模块240,
计算平台210包括课堂视频采集模块211、视频流分析处理模块212、结构化指标数据模块213;
课堂视频采集模块211用于获取课堂视频数据。
视频流分析处理模块212用于根据课堂视频数据获取学生的指标数据,具体地,视频流分析处理模块212先对视频序列建模,然后通过视频结构化算法,对视频内学生进行身份识别、表情识别、动作识别。
结构化指标数据模块213用于对指标数据进行结构化处理,在本发明实施例中,对指标数据进行结构化处理是指基于视频流分析处理模块得到的身份验证结果、表情识别结果和动作识别结果,对教室内每位学生生成包含时间信息的结构化数据文件。
信息平台220包括历史数据模块221和基本信息模块222;
历史数据模块221用于存储学生的兴趣评分,课堂兴趣分析子模块231会计算学生对每堂课的兴趣评分,历史数据模块221便是用来存储学生对每堂课的兴趣评分,在后续课程兴趣分析子模块232对学生的兴趣偏好分析结果进行计算时,会从历史数据模块221中提取相关数据。
基本信息模块222用于存储学生和教师的基本信息,基本信息包括计算平台210中产生的结构化、非结构化数据,以及学生、教师、学校的数据。
兴趣评价模块230包括课堂兴趣分析子模块231、课程兴趣分析子模块232、课堂兴趣点分析子模块233;
课堂兴趣分析子模块231用于根据指标数据获取学生对课堂的兴趣评分,具体计算过程见上述实施例1。
课程分析子模块232用于根据学生对课堂的兴趣评分获取学生的兴趣偏好分析结果,具体计算过程见上述实施例1。
课堂兴趣点分析模块233用于根据目标时刻下所有学生的指标数据获取课堂的兴趣点分析结果,具体计算过程见上述实施例1。
结果反馈模块240用于输出学生对课堂的兴趣评分、学生的兴趣偏好分析结果、课堂的兴趣点分析结果。在一具体实施例中,面对不同的用户,结果反馈模块会输出不同的数据,例如,结果反馈模块240可以向家长输出课堂兴趣分析子模块231计算得到的学生的课堂兴趣评分,以及课程分析子模块232计算得到的学生对不同课程的兴趣偏好分析结果,使家长可以了解学生在学校的上课状况,以及学生对不同课程的兴趣。结果反馈模块240可以向教师输出课堂兴趣点分析模块233得到的课堂的兴趣点分析结果,辅助教师进行复盘。
本发明提供的学生兴趣偏好计算系统,包括计算平台、信息平台、兴趣评价模块、结果反馈模块,兴趣评价模块通过本发明第一方面提供的学生兴趣偏好评估方法计算学生对课堂的兴趣评分、学生的兴趣偏好分析结果、课堂的兴趣点,结果反馈模块将兴趣评价模块得到的结果反馈给用户。本发明提供到的学生兴趣偏好计算系统得到的学生对课堂的兴趣评分、学生的兴趣偏好、课堂的兴趣点贴合实际,有助于提高教学质量、实现对学生的素质教育。
实施例4
本发明实施例提供一种计算机设备,如图8所示,该计算机设备主要包括一个或多个处理器31以及存储器32,图8中以一个处理器31为例。
该计算机设备还可以包括:输入装置33和输出装置34。
处理器31、存储器32、输入装置33和输出装置34可以通过总线或者其他方式连接,图8中以通过总线连接为例。
处理器31可以为中央处理器(Central Processing Unit,CPU)。处理器31还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。存储器32可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据学生兴趣偏好计算装置的使用所创建的数据等。此外,存储器32可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器32可选包括相对于处理器31远程设置的存储器,这些远程存储器可以通过网络连接至学生兴趣偏好计算并装置。输入装置33可接收用户输入的计算请求(或其他数字或字符信息),以及产生与学生兴趣偏好计算装置有关的键信号输入。输出装置34可包括显示屏等显示设备,用以输出计算结果。
实施例5
本发明实施例提供一种计算机可读存储介质,该计算机可读存储介质存储计算机指令,计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中的学生兴趣偏好计算方法。其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;存储介质还可以包括上述种类的存储器的组合。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (13)
1.一种学生兴趣偏好评估方法,其特征在于,包括:
获取课堂视频数据;
根据所述课堂视频数据获取目标学生的特征信息,所述特征信息包括:表情特征、学习特征、行为特征;
根据所述目标学生的特征信息和与各所述特征信息相对应的权重获取所述目标学生对课堂的兴趣评分;
根据预设周期内不同时间段的时间权重获取所述目标学生在预设周期内对课程的兴趣偏好分析结果。
2.根据权利要求1所述的学生兴趣偏好评估方法,其特征在于,通过如下步骤获取所述目标学生的表情特征:
根据所述课堂视频数据获取所述目标学生在所述课堂中各表情的持续时间,所述表情包括积极表情、中立表情、消极表情;
根据所述目标学生在所述课堂中各表情的持续时间以及分别与所述各表情相对应的情感因子计算所述表情特征。
3.根据权利要求1所述的学生兴趣偏好评估方法,其特征在于,通过如下步骤获取所述目标学生的学习特征:
根据所述课堂视频数据获取所述目标学生在所述课堂中各学习特征的持续时间和/或发生次数;
根据各所述学习特征的持续时间和/或发生次数以及与各所述学习特征相对应的情感因子计算所述学习特征。
4.根据权利要求1所述的学生兴趣偏好评估方法,其特征在于,通过如下步骤获取所述目标学生的行为特征:
根据所述课堂视频数据获取所述目标学生在所述课堂中各项行为的持续时间;
根据所述目标学生在所述课堂中各项行为的持续时间以及分别与所述各项行为相对应的情感因子计算所述行为特征。
5.根据权利要求1所述的学生兴趣偏好评估方法,其特征在于,根据预设周期内不同时间段的时间权重获取所述目标学生在预设周期内对课程的兴趣偏好分析结果的步骤,包括:
分别获取所有学生在所述预设周期内各时间段对与所述课程相对应的课堂的兴趣评分;
根据所有学生在各时间段的与所述课程相对应的课堂的兴趣评分以及所述预设周期内时间段的数量分别计算不同时间段的时间权重;
根据目标学生在预设周期内不同时间段的兴趣评分和所述时间段相对应的时间权重计算所述目标学生对所述课程的兴趣偏好分析结果。
7.根据权利要求1所述的学生兴趣偏好评估方法,其特征在于,还包括:
获取多个周期内所述目标学生对课程的兴趣偏好分析结果;
根据不同周期内所述目标学生对课程的兴趣偏好分析结果形成所述目标学生的兴趣变化曲线。
8.根据权利要求1所述的学生兴趣偏好评估方法,其特征在于,还包括:
根据所述课堂视频数据获取目标时刻所有学生的特征信息;
根据所述目标时刻下所有学生的特征信息和与各特征信息相对应的权重获取所述目标时刻对所述课堂的兴趣评分。
9.根据权利要求8所述的学生兴趣偏好评估方法,其特征在于,还包括:
按照预设时间间隔获取所述不同时刻下所有学生对所述课堂的兴趣评分;
根据不同时刻下所有学生对所述课堂的兴趣评分形成课堂兴趣变化曲线。
10.一种学生兴趣偏好评估装置,其特征在于,包括:
课堂视频数据获取模块,用于获取课堂视频数据;
特征获取模块,用于根据所述课堂视频数据获取目标学生的特征信息,所述特征信息包括:表情特征、学习特征、行为特征;
兴趣评分获取模块,用于根据所述目标学生的特征信息和与各所述特征信息相对应的权重获取所述目标学生对课堂的兴趣评分;
兴趣偏好获取模块,用于根据预设周期内不同时间段的时间权重获取所述目标学生在预设周期内对课程的兴趣偏好分析结果。
11.一种学生兴趣偏好计算系统,其特征在于,包括:计算平台、信息平台、兴趣评价模块、结果反馈模块,
所述计算平台包括课堂视频采集模块、视频流分析处理模块、结构化指标数据模块;
所述课堂视频采集模块用于获取课堂视频数据;
所述视频流分析处理模块用于根据所述课堂视频数据获取学生的指标数据;
所述结构化指标数据模块用于对所述指标数据进行结构化处理;
所述信息平台包括历史数据模块和基本信息模块;
所述历史数据模块用于存储学生的兴趣评分;
所述基本信息模块用于存储学生和教师的基本信息;
所述兴趣评价模块包括课堂兴趣分析子模块、课程兴趣分析子模块、课堂兴趣点分析子模块;
所述课堂兴趣分析子模块用于根据所述指标数据获取学生对课堂的兴趣评分;
所述课程分析子模块用于根据所述学生对课堂的兴趣评分获取所述学生的兴趣偏好分析结果;
所述课堂兴趣点分析模块用于根据目标时刻下所有学生的指标数据获取课堂的兴趣点分析结果;
所述结果反馈模块用于输出学生对课堂的兴趣评分、学生的兴趣偏好分析结果、课堂的兴趣点分析结果。
12.一种计算机设备,其特征在于,包括:
至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,从而执行如权利要求1-9中任一项所述的学生兴趣偏好评估方法。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行如权利要求1-9中任一项所述的学生兴趣偏好评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010290893.3A CN111428686A (zh) | 2020-04-14 | 2020-04-14 | 一种学生兴趣偏好评估方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010290893.3A CN111428686A (zh) | 2020-04-14 | 2020-04-14 | 一种学生兴趣偏好评估方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111428686A true CN111428686A (zh) | 2020-07-17 |
Family
ID=71556560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010290893.3A Pending CN111428686A (zh) | 2020-04-14 | 2020-04-14 | 一种学生兴趣偏好评估方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111428686A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085392A (zh) * | 2020-09-10 | 2020-12-15 | 北京易华录信息技术股份有限公司 | 一种学习参与度确定方法、装置及计算机设备 |
CN112116264A (zh) * | 2020-09-24 | 2020-12-22 | 北京易华录信息技术股份有限公司 | 一种活跃度评估方法及装置 |
CN112269936A (zh) * | 2020-11-13 | 2021-01-26 | 广东小天才科技有限公司 | 用户科目学习状态的分析方法、系统及存储介质 |
CN112464896A (zh) * | 2020-12-14 | 2021-03-09 | 北京易华录信息技术股份有限公司 | 一种基于学生行为的身心状态分析系统 |
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 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140315177A1 (en) * | 2013-04-19 | 2014-10-23 | Hon Hai Precision Industry Co., Ltd. | Grading device and method of remote teaching |
CN108399376A (zh) * | 2018-02-07 | 2018-08-14 | 华中师范大学 | 学生课堂学习兴趣智能分析方法及系统 |
CN109255739A (zh) * | 2018-09-12 | 2019-01-22 | 三峡大学 | 一种基于人脸表情和人体动作识别的课堂学习效率分析算法 |
CN109359606A (zh) * | 2018-10-24 | 2019-02-19 | 江苏君英天达人工智能研究院有限公司 | 一种课堂实时监测与评估系统及其工作方法、创建方法 |
CN110598632A (zh) * | 2019-09-12 | 2019-12-20 | 深圳市商汤科技有限公司 | 目标对象的监测方法及装置、电子设备和存储介质 |
-
2020
- 2020-04-14 CN CN202010290893.3A patent/CN111428686A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140315177A1 (en) * | 2013-04-19 | 2014-10-23 | Hon Hai Precision Industry Co., Ltd. | Grading device and method of remote teaching |
CN108399376A (zh) * | 2018-02-07 | 2018-08-14 | 华中师范大学 | 学生课堂学习兴趣智能分析方法及系统 |
CN109255739A (zh) * | 2018-09-12 | 2019-01-22 | 三峡大学 | 一种基于人脸表情和人体动作识别的课堂学习效率分析算法 |
CN109359606A (zh) * | 2018-10-24 | 2019-02-19 | 江苏君英天达人工智能研究院有限公司 | 一种课堂实时监测与评估系统及其工作方法、创建方法 |
CN110598632A (zh) * | 2019-09-12 | 2019-12-20 | 深圳市商汤科技有限公司 | 目标对象的监测方法及装置、电子设备和存储介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085392A (zh) * | 2020-09-10 | 2020-12-15 | 北京易华录信息技术股份有限公司 | 一种学习参与度确定方法、装置及计算机设备 |
CN112116264A (zh) * | 2020-09-24 | 2020-12-22 | 北京易华录信息技术股份有限公司 | 一种活跃度评估方法及装置 |
CN112269936A (zh) * | 2020-11-13 | 2021-01-26 | 广东小天才科技有限公司 | 用户科目学习状态的分析方法、系统及存储介质 |
CN112464896A (zh) * | 2020-12-14 | 2021-03-09 | 北京易华录信息技术股份有限公司 | 一种基于学生行为的身心状态分析系统 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230360551A1 (en) | Adaptive learning environment driven by real-time identification of engagement level | |
US11241789B2 (en) | Data processing method for care-giving robot and apparatus | |
US9754503B2 (en) | Systems and methods for automated scoring of a user's performance | |
CN108563780B (zh) | 课程内容推荐方法和装置 | |
CN111428686A (zh) | 一种学生兴趣偏好评估方法、装置及系统 | |
CN110070295B (zh) | 课堂教学质量的评析方法、装置和计算机设备 | |
WO2018233398A1 (zh) | 学习监控方法、装置及电子设备 | |
TWI713000B (zh) | 線上學習輔助方法、系統、設備以及電腦可讀取記錄媒體 | |
WO2019218427A1 (zh) | 基于行为特征对比的关注度检测方法以及装置 | |
WO2019024247A1 (zh) | 一种基于数据交换网络的在线教学考评系统及方法 | |
US20230178216A1 (en) | Adjusting mental state to improve task performance and coaching improvement | |
CN108765229B (zh) | 基于大数据与人工智能的学习表现评价方法和机器人系统 | |
Munoz et al. | Development of a software that supports multimodal learning analytics: A case study on oral presentations | |
CN108829842B (zh) | 基于大数据与人工智能的学习表现画像方法和机器人系统 | |
CN115131867A (zh) | 基于学生学习效率检测方法、系统、设备及介质 | |
CN111680558A (zh) | 一种基于视频图像的学习专注力评估方法及装置 | |
KR102550839B1 (ko) | 사용자의 문제풀이 능력에 매칭되는 아바타를 활용하는 전자 장치, 및 학습 관리 방법 | |
Duraisamy et al. | Classroom engagement evaluation using computer vision techniques | |
CN114021962A (zh) | 教学评估方法、评估装置及其相关设备和存储介质 | |
CN111681142B (zh) | 基于教育视频虚拟教学的方法、系统、设备及存储介质 | |
JP2022014890A (ja) | 集中度判別プログラム | |
CN113065757A (zh) | 线上课程授课质量的评价方法及装置 | |
CN111199378B (zh) | 学员管理方法、装置、电子设备及存储介质 | |
CN110826796A (zh) | 成绩预测方法 | |
TWM600908U (zh) | 學習狀態改善管理系統 |
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 |