CN111523518A - 智适应学习方法及系统 - Google Patents
智适应学习方法及系统 Download PDFInfo
- Publication number
- CN111523518A CN111523518A CN202010514027.8A CN202010514027A CN111523518A CN 111523518 A CN111523518 A CN 111523518A CN 202010514027 A CN202010514027 A CN 202010514027A CN 111523518 A CN111523518 A CN 111523518A
- Authority
- CN
- China
- Prior art keywords
- student object
- preset student
- preset
- value
- learning
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 83
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 37
- 230000006399 behavior Effects 0.000 claims abstract description 60
- 230000008569 process Effects 0.000 claims abstract description 57
- 238000012937 correction Methods 0.000 claims description 45
- 230000006870 function Effects 0.000 claims description 30
- 239000000126 substance Substances 0.000 claims description 15
- 230000009471 action Effects 0.000 claims description 14
- 238000012360 testing method Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 6
- 230000001815 facial effect Effects 0.000 claims description 6
- 210000001364 upper extremity Anatomy 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 13
- 238000012545 processing Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004088 simulation 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- 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
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Educational Technology (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Human Computer Interaction (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Computational Linguistics (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)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明提供了智适应学习方法及系统,其通过对预设学生对象的教学视频观看过程和题目解答过程进行动态影像拍摄,并对动态影像进行识别得到相应的教学视频观看行为细节和题目解答行为细节,以此生成关于预设学生对象的学习能力水平大数据,最后对预设学生对应的学习兴趣知识点进行实时修正,从而有针对性地调整对所述预设学生对象的教学方案;该智适应学习方法及系统应用智能化技术(例如MCM等技术)对相应的动态影像进行学习行为细节的分析处理,从而保证能够针对不同预设学生对象的学习能力水平进行有针对性的教学方案调整,以期提高不同预设学生对象的学习效率。
Description
技术领域
本发明涉及智能化教育的技术领域,特别涉及智适应学习方法及系统。
背景技术
在教学过程中,因材施教能够更好地对学生进行高效的知识教学,而因材施教的执行需要以学生的学习偏好为前提的。但是,由于不同学生在学习习惯和学习喜好等方面上均具有一定的差异,并且这种差异通常体现在较为抽象的层面上,其无法用客观地标准进行衡量。目前,并不能有效地和精确地对不同学生个体进行学习偏好的客观判断,这严重地制约对不同学生个体进行有针对性的知识教学。可见,现有技术急需能够对不同学生个体进行全面准确的智适应调整手段。
发明内容
针对现有技术存在的缺陷,本发明提供智适应学习方法及系统,该智适应学习方法及系统通过对预设学生对象的教学视频观看过程和题目解答过程进行动态影像拍摄,并对动态影像进行识别得到相应的教学视频观看行为细节和题目解答行为细节,以此生成关于预设学生对象的学习能力水平大数据,最后对预设学生对应的学习兴趣知识点进行实时修正,从而有针对性地调整对所述预设学生对象的教学方案;该智适应学习方法及系统应用智能化技术(例如MCM等技术)对相应的动态影像进行学习行为细节的分析处理,从而保证能够针对不同预设学生对象的学习能力水平进行有针对性的教学方案调整,以期提高不同预设学生对象的学习效率。
本发明提供智适应学习方法,其特征在于,所述智适应学习方法包括如下步骤:
步骤S1,对预设学生对象进行摄像,以此获得所述学生对象观看教学视频或者解答题目的动态影像;
步骤S2,对所述动态影像进行识别,以此获得所述预设学生对象的教学视频观看行为细节和题目解答行为细节;
步骤S3,根据所述教学视频观看行为细节和所述题目解答行为细节,确定所述预设学生对象的学习能力水平大数据;
步骤S4,根据所述学习能力水平大数据,修正所述预设学生对象的学习兴趣知识点,以此调整针对所述预设学生对象的教学方案;
进一步,在所述步骤S1中,对预设学生对象进行摄像,以此获得所述学生对象观看教学视频或者解答题目的动态影像具体包括,
步骤S101,获取所述预设学生对象在观看不同科目的教学视频过程中或者解答不同科目的作业/试卷题目过程中的动态影像;
步骤S102,按照科目文理类型和所述预设学生对象的年龄范围,对所述动态影像进行区分,以此获得若干特定文科/理科对应的特定年龄段的动态影像集合;
步骤S103,根据动态影像的实际持续时长,从每一个所述动态影像集合中摘选出实际持续时长超过预定时长阈值的动态影像,以作为后续待识别的动态影像;
进一步,在所述步骤S2中,对所述动态影像进行识别,以此获得所述预设学生对象的教学视频观看行为细节和题目解答行为细节具体包括,
步骤S201,根据所述预设学生对象的脸部五官特征和上肢特征,构建关于所述预设学生对象的线条化轮廓;
步骤S202,根据所述线条化轮廓,对所述动态影像进行识别,以此获得所述预设学生对象在教学视频观看过程中的观看视线方向和观看持续时长,以及所述预设学生对象在题目解答过程中的手部撰写动作和手部撰写持续时长;
进一步,在所述步骤S3中,根据所述教学视频观看行为细节和所述题目解答行为细节,确定所述预设学生对象的学习能力水平大数据具体包括,
步骤S301,根据所述预设学生对象在教学视频观看过程中的观看视线方向和观看持续时长,以及所述预设学生对象当前观看的教学视频对应的视频知识内容,确定所述预设学生对象的知识学习理解能力水平大数据;
步骤S302,根据所述预设学生对象在题目解答过程中的手部撰写动作和手部撰写持续时长,以及所述预设学生对象当前解答的作业/试卷对应的题目知识内容,确定所述预设学生对象的题目解答能力水平大数据;
进一步,在所述步骤S4中,根据所述学习能力水平大数据,修正所述预设学生对象的学习兴趣知识点,以此调整针对所述预设学生对象的教学方案具体包括,
步骤S401,将所述学习能力水平大数据数值化转换为针对所述预设学生对象的专项能力值和整体能力值,并根据下面公式(1)计算得到与所述预设学生对象匹配的兴趣知识点分值Qa,
在上述公式(1)中,表示预设学生对象相匹配的第a个兴趣知识点分值,表示预设学生对象对第a个兴趣知识点的专项能力值,表示预设学生对象对第a个兴趣知识点的整体能力值,表示所述学习能力水平大数据对应的数据库中的第b个兴趣知识点分值,表示一阶跃函数,当括号内的值大于或者等于0时,阶跃函数的函数值为1,当括号内的值小于0时,阶跃函数的函数值为0;
步骤S402,根据下面公式(2)对所述兴趣知识点分值Qa进行实时修正,以此获得与所述预设学生对象匹配的兴趣知识点的实时修正值ΔQa(t+Δt),
在上述公式(2)中,ΔQa(t+Δt)表示t+Δt时刻与预设学生对象相匹配的第a个兴趣知识点的实时修正值,ΔXa(t+Δt)表示t+Δt时刻与预设学生对象相匹配的第a个兴趣知识点的转向能力值的实时修正值,ΔZa(t+Δt)表示t+Δt时刻与预设学生对象相匹配的第a个兴趣知识点的整体能力值的实时修正值,Δt表示修正时间;
步骤S403,根据下面公式(3)计算得到实时修正后与预设学生对象相匹配的兴趣知识点分值Qa(t+Δt),
在上述公式(3)中,Qa(t+Δt)表示t+Δt时刻修正后与预设学生对象相匹配的第a个兴趣知识点分值,其中,Qa(0)=Qa;
步骤404,根据实时修正后的所述兴趣知识点分值Qa(t+Δt),调整针对所述预设学生对象的教学方案。
本发明还提供智适应学习系统,其特征在于:
所述智适应学习系统包括摄像模块、动态影像识别模块、学习能力水平大数据确定模块和教学方案调整模块;其中,
所述摄像模块用于对预设学生对象进行摄像,以此获得所述学生对象观看教学视频或者解答题目的动态影像;
所述动态影像识别模块用于对所述动态影像进行识别,以此获得所述预设学生对象的教学视频观看行为细节和题目解答行为细节;
所述学习能力水平大数据确定模块用于根据所述教学视频观看行为细节和所述题目解答行为细节,确定所述预设学生对象的学习能力水平大数据;
所述教学方案调整模块用于根据所述学习能力水平大数据,修正所述预设学生对象的学习兴趣知识点,以此调整针对所述预设学生对象的教学方案;
进一步,所述摄像模块包括动态影像获取子模块、动态影像区分子模块和动态影像摘选子模块;其中,
所述动态影像获取子模块用于获取所述预设学生对象在观看不同科目的教学视频过程中或者解答不同科目的作业/试卷题目过程中的动态影像;
所述动态影像区分子模块用于按照科目文理类型和所述预设学生对象的年龄范围,对所述动态影像进行区分,以此获得若干特定文科/理科对应的特定年龄段的动态影像集合;
所述动态影像摘选子模块用于根据动态影像的实际持续时长,从每一个所述动态影像集合中摘选出实际持续时长超过预定时长阈值的动态影像,以作为后续待识别的动态影像;
进一步,所述动态影像识别模块包括学生对象轮廓提取子模块和行为细节识别子模块;其中,
所述学生对象轮廓提取子模块用于根据所述预设学生对象的脸部五官特征和上肢特征,构建关于所述预设学生对象的线条化轮廓;
所述行为细节识别子模块用于根据所述线条化轮廓,对所述动态影像进行识别,以此获得所述预设学生对象在教学视频观看过程中的观看视线方向和观看持续时长,以及所述预设学生对象在题目解答过程中的手部撰写动作和手部撰写持续时长;
进一步,所述学习能力水平大数据确定模块包括知识学习理解能力水平大数据确定子模块和题目解答能力水平大数据确定子模块;其中,
所述知识学习理解能力水平大数据确定子模块用于根据所述预设学生对象在教学视频观看过程中的观看视线方向和观看持续时长,以及所述预设学生对象当前观看的教学视频对应的视频知识内容,确定所述预设学生对象的知识学习理解能力水平大数据;
所述题目解答能力水平大数据确定子模块用于根据所述预设学生对象在题目解答过程中的手部撰写动作和手部撰写持续时长,以及所述预设学生对象当前解答的作业/试卷对应的题目知识内容,确定所述预设学生对象的题目解答能力水平大数据;
进一步,所述教学方案调整模块包括兴趣知识点分值计算子模块、兴趣知识点修正子模块、兴趣知识点分值修正值计算子模块和教学调整执行子模块;其中,
所述兴趣知识点分值计算子模块用于将所述学习能力水平大数据数值化转换为针对所述预设学生对象的专项能力值和整体能力值,并根据下面公式(1)计算得到与所述预设学生对象匹配的兴趣知识点分值Qa,
在上述公式(1)中,表示预设学生对象相匹配的第a个兴趣知识点分值,表示预设学生对象对第a个兴趣知识点的专项能力值,表示预设学生对象对第a个兴趣知识点的整体能力值,表示所述学习能力水平大数据对应的数据库中的第b个兴趣知识点分值,表示一阶跃函数,当括号内的值大于或者等于0时,阶跃函数的函数值为1,当括号内的值小于0时,阶跃函数的函数值为0;
所述兴趣知识点修正子模块用于根据下面公式(2)对所述兴趣知识点分值Qa进行实时修正,以此获得与所述预设学生对象匹配的兴趣知识点的实时修正值ΔQa(t+Δt),
在上述公式(2)中,ΔQa(t+Δt)表示t+Δt时刻与预设学生对象相匹配的第a个兴趣知识点的实时修正值,ΔXa(t+Δt)表示t+Δt时刻与预设学生对象相匹配的第a个兴趣知识点的转向能力值的实时修正值,ΔZa(t+Δt)表示t+Δt时刻与预设学生对象相匹配的第a个兴趣知识点的整体能力值的实时修正值,Δt表示修正时间;
所述兴趣知识点分值修正值计算子模块用于根据下面公式(3)计算得到实时修正后与预设学生对象相匹配的兴趣知识点分值Qa(t+Δt),
在上述公式(3)中,Qa(t+Δt)表示t+Δt时刻修正后与预设学生对象相匹配的第a个兴趣知识点分值,其中,Qa(0)=Qa;
所述教学调整执行子模块用于根据实时修正后的所述兴趣知识点分值Qa(t+Δt),调整针对所述预设学生对象的教学方案。
相比于现有技术,该智适应学习方法及系统通过对预设学生对象的教学视频观看过程和题目解答过程进行动态影像拍摄,并对动态影像进行识别得到相应的教学视频观看行为细节和题目解答行为细节,以此生成关于预设学生对象的学习能力水平大数据,最后对预设学生对应的学习兴趣知识点进行实时修正,从而有针对性地调整对所述预设学生对象的教学方案;该智适应学习方法及系统应用智能化技术(例如MCM等技术)对相应的动态影像进行学习行为细节的分析处理,从而保证能够针对不同预设学生对象的学习能力水平进行有针对性的教学方案调整,以期提高不同预设学生对象的学习效率。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
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一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的智适应学习方法的流程示意图。
图2为本发明提供的智适应学习系统的结构示意图。
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。
参阅图1,为本发明实施例提供的智适应学习方法的流程示意图。该智适应学习方法包括如下步骤:
步骤S1,对预设学生对象进行摄像,以此获得该学生对象观看教学视频或者解答题目的动态影像;
步骤S2,对该动态影像进行识别,以此获得该预设学生对象的教学视频观看行为细节和题目解答行为细节;
步骤S3,根据该教学视频观看行为细节和该题目解答行为细节,确定该预设学生对象的学习能力水平大数据;
步骤S4,根据该学习能力水平大数据,修正该预设学生对象的学习兴趣知识点,以此调整针对该预设学生对象的教学方案。
该智适应学习方法以学生对象的观看教学视频或者解答题目的动态影像作为原始数据,从中分析得到学生对象在学习过程中的行为细节,由于这些行为细节在相当程度上能够反映学生对象当前的学习状态或者对知识掌握程度,这样能够最大限度地还原学习对象的学习能力水品,并且还应用智能化技术(例如MCM蒙特卡洛这种统计模拟技术等智能化技术)进行快速和准确的数据分析计算,其中该智能化技术是一种智能化数据统计分析技术,以便于后续对不同预设学生对象进行个性化的处理,从而完整后续调整教学方案的模式。
优选地,在该步骤S1中,对预设学生对象进行摄像,以此获得该学生对象观看教学视频或者解答题目的动态影像具体包括,
步骤S101,获取该预设学生对象在观看不同科目的教学视频过程中或者解答不同科目的作业/试卷题目过程中的动态影像;
步骤S102,按照科目文理类型和该预设学生对象的年龄范围,对该动态影像进行区分,以此获得若干特定文科/理科对应的特定年龄段的动态影像集合;
步骤S103,根据动态影像的实际持续时长,从每一个该动态影像集合中摘选出实际持续时长超过预定时长阈值的动态影像,以作为后续待识别的动态影像。
通过对该动态影像进行关于文理分科和学生对象年龄段的区分处理,能够保证该动态影像真实地反映不同学生对象之间的差异,从而降低后续对动态影像处理的难度和繁复性。
优选地,在该步骤S2中,对该动态影像进行识别,以此获得该预设学生对象的教学视频观看行为细节和题目解答行为细节具体包括,
步骤S201,根据该预设学生对象的脸部五官特征和上肢特征,构建关于该预设学生对象的线条化轮廓;
步骤S202,根据该线条化轮廓,对该动态影像进行识别,以此获得该预设学生对象在教学视频观看过程中的观看视线方向和观看持续时长,以及该预设学生对象在题目解答过程中的手部撰写动作和手部撰写持续时长。
通过构建关于学生对象的线条画轮廓能够便于在动态影像中快速地确定学生对象的行为细节,从而简化识别的数据处理量和提高对不同类型行为细节的识别全面性和准确性。
优选地,在该步骤S3中,根据该教学视频观看行为细节和该题目解答行为细节,确定该预设学生对象的学习能力水平大数据具体包括,
步骤S301,根据该预设学生对象在教学视频观看过程中的观看视线方向和观看持续时长,以及该预设学生对象当前观看的教学视频对应的视频知识内容,确定该预设学生对象的知识学习理解能力水平大数据;
步骤S302,根据该预设学生对象在题目解答过程中的手部撰写动作和手部撰写持续时长,以及该预设学生对象当前解答的作业/试卷对应的题目知识内容,确定该预设学生对象的题目解答能力水平大数据。
由于学生对象在观看教学视频过程中的观看视线方向和观看持续时长以及在题目解答过程中的手部撰写动作和手部撰写持续时长,与学生对象的学习集中度和知识掌握度具有相当的关联性,通过上述基础数据得到的知识学习理解能力水平大数据和题目解答能力水平大数据能够最大限度地匹配于学生对象的真实情况。
优选地,在该步骤S4中,根据该学习能力水平大数据,修正该预设学生对象的学习兴趣知识点,以此调整针对该预设学生对象的教学方案具体包括,
步骤S401,将该学习能力水平大数据数值化转换为针对该预设学生对象的专项能力值和整体能力值,并根据下面公式(1)计算得到与该预设学生对象匹配的兴趣知识点分值Qa,
在上述公式(1)中,表示预设学生对象相匹配的第a个兴趣知识点分值,表示预设学生对象对第a个兴趣知识点的专项能力值,表示预设学生对象对第a个兴趣知识点的整体能力值,表示该学习能力水平大数据对应的数据库中的第b个兴趣知识点分值,表示一阶跃函数,当括号内的值大于或者等于0时,阶跃函数的函数值为1,当括号内的值小于0时,阶跃函数的函数值为0;
步骤S402,根据下面公式(2)对该兴趣知识点分值Qa进行实时修正,以此获得与该预设学生对象匹配的兴趣知识点的实时修正值ΔQa(t+Δt),
在上述公式(2)中,ΔQa(t+Δt)表示t+Δt时刻与预设学生对象相匹配的第a个兴趣知识点的实时修正值,ΔXa(t+Δt)表示t+Δt时刻与预设学生对象相匹配的第a个兴趣知识点的转向能力值的实时修正值,ΔZa(t+Δt)表示t+Δt时刻与预设学生对象相匹配的第a个兴趣知识点的整体能力值的实时修正值,Δt表示修正时间;
步骤S403,根据下面公式(3)计算得到实时修正后与预设学生对象相匹配的兴趣知识点分值Qa(t+Δt),
在上述公式(3)中,Qa(t+Δt)表示t+Δt时刻修正后与预设学生对象相匹配的第a个兴趣知识点分值,其中,Qa(0)=Qa;
步骤404,根据实时修正后的该兴趣知识点分值Qa(t+Δt),调整针对该预设学生对象的教学方案。
通过上述计算过程能够实时根据学生对象的专项能力值和整体能力值的变化来进行知识点的更新,与传统教育相比这样更加注重针对性以及更加培养学生对象的学习兴趣以及提高学生对象的学习效率和实现不同方向的个性化发展。
参阅图2,为本发明实施例提供的智适应学习系统的结构示意图。该智适应学习系统包括摄像模块、动态影像识别模块、学习能力水平大数据确定模块和教学方案调整模块;其中,
该摄像模块用于对预设学生对象进行摄像,以此获得该学生对象观看教学视频或者解答题目的动态影像;
该动态影像识别模块用于对该动态影像进行识别,以此获得该预设学生对象的教学视频观看行为细节和题目解答行为细节;
该学习能力水平大数据确定模块用于根据该教学视频观看行为细节和该题目解答行为细节,确定该预设学生对象的学习能力水平大数据;
该教学方案调整模块用于根据该学习能力水平大数据,修正该预设学生对象的学习兴趣知识点,以此调整针对该预设学生对象的教学方案。
该智适应学习系统以学生对象的观看教学视频或者解答题目的动态影像作为原始数据,从中分析得到学生对象在学习过程中的行为细节,由于这些行为细节在相当程度上能够反映学生对象当前的学习状态或者对知识掌握程度,这样能够最大限度地还原学习对象的学习能力水品,并且还应用智能化技术(例如MCM等技术)进行快速和准确的数据分析计算,其中该智能化技术是一种智能化数据统计分析技术,以便于后续对不同预设学生对象进行个性化的处理,从而完整后续调整教学方案的模式。
优选地,该摄像模块包括动态影像获取子模块、动态影像区分子模块和动态影像摘选子模块;其中,
该动态影像获取子模块用于获取该预设学生对象在观看不同科目的教学视频过程中或者解答不同科目的作业/试卷题目过程中的动态影像;
该动态影像区分子模块用于按照科目文理类型和该预设学生对象的年龄范围,对该动态影像进行区分,以此获得若干特定文科/理科对应的特定年龄段的动态影像集合;
该动态影像摘选子模块用于根据动态影像的实际持续时长,从每一个该动态影像集合中摘选出实际持续时长超过预定时长阈值的动态影像,以作为后续待识别的动态影像。
通过对该动态影像进行关于文理分科和学生对象年龄段的区分处理,能够保证该动态影像真实地反映不同学生对象之间的差异,从而降低后续对动态影像处理的难度和繁复性。
优选地,该动态影像识别模块包括学生对象轮廓提取子模块和行为细节识别子模块;其中,
该学生对象轮廓提取子模块用于根据该预设学生对象的脸部五官特征和上肢特征,构建关于该预设学生对象的线条化轮廓;
该行为细节识别子模块用于根据该线条化轮廓,对该动态影像进行识别,以此获得该预设学生对象在教学视频观看过程中的观看视线方向和观看持续时长,以及该预设学生对象在题目解答过程中的手部撰写动作和手部撰写持续时长。
通过构建关于学生对象的线条画轮廓能够便于在动态影像中快速地确定学生对象的行为细节,从而简化识别的数据处理量和提高对不同类型行为细节的识别全面性和准确性。
优选地,该学习能力水平大数据确定模块包括知识学习理解能力水平大数据确定子模块和题目解答能力水平大数据确定子模块;其中,
该知识学习理解能力水平大数据确定子模块用于根据该预设学生对象在教学视频观看过程中的观看视线方向和观看持续时长,以及该预设学生对象当前观看的教学视频对应的视频知识内容,确定该预设学生对象的知识学习理解能力水平大数据;
该题目解答能力水平大数据确定子模块用于根据该预设学生对象在题目解答过程中的手部撰写动作和手部撰写持续时长,以及该预设学生对象当前解答的作业/试卷对应的题目知识内容,确定该预设学生对象的题目解答能力水平大数据。
由于学生对象在观看教学视频过程中的观看视线方向和观看持续时长以及在题目解答过程中的手部撰写动作和手部撰写持续时长,与学生对象的学习集中度和知识掌握度具有相当的关联性,通过上述基础数据得到的知识学习理解能力水平大数据和题目解答能力水平大数据能够最大限度地匹配于学生对象的真实情况。
优选地,该教学方案调整模块包括兴趣知识点分值计算子模块、兴趣知识点修正子模块、兴趣知识点分值修正值计算子模块和教学调整执行子模块;其中,
该兴趣知识点分值计算子模块用于将该学习能力水平大数据数值化转换为针对该预设学生对象的专项能力值和整体能力值,并根据下面公式(1)计算得到与该预设学生对象匹配的兴趣知识点分值Qa,
在上述公式(1)中,表示预设学生对象相匹配的第a个兴趣知识点分值,表示预设学生对象对第a个兴趣知识点的专项能力值,表示预设学生对象对第a个兴趣知识点的整体能力值,表示该学习能力水平大数据对应的数据库中的第b个兴趣知识点分值,表示一阶跃函数,当括号内的值大于或者等于0时,阶跃函数的函数值为1,当括号内的值小于0时,阶跃函数的函数值为0;
该兴趣知识点修正子模块用于根据下面公式(2)对该兴趣知识点分值Qa进行实时修正,以此获得与该预设学生对象匹配的兴趣知识点的实时修正值ΔQa(t+Δt),
在上述公式(2)中,ΔQa(t+Δt)表示t+Δt时刻与预设学生对象相匹配的第a个兴趣知识点的实时修正值,ΔXa(t+Δt)表示t+Δt时刻与预设学生对象相匹配的第a个兴趣知识点的转向能力值的实时修正值,ΔZa(t+Δt)表示t+Δt时刻与预设学生对象相匹配的第a个兴趣知识点的整体能力值的实时修正值,Δt表示修正时间;
该兴趣知识点分值修正值计算子模块用于根据下面公式(3)计算得到实时修正后与预设学生对象相匹配的兴趣知识点分值Qa(t+Δt),
在上述公式(3)中,Qa(t+Δt)表示t+Δt时刻修正后与预设学生对象相匹配的第a个兴趣知识点分值,其中,Qa(0)=Qa;
该教学调整执行子模块用于根据实时修正后的该兴趣知识点分值Qa(t+Δt),调整针对该预设学生对象的教学方案。
通过上述计算过程能够实时根据学生对象的专项能力值和整体能力值的变化来进行知识点的更新,与传统教育相比这样更加注重针对性以及更加培养学生对象的学习兴趣以及提高学生对象的学习效率和实现不同方向的个性化发展。
从上述实施例的内容可知,该智适应学习方法及系统通过对预设学生对象的教学视频观看过程和题目解答过程进行动态影像拍摄,并对动态影像进行识别得到相应的教学视频观看行为细节和题目解答行为细节,以此生成关于预设学生对象的学习能力水平大数据,最后对预设学生对应的学习兴趣知识点进行实时修正,从而有针对性地调整对所述预设学生对象的教学方案;该智适应学习方法及系统应用智能化技术(例如MCM等技术)对相应的动态影像进行学习行为细节的分析处理,从而保证能够针对不同预设学生对象的学习能力水平进行有针对性的教学方案调整,以期提高不同预设学生对象的学习效率。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.智适应学习方法,其特征在于,所述智适应学习方法包括如下步骤:
步骤S1,对预设学生对象进行摄像,以此获得所述学生对象观看教学视频或者解答题目的动态影像;
步骤S2,对所述动态影像进行识别,以此获得所述预设学生对象的教学视频观看行为细节和题目解答行为细节;
步骤S3,根据所述教学视频观看行为细节和所述题目解答行为细节,确定所述预设学生对象的学习能力水平大数据;
步骤S4,根据所述学习能力水平大数据,修正所述预设学生对象的学习兴趣知识点,以此调整针对所述预设学生对象的教学方案。
2.如权利要求1所述的智适应学习方法,其特征在于:
在所述步骤S1中,对预设学生对象进行摄像,以此获得所述学生对象观看教学视频或者解答题目的动态影像具体包括,
步骤S101,获取所述预设学生对象在观看不同科目的教学视频过程中或者解答不同科目的作业/试卷题目过程中的动态影像;
步骤S102,按照科目文理类型和所述预设学生对象的年龄范围,对所述动态影像进行区分,以此获得若干特定文科/理科对应的特定年龄段的动态影像集合;
步骤S103,根据动态影像的实际持续时长,从每一个所述动态影像集合中摘选出实际持续时长超过预定时长阈值的动态影像,以作为后续待识别的动态影像。
3.如权利要求1所述的智适应学习方法,其特征在于:
在所述步骤S2中,对所述动态影像进行识别,以此获得所述预设学生对象的教学视频观看行为细节和题目解答行为细节具体包括,
步骤S201,根据所述预设学生对象的脸部五官特征和上肢特征,构建关于所述预设学生对象的线条化轮廓;
步骤S202,根据所述线条化轮廓,对所述动态影像进行识别,以此获得所述预设学生对象在教学视频观看过程中的观看视线方向和观看持续时长,以及所述预设学生对象在题目解答过程中的手部撰写动作和手部撰写持续时长。
4.如权利要求1所述的智适应学习方法,其特征在于:
在所述步骤S3中,根据所述教学视频观看行为细节和所述题目解答行为细节,确定所述预设学生对象的学习能力水平大数据具体包括,
步骤S301,根据所述预设学生对象在教学视频观看过程中的观看视线方向和观看持续时长,以及所述预设学生对象当前观看的教学视频对应的视频知识内容,确定所述预设学生对象的知识学习理解能力水平大数据;
步骤S302,根据所述预设学生对象在题目解答过程中的手部撰写动作和手部撰写持续时长,以及所述预设学生对象当前解答的作业/试卷对应的题目知识内容,确定所述预设学生对象的题目解答能力水平大数据。
5.如权利要求1所述的智适应学习方法,其特征在于:
在所述步骤S4中,根据所述学习能力水平大数据,修正所述预设学生对象的学习兴趣知识点,以此调整针对所述预设学生对象的教学方案具体包括,
步骤S401,将所述学习能力水平大数据数值化转换为针对所述预设学生对象的专项能力值和整体能力值,并根据下面公式(1)计算得到与所述预设学生对象匹配的兴趣知识点分值Qa,
在上述公式(1)中,表示预设学生对象相匹配的第a个兴趣知识点分值,表示预设学生对象对第a个兴趣知识点的专项能力值,表示预设学生对象对第a个兴趣知识点的整体能力值,表示所述学习能力水平大数据对应的数据库中的第b个兴趣知识点分值,表示一阶跃函数,当括号内的值大于或者等于0时,阶跃函数的函数值为1,当括号内的值小于0时,阶跃函数的函数值为0;
步骤S402,根据下面公式(2)对所述兴趣知识点分值Qa进行实时修正,以此获得与所述预设学生对象匹配的兴趣知识点的实时修正值ΔQa(t+Δt),
在上述公式(2)中,ΔQa(t+Δt)表示t+Δt时刻与预设学生对象相匹配的第a个兴趣知识点的实时修正值,ΔXa(t+Δt)表示t+Δt时刻与预设学生对象相匹配的第a个兴趣知识点的转向能力值的实时修正值,ΔZa(t+Δt)表示t+Δt时刻与预设学生对象相匹配的第a个兴趣知识点的整体能力值的实时修正值,Δt表示修正时间;
步骤S403,根据下面公式(3)计算得到实时修正后与预设学生对象相匹配的兴趣知识点分值Qa(t+Δt),
在上述公式(3)中,Qa(t+Δt)表示t+Δt时刻修正后与预设学生对象相匹配的第a个兴趣知识点分值,其中,Qa(0)=Qa;
步骤404,根据实时修正后的所述兴趣知识点分值Qa(t+Δt),调整针对所述预设学生对象的教学方案。
6.智适应学习系统,其特征在于:
所述智适应学习系统包括摄像模块、动态影像识别模块、学习能力水平大数据确定模块和教学方案调整模块;其中,
所述摄像模块用于对预设学生对象进行摄像,以此获得所述学生对象观看教学视频或者解答题目的动态影像;
所述动态影像识别模块用于对所述动态影像进行识别,以此获得所述预设学生对象的教学视频观看行为细节和题目解答行为细节;
所述学习能力水平大数据确定模块用于根据所述教学视频观看行为细节和所述题目解答行为细节,确定所述预设学生对象的学习能力水平大数据;
所述教学方案调整模块用于根据所述学习能力水平大数据,修正所述预设学生对象的学习兴趣知识点,以此调整针对所述预设学生对象的教学方案。
7.如权利要求6所述的智适应学习系统,其特征在于:
所述摄像模块包括动态影像获取子模块、动态影像区分子模块和动态影像摘选子模块;其中,
所述动态影像获取子模块用于获取所述预设学生对象在观看不同科目的教学视频过程中或者解答不同科目的作业/试卷题目过程中的动态影像;
所述动态影像区分子模块用于按照科目文理类型和所述预设学生对象的年龄范围,对所述动态影像进行区分,以此获得若干特定文科/理科对应的特定年龄段的动态影像集合;
所述动态影像摘选子模块用于根据动态影像的实际持续时长,从每一个所述动态影像集合中摘选出实际持续时长超过预定时长阈值的动态影像,以作为后续待识别的动态影像。
8.如权利要求6所述的智适应学习系统,其特征在于:
所述动态影像识别模块包括学生对象轮廓提取子模块和行为细节识别子模块;其中,
所述学生对象轮廓提取子模块用于根据所述预设学生对象的脸部五官特征和上肢特征,构建关于所述预设学生对象的线条化轮廓;
所述行为细节识别子模块用于根据所述线条化轮廓,对所述动态影像进行识别,以此获得所述预设学生对象在教学视频观看过程中的观看视线方向和观看持续时长,以及所述预设学生对象在题目解答过程中的手部撰写动作和手部撰写持续时长。
9.如权利要求6所述的智适应学习系统,其特征在于:
所述学习能力水平大数据确定模块包括知识学习理解能力水平大数据确定子模块和题目解答能力水平大数据确定子模块;其中,
所述知识学习理解能力水平大数据确定子模块用于根据所述预设学生对象在教学视频观看过程中的观看视线方向和观看持续时长,以及所述预设学生对象当前观看的教学视频对应的视频知识内容,确定所述预设学生对象的知识学习理解能力水平大数据;
所述题目解答能力水平大数据确定子模块用于根据所述预设学生对象在题目解答过程中的手部撰写动作和手部撰写持续时长,以及所述预设学生对象当前解答的作业/试卷对应的题目知识内容,确定所述预设学生对象的题目解答能力水平大数据。
10.如权利要求6所述的智适应学习系统,其特征在于:
所述教学方案调整模块包括兴趣知识点分值计算子模块、兴趣知识点修正子模块、兴趣知识点分值修正值计算子模块和教学调整执行子模块;其中,
所述兴趣知识点分值计算子模块用于将所述学习能力水平大数据数值化转换为针对所述预设学生对象的专项能力值和整体能力值,并根据下面公式(1)计算得到与所述预设学生对象匹配的兴趣知识点分值Qa,
在上述公式(1)中,表示预设学生对象相匹配的第a个兴趣知识点分值,表示预设学生对象对第a个兴趣知识点的专项能力值,表示预设学生对象对第a个兴趣知识点的整体能力值,表示所述学习能力水平大数据对应的数据库中的第b个兴趣知识点分值,表示一阶跃函数,当括号内的值大于或者等于0时,阶跃函数的函数值为1,当括号内的值小于0时,阶跃函数的函数值为0;
所述兴趣知识点修正子模块用于根据下面公式(2)对所述兴趣知识点分值Qa进行实时修正,以此获得与所述预设学生对象匹配的兴趣知识点的实时修正值ΔQa(t+Δt),
在上述公式(2)中,ΔQa(t+Δt)表示t+Δt时刻与预设学生对象相匹配的第a个兴趣知识点的实时修正值,ΔXa(t+Δt)表示t+Δt时刻与预设学生对象相匹配的第a个兴趣知识点的转向能力值的实时修正值,ΔZa(t+Δt)表示t+Δt时刻与预设学生对象相匹配的第a个兴趣知识点的整体能力值的实时修正值,Δt表示修正时间;
所述兴趣知识点分值修正值计算子模块用于根据下面公式(3)计算得到实时修正后与预设学生对象相匹配的兴趣知识点分值Qa(t+Δt),
在上述公式(3)中,Qa(t+Δt)表示t+Δt时刻修正后与预设学生对象相匹配的第a个兴趣知识点分值,其中,Qa(0)=Qa;
所述教学调整执行子模块用于根据实时修正后的所述兴趣知识点分值Qa(t+Δt),调整针对所述预设学生对象的教学方案。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010514027.8A CN111523518A (zh) | 2020-06-08 | 2020-06-08 | 智适应学习方法及系统 |
CN202110317133.1A CN112949562A (zh) | 2020-06-08 | 2021-03-25 | 智适应学习方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010514027.8A CN111523518A (zh) | 2020-06-08 | 2020-06-08 | 智适应学习方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111523518A true CN111523518A (zh) | 2020-08-11 |
Family
ID=71912682
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010514027.8A Withdrawn CN111523518A (zh) | 2020-06-08 | 2020-06-08 | 智适应学习方法及系统 |
CN202110317133.1A Pending CN112949562A (zh) | 2020-06-08 | 2021-03-25 | 智适应学习方法及系统 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110317133.1A Pending CN112949562A (zh) | 2020-06-08 | 2021-03-25 | 智适应学习方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN111523518A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111985582A (zh) * | 2020-09-27 | 2020-11-24 | 上海松鼠课堂人工智能科技有限公司 | 基于学习行为的知识点掌握程度评测方法 |
CN112017496A (zh) * | 2020-08-30 | 2020-12-01 | 上海松鼠课堂人工智能科技有限公司 | 基于游戏化学习的学生计算能力分析方法 |
CN113409635A (zh) * | 2021-06-17 | 2021-09-17 | 上海松鼠课堂人工智能科技有限公司 | 基于虚拟现实场景的互动教学方法与系统 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115766853B (zh) * | 2022-11-14 | 2024-04-12 | 慧谷科园教育科技产业股份有限公司 | 基于大数据的大学生学习行为分析方法 |
CN115909210B (zh) * | 2022-12-02 | 2023-09-01 | 北京思想天下教育科技有限公司 | 一种有效学习时间统计系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003056496A1 (en) * | 2001-12-21 | 2003-07-10 | Tom Crankshaw | Educational software |
CN101772792A (zh) * | 2007-08-01 | 2010-07-07 | 认知建立时机公司 | 自适应教学和学习的系统 |
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 |
US20180232567A1 (en) * | 2017-02-14 | 2018-08-16 | Find Solution Artificial Intelligence Limited | Interactive and adaptive training and learning management system using face tracking and emotion detection with associated methods |
-
2020
- 2020-06-08 CN CN202010514027.8A patent/CN111523518A/zh not_active Withdrawn
-
2021
- 2021-03-25 CN CN202110317133.1A patent/CN112949562A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003056496A1 (en) * | 2001-12-21 | 2003-07-10 | Tom Crankshaw | Educational software |
CN101772792A (zh) * | 2007-08-01 | 2010-07-07 | 认知建立时机公司 | 自适应教学和学习的系统 |
US20180232567A1 (en) * | 2017-02-14 | 2018-08-16 | Find Solution Artificial Intelligence Limited | Interactive and adaptive training and learning management system using face tracking and emotion detection with associated methods |
CN108428202A (zh) * | 2017-02-14 | 2018-08-21 | 富成人工智能有限公司 | 一种用于交付和管理学习培训计划的方法和系统 |
CN110678935A (zh) * | 2017-02-14 | 2020-01-10 | 林苑莉 | 采用面部追踪和情感检测及其相关的方法应用在一种交互式自适应学习及神经认知障碍诊断系统 |
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 |
Non-Patent Citations (2)
Title |
---|
孙家振: "自适应学习系统中认知水平估算及学习推荐研究", 《万方学位论文库》 * |
胡晓楠等: "基于知识点的学习内容个性化推荐研究", 《中国优秀硕士学位论文全文数据库(电子期刊)信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112017496A (zh) * | 2020-08-30 | 2020-12-01 | 上海松鼠课堂人工智能科技有限公司 | 基于游戏化学习的学生计算能力分析方法 |
CN111985582A (zh) * | 2020-09-27 | 2020-11-24 | 上海松鼠课堂人工智能科技有限公司 | 基于学习行为的知识点掌握程度评测方法 |
CN113409635A (zh) * | 2021-06-17 | 2021-09-17 | 上海松鼠课堂人工智能科技有限公司 | 基于虚拟现实场景的互动教学方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112949562A (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111523518A (zh) | 智适应学习方法及系统 | |
CN109815932B (zh) | 一种试卷批改方法、装置、电子设备及存储介质 | |
CN111258433B (zh) | 基于虚拟场景的教学互动系统 | |
CN110399558B (zh) | 一种试题推荐方法和系统 | |
CN113762107B (zh) | 对象状态评估方法、装置、电子设备及可读存储介质 | |
KR20200012431A (ko) | 빅데이터를 이용한 학습 문항 분석 정보 제공방법 | |
CN110659311A (zh) | 题目推送方法、装置、电子设备及存储介质 | |
CN111832952B (zh) | 一种教育课件推送系统 | |
CN111522877B (zh) | 教育课程在线同步处理系统 | |
CN112185191A (zh) | 一种智能数字化教学模型 | |
CN113342761B (zh) | 一种基于互联网的教学资源共享系统及方法 | |
CN113537446A (zh) | 深度学习算法的选择方法及深度学习算法的选择装置 | |
CN111353439A (zh) | 一种教学行为的分析方法、装置、系统及设备 | |
CN110996128B (zh) | 在线教学视频推送管理系统 | |
CN116304315B (zh) | 一种网上教学用内容智能推荐系统 | |
CN116704606A (zh) | 一种理化实验操作行为识别方法、系统、装置及存储介质 | |
CN110991943A (zh) | 一种基于云计算的教学质量评价系统 | |
CN111179666B (zh) | 基于人工智能的自适应教育系统 | |
CN111723288B (zh) | 智适应学习检测系统及方法 | |
CN112784144B (zh) | 一种基于大数据的在线教育课件推送方法 | |
CN112016431B (zh) | 教学质量智能检测分析方法及系统 | |
CN113409635A (zh) | 基于虚拟现实场景的互动教学方法与系统 | |
CN106780207B (zh) | 一种课堂习题的互改方法及系统 | |
CN111209817A (zh) | 基于人工智能的考核方法、装置、设备及可读存储介质 | |
EP4044153A1 (en) | Digital writing systems and methods |
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 | ||
CB02 | Change of applicant information |
Address after: 200237 9 / F and 10 / F, building 2, No. 188, Yizhou Road, Xuhui District, Shanghai Applicant after: Shanghai squirrel classroom Artificial Intelligence Technology Co., Ltd Address before: 200237 9 / F and 10 / F, building 2, No. 188, Yizhou Road, Xuhui District, Shanghai Applicant before: SHANGHAI YIXUE EDUCATION TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200811 |
|
WW01 | Invention patent application withdrawn after publication |