CN111612352A - 一种学生表达能力评估方法及装置 - Google Patents
一种学生表达能力评估方法及装置 Download PDFInfo
- Publication number
- CN111612352A CN111612352A CN202010443615.7A CN202010443615A CN111612352A CN 111612352 A CN111612352 A CN 111612352A CN 202010443615 A CN202010443615 A CN 202010443615A CN 111612352 A CN111612352 A CN 111612352A
- Authority
- CN
- China
- Prior art keywords
- expression
- index
- target
- student
- audio
- 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
Links
- 230000014509 gene expression Effects 0.000 title claims abstract description 298
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000011156 evaluation Methods 0.000 claims abstract description 66
- 238000011161 development Methods 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 22
- 230000015654 memory Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 14
- 239000000284 extract Substances 0.000 description 8
- 241001672694 Citrus reticulata Species 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 206010034960 Photophobia Diseases 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008449 language Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 206010063659 Aversion Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002996 emotional effect 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
- 230000005484 gravity Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000000088 lip Anatomy 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 210000001331 nose Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Educational Technology (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明提供了一种学生表达能力评估方法及装置,其中,该方法包括:获取目标课堂的音频数据和视频数据;根据音频数据获取目标学生的音频特征,音频特征至少包括一个音频指标;根据视频数据获取目标学生的表情特征,表情特征至少包括一个表情指标;分别确定各音频指标的综合权重和各表情指标的综合权重;根据各音频指标的值、表情指标的值、各音频指标和表情指标的综合权重计算目标学生在目标课堂中的表达能力评分;根据目标学生在预设周期内不同时间段的表达能力评分和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的综合表达能力评分。通过实施本发明计算得到的目标学生的综合表达能力评分更准确。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种学生表达能力评估方法及装置。
背景技术
表达能力是将自己的思想和情感,用语言、表情、动作等方式清晰明确地表达出来的能力。传统应试教育中,学校通常以“结果”为导向,更注重对学生书面语言和学习成绩的培养,表达能力的培养长期被忽视。随着我国基础教育逐步向素质教育转轨,口语表达已成为学生培养的核心能力之一。目前的普通话考试是较为权威的对学生表达能力进行评估的一种方式,但是普通话考试更侧重于对学生的普通话是否标准进行检测,而普通话的标准与否并非评判学生表达能力的唯一标准,且普通话考试时长较短,短时间内对学生的表达能力进行评估得到的评估结果的真实性较差。
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表达能力的评估方法真实性较差的缺陷,从而提供一种学生表达能力评估方法及装置。
本发明第一方面提供了一种学生表达能力评估方法,包括:获取目标课堂的音频数据和视频数据;根据音频数据获取目标学生的音频特征,音频特征至少包括一个音频指标;根据视频数据获取目标学生的表情特征,表情特征至少包括一个表情指标;分别确定各音频指标的综合权重和各表情指标的综合权重;根据各音频指标的值、表情指标的值、各音频指标和表情指标的综合权重计算目标学生在目标课堂中的表达能力评分;根据目标学生在预设周期内不同时间段的表达能力评分和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的综合表达能力评分。
可选地,本发明提供的学生表达能力评估方法还包括:根据目标学生在目标周期和目标周期的上一周期内的综合表达能力评分计算目标学生在目标周期内的综合表达能力评分的增长值;根据目标学生在目标周期内的综合表达能力评分的增长值计算目标学生在目标周期内的发展因子;根据目标学生在目标周期内的发展因子和综合表达能力评分计算目标学生在目标周期内的综合表达能力评价结果。
可选地,根据各音频指标的值、表情指标的值、各音频指标和表情指标的综合权重计算目标学生在目标课堂中的表达能力评分,包括:对各音频指标的值、表情指标的值进行一致化处理;对一致化处理后的各音频指标的值和表情指标的值进行无量纲化处理;根据各音频指标的综合权重、各表情指标的综合权重,以及无量纲化处理后的各音频指标的值、表情指标的值计算目标学生在目标课堂中的表达能力评分。
可选地,对各音频指标的值、表情指标的值进行一致化处理,包括:通过音频指标和表情指标中的极小型指标的预设最大值对各极小型指标的指标值进行一致化处理。
可选地,对各音频指标的值、表情指标的值进行一致化处理,包括:通过音频指标和表情指标中的居中型指标的预设最大值和预设最小值对各居中型指标的指标值进行一致化处理。
可选地,分别确定各音频指标的综合权重和各表情指标的综合权重,包括:通过层次分析法确定各音频指标和表情指标的第一权重;通过熵权法确定各音频指标和表情指标的第二权重;根据第一权重和第二权重分别确定各音频指标和表情指标的综合权重。
可选地,根据目标学生在预设周期内不同时间段的表达能力评分和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的综合表达能力评分,包括:分别根据目标学生在预设周期内各时间段的表达能力评分和目标学生在预设周期内所有时间段的表达能力均值确定预设周期内各时间段的时间权重;根据目标学生在预设周期内各时间段的表达能力评分和各时间段的时间权重计算目标学生在预设周期内的综合表达能力评分。可选地,本发明提供的学生表达能力评估方法还包括:根据目标学生在各预设周期内的综合表达能力评价结果形成目标学生的表达能力发展曲线。
本发明第二方面提供了一种学生表达能力评估装置,包括:音视频数据获取模块,用于获取目标课堂的音频数据和视频数据;音频指标获取模块,用于根据音频数据获取目标学生的音频特征,音频特征至少包括一个音频指标;表情指标获取模块,用于根据视频数据获取目标学生的表情特征,表情特征至少包括一个表情指标;综合权重确定模块,用于分别确定各音频指标的综合权重和各表情指标的综合权重;当前表达能力评分计算模块,用于根据各音频指标的值、表情指标的值、各音频指标和表情指标的综合权重计算目标学生在目标课堂中的表达能力评分;周期表达能力评分计算模块,用于根据目标学生在预设周期内不同时间段的表达能力评分和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的综合表达能力评分。
本发明第三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表达能力评估方法。
本发明第四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表达能力评估方法。
本发明技术方案,具有如下优点:
1.本发明提供的学生表达能力评估方法,在计算目标学生的综合表达能力评分时,不仅提取了音频指标,还提取了表情指标,除发音外,学生发言时的神情也是体现该学生表达能力的一项重要指标,因此通过目标学生发言时的发音和表情得到的综合表达能力评分准确性更高,并且,由于学生发言时的表现会受到外界客观因素的影响,本发明提供的目标学生表达能力评估方法通过目标学生在预设周期内不同时间段的表达能力评分和预设周期内不同时间段的时间权重计算该学生在预设周期内的综合表达能力评分,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,因此通过实施本发明提供的目标学生表达能力评估方法计算到的目标学生的综合表达能力评分更准确。
2.本发明提供的学生表达能力评价方法,在计算目标学生在预设周期内的综合表达能力评分后,还基于目标周期和上一周期内的综合表达能力评分计算了目标学生在目标周期内的发展因子,根据目标学生在目标周期内的发展因子和综合表达能力评分计算目标学生在目标周期内的综合表达能力评价结果。发展因子对目标学生从目标周期的上一周期到目标周期的表达能力的进步进行了量化,通过目标周期的发展因子和综合表达能力评分得到的综合表达能力评价结果综合体现了目标学生在预设周期内的表达能力和进步状况,因此通过本发明提供的学生表达能力评价方法得到的综合表达能力评价结果可以体现出目标学生的自我提升情况。
3.本发明提供的学生表达能力评估方法,在确定各音频指标和表情指标的综合权重时,先通过层次分析法确定各音频指标和表情指标的第一权重,然后通过熵权法确定各音频指标和表情指标的第二权重,最后根据第一权重和第二权重分别确定各音频指标和表情指标的综合权重。通过层次分析法得到的第一权重,含有一定的主观因素,通过熵权法确定的第二权重完全由各指标的值得到,比较客观,将第一权重和第二权重进行互补得到了综合权重,通过综合权重计算的综合表达能力评分更准确。
4.本发明提供的学生表达能力评估方法,根据目标学生在各预设周期内的综合表达能力评价结果形成目标学生的表达能力发展曲线,通过表达能力发展曲线能够直观地体现出目标学生在各预设周期内表达能力的发展状况。
5.本发明提供的学生表达能力评估装置,在计算目标学生的综合表达能力评分时,不仅提取了音频指标,还提取了表情指标,除发音外,学生发言时的神情也是体现该学生表达能力的一项重要指标,因此通过目标学生发言时的发音和表情得到的综合表达能力评分准确性更高,并且,由于学生发言时的表现会受到外界客观因素的影响,本发明提供的目标学生表达能力评估装置通过目标学生在预设周期内不同时间段的表达能力评分和预设周期内不同时间段的时间权重计算该学生在预设周期内的综合表达能力评分,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,因此通过实施本发明提供的目标学生表达能力评估装置计算到的目标学生的综合表达能力评分更准确。
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6为本发明实施例中学生表达能力评估方法的具体示例的流程图;
图7为本发明实施例中学生表达能力评估装置的一个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一个具体事例的原理框图。
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。
在本发明的描述中,需要说明的是,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
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表达能力评估方法,如图1所示,包括:
步骤S10:获取目标课堂的音频数据和视频数据,音频数据中包含目标学生发言时的音频,视频数据中包含目标学生发言时的视频图像,在一具体实施例中,在教室中设置有音视频采集装置,如摄像头和麦克风等,学生发言时的音频可通过麦克风采集,视频图像可通过摄像头进行采集。
步骤S20:根据音频数据获取目标学生的音频特征,音频特征至少包括一个音频指标,音频指标可以包括发音指标值、语调指标值、语速指标值、音量指标值中的一项或多项。其中,发音指标值用于表示平翘舌音、前后鼻音、唇齿音等难点音是否符合普通话标准;语调指标值用于表示是否存在方言语调和语调不准的情况;语速指标值和音量指标值用于表示表达技巧,语速过快或过慢,音量过小都会对表达的效果造成影响。
发音指标值、语调指标值采用普通话准确率(%)进行表示。发音指标值和语调指标值包括与文本相关的测评和与文本无关的测评两种测评方式。朗读场景下,采用与文本相关的测评方法:建立文本标准参照语音库,将学生朗读时的发音、语调与相同文本的标准参照语音进行参数比对,根据发音准确率和语调准确率确定发音指标值和语调指标值;自主表达场景下,采用与文本无关的测评方法:采用语音识别模型对学生发言进行语音识别,得到对应的发音内容文本,然后采用与文本相关的评测方法对发音指标值和语调指标值进行计算。
语速指标值通过速率(字/分钟)表示。通过识别音素串,组合成音节,然后计算单位时间内音节的个数,将单位时间内的音节个数确定为语速指标值。
音量指标值通过分贝(dB)表示。将音频数据中目标学生发言时的音量分贝值确定为音量指标值,由于收音装置对音量指标的感知受到与学生距离远近影响,故为教室中的不同位置设定不同的补偿值,使得发言时相同音量学生的音量指标值一致。
步骤S30:根据视频数据获取目标学生的表情特征,表情特征至少包括一个表情指标,表情指标包括微笑、中立、害羞、害怕中的至少一项。面部表情主要反映的是表达者的感染力和自信程度。其中,微笑传达了在表达过程中积极、自信的态度,表情恰当时,表达更富感染力,更易与听众产生良性互动;害羞、害怕等表情则反映了表达者内心的抵触和消极情绪,需要教师和家长及时给予帮助和训练。
微笑、中立、害羞、害怕指标值采用比值(%)表示,即各表情持续时间占总表达时间的比重。通过摄像机采集教室内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,识别全体学生实时的表情特征。
步骤S40:分别确定各音频指标的综合权重和各表情指标的综合权重。
步骤S50:根据各音频指标的值、表情指标的值、各音频指标和表情指标的综合权重计算目标学生在目标课堂中的表达能力评分:
步骤S60:根据目标学生在预设周期内不同时间段的表达能力评分和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的综合表达能力评分:
本发明提供的学生表达能力评估方法在计算目标学生的综合表达能力评分时,不仅提取了音频指标,还提取了表情指标,除发音外,学生发言时的神情也是体现该学生表达能力的一项重要指标,因此通过目标学生发言时的发音和表情得到的综合表达能力评分准确性更高,并且,由于学生发言时的表现会受到外界客观因素的影响,本发明提供的目标学生表达能力评估方法通过目标学生在预设周期内不同时间段的表达能力评分和预设周期内不同时间段的时间权重计算该学生在预设周期内的综合表达能力评分,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,因此通过实施本发明提供的目标学生表达能力评估方法计算到的目标学生的综合表达能力评分更准确。
在一可选实施例中,如图2所示,在上述步骤S60之后,本发明实施例提供的学生表达能力评估方法还包括:
步骤S70:根据目标学生在目标周期和目标周期的上一周期内的综合表达能力评分计算目标学生在目标周期内的综合表达能力评分的增长值,增长值用于表示目标学生在[d-1,d]内综合表达能力评分的增长程度,d表示目标周期,d-1表示目标周期的上一周期。通过如下公式计算增长值:记初始时刻d=1,此时增长值vjd=0。
步骤S80:根据目标学生在目标周期内的综合表达能力评分的增长值计算目标学生在目标周期内的发展因子:
其中,p、q为大于1的待定参数,通过预设系数、预设时间段内增长值最大的周期对应的发展因子、预设时间段内增长值最小的周期对应的发展因子确定p、q的值:γ为评价者设定的目标学生最优变化程度与最劣变化程度的比值,γ较好地融入了评价者的偏好判断,预设时间段在实际应用过程中可以调整,如,可以是一个月,一个学期,一个学年等。vjd=0时,ρjd=1,表示目标学生的综合表达能力评分没有发展变化,当vjd>0时,ρjd>1,表示目标学生的综合表达能力评分呈上升趋势;当vjd<0时,ρjd<1,表示目标学生的综合表达能力评分呈下降趋势。
在一可选实施例中,如图3所示,在上述步骤S90之后,本发明实施例提供的学生表达能力评估方法还包括:
步骤S100:根据目标学生在各预设周期内的综合表达能力评价结果形成目标学生的表达能力发展曲线。表达能力发展曲线用于体现目标学生在各预设周期内的综合表达能力评价结果的变化趋势。目标学生的表达能力发展曲线可以定期发送给用户,例如,可以发送给目标学生的老师、家长,使老师和家长能够更直观地了解学生的表达能力的情况。
本发明提供的学生表达能力评价方法,在计算目标学生在预设周期内的综合表达能力评分后,还基于目标周期和上一周期内的综合表达能力评分计算了目标学生在目标周期内的发展因子,根据目标学生在目标周期内的发展因子和综合表达能力评分计算目标学生在目标周期内的综合表达能力评价结果。发展因子对目标学生从目标周期的上一周期到目标周期的表达能力的进步进行了量化,通过目标周期的发展因子和综合表达能力评分得到的综合表达能力评价结果综合体现了目标学生在预设周期内的表达能力和进步状况,因此通过本发明提供的学生表达能力评价方法得到的综合表达能力评价结果可以体现出目标学生的自我提升情况。
在一可选实施例中,如图4所示,上述步骤S50具体包括:
步骤S51:对各音频指标的值、表情指标的值进行一致化处理。在本发明实施例中,获取到的音频指标和表情指标中包括极大型指标、极小型指标和居中型指标,例如,发音指标、语调指标、微笑、中立这四项指标为极大型指标,量化值越大评价越优,语速指标、音量指标为居中型指标,一定范围内越大越优,超过范围区间后值越大评价越低;害羞、害怕为极小型指标,量化值越大评价越低。
由于不同指标的量级不同,指标之间不具有直接可比性,因此需要对各指标的值进行一致化处理。一致化处理时,可以将所有指标统一转换为极大型指标,可以将所有指标统一转换为极小型指标,也可以将所有指标统一转换为居中型指标,在具体使用时可根据实际需求进行转化,本发明实施例中以将所有指标统一转化为极大型指标为例进行说明:
对于极小型指标x,通过如下公式进行转化:
x*=M-x,
其中,M为指标x的预设最大值。
对于居中型指标x,通过如下公式进行转化:
其中,m表示指标x的预设最小值,M表示指标x的预设最大值。
步骤S52:对一致化处理后的各音频指标的值和表情指标的值进行无量纲化处理。
由于不同指标的量纲不同,指标之间不具有直接可比性,因此需要对各指标的值进行无量纲化处理。在本发明实施例中,采用极值处理方法对各音频指标的值和表情指标的值进行无量纲化处理:
其中mi和Mi分别为指标xi(i=1,2,..)的最小值和最大值。
步骤S53:根据各音频指标的综合权重、各表情指标的综合权重,以及无量纲化处理后的各音频指标的值、表情指标的值计算目标学生在目标课堂中的表达能力评分。
在一可选实施例中,如图5所示,上述步骤S40具体包括:
步骤S41:通过层次分析法确定各音频指标和表情指标的第一权重。层次分析法是一种定性和定量相结合的多目标决策分析方法,为合理利用专家经验提供途径。
请专家填写打分表,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A={alk},(l,k=1,2,3,…,n),其中alk表示l指标对k指标的相对重要性,且有:alk>0,all=1。计算特征值和特征向量,确定各指标的第一权重(a1,a2,…,an)。
步骤S42:通过熵权法确定各音频指标和表情指标的第二权重。熵权法利用各项指标的熵值来确定指标权重,信息熵越大,信息的无序度越高,其信息的效用值越小;反之,信息熵越小,信息的无序度越小,信息的效用值越大。权值的计算基于原始数据,其结果真实可靠,可以消除主观因素的影响。
步骤S43:根据第一权重和第二权重分别确定各音频指标和表情指标的综合权重,在本发明实施例中,根据各音频指标和表情指标的第一权重和第二权重的积与所有指标的第一权重和第二权重的积的和计算各音频指标和表情指标的综合权重:
本发明提供的学生表达能力评估方法,在确定各音频指标和表情指标的综合权重时,先通过层次分析法确定各音频指标和表情指标的第一权重,然后通过熵权法确定各音频指标和表情指标的第二权重,最后根据第一权重和第二权重分别确定各音频指标和表情指标的综合权重。通过层次分析法得到的第一权重,含有一定的主观因素,通过熵权法确定的第二权重完全由各指标的值得到,比较客观,将第一权重和第二权重进行互补得到了综合权重,通过综合权重计算的综合表达能力评分更准确。
在一可选实施例中,如图6所示,上述步骤S60具体包括:
步骤S61:分别根据目标学生在预设周期内各时间段的表达能力评分和目标学生在预设周期内所有时间段的表达能力均值确定预设周期内各时间段的时间权重:其中,L1(t)表示目标学生在预设周期内第t时间段的表达能力评分,表示目标学生在预设周期内所有时间段的表达能力均值。
在一可选实施例中,在上述步骤S90之后,本发明实施例提供的学生表达能力评估方法还包括:
然后,根据班级整体在各预设周期内的综合表达能力评分结果形成班级的表达能力发展曲线。
班级整体的表达能力发展曲线可以定期发给学校领导、老师,使学校领导、老师可以根据班级整体综合能力评价结果及发展曲线调整教学方案。
实施例2
本发明实施例提供了一种学生表达能力评估装置,如图7所示,包括:
音视频数据获取模块10,用于获取目标课堂的音频数据和视频数据,详细描述见上述实施例1中对步骤S10的描述。
音频指标获取模块20,用于根据音频数据获取目标学生的音频特征,音频特征至少包括一个音频指标,详细描述见上述实施例1中对步骤S20的描述。
表情指标获取模块30,用于根据视频数据获取目标学生的表情特征,表情特征至少包括一个表情指标,详细描述见上述实施例1中对步骤S30的描述。
综合权重确定模块40,用于分别确定各音频指标的综合权重和各表情指标的综合权重,详细描述见上述实施例1中对步骤S40的描述。
当前表达能力评分计算模块50,用于根据各音频指标的值、表情指标的值、各音频指标和表情指标的综合权重计算目标学生在目标课堂中的表达能力评分,详细描述见上述实施例1中对步骤S50的描述。
周期表达能力评分计算模块60,用于根据目标学生在预设周期内不同时间段的表达能力评分和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的综合表达能力评分,详细描述见上述实施例1中对步骤S60的描述。
本发明提供的学生表达能力评估装置在计算目标学生的综合表达能力评分时,不仅提取了音频指标,还提取了表情指标,除发音外,学生发言时的神情也是体现该学生表达能力的一项重要指标,因此通过目标学生发言时的发音和表情得到的综合表达能力评分准确性更高,并且,由于学生发言时的表现会受到外界客观因素的影响,本发明提供的目标学生表达能力评估装置通过目标学生在预设周期内不同时间段的表达能力评分和预设周期内不同时间段的时间权重计算该学生在预设周期内的综合表达能力评分,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,因此通过实施本发明提供的目标学生表达能力评估装置计算到的目标学生的综合表达能力评分更准确。
实施例3
本发明提供了一种计算机设备,如图8所示,该计算机设备主要包括一个或多个处理器71以及存储器72,图8中以一个处理器71为例。
该计算机设备还可以包括:输入装置73和输出装置74。
处理器71、存储器72、输入装置73和输出装置74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71可以为中央处理器(Central Processing Unit,CPU)。处理器71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72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表达能力评估装置的使用所创建的数据等。此外,存储器72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72可选包括相对于处理器71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表达能力评估装置。输入装置73可接收用户输入的计算请求(或其他数字或字符信息),以及产生与学生表达能力评估装置有关的键信号输入。输出装置74可包括显示屏等显示设备,用以输出计算结果。
实施例4
本发明实施例提供了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表达能力评估方法。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 (11)
1.一种学生表达能力评估方法,其特征在于,包括:
获取目标课堂的音频数据和视频数据;
根据所述音频数据获取目标学生的音频特征,所述音频特征至少包括一个音频指标;
根据所述视频数据获取所述目标学生的表情特征,所述表情特征至少包括一个表情指标;
分别确定各音频指标的综合权重和各表情指标的综合权重;
根据各音频指标的值、表情指标的值、各音频指标和表情指标的综合权重计算所述目标学生在所述目标课堂中的表达能力评分;
根据目标学生在预设周期内不同时间段的表达能力评分和预设周期内不同时间段的时间权重计算所述目标学生在预设周期内的综合表达能力评分。
2.根据权利要求1所述的学生表达能力评估方法,其特征在于,还包括:
根据所述目标学生在目标周期和所述目标周期的上一周期内的综合表达能力评分计算所述目标学生在所述目标周期内的综合表达能力评分的增长值;
根据所述目标学生在所述目标周期内的综合表达能力评分的增长值计算所述目标学生在所述目标周期内的发展因子;
根据所述目标学生在所述目标周期内的发展因子和综合表达能力评分计算所述目标学生在所述目标周期内的综合表达能力评价结果。
3.根据权利要求1所述的学生表达能力评估方法,其特征在于,根据各音频指标的值、表情指标的值、各音频指标和表情指标的综合权重计算所述目标学生在所述目标课堂中的表达能力评分,包括:
对各音频指标的值、表情指标的值进行一致化处理;
对一致化处理后的各音频指标的值和表情指标的值进行无量纲化处理;
根据各音频指标的综合权重、各表情指标的综合权重,以及无量纲化处理后的各音频指标的值、表情指标的值计算所述目标学生在所述目标课堂中的表达能力评分。
4.根据权利要求3所述的学生表达能力评估方法,其特征在于,对各音频指标的值、表情指标的值进行一致化处理,包括:
通过所述音频指标和表情指标中的极小型指标的预设最大值对各所述极小型指标的指标值进行一致化处理。
5.根据权利要求3所述的学生表达能力评估方法,其特征在于,对各音频指标的值、表情指标的值进行一致化处理,包括:
通过所述音频指标和表情指标中的居中型指标的预设最大值和预设最小值对各所述居中型指标的指标值进行一致化处理。
6.根据权利要求1所述的学生表达能力评估方法,其特征在于,分别确定各音频指标的综合权重和各表情指标的综合权重,包括:
通过层次分析法确定各音频指标和表情指标的第一权重;
通过熵权法确定各音频指标和表情指标的第二权重;
根据所述第一权重和第二权重分别确定各音频指标和表情指标的综合权重。
7.根据权利要求1所述的学生表达能力评估方法,其特征在于,根据目标学生在预设周期内不同时间段的表达能力评分和预设周期内不同时间段的时间权重计算所述目标学生在预设周期内的综合表达能力评分,包括:
分别根据所述目标学生在预设周期内各时间段的表达能力评分和所述目标学生在预设周期内所有时间段的表达能力均值确定所述预设周期内各时间段的时间权重;
根据所述目标学生在所述预设周期内各时间段的表达能力评分和各时间段的时间权重计算所述目标学生在预设周期内的综合表达能力评分。
8.根据权利要求2所述的学生表达能力评估方法,其特征在于,还包括:
根据所述目标学生在各预设周期内的综合表达能力评价结果形成所述目标学生的表达能力发展曲线。
9.一种学生表达能力评估装置,其特征在于,包括:
音视频数据获取模块,用于获取目标课堂的音频数据和视频数据;
音频指标获取模块,用于根据所述音频数据获取目标学生的音频特征,所述音频特征至少包括一个音频指标;
表情指标获取模块,用于根据所述视频数据获取所述目标学生的表情特征,所述表情特征至少包括一个表情指标;
综合权重确定模块,用于分别确定各音频指标的综合权重和各表情指标的综合权重;
当前表达能力评分计算模块,用于根据各音频指标的值、表情指标的值、各音频指标和表情指标的综合权重计算所述目标学生在所述目标课堂中的表达能力评分;
周期表达能力评分计算模块,用于根据目标学生在预设周期内不同时间段的表达能力评分和预设周期内不同时间段的时间权重计算所述目标学生在预设周期内的综合表达能力评分。
10.一种计算机设备,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1-8中任一项所述的学生表达能力评估方法。
11.一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1-8中任一项所述的学生表达能力评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010443615.7A CN111612352B (zh) | 2020-05-22 | 2020-05-22 | 一种学生表达能力评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010443615.7A CN111612352B (zh) | 2020-05-22 | 2020-05-22 | 一种学生表达能力评估方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111612352A true CN111612352A (zh) | 2020-09-01 |
CN111612352B CN111612352B (zh) | 2024-06-11 |
Family
ID=72200886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010443615.7A Active CN111612352B (zh) | 2020-05-22 | 2020-05-22 | 一种学生表达能力评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111612352B (zh) |
Cited By (9)
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 |
CN112132434A (zh) * | 2020-09-16 | 2020-12-25 | 湖南新云网科技有限公司 | 学生评价方法、装置、终端设备及存储介质 |
CN112365106A (zh) * | 2020-12-17 | 2021-02-12 | 北京易华录信息技术股份有限公司 | 一种基于长时序多源数据的学生综合素质分析系统 |
CN112633566A (zh) * | 2020-12-14 | 2021-04-09 | 北京易华录信息技术股份有限公司 | 一种自律能力评估方法、装置及计算机设备 |
CN112906650A (zh) * | 2021-03-24 | 2021-06-04 | 百度在线网络技术(北京)有限公司 | 教学视频的智能处理方法、装置、设备和存储介质 |
CN113408957A (zh) * | 2021-07-20 | 2021-09-17 | 北京师范大学 | 一种基于组合赋权法的课堂教学评测方法 |
CN113469542A (zh) * | 2021-07-09 | 2021-10-01 | 上海以善健康管理有限公司 | 一种基于语言处理以及图像识别的自迭代表达力测试系统 |
CN114298515A (zh) * | 2021-12-22 | 2022-04-08 | 海信集团控股股份有限公司 | 生成学生素质画像的方法、装置及存储介质 |
CN117752307A (zh) * | 2023-12-21 | 2024-03-26 | 新励成教育科技股份有限公司 | 一种基于多源生物信号采集的口才表达分析系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682218A (zh) * | 2012-05-17 | 2012-09-19 | 广西电网公司电力科学研究院 | 一种工业用户电力能效评估方法 |
CN103679544A (zh) * | 2012-11-27 | 2014-03-26 | 江苏省电力公司南京供电公司 | 一种智能配电网运行综合评估方法 |
CN103928023A (zh) * | 2014-04-29 | 2014-07-16 | 广东外语外贸大学 | 一种语音评分方法及系统 |
TW201520996A (zh) * | 2013-11-29 | 2015-06-01 | Nat Taichung University Science & Technology | 演講技巧之影音自動評分與培訓系統 |
CN109345101A (zh) * | 2018-09-21 | 2019-02-15 | 常州工学院 | 基于综合评价分析法的教育质量评价分析方法 |
CN110135800A (zh) * | 2019-04-23 | 2019-08-16 | 南京葡萄诚信息科技有限公司 | 一种人工智能视频面试方法及系统 |
CN110728435A (zh) * | 2019-09-24 | 2020-01-24 | 深圳市数字城市工程研究中心 | 一种城市土地利用系统健康评价方法 |
-
2020
- 2020-05-22 CN CN202010443615.7A patent/CN111612352B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682218A (zh) * | 2012-05-17 | 2012-09-19 | 广西电网公司电力科学研究院 | 一种工业用户电力能效评估方法 |
CN103679544A (zh) * | 2012-11-27 | 2014-03-26 | 江苏省电力公司南京供电公司 | 一种智能配电网运行综合评估方法 |
TW201520996A (zh) * | 2013-11-29 | 2015-06-01 | Nat Taichung University Science & Technology | 演講技巧之影音自動評分與培訓系統 |
CN103928023A (zh) * | 2014-04-29 | 2014-07-16 | 广东外语外贸大学 | 一种语音评分方法及系统 |
CN109345101A (zh) * | 2018-09-21 | 2019-02-15 | 常州工学院 | 基于综合评价分析法的教育质量评价分析方法 |
CN110135800A (zh) * | 2019-04-23 | 2019-08-16 | 南京葡萄诚信息科技有限公司 | 一种人工智能视频面试方法及系统 |
CN110728435A (zh) * | 2019-09-24 | 2020-01-24 | 深圳市数字城市工程研究中心 | 一种城市土地利用系统健康评价方法 |
Non-Patent Citations (1)
Title |
---|
易平涛;周义;郭亚军;李伟伟: "一种体现发展趋势的动态综合评价方法", 运筹与管理 * |
Cited By (10)
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 |
CN112132434A (zh) * | 2020-09-16 | 2020-12-25 | 湖南新云网科技有限公司 | 学生评价方法、装置、终端设备及存储介质 |
CN112633566A (zh) * | 2020-12-14 | 2021-04-09 | 北京易华录信息技术股份有限公司 | 一种自律能力评估方法、装置及计算机设备 |
CN112365106A (zh) * | 2020-12-17 | 2021-02-12 | 北京易华录信息技术股份有限公司 | 一种基于长时序多源数据的学生综合素质分析系统 |
CN112906650A (zh) * | 2021-03-24 | 2021-06-04 | 百度在线网络技术(北京)有限公司 | 教学视频的智能处理方法、装置、设备和存储介质 |
CN112906650B (zh) * | 2021-03-24 | 2023-08-15 | 百度在线网络技术(北京)有限公司 | 教学视频的智能处理方法、装置、设备和存储介质 |
CN113469542A (zh) * | 2021-07-09 | 2021-10-01 | 上海以善健康管理有限公司 | 一种基于语言处理以及图像识别的自迭代表达力测试系统 |
CN113408957A (zh) * | 2021-07-20 | 2021-09-17 | 北京师范大学 | 一种基于组合赋权法的课堂教学评测方法 |
CN114298515A (zh) * | 2021-12-22 | 2022-04-08 | 海信集团控股股份有限公司 | 生成学生素质画像的方法、装置及存储介质 |
CN117752307A (zh) * | 2023-12-21 | 2024-03-26 | 新励成教育科技股份有限公司 | 一种基于多源生物信号采集的口才表达分析系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111612352B (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111612352B (zh) | 一种学生表达能力评估方法及装置 | |
US9449522B2 (en) | Systems and methods for evaluating difficulty of spoken text | |
McKechnie et al. | Automated speech analysis tools for children’s speech production: A systematic literature review | |
JP2020056982A (ja) | 音声評価方法、装置、機器及び読み取り可能な記憶媒体 | |
US9489864B2 (en) | Systems and methods for an automated pronunciation assessment system for similar vowel pairs | |
US9262941B2 (en) | Systems and methods for assessment of non-native speech using vowel space characteristics | |
US20210118329A1 (en) | Diagnosis and treatment of speech and language pathologies by speech to text and natural language processing | |
CN102184654B (zh) | 诵读监督方法及装置 | |
KR102444012B1 (ko) | 말 장애 평가 장치, 방법 및 프로그램 | |
US10283142B1 (en) | Processor-implemented systems and methods for determining sound quality | |
CN112365106A (zh) | 一种基于长时序多源数据的学生综合素质分析系统 | |
Mairano et al. | What vocabulary size tells us about pronunciation skills: Issues in assessing L2 learners | |
Ahmed et al. | AusKidTalk: an auditory-visual corpus of 3-to 12-year-old Australian children's speech | |
US20220230626A1 (en) | Creative work systems and methods thereof | |
Rex et al. | A preliminary validation of a dynamic speech motor assessment for Swedish-speaking children with childhood apraxia of speech | |
CN115796653A (zh) | 一种面试发言评价方法及系统 | |
KR102484006B1 (ko) | 음성 장애 환자를 위한 음성 자가 훈련 방법 및 사용자 단말 장치 | |
Wisler et al. | Predicting Montreal Cognitive Assessment scores from measures of speech and language | |
Vakil et al. | Automatic classification of lexical stress errors for German CAPT. | |
CN214017509U (zh) | 基于幼儿语音分析的语言发展评估装置 | |
Duan et al. | An English pronunciation and intonation evaluation method based on the DTW algorithm | |
CN110808066B (zh) | 教学环境安全分析方法 | |
Johnson | Crosslinguistic similarity and structured variation in Cantonese-English bilingual speech production | |
Fadhilah | Fuzzy petri nets as a classification method for automatic speech intelligibility detection of children with speech impairments/Fadhilah Rosdi | |
Zylich | Training Noise-Robust Spoken Phrase Detectors with Scarce and Private Data: An Application to Classroom Observation 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 |