CN111709362B - 用于确定重点学习内容的方法、装置、设备及存储介质 - Google Patents

Abstract

本申请实施例公开了一种用于确定重点学习内容的方法、装置、电子设备及计算机可读存储介质，涉及图像识别、语音识别、人脸识别以及关节识别技术领域。该方法的一具体实施方式包括：获取用户在线上学习的不同交互学习阶段的学习特征数据；交互学习阶段包括：观看阶段、在线答题阶段、语音交互阶段、动作模仿阶段中的至少一项；利用与每种交互学习阶段对应的预设分析方式分析对应的学习特征数据，得到对应的实际学习专注度；根据实际学习专注度确定不满足预设学习专注度要求的目标时段，并将与目标时段对应的学习内容确定为重点学习内容。通过实施方式能够正向、准确、针对性的确定出用户未专注于线上学习应用时的部分内容。

Description

用于确定重点学习内容的方法、装置、设备及存储介质

技术领域

本申请实施例涉及数据处理技术领域，尤其涉及图像识别、语音识别、人脸识别以及关节识别技术领域。

背景技术

近年来，随着智能手机的快速普及，线上教育方式已经越发普及。但相比于线下教师和学生面对面的教育方式，线上教育方式会受到来自更多方面的干扰，导致线上学习的效果较差。

提升学习效果的最有利方式就是确定线上学习者在学习过程中不专注的部分，并将这部分作为重点学习部分提供针对性再学习方案。然而现有技术通常从学习结果的测试入手来反向推导这部分内容。

发明内容

本申请实施例提出了一种用于确定重点学习内容的方法、装置、电子设备及计算机可读存储介质。

第一方面，本申请实施例提出了一种用于确定重点学习内容的方法，包括：获取用户在线上学习的不同交互学习阶段的学习特征数据；其中，交互学习阶段包括：观看阶段、在线答题阶段、语音交互阶段、动作模仿阶段中的至少一项；利用与每种交互学习阶段对应的预设分析方式分析对应的学习特征数据，得到对应的实际学习专注度；根据实际学习专注度确定不满足预设学习专注度要求的目标时段，并将与目标时段对应的学习内容确定为重点学习内容。

第二方面，本申请实施例提出了一种用于确定重点学习内容的装置，包括：学习特征数据获取单元，被配置成获取用户在线上学习的不同交互学习阶段的学习特征数据；其中，交互学习阶段包括：观看阶段、在线答题阶段、语音交互阶段、动作模仿阶段中的至少一项；实际学习专注度确定单元，被配置成利用与每种交互学习阶段对应的预设分析方式分析对应的学习特征数据，得到对应的实际学习专注度；重点学习内容确定单元，被配置成根据实际学习专注度确定不满足预设学习专注度要求的目标时段，并将与目标时段对应的学习内容确定为重点学习内容。

第三方面，本申请实施例提供了一种电子设备，该电子设备包括：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，该指令被至少一个处理器执行，以使至少一个处理器执行时能够实现如第一方面中任一实现方式描述的用于确定重点学习内容的方法。

第四方面，本申请实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行时能够实现如第一方面中任一实现方式描述的用于确定重点学习内容的方法。

第五方面，本申请实施例提供了一种包括计算机程序的计算机程序产品，该计算机程序在被处理器执行时能够实现如第一方面中任一实现方式描述的用于确定重点学习内容的方法。

本申请实施例提供的用于确定重点学习内容的、装置、电子设备及计算机可读存储介质，首先，获取用户在线上学习的不同交互学习阶段的学习特征数据；其中，交互学习阶段包括：观看阶段、在线答题阶段、语音交互阶段、动作模仿阶段中的至少一项；然后，利用与每种交互学习阶段对应的预设分析方式分析对应的学习特征数据，得到对应的实际学习专注度；接着，根据实际学习专注度确定不满足预设学习专注度要求的目标时段，最后，将与目标时段对应的学习内容确定为重点学习内容。

区别于现有技术提供的反向推导解决方案，本申请所提供的用于确定重点学习内容的方法、装置、电子设备及可读存储介质则是从用户在线上学习过程的各个交互学习阶段中收集与其学习专注程度相关的特征数据，得以正向的、准确的确定出其实时专注参数，进而根据该参数将与不专注时段对应的内容确定为重点学习内容。结合从不同交互学习阶段按不同采集方式获取到的不同学习特征数据，能够使得每个阶段确定出的学习专注度更加准确，进而保障确定出的重点学习内容极具针对性，尽可能的缩短用户学习重点学习内容所耗费的时间，提升线上学习效率。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构；

图2是根据本申请的用于确定重点学习内容的方法的一个实施例的流程图；

图3是本申请针对观看学习阶段提供的一种获取学习特征数据及确定实际学习专注度的方法的流程图；

图4是本申请针对在线答题阶段提供的一种获取学习特征数据及确定实际学习专注度的方法的流程图；

图5是本申请针对在语音交互阶段提供的一种获取学习特征数据及确定实际学习专注度的方法的流程图；

图6是本申请针对动作模仿阶段提供的一种获取学习特征数据及确定实际学习专注度的方法的流程图；

图7是根据本申请的用于确定重点学习内容的装置的一个实施例的结构示意图；

图8是适于用来实现本申请实施例的用于确定重点学习内容的方法的电子设备的框图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于确定重点学习内容的方法、装置、电子设备及计算机可读存储介质的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括线上学习终端101、102、103，网络104和服务器105。网络104用以在线上学习终端101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用线上学习终端101、102、103通过网络104与服务器105交互，以接收或发送消息等。线上学习终端101、102、103和服务器105上可以安装有各种用于实现两者之间进行信息通讯的应用，例如线上学习类应用、在线交友类应用、即时通讯类应用等。

线上学习终端101、102、103可以为硬件，也可以是软件。当线上学习终端101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当线上学习终端101、102、103为软件时，可以安装在上述所列举的电子设备中，其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

线上学习终端101、102、103和服务器105均可以是硬件，也可以是软件。当存储设备101为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当存储设备101为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如可以按照不同交互学习阶段分为多个模块，各自负责采集一个交互学习阶段的学习特征数据)，也可以实现成单个软件或软件模块。在此不做具体限定。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供重点学习内容确定服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105通过内置的各种应用可以提供各种服务，以可以提供重点学习内容确定服务的线上学习应用为例，服务器105在运行该线上学习应用时可实现如下效果：首先，通过网络104从线上学习终端101、102、103中获取到其采集到的用户在线上学习的不同交互学习阶段的学习特征数据，然后，利用与每种交互学习阶段对应的预设分析方式分析对应的学习特征数据，得到对应的实际学习专注度；接着，根据实际学习专注度确定不满足预设学习专注度要求的目标时段，最后，将与目标时段对应的学习内容确定为重点学习内容。即服务器105通过上述处理步骤最终完成确定出用户在使用线上学习终端的线上学习过程中不专注的部分学习内容，并将其作为之后该用户的重点学习内容输出。

需要指出的是，用户在线上学习的不同交互学习阶段的学习特征数据可以是从线上学习终端101、102、103实时获取的，也可以被预先存储在服务器105本地。特殊的，当服务器105可从本地直接获取到该学习特征数据时，示例性系统架构100也可以不包括线上学习终端101、102、103和网络104。

线上学习终端101、102、103可通过其内置的多种传感器或可与其建立数据连接的外置检测设备，获取到用户在线上学习各交互学习阶段的学习特征数据，例如人脸识别摄像头、环境光强度传感器、触摸屏点击传感器、手势传感器等等。

本申请后续各实施例所提供的用于确定重点学习内容的方法一般由拥有较强运算能力的服务器105执行，相应地，用于确定重点学习内容的装置一般设置于服务器105中。但同时也需要指出的是，在线上学习终端101、102、103也具有满足要求的运算能力时，线上学习终端101、102、103也可以通过其上安装的线上学习应用完成上述本交由服务器105做的各项运算，得到同样的结果。尤其是在同时采用多种具有不同运算能力的线上学习终端的情况下，用于确定重点学习内容的方法也可以由其中一些具有较强运算能力的线上学习终端来执行(例如台式计算机)，来适当减轻服务器105的运算压力。相应地，用于确定重点学习内容的装置也可以设置于线上学习终端101、102、103中。此时，示例性系统架构100也可以不包括服务器105和网络104。

应该理解，图1中的线上学习终端、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的线上学习终端、网络和服务器。

继续参考图2，其示出了根据本申请的用于确定重点学习内容的一个实施例的实现流程200，包括以下步骤：

步骤201：获取用户在线上学习的不同交互学习阶段的学习特征数据；

本步骤旨在由用于确定重点学习内容的方法的执行主体(例如图1所示的服务器105)获取用户在线上学习的不同交互学习阶段的学习特征数据。其中，交互学习阶段包括但不限于：观看阶段、在线答题阶段、语音交互阶段、动作模仿阶段等中的至少一项。

观看阶段指用户需要通过观看的方式从线上学习应用呈现的动态视频内容中学习知识的阶段，在观看阶段用户通常只需要直视线上学习应用的播放界面，因此，可将用户的一些面部信息(例如面部朝向和眼睛视点)作为此阶段表征用户学习专注程度的学习特征数据；在线答题阶段是指以各种形式要求用户针对给出的一些问题进行回答的阶段，因此可将用户在答题时的时间信息(例如每题的答题延迟和答题耗时)或正确率信息作为此阶段表征用户学习专注程度的学习特征数据；语音交互阶段通常出现在跟随文字朗读或做语音回复等场景下，因此可将用户的实际语音数据与预设标准语音数据之间的匹配程度，作为此阶段表征用户学习专注程度的学习特征数据；动作模仿阶段通常出现在一些需要用户根据指示做出一些特定的动作的场景(例如线上体育课、形体课、健身课等)和通过动作核实中间推导步骤正确性的场景(例如推导洛伦兹力和安培力的方向等)，因此可将用户实际的肢体动作信息与标准动作之间的匹配程度，作为此阶段表征用户学习专注程度的学习特征数据。

需要指出的是，用户在线上学习的不同交互学习阶段的学习特征数据可以由上述执行主体直接从本地的存储设备获取，也可以从非本地的存储设备(例如图1所示的线上学习终端101、102、103)中获取。本地的存储设备可以为设置在上述执行主体内的一个数据存储模块，例如服务器硬盘，在此情况下，学习特征数据可以快速的通过本地读取获取到；非本地的存储设备还可以为其它任何被设置用于存储数据的电子设备，例如一些用户终端等，在此情况下，上述执行主体可以通过向该电子设备发送教师模型获取命令来获取所需的学习特征数据。

步骤202：利用与每种交互学习阶段对应的预设分析方式分析对应的学习特征数据，得到对应的实际学习专注度；

在步骤201的基础上，本步骤旨在确定与从每种交互学习阶段获取到的学习特征数据对应的实际学习专注度，而由于不同交互学习阶段之间的差异，本步骤在确定不同交互学习阶段的实际学习专注度时，并非基于统一的分析方式，而是根据用户在不同交互学习阶段所表征出的与学习专注度相关的不同特点，预先为每种交互学习阶段制定了符合其特点的分析方式，以便通过匹配的分析方式，确定出准确的实际学习专注度。

以观看阶段中获取到的用户实际面部朝向为例，就可以通过判断判断实际面部朝向是否垂直于线上学习应用的播放界面来简单的确定出用户在此阶段的学习专注度，以简单的二分法为例，若实际面部朝向未垂直于线上学习应用的播放界面，就可以简单的得出用户未专注于线上学习应用的结论；若实际面部朝向垂直于线上学习应用的播放界面，则可以简单的得出用户专注于线上学习应用的结论。而同样的分析方式显然不适合在线答题阶段，因为答题往往涉及计算过程，而计算过程往往不便于直接在线上学习应用所在的线上学习终端完成，用户更倾向于在更方便书写的草稿纸上完成这一过程。因此，针对在线答题阶段，就可以调整为获取实际答题延迟，并通过判断该实际答题延迟是否超过预设答题延迟来确定用户当前是否未专注于线上学习应用，例如用户在看电视，在出现待答题目之后较长时间才开始答题，那么这个答题延迟就会相对较长。

以此类推，可根据实际应用场景下不同阶段的具体情况，灵活的为不同交互学习阶段制定合适的学习专注度分析方式，从而得到更加准确的实际学习专注度。应当理解的是，实际学习专注度可以多种方式进行表现，例如在简单的二分法下，实际学习专注度就可以简单的体现为专注和不专注两个结论；在复杂的判别场景下，实际学习专注度还可以用更加精细的量化方式进行表示，每个可能表征用户不专注的判断结论都可以在满分上进行不同程度的扣分，将最终得分作为实际学习专注度使用。

步骤203：根据实际学习专注度确定不满足预设学习专注度要求的目标时段，并将与目标时段对应的学习内容确定为重点学习内容。

在步骤202的基础上，本步骤旨在由上述执行主体首先根据实际学习专注度确定不满足预设学习专注度要求的目标时段，然后将与目标时段对应的学习内容确定为重点学习内容。

应当理解的是，根据步骤202在实际应用场景下使用的实际学习专注度表示方式，预设学习专注度要求也应为与之配套，例如当使用简单的二分法得到具体表现为专注和不专注的结论时，预设学习专注度要求应为是否为专注，即将表现为专注的结论判定为满足预设学习专注度要求，否则被判定为不满足预设学习专注度要求；当使用具体的数值化表示方式时，该预设学习度专注度要求则可以为百分制的六十分，即经表征用户不专注的因素在100分上进行扣分后，若剩余分数仍大于等于60则被判定为满足学习专注度要求，低于60则被判定为不满足学习专注度要求。

与目标时段对应的学习内容不仅仅包括最基本的内容，也可以包括来自其它来源的关联学习资料，以充实和尽可能的让用户通过对这部分重点学习内容的学习，补上自己欠缺的知识。

进一步的，在通过上述执行主体确定出重点学习内容之后，为了让重点学习内容派上用场，还可以将这些重点学习内容以推送的方式发送给相应用户所使用的线上学习终端，以便于该线上学习终端将接收到的重点学习内容以合适的形式、在合适的时间呈现为用户，最终达成提升用户线上学习效果的目的。

区别于现有技术提供的反向推导解决方案，本申请所提供的用于确定重点学习内容的方法则是从用户在线上学习过程的各个交互学习阶段中收集与其学习专注程度相关的特征数据，得以正向的、准确的确定出其实时专注参数，进而根据该参数将与不专注时段对应的内容确定为重点学习内容。结合从不同交互学习阶段按不同采集方式获取到的不同学习特征数据，能够使得每个阶段确定出的学习专注度更加准确，进而保障确定出的重点学习内容极具针对性，尽可能的缩短用户学习重点学习内容所耗费的时间，提升线上学习效率。

在上述实施例的基础上，本实施例还针对各个具体的交互学习阶段，分别就采集何种信息作为学习特征数据和确定实际学习专注度，分别给出了一种具体的实现方式：

针对观看学习阶段，将用户在此阶段的实际面部朝向和实际视点位置作为此阶段的学习特征数据，并通过判断实际面部朝向是否垂直于线上学习应用的播放界面，得到第一判断结果；判断实际视点位置是否落在线上学习应用的播放界面区域内，得到第二判断结果；最终，得以根据第一判断结果和第二判断结果来综合确定处观看阶段的实际学习专注度。应当理解的是，上述实现方案通过两个均能在一定程度上独立的表征用户是否专注于线上学习应用的特征数据，分别通过对应的判断，最终可通过两个判断结果的综合确定出结果。简单的，上述两个判断的判断结果中至少一个为“是”时，即可确定用户当前专注于线上学习应用；严格的，仅当两个判断的判断结果均为“是”时，才能确定用户当前专注于线上学习应用。

一种简单的基于二分法分析出实际学习专注度为专注/不专注的实现方式可参见如图3所示的流程图，包括如下步骤：

步骤301：获取用户在线上学习的观看阶段的实际面部朝向和实际视点位置；

其中，实际面部朝向可通过内置在线上学习终端的人脸识别摄像头获取到，而实际视点位置则可以通过对人脸图像中关于眼睛的部分进一步分析得到。

步骤302：判断实际面部朝向是否垂直于线上学习应用的播放界面，若是，执行步骤303，否则执行步骤304；

步骤303：判断实际视点位置是否落在线上学习应用的播放界面区域内；

本步骤建立在经步骤302判断得到实际面部朝向垂直于线上学习应用的播放界面的基础上，虽然实际面部朝向垂直于线上学习应用的播放界面，已经在一定程度上能够表征用户当前的注意力专注于线上学习应用的播放界面上，但为了提升判断结果的准确度、降低误判率，本步骤仍由上述执行主体在此进行实际视点位置是否落在线上学习应用的播放界面区域内的判断，以期从另一角度确定用户当前是否真的专注在线上学习应用的播放界面。

步骤304：判定用户当前未专注于线上学习应用；

本步骤建立在经步骤302判断得到实际面部朝向未垂直于线上学习应用的播放界面的结果，和经步骤303判断得到实际视点位置未落在线上学习应用的播放界面区域内的结果的基础上，实际面部朝向未垂直于线上学习应用的播放界面说明用户当前的注意力并未专注在线上学习应用的播放界面上，而在满足实际面部朝向垂直于线上学习应用的播放界面的基础上，发现实际视点位置未落在线上学习应用的播放界面区域内，说明用户很可能专注在于播放界面处于同于层级的另一界面上，即用户当前处于“假学”或“挂学”的状态，因此将判定用户当前未专注于线上学习应用，即用户在观看阶段存在实际学习专注度为不专注的时段。

步骤305：判定用户当前专注于线上学习应用。

本步骤建立在经步骤303判断得到实际视点位置落在线上学习应用的播放界面区域内的结果的基础上，也就是说，两个判断均为“是”时才能够认为用户当前确实专注于线上学习应用，即用户在观看阶段不存在实际学习专注度为不专注的时段。

针对观看阶段，如图3所示的流程300给出一种必须通过两重判断才能判定用户当前专注于线上学习应用的结论的实现方式，可以有效保障结论的准确性，降低误判率。

针对在线答题阶段，将用户在此阶段的实际答题延迟和实际答题耗时作为此阶段的学习特征数据，并分别通过实际答题延迟是否大于预设答题延迟、实际答题耗时是否大于预设答题耗两个判断，得到对应的第三判断结果和第四判断结果；并最终根据第三判断结果和第四判断结果确定在线答题阶段的实际学习专注度。

一种简单的基于二分法分析出实际学习专注度为专注/不专注的实现方式可参见如图4所示的流程图，包括如下步骤：

步骤401：获取用户在线上学习的在线答题阶段的实际答题延迟和实际答题耗时；

答题延迟是指从在线答题应用给出待答题目开始、用户开始与线上学习应用进行的首个人机交互操作为止的这一段时长，可简单的理解为用户响应于答题信号的反应速度，用户越是专注，通常该实际答题延迟越小，用户越是不专注，该实际答题延迟越大；答题耗时则是指从用户开始与线上学习应用进行的首个人机交互操作开始、到线上学习应用接收到答题结束信号为止的这一段时长，其中，答题结束信号可由用户在答题完成后自行点击“结束”按钮生成，也可以由线上学习应用在等待设置的最大答题时长之后仍未收到“结束”按钮被点击的信号后自动生成，在排除题目难度对答题所需时间的影响之外，答题耗时的长短可在一定程度上表征用户当前是否在专注的答题。

步骤402：判断实际答题延迟是否大于预设答题延迟，若否，执行步骤403，若是，执行步骤404；

步骤403：判断实际答题耗时是否大于预设答题耗时，若否，执行步骤405，若是，执行步骤404；

本步骤建立在经步骤402判断得到实际答题延迟不大于预设答题延迟的结果的基础上，即说明用户的实际答题延迟较小，但为了进一步确认用户当前是否真的专注于线上学习应用，本步骤仍由上述执行主体进行实际答题耗时是否大于预设答题耗时的判断。

步骤404：判定用户当前未专注于线上学习应用；

本步骤建立在经步骤402判断得到实际答题延迟大于预设答题延迟的结果，和经步骤403判断得到实际答题耗时大于预设答题耗时的结果的基础上，实际答题延迟较大说明用户当前并未专注在线上学习应用的播放界面上，而实际答题延迟较小但实际答题耗时较大的情况下，则说明用户很可能基于下发待答题的提示音后快速查看、点击了答题界面，但后续又快速切换回其它界面，即并未专注于答题，最终因答题结束提示音返回点击结束或因超时自动结束，因此可以判定用户当前未专注于线上学习应用，即用户在在线答题阶段存在实际学习专注度为不专注的时段。

步骤405：判定用户当前注于线上学习应用。

本步骤建立经步骤403判断得到实际答题耗时不大于预设答题耗时的结果的基础上，基于用户较短的答题延迟和较短的答题耗时，可以较为充分的确定出用户当前专注于答题阶段，即用户在在线答题阶段不存在实际学习专注度为不专注的时段。

针对在线答题阶段，如图4所示的流程400给出一种必须通过两重判断才能判定用户当前专注于线上学习应用的结论的实现方式，可以有效保障结论的准确性，降低误判率。为进一步排除快速反应、快速胡乱给出答案对上述判断结果准确程度的影响，还可以进一步结合答案的准确性来对结果进行纠正。

针对语音交互阶段，将用户在此阶段的实际嘴部动作和实际语音数据作为学习特征数据，并通过实际嘴部动作是否与实际语音数据的内容一致的判断，得以通过判断结果确定出用户当前是否专注于线上学习应用。

一种简单的基于二分法分析出实际学习专注度为专注/不专注的实现方式可参见如图5所示的流程图，包括如下步骤：

步骤501：获取用户在线上学习的语音交互阶段的实际语音数据；

步骤502：判断实际语音数据的内容是否与预设标准语音数据的内容一致；

通常情况下，能够提供语音交互学习方式的线上学习应用都拥有将采集到的实际语音数据解析为实际内容的能力，而本步骤通过判断实际语音数据的内容是否与作为标准答案的预设标准语音数据的内容一致，可以有效发现用户是否按照线上学习应用的要求说出了正确的语音内容。

步骤503：判定用户当前未专注于线上学习应用；

本步骤建立在经步骤502判断得到实际语音数据的内容与预设标准语音数据的内容不一致的结果的基础上，将因用户未按照线上学习应用要求说出语音内容而确定出用户并未专注于线上学习应用，即用户在语音交互阶段存在实际学习专注度为不专注的时段。

步骤504：判定用户当前注于线上学习应用。

本步骤建立在经步骤502判断得到实际语音数据的内容与预设标准语音数据的内容一致的结果的基础上，将因用户按照线上学习应用要求说出了相应的语音内容而确定用户当前注于线上学习应用，即用户在语音交互阶段不存在实际学习专注度为不专注的时段。

针对语音交互阶段，如图5所示的流程500给出一种通过实际语音内容与标准语音内容是否一致，从而得出用户当前专注于线上学习应用的结论的实现方式，可有效发现用户的“挂学”、“假学”行为。

针对动作模仿阶段，将用户在此阶段的实际肢体动作作为学习特征数据，并通过实际肢体动作是否与预设标准肢体动作一致的判断，得以通过判断结果确定出用户当前是否专注于线上学习应用。

一种简单的基于二分法分析出实际学习专注度为专注/不专注的实现方式可参见如图6所示的流程图，包括如下步骤：

步骤601：获取用户在线上学习的动作模仿阶段的实际肢体动作；

步骤602：判断实际肢体动作是否与预设标准肢体动作一致，若是，执行步骤604，否则执行步骤603；

通常情况下，能够提供动作模仿学习方式的线上学习应用都应预先存储有作为标准肢体动作的标准答案，因此通过对获取到的实际肢体动作进行解析，即可与标准肢体动作进行比对，从而确定出用户是否在进行线上学习应用所要求进行的肢体运动。其中，考虑到肢体动作在被不同用户尝试做出时的实际差异，此处的一致并非指完全与标准肢体动作相同，可设置一个较宽松的一致性比例作为阈值，本方案主要用于发现用户是否真正尝试按照线上学习应用去做要求的肢体动作，用于发现那些由于未专注于线上学习应用导致其根本没做任何动作的“假学”、“挂学”现象。

步骤603：判定用户当前未专注于线上学习应用；

本步骤建立在经步骤602判断得到实际肢体动作与预设标准肢体动作不一致的结果的基础上，因此将判定用户当前未专注于线上学习应用，即用户在动作模仿阶段存在实际学习专注度为不专注的时段。

步骤604：判定用户当前注于线上学习应用。

本步骤建立在经步骤602判断得到实际肢体动作与预设标准肢体动作一致的结果的基础上，因此将判定用户当前专注于线上学习应用，即用户在动作模仿阶段不存在实际学习专注度为不专注的时段。

针对动作模仿阶段，如图6所示的流程600给出一种通过实际肢体动作与预设标准肢体动作一致，判断出用户当前专注于线上学习应用的结论的实现方式，可有效发现用户的“挂学”、“假学”行为。

为加深理解，本申请还结合一个具体应用场景，给出了一种具体的实现方案。假定用户A使用其平板电脑上安装的线上英语学习应用进行线上的英语学习，该线上英语学习应用根据课程安排，将今日的线上英语学习设计为依次进行的观看阶段、选择答题阶段、语音跟读阶段。

该线上英语学习应用在观看阶段通过前置摄像头获取用户A的实际面部朝向，在选择答题阶段通过触摸屏使用监测器获取点击信息，并进一步处理为实际答题延迟，在语音跟读阶段通过拾音器收集实际语音数据。

该线上英语学习应用控制平板电脑将与每个阶段对应的学习特征数据发送给服务器B进行分析。

服务器B根据观看阶段的实际面部朝向，判断其是否垂直于线上英语学习应用的播放界面，并具体发现此阶段的10分至15分26秒的时间段，用户的实际面部朝向未垂直于线上英语学习应用的播放界面，并将这一时段确定为用户未专注于线上英语学习应用的第一时段。

服务器B根据选择答题阶段的实际答题延迟，判断其是否大于预设答题延迟，并具体发现此阶段的5分10秒至8分20秒的时间段，用户进行的三道选择题的答题延迟均超过10秒的预设答题延迟，并将这一时段确定为用户未专注于线上英语学习应用的第二时段。

服务器B根据语音跟读阶段的实际语音数据，判断实际语音数据是否与预存的作为标准答案的标准语音数据一致，并具体发现此阶段的3分5秒至7分24秒的时间段，用户的实际语音数据与预存的作为标准答案的标准语音数据差异巨大，并将这一时段确定为用户未专注于线上英语学习应用的第三时段。

服务器B根据后台记录的时段与相应学习内容的关联信息，将与第一时段、第二时段、第三时段对应的学习内容标记为重点学习内容，并将其索引下发给用户A的平板电脑，并具体被平板电脑的线上英语学习应用接收到，线上英语学习应用根据接收到的索引在本地存储空间确定对应的完整重点学习内容，并将在下次线上学习之间，将这些内容作为复习内容先让用户A进行学习。

进一步参考图7，作为对上述各图所示方法的实现，本申请提供了一种用于确定重点学习内容的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图7所示，本实施例的用于确定重点学习内容的装置700可以包括：学习特征数据获取单元701、实际学习专注度确定单元702、重点学习内容确定单元703。其中，学习特征数据获取单元701，被配置成获取用户在线上学习的不同交互学习阶段的学习特征数据，交互学习阶段包括：观看阶段、在线答题阶段、语音交互阶段、动作模仿阶段中的至少一项；实际学习专注度确定单元702，被配置成利用与每种交互学习阶段对应的预设分析方式分析对应的学习特征数据，得到对应的实际学习专注度；重点学习内容确定单元703，被配置成根据实际学习专注度确定不满足预设学习专注度要求的目标时段，并将与目标时段对应的学习内容确定为重点学习内容。

在本实施例中，用于确定重点学习内容的装置700中：学习特征数据获取单元701、实际学习专注度确定单元702、重点学习内容确定单元703的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-203的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，针对观看阶段，学习特征数据获取单元701可以进一步被配置成：获取用户在线上学习的观看阶段的实际面部朝向和实际视点位置；对应的，针对观看阶段，实际学习专注度确定单元702可以进一步被配置成：若实际面部朝向垂直于线上学习应用的播放界面、实际视点位置落在线上学习应用的播放界面区域内，则确定观看阶段的实际学习专注度为专注；若实际面部朝向未垂直于播放界面或实际落点位置未落在播放界面区域内，则确定观看阶段的实际学习专注度为不专注。

在本实施例的一些可选的实现方式中，针对在线答题阶段，学习特征数据获取单元701可以进一步被配置成：获取用户在线上学习的在线答题阶段的实际答题延迟和实际答题耗时；对应的，针对在线答题阶段，实际学习专注度确定单元702可以进一步被配置成：若实际答题延迟大于预设答题延迟或实际答题耗时大于预设答题耗时，则确定在线答题阶段的实际学习专注度为不专注；若实际答题延迟不大于预设答题延迟、实际答题耗时不大于预设答题耗时，则确定在线答题阶段的实际学习专注度为专注。

在本实施例的一些可选的实现方式中，针对语音交互阶段，学习特征数据获取单元701可以进一步被配置成：获取用户在线上学习的语音交互阶段的实际语音数据；对应的，针对语音交互阶段，实际学习专注度确定单元702可以进一步被配置成：若实际语音数据的内容与预设标准语音数据的内容一致，则确定语音交互阶段的实际学习专注度为专注；若实际语音数据的内容与预设标准语音数据的内容不一致，则确定语音交互阶段的实际学习专注度为不专注。

在本实施例的一些可选的实现方式中，针对动作模仿阶段，学习特征数据获取单元701可以进一步被配置成：获取用户在线上学习的动作模仿阶段的实际肢体动作；对应的，针对动作模仿阶段，实际学习专注度确定单元702可以进一步被配置成：若实际肢体动作与预设标准肢体动作一致，则确定动作模仿阶段的实际学习专注度为专注；若实际肢体动作与预设标准肢体动作不一致，则确定动作模仿阶段的实际学习专注度为不专注。

在本实施例的一些可选的实现方式中，用于确定重点学习内容的装置700还可以包括：推送单元，被配置成在将与目标时段对应的学习内容确定为重点学习内容之后，将重点学习内容推送给用户所属的线上学习客户端，以使线上学习客户端再次为用户呈现重点学习内容。

在本实施例的一些可选的实现方式中，推送单元可以进一步被配置成：在将与目标时段对应的学习内容确定为重点学习内容之后，将重点学习内容推送给用户所属的线上学习客户端，以使线上学习客户端将重点学习内容作为课后复习内容呈现给用户。

本实施例作为对应于上述方法实施例的装置实施例存在，区别于现有技术提供的反向推导解决方案，本申请实施例提供的用于确定重点学习内容的装置则是从用户在线上学习过程的各个交互学习阶段中收集与其学习专注程度相关的特征数据，得以正向的、准确的确定出其实时专注参数，进而根据该参数将与不专注时段对应的内容确定为重点学习内容。结合从不同交互学习阶段按不同采集方式获取到的不同学习特征数据，能够更加准确出用户的学习专注度，进而保障确定出的重点学习内容极具针对性，尽可能的缩短用户在重点学习内容上的学习时间。

根据本申请的实施例，本申请还提供了一种电子设备和一种计算机可读存储介质。

如图8所示，是根据本申请实施例的适用于执行用于确定重点学习内容的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图8所示，该电子设备包括：一个或多个处理器801、存储器802，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图8中以一个处理器801为例。

存储器802即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的用于确定重点学习内容的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的用于确定重点学习内容的方法。

存储器802作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的用于确定重点学习内容的方法对应的程序指令/模块(例如，附图7所示的学习特征数据获取单元701、实际学习专注度确定单元702、重点学习内容确定单元703)。处理器801通过运行存储在存储器802中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的用于确定重点学习内容的方法。

存储器802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；存储数据区可存储电子设备确定重点学习内容时所创建的各类数据等。此外，存储器802可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器802可选包括相对于处理器801远程设置的存储器，这些远程存储器可以通过网络连接至适用于实现用于确定重点学习内容的方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

适用于实现用于确定重点学习内容的方法的电子设备还可以包括：输入装置803和输出装置804。处理器801、存储器802、输入装置803和输出装置804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。

输入装置803可接收输入的数字或字符信息，以及产生适用于实现用于确定重点学习内容的方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置804可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

区别于现有技术提供的反向推导解决方案，本申请实施例提供的技术方案从用户在线上学习过程的各个交互学习阶段中收集与其学习专注程度相关的特征数据，得以正向的、准确的确定出其实时专注参数，进而根据该参数将与不专注时段对应的内容确定为重点学习内容。结合从不同交互学习阶段按不同采集方式获取到的不同学习特征数据，能够更加准确出用户的学习专注度，进而保障确定出的重点学习内容极具针对性，尽可能的缩短用户在重点学习内容上的学习时间。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (14)

1.一种用于确定重点学习内容的方法，包括：

获取用户在线上学习的不同交互学习阶段的学习特征数据；其中，所述交互学习阶段包括：动作模仿阶段，还包括：观看阶段、在线答题阶段、语音交互阶段中的至少一项；

利用与每种交互学习阶段对应的预设分析方式分析对应的学习特征数据，得到对应的实际学习专注度；

根据所述实际学习专注度确定不满足预设学习专注度要求的目标时段，并将与所述目标时段对应的学习内容确定为重点学习内容；

其中，针对所述动作模仿阶段，获取用户在线上学习的动作模仿阶段的学习特征数据，包括：

获取用户在线上学习的动作模仿阶段的实际肢体动作；

对应的，利用与动作模仿阶段对应的预设分析方式分析对应的学习特征数据，得到动作模仿阶段的实际学习专注度，包括：

若所述实际肢体动作与预设标准肢体动作一致，则确定所述动作模仿阶段的实际学习专注度为专注；其中，所述一致并非指所述实际肢体动作完全与所述预设标准肢体动作相同；

若所述实际肢体动作与所述预设标准肢体动作不一致，则确定所述动作模仿阶段的实际学习专注度为不专注。

2.根据权利要求1所述的方法，其中，针对所述观看阶段，获取用户在线上学习的观看阶段的学习特征数据，包括：

获取用户在线上学习的观看阶段的实际面部朝向和实际视点位置；

对应的，利用与观看阶段对应的预设分析方式分析对应的学习特征数据，得到观看阶段的实际学习专注度，包括：

若所述实际面部朝向垂直于线上学习应用的播放界面、所述实际视点位置落在所述线上学习应用的播放界面区域内，则确定所述观看阶段的实际学习专注度为专注；

若所述实际面部朝向未垂直于所述播放界面或所述实际视点位置未落在所述播放界面区域内，则确定所述观看阶段的实际学习专注度为不专注。

3.根据权利要求1所述的方法，其中，针对所述在线答题阶段，获取用户在线上学习的在线答题阶段的学习特征数据，包括：

获取用户在线上学习的在线答题阶段的实际答题延迟和实际答题耗时；

对应的，利用与在线答题阶段对应的预设分析方式分析对应的学习特征数据，得到在线答题阶段的实际学习专注度，包括：

若所述实际答题延迟大于预设答题延迟或所述实际答题耗时大于预设答题耗时，则确定所述在线答题阶段的实际学习专注度为不专注；

若所述实际答题延迟不大于所述预设答题延迟、所述实际答题耗时不大于所述预设答题耗时，则确定所述在线答题阶段的实际学习专注度为专注。

4.根据权利要求1所述的方法，其中，针对所述语音交互阶段，获取用户在线上学习的语音交互阶段的学习特征数据，包括：

获取用户在线上学习的语音交互阶段的实际语音数据；

对应的，利用与语音交互阶段对应的预设分析方式分析对应的学习特征数据，得到语音交互阶段的实际学习专注度，包括：

若所述实际语音数据的内容与预设标准语音数据的内容一致，则确定所述语音交互阶段的实际学习专注度为专注；

若所述实际语音数据的内容与所述预设标准语音数据的内容不一致，则确定所述语音交互阶段的实际学习专注度为不专注。

5.根据权利要求1至4任一项所述的方法，在将与所述目标时段对应的学习内容确定为重点学习内容之后，还包括：

将所述重点学习内容推送给所述用户所属的线上学习客户端，以使所述线上学习客户端再次为所述用户呈现所述重点学习内容。

6.根据权利要求5所述的方法，其中，所述线上学习客户端再次为所述用户呈现所述重点学习内容，包括：

所述线上学习客户端将所述重点学习内容作为课后复习内容呈现给所述用户。

7.一种用于确定重点学习内容的装置，包括：

学习特征数据获取单元，被配置成获取用户在线上学习的不同交互学习阶段的学习特征数据；其中，所述交互学习阶段包括：动作模仿阶段，还包括：观看阶段、在线答题阶段、语音交互阶段中的至少一项；

实际学习专注度确定单元，被配置成利用与每种交互学习阶段对应的预设分析方式分析对应的学习特征数据，得到对应的实际学习专注度；

重点学习内容确定单元，被配置成根据所述实际学习专注度确定不满足预设学习专注度要求的目标时段，并将与所述目标时段对应的学习内容确定为重点学习内容；

其中，针对所述动作模仿阶段，所述学习特征数据获取单元被将进一步配置成：

获取用户在线上学习的动作模仿阶段的实际肢体动作；

对应的，针对所述动作模仿阶段，所述实际学习专注度确定单元被进一步配置成：

若所述实际肢体动作与预设标准肢体动作一致，则确定所述动作模仿阶段的实际学习专注度为专注；其中，所述一致并非指所述实际肢体动作完全与所述预设标准肢体动作相同；

若所述实际肢体动作与所述预设标准肢体动作不一致，则确定所述动作模仿阶段的实际学习专注度为不专注。

8.根据权利要求7所述的装置，其中，针对所述观看阶段，所述学习特征数据获取单元进一步被配置成：

获取用户在线上学习的观看阶段的实际面部朝向和实际视点位置；

对应的，针对所述观看阶段，所述实际学习专注度确定单元进一步被配置成：

若所述实际面部朝向垂直于线上学习应用的播放界面、所述实际视点位置落在所述线上学习应用的播放界面区域内，则确定所述观看阶段的实际学习专注度为专注；

若所述实际面部朝向未垂直于所述播放界面或所述实际视点位置未落在所述播放界面区域内，则确定所述观看阶段的实际学习专注度为不专注。

9.根据权利要求7所述的装置，其中，针对所述在线答题阶段，所述学习特征数据获取单元进一步被配置成：

获取用户在线上学习的在线答题阶段的实际答题延迟和实际答题耗时；

对应的，针对所述在线答题阶段，所述实际学习专注度确定单元进一步被配置成：

若所述实际答题延迟大于预设答题延迟或所述实际答题耗时大于预设答题耗时，则确定所述在线答题阶段的实际学习专注度为不专注；

若所述实际答题延迟不大于所述预设答题延迟、所述实际答题耗时不大于所述预设答题耗时，则确定所述在线答题阶段的实际学习专注度为专注。

10.根据权利要求7所述的装置，其中，针对所述语音交互阶段，所述学习特征数据获取单元进一步被配置成：

获取用户在线上学习的语音交互阶段的实际语音数据；

对应的，针对所述语音交互阶段，所述实际学习专注度确定单元进一步被配置成：

若所述实际语音数据的内容与预设标准语音数据的内容一致，则确定所述语音交互阶段的实际学习专注度为专注；

若所述实际语音数据的内容与所述预设标准语音数据的内容不一致，则确定所述语音交互阶段的实际学习专注度为不专注。

11.根据权利要求7至10任一项所述的装置，还包括：

推送单元，被配置成在将与所述目标时段对应的学习内容确定为重点学习内容之后，将所述重点学习内容推送给所述用户所属的线上学习客户端，以使所述线上学习客户端再次为所述用户呈现所述重点学习内容。

12.根据权利要求11所述的装置，其中，所述推送单元进一步被配置成：

在将与所述目标时段对应的学习内容确定为重点学习内容之后，将所述重点学习内容推送给所述用户所属的线上学习客户端，以使所述线上学习客户端将所述重点学习内容作为课后复习内容呈现给所述用户。

13.一种电子设备，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，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的用于确定重点学习内容的方法。

14.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的用于确定重点学习内容的方法。