CN111915148A - 一种基于信息技术的课堂教学评价方法和系统 - Google Patents
一种基于信息技术的课堂教学评价方法和系统 Download PDFInfo
- Publication number
- CN111915148A CN111915148A CN202010660367.1A CN202010660367A CN111915148A CN 111915148 A CN111915148 A CN 111915148A CN 202010660367 A CN202010660367 A CN 202010660367A CN 111915148 A CN111915148 A CN 111915148A
- Authority
- CN
- China
- Prior art keywords
- teacher
- students
- student
- classroom
- evaluation
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 160
- 238000005516 engineering process Methods 0.000 title claims abstract description 21
- 208000015181 infectious disease Diseases 0.000 claims abstract description 42
- 238000010606 normalization Methods 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims description 29
- 238000001228 spectrum Methods 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000007405 data analysis Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 8
- 241001310793 Podium Species 0.000 claims description 7
- 230000033001 locomotion Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 10
- 230000015654 memory Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000003595 spectral effect 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
- 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
- G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language
-
- 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
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- Educational Technology (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Acoustics & Sound (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种基于信息技术的课堂教学评价方法及系统,该系统包括:数据采集模块,用于采集当前课堂内的师生数据,包括教师视频数据、教师音频数据以及学生视频数据;教学评价模块,用于基于师生数据和当前课堂对应的预设的课堂信息,通过视频识别和语音识别获取多个评价指标,包括:学生出勤率、学生抬头率、学生听课意愿、学生活跃度、教师站位规范性、教师活跃度、教师形象感染度、教师语言感染度以及教师口头语频率;然后显示上述评价指标并对多个评价指标进行加权求和,得到当前课堂对应的评价分数。本发明可以用于大范围课堂的自动化质量普查、及对教师本人用于教学反馈改进。
Description
技术领域
本发明涉及教学质量监控及教学管理技术领域,特别涉及一种基于信息技术的课堂教学评价方法和系统。
背景技术
课堂教学评估可以分为总结性评估、过程性评估等两类。目前,大多数高校实施的是总结性评估,例如学生网评、毕业生调查、教案展示等,这些结果都属于事后结论。然而,为了能够及时发现教师、特别是青年教师在教学中存在的问题,需要在课堂内进行全动态过程诊断,梳理出若干细节指标,以便帮助教师针对性地改进,这就是充满正能量的过程性评估。
目前的过程性评估主要依靠同行专家听课打分的形式,其缺点是需要占用专家大量的时间,效率低,不同专家的客观性及对比性都不强。基于此,依赖技术手段的课堂教学过程性评估应运而生。
申请号为CN201910599869.5的专利申请公开了一种智能教学分析系统,实现了数据推送、教学内容分类和教学目标策略分析;申请号为CN201910504336.4的专利申请公开了一种智能学业评价管理系统,采用智能终端、客户端、服务器,收集考试分析报告和社会实践等,在服务器上进行分析评价。
上述专利申请虽然也采用了计算机技术,但数据的收集都是人工完成的,计算机只是完成对数据的分析工作,在数据收集方面依然比较消耗人力。
发明内容
本发明提供了一种基于信息技术的课堂教学评价方法和系统,以解决现有技术的课堂数据采集效率低,不适合长期、大范围课堂质量巡查的技术问题。
为解决上述技术问题,本发明提供了如下技术方案:
一方面,本发明提供了一种基于信息技术的课堂教学评价系统,所述基于信息技术的课堂教学评价系统包括:
数据采集模块,用于采集当前课堂内的师生数据;其中,所述师生数据包括教师视频数据、教师音频数据以及学生视频数据;
教学评价模块,所述教学评价模块包括数据分析单元和评价结果展示单元;其中,所述数据分析单元用于基于所述师生数据和当前课堂对应的预设的课堂信息,通过视频识别和语音识别获取多个预设的评价指标;其中,所述课堂信息包括当前课堂内的应到学生数量;所述评价结果展示单元用于对获取的多个预设的评价指标进行加权求和,得到当前课堂对应的评价分数,并展示给用户。
进一步地,所述数据采集模块包括前置网络摄像头、后置网络摄像头以及全向网络麦克风;
其中,所述前置网络摄像头设置在讲台上方,用于采集课堂内的学生视频数据;所述后置网络摄像头设置在教室后方,用于采集课堂内的教师视频数据;所述全向网络麦克风设置在讲台中央,用于采集课堂内的教师音频数据。
进一步地,所述数据分析单元具体用于:
对所述学生视频数据进行识别,识别出其中的身体和面部,并统计出学生的身体数量和面部数量,以及每一学生的面部位置和面部运动姿态;
对所述教师视频数据进行识别,识别出教师的身体姿态和面部位置,并根据教师的面部位置统计出教师整堂课中位于讲台预设有效空间的时间占比,根据教师的面部位置的变动统计出教师整堂课中处于移动状态的时间占比,根据教师的身体姿态确定教师整堂课中使用手势语言的时间占比;
获取所述教师音频数据的声音能量的频谱分布,并将所述教师音频数据转换为文字信息,统计出所述文字信息中每一文字的出现频次;
根据学生的身体数量确定当前课堂内的实到学生数量,并根据所述实到学生数量和当前课堂的应到学生数量,计算出学生出勤率;根据学生的面部数量和所述学生出勤率计算出学生抬头率;对学生的面部位置进行聚类分析,确定学生听课意愿;根据学生的面部位置的摆动范围,确定学生活跃度;
根据教师整堂课中位于讲台预设有效空间的时间占比,确定教师站位规范性;根据教师整堂课中处于移动状态的时间占比,确定教师活跃度;根据教师整堂课中使用手势语言的时间占比,确定教师形象感染度;根据所述频谱分布,确定教师语言感染度;根据每一文字的出现频次,确定教师口头语频率。
进一步地,所述评价结果展示单元具体用于:
将所述学生出勤率、学生抬头率、学生听课意愿、学生活跃度、教师站位规范性、教师活跃度、教师形象感染度、教师语言感染度以及教师口头语频率以雷达图的形式显示给用户,并将所述学生出勤率、学生抬头率、学生听课意愿、学生活跃度、教师站位规范性、教师活跃度、教师形象感染度、教师语言感染度以及教师口头语频率进行加权求和,得到所述评价分数,并展示给用户。
另一方面,本发明还提供了一种基于信息技术的课堂教学评价方法,所述基于信息技术的课堂教学评价方法包括:
采集当前课堂内的师生数据;其中,所述师生数据包括教师视频数据、教师音频数据以及学生视频数据;
基于所述师生数据和当前课堂对应的预设的课堂信息,通过视频识别和语音识别获取多个预设的评价指标,并对获取的多个预设的评价指标进行加权求和,得到当前课堂对应的评价分数,并展示给用户;其中,所述课堂信息包括当前课堂内的应到学生数量。
进一步地,所述基于所述师生数据和当前课堂对应的预设的课堂信息,通过视频识别和语音识别获取多个预设的评价指标,包括:
对所述学生视频数据进行识别,识别出其中的身体和面部,并统计出学生的身体数量和面部数量,以及每一学生的面部位置和面部运动姿态;
对所述教师视频数据进行识别,识别出教师的身体姿态和面部位置,并根据教师的面部位置统计出教师整堂课中位于讲台预设有效空间的时间占比,根据教师的面部位置的变动统计出教师整堂课中处于移动状态的时间占比,根据教师的身体姿态确定教师整堂课中使用手势语言的时间占比;
获取所述教师音频数据的声音能量的频谱分布,并将所述教师音频数据转换为文字信息,统计出所述文字信息中每一文字的出现频次;
根据学生的身体数量确定当前课堂内的实到学生数量,并根据所述实到学生数量和当前课堂的应到学生数量,计算出学生出勤率;根据学生的面部数量和所述学生出勤率计算出学生抬头率;对学生的面部位置进行聚类分析,确定学生听课意愿;根据学生的面部位置的摆动范围,确定学生活跃度;
根据教师整堂课中位于讲台预设有效空间的时间占比,确定教师站位规范性;根据教师整堂课中处于移动状态的时间占比,确定教师活跃度;根据教师整堂课中使用手势语言的时间占比,确定教师形象感染度;根据所述频谱分布,确定教师语言感染度;根据每一文字的出现频次,确定教师口头语频率。
进一步地,对学生的面部位置进行聚类分析,确定学生听课意愿,包括:
对学生的面部位置按照前、中、后进行空间聚类,确定学生听课意愿;其中,当学生的面位位置分别位于前、中、后时,对应的学生听课意愿依次减弱。
进一步地,所述方法还包括:
将所述学生出勤率、学生抬头率、学生听课意愿、学生活跃度、教师站位规范性、教师活跃度、教师形象感染度、教师语言感染度以及教师口头语频率以雷达图的形式显示给用户;
所述对获取的多个预设的评价指标进行加权求和,得到当前课堂对应的评价分数,并展示给用户,包括:
将所述学生出勤率、学生抬头率、学生听课意愿、学生活跃度、教师站位规范性、教师活跃度、教师形象感染度、教师语言感染度以及教师口头语频率进行加权求和,得到所述评价分数,并展示给用户。
再一方面,本发明还提供了一种电子设备,其包括处理器和存储器;其中,存储器中存储有至少一条指令,所述指令由处理器加载并执行以实现上述方法。
又一方面,本发明还提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现上述方法。
本发明提供的技术方案带来的有益效果至少包括:
本发明的数据采集方式相比于现有技术,数据采集效率高,特别是在长期、大范围课堂质量巡查中能显著减少专家工作量;并且由于本发明采用分层次的指标提取方法,各层指标相互对应、逻辑清晰,便于量化传递;因此便于程序的模块化实现;若修改个别指标定义,不会影响程序的其他部分,便于软件的升级改造。此外,本发明所设定的评价指标具有客观性,避免了传统专家评价中存在的种种干扰,且这种指标也是量化的,使不同课堂的评价结论具有可比性。本发明的评价结果具体、明了;将多个指标以雷达图方式显示,因此对每个课堂的评价结果都是具体化、个性化的;总体评价以分数表达,便于课堂质量的等级划分。适用于大范围课堂的自动化质量普查及教师本人教学反馈改进。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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是本发明第一实施例提供的基于信息技术的课堂教学评价系统的框图;
图2是本发明第二实施例提供的基于信息技术的课堂教学评价方法流程图;
图3是本发明提供的课堂教学评估结果的显示形式示意图。
附图标记说明:
1、教室;
2、学生;
3、教师;
41、前置网络摄像头;
42、后置网络摄像头;
5、全向网络麦克风;
6、路由器;
7、网线;
8、办公室;
9、服务器;
10、操作员;
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
第一实施例
本实施例提供了一种基于信息技术的课堂教学评价系统,该课堂教学评价系统的系统结构如图1所示,包括以下模块:
数据采集模块,用于采集当前课堂内的师生数据;其中,本实施例采集的师生数据包括:教师视频数据、教师音频数据以及学生视频数据;
教学评价模块,该教学评价模块包括数据分析单元和评价结果展示单元;其中,数据分析单元用于基于师生数据和当前课堂对应的预设的课堂信息,通过视频识别和语音识别获取多个预设的评价指标;其中,课堂信息包括当前课堂内的应到学生数量,当然还可以包括课堂时间、地点、受评教师姓名和听课班级等基本信息;评价结果展示单元用于对获取的多个预设的评价指标进行加权求和,得到当前课堂对应的评价分数,并展示给用户。
进一步地,上述数据采集模块包括前置网络摄像头41、后置网络摄像头42以及全向网络麦克风5;其中,前置网络摄像头41设置在教室1的讲台上方,正对学生2进行拍摄,以采集教室1内的学生视频数据;后置网络摄像头42设置在教室1的后方,正对讲台上的教师3拍摄,以采集教室1内的教师视频数据;全向网络麦克风5设置在教室1的讲台中央,用于采集教室1内的教师音频数据。上述教学评价模块为部署在服务器9中的教学评价软件,前置网络摄像头41、后置网络摄像头42以及全向网络麦克风5采集的数据通过路由器6、网线7传到办公室8内的服务器9中,由服务器9中的教学评价软件对各设备采集的数据进行分析处理,得到评价结果,并将评价结果显示给操作员10。
具体地,上述数据分析单元具体用于:
1、获取九个一级评价指标
对前置网络摄像头41采集的学生视频数据逐帧进行处理,识别出其中学生2的身体和面部,并统计出学生2的身体数量和面部数量,以及每一学生2的面部位置和面部运动姿态;将四者作为学生视频数据对应的一级评价指标;
对后置网络摄像头42采集的教师视频数据逐帧处理,识别出教师3的身体姿态和面部位置,根据教师3的面部位置统计出教师3在整堂课中位于讲台预设有效空间的时间占比,根据教师3的面部位置的变动统计出教师3在整堂课中处于移动状态的时间占比,根据教师3的身体姿态细分出手势类别,确定教师3在整堂课中使用手势语言的时间占比;将这三种时间占比作为教师视频数据对应的一级评价指标。将全向麦克风5采集的教师音频数据实时转换为文字,统计文字出现的频次并排序;保存一个音频片段,计算声音能量的频谱分布。将这两项内容作为教师音频数据对应的一级评价指标。其中,有效空间是预先定义好的讲台的有效位置,例如,可定义讲台上除控制台外的位置为有效位置。
2、获取九个二级评价指标
根据学生的身体数量确定当前课堂内的实到学生数量,并根据实到学生数量和当前课堂的应到学生数量,计算出学生出勤率;根据学生的面部数量和学生出勤率计算出学生抬头率;对学生的面部位置进行前、中、后空间聚类,确定学生听课意愿,其中,当学生面部位置分别位于前、中、后时,对应的学生听课意愿依次减弱;根据学生的面部位置的摆动范围,确定学生活跃度;这四个指标为反映学生状态的二级指标;
根据教师整堂课中位于讲台有效空间的时间占比,确定教师站位规范性;根据教师整堂课中处于移动状态的时间占比,确定教师活跃度;根据教师整堂课中使用手势语言的时间占比,确定教师形象感染度;根据上述确定的频谱分布,分析教师语音频谱强度的起伏程度,确定教师语言感染度;根据每一文字的出现频次,确定教师口头语频率,如果出现某些字的频度过高,则表明该教师存在不良的口头语习惯;这五个指标为反映教师状态的二级指标。
进一步地,上述评价结果展示单元具体用于:
将学生出勤率、学生抬头率、学生听课意愿、学生活跃度、教师站位规范性、教师活跃度、教师形象感染度、教师语言感染度和教师口头语频率以雷达图的形式显示给用户,以明确反映该教师的优势和缺点,如图3所示,其中,阴影部分表示教师对应的二级指标,空白部分表示学生对应的二级指标。并将学生出勤率、学生抬头率、学生听课意愿、学生活跃度、教师站位规范性、教师活跃度、教师形象感染度、教师语言感染度和教师口头语频率进行加权求和,得到评价分数,并以百分制的形式展示给用户,以便划分优、良、及格等综合等级。总体评价和二级指标不仅显示给操作员10,也反馈给教师3本人参考。
其中,最后的评价分数与上述各二级指标之间存在着正向或反向的关系。例如,教师站位越规范,总体评价越高,这就是正向关系;教师口头语频率越高,总体评价越低,这就是反向关系。归一化处理后,评价分数表达式如下:
评价分数(%)=[学生出勤率(%)+学生抬头率(%)
+学生听课意愿(前类学生占比%)+学生活跃度(%)
+教师活跃度(%)+教师站位规范性(%)+形象感染度(%)
+语言感染度(%)-口头语频率(%)]/7
具体处理内容及评价方法,见表1:
表1处理内容及评价方法
综上,本实施例的数据采集方式相比于现有技术,数据采集效率更高,特别是在长期、大范围课堂质量巡查中能显著减少专家工作量;并且由于采用分层次的指标提取方法,各层指标相互对应、逻辑清晰,便于量化传递;因此便于程序的模块化实现;若修改个别指标定义,不会影响程序的其他部分,便于软件的升级改造。此外,本实施例的评价指标具有客观性,避免了传统专家评价中存在的种种干扰,且这种指标也是量化的,使不同课堂的评价结论具有可比性。最后的评价结果具体、明了;将多个指标以雷达图方式显示,因此对每个课堂的评价结果都是具体化、个性化的;总体评价以分数表达,便于课堂质量的等级划分。适用于大范围课堂的自动化质量普查及教师本人教学反馈改进。
第二实施例
本实施例提供了一种基于信息技术的课堂教学评价方法,该基于信息技术的课堂教学评价方法的执行流程如图2所示,包括以下步骤:
S101,录入课堂基本信息;
具体地,上述步骤为:由操作员10课堂时间、地点、受评教师姓名、听课班级、应到学生数等基本课程信息人工录入到服务器9中。
S102,自动采集教师视频数据、教师音频数据以及学生视频数据;
具体地,上述步骤为:由前置网络摄像头41采集教室1内的学生视频;由后置网络摄像头42采集教室1内的教师视频;由全向网络麦克风5采集教室1内的教师音频;采集的数据通过路由器6、网线7传到办公室8内的服务器9中。
与专家打分的常规课堂评价方法不同,本实施例的数据采集效率高,特别是在长期、大范围课堂质量巡查中能显著减少专家工作量。
S103,对教师视频数据、教师音频数据以及学生视频数据进行识别;
具体地,上述步骤为:对学生视频数据进行识别,识别出其中的身体和面部;对教师视频数据进行识别,识别出教师的身体姿态和面部位置;对教师音频数据进行识别,获取其频谱分布和对应的文字信息。
S104,基于识别结果和课堂基本信息,获取多个一级评价指标;
具体地,上述步骤为:统计出学生的身体数量和面部数量,以及每一学生的面部位置和面部运动姿态;根据教师的面部位置统计出教师整堂课中位于讲台预设有效空间的时间占比,根据教师的面部位置的变动统计出教师整堂课中处于移动状态的时间占比,根据教师的身体姿态确定教师整堂课中使用手势语言的时间占比;获取教师音频数据的声音能量的频谱分布,并将教师音频数据转换为文字信息后,统计出文字信息中每一文字的出现频次。
S105,基于多个一级评价指标获取多个二级评价指标;
具体地,上述步骤为:根据学生的身体数量确定当前课堂内的实到学生数量,并根据实到学生数量和当前课堂的应到学生数量,计算出学生出勤率;根据学生的面部数量和学生出勤率计算出学生抬头率;对学生的面部位置进行聚类分析,确定学生听课意愿;根据学生的面部位置的摆动范围,确定学生活跃度;这四个跟学生相关的二级评价指标间接、客观地反映了学生对课堂的接收、认可程度;根据教师整堂课中位于讲台预设有效空间的时间占比,确定教师站位规范性;根据教师整堂课中处于移动状态的时间占比,确定教师活跃度;根据教师整堂课中使用手势语言的时间占比,确定教师形象感染度;这三个跟教师视频相关的二级评价指标反映了教师的外在状态;根据频谱分布,确定教师语言感染度;根据每一文字的出现频次,确定教师口头语频率;这两个跟教师音频相关的二级评价指标在一定程度上反映了教师对教学内容的把控程度。
上述各二级评价指标具有客观性,避免了传统专家评价中存在的种种干扰;这种指标也是量化的,使不同课堂的评价结论具有可比性。
S106,对获取的多个二级评价指标进行加权求和,得到总体的评价分数;
上述步骤可以总结为一个分层次的指标提取方法,也即:第一层:利用人工智能算法,从原始视频信号中识别身体、姿态和面部,并从原始音频信号中识别文字和声谱节律;第二层:从前层识别结果中提取出教师在讲台上的有效空间占比、移动时间占比、手势占比、语音起伏、文字频度,及学生数量、(正)面部数量、面部位置、局部运动共九个一级评价指标;第三层:从九个一级评价指标中计算出教师的站位规范性、活跃度、形象感染度、语言感染度、口头语频率,及学生的出勤率、抬头率、听课意愿、活跃度共九个二级评价指标。第四层:对九个二级评价指标加权求和,得到总体评价分数。
这种四层递进的评价方法,由底层的纯技术层面过渡到高层的决策判断层面,各层指标相互对应、逻辑清晰,便于量化传递;便于程序的模块化实现;若修改个别指标定义,不会影响程序的其他部分,便于软件的升级改造。
S107,输出评价结果;
具体地,上述步骤为:
将上述各二级评价指标以雷达图的形式显示在屏幕上,显示结果如图3所示,以便反映教师在课堂中的具体表现;评价结果具体、明了,对每个课堂的评价结果都是具体化、个性化的;并且将上述各二级评价指标进行加权求和,得到评价分数并展示给用户,总体评价以分数表达,便于课堂质量的等级划分。
本实施例的方法通过采集当前课堂内的师生数据,包括教师视频数据、教师音频数据以及学生视频数据;基于师生数据和当前课堂对应的预设的课堂信息,通过视频识别和语音识别获取多个评价指标,包括:学生出勤率、学生抬头率、学生听课意愿、学生活跃度、教师站位规范性、教师活跃度、教师形象感染度、教师语言感染度以及教师口头语频率;然后显示上述评价指标并对多个评价指标进行加权求和,得到当前课堂对应的评价分数,获得对应课堂的教学评价结果。可以用于大范围课堂的自动化质量普查及对教师的教学反馈改进。
第三实施例
本实施例提供一种电子设备,其包括处理器和存储器;其中,存储器中存储有至少一条指令,所述指令由处理器加载并执行,以实现第二实施例的方法。
该电子设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)和一个或一个以上的存储器,其中,存储器中存储有至少一条指令,所述指令由处理器加载并执行以下步骤:
S101,获取课堂基本信息、教师视频数据、教师音频数据和学生视频数据;
S102,对教师视频数据、教师音频数据以及学生视频数据进行识别;
S103,基于识别结果和课堂基本信息,获取多个一级评价指标;
S104,基于多个一级评价指标获取多个二级评价指标;
S105,对获取的多个二级评价指标进行加权求和,得到总体的评价分数;
S106,输出评价结果。
本实施例的电子设备通过采集当前课堂内的师生数据,包括教师视频数据、教师音频数据和学生视频数据;基于师生数据和当前课堂对应的预设的课堂信息,通过视频识别和语音识别获取多个评价指标,包括:学生出勤率、学生抬头率、学生听课意愿、学生活跃度、教师站位规范性、教师活跃度、教师形象感染度、教师语言感染度和教师口头语频率;然后显示上述评价指标并对多个评价指标进行加权求和,得到当前课堂对应的评价分数,获得对应课堂的教学评价结果。可以用于大范围课堂的自动化质量普查及对教师的教学反馈改进。
第四实施例
本实施例提供一种计算机可读存储介质,该存储介质中存储有至少一条指令,所述指令由处理器加载并执行,以实现上述方法。其中,该计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。其内存储的指令可由终端中的处理器加载并执行以下步骤:
S101,获取课堂基本信息、教师视频数据、教师音频数据和学生视频数据;
S102,对教师视频数据、教师音频数据以及学生视频数据进行识别;
S103,基于识别结果和课堂基本信息,获取多个一级评价指标;
S104,基于多个一级评价指标获取多个二级评价指标;
S105,对获取的多个二级评价指标进行加权求和,得到总体的评价分数;
S106,输出评价结果。
本实施例的存储介质存储的程序通过获取当前课堂内的师生数据,包括教师视频数据、教师音频数据和学生视频数据;基于师生数据和当前课堂的预设课堂信息,通过视频识别和语音识别获取多个评价指标,包括:学生出勤率、学生抬头率、学生听课意愿、学生活跃度、教师站位规范性、教师活跃度、教师形象感染度、教师语言感染度和教师口头语频率;显示上述评价指标并对多个评价指标进行加权求和,得到当前课堂对应的评价分数,获得对应课堂的教学评价结果。可以用于大范围课堂的自动化质量普查及对教师的教学反馈改进。
此外,需要说明的是,本发明可提供为方法、装置或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
还需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
最后需要说明的是,以上所述是本发明优选实施方式,应当指出,尽管已描述了本发明优选实施例,但对于本技术领域的技术人员来说,一旦得知了本发明的基本创造性概念,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
Claims (8)
1.一种基于信息技术的课堂教学评价系统,其特征在于,所述系统包括:
数据采集模块,用于采集当前课堂内的师生数据;其中,所述师生数据包括教师视频数据、教师音频数据以及学生视频数据;
教学评价模块,所述教学评价模块包括数据分析单元和评价结果展示单元;其中,所述数据分析单元用于基于所述师生数据和当前课堂对应的预设的课堂信息,通过视频识别和语音识别获取多个预设的评价指标;其中,所述课堂信息包括当前课堂内的应到学生数量;所述评价结果展示单元用于对获取的多个预设的评价指标进行加权求和,得到当前课堂对应的评价分数,并展示给用户。
2.如权利要求1所述的基于信息技术的课堂教学评价系统,其特征在于,所述数据采集模块包括前置网络摄像头、后置网络摄像头以及全向网络麦克风;
其中,所述前置网络摄像头设置在讲台上方,用于采集课堂内的学生视频数据;所述后置网络摄像头设置在教室后方,用于采集课堂内的教师视频数据;所述全向网络麦克风设置在讲台中央,用于采集课堂内的教师音频数据。
3.如权利要求1所述的基于信息技术的课堂教学评价系统,其特征在于,所述数据分析单元具体用于:
对所述学生视频数据进行识别,识别出其中的身体和面部,并统计出学生的身体数量和面部数量,以及每一学生的面部位置和面部运动姿态;
对所述教师视频数据进行识别,识别出教师的身体姿态和面部位置,并根据教师的面部位置统计出教师整堂课中位于讲台预设有效空间的时间占比,根据教师的面部位置的变动统计出教师整堂课中处于移动状态的时间占比,根据教师的身体姿态确定教师整堂课中使用手势语言的时间占比;
获取所述教师音频数据的声音能量的频谱分布,并将所述教师音频数据转换为文字信息,统计出所述文字信息中每一文字的出现频次;
根据学生的身体数量确定当前课堂内的实到学生数量,并根据所述实到学生数量和当前课堂的应到学生数量,计算出学生出勤率;根据学生的面部数量和所述学生出勤率计算出学生抬头率;对学生的面部位置进行聚类分析,确定学生听课意愿;根据学生的面部位置的摆动范围,确定学生活跃度;
根据教师整堂课中位于讲台预设有效空间的时间占比,确定教师站位规范性;根据教师整堂课中处于移动状态的时间占比,确定教师活跃度;根据教师整堂课中使用手势语言的时间占比,确定教师形象感染度;根据所述频谱分布,确定教师语言感染度;根据每一文字的出现频次,确定教师口头语频率。
4.如权利要求3所述的基于信息技术的课堂教学评价系统,其特征在于,所述评价结果展示单元具体用于:
将所述学生出勤率、学生抬头率、学生听课意愿、学生活跃度、教师站位规范性、教师活跃度、教师形象感染度、教师语言感染度以及教师口头语频率以雷达图的形式显示给用户,并将所述学生出勤率、学生抬头率、学生听课意愿、学生活跃度、教师站位规范性、教师活跃度、教师形象感染度、教师语言感染度以及教师口头语频率进行加权求和,得到所述评价分数,并展示给用户。
5.一种基于信息技术的课堂教学评价方法,其特征在于,所述方法包括:
采集当前课堂内的师生数据;其中,所述师生数据包括教师视频数据、教师音频数据以及学生视频数据;
基于所述师生数据和当前课堂对应的预设的课堂信息,通过视频识别和语音识别获取多个预设的评价指标,并对获取的多个预设的评价指标进行加权求和,得到当前课堂对应的评价分数,并展示给用户;其中,所述课堂信息包括当前课堂内的应到学生数量。
6.如权利要求5所述的基于信息技术的课堂教学评价方法,其特征在于,所述基于所述师生数据和当前课堂对应的预设的课堂信息,通过视频识别和语音识别获取多个预设的评价指标,包括:
对所述学生视频数据进行识别,识别出其中的身体和面部,并统计出学生的身体数量和面部数量,以及每一学生的面部位置和面部运动姿态;
对所述教师视频数据进行识别,识别出教师的身体姿态和面部位置,并根据教师的面部位置统计出教师整堂课中位于讲台预设有效空间的时间占比,根据教师的面部位置的变动统计出教师整堂课中处于移动状态的时间占比,根据教师的身体姿态确定教师整堂课中使用手势语言的时间占比;
获取所述教师音频数据的声音能量的频谱分布,并将所述教师音频数据转换为文字信息,统计出所述文字信息中每一文字的出现频次;
根据学生的身体数量确定当前课堂内的实到学生数量,并根据所述实到学生数量和当前课堂的应到学生数量,计算出学生出勤率;根据学生的面部数量和所述学生出勤率计算出学生抬头率;对学生的面部位置进行聚类分析,确定学生听课意愿;根据学生的面部位置的摆动范围,确定学生活跃度;
根据教师整堂课中位于讲台预设有效空间的时间占比,确定教师站位规范性;根据教师整堂课中处于移动状态的时间占比,确定教师活跃度;根据教师整堂课中使用手势语言的时间占比,确定教师形象感染度;根据所述频谱分布,确定教师语言感染度;根据每一文字的出现频次,确定教师口头语频率。
7.如权利要求6所述的基于信息技术的课堂教学评价方法,其特征在于,所述对学生的面部位置进行聚类分析,确定学生听课意愿,包括:
对学生的面部位置按照前、中、后进行空间聚类,确定学生听课意愿;其中,当学生的面位位置分别位于前、中、后时,对应的学生听课意愿依次减弱。
8.如权利要求6或7所述的基于信息技术的课堂教学评价方法,其特征在于,所述方法还包括:
将所述学生出勤率、学生抬头率、学生听课意愿、学生活跃度、教师站位规范性、教师活跃度、教师形象感染度、教师语言感染度以及教师口头语频率以雷达图的形式显示给用户;
所述对获取的多个预设的评价指标进行加权求和,得到当前课堂对应的评价分数,并展示给用户,包括:
将所述学生出勤率、学生抬头率、学生听课意愿、学生活跃度、教师站位规范性、教师活跃度、教师形象感染度、教师语言感染度以及教师口头语频率进行加权求和,得到所述评价分数,并展示给用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010660367.1A CN111915148B (zh) | 2020-07-10 | 2020-07-10 | 一种基于信息技术的课堂教学评价方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010660367.1A CN111915148B (zh) | 2020-07-10 | 2020-07-10 | 一种基于信息技术的课堂教学评价方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111915148A true CN111915148A (zh) | 2020-11-10 |
CN111915148B CN111915148B (zh) | 2023-11-03 |
Family
ID=73228019
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010660367.1A Active CN111915148B (zh) | 2020-07-10 | 2020-07-10 | 一种基于信息技术的课堂教学评价方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111915148B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112465339A (zh) * | 2020-11-25 | 2021-03-09 | 宁波阶梯教育科技有限公司 | 一种教学质量评价方法、装置、系统及可读存储介质 |
CN112749641A (zh) * | 2020-12-29 | 2021-05-04 | 青岛申众教育咨询有限公司 | 适用于儿童语言教学场景的数据采集方法、服务器及系统 |
CN112836945A (zh) * | 2021-01-18 | 2021-05-25 | 江苏师范大学 | 一种师范生教态量化评价体系 |
CN112863277A (zh) * | 2021-03-01 | 2021-05-28 | 北京安博创赢教育科技有限责任公司 | 一种直播教学的互动方法、装置、介质和电子设备 |
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 |
CN114358988A (zh) * | 2022-03-11 | 2022-04-15 | 深圳市中文路教育科技有限公司 | 基于ai技术的教学方式推送方法及装置 |
CN114842567A (zh) * | 2022-03-31 | 2022-08-02 | 浙江大华技术股份有限公司 | 一种视频巡查方法、装置、设备及介质 |
CN116452072A (zh) * | 2023-06-19 | 2023-07-18 | 华南师范大学 | 一种教学评价方法、系统、设备和可读存储介质 |
CN117114508A (zh) * | 2023-10-20 | 2023-11-24 | 浪潮软件股份有限公司 | 教师层级认定系统及方法 |
CN118096461A (zh) * | 2024-04-22 | 2024-05-28 | 广东省出版集团数字出版有限公司 | 一种教学活跃积分分析方法、装置、电子设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019007187A1 (zh) * | 2017-07-06 | 2019-01-10 | 广州优视网络科技有限公司 | 信息推送方法、装置及服务器、计算设备和存储介质 |
CN109657529A (zh) * | 2018-07-26 | 2019-04-19 | 台州学院 | 基于面部表情识别的课堂教学效果评价系统 |
WO2019095447A1 (zh) * | 2017-11-17 | 2019-05-23 | 深圳市鹰硕技术有限公司 | 一种具有远程评价功能的跟随教学方法 |
CN110334610A (zh) * | 2019-06-14 | 2019-10-15 | 华中师范大学 | 一种基于计算机视觉的多维度课堂量化系统及方法 |
-
2020
- 2020-07-10 CN CN202010660367.1A patent/CN111915148B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019007187A1 (zh) * | 2017-07-06 | 2019-01-10 | 广州优视网络科技有限公司 | 信息推送方法、装置及服务器、计算设备和存储介质 |
WO2019095447A1 (zh) * | 2017-11-17 | 2019-05-23 | 深圳市鹰硕技术有限公司 | 一种具有远程评价功能的跟随教学方法 |
CN109657529A (zh) * | 2018-07-26 | 2019-04-19 | 台州学院 | 基于面部表情识别的课堂教学效果评价系统 |
CN110334610A (zh) * | 2019-06-14 | 2019-10-15 | 华中师范大学 | 一种基于计算机视觉的多维度课堂量化系统及方法 |
Non-Patent Citations (1)
Title |
---|
闫晓炜等: "用于课堂教学评估的教师肢体动作检测", 《中国教育信息化》, pages 88 - 91 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112465339A (zh) * | 2020-11-25 | 2021-03-09 | 宁波阶梯教育科技有限公司 | 一种教学质量评价方法、装置、系统及可读存储介质 |
CN112749641A (zh) * | 2020-12-29 | 2021-05-04 | 青岛申众教育咨询有限公司 | 适用于儿童语言教学场景的数据采集方法、服务器及系统 |
CN112836945A (zh) * | 2021-01-18 | 2021-05-25 | 江苏师范大学 | 一种师范生教态量化评价体系 |
CN112863277A (zh) * | 2021-03-01 | 2021-05-28 | 北京安博创赢教育科技有限责任公司 | 一种直播教学的互动方法、装置、介质和电子设备 |
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 |
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 |
CN114358988A (zh) * | 2022-03-11 | 2022-04-15 | 深圳市中文路教育科技有限公司 | 基于ai技术的教学方式推送方法及装置 |
CN114842567A (zh) * | 2022-03-31 | 2022-08-02 | 浙江大华技术股份有限公司 | 一种视频巡查方法、装置、设备及介质 |
CN116452072A (zh) * | 2023-06-19 | 2023-07-18 | 华南师范大学 | 一种教学评价方法、系统、设备和可读存储介质 |
CN116452072B (zh) * | 2023-06-19 | 2023-08-29 | 华南师范大学 | 一种教学评价方法、系统、设备和可读存储介质 |
CN117114508A (zh) * | 2023-10-20 | 2023-11-24 | 浪潮软件股份有限公司 | 教师层级认定系统及方法 |
CN118096461A (zh) * | 2024-04-22 | 2024-05-28 | 广东省出版集团数字出版有限公司 | 一种教学活跃积分分析方法、装置、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111915148B (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111915148B (zh) | 一种基于信息技术的课堂教学评价方法和系统 | |
CN110991381B (zh) | 一种基于行为和语音智能识别的实时课堂学生状态分析与指示提醒系统和方法 | |
JP2020525965A (ja) | 教学補助方法およびその方法を採用する教学補助システム | |
CN107958351A (zh) | 教学质量评估云服务平台 | |
LU100314B1 (en) | Method and system for predicting academic achievements of students based on naive bayesian model | |
CN108154304A (zh) | 具有教学质量评估功能的服务器 | |
CN110782375B (zh) | 基于数据的在线学习全过程动态分析方法及系统 | |
CN113627779A (zh) | 一种基于大数据和ai技术的教学管理、质量评估系统 | |
CN111461937A (zh) | 一种自闭症干预教学课程自动跟踪方法及系统 | |
CN115810163B (zh) | 一种基于ai课堂行为识别的教学评估方法和系统 | |
CN116109455B (zh) | 一种基于人工智能的语言教学辅助系统 | |
CN115170369A (zh) | 一种基于移动互联网的直播课程在线观看智能管理系统 | |
CN111405054A (zh) | 智能助教系统及方法 | |
CN112164259A (zh) | 一种课堂师生互动教学系统及方法 | |
CN116777698A (zh) | 一种基于ai智能化的智慧教学的方法及系统 | |
Li et al. | Design of an online learning early warning system based on learning behaviour analysis | |
CN110189236A (zh) | 基于大数据的学习预警方法 | |
CN115829234A (zh) | 基于课堂检测的自动化督导系统及其工作方法 | |
CN115689000A (zh) | 一种基于学习行为全流程的学情智能预测方法及系统 | |
CN113919983A (zh) | 试题画像方法、装置、电子设备和存储介质 | |
CN114255426A (zh) | 一种基于视频识别和语音分离技术的学生专注度评估系统 | |
Su | Design of intelligent classroom teaching scheme using artificial intelligence | |
CN113240559A (zh) | 一种酒店管理教学用多媒体教学装置 | |
CN112750057A (zh) | 基于大数据和云计算的学生学习行为数据库建立分析处理方法及云数据平台 | |
CN111985793A (zh) | 一种学生网上评教方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |