CN112116841A - 一种基于深度学习的个性化远程教育系统及方法 - Google Patents

一种基于深度学习的个性化远程教育系统及方法 Download PDF

Info

Publication number
CN112116841A
CN112116841A CN202010948014.1A CN202010948014A CN112116841A CN 112116841 A CN112116841 A CN 112116841A CN 202010948014 A CN202010948014 A CN 202010948014A CN 112116841 A CN112116841 A CN 112116841A
Authority
CN
China
Prior art keywords
student
learning
deep learning
remote education
concentration
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010948014.1A
Other languages
English (en)
Inventor
朱静
王茹皓
吕敏玲
李浩明
明家辉
邓海燕
杨强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou University
Original Assignee
Guangzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou University filed Critical Guangzhou University
Priority to CN202010948014.1A priority Critical patent/CN112116841A/zh
Publication of CN112116841A publication Critical patent/CN112116841A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
    • G09B7/02—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student
    • G09B7/04—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student characterised by modifying the teaching programme in response to a wrong answer, e.g. repeating the question, supplying a further explanation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning 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
    • G06Q50/205—Education administration or guidance
    • 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
    • G06V40/168—Feature extraction; Face representation
    • 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
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/174—Facial expression recognition
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
    • G09B7/06—Electrically-operated teaching apparatus or devices working with questions and answers of the multiple-choice answer-type, i.e. where a given question is provided with a series of answers and a choice has to be made from the answers
    • G09B7/08—Electrically-operated teaching apparatus or devices working with questions and answers of the multiple-choice answer-type, i.e. where a given question is provided with a series of answers and a choice has to be made from the answers characterised by modifying the teaching programme in response to a wrong answer, e.g. repeating the question, supplying further information

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (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

本发明公开了一种基于深度学习的个性化远程教育系统及方法，该系统包括教师端、远程教育端、学生端、个性化题库分析模块、学生专注度检测模块和学生信息库；学生端通过网络学习平台连接远程教育端；教师端用于教师直播或录播上课，学生端用于学生学习，远程教育端用于辅助教师教学，个性化题库分析模块用于根据学员的学习进度、学习错误题目和题库加载的高频错误点进行统计，针对每位同学推送对应题目，学生专注度检测模块用于将视觉图像送入深度学习框架进而分析学习者的专心程度。本发明在传统的高效远程教育管理系统基础上增加了个性化题库分析模块，实现对不同的用户端，不同的学习目的进行自适应的适配，达到智能教学的目的。

Description

一种基于深度学习的个性化远程教育系统及方法
技术领域
本发明涉及远程教育技术领域，具体涉及一种基于深度学习的个性化远程教育系统及方法。
背景技术
随著互联网应用的发展，人们越来越多地把学习过程放到网络上来，而不再局限于传统的教室学习。网络学习特有的即时性和功能性使它成为许多远程学习者的首选。
远程教育的特点决定了学生以自学为主，学生和教师、同学相互分离，课堂的氛围缺失，教师无法实时了解到学生状态等多方面因素导致远程教育学习效果差、辍学率高。
另外，传统的远程教育以系统自身为中心，忽略受教育时象之间存在鲜明的个性特征差异，学生只能被动地接受完全相同的学习内容，而不能主动地根据自己的需要选择、调度、控制自己的学习过程，如此一来，丰富的教育资源未能得到充分利用，造成了交互性差、教学效果不明显等诸多问题。
虽然多种名校名师在线教学优质资源极大丰富，但大多数学生学习仍缺少归属感和成就感，自主学习能力不高。因此，如何促进学生自主学习，保证学习效果，构建有效的远程教育系统一直是远程教育院校不断研究探索的难题。
发明内容
为了克服现有技术存在的缺陷与不足，在传统远程教育的基础上，本发明提供一种基于深度学习的个性化远程教育系统及方法，实现对不同的用户端，不同的学习目的进行自适应的适配，达到智能教学的目的。
为了达到上述目的，本发明采用以下技术方案：
本发明提供一种基于深度学习的个性化远程教育系统，包括：教师端、远程教育端、学生端、个性化题库分析模块、学生专注度检测模块和学生信息库；
所述学生端通过网络学习平台连接远程教育端；
所述教师端用于教师直播或录播上课，所述学生端用于学生学习，所述远程教育端用于辅助教师教学，所述个性化题库分析模块用于根据学员的学习进度、学习错误题目和题库加载的高频错误点进行统计，针对每位同学推送对应题目，所述学生专注度检测模块用于将视觉图像送入深度学习框架进而分析学习者的专心程度。
作为优选的技术方案，所述教师端和学生端均采用电脑、手机或者平板中的任意一种。
本发明还提供一种基于深度学习的个性化远程教育系统的实现方法，包括下述步骤：
学生端进行人脸识别验证通过后，通过互联网登入远程教育端；
在进行远程教育的过程中，调用摄像头对学生的学习状态进行录像，并将信号分解为按时间排序的图像序列，传入学生专注度检测模块进行专注度检测；
将学生在上课学习过程中的随堂检测情况和专注度评级一起存入学生信息库，供教师端查看；
构建个性化题库分配模块，根据学员的学习进度和上次学习错误题目，以及题库加载的高频错误点进行统计，针对每位同学推送对应题目；
作为优选的技术方案，所述传入学生专注度检测模块进行专注度检测，具体步骤包括：
采用Adaboost算法通过迭代的方法挑选出合适的Haar特征，将这些弱分类器组合得到强分类器，训练而成的人脸分类器对输入的图片序列进行检测判断是否存在人脸，若有，则得到人脸区域；
对得到的人脸区域进行预处理；
从人脸表情图像中提取特征，采用深度学习网络对初级特征和Haar特征进行学习和训练，使用训练出的模型作为专注度分类器来进行学生学习过程中专注度识别；
预先设定专注度状态，如果检测为分心，则向学生端和教师端分别发送提醒消息。
作为优选的技术方案，所述对得到的人脸区域进行预处理，具体步骤包括Gamma变换和图像归一化。
作为优选的技术方案，所述专注度状态划分为兴奋、专注、平静和分心。
作为优选的技术方案，所述构建个性化题库分配模块，具体步骤包括：
将储存在学生信息库中的上一次考试成绩、难易等级、作业错题数量和随堂检测情况分别导入个性化题库分配模块；
基于深度学习神经网络模型事先训练好的网络权重、网络模型和分类文件直接进行比对，筛选出适合学生水平的相关题目，组合成作业和考试卷；
若反馈学生连续多次成绩不理想或高分，则调整难易等级。
作为优选的技术方案，所述深度学习神经网络模型包括基于感兴趣区域的RCNN模型、SPP-net模型、Fast RCNN模型或Faster RCNN模型。
本发明与现有技术相比，具有如下优点和有益效果：
(1)本发明针对学生在上课过程中专注度问题，构建了实时学生专注度检测模块，利用机器视觉将摄像头实时抓取的图像送入深度学习框架进而分析学习者的专心程度。
(2)本发明的基于深度学习的个性化远程教育系统在传统的高效远程教育管理系统基础上增加了个性化题库分析模块，能够根据学员的学习进度和上次学习错误题目，及题库加载的高频错误点进行统计，针对每位同学推送对应题目，使得这个远程教育系统更有针对性，实现对不同的用户端，不同的学习目的进行自适应的适配，达到智能教学的目的。
附图说明
图1为本实施例基于深度学习的个性化远程教育系统的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例
如图1所示，本实施例提供一种基于深度学习的个性化远程教育系统，包括用于教师直播或录播上课的教师端、用于辅助教师教学的远程教育端和用于学生学习的学生端，学生端通过网络学习平台连接远程教育端；
还设有个性化题库分析模块、学生专注度检测模块和学生信息库，个性化题库分析模块用于根据学员的学习进度和上次学习错误题目，以及题库加载的高频错误点进行统计，针对每位同学推送对应题目；学生专注度检测模块利用机器视觉将摄像头实时抓取的图像送入深度学习框架进而分析学习者的专心程度；
在本实施例中，教师端和学生端都可以通过平板电脑、电脑和手机来实现，并通过互联网接入远程教育端。
本实施例基于深度学习的个性化远程教育系统在传统的高效远程教育管理系统基础上增加了个性化题库分析模块，能够根据学员的学习进度和上次学习错误题目，以及题库加载的高频错误点进行统计，针对每位同学推送对应题目。针对学生在上课过程中专注度问题，构建了学生专注度检测模块，利用机器视觉将摄像头实时抓取的图像送入深度学习框架进而分析学习者的专心程度，对不同的用户端，不同的学习目的进行自适应的适配，达到智能教学的目的。
本实施例还提供一种基于深度学习的个性化远程教育系统的实现方法，包括下述步骤：
S1：学生端进行人脸识别验证通过后，通过互联网登入远程教育端；
S2：在进行远程教育的过程中，系统调用摄像头对学生的学习状态进行录像，并将信号分解为按时间排序的图像序列，传入学生专注度检测模块进行专注度检测；
S21：采用Adaboost算法通过迭代的方法挑选出合适的Haar特征，将这些弱分类器组合得到分类能力强的强分类器，训练而成的人脸分类器对输入的图片序列进行检测判断是否存在人脸，若有，则得到人脸区域；
S22：对得到的人脸区域进行预处理，包括Gamma变换，图像归一化等；
S23：从人脸表情图像中提取特征，用深度学习网络对初级特征和Haar特征进行学习和训练，使用训练出的模型作为专注度分类器来进行学生学习过程中专注度识别；
S24：预先设定4种专注度状态，兴奋、专注、平静和分心，如果检测为分心，则向学生端和教师端分别发送提醒消息，用于教师点名提醒并在学生信息库记录，为接下来的个性化题库分配系统提供信息；
S3：将学生在上课学习过程中的随堂检测情况和专注度评级一起存入学生信息库，供教师端查看；
S4：构建个性化题库分配模块，本实施例的全网题库是进行大数据统计其他学生学习过程中错误率高的题目，教师上传题库是教师在授课之后整理并上传的一些针对性强的题目，经过系统整合标签之后归纳成题库。
S41：将储存在学生信息库中的上一次考试成绩、难易等级、作业错题数量和随堂检测情况等分别导入个性化分析中心；
S42：深度学习神经网络模型有基于感兴趣区域的RCNN模型、SPP-net模型、FastRCNN模型、Faster RCNN模型等，本实施例利用Faster RCNN模型通过事先训练好的网络权重、网络模型和分类文件直接进行比对，快速筛选出适合学生水平的相关题目，组合成作业和考试卷；
S43：若反馈学生连续多次成绩不理想或高分，则调整难易等级，知道适应学生的真实水平。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (8)

1.一种基于深度学习的个性化远程教育系统，其特征在于，包括：教师端、远程教育端、学生端、个性化题库分析模块、学生专注度检测模块和学生信息库；
所述学生端通过网络学习平台连接远程教育端；
所述教师端用于教师直播或录播上课，所述学生端用于学生学习，所述远程教育端用于辅助教师教学，所述个性化题库分析模块用于根据学员的学习进度、学习错误题目和题库加载的高频错误点进行统计，针对每位同学推送对应题目，所述学生专注度检测模块用于将视觉图像送入深度学习框架进而分析学习者的专心程度。
2.根据权利要求1所述的基于深度学习的个性化远程教育系统，其特征在于，所述教师端和学生端均采用电脑、手机或者平板中的任意一种。
3.根据权利要求1或2所述的基于深度学习的个性化远程教育系统的实现方法，其特征在于，包括下述步骤：
学生端进行人脸识别验证通过后，通过互联网登入远程教育端；
在进行远程教育的过程中，调用摄像头对学生的学习状态进行录像，并将信号分解为按时间排序的图像序列，传入学生专注度检测模块进行专注度检测；
将学生在上课学习过程中的随堂检测情况和专注度评级一起存入学生信息库，供教师端查看；
构建个性化题库分配模块，根据学员的学习进度和上次学习错误题目，以及题库加载的高频错误点进行统计，针对每位同学推送对应题目。
4.根据权利要求3所述的基于深度学习的个性化远程教育系统的实现方法，其特征在于，所述传入学生专注度检测模块进行专注度检测，具体步骤包括：
采用Adaboost算法通过迭代的方法挑选出合适的Haar特征，将这些弱分类器组合得到强分类器，训练而成的人脸分类器对输入的图片序列进行检测判断是否存在人脸，若有，则得到人脸区域；
对得到的人脸区域进行预处理；
从人脸表情图像中提取特征，采用深度学习网络对初级特征和Haar特征进行学习和训练，使用训练出的模型作为专注度分类器来进行学生学习过程中专注度识别；
预先设定专注度状态，如果检测为分心，则向学生端和教师端分别发送提醒消息。
5.根据权利要求4所述的基于深度学习的个性化远程教育系统的实现方法，其特征在于，所述对得到的人脸区域进行预处理，具体步骤包括Gamma变换和图像归一化。
6.根据权利要求4所述的基于深度学习的个性化远程教育系统的实现方法，其特征在于，所述专注度状态划分为兴奋、专注、平静和分心。
7.根据权利要求3所述的基于深度学习的个性化远程教育系统的实现方法，其特征在于，所述构建个性化题库分配模块，具体步骤包括：
将储存在学生信息库中的上一次考试成绩、难易等级、作业错题数量和随堂检测情况分别导入个性化题库分配模块；
基于深度学习神经网络模型事先训练好的网络权重、网络模型和分类文件直接进行比对，筛选出适合学生水平的相关题目，组合成作业和考试卷；
若反馈学生连续多次成绩不理想或高分，则调整难易等级。
8.根据权利要求7所述的基于深度学习的个性化远程教育系统的实现方法，其特征在于，所述深度学习神经网络模型包括基于感兴趣区域的RCNN模型、SPP-net模型、Fast RCNN模型或Faster RCNN模型。
CN202010948014.1A 2020-09-10 2020-09-10 一种基于深度学习的个性化远程教育系统及方法 Pending CN112116841A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010948014.1A CN112116841A (zh) 2020-09-10 2020-09-10 一种基于深度学习的个性化远程教育系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010948014.1A CN112116841A (zh) 2020-09-10 2020-09-10 一种基于深度学习的个性化远程教育系统及方法

Publications (1)

Publication Number Publication Date
CN112116841A true CN112116841A (zh) 2020-12-22

Family

ID=73802013

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010948014.1A Pending CN112116841A (zh) 2020-09-10 2020-09-10 一种基于深度学习的个性化远程教育系统及方法

Country Status (1)

Country Link
CN (1) CN112116841A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112861650A (zh) * 2021-01-19 2021-05-28 北京百家科技集团有限公司 一种行为评价方法、装置及系统
CN113076831A (zh) * 2021-03-23 2021-07-06 上海燊睿信息科技有限公司 基于ai的教学提升的技术实现方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106920191A (zh) * 2016-11-08 2017-07-04 上海云丞聚智能科技有限公司 教学系统
CN107977708A (zh) * 2017-11-24 2018-05-01 重庆科技学院 面向个性化学习方案推荐的学生dna身份信息定义方法
CN108281052A (zh) * 2018-02-09 2018-07-13 郑州市第十中学 一种在线教学系统及在线教学方法
CN108615423A (zh) * 2018-06-21 2018-10-02 中山大学新华学院 一种基于深度学习的线上教育管理系统
CN109117731A (zh) * 2018-07-13 2019-01-01 华中师范大学 一种课堂教学认知负荷测量系统
CN109300349A (zh) * 2018-11-23 2019-02-01 齐珂 一种基于网络学习平台的高效远程教育管理系统
CN109522815A (zh) * 2018-10-26 2019-03-26 深圳博为教育科技有限公司 一种专注度评估方法、装置及电子设备
CN110287790A (zh) * 2019-05-23 2019-09-27 华中师范大学 一种面向静态多人场景的学习状态混合分析方法
CN110348444A (zh) * 2019-05-31 2019-10-18 浙江米猪控股有限公司 基于深度学习的错题收集方法、装置及设备

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106920191A (zh) * 2016-11-08 2017-07-04 上海云丞聚智能科技有限公司 教学系统
CN107977708A (zh) * 2017-11-24 2018-05-01 重庆科技学院 面向个性化学习方案推荐的学生dna身份信息定义方法
CN108281052A (zh) * 2018-02-09 2018-07-13 郑州市第十中学 一种在线教学系统及在线教学方法
CN108615423A (zh) * 2018-06-21 2018-10-02 中山大学新华学院 一种基于深度学习的线上教育管理系统
CN109117731A (zh) * 2018-07-13 2019-01-01 华中师范大学 一种课堂教学认知负荷测量系统
US20200098284A1 (en) * 2018-07-13 2020-03-26 Central China Normal University Classroom teaching cognitive load measurement system
CN109522815A (zh) * 2018-10-26 2019-03-26 深圳博为教育科技有限公司 一种专注度评估方法、装置及电子设备
CN109300349A (zh) * 2018-11-23 2019-02-01 齐珂 一种基于网络学习平台的高效远程教育管理系统
CN110287790A (zh) * 2019-05-23 2019-09-27 华中师范大学 一种面向静态多人场景的学习状态混合分析方法
CN110348444A (zh) * 2019-05-31 2019-10-18 浙江米猪控股有限公司 基于深度学习的错题收集方法、装置及设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
彭祝亮等: "基于BLSTM与方面注意力模块的情感分类方法", 《计算机工程》 *
祝智庭等: "智能教育:智慧教育的实践路径", 《开放教育研究》 *
赵磊磊等: "人工智能场域下智慧校园建设框架及路径", 《中国电化教育》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112861650A (zh) * 2021-01-19 2021-05-28 北京百家科技集团有限公司 一种行为评价方法、装置及系统
CN113076831A (zh) * 2021-03-23 2021-07-06 上海燊睿信息科技有限公司 基于ai的教学提升的技术实现方法

Similar Documents

Publication Publication Date Title
CN109727167B (zh) 一种教学辅助系统
US9666088B2 (en) Video-based teacher assistance
CN111796752B (zh) 一种基于pc的互动教学系统
CN109359215A (zh) 视频智能推送方法和系统
CN107633719A (zh) 基于多语种人机交互的拟人形象人工智能教学系统和方法
CN107203953A (zh) 一种基于互联网、表情识别和语音识别的教学系统及其实现方法
CN111275345B (zh) 一种基于深度学习的课堂信息化评价及管理的系统及方法
CN102945624A (zh) 基于云计算模型和表情信息反馈的智能化视频教学系统
CN115082269B (zh) 一种基于大数据的教学规划方法及系统
CN104299178A (zh) 一种基于面部识别的网络教学方法及系统
CN112862639B (zh) 一种基于大数据分析的在线教育平台的教育方法
CN111523444B (zh) 基于改进的Openpose模型和面部微表情的课堂行为检测的方法
Hieu et al. Identifying learners’ behavior from videos affects teaching methods of lecturers in Universities
El Mrabet et al. IoT-school attendance system using RFID technology
CN110364043A (zh) 一种纸云智能教育系统及使用方法
CN109685692A (zh) 一种多维度学生学习行为的无感采集及分析系统
CN112116841A (zh) 一种基于深度学习的个性化远程教育系统及方法
CN114422820A (zh) 一种教育互动直播系统及直播方法
CN114299617A (zh) 一种教学互动情况识别方法、装置、设备及存储介质
CN111178263B (zh) 一种实时表情分析方法及其装置
CN112837190B (zh) 一种基于在线互动培训课堂培训装置的培训方法
CN113762062A (zh) 专注度评估方法、装置、计算机设备和存储介质
Jiang Analysis of Students’ Role Perceptions and their Tendencies in Classroom Education Based on Visual Inspection
CN111950472A (zh) 教师磨课测评方法及系统
CN110992224A (zh) 一种能够提升兴趣程度的低龄化网络学习平台

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20201222

RJ01 Rejection of invention patent application after publication