CN112306832A - 用户状态响应方法、装置、电子设备及存储介质 - Google Patents
用户状态响应方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112306832A CN112306832A CN202011162852.2A CN202011162852A CN112306832A CN 112306832 A CN112306832 A CN 112306832A CN 202011162852 A CN202011162852 A CN 202011162852A CN 112306832 A CN112306832 A CN 112306832A
- Authority
- CN
- China
- Prior art keywords
- state
- user
- target user
- learning
- behavior data
- 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
Links
- 230000004044 response Effects 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000006399 behavior Effects 0.000 claims abstract description 238
- 230000033001 locomotion Effects 0.000 claims description 13
- 230000008921 facial expression Effects 0.000 claims description 9
- 239000012141 concentrate Substances 0.000 claims description 7
- 230000003993 interaction Effects 0.000 abstract description 34
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 10
- 230000002452 interceptive effect Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000009471 action Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000004622 sleep time Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241001282135 Poromitra oscitans Species 0.000 description 1
- 206010048232 Yawning Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 210000003786 sclera Anatomy 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3438—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment monitoring of user actions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Human Computer Interaction (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本公开实施例公开了一种用户状态响应方法、装置、电子设备及存储介质,该方法包括:获取目标用户的当前行为数据、历史行为数据和当前学习数据;根据所述当前行为数据和所述当前学习数据,确定所述目标用户是否处于持续学习状态;若否,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户的用户身体状态,根据所述用户身体状态确定与所述目标用户对应的目标响应方式。本公开实施例的技术方案,解决了相关技术中信息交互误差率高、交互方式单一以及交互效率低下的技术问题,从而达到了提高信息交互效率,高度智能化,提升参与者的信息交互体验的技术效果。
Description
技术领域
本公开实施例涉及计算机技术领域,尤其涉及一种用户状态响应方法、装置、电子设备及存储介质。
背景技术
目前,电子技术飞速发展,电子设备越来越智能化。相关的信息交互技术虽然已经支持电子设备与用户进行交互,但是,仍然存在无法准确地响应用户需求,交互方式单一,交互效率低下等技术问题,影响用户的交互体验。
发明内容
本公开实施例提供了一种用户状态响应方法、装置、电子设备及存储介质。
第一方面,本公开实施例提供了一种用户状态响应方法,该方法包括:
获取目标用户的当前行为数据、历史行为数据和当前学习数据;
根据所述当前行为数据和所述当前学习数据,确定所述目标用户是否处于持续学习状态;
若否,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户的用户身体状态,其中,所述用户身体状态包括疲劳状态和/或注意力分散状态;
根据所述用户身体状态确定与所述目标用户对应的目标响应方式。
第二方面,本公开实施例还提供了一种用户状态响应装置,该装置包括:
数据获取模块,用于获取目标用户的当前行为数据、历史行为数据和当前学习数据;
学习状态确定模块,用于根据所述当前行为数据和所述当前学习数据,确定所述目标用户是否处于持续学习状态;
身体状态确定模块,用于若否,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户的用户身体状态,其中,所述用户身体状态包括疲劳状态和/或注意力分散状态;
响应确定模块,用于根据所述用户身体状态确定与所述目标用户对应的目标响应方式。
第三方面,本公开实施例还提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本公开实施例任一所述的用户状态响应方法。
第四方面,本公开实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本公开实施例任一所述的用户状态响应。
本公开实施例的技术方案,通过获取到的目标用户的当前行为数据和当前学习数据,确定目标用户是否处于持续学习状态,能够辅助监督用户学习,如果确定出目标用户未处于持续学习状态,进一步根据当前行为数据和历史行为数据,确定目标用户的用户身体状态,能够更全面地确定出用户状态,根据所述用户身体状态确定与所述目标用户对应的目标响应方式,以满足用户的个性化需求。本公开实施例的技术方案,解决了相关技术中信息交互误差率高、交互方式单一以及交互效率低下的技术问题,从而达到了提高信息交互效率,高度智能化,提升参与者的信息交互体验的技术效果。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1为本公开实施例一所提供的一种用户状态响应方法流程示意图;
图2为本公开实施例二所提供的一种用户状态响应方法的流程示意图;
图3为本公开实施例三所提供的一种用户状态响应方法的流程示意图;
图4为本公开实施例四所提供的一种用户状态响应方法的流程示意图;
图5本公开实施例五所提供的一种用户状态响应方法的优选实例的流程示意图;
图6为本公开实施例六提供的一种用户状态响应装置结构示意图;
图7为本公开实施例九所提供的一种电子设备结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
实施例一
图1为本公开实施例一所提供的一种用户状态响应方法流程示意图,本公开实施例尤其适用于多用户对同一共享文件进行演示操作的情形,该方法可以由用户状态响应装置来执行,该装置可以通过软件和/或硬件的形式实现,该装置可配置于服务器中与终端配合实现本公开中的用户状态响应方法。在这里,服务器可以是单个服务器,或者也可以是有多个通信连接的服务器构成的能够提供一种或多种功能的服务器集群。
如图1,本实施例的方法包括:
S110、获取目标用户的当前行为数据、历史行为数据和当前学习数据。
示例性地,所述当前行为数据可包括所述目标用户在当前时段内或当前时刻下的行为数据,其中,所述行为数据可包括所述目标用户的行为停顿时间、面部表情信息、手部动作信息、眼部动作信息以及身体姿态信息中的至少一种。其中,身体姿态信息可包括站姿信息和坐姿信息。所述眼部动作信息可包括眼部肌肉活动信息、眼睛开合信息、眼睛巩膜状态信息、眼泪状态信息和/或瞳孔状态信息等。类似的,所述历史行为数据可以理解为在预设的历史时段内或历史时刻下的行为数据。可以理解的是,历史时段或者历史时间点是相对于当前时段或当前时刻而言,一般是位于当前时段或当前时刻之前的时间。需要说明的是,在本公开实施例中,历史行为数据可以是设备所记录的该目标用户的行为数据。也可以是,采用同一设备的部分或者全部用户在学习场景下的行为数据;还可以是,不同设备的部分或者全部用户在学习场景下的行为数据,再洗并不做具体限定。
可选地,所述当前学习数据可包括学习工具、学习时间和学习内容。其中,所述学习工具可以包括书写用具(如,各种笔)、书本、电子设备等。所述学习时间可包括学习开始时间、学习持续时间、学习中断时间和/或学习中断次数等。所述学习内容可包括学习标记信息、学习文字信息和/或学习图画信息等。
在本公开实施例中,可采用至少一种数据采集装置来获取目标用户的当前行为数据和当前学习数据,其中,所述数据采集装置可包括拍摄装置、传感器、声音采集装置、触控输入装置、物理控件输入装置等。示例地,传感器可包括重力传感器、角度传感器和/或人体红外传感器等等。
S120、根据所述当前行为数据和所述当前学习数据,确定所述目标用户是否处于持续学习状态。
其中,持续学习状态可以理解为目标用户在学习过程中持续表现出学习行为的状态。需要说明的是,“持续”包括但不等同于时间上的连续。例如,如果根据所述当前行为数据和所述当前学习数据确定目标用户的学习行为数据,如果两次学习行为之间的时间间隔不超过预设的学习时间阈值,则可确定为所述目标用户处于持续学习状态。
可选地,根据所述目标用户的行为停顿时间、面部表情信息、手部动作信息、眼部动作信息和/或身体姿态信息中的至少一种,以及所述目标用户的当前学习数据,确定所述目标用户是否处于持续学习状态。
示例性地,确定所述当前行为数据是否为交互操作数据,若是,则根据所述交互操作数据和所述当前学习数据,确定所述目标用户是否处于持续学习状态。其中,交互操作信息可包括用户通过声音采集装置输入的声音指令,通过触控方式或操作物理控件等方式输入的操作指令,通过拍摄装置输入的手势控制指令等用于交互的操作信息。例如,获取到的目标用户的当前学习数据中的学习内容是数学应用题,获取到的目标用户的交互操作数据为用于指示播放音乐或者关闭灯光等操作,则可以确定所述目标用户未处于持续学习状态。
可以理解的是,用户行为信息存在较大的个体差异性,而且会发生多种各种各样的变化。在实际应用过程中,基于实际学习场景对目标用户的当前行为数据中的各项具体行为数据,可以通过上述一种或者几种信息来确定所述目标用户是否处于持续学习状态。示例性地,可根据所述目标用户的手部动作信息和学习内容计算所述目标用户的学习持续时长、学习中断次数以及学习专注时长等;进而,根据所述学习持续时长、学习中断次数以及学习专注时长,确定所述目标用户是否处于持续学习状态。
可选地,根据所述目标用户处于站立状态还是坐着状态;如果所述目标用户处于坐着状态可以进一步判断目标用户的坐姿,例如,用户是标准坐姿还是处于趴着或者侧身、背身等坐姿,根据坐姿来确定所述目标用户是否处于持续学习状态。类似地,也可以根据站姿来确定所述目标用户是否处于持续学习状态。可选地,根据所述目标用户面部表情来确定所述目标用户的情绪状态,根据所述情绪状态确定所述目标用户是否处于持续学习状态。当然也可以根据所述目标用户的眼部动作信息确定所述目标用户是否处于持续学习状态。
需要说明的是,可以根据所述目标用户的行为停顿时间、面部表情信息、手部动作信息、眼部动作信息和/或身体姿态信息中的一项信息,来确定所述目标用户是否处于持续学习状态;也可以根据所述目标用户的行为停顿时间、面部表情信息、手部动作信息、眼部动作信息和/或身体姿态信息中的两项及两项以上的信息组合,来确定所述目标用户是否处于持续学习状态。当采用两项或者两项以上的信息组合时,可以根据学习场景以及目标用户的属性信息,例如,目标用户的年龄、性别等为各项行为数据进行加权,进而采用加权后的各项行为数据综合确定所述目标用户是否处于持续学习状态。采用多维度的数据进行交叉判断,以更为准确地响应目标用户,提升用户的交互体验。
S130、若否,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户的用户身体状态。
其中,所述用户身体状态包括疲劳状态和/或注意力分散状态。所述用户身体状态还可以包括健康状态和/或睡眠状态等。
在本公开实施例中,当确定出所述目标用户未处于持续学习状态时,可以进一步对目标用户的用户身体状态进行确定,以更全面地响应用户需求。可选地,可以获取所述目标用户的历史行为数据,将所述目标用户的当前行为数据与所述历史行为数据进行比对,根据比对结果确定所述目标用户的用户身体状态。示例性地,可以对所述目标用户的历史行为数据进行分析,得到所述目标用户的行为规律和/或与用户身体状态对应的目标行为特征,进而根据所述当前行为数据,以及所述目标用户的所述行为规律和/或与用户身体状态对应的目标行为特征,确定所述目标用户的用户身体状态。
举例而言,通过对历史行为数据进行分析,确定该目标用户在学习两个小时左右会处于疲劳状态,则可以根据所述当前行为数据确定出所述目标用户的学习持续时间,进而根据所述学习持续时间是否达到两个小时来确定所述目标用户是否疲劳。如果所述学习持续时间达到两个小时,则可以确定所述目标用户处于疲劳状态,当然,也可以结合其他行为数据进一步判断所述目标用户是否处于疲劳状态。如果所述学习持续时间未达到两个小时,则可以结合其他行为数据进一步判断所述目标用户是否处于注意力分散状态。
其中,与用户身体状态对应的目标行为特征可以理解为该目标用户处于某种用户身体状态时所表现出来的特定行为特征。例如,目标用户处于疲劳状态时会在一段时间内多次出现揉眼睛的动作或者打哈欠的行为等。
需要说明的是,可表征用户身体状态的特征有很多种,能够确定出的用户身体状态也会有很多种。同一种特征与其他不同的特征相结合可能能够确定出不同的用户身体状态。同一种特征在判断不同的用户身体状态时所起的作用也不尽相同。因此,在根据所述当前行为数据和所述历史行为数据,确定所述目标用户的用户身体状态时,可以个性化设置所述当前行为数据和/或所述历史行为数据中各项具体行为数据相对于某种用户身体状态的参考优先级或权重,以准确地确定出目标用户的用户身体状态。
S140、根据所述用户身体状态确定与所述目标用户对应的目标响应方式。
目前,在注重教育的大环境下,各种各样的学习交互工具已被广泛应用。但是,相关学习交互工具往往只关注对用户输入的符合规定的控制指令的响应,而且大部分的交互往往以评判学习内容本身的学习结果作为智能交互导向,并不涉及如何主动为用户提供服务,以及如何更全面更智能地识别到用户需求,进而响应用户需求。尤其是在快节奏的生活工作中,用户可能并没有意识到自己的身体状态,本公开实施例的技术方案,能够在用户学习的过程中更为全面的关注用户信息,不仅关注用户的客观学习状态还重新考虑了用户的主观学习状态,增加对用户的身体状态的识别,并能产生与之对应的交互,能够满足用户的多角度交互需求,也能够辅助用户拥有更好的学习状态,极大地提升了用户体验。
在本公开实施例中,当确定出用户身体状态处于何种身体状态时,可以根据用户身体状态为目标用户推荐合适的响应方式,即确定与所述目标用户对应的目标响应方式。目标响应方式可以是生成提示信息和/或生成引导信息的等方式。例如,当目标用户处于疲劳状态时,可以生成并展示提示目标用户注意缓解疲劳的提示信息或引导信息。当用户处于注意力分散状态时,可以生成并展示提示目标用户集中注意力的提示信息或引导信息等。
本公开实施例的技术方案,通过获取到的目标用户的当前行为数据和当前学习数据,确定目标用户是否处于持续学习状态,能够辅助监督用户学习,如果确定出目标用户未处于持续学习状态,进一步根据当前行为数据和历史行为数据,确定目标用户的用户身体状态,能够更全面地确定出用户状态,根据所述用户身体状态确定与所述目标用户对应的目标响应方式,以满足用户的个性化需求。而且,能够通过当前行为数据、历史行为数据和当前学习数据对用户状态进行全面分析,准确判断用户状态,进而为用户提供适合的响应方式,解决了相关技术中信息交互误差率高、交互方式单一以及交互效率低下的技术问题,从而达到了高度智能化,提高信息交互效率,丰富交互方式,提升参与者的信息交互体验的技术效果。
实施例二
图2为本公开实施例二所提供的一种用户状态响应方法的流程示意图。本实施例与上述实施例中各个可选方案可以结合。在本实施例中,可选地,所述根据所述当前行为数据和所述历史行为数据,确定所述目标用户的用户身体状态,包括:根据所述当前行为数据和所述当前学习数据,确定所述目标用户处于持续学习状态的学习持续时长;若所述学习持续时长大于预设时长阈值,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户是否处于疲劳状态;若否,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户是否处于注意力分散状态。
在此基础上,可选地,所述根据所述当前行为数据和所述历史行为数据,确定所述目标用户的用户身体状态,包括:若所述学习持续时长小于或等于预设时长阈值,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户是否处于注意力分散状态;若否,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户是否处于疲劳状态。
如图2所示,本实施例的方法可包括:
S210、获取目标用户的当前行为数据、历史行为数据和当前学习数据。
S220、根据所述当前行为数据和所述当前学习数据,确定所述目标用户是否处于持续学习状态。
S230、若否,则根据所述当前行为数据和所述当前学习数据,确定所述目标用户处于持续学习状态的学习持续时长。
学习作为一种脑力劳动,往往也会耗费目标用户的一定的体力。能否持续学习和用户身体状态往往有很大的关联性。因此,将学习持续时长作为对用户身体状态的一种考量因素。当确定出目标用户未处于持续学习状态时,基于当前行为数据和当前学习数据确定目标用户处于持续学习状态的学习持续时长,以辅助判断目标用户究竟处于何种用户身体状态。
在本公开实施例中,学习持续时长可以理解为目标用户开始进入持续学习状态到该目标用户结束持续学习状态的总时间。可选地,可以确定与所述目标用户开始进入持续学习状态对应的开始学习行为,以及与所述目标用户结束持续学习状态对应的结束学习行为;基于所述结束学习行为对应的时间戳以及所述开始学习行为对应的时间戳确定学习持续时长。具体地,基于所述结束学习行为对应的时间戳以及所述开始学习行为对应的时间戳确定学习持续时长,可包括:基于所述开始学习行为对应的时间戳确定学习开始时间;基于所述结束学习行为对应的时间戳确定学习结束时间;将所述学习结束时间与所述学习开始时间之间的时间差作为学习持续时长。
S240、判断所述学习持续时长是否大于预设时长阈值,若是,执行S250;若否,则执行S270。
其中,预设时长阈值的具体数值可以根据实际情况进行设定,例如,可以通过对多个用户的历史学习数据或者该用户的历史学习数据进行分析得到,也可以是根据经验设置的经验数值等等,在此不做具体限定。示例性地,本公开实施例的预设时长阈值可以是根据历史学习数据和历史行为数据分析得到的目标用户的容易进入疲劳状态的时间。
当学习持续时长大于预设时长阈值,优先考虑目标用户是否疲劳;进而考虑目标用户是否注意力分散;当学习持续时长不大于预设时长阈值时,优先考虑目标用户是否注意力分散,再目标用户是否疲劳。已根据用户的学习持续时长来提高准确判断出用户身体状态的效率。
S250、根据所述当前行为数据和所述历史行为数据,确定所述目标用户是否处于疲劳状态,执行S260。
示例性地,可以根据所述历史行为数据确定出所述目标用户的历史疲劳时间和/或与所述疲劳状态对应的历史疲劳特征,进而根据所述目标用户的所述当前行为数据确定所述目标用户的当前行为时间和/或当前行为特征;最后,根据所述历史疲劳时间与所述当前行为时间,和/或,所述历史疲劳特征与所述当前行为特征,确定所述目标用户是否处于疲劳状态。其中,历史疲劳时间可以是历史疲劳时间点也可以是发生疲劳的历史疲劳时间段。
举例而言,如果所述当前行为时间处于所述历史疲劳时间段内,或者,超过历史疲劳时间点,且所述当前行为特征与所述历史疲劳特征满足预设匹配条件,则确定所述目标用户处于疲劳状态。
S260、若否,根据所述当前行为数据和所述历史行为数据,确定所述目标用户是否处于注意力分散状态,执行S290。
当确定出用户并非处于疲劳状态时,可以进一步根据当前行为数据和历史行为数据,确定所述目标用户是否处于注意力分散状态。类似地,可以根据所述历史行为数据确定出所述目标用户的历史走神时间和/或与所述注意力分散状态对应的历史走神特征,进而根据所述目标用户的所述当前行为数据确定所述目标用户的当前行为时间和/或当前行为特征;最后,根据所述历史走神时间与所述当前行为时间,和/或,所述历史走神特征与所述当前行为特征,确定所述目标用户是否处于注意力不集中状态或者说处于走神状态。其中,历史疲走神时间可以是历史走神时间点也可以是发生疲劳的历史走神时间段。
举例而言,如果所述当前行为时间处于所述历史走神时间段内,或者,邻近历史走神时间点,且所述当前行为特征与所述历史走神特征满足预设匹配条件,则确定所述目标用户处于注意力分散状态。
S270、根据所述当前行为数据和所述历史行为数据,确定所述目标用户是否处于注意力分散状态,执行S280;
根据当前行为数据和历史行为数据,确定目标用户是否处于注意力分散状态的方式有多种,可以采用与S260相同或者不同的技术手段,只要能判断出目标用户是否处于注意力分散状态即可,具体实现手段,在此不再赘述。
S280、若否,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户是否处于疲劳状态,执行S290。
根据当前行为数据和历史行为数据,确定目标用户是否处于疲劳状态的方式有多种,可以采用与S260相同或者不同的技术手段,只要能判断出目标用户是否处于疲劳即可,具体实现手段,在此不再赘述。
S290、若是,则根据所述用户身体状态确定与所述目标用户对应的目标响应方式。
如果根据所述当前行为数据和所述历史行为数据,确定所述目标用户处于注意力分散状态,则确定与所述目标用户的注意力分散状态对应的目标响应方式。如果根据所述当前行为数据和所述历史行为数据,确定所述目标用户处于疲劳状态,则确定与所述目标用户的疲劳状态对应的目标响应方式。
另外,如果没有判定出用户身体状态为疲劳状态还是注意力分散状态,可以维持执行默认程序,不做出其他响应,也可以基于所述当前行为数据和所述历史行为数据确定所述目标用户是否处于其他类型的用户身体状态等,在此不做具体限定。
本公开实施例的技术方案,通过学习持续时长辅助判断用户身体状态,增加了对时间维度特征,在用户身体状态存在多种可能性的情况下,以达到更为快速地判断出用户身体状态信息,使得信息交互的过程更加顺畅,极大提升用户交互体验的技术效果。
需要说明的是,本实施例所示出的当学习持续时长大于预设时长阈值时,先判断目标用户是否处于疲劳状态,再判断目标用户是否处于注意力分散状态;当学习持续时长小于或等于预设时长阈值时,先判断目标用户是否处于注意力分散状态,再判断目标用户是否处于疲劳状态,仅仅是一种通过预设时长阈值对何种用户身体状态进行优先判断的示例性说明而并非限定。本公开实施例的预设时长阈值还可以是根据历史学习数据和历史行为数据分析得到的目标用户的容易进入注意力分散状态等其他用户身体状态的时间。进而,根据判断出的学习持续时长与预设时长阈值之间的关系,确定优先对目标用户的何种用户身体状态进行判断。
实施例三
图3为本公开实施例三所提供的一种用户状态响应方法的流程示意图。本实施例与上述实施例中各个可选方案可以结合。在本实施例中,可选地,所述根据所述用户身体状态确定与所述目标用户对应的目标响应方式,包括:若确定出所述用户身体状态为疲劳状态,则生成用于提示所述目标用户缓解疲劳的疲劳提示信息和/或缓解引导信息。
在公开实施例各技术方案的基础上,可选地,所述根据所述用户身体状态确定与所述目标用户对应的目标响应方式,包括:若确定出所述用户身体状态为注意力分散状态,则生成用于提示所述目标用户集中注意力的注意力提示信息和/或注意力引导信息。
如图3所示,本实施例的方法可包括:
S310、获取目标用户的当前行为数据、历史行为数据和当前学习数据。
S320、根据所述当前行为数据和所述当前学习数据,确定所述目标用户是否处于持续学习状态。
S330、若否,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户的用户身体状态,其中,所述用户身体状态包括疲劳状态和/或注意力分散状态。
S340、若确定出所述用户身体状态为疲劳状态,则生成用于提示所述目标用户缓解疲劳的疲劳提示信息和/或缓解引导信息。
其中,疲劳提示信息可以是用于提示所述目标用户注意当前身体状态处于疲劳状态的告知型提示信息。缓解引导信息可以是用于引导所述目标用户如何缓解疲劳的引导信息。例如,当通过用户身体姿态信息检测到用户处于睡眠状态时,可以确定为用户处于疲劳状态,此时,可以生成提醒用户上床睡觉的疲劳提示信息,或者,后台启动闹钟程序,记录目标用户的睡眠时间,当用户的睡眠时间达到预设睡眠时长时,提示所述目标用户恢复学习的提示信息。又例如,若确定出所述用户身体状态为疲劳状态,可以为所述目标用户提供缓解疲劳的方式以供目标用户选择,例如,可以提示用户听听音乐或者做眼保健操等。可选地,在生成用于提示所述目标用户缓解疲劳的疲劳提示信息和/或缓解引导信息之后,还可以通过启动相关缓解程序或语音播报预设的疲劳提示/缓解语句等方式进行展示疲劳提示信息和/或缓解引导信息。
当目标用户的身体状态处于疲劳状态时,可以响应于目标用户的疲劳状态,提示所述目标用户缓解疲劳。可选地,若确定出所述用户身体状态处于疲劳状态,则可以确定下所述用户的疲劳程度,进而所述用户的疲劳程度生成与所述疲劳程度对应的用于提示所述目标用户缓解疲劳的疲劳提示信息和/或缓解引导信息。
S350、若确定出所述用户身体状态为注意力分散状态,则生成用于提示所述目标用户集中注意力的注意力提示信息和/或注意力引导信息。
考虑到造成目标用户注意力分散的原因可能有多种。可选地,若确定出所述用户身体状态为注意力分散状态,则可根据所述当前行为数据确定与所述注意力分散状态的注意力分散行为,生成用于提示所述目标用户调整所述注意力分散行为的注意力提示信息和/或注意力引导信息。这样设置的好处在于,能够基于目标用户的注意力分散行为有针对性地对目标用户进行提示或引导,更好地辅助目标用户保持学习状态,提升学习效率。
示例性地,注意力提示信息可以是通过语音播报预设的注意力提示语句,如“小主人你是不是在开小差啦,快快学习吧”或者“请不要开小差哦”。注意力引导信息可以是为目标用户提供一些集中注意力的建议或者游戏等等。可选地,在生成用于提示所述目标用户集中注意力的注意力提示信息和/或注意力引导信息之后,还可以通过语音播报等方式进行展示注意力提示信息和/或注意力引导信息。
本公开实施例的技术方案,能够主动识别用户的身体状态,并针对目标用户处于疲劳状态和注意力分散状态等不同的用户身体状态时分别作出与用户身体状态相对应的响应,能够更加智能化地与目标用户进行交互,满足用户的个性化需求,更好地为用户服务,极大地提升了用户体验。
实施例四
图4为本公开实施例四所提供的一种用户状态响应方法的流程示意图。本实施例与上述实施例中各个可选方案可以结合。在本实施例中,可选地,所述用户状态响应方法还可以包括:若确定出所述目标用户处于持续学习状态,则根据所述目标用户的历史学习数据和所述当前学习数据,确定所述目标用户是否处于待辅助学习状态;若是,则确定与所述待辅助学习状态对应的目标响应方式。
如图4所示,本实施例的方法包括:
S410、获取目标用户的当前行为数据、历史行为数据和当前学习数据。
S420、根据所述当前行为数据和所述当前学习数据,确定所述目标用户是否处于持续学习状态。
S430、若否,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户的用户身体状态,其中,所述用户身体状态包括疲劳状态和/或注意力分散状态。
S440、根据所述用户身体状态确定与所述目标用户对应的目标响应方式。
S450、若确定出所述目标用户处于持续学习状态,则根据所述目标用户的历史学习数据和所述当前学习数据,确定所述目标用户是否处于待辅助学习状态。
当目标用户处于持续学习状态时,还可以通过该目标用户的历史学习数据和当前学习数据,对目标用户的学习过程进行监督,自动进行学习相关的判断,确定该目标用户是否遇到学习问题,是否需要辅助学习。能够实时了解目标用户的学习需求,更好地响应目标用户的学习需求。
可选地,根据所述目标用户的历史学习数据和所述当前学习数据,确定所述目标用户是否处于待辅助学习状态,包括:将所述当前学习数据中的学习内容以及学习时长,与所述历史学习数据中的同类型的学习内容以及学习时长进行比对,根据比对结果确定所述目标用户是否处于待辅助学习状态。其中,学习内容可以包括学习科目、具体知识点或者具体题型中的至少一种。相应地,同类型可以是相同的学习科目,相同的知识点或着相同题型等。
S460、若是,则确定与所述待辅助学习状态对应的目标响应方式。
示例性地,可确定与所述待辅助学习状态对应的学习问题,生成与所述学习问题对应的目标响应方式。其中,与所述学习问题对应的目标响应方式有多种。例如可以是标记所述学习问题,并将上传所述学习问题至服务器,或者将所述学习问题发送至目标终端,以供辅助该目标用户解决的用户进行查看、反馈等。
与所述学习问题对应的目标响应方式还可以是,查询与所述学习问题对应的教学内容,例如可以是与学习问题相关的知识点解析视频等,询问所述目标用户是否需要展示所述教学内容。进而,当接收到目标用户输入的用于展示所述教学内容的控制指令时,展示所述教学内容。
与所述学习问题对应的目标响应方式,还可以是,进一步通过与所述目标用户进行语音交互等方式进一步确定所述目标用户产生学习问题的原因,进而推荐相应的响应方式等等。
需要说明的是,只要能对目标用户的所述待辅助学习状态进行响应的作为和不作为的响应方式都在本公开实施例的保护范围内。其中,不作为的目标响应方式包括不主动产生对学习问题的辅助行为。例如,根据所述目标用户的历史学习数据和所述当前学习数据,确定出所述目标用户多次出现相同的学习问题,则可以不提供学习辅助行为,而是等待目标用户自行解决学习问题,以便更好地消化知识。
本公开实施例的技术方案,当确定出所述目标用户处于持续学习状态时,进一步通过历史学习数据和当前学习数据,确定目标用户是否处于待辅助学习状态,然后在目标用户需要学习辅助时,为用户提醒目标响应方式以辅助目标用户学习,能够智能提供学习帮助,有效提高目标用户的学习效率,提升用户的学习成果,优化用户体验。
实施例五
图5为本公开实施例五所提供的一种用户状态响应方法的优选实例的流程示意图。如图5所示,获取目标用户的当前行为数据和当前学习数据,示例性地,当前行为数据可包括面部表情信息、身体姿态信息、手部动作信息、停顿信息等,停顿信息可以是行为停顿信息。当前学习数据可包括当前学习内容,比如,学习所用的书籍中的具体文字信息、图画信息等。根据目标用户的当前行为数据和当前学习数据,确定目标用户是否处于持续学习状态。
如果确定目标用户处于持续学习状态,则若确定出所述目标用户处于持续学习状态,则根据所述目标用户的历史学习数据和所述当前学习数据,确定所述目标用户是否处于待辅助学习状态。例如,确定所述目标用户是否遇到学习问题等。进而,确定是否对目标用户进行干预,并选择适合的干预方式,即确定出与所述待辅助学习状态对应的目标响应方式。例如,目标响应方式可以是生成引导信息或者生成提醒信息等方式。
如果确定目标用户未处于持续学习状态,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户的用户身体状态,例如,可以先行判断目标用户是否处于注意力分散状态或者专注度低下的状态,如果是,可进一步确定是否需要对目标用户进行干预,如果是,则确定与所述目标用户对应的目标响应方式。如果确定出目标用户并非处于注意力分散状态,还可以进一步判断目标用户是否处于疲劳状态,若是,则确定与所述目标用户对应的目标响应方式。如果不是,可以继续维持当前交互状态,也可以再行判断是否属于其他的用户状态。需要说明的是,这里的用户身体状态可以根据实际需求进行设置,疲劳状态和注意力分散状态只是本公开实施例中的示例性说明,并非对用户身体状态的限定。
本公开实施例的技术方案,能够通过多维度特征综合,主动对目标用户的学习状态和身体状态进行自主判断,并对判断结果进行响应,多角度关注目标用户的学习过程,能够更好地提升学习效率,并满足目标用户的个性化需求,提升用户体验。
实施例六
图6为本公开实施例六所提供的一种用户状态响应装置结构示意图,如图6所示,所述装置包括:数据获取模块610、学习状态确定模块620、身体状态确定模块630和响应确定模块640。
其中,数据获取模块610,用于获取目标用户的当前行为数据、历史行为数据和当前学习数据;学习状态确定模块620,用于根据所述当前行为数据和所述当前学习数据,确定所述目标用户是否处于持续学习状态;身体状态确定模块630,用于若否,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户的用户身体状态,其中,所述用户身体状态包括疲劳状态和/或注意力分散状态;响应确定模块640,用于根据所述用户身体状态确定与所述目标用户对应的目标响应方式。
本公开实施例的技术方案,通过获取到的目标用户的当前行为数据和当前学习数据,确定目标用户是否处于持续学习状态,能够辅助监督用户学习,如果确定出目标用户未处于持续学习状态,进一步根据当前行为数据和历史行为数据,确定目标用户的用户身体状态,能够更全面地确定出用户状态,根据所述用户身体状态确定与所述目标用户对应的目标响应方式,以满足用户的个性化需求。本公开实施例的技术方案,解决了相关技术中信息交互误差率高、交互方式单一以及交互效率低下的技术问题,从而达到了提高信息交互效率,高度智能化,提升参与者的信息交互体验的技术效果。
在上述各技术方案的基础上,所述身体状态确定模块可用于:
根据所述当前行为数据和所述当前学习数据,确定所述目标用户处于持续学习状态的学习持续时长;
若所述学习持续时长大于预设时长阈值,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户是否处于疲劳状态;
若否,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户是否处于注意力分散状态。
在上述各技术方案的基础上,所述身体状态确定模块还可用于:
若所述学习持续时长小于或等于预设时长阈值,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户是否处于注意力分散状态;
若否,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户是否处于疲劳状态。
在上述各技术方案的基础上,所述响应确定模块可用于:
若确定出所述用户身体状态为疲劳状态,则生成用于提示所述目标用户缓解疲劳的疲劳提示信息和/或缓解引导信息。
在上述各技术方案的基础上,所述响应确定模块可用于:
若确定出所述用户身体状态为注意力分散状态,则生成用于提示所述目标用户集中注意力的注意力提示信息和/或注意力引导信息。
在上述各技术方案的基础上,所述响应确定模块可进一步用于:
根据所述当前行为数据确定与所述注意力分散状态的注意力分散行为,生成用于提示所述目标用户调整所述注意力分散行为的注意力提示信息和/或注意力引导信息。
在上述各技术方案的基础上,所述用户状态响应方法还可以包括:
若确定出所述目标用户处于持续学习状态,则根据所述目标用户的历史学习数据和所述当前学习数据,确定所述目标用户是否处于待辅助学习状态;
若是,则确定与所述待辅助学习状态对应的目标响应方式。
在上述各技术方案的基础上,所述当前行为数据包括所述目标用户的面部表情信息、手部动作信息、眼部动作信息以及身体姿态信息中的至少一种。
在上述各技术方案的基础上,所述当前学习数据包括学习工具、学习时间和学习内容。
本公开实施例所提供的用户状态响应装置可执行本公开任意实施例所提供的用户状态响应,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本公开实施例的保护范围。
实施例七
下面参考图7,其示出了适于用来实现本公开实施例的电子设备(例如终端设备或服务器)700的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示,电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置706加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常,以下装置可以连接至I/O接口705:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707;包括例如磁带、硬盘等的存储装置706;以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置709从网络上被下载和安装,或者从存储装置706被安装,或者从ROM702被安装。在该计算机程序被处理装置701执行时,执行本公开实施例的方法中限定的上述功能。
本公开实施例提供的电子设备与上述实施例提供的用户状态响应方法属于同一公开构思,未在本实施例中详尽描述的技术细节可参见上述实施例,并且本实施例与上述实施例具有相同的有益效果。
实施例八
本公开实施例提供了一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述实施例所提供的用户状态响应方法。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:
获取目标用户的当前行为数据、历史行为数据和当前学习数据;
根据所述当前行为数据和所述当前学习数据,确定所述目标用户是否处于持续学习状态;
若否,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户的用户身体状态,其中,所述用户身体状态包括疲劳状态和/或注意力分散状态;
根据所述用户身体状态确定与所述目标用户对应的目标响应方式。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元、模块的名称在某种情况下并不构成对该单元、模块本身的限定,例如,目标视频播放模块还可以被描述为“视频播放模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例,【示例一】提供了一种用户状态响应方法,该方法包括:
获取目标用户的当前行为数据、历史行为数据和当前学习数据;
根据所述当前行为数据和所述当前学习数据,确定所述目标用户是否处于持续学习状态;
若否,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户的用户身体状态,其中,所述用户身体状态包括疲劳状态和/或注意力分散状态;
根据所述用户身体状态确定与所述目标用户对应的目标响应方式。
根据本公开的一个或多个实施例,【示例二】提供了一种用户状态响应方法,还包括:
可选地,所述根据所述当前行为数据和所述历史行为数据,确定所述目标用户的用户身体状态,包括:
根据所述当前行为数据和所述当前学习数据,确定所述目标用户处于持续学习状态的学习持续时长;
若所述学习持续时长大于预设时长阈值,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户是否处于疲劳状态;
若否,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户是否处于注意力分散状态。
根据本公开的一个或多个实施例,【示例三】提供了一种用户状态响应方法,还包括:
可选地,所述根据所述当前行为数据和所述历史行为数据,确定所述目标用户的用户身体状态,包括:
若所述学习持续时长小于或等于预设时长阈值,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户是否处于注意力分散状态;
若否,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户是否处于疲劳状态。
可选地,根据本公开的一个或多个实施例,【示例四】提供了一种用户状态响应方法,还包括:
可选地,所述根据所述用户身体状态确定与所述目标用户对应的目标响应方式,包括:
若确定出所述用户身体状态为疲劳状态,则生成用于提示所述目标用户缓解疲劳的疲劳提示信息和/或缓解引导信息。
根据本公开的一个或多个实施例,【示例五】提供了一种用户状态响应方法,还包括:
可选地,所述根据所述用户身体状态确定与所述目标用户对应的目标响应方式,包括:
若确定出所述用户身体状态为注意力分散状态,则生成用于提示所述目标用户集中注意力的注意力提示信息和/或注意力引导信息。
根据本公开的一个或多个实施例,【示例六】提供了一种用户状态响应方法,还包括:
可选地,所述生成用于提示所述目标用户集中注意力的注意力提示信息,包括:
根据所述当前行为数据确定与所述注意力分散状态的注意力分散行为,生成用于提示所述目标用户调整所述注意力分散行为的注意力提示信息和/或注意力引导信息。
根据本公开的一个或多个实施例,【示例七】提供了一种用户状态响应方法,还包括:
若确定出所述目标用户处于持续学习状态,则根据所述目标用户的历史学习数据和所述当前学习数据,确定所述目标用户是否处于待辅助学习状态;
若是,则确定与所述待辅助学习状态对应的目标响应方式。
根据本公开的一个或多个实施例,【示例八】提供了一种用户状态响应方法,还包括:
可选地,所述当前行为数据包括所述目标用户的面部表情信息、手部动作信息、眼部动作信息以及身体姿态信息中的至少一种。
根据本公开的一个或多个实施例,【示例九】提供了一种用户状态响应方法,还包括:
可选地,所述当前学习数据包括学习工具、学习时间和学习内容。
根据本公开的一个或多个实施例,【示例十】提供了一种信息共享装置,该装置包括:
数据获取模块,用于获取目标用户的当前行为数据、历史行为数据和当前学习数据;
学习状态确定模块,用于根据所述当前行为数据和所述当前学习数据,确定所述目标用户是否处于持续学习状态;
身体状态确定模块,用于若否,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户的用户身体状态,其中,所述用户身体状态包括疲劳状态和/或注意力分散状态;
响应确定模块,用于根据所述用户身体状态确定与所述目标用户对应的目标响应方式。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (12)
1.一种用户状态响应方法,其特征在于,包括:
获取目标用户的当前行为数据、历史行为数据和当前学习数据;
根据所述当前行为数据和所述当前学习数据,确定所述目标用户是否处于持续学习状态;
若否,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户的用户身体状态,其中,所述用户身体状态包括疲劳状态和/或注意力分散状态;
根据所述用户身体状态确定与所述目标用户对应的目标响应方式。
2.根据权利要求1所述的方法,其特征在于,所述根据所述当前行为数据和所述历史行为数据,确定所述目标用户的用户身体状态,包括:
根据所述当前行为数据和所述当前学习数据,确定所述目标用户处于持续学习状态的学习持续时长;
若所述学习持续时长大于预设时长阈值,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户是否处于疲劳状态;
若否,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户是否处于注意力分散状态。
3.根据权利要求2所述的方法,其特征在于,所述根据所述当前行为数据和所述历史行为数据,确定所述目标用户的用户身体状态,包括:
若所述学习持续时长小于或等于预设时长阈值,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户是否处于注意力分散状态;
若否,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户是否处于疲劳状态。
4.根据权利要求1所述的方法,其特征在于,所述根据所述用户身体状态确定与所述目标用户对应的目标响应方式,包括:
若确定出所述用户身体状态为疲劳状态,则生成用于提示所述目标用户缓解疲劳的疲劳提示信息和/或缓解引导信息。
5.根据权利要求1所述的方法,其特征在于,所述根据所述用户身体状态确定与所述目标用户对应的目标响应方式,包括:
若确定出所述用户身体状态为注意力分散状态,则生成用于提示所述目标用户集中注意力的注意力提示信息和/或注意力引导信息。
6.根据权利要求5所述的方法,其特征在于,所述生成用于提示所述目标用户集中注意力的注意力提示信息,包括:
根据所述当前行为数据确定与所述注意力分散状态的注意力分散行为,生成用于提示所述目标用户调整所述注意力分散行为的注意力提示信息和/或注意力引导信息。
7.根据权利要求1所述的方法,其特征在于,还包括:
若确定出所述目标用户处于持续学习状态,则根据所述目标用户的历史学习数据和所述当前学习数据,确定所述目标用户是否处于待辅助学习状态;
若是,则确定与所述待辅助学习状态对应的目标响应方式。
8.根据权利要求1所述的方法,其特征在于,所述当前行为数据包括所述目标用户在当前时段内或当前时刻下的行为停顿时间、面部表情信息、手部动作信息、眼部动作信息以及身体姿态信息中的至少一种。
9.根据权利要求8所述的方法,其特征在于,所述当前学习数据包括学习工具、学习时间和学习内容。
10.一种用户状态响应装置,其特征在于,包括:
数据获取模块,用于获取目标用户的当前行为数据、历史行为数据和当前学习数据;
学习状态确定模块,用于根据所述当前行为数据和所述当前学习数据,确定所述目标用户是否处于持续学习状态;
身体状态确定模块,用于若否,则根据所述当前行为数据和所述历史行为数据,确定所述目标用户的用户身体状态,其中,所述用户身体状态包括疲劳状态和/或注意力分散状态;
响应确定模块,用于根据所述用户身体状态确定与所述目标用户对应的目标响应方式。
11.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-9中任一所述的用户状态响应方法。
12.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-9中任一所述的用户状态响应方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011162852.2A CN112306832A (zh) | 2020-10-27 | 2020-10-27 | 用户状态响应方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011162852.2A CN112306832A (zh) | 2020-10-27 | 2020-10-27 | 用户状态响应方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112306832A true CN112306832A (zh) | 2021-02-02 |
Family
ID=74330384
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011162852.2A Pending CN112306832A (zh) | 2020-10-27 | 2020-10-27 | 用户状态响应方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112306832A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115658255A (zh) * | 2022-09-22 | 2023-01-31 | 花瓣云科技有限公司 | 任务处理方法、电子设备以及可读存储介质 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013097311A (ja) * | 2011-11-04 | 2013-05-20 | Zenrin Datacom Co Ltd | 学習支援装置、学習支援方法および学習支援プログラム |
CN106205052A (zh) * | 2016-07-21 | 2016-12-07 | 上海仰笑信息科技有限公司 | 一种行车记录预警方法 |
US20170034726A1 (en) * | 2015-07-31 | 2017-02-02 | International Business Machines Corporation | Attention Management |
CN107369341A (zh) * | 2017-06-08 | 2017-11-21 | 深圳市科迈爱康科技有限公司 | 教育机器人 |
CN107392120A (zh) * | 2017-07-06 | 2017-11-24 | 电子科技大学 | 一种基于视线估计的注意力智能监督方法 |
CN107374652A (zh) * | 2017-07-20 | 2017-11-24 | 京东方科技集团股份有限公司 | 基于电子产品学习的质量监测方法、装置和系统 |
CN107480872A (zh) * | 2017-08-01 | 2017-12-15 | 深圳市鹰硕技术有限公司 | 一种基于数据交换网络的在线教学考评系统及方法 |
CN108961679A (zh) * | 2018-06-27 | 2018-12-07 | 广州视源电子科技股份有限公司 | 一种注意力提醒方法、装置及电子设备 |
CN109166365A (zh) * | 2018-09-21 | 2019-01-08 | 深圳市科迈爱康科技有限公司 | 多目机器人语言教学的方法及系统 |
CN109919079A (zh) * | 2019-03-05 | 2019-06-21 | 百度在线网络技术(北京)有限公司 | 用于检测学习状态的方法和装置 |
CN109977903A (zh) * | 2019-04-03 | 2019-07-05 | 珠海读书郎网络教育有限公司 | 一种智慧课堂学生管理的方法、装置及计算机存储介质 |
CN110333774A (zh) * | 2019-03-20 | 2019-10-15 | 中国科学院自动化研究所 | 一种基于多模态交互的远程用户注意力评估方法及系统 |
CN110334626A (zh) * | 2019-06-26 | 2019-10-15 | 北京科技大学 | 一种基于情感状态的在线学习系统 |
WO2019218427A1 (zh) * | 2018-05-17 | 2019-11-21 | 深圳市鹰硕技术有限公司 | 基于行为特征对比的关注度检测方法以及装置 |
US20210326585A1 (en) * | 2018-08-11 | 2021-10-21 | Kunshan Meizhuo Intelligent Technology Co., Ltd. | Smart desk having status monitoring function, monitoring system server, and monitoring method |
-
2020
- 2020-10-27 CN CN202011162852.2A patent/CN112306832A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013097311A (ja) * | 2011-11-04 | 2013-05-20 | Zenrin Datacom Co Ltd | 学習支援装置、学習支援方法および学習支援プログラム |
US20170034726A1 (en) * | 2015-07-31 | 2017-02-02 | International Business Machines Corporation | Attention Management |
CN106205052A (zh) * | 2016-07-21 | 2016-12-07 | 上海仰笑信息科技有限公司 | 一种行车记录预警方法 |
CN107369341A (zh) * | 2017-06-08 | 2017-11-21 | 深圳市科迈爱康科技有限公司 | 教育机器人 |
CN107392120A (zh) * | 2017-07-06 | 2017-11-24 | 电子科技大学 | 一种基于视线估计的注意力智能监督方法 |
CN107374652A (zh) * | 2017-07-20 | 2017-11-24 | 京东方科技集团股份有限公司 | 基于电子产品学习的质量监测方法、装置和系统 |
CN107480872A (zh) * | 2017-08-01 | 2017-12-15 | 深圳市鹰硕技术有限公司 | 一种基于数据交换网络的在线教学考评系统及方法 |
WO2019218427A1 (zh) * | 2018-05-17 | 2019-11-21 | 深圳市鹰硕技术有限公司 | 基于行为特征对比的关注度检测方法以及装置 |
CN108961679A (zh) * | 2018-06-27 | 2018-12-07 | 广州视源电子科技股份有限公司 | 一种注意力提醒方法、装置及电子设备 |
US20210326585A1 (en) * | 2018-08-11 | 2021-10-21 | Kunshan Meizhuo Intelligent Technology Co., Ltd. | Smart desk having status monitoring function, monitoring system server, and monitoring method |
CN109166365A (zh) * | 2018-09-21 | 2019-01-08 | 深圳市科迈爱康科技有限公司 | 多目机器人语言教学的方法及系统 |
CN109919079A (zh) * | 2019-03-05 | 2019-06-21 | 百度在线网络技术(北京)有限公司 | 用于检测学习状态的方法和装置 |
CN110333774A (zh) * | 2019-03-20 | 2019-10-15 | 中国科学院自动化研究所 | 一种基于多模态交互的远程用户注意力评估方法及系统 |
CN109977903A (zh) * | 2019-04-03 | 2019-07-05 | 珠海读书郎网络教育有限公司 | 一种智慧课堂学生管理的方法、装置及计算机存储介质 |
CN110334626A (zh) * | 2019-06-26 | 2019-10-15 | 北京科技大学 | 一种基于情感状态的在线学习系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115658255A (zh) * | 2022-09-22 | 2023-01-31 | 花瓣云科技有限公司 | 任务处理方法、电子设备以及可读存储介质 |
CN115658255B (zh) * | 2022-09-22 | 2023-06-27 | 花瓣云科技有限公司 | 任务处理方法、电子设备以及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10944708B2 (en) | Conversation agent | |
US11322143B2 (en) | Forming chatbot output based on user state | |
KR102331049B1 (ko) | 통신 개시를 위한 사용자 신호 레버리징 | |
CN105320726B (zh) | 降低对手动开始/结束点和触发短语的需求 | |
US20180314959A1 (en) | Cognitive music selection system and method | |
US20150162000A1 (en) | Context aware, proactive digital assistant | |
US20160203729A1 (en) | Dynamic interaction system and method | |
US20160063874A1 (en) | Emotionally intelligent systems | |
US20200342979A1 (en) | Distributed analysis for cognitive state metrics | |
CN111033494A (zh) | 用于多个搜索机器人和行为机器人的计算体系架构以及相关的设备和方法 | |
KR102585230B1 (ko) | 통화 요청에 대한 알림 메시지를 제공하는 디바이스 및 방법 | |
CN111201567A (zh) | 用于与数字媒体内容交互的口语、面部和姿势通信设备和计算体系架构 | |
Schneegass et al. | Designing task resumption cues for interruptions in mobile learning scenarios | |
CN112306832A (zh) | 用户状态响应方法、装置、电子设备及存储介质 | |
CN112306238A (zh) | 交互方式的确定方法、装置、电子设备及存储介质 | |
US20230011923A1 (en) | System for providing a virtual focus group facility | |
Dingler | Cognition-aware systems to support information intake and learning | |
US11675798B2 (en) | System and method for customized user content | |
US11991263B2 (en) | Notification delivery in a virtual space based on a user being in a flow state | |
CN117238451B (zh) | 训练方案确定方法、装置、电子设备和存储介质 | |
Niforatos | The role of context in human memory augmentation | |
Rangwalla | Networked Entities and Critical Design: Exploring the evolving near-future of networked objects | |
CN115686684A (zh) | 一种闹钟控制方法、装置、电子设备和存储介质 | |
Ahuja | The Power of Emotional Intelligence |
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 |