CN112419112B - 学业成长曲线生成方法、装置、电子设备和存储介质 - Google Patents
学业成长曲线生成方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112419112B CN112419112B CN202011384729.5A CN202011384729A CN112419112B CN 112419112 B CN112419112 B CN 112419112B CN 202011384729 A CN202011384729 A CN 202011384729A CN 112419112 B CN112419112 B CN 112419112B
- Authority
- CN
- China
- Prior art keywords
- score
- determining
- time node
- academic
- test
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000001514 detection method Methods 0.000 claims abstract description 27
- 238000012360 testing method Methods 0.000 claims description 75
- 230000019771 cognition Effects 0.000 claims description 15
- 210000004556 brain Anatomy 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 12
- 238000000513 principal component analysis Methods 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 6
- 230000033001 locomotion Effects 0.000 claims description 6
- 230000033764 rhythmic process Effects 0.000 claims description 6
- 230000001054 cortical effect Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 3
- 239000000758 substrate Substances 0.000 claims 1
- 230000003930 cognitive ability Effects 0.000 abstract description 18
- 230000000875 corresponding effect Effects 0.000 description 30
- 238000012216 screening Methods 0.000 description 16
- 230000009471 action Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000012093 association test Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003931 cognitive performance Effects 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 241000557626 Corvus corax Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009191 jumping Effects 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
- 230000036651 mood Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
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
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Technology (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Electrically Operated Instructional Devices (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本申请涉及计算机图形绘制技术领域,具体公开了一种舞蹈专业的学业成长曲线生成方法、装置、电子设备和存储介质,其中,学业成长曲线生成方法包括:根据检测期确定至少一个时间节点;针对至少一个时间节点中的每个时间节点,分别获取每个时间节点对应的第一成绩和第二成绩,并根据第一成绩和第二成绩确定每个时间节点对应的学业水平成绩,其中,第一成绩为反映用户舞蹈专业能力的成绩,第二成绩为反映用户对舞蹈的认知能力的成绩;根据至少一个时间节点所对应的至少一个学业水平成绩生成学业成长曲线,生成学业成长曲线用于分析用户在检测期内的学业状态,其中,至少一个时间节点与至少一个学业水平成绩一一对应。
Description
技术领域
本发明涉及计算机图形绘制技术领域,具体涉及一种舞蹈专业的学业成长曲线生成方法、装置、电子设备和存储介质。
背景技术
舞蹈不仅是肢体艺术,更是一种高级情感的体验和创造思维的养成。在舞蹈教育教学过程中,不仅包含审美能力、肢体表达能力的培养,更是一种对学生想象力、认知能力的思维提升。在检测舞蹈学业成绩和舞蹈素养时,应当综合考虑学生的知识技能水平、认知能力、想象力等综合能力的提升。其中,想象力在舞蹈教学过程中有着重要作用。在舞蹈表演过程中,学生如何把思想转化为舞蹈象征的动作符号,怎样创造和组合动作技巧,人物的形象创作、人物感情的表达、肢体动作以及舞台音乐配合等,都是发挥想象力的综合创造结果。没有了想象力,舞蹈作品将是没有灵魂的千篇一律。舞蹈表演中的想象力包括肢体运动想象和心理空间的想象。运动想象能力是掌握舞蹈动作的基础和必要条件,心理空间的想象则更多的要求舞者根据韵律,结合各种知识融会贯通,根据自己的想象力对舞蹈所表现的人物、事件、情绪进行联觉创作,是一种跳出舞台艺术局限的高级认知过程。
目前,对于学生学习舞蹈的学业成长还缺乏系统的检测方式。传统方法,仅仅是在一定的检测周期内,分别评价学生的舞蹈专业成绩和考试成绩,经过加权平均后得到学生的学业成长成绩。而这种只检测考试成绩来评价舞蹈的学业成长的方式比较单一,不能准确的反应学生的学业成长的真实情况。
发明内容
为了解决现有技术中存在的上述问题,本申请实施方式提供了一种舞蹈专业的学业成长曲线生成方法、装置、电子设备和存储介质,可以对用户的综合能力进行测试,从而准确的反应用户的学业成长的真实情况。
第一方面,本申请的实施方式提供了一种舞蹈专业的学业成长曲线生成方法,包括:
根据检测期确定至少一个时间节点;
针对至少一个时间节点中的每个时间节点,分别获取每个时间节点对应的第一成绩和第二成绩,并根据第一成绩和第二成绩确定每个时间节点对应的学业水平成绩,其中,第一成绩为反映用户舞蹈专业能力的成绩,第二成绩为反映用户对舞蹈的认知能力的成绩;
根据至少一个时间节点所对应的至少一个学业水平成绩生成学业成长曲线,生成学业成长曲线用于分析用户在检测期内的学业状态,其中,至少一个时间节点与至少一个学业水平成绩一一对应。
第二方面,本申请的实施方式提供了一种舞蹈专业的学业成长曲线生成装置,包括:
时间节点确定模块,用于根据检测期确定至少一个时间节点;
成绩确定模块,用于针对至少一个时间节点中的每个时间节点,分别获取每个时间节点对应的第一成绩和第二成绩,并根据第一成绩和第二成绩确定每个时间节点对应的学业水平成绩,其中,第一成绩为反映用户舞蹈专业能力的成绩,第二成绩为反映用户对舞蹈的认知能力的成绩;
分析模块,用于根据至少一个时间节点所对应的至少一个学业水平成绩生成学业成长曲线,生成学业成长曲线用于分析用户在检测期内的学业状态,其中,至少一个时间节点与至少一个学业水平成绩一一对应。
第三方面,本申请实施方式提供一种电子设备,包括:处理器,所述处理器与存储器相连,所述存储器用于存储计算机程序,所述处理器用于执行所述存储器中存储的计算机程序,以使得所述电子设备执行如第一方面所述的方法。
第四方面,本申请实施方式提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序使得计算机执行如第一方面所述的方法。
第五方面,本申请实施方式提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机可操作来使计算机执行如第一方面所述的方法。
实施本申请实施方式,具有如下有益效果:
可以看出,在本申请实施方式中,通过反映用户舞蹈专业能力的第一成绩和反映用户认知能力的第二成绩综合获取用户在不同时间节点下的学业水平成绩,继而生成学业成长曲线。从而在舞蹈专业成绩、考试成绩之外,补充了多种认知能力检测成绩,实现了对用户的综合能力的测试,可以更加准确的反应用户的学业成长的真实情况。此外,认知能力检测成绩的引入,可以较好地减弱不同文化背景、不同教育体系的被测试者的数据,继而降低评价过程对主观判断的依赖,使检测结果具有广泛的可比性。
附图说明
为了更清楚地说明本申请实施方式中的技术方案,下面将对实施方式描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施方式提供的一种舞蹈专业的学业成长曲线生成方法的流程示意图;
图2为本申请实施方式提供的一种远距离联想测验的流程示意图;
图3为本申请实施方式提供的一种瑞文标准推理测验的测验图的示例图;
图4为本申请实施方式提供的一种运动想象中的脑电的变化示意图;
图5为本申请实施方式提供的一种舞蹈专业的学业成长曲线生成装置的功能模块组成框图;
图6为本申请实施方式提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施方式中的附图,对本申请实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本申请一部分实施方式,而不是全部的实施方式。基于本申请中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本申请保护的范围。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施方式”意味着,结合实施方式描述的特定特征、结果或特性可以包含在本申请的至少一个实施方式中。在说明书中的各个位置出现该短语并不一定均是指相同的实施方式,也不是与其它实施方式互斥的独立的或备选的实施方式。本领域技术人员显式地和隐式地理解的是,本文所描述的实施方式可以与其它实施方式相结合。
参阅图1,图1为本申请实施方式提供的一种舞蹈专业的学业成长曲线生成方法的流程示意图。该舞蹈专业的学业成长曲线生成方法包括以下步骤:
101:根据检测期确定至少一个时间节点。
通常,检测一项能力的增长需要定义一个检测期,从而观察记录被检测者在这个时期内能力的变化。示例性的,在本实施方式中,可以设置一个学期为一个检测期,每个月为一个时间节点,从而检测用户在一个学期内的舞蹈能力变化。同时,本申请对检测期和时间节点的设置不进行限定。
102:针对至少一个时间节点中的每个时间节点,分别获取每个时间节点对应的第一成绩和第二成绩。
示例性的,第一成绩可以为反映用户舞蹈专业能力的成绩,例如:考试成绩和专业成绩等。考试成绩和专业成绩可以通过定期举行的考试获取。然后,将成绩和对应的考试时间保存在成绩数据库中,在需要的时候通过考试时间查询成绩数据库,从而获取考试成绩和专业成绩。本申请对考试成绩和专业成绩的获取方式不进行限定。
示例性的,对于专业成绩,可以通过获取用户在预设的舞蹈选段下,例如,芭蕾舞中的天鹅湖选段的表演视频,对该视频进行逐帧分析,得到该用户的各个子动作的图像。然后,将各个子动作的图像与标准动作对应的动作图像进行比对,得到相似度,将该相似度作为各个子动作的评分。最后,根据预设的权重系数,对每个子动作的评分进行加权,得到专业成绩。其中,预设的权重系数是根据每个子动作的重要性确定的,且权重系数越大,表示对应动作的重要性越高。由此,实现专业成绩的自动化获取,减少人力成本的同时,可以进一步的提升学业成绩的获取效率。
在可选的实施方式中,上述表演视频还可以是由多镜头摄录设备拍摄出的多角度视频,由此,可以获得该用户在多个角度下的各个子动作的图像。继而,可以通过该多个角度下的各个子动作的图像建立对应子动作的三维模型,通过将用户各个子动作的三维模型与对应的标准动作的三维模型进行比对,得到相似度,将该相似度作为各个子动作的评分。
此外,子动作的三维模型也可以通过用户穿戴动作捕捉设备进行表演获取,本申请对子动作的三维模型的获取方式不进行限定。
第二成绩可以为反映用户对舞蹈的认知能力的成绩。目前,可以反应人脑认知能力的指标有很多,但是,这些指标中有哪些指标对舞蹈有着重要影响确不得而知。因此,在本实施方式中,采用逐步回归算法对可以反应人脑认知能力的指标进行筛选。
示例性的,将候选指标记为{x1,x2,…,xn},分别建立每个候选指标与舞蹈专业能力y的一元回归方程。然后,分别确定每个一元回归方程中的回归系数的检验统计量,标记为f1i,i=1,2,3,…,n,并确定f1i的最大值,标记为f1。通过F检验临界值表,确定在预设的选助兴水平α下的临界值F1。若f1>F1,说明f1对应的指标对舞蹈专业能力y的影响显著,则该指标可以作为反映用户对舞蹈的认知能力的指标,进入第二步筛选。若f1<F1,说明所有指标对舞蹈专业能力y均没有显著的影响,则结束筛选。
对于第二步筛选,若上述筛选中,f1对应的指标为x1,且满足f1>F1,则分别建立指标组(x1,x2),(x1,x3),…,(x1,xn)与舞蹈专业能力y的二元回归方程。然后,分别确定每个二元回归方程中x2,x3,…,xn的回归系数的检验统计量,标记为f2i,i=2,3,…,n,并确定f2i的最大值,标记为f2。通过F检验临界值表,确定在预设的选助兴水平α下的临界值F2。若f2>F2,说明f2对应的指标对舞蹈专业能力y的影响显著,则该指标可以作为反映用户对舞蹈的认知能力的指标,进入第三步筛选。若f2<F2,说明所有指标对舞蹈专业能力y均没有显著的影响,则结束筛选。
同样的,对于第三步筛选,若上述第二步筛选中,f2对应的指标为x2,且满足f2>F2,则分别建立指标组(x1,x2,x3),(x1,x2,x4),…,(x1,x2,xn)与舞蹈专业能力y的三元回归方程。然后,分别确定每个三元回归方程中x3,x4,…,xn的回归系数的检验统计量,标记为f3i,i=3,4,…,n,并确定f3i的最大值,标记为f3。通过F检验临界值表,确定在预设的选助兴水平α下的临界值F3。若f3>F3,说明f2对应的指标对舞蹈专业能力y的影响显著,则该指标可以作为反映用户对舞蹈的认知能力的指标,进入第四步筛选。若f4<F4,说明所有指标对舞蹈专业能力y均没有显著的影响,则结束筛选。
由此循环,可以实现对所有指标的筛选,在可选的实施方式中,可以预先设定筛选个数,当筛选出对应个数的指标后即可结束筛选。由此,可以降低指标筛选的复杂度,提升指标筛选的效率,进而提升学业成绩的获取效率。
经过筛选,在本实施方式中,选取联想测验成绩、图形认知力测验成绩和运动想象力测验成绩,作为反映用户对舞蹈的认知能力的第二成绩。
以下,将说明本申请中,获取联想测验成绩、图形认知力测验成绩和运动想象力测验成绩等认知能力成绩的方式:
(1)联想测验成绩获取:
在本实施方式中,可以根据远距离联想测验(Remote Associates Test,RAT)确定联想测验成绩。远距离联想测验认为创造性思考是将亮相得来的元素重新整合的过程,新结合的元素相互之间联想的距离越远,这个思维的过程或问题的解决就更有创造力,而创造力越强的,其联想能力也更加广泛。
示例性的,图2为本申请实施方式提供的一种远距离联想测验的流程示意图,如图2所示,在本实施方式中,远距离联想测验会根据用户的年龄和受教育程度,选取不同难度的RAT数据库。然后,根据选取的数据库,远距离联想测验会在准备时间后,向用户展示若干组词语,每组词语由3个不相关的词语组成,并要求用户在规定的时间内输入与展示的3个词语都相关的第4个词语,以此评价用户的联想能力。
(2)图形认知力测验成绩获取:
在本实施方式中,可以根据瑞文标准推理测验(Raven's Standard ProgressiveMatrices,SPM)确定图形认知力测验成绩。
瑞文标准推理测验是一种纯粹的非文字智力测验,属于渐近性矩阵图,整个测验一共有60张图组成,如图3所示,图3为本申请实施方式提供的一种瑞文标准推理测验的测验图的示例图,这些图可以分为5个单元,其难度依次递增,每个单元在智慧活动的要求上各不相同,分别检测知觉辨别能力与图形想象力、图形组合与类比、图形推理、图形套合与系列关系、抽象推理等不同的认知能力。
总的来说,在瑞文标准推理测验中,矩阵的结构越来越复杂,从一个层次到多个层次的演变,要求的思维操作也是从直接观察到间接抽象推理的渐进过程。
(3)运动想象力测验成绩:
在本实施方式中,可以根据运动想象能力测验确定运动想象力测验成绩。具体而言,该运动想象能力测验可以包括:获取用户在运动想象能力测验时的脑电数据,提取脑电数据中与运动相关的特征信号,根据特征信号确定想象力测验成绩。
示例性的,可以首先向用户展示一个光标,要求用户根据提示想象将光标向左或向右移动,同时记录用户的脑电数据。如图4所示,图4为本申请实施方式提供的一种运动想象中的脑电的变化示意图。获取脑电数据后,可以先对脑电数据进行降噪滤波等预处理,再进行特征信号的提取,从而消除噪声的影响。特征信号可以包括运动相关的皮层电位和β节律等。最后,可以根据用户的左右半球的脑电数据特征信号的反应差异的大小,计算像素距离,并相应地改变光标在屏幕中的相对位置,作为实时反馈,以此评价用户的运动想象力。
103:根据第一成绩和第二成绩确定每个时间节点对应的学业水平成绩。
在本实施方式中,可以对第一成绩和第二成绩进行主成分分析,确定第一参数组,该第一参数组中的任意两个参数之间不具有相关性。然后,确定第一参数组所在的第一坐标系,以及第一参数组在第一坐标系下的第一向量。最后,根据第一向量确定学业水平成绩。
示例性的,可以通过确定零分数据在第一坐标系下的第二向量,和满分数据在第一坐标系下的第三向量。从而确定第一向量与第二向量之间的第一欧氏距离,以及第一向量与第三向量之间的第二欧氏距离。由此,根据第一欧式距离和第二欧氏距离的比例,即可确定最终的学业水平成绩。在可选的实施方式中,可以根据第一欧式距离和第二欧氏距离的比例获取相对欧氏距离,从而将该相对欧氏距离作为最终的学业水平成绩。
其中,零分数据为将第一成绩和第二成绩设置为0分后,投影到主成分分析所确定的坐标系中的数据。满分数据为将第一成绩和第二成绩设置为满分后,投影到主成分分析所确定的坐标系中的数据。
在本实施方式中,通过主成分分析,将影响用户学业成绩的不同数据进行降维处理,在保留了数据的完整性的同时,简化了后续的操作,可以降低运算复杂度,并降低主观打分对最终结果的影响,提升了最终结果的可比性。
104:根据至少一个时间节点所对应的至少一个学业水平成绩生成学业成长曲线。
在本实施方式中,生成的学业成长曲线可以用于分析用户在检测期内的学业状态,其中,至少一个时间节点与至少一个学业水平成绩一一对应。
综上所述,本发明所提供的舞蹈专业的学业成长曲线生成方法,通过反映用户舞蹈专业能力的第一成绩和反映用户认知能力的第二成绩综合获取用户在不同时间节点下的学业水平成绩,继而生成学业成长曲线。从而在舞蹈专业成绩、考试成绩之外,补充了多种认知能力检测成绩,实现了对用户的综合能力的测试,可以更加准确的反应用户的学业成长的真实情况。此外,认知能力检测成绩的引入,可以较好地减弱不同文化背景、不同教育体系的被测试者的数据,继而降低评价过程对主观判断的依赖,使检测结果具有广泛的可比性。
参阅图5,图5为本申请实施方式提供的一种舞蹈专业的学业成长曲线生成装置的功能模块组成框图。该舞蹈专业的学业成长曲线生成装置包括:
时间节点确定模块11,用于根据检测期确定至少一个时间节点;
成绩确定模块12,用于针对至少一个时间节点中的每个时间节点,分别获取每个时间节点对应的第一成绩和第二成绩,并根据第一成绩和第二成绩确定每个时间节点对应的学业水平成绩,其中,第一成绩为反映用户舞蹈专业能力的成绩,第二成绩为反映用户对舞蹈的认知能力的成绩;
分析模块13,用于根据至少一个时间节点所对应的至少一个学业水平成绩生成学业成长曲线,生成学业成长曲线用于分析用户在检测期内的学业状态,其中,至少一个时间节点与至少一个学业水平成绩一一对应。
在本发明的实施方式中,第一成绩包括:考试成绩和专业成绩;
第二成绩包括:联想测验成绩、图形认知力测验成绩和想象力测验成绩;
在获取每个时间节点对应的第一成绩和第二成绩方面,成绩确定模块12具体用于:
根据查询成绩数据库获取考试成绩和专业成绩;
根据远距离联想测验确定联想测验成绩;
根据瑞文测验确定图形认知力测验成绩;
根据运动想象能力测验确定想象力测验成绩。
在本发明的实施方式中,在根据运动想象能力测验确定想象力测验成绩方面,成绩确定模块12具体用于:
获取用户在运动想象能力测验时的脑电数据;
提取脑电数据中与运动相关的特征信号,其中,特征信号包括:运动相关的皮层电位和β节律;
根据特征信号确定想象力测验成绩。
在本发明的实施方式中,在根据第一成绩和第二成绩确定每个时间节点对应的学业水平成绩方面,成绩确定模块12具体用于:
对第一成绩和第二成绩进行主成分分析,确定第一参数组,其中,第一参数组中的任意两个参数之间不具有相关性;
确定第一参数组所在的第一坐标系,以及第一参数组在第一坐标系下的第一向量;
根据第一向量确定学业水平成绩。
在本发明的实施方式中,在根据第一向量确定学业水平成绩,成绩确定模块12具体用于:
确定零分数据在第一坐标系下的第二向量,并确定第一向量与第二向量之间的第一欧氏距离;
确定满分数据在第一坐标系下的第三向量,并确定第一向量与第三向量之间的第二欧氏距离;
根据第一欧式距离和第二欧氏距离确定学业水平成绩。
参阅图6,图6为本申请实施方式提供的一种电子设备的结构示意图。如图6所示,电子设备600包括收发器601、处理器602和存储器603。它们之间通过总线604连接。存储器603用于存储计算机程序和数据,并可以将存储器603存储的数据传输给处理器602。
处理器602用于读取存储器603中的计算机程序执行以下操作:
根据检测期确定至少一个时间节点;
针对所述至少一个时间节点中的每个时间节点,分别获取所述每个时间节点对应的第一成绩和第二成绩,并根据所述第一成绩和所述第二成绩确定所述每个时间节点对应的学业水平成绩,其中,所述第一成绩为反映用户舞蹈专业能力的成绩,所述第二成绩为反映所述用户对舞蹈的认知能力的成绩;
根据所述至少一个时间节点所对应的至少一个学业水平成绩生成学业成长曲线,所述生成学业成长曲线用于分析用户在所述检测期内的学业状态,其中,所述至少一个时间节点与所述至少一个学业水平成绩一一对应。
在本发明的实施方式中,所述第一成绩包括:考试成绩和专业成绩;
所述第二成绩包括:联想测验成绩、图形认知力测验成绩和想象力测验成绩;
在所述获取所述每个时间节点对应的第一成绩和第二成绩方面,处理器602,具体用于执行以下操作:
根据查询成绩数据库获取所述考试成绩和所述专业成绩;
根据远距离联想测验确定所述联想测验成绩;
根据瑞文标准推理测验确定所述图形认知力测验成绩;
根据运动想象能力测验确定所述想象力测验成绩。
在本发明的实施方式中,在所述根据运动想象能力测验确定所述想象力测验成绩方面,处理器602,具体用于执行以下操作:
获取所述用户在所述运动想象能力测验时的脑电数据;
提取所述脑电数据中与运动相关的特征信号,其中,所述特征信号包括:运动相关的皮层电位和β节律;
根据所述特征信号确定所述想象力测验成绩。
在本发明的实施方式中,在所述根据所述第一成绩和所述第二成绩确定所述每个时间节点对应的学业水平成绩方面,处理器602,具体用于执行以下操作:
对所述第一成绩和所述第二成绩进行主成分分析,确定第一参数组,其中,所述第一参数组中的任意两个参数之间不具有相关性;
确定所述第一参数组所在的第一坐标系,以及所述第一参数组在所述第一坐标系下的第一向量;
根据所述第一向量确定所述学业水平成绩。
在本发明的实施方式中,在所述根据所述第一向量确定所述学业水平成绩方面,处理器602,具体用于执行以下操作:
确定零分数据在所述第一坐标系下的第二向量,并确定所述第一向量与所述第二向量之间的第一欧氏距离;
确定满分数据在所述第一坐标系下的第三向量,并确定所述第一向量与所述第三向量之间的第二欧氏距离;
根据所述第一欧式距离和所述第二欧氏距离确定所述学业水平成绩。
应理解,本申请中舞蹈专业的学业成长曲线生成装置可以包括智能手机(如Android手机、iOS手机、Windows Phone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备MID(Mobile Internet Devices,简称:MID)或穿戴式设备等。上述舞蹈专业的学业成长曲线生成装置仅是举例,而非穷举,包含但不限于上述舞蹈专业的学业成长曲线生成装置。在实际应用中,上述舞蹈专业的学业成长曲线生成装置还可以包括:智能车载终端、计算机设备等等。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明可借助软件结合硬件平台的方式来实现。基于这样的理解,本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施方式或者实施方式的某些部分所述的方法。
因此,本申请实施方式还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行以实现如上述方法实施方式中记载的任何一种舞蹈专业的学业成长曲线生成方法的部分或全部步骤。例如,所述存储介质可以包括硬盘、软盘、光盘、磁带、磁盘、优盘、闪存等。
本申请实施方式还提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序可操作来使计算机执行如上述方法实施方式中记载的任何一种舞蹈专业的学业成长曲线生成方法的部分或全部步骤。
需要说明的是,对于前述的各方法实施方式,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施方式均属于可选实施方式,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施方式中,对各个实施方式的描述都各有侧重,某个实施方式中没有详述的部分,可以参见其他实施方式的相关描述。
在本申请所提供的几个实施方式中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本申请各个实施方式中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施方式的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施方式进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施方式的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (8)
1.一种舞蹈专业的学业成长曲线生成方法,其特征在于,所述方法包括:
根据检测期确定至少一个时间节点;
针对所述至少一个时间节点中的每个时间节点,分别获取所述每个时间节点对应的第一成绩和第二成绩,并对所述第一成绩和所述第二成绩进行主成分分析,确定第一参数组,其中,所述第一参数组中的任意两个参数之间不具有相关性,确定所述第一参数组所在的第一坐标系,以及所述第一参数组在所述第一坐标系下的第一向量,确定零分数据在所述第一坐标系下的第二向量,并确定所述第一向量与所述第二向量之间的第一欧氏距离,确定满分数据在所述第一坐标系下的第三向量,并确定所述第一向量与所述第三向量之间的第二欧氏距离,根据所述第一欧式距离和所述第二欧氏距离确定所述每个时间节点对应的学业水平成绩,其中,所述第一成绩为反映用户舞蹈专业能力的成绩,所述第二成绩为反映所述用户对舞蹈的认知能力的成绩;
根据所述至少一个时间节点所对应的至少一个学业水平成绩生成学业成长曲线,所述生成学业成长曲线用于分析用户在所述检测期内的学业状态,其中,所述至少一个时间节点与所述至少一个学业水平成绩一一对应。
2.根据权利要求1所述的方法,其特征在于,
所述第一成绩包括:考试成绩和专业成绩;
所述第二成绩包括:联想测验成绩、图形认知力测验成绩和运动想象力测验成绩;
所述获取所述每个时间节点对应的第一成绩和第二成绩,包括:
根据查询成绩数据库获取所述考试成绩和所述专业成绩;
根据远距离联想测验确定所述联想测验成绩;
根据瑞文标准推理测验确定所述图形认知力测验成绩;
根据运动想象能力测验确定所述运动想象力测验成绩。
3.根据权利要求2所述的方法,其特征在于,所述根据运动想象能力测验确定所述运动想象力测验成绩,包括:
获取所述用户在所述运动想象能力测验时的脑电数据;
提取所述脑电数据中与运动相关的特征信号,其中,所述特征信号包括:运动相关的皮层电位和β节律;
根据所述特征信号确定所述运动想象力测验成绩。
4.一种舞蹈专业的学业成长曲线生成装置,其特征在于,所述装置包括:
时间节点确定模块,用于根据检测期确定至少一个时间节点;
成绩确定模块,用于针对所述至少一个时间节点中的每个时间节点,分别获取所述每个时间节点对应的第一成绩和第二成绩,并对所述第一成绩和所述第二成绩进行主成分分析,确定第一参数组,其中,所述第一参数组中的任意两个参数之间不具有相关性,确定所述第一参数组所在的第一坐标系,以及所述第一参数组在所述第一坐标系下的第一向量,确定零分数据在所述第一坐标系下的第二向量,并确定所述第一向量与所述第二向量之间的第一欧氏距离,确定满分数据在所述第一坐标系下的第三向量,并确定所述第一向量与所述第三向量之间的第二欧氏距离,根据所述第一欧式距离和所述第二欧氏距离确定所述每个时间节点对应的学业水平成绩,其中,所述第一成绩为反映用户舞蹈专业能力的成绩,所述第二成绩为反映所述用户对舞蹈的认知能力的成绩;
分析模块,用于根据所述至少一个时间节点所对应的至少一个学业水平成绩生成学业成长曲线,所述生成学业成长曲线用于分析用户在所述检测期内的学业状态,其中,所述至少一个时间节点与所述至少一个学业水平成绩一一对应。
5.根据权利要求4所述的装置,其特征在于,
所述第一成绩包括:考试成绩和专业成绩;
所述第二成绩包括:联想测验成绩、图形认知力测验成绩和运动想象力测验成绩;
在所述获取所述每个时间节点对应的第一成绩和第二成绩方面,所述成绩确定模块具体用于:
根据查询成绩数据库获取所述考试成绩和所述专业成绩;
根据远距离联想测验确定所述联想测验成绩;
根据瑞文测验确定所述图形认知力测验成绩;
根据运动想象能力测验确定所述运动想象力测验成绩。
6.根据权利要求5所述的装置,其特征在于,在所述根据运动想象能力测验确定所述运动想象力测验成绩方面,所述成绩确定模块具体用于:
获取所述用户在所述运动想象能力测验时的脑电数据;
提取所述脑电数据中与运动相关的特征信号,其中,所述特征信号包括:运动相关的皮层电位和β节律;
根据所述特征信号确定所述运动想象力测验成绩。
7.一种电子设备,其特征在于,包括处理器、存储器、通信接口以及一个或多个程序,其中,所述一个或多个程序被存储在所述存储器中,并且被配置由所述处理器执行,所述一个或多个程序包括用于执行权利要求1-3任一项方法中的步骤的指令。
8.一种可读计算机存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行以实现如权利要求1-3任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011384729.5A CN112419112B (zh) | 2020-11-30 | 2020-11-30 | 学业成长曲线生成方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011384729.5A CN112419112B (zh) | 2020-11-30 | 2020-11-30 | 学业成长曲线生成方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112419112A CN112419112A (zh) | 2021-02-26 |
CN112419112B true CN112419112B (zh) | 2024-03-05 |
Family
ID=74829469
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011384729.5A Active CN112419112B (zh) | 2020-11-30 | 2020-11-30 | 学业成长曲线生成方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112419112B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7069258B1 (en) * | 2002-09-26 | 2006-06-27 | Bothwell Phillip D | Weather prediction method for forecasting selected events |
KR20070115403A (ko) * | 2006-06-02 | 2007-12-06 | 연세대학교 산학협력단 | 다초점 영상 시퀀스를 이용한 홍채인식 시스템 및 방법 |
CN106017879A (zh) * | 2016-05-18 | 2016-10-12 | 河北工业大学 | 基于振声信号特征融合的万能式断路器机械故障诊断方法 |
WO2017031630A1 (zh) * | 2015-08-21 | 2017-03-02 | 中国科学院自动化研究所 | 基于参数量化的深度卷积神经网络的加速与压缩方法 |
CN107014769A (zh) * | 2017-03-20 | 2017-08-04 | 南京林业大学 | 一种基于THz光谱分析的鲜肉K值快速无损检测模型 |
CN109529306A (zh) * | 2019-01-03 | 2019-03-29 | 北京卡路里信息技术有限公司 | 跳绳计数方法、装置、可穿戴设备及存储介质 |
CN110349063A (zh) * | 2019-07-16 | 2019-10-18 | 广州市教育研究院 | 一种学业成长曲线测试方法和系统 |
CN110598777A (zh) * | 2019-09-03 | 2019-12-20 | 中国科学院深圳先进技术研究院 | 一种基于端云协同的数据处理方法和系统 |
CN110704741A (zh) * | 2019-09-30 | 2020-01-17 | 杭州电子科技大学 | 基于时空点过程的兴趣点预测方法 |
KR102183140B1 (ko) * | 2020-05-20 | 2020-11-25 | 이창욱 | 빅데이터에 기반한 사용자의 재구독 가능성 계산 장치 및 방법 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170017760A1 (en) * | 2010-03-31 | 2017-01-19 | Fortel Analytics LLC | Healthcare claims fraud, waste and abuse detection system using non-parametric statistics and probability based scores |
US11056405B2 (en) * | 2018-09-14 | 2021-07-06 | Lam Research Corporation | Methods and systems for controlling wafer fabrication process |
-
2020
- 2020-11-30 CN CN202011384729.5A patent/CN112419112B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7069258B1 (en) * | 2002-09-26 | 2006-06-27 | Bothwell Phillip D | Weather prediction method for forecasting selected events |
KR20070115403A (ko) * | 2006-06-02 | 2007-12-06 | 연세대학교 산학협력단 | 다초점 영상 시퀀스를 이용한 홍채인식 시스템 및 방법 |
WO2017031630A1 (zh) * | 2015-08-21 | 2017-03-02 | 中国科学院自动化研究所 | 基于参数量化的深度卷积神经网络的加速与压缩方法 |
CN106017879A (zh) * | 2016-05-18 | 2016-10-12 | 河北工业大学 | 基于振声信号特征融合的万能式断路器机械故障诊断方法 |
CN107014769A (zh) * | 2017-03-20 | 2017-08-04 | 南京林业大学 | 一种基于THz光谱分析的鲜肉K值快速无损检测模型 |
CN109529306A (zh) * | 2019-01-03 | 2019-03-29 | 北京卡路里信息技术有限公司 | 跳绳计数方法、装置、可穿戴设备及存储介质 |
CN110349063A (zh) * | 2019-07-16 | 2019-10-18 | 广州市教育研究院 | 一种学业成长曲线测试方法和系统 |
CN110598777A (zh) * | 2019-09-03 | 2019-12-20 | 中国科学院深圳先进技术研究院 | 一种基于端云协同的数据处理方法和系统 |
CN110704741A (zh) * | 2019-09-30 | 2020-01-17 | 杭州电子科技大学 | 基于时空点过程的兴趣点预测方法 |
KR102183140B1 (ko) * | 2020-05-20 | 2020-11-25 | 이창욱 | 빅데이터에 기반한 사용자의 재구독 가능성 계산 장치 및 방법 |
Non-Patent Citations (4)
Title |
---|
基于Fisher判据时频分析的运动相关脑电特征选择及优化;裴晓梅;郑崇勋;;西安交通大学学报(08);全文 * |
基于Mu/Beta节律想象运动脑电信号特征的提取;黄思娟;吴效明;;中国组织工程研究与临床康复(43);第8061-8064页 * |
基于脑电技术的设计学研究进展:维度与方法;胡飞;李伟哲;;装饰(02);全文 * |
黄思娟 ; 吴效明 ; .基于Mu/Beta节律想象运动脑电信号特征的提取.中国组织工程研究与临床康复.2010,(43),第8061-8064页. * |
Also Published As
Publication number | Publication date |
---|---|
CN112419112A (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108665492B (zh) | 一种基于虚拟人的舞蹈教学数据处理方法及系统 | |
CN106407889A (zh) | 基于光流图深度学习模型在视频中人体交互动作识别方法 | |
US20210228141A1 (en) | Knowledge discovery based on brainwave response to external stimulation | |
Avola et al. | Deep temporal analysis for non-acted body affect recognition | |
Yu et al. | A hybrid user experience evaluation method for mobile games | |
CN114581823A (zh) | 基于时序特征的虚拟现实视频情感识别方法及系统 | |
CN111276159A (zh) | 一种婴儿发音分析方法及服务器 | |
CN111026267A (zh) | Vr脑电意念控制接口系统 | |
CN114203300A (zh) | 一种健康状态评估方法及系统、服务端、存储介质 | |
JP2021135995A (ja) | アバター表情生成システム及びアバター表情生成方法 | |
Sidhu et al. | Deep learning based emotion detection in an online class | |
Faisal et al. | Towards a reference model for sensor-supported learning systems | |
US11666267B2 (en) | Knowledge, interest and experience discovery by psychophysiologic response to external stimulation | |
CN112419112B (zh) | 学业成长曲线生成方法、装置、电子设备和存储介质 | |
CN115886833A (zh) | 心电信号分类方法及装置、计算机可读介质、电子设备 | |
Abdullah et al. | Recognition and Evaluation of Stability Movements in Gymnastics Based on Deep Learning | |
CN115205961A (zh) | 一种羽毛球动作识别方法、装置、电子设备及存储介质 | |
CN113611416A (zh) | 基于虚拟现实技术心理场景评估方法及系统 | |
Sharifara et al. | A robot-based cognitive assessment model based on visual working memory and attention level | |
CN111507555A (zh) | 人体状态检测方法、课堂教学质量的评价方法及相关装置 | |
Maddu et al. | Online learners’ engagement detection via facial emotion recognition in online learning context using hybrid classification model | |
CN113283402B (zh) | 一种差分式二维注视点检测方法及装置 | |
CN117636488B (zh) | 多模态融合的学习能力评估方法、装置及电子设备 | |
Mandıra et al. | Spatiotemporal and multimodal analysis of personality traits | |
CN113553816B (zh) | 一种基于智能模型小数据量样本自动优化量表的方法及装置 |
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 |