CN112507679A - 一种自动生成课程表的方法、装置、电子设备及存储介质 - Google Patents

一种自动生成课程表的方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112507679A
CN112507679A CN202011476538.1A CN202011476538A CN112507679A CN 112507679 A CN112507679 A CN 112507679A CN 202011476538 A CN202011476538 A CN 202011476538A CN 112507679 A CN112507679 A CN 112507679A
Authority
CN
China
Prior art keywords
teaching
class
teacher
scene
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.)
Withdrawn
Application number
CN202011476538.1A
Other languages
English (en)
Inventor
孙超
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.)
Anhui Hongcheng Opto Electronics Co Ltd
Original Assignee
Anhui Hongcheng Opto Electronics Co Ltd
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 Anhui Hongcheng Opto Electronics Co Ltd filed Critical Anhui Hongcheng Opto Electronics Co Ltd
Priority to CN202011476538.1A priority Critical patent/CN112507679A/zh
Publication of CN112507679A publication Critical patent/CN112507679A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G06F40/183—Tabulation, i.e. one-dimensional positioning
    • 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
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • 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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Educational Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Primary Health Care (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Human Computer Interaction (AREA)
  • General Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本说明书提供一种自动生成课程表的方法、装置、电子设备及存储介质，能够高效准确生成课程表。所述方法包括：获取教学场景信息，包括教师授课场景数据与学生学习场景数据；根据学生学习场景数据识别班级内的学生行为模式；根据所述学生行为模式的时间分布规律生成当日的教学作息表；对所述教师授课场景数据进行划分，得到与课节一一对应的教师授课场景子数据；根据所述教师授课场景子数据，识别对应所述课节的授课科目；将所述授课科目与所述教学作息表中对应的所述课节相关联以生成当日的课程表。所述电子设备存储有可在处理器上运行以实现自动生成课程表方法的计算机程序，所述存储介质存储有使计算机执行自动生成课程表方法的计算机指令。

Description

一种自动生成课程表的方法、装置、电子设备及存储介质
技术领域
本说明书一个或多个实施例涉及场景智能识别技术领域，尤其涉及一种自动生成课程表的方法、装置、电子设备及存储介质。
背景技术
在教育教学工作中，为实现对学校的科学高效管理，需要全面了解学校教学工作所涉及的各方面信息，尤其是需要准确获取教学课程安排。目前大多数学校的教学管理系统都需要学校管理用户对课程表进行手动录入，然而课程表的制定和调整需要统筹兼顾学校中所有的年级、班级授课内容与实际教师情况，因此统计录入的操作以及涉及到的数据都非常复杂，统计全校所有班级的课程表耗时耗力；每个班级的课程表都存在差异，需要以班级为单位进行录入，录入操作繁琐易出错；每当课程表出现调整变化时，往往是相关联班级的多个班级课程表同时进行调整，此时依旧依赖人工更新，操作繁琐切极易出错。
发明内容
有鉴于此，本说明书一个或多个实施例的目的在于提出一种自动生成课程表的方法、装置、电子设备及存储介质，以解决现有生成课程表方法中操作繁琐、出错率高、执行效率低的问题。
基于上述目的，本说明书一个或多个实施例提供了一种自动生成课程表的方法，包括：
获取目标学校当日的教学场景信息，所述教学场景信息包括教师授课场景数据与学生学习场景数据；
根据所述学生学习场景数据，识别所述目标学校的至少一个班级内的学生行为模式；
根据所述学生行为模式的时间分布规律生成当日的教学作息表；
根据所述教学作息表对各所述班级对应的所述教师授课场景数据进行划分，得到与所述教学作息表中的课节一一对应的教师授课场景子数据；
根据所述教师授课场景子数据，识别与所述教师授课场景子数据对应的所述课节的授课科目；
将所述授课科目与所述教学作息表中对应的所述课节相关联以生成当日的课程表。
可选的，所述学生学习场景数据包括学生视频数据，所述根据所述学生学习场景数据，识别所述目标学校的至少一个班级内的学生行为模式，包括：
根据所述学生视频数据，对至少一个所述班级内学生的动作姿态进行识别，所述动作姿态包括端坐、站立与行走；
对采用不同所述动作姿态的学生人数进行统计；
当一个所述班级内采用站立或行走姿态的学生人数占比大于或等于预设的活跃人数比例阈值时判定该班级内的所述学生行为模式为课间休息模式；
当一个所述班级内采用站立或行走姿态的学生人数占比小于所述活跃人数比例阈值时，判定该班级内的所述学生行为模式为课上听讲模式。
可选的，所述目标学校包括多个所述班级，所述根据所述学生行为模式的时间分布规律生成当日的教学作息表，包括：
根据一个所述班级对应的所述课间休息模式与所述课上听讲模式的时间分布情况，确定所述目标学校的当日课节数以及该班级的每一课节的班级上课时间与班级下课时间；
计算多个所述班级对应次序的课节的班级上课时间的平均值和班级下课时间的平均值，得到该次序课的课节的统计上课时间与统计下课时间；
对各次序的所述课节的所述统计上课时间与所述统计下课时间分别进行约等，使约等结果的时间数值为最小单位时段数值的整数倍，得到统一上课时间与统一下课时间；
根据全部次序的上述课节的所述统一上课时间与统一下课时间确定所述教学作息表。
可选的，所述教师授课场景子数据包括教师音频数据，所述根据所述教师授课场景子数据，识别与所述教师授课场景子数据对应的所述课节的授课科目，包括：
根据所述教师音频数据，对所述课节内教师讲述语音进行识别，确定所述授课内容；
从所述授课内容中提取关键词，利用所述关键词与科目关键词库进行对比，确定所述课节相应的授课科目。
可选的，构成所述科目关键词库的科目关键词从相应科目的教课书中提取得到。
可选的，所述教师授课场景子数据包括教师视频数据，所述根据所述教师授课场景子数据，识别确定所述课节对应的授课科目包括：
从所述教师视频数据中截取教师头像数据；
从所述教师头像数据中提取特征值；
利用所述特征值与预先构建的特征值库进行对比，确定所述课节的授课教师身份；
根据预存的所述授课教师身份与授课科目间的对应关系，确定所述课节相应的授课科目。
可选的，所述特征值库的构建方法包括：
对教学工作所涉及的全部教师的身份信息进行录入，所述身份信息包括教师头像数据以及相应的授课科目；
对所述头像数据进行特征提取，获取教师头像特征值；
根据所述教师头像特征值与所述授课科目的对应关系构建所述特征值库。
基于上述目的，本说明书一个或多个实施例提供了一种自动生成课程表的装置包括：
场景信息采集模块，被配置为获取目标学校当日的教学场景信息，所述教学场景信息包括教师授课场景数据与学生学习场景数据；
行为模式识别模块，被配置为根据所述学生学习场景数据，识别所述目标学校的至少一个班级内的学生行为模式；
教学作息表模块，被配置为根据所述学生行为模式的时间分布规律生成当日的教学作息表；
授课场景划分模块，被配置为根据所述教学作息表对各所述班级对应的所述教师授课场景数据进行划分，得到与所述教学作息表中的课节一一对应的教师授课场景子数据；
授课科目识别模块，被配置为根据所述教师授课场景子数据，识别与所述教师授课场景子数据对应的所述课节的授课科目；
课程表生成模块，被配置为将所述授课科目与所述教学作息表中对应的所述课节相关联以生成当日的课程表。
基于上述目的，本说明书一个或多个实施例提供了一种自动生成课程表电子设备。
所述电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下的方法：
获取目标学校当日的教学场景信息，所述教学场景信息包括教师授课场景数据与学生学习场景数据；
根据所述学生学习场景数据，识别所述目标学校的至少一个班级内的学生行为模式；
根据所述学生行为模式的时间分布规律生成当日的教学作息表；
根据所述教学作息表对各所述班级对应的所述教师授课场景数据进行划分，得到与所述教学作息表中的课节一一对应的教师授课场景子数据；
根据所述教师授课场景子数据，识别与所述教师授课场景子数据对应的所述课节的授课科目；
将所述授课科目与所述教学作息表中对应的所述课节相关联以生成当日的课程表。
基于上述目的，本说明书一个或多个实施例提供了一种自动生成课程表的非暂态计算机可读存储介质，所述存储介质存储计算机指令，所述计算机指令用于使所述计算机执行以下方法：
获取目标学校当日的教学场景信息，所述教学场景信息包括教师授课场景数据与学生学习场景数据；
根据所述学生学习场景数据，识别所述目标学校的至少一个班级内的学生行为模式；
根据所述学生行为模式的时间分布规律生成当日的教学作息表；
根据所述教学作息表对各所述班级对应的所述教师授课场景数据进行划分，得到与所述教学作息表中的课节一一对应的教师授课场景子数据；
根据所述教师授课场景子数据，识别与所述教师授课场景子数据对应的所述课节的授课科目；
将所述授课科目与所述教学作息表中对应的所述课节相关联以生成当日的课程表。
从上面所述可以看出，本说明书一个或多个实施例提供的自动生成课程表的方法、装置、电子设备及存储介质，对获取到的教学场景信息进行有针对性的识别，从而精确快捷地确定教学作息表和每一课节的授课科目，以最终生成课程表。采用这样的方式，以实际教育教学过程中的教学场景为依据，利用人工智能识别技术进行分析识别，无需人工录入就能快捷准确高效地确定课程表，并且面对实际教学过程中由于各种特殊状况对课程表进行调整改变的情况时，能够及时地对课程表做出相对应的准确调整而不会出现错误。在教育教学工作中，利用本说明书提供的自动生成课程表的方法、装置、电子设备及存储介质进行课程表录入，更有助于实现对学校的科学高效管理，利于促进互联网+教育发展。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术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说明书一个或多个实施例，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为本说明书一个或多个实施例提供的自动生成课程表的方法示意图；
图2为本说明书一个或多个实施例提供的自动生成课程表的方法中识别行为模式方法示意图；
图3为本说明书一个或多个实施例提供的自动生成课程表的方法中教学作息表生成方法示意图；
图4为本说明书一个或多个实施例提供的自动生成课程表的装置示意图；
图5为本说明书一个或多个实施例提供的自动生成课程表电子设备结构示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。
需要说明的是，除非另外定义，本说明书一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本说明书一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
在教育教学工作中，为实现对学校的科学高效管理，需要全面了解学校教学工作所涉及的各方面信息，尤其是需要准确获取教学课程安排。目前大多数学校的教学管理系统都需要学校管理用户对课程表进行手动录入，然而课程表的制定和调整需要统筹兼顾学校中所有的年级、班级授课内容与实际教师情况，因此统计录入的操作以及涉及到的数据都非常复杂，统计全校所有班级的课程表耗时耗力；每个班级的课程表都存在差异，需要以班级为单位进行录入，录入操作繁琐易出错；每当课程表出现调整变化时，往往是相关联班级的多个班级课程表同时进行调整，例如某授课老师的教学工作时间上会分布在不同课节，而在针对对象方面负责多个不同班级，甚至是不同年级，当因为班级特殊情况或该老师个人原因需要进行课节调整、调换时，同时需要同时兼顾该老师负责的其他课节时间、所有负责班级的课程安排等，因此非常容易出现课节冲突或漏课情的教学事故，而这种复杂情况的记录和更新依旧依赖人工，操作繁琐切极易出错。
针对于上述问题，本发明实施例提供了自动生成课程表的技术方案，通过获取教学场景信息，有针对性的对所述教学场景信息中的学生学习场景数据与教师授课场景数据进行识别，从而精确快捷地确定教学作息表和每一课节的授课科目，无需人工录入就能快捷准确高效地确定课程表，并且面对实际教学过程中由于各种特殊状况对课程表进行调整改变的情况时，能够及时地对课程表做出相对应的准确调整而不会出现错误。
在一方面，本说明书一个或多个实施例提供了一种自动生成课程表的方法。
如图1所示，本说明书一个或多个实施例提供的一种自动生成课程表的方法，包括：
S1：获取目标学校当日的教学场景信息，所述教学场景信息包括教师授课场景数据与学生学习场景数据；
所述教学场景信息是指学校中与教学工作相关的场景信息，可以是教学工作实施时间、地点、人物等信息，以及对教学授课内容进行记录的信息等。在所述自动生成课程表方法中，选取与教学工作关系最为紧密的两大主体对应的场景信息，即分别与授课者对应的所述教师授课场景数据以及与授课对象对应的学生学习场景数据，应当理解的是所述教师授课场景数据与所述学生学习场景数据涵盖了教学工作中最重要的信息部分，借此能够获取到授课时间与内容的关键信息；可以通过跟踪记录的方式获取所述教学场景信息，例如可以在教室内(或其他特殊授课场地中)相应地设置信息数据采集设备，例如摄像头、麦克风、红外检测传感器等，或者一种可选的实施方式为利用教育大屏设备中自带的音视频记录装置进行获取，在获取所述教学场景信息后利用教育大屏能够较为方便快捷地对相应数据进行划分、存储、传输等处理；
S2：根据所述学生学习场景数据，识别所述目标学校的至少一个班级内的学生行为模式；
所述学生学习场景数据指的是学生学习活动相关的场景数据，如班级内所有学生的视频数据、相对应的音频数据、学生针对教师授课内容的反映、学生回答老师提问数据等，可以根据这些场景数据判断识别出对应班级内学生所处的学习状态，例如基于现有的人工智能识别技术可以通过所述学生学习场景数据识别判断出班级内学生是在课间放松，还是在活跃认真地学习，或者是在严肃安静地自习等；
S3：根据所述学生行为模式的时间分布规律生成当日的教学作息表；
本领域人员应当理解的是不同作息时间段学生会处于不同的行为模式，在上课时间中学生应当处于认真学习的状态，课间时学生会处于放松活动的状态，因此在识别确定班级内所述学生行为模式之后，根据其时间上的分布规律能够反向推导生成教学作息表，即学生何时上课、何时课间休息、何时自行、何时放学等时间作息；
S4：根据所述教学作息表对各所述班级对应的所述教师授课场景数据进行划分，得到与所述教学作息表中的课节一一对应的教师授课场景子数据；
所述教师授课场景数据指的是与教师授课活动相关的场景数据，如教师授课视频数据、相对应的音频数据、教师授课时用到的课程课件材料数据等，将所述教师授课场景数据与课节对应划分为教师授课场景子数据，利用所述教师授课场景子数据能够获取到课节对应的授课科目相关信息；
S5：根据所述教师授课场景子数据，识别与所述教师授课场景子数据对应的所述课节的授课科目；
欲生成课程表，在确定教学作息表之外最关键点在于确定不同课节的授课科目，在所述自动生成课程表的方法中，对教师授课场景数据根据与授课课节一一对应的关系划分，得到教师授课场景子数据，可以对教师授课场景子数据进行识别确定对应授课科目，以便于根据授课课节与教师授课场景子数据的对应关系将授课科目与授课课节相关联；
S6：将所述授课科目与所述教学作息表中对应的所述课节相关联以生成当日的课程表。所述自动生成课程表的方法对获取到的教学场景信息进行有针对性的识别，从而精确快捷地确定教学作息表和每一课节的授课科目，将授课科目与教学作息表中对应的课节相关联以最终生成课程表。
采用这样的方式，以实际教育教学过程中的教学场景为依据，利用人工智能识别技术进行分析识别，无需人工录入就能快捷准确高效地确定课程表，并且面对实际教学过程中由于各种特殊状况对课程表进行调整改变的情况时，能够及时地对课程表做出相对应的准确调整而不会出现错误。
如图2所示，在本说明书一个或多个实施例提供的一种自动生成课程表的方法中，所述根据所述学生学习场景数据，识别所述目标学校的至少一个班级内的学生行为模式，包括：
所述学生学习场景数据包括学生视频数据；
S201：根据所述学生视频数据，对至少一个所述班级内学生的动作姿态进行识别，所述动作姿态包括端坐、站立与行走；
可以利用人工智能图像识别技术对所述学生视频数据进行识别，识别确定班级内学生所采取的动作，例如在所述学生视频数据中识别出班级学生数量、学生个体的关键部位(头部、手臂、躯干等)所处的位置，进一步可以确定学生所采取的动作，例如手臂伸直且高于头部位置可以确定学生在举手，或者某学生手臂贴于躯干、躯干伸直且高于其他学生躯干位置可以确定学生在站立等；
S202：对采用不同所述动作姿态的学生人数进行统计；
应当理解的是，对于班级学生而言课间休息时和课上学习时学生的动作姿态肯定存在较大的区别，很显然的课间休息时学生活动会较为活跃，根据不同所述动作姿态的学生人数能够识别出班级学生整体的活动行为是处于课间休息还是处于课上学习；
S203：根据采用不同所述动作姿态的学生人数的统计结果，确定所述班级内的学生行为模式：
当采用站立或行走姿态的学生人数占比大于或等于预设的活跃人数比例阈值判定所述班级内的所述学生行为模式为课间休息模式；
当采用站立或行走姿态的学生人数占比小于所述活跃人数比例阈值判定所述班级内的所述学生行为模式为课上听讲模式。在教育教学工作中获取教学课程安排时，不单单需要关注授课科目，还需要明确的是相应的准确教学作息时间，而在所述教学场景数据中，学生学习场景是对教学作息时间的直观反映，班级内学生上课时的状态与下课休息时的状态是存在明显差异的，因此在所述自动生成课程表的方法中根据所述学生学习场景数据确定教学作息时间。一些可选的方式是根据学生动作姿态进行判断，在所述自动生成课程表的方法中，利用人工智能图像识别技术对学生视频数据进行分析识别确定采用不同所述动作姿态的学生人数并进行统计，之后根据统计结果能够准确判断出班级内学生所处的状态即所述学生行为模式。
在根据采用不同所述动作姿态的学生人数的统计结果，确定所述班级内的学生行为模式时，一个非常重要的判断标准就是班级内学生坐与立的占比，如果站立或走动情况密集度较大那么能够确定是在下课休息时间，如果大多数学生都端坐在座位上能够确定是在上课中。
其中所述活跃人数比例阈值可以根据实际教学经验进行设定并且能够进行动态调整，例如所述活跃人数比例阈值可以设置为三分之一，当采用站立或行走姿态的学生人数大于或等于班级总人数三分之一判定所述班级内的所述学生行为模式为课间休息模式；
当采用站立或行走姿态的学生人数小于班级总人数三分之一判定所述班级内的所述学生行为模式为课上听讲模式。
如图3所示，在本说明书一个或多个实施例提供的一种自动生成课程表的方法中，所述目标学校包括多个所述班级，所述根据所述学生行为模式的时间分布规律生成教学作息表，包括：
S301：根据一个所述班级对应的所述课间休息模式与所述课上听讲模式的时间分布情况，确定所述目标学校的当日课节数以及该班级每一课节的班级上课时间与班级下课时间；
所述班级上课时间是指该班级从课间休息模式转为课上听见模式的时刻，所述班级下课时间是指该班级从课上听讲模式转为课间休息模式的时刻；
S302：计算多个所述班级对应次序课节的班级上课时间的平均值和班级下课时间的平均值，得到该次序的课节的统计上课时间与统计下课时间；
在实际教育教学过程中，不同班级的学生行为模式在时间上的分布情况不完全相同，例如班级1的第一节课上课时间是08:03，而班级2的第一节课上课时间是08:01，班级3的第一节课上课时间是07:59；班级1的第一节课下课时间是08:41，而班级2的第一节课下课时间是08:40，班级3的第一节课下课时间是08:39……
那么根据不同学生行为模式的时间分布情况所确定的上下课时间就不能以偏概全，一种可选的方式就整体统计平均，将所有班级的情况都涵盖进去进行分析，以第一节课为例，计算多个班级的上课时间08:03、08:01、07:59……的平均值得到第一节课的统计上课时间，计算多个班级的下课时间08:41、08:40、08:39……的平均值得到第一节课的统计下课时间
S303：对各次序的所述课节的所述统计上课时间与所述统计下课时间分别进行约等，使约等结果的时间数值为最小作息单位时段的数值的整数倍，得到统一上课时间与统一下课时间；
应当理解的是，实际情况中学校的作息策略存在最小作息单位时段，一般学校作息策略中每节课的课上持续时间段以及课间休息的持续时间段的时间长度都是5分钟或10分种的整数倍，这里的5分钟或10分钟即所述最小作息单位时段，相应的上课时间和下课时间在数值上看也是5或10的整数倍，当然也可以根据学校的实际情况将所述最小作息单位时段设置为其他时间长度，比如也可以设置为4分钟、6分钟、9分钟……；
以所述最小作息单位时段是5分钟为例，在整体统计平均之后还对平均结果进行约等，使约等结果的时间数值为最小作息单位时段的数值5的整数倍，例如最后确定第一节课上课时间08:00下课时间08:40这样得到的上下课时间就是准确的作息时间；又例如最后确定第5节课上课时间为11:15下课时间12:00。
S304：根据全部次序的所述课节的所述统一上课时间与统一下课时间确定所述教学作息表。
在本说明书一个或多个实施例提供的一种自动生成课程表的方法中，所述根据所述教师授课场景子数据，识别确定所述课节相应的授课科目，包括：
所述教师授课场景子数据包括教师音频数据；
根据所述教师音频数据，对所述课节内教师讲述语音进行识别，确定所述授课内容；
可以利用人工智能语音识别技术对所述教师音频数据进行识别，确定所述教师音频数据中的音频信息，包括音色特征信息、声音频率信息、语音信息和场景噪声数据等，从所述教室内授课场景的教师音频数据中识别筛选出教师语音信息并进一步的识别出对应的文字授课内容；
从所述授课内容中提取关键词，利用所述关键词与科目关键词库进行对比，确定所述课节相应的授课科目。
在所述教学场景数据中，教师授课场景数据是授课科目的直观反映，不同科目教师的授课内容存在明显差异，各个科目授课内容都具有突出的科目特征，因此在所述自动生成课程表的方法中根据所述教学场景数据确定授课科目。一些可选的方式是根据教师授课的讲课语音内容进行判断，在所述自动生成课程表的方法中，利用人工智能语音识别技术对教师音频数据进行识别分析，再提取授课内容的关键词以关键词为依据确定所述课节相应的授课科目。
在本说明书一个或多个实施例提供的一种自动生成课程表的方法中，构成所述科目关键词库的科目关键词从相应科目的教课书中提取得到。
在实际教育教学过程中，各个科目授课内容都具有突出的科目特征，其中最明显的一方面就是不同科目具有不同的特殊教学用语和专业术语，例如语文：朗读、背诵、课文、诗人、作文、阅读、短文……；数学：长、宽、高、化简、约分、求解、公式……。而这些科目关键词可以从相应科目的教课书中提取。
在本说明书一个或多个实施例提供的一种自动生成课程表的方法中，所述根据所述教师授课场景子数据，识别确定所述课节对应的授课科目，包括：
所述教师授课场景子数据包括教师视频数据；
从所述教师视频数据中截取教师头像数据；
可以利用人工智能图像识别技术对所述教师视频数据进行处理，截取所述教师头像数据，在一些可选实施例中，通过对所述教师视频数据的画面进行划分标记，一般授课场景中教师头像会出现在所述教师视频数据画面中的特定几个位置，对画面进行划分标记后选取出特定几个位置的部分数据，从而截取教师头像数据，采用这样的方式只用对特定基本位置的部分画面进行处理，可以较少数据处理工作量，提高处理效率；或者采用人脸识别技术，直接从所述教师视频数据动态跟踪识别人脸，筛选出较为清晰的教师人脸数据作为所述教师头像数据；
从所述教师头像数据中提取特征值，利用所述特征值与预先构建的特征值库进行对比，确定所述课节的授课教师身份；
根据所述授课教师身份以及教师与授课科目间对应关系，确定所述课节相应的授课科目。
授课教师的身份与授课科目之间存在明确的对应关系，因此在所述自动生成课程表的方法中可以根据所述授课教师的身份确定所述授课科目。一些可选的方式是根据教师视频数据利用人工智能图像识别技术从中截取教师头像数据，并进一步的识别确定教师身份信息，从而根据授课教师的身份与授课科目之间的明确对应关系确定所述课节相应的授课科目。
在所述自动生成课程表的方法中，通过利用教师视频数据识别确认授课教师身份并进一步确定授课科目，这样的方式还能够有效解决实际教育教学过程中，可能存在无法根据教师音频数据确定关键词的情况或者获取到的关键词较少情况下无法准确确定授课科目的问题。
在本说明书一个或多个实施例提供的一种自动生成课程表的方法中，所述特征值库的构建方法包括：
对教学工作所涉及的全部教师的身份信息进行录入，所述身份信息包括教师头像数据以及相应的授课科目；
对所述头像数据进行特征提取，获取教师头像特征值；
根据所述教师头像特征值与所述授课科目的对应关系构建所述特征值库。
所述自动生成课程表的方法，通过预先录入教师身份信息构建所述特征值库，在录入教师身份信息的同时就确定了授课教师的身份与授课科目之间的明确对应关系，通过对所述头像数据进行特征提取，获取教师头像特征值，以便于与从所述教师头像数据中提取出的特征值进行对比确认，以确定所述课节授课教师的正确身份信息。
需要说明的是，本说明书一个或多个实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本说明书一个或多个实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
需要说明的是，上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
基于同一发明构思，与上述任意实施例方法相对应的，本说明书一个或多个实施例还提供了一种自动生成课程表的装置。
如图4所示，本说明书一个或多个实施例提供的一种自动生成课程表的装置，包括：
场景信息采集模块1，被配置为获取目标学校当日的教学场景信息，所述教学场景信息包括教师授课场景数据与学生学习场景数据；
行为模式识别模块2，被配置为根据所述学生学习场景数据，识别所述目标学校的至少一个班级内的学生行为模式；
教学作息表模块3，被配置为根据所述学生行为模式的时间分布规律生成当日的教学作息表；
授课场景划分模块4，被配置为根据所述教学作息表对各所述班级对应的所述教师授课场景数据进行划分，得到与所述教学作息表中的课节一一对应的教师授课场景子数据；
授课科目识别模块5，被配置为根据所述教师授课场景子数据，识别与所述教师授课场景子数据对应的所述课节的授课科目；
课程表生成模块6，被配置为将所述授课科目与所述教学作息表中对应的所述课节相关联以生成当日的课程表。
在本说明书一个或多个实施例提供的一种自动生成课程表的装置中，所述学生学习场景数据包括学生视频数据，所述行为模式识别模块2具体被配置为：
根据所述学生视频数据，对至少一个所述班级内学生的动作姿态进行识别，所述动作姿态包括端坐、站立与行走；
对采用不同所述动作姿态的学生人数进行统计；
当一个所述班级内采用站立或行走姿态的学生人数占比大于或等于预设的活跃人数比例阈值时，判定该班级内的所述学生行为模式为课间休息模式；
当一个所述班级内采用站立或行走姿态的学生人数占比小于所述活跃人数比例阈值时，判定该班级内的所述学生行为模式为课上听讲模式。
在本说明书一个或多个实施例提供的一种自动生成课程表的装置中，所述目标学校包括多个所述班级，所述教学作息表模块3具体被配置为：
根据一个所述班级对应的所述课间休息模式与所述课上听讲模式的时间分布情况，确定所述目标学校的当日课节数以及该班级的每一课节的班级上课时间与班级下课时间；
计算多个所述班级对应次序的课节的班级上课时间的平均值和班级下课时间的平均值，以得到该次序的课节的统计上课时间与统计下课时间；
对各次序的所述课节的所述统计上课时间与所述统计下课时间分别进行约等，使约等结果的时间数值为最小单位时段数值的整数倍，得到统一上课时间与统一下课时间；
根据全部次序的所述课节的所述统一上课时间与统一下课时间确定所述教学作息表。
在本说明书一个或多个实施例提供的一种自动生成课程表的装置中，所述教师授课场景子数据包括教师音频数据，所述授课科目识别模块5具体被配置为：
根据所述教师音频数据，对所述课节内教师讲述语音进行识别，确定所述授课内容；
从所述授课内容中提取关键词，利用所述关键词与科目关键词库进行对比，确定所述课节相应的授课科目。
在本说明书一个或多个实施例提供的一种自动生成课程表的装置中，构成所述科目关键词库的科目关键词从相应科目的教课书中提取得到。
在本说明书一个或多个实施例提供的一种自动生成课程表的装置中，所述教师授课场景子数据包括教师视频数据，所述授课科目识别模块5具体被配置为：
从所述教师视频数据中截取教师头像数据；
从所述教师头像数据中提取特征值；
利用所述特征值与预先构建的特征值库进行对比，确定所述课节的授课教师身份；
根据预存的所述授课教师身份与授课科目间的对应关系，确定所述课节相应的授课科目。
在本说明书一个或多个实施例提供的一种自动生成课程表的装置中，所述授课科目识别模块5包括特征值库子模块；
所述特征值库子模块被配置为：
对教学工作所涉及的全部教师的身份信息进行录入，所述身份信息包括教师头像数据以及相应的授课科目；
对所述头像数据进行特征提取，获取教师头像特征值；
根据所述教师头像特征值与所述授课科目的对应关系构建所述特征值库。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
上述实施例的装置用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
基于同一发明构思，与上述任意实施例方法相对应的，本说明书一个或多个实施例提供了一种自动生成课程表电子设备。
本说明书一个或多个实施例提供的一种自动生成课程表电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下的方法：
获取目标学校当日的教学场景信息，所述教学场景信息包括教师授课场景数据与学生学习场景数据；
根据所述学生学习场景数据，识别所述目标学校的至少一个班级内的学生行为模式；
根据所述学生行为模式的时间分布规律生成当日的教学作息表；
根据所述教学作息表对各所述班级对应的所述教师授课场景数据进行划分，得到与所述教学作息表中的课节一一对应的教师授课场景子数据；
根据所述教师授课场景子数据，识别与所述教师授课场景子数据对应的所述课节的授课科目；
将所述授课科目与所述教学作息表中对应的所述课节相关联以生成当日的课程表。
图5示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的所述自动生成课程表的方法。
存储器1020可以采用ROM(Read Only Memory，只读存储器)、RAM(Random AccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的所述自动生成课程表的方法时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
上述实施例的电子设备用于实现前述任一实施例中相应的所述自动生成课程表的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
基于同一发明构思，与上述任意实施例方法相对应的，本说明书一个或多个实施例还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上任一实施例所述的自动生成课程表的方法。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的自动生成课程表的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本说明书一个或多个实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
另外，为简化说明和讨论，并且为了不会使本说明书一个或多个实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本说明书一个或多个实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本说明书一个或多个实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本公开的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本说明书一个或多个实施例。因此，这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。
本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种自动生成课程表的方法，其特征在于，所述方法包括：
获取目标学校当日的教学场景信息，所述教学场景信息包括教师授课场景数据与学生学习场景数据；
根据所述学生学习场景数据，识别所述目标学校的至少一个班级内的学生行为模式；
根据所述学生行为模式的时间分布规律生成当日的教学作息表；
根据所述教学作息表对各所述班级对应的所述教师授课场景数据进行划分，得到与所述教学作息表中的课节一一对应的教师授课场景子数据；
根据所述教师授课场景子数据，识别与所述教师授课场景子数据对应的所述课节的授课科目；
将所述授课科目与所述教学作息表中对应的所述课节相关联以生成当日的课程表。
2.根据权利要求1所述的方法，其特征在于，所述学生学习场景数据包括学生视频数据，所述根据所述学生学习场景数据，识别所述目标学校的至少一个班级内的学生行为模式，包括：
根据所述学生视频数据，对至少一个所述班级内学生的动作姿态进行识别，所述动作姿态包括端坐、站立与行走；
对采用不同所述动作姿态的学生人数进行统计；
当一个所述班级内采用站立或行走姿态的学生人数占比大于或等于预设的活跃人数比例阈值时，判定该班级内的所述学生行为模式为课间休息模式；
当一个所述班级内采用站立或行走姿态的学生人数占比小于所述活跃人数比例阈值时，判定该班级内的所述学生行为模式为课上听讲模式。
3.根据权利要求2所述的方法，其特征在于，所述目标学校包括多个所述班级，所述根据所述学生行为模式的时间分布规律生成当日的教学作息表，包括：
根据一个所述班级对应的所述课间休息模式与所述课上听讲模式的时间分布情况，确定所述目标学校的当日课节数以及该班级的每一课节的班级上课时间与班级下课时间；
计算多个所述班级对应次序的课节的班级上课时间的平均值和班级下课时间的平均值，以得到该次序的课节的统计上课时间与统计下课时间；
对各次序的所述课节的所述统计上课时间与所述统计下课时间分别进行约等，使约等结果的时间数值为最小单位时段数值的整数倍，得到统一上课时间与统一下课时间；
根据全部次序的所述课节的所述统一上课时间与统一下课时间确定所述教学作息表。
4.根据权利要求1所述的方法，其特征在于，所述教师授课场景子数据包括教师音频数据，所述根据所述教师授课场景子数据，识别与所述教师授课场景子数据对应的所述课节的授课科目，包括：
根据所述教师音频数据，对所述课节内教师讲述语音进行识别，确定所述授课内容；
从所述授课内容中提取关键词，利用所述关键词与科目关键词库进行对比，确定所述课节相应的授课科目。
5.根据权利要求4所述的方法，其特征在于，构成所述科目关键词库的科目关键词从相应科目的教课书中提取得到。
6.根据权利要求1所述的方法，其特征在于，所述教师授课场景子数据包括教师视频数据，所述根据所述教师授课场景子数据，识别与所述教师授课场景子数据对应的所述课节的授课科目，包括：
从所述教师视频数据中截取教师头像数据；
从所述教师头像数据中提取特征值；
利用所述特征值与预先构建的特征值库进行对比，确定所述课节的授课教师身份；
根据预存的所述授课教师身份与授课科目间的对应关系，确定所述课节相应的授课科目。
7.根据权利要求6所述的方法，其特征在于，所述特征值库的构建方法包括：
对教学工作所涉及的全部教师的身份信息进行录入，所述身份信息包括教师头像数据以及相应的授课科目；
对所述头像数据进行特征提取，获取教师头像特征值；
根据所述教师头像特征值与所述授课科目的对应关系构建所述特征值库。
8.一种自动生成课程表的装置，其特征在于，包括：
场景信息采集模块，被配置为获取目标学校当日的教学场景信息，所述教学场景信息包括教师授课场景数据与学生学习场景数据；
行为模式识别模块，被配置为根据所述学生学习场景数据，识别所述目标学校的至少一个班级内的学生行为模式；
教学作息表模块，被配置为根据所述学生行为模式的时间分布规律生成当日的教学作息表；
授课场景划分模块，被配置为根据所述教学作息表对各所述班级对应的所述教师授课场景数据进行划分，得到与所述教学作息表中的课节一一对应的教师授课场景子数据；
授课科目识别模块，被配置为根据所述教师授课场景子数据，识别与所述教师授课场景子数据对应的所述课节的授课科目；
课程表生成模块，被配置为将所述授课科目与所述教学作息表中对应的所述课节相关联以生成当日的课程表。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任意一项所述的方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行权利要求1至7任一所述方法。
CN202011476538.1A 2020-12-14 2020-12-14 一种自动生成课程表的方法、装置、电子设备及存储介质 Withdrawn CN112507679A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011476538.1A CN112507679A (zh) 2020-12-14 2020-12-14 一种自动生成课程表的方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011476538.1A CN112507679A (zh) 2020-12-14 2020-12-14 一种自动生成课程表的方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN112507679A true CN112507679A (zh) 2021-03-16

Family

ID=74973515

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011476538.1A Withdrawn CN112507679A (zh) 2020-12-14 2020-12-14 一种自动生成课程表的方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112507679A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114297537A (zh) * 2021-11-11 2022-04-08 北京鸿合爱学教育科技有限公司 同步授课实现方法及相关设备
CN115081748A (zh) * 2022-07-28 2022-09-20 广州宏途数字科技有限公司 一种智能班级管理方法、装置、设备及存储介质
WO2023193525A1 (zh) * 2022-04-06 2023-10-12 杭州海康威视数字技术股份有限公司 课程信息识别

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114297537A (zh) * 2021-11-11 2022-04-08 北京鸿合爱学教育科技有限公司 同步授课实现方法及相关设备
WO2023193525A1 (zh) * 2022-04-06 2023-10-12 杭州海康威视数字技术股份有限公司 课程信息识别
CN115081748A (zh) * 2022-07-28 2022-09-20 广州宏途数字科技有限公司 一种智能班级管理方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
Mayer Using multimedia for e‐learning
Marzouki et al. Effects of social constructivist mobile learning environments on knowledge acquisition: A meta-analysis.
CN112507679A (zh) 一种自动生成课程表的方法、装置、电子设备及存储介质
CN105679122A (zh) 多功能大学英语教学管理系统
Natia et al. Promoting teaching and learning in Ghanaian Basic Schools through ICT
CN109637233B (zh) 一种智能教学的方法及系统
Chandler To what extent are teachers well prepared to teach multimodal authoring?
CN106898176A (zh) 基于点读笔的学情分析方法、学情分析服务器及点读系统
Ware Wearable technologies and journalism ethics: students' perceptions of google glass
Molenaar et al. Effects of sequences of cognitions on group performance over time
Matome et al. Student perceptions of virtual reality in higher education
CN102467835A (zh) 学习终端检选数字内容的系统及方法
CN113257060A (zh) 一种答疑解决方法、装置、设备和存储介质
Ochoa Multimodal systems for automated oral presentation feedback: A comparative analysis
KR20220128259A (ko) 사용자의 문제풀이 능력에 매칭되는 아바타를 활용하는 전자 장치, 및 학습 관리 방법
KR20160095543A (ko) 학습활동 분석 방법 및 시스템
Lui et al. A novel mobile application for training oral presentation delivery skills
CN111583739A (zh) 一种基于vr的多媒体教学系统
CN115081965A (zh) 一种学情大数据分析系统及学情服务器
Arrifin et al. An investigation of student experience of STEM mobile learning in a local Malaysian university
Serutla et al. Online Assessments in a Changing Education Landscape
CN113570227A (zh) 一种在线教育质量评估方法、系统、终端及存储介质
KR20190012938A (ko) 인공지능 기반의 stem 인식 방법
Krašna et al. Video learning materials for better students’ performance
Humaera et al. Capturing Technological Pedagogical Content Knowledge (TPACK) Implementation in English Classroom: Necessity or Responsibility?

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20210316