CN113748449A - 评估和培训系统 - Google Patents

Abstract

一种教育和/或培训系统，其包括用户接口，该用户接口被配置为(a)向用户呈现课程，以及(b)检测用户的第一用户特征；用户表现分析引擎，耦合到用户接口并被配置为从用户接口获得第一用户特征的指示；适配引擎，耦合到用户表现分析引擎并配置为从用户表现分析引擎接收输入；以及课程呈现引擎，耦合到适配引擎和用户接口，并被配置为从适配引擎接收输入、向用户表现分析引擎提供输入，以及向用户接口提供信息以使用户接口能够向用户呈现课程。

Description

评估和培训系统

相关申请的交叉引用

本申请要求享有于2019年3月27日提交的、题为“ASSESSMENT AND TRAININGSYSTEM(评估和培训系统)”的第62/824,686号美国临时申请的全部内容的优先权权益以用于所有目的，通过引用将该临时申请全部内容并入本申请。

背景技术

如今的教育和培训(在本文中通常称为教育)通常在教室上或通过互联网进行，无论是亲自还是以非同步方式(例如，经由录制)。在这两种情况下，参加者(例如，入学的学生、员工，或者管理人员)(在本文中通常称为学生)的人数通常远超过讲师的人数，因此限制了讲师评估每个学生的进步的能力。此外，课程项目(program)通常不会针对每个学生的学习风格进行个性化。另一个问题是一些课程项目(例如，MBA、大学等)的申请者人数超过了可填补的位置数量。结果是，只有少数学生可以接触到世界上最好的学术讲师。

此外，由于单一课程计划针对多个学生，因此教室中的以及线上教育中的课程倾向于为期望上一节课程的普通或典型的“一般”学生而设计的。如果对上课速度和/或内容的更改甚至是可能的，诸如在教室环境中，这些更改通常针对的是实际上课的普通学生。由于课程倾向于针对普通学生，因此课程计划对一些学生而言可能过于困难，这可能会导致沮丧和/或不参与。相比之下，课程计划对其他学生而言可能过于简单，这可能会导致无聊和/或不参与。此外，当相同课程被呈现给多个学生时，内容的呈现模式可能会引起一些学生的共鸣，但对其他学生则不会。例如，通过听材料学得最好的学生(听觉型学习者)可能在教室环境中表现优异，而通过写作学得最好的学生(动觉型学习者)可能表现欠佳。

教室环境也有额外的缺点。例如，在教室环境中，害羞或内向的学生可能会犹豫是否参与，这会对他们的教育质量和数量产生负面影响。基于教室的指导还需要学生现实中出席。企业管理人员和员工参加管理人员教育的时间和资源有限。高级MBA课程项目对参与者的可用性有限，而无法容纳每个想要参与的人。诸如最近的冠状病毒流行病等的大流行病也可能破坏教室教育的可用性，因为政府发布“就地避难”或类似命令，导致禁止学生和讲师现实出席在同一个房间。

线上教育可以解决基于教室的教育中的一些问题，但其自身也有弊端。优点之一在于学生和讲师不需要位于同处。由于线上班不需要学生聚集在一个地方，因此线上班比基于教室的上课更加方便和灵活。此外，学生可以能够按照自己的进度来完成课程计划。另一方面，线上教育课程计划通常也是考虑为普通学生而设计的。因此，与教室课程计划一样，线上课程计划也存在内容针对普通学生的缺点。教室课程计划可以随着讲师在宏观层面评估学生的进步而即时修改，例如，通过在面授期间观察面部表情和学生参与度，而与教室课程计划不同，线上课程计划倾向于固定在选定的级别并以特定的形式进行。如果以对学生并不有效的方式呈现材料(例如，学生通过与他人互动或通过听材料然后将其重复给讲师以进行立即确认而学得最好)，学生可能进步得更慢和/或可能学得不如教室环境好。此外，即使讲师可以在意识到学生的困境的情况下即时修改课程计划、呈现风格或上课的其他方面，但位于远程的讲师可能也无法检测到学生没有进步和/或缺乏学习，除非学生诉说或以其他方式通知讲师。

此外，虽然内向或害羞的学生可能对线上教育的公平性感到更加自在，但外向的学生可能会因为没有其他学生而较少参与，这可能会对他们的学习体验产生负面影响。此外，线上课程可能不包括基于教室的教育所提供的激励因素类型(例如，由于可能在教室上被点名、在预先指定的时间进行测验等而需要进行准备)，并且因此，学生可能比在教室环境中进步得更慢，或者在某些情况下根本没有完成课程。事实上，众所周知，许多开始线上课的人即使已经为这些课程付费，也从未完成过这些课。(例如参见，https://www.influencive.com/why-no-one-finishes-online-courses)。

现有的基于计算机的教育和培训课程项目的一个重要问题是它们通常支持一个“正确”的答案。反馈是静态的和硬编码的，其中可能包含一些视频和图形来增加视觉吸引力并说明概念。用户沿着单一的、预定义的路径浏览课程。几乎很少或根本没有商业模式支持，并且反馈通常是在特定答案是正确还是错误的级别上。因此，学生只知道他或她错了，但不一定知道为什么错或者将来如何不犯错。

然而，许多现实世界的活动并不适合正确/错误的决定。许多实用技能的熟练掌握依赖于持续的细微反馈(例如，关于下次如何做得更好的建议)，而这是典型的基于计算机的课程项目所无法提供的，因为这些课程项目不能提供对需要培训的情况的真实模拟。教室或传统线上教育通常不会让参与者沉浸在案例研究或课程中，并且因此不允许行为、认知、身体或触觉反馈来增强课程。当前的评分和评估标准对于沉浸式学习来说也已经过时。在候选人驱动的市场中，人才招聘和保留对企业而言是具有挑战性的问题。

只有通过实践活动才能掌握在工作场所中前行和进步所需的一些宝贵技能。仅举一个示例，很少有新律师能够进行有效的陈词。他们只有通过进行陈词(无论是在培训课中(这些机会可能很少和/或昂贵)，还是通过在执业法律过程中进行真正的证词)，才能熟练地进行陈词。当然，在现实世界情况中实践某些技能的一个缺点是失败可能会带来高昂的代价。

众所周知，一对一指导相对于一对多指导而言改善了学习成果。除其他好处外，一对一指导允许讲师在内容和呈现方面定制课程，以尝试基于特定学生的能力和学习风格来优化指导。一对一指导还使学生能够从讲师那里接收更多的时间和注意力。当犯错时只有讲师一人在其面前时，许多学生会减少对犯错的焦虑。其他学生在知道他们将与导师处于一对一环境时会更加勤奋且充分地进行准备，并且任何准备失败比在教室环境中更容易被发现。一对一指导对学生而言也是灵活且方便的。它并不完全依赖于问题的正确/错误答案来评估学生的进步。此外，学生可以与授课风格匹配该学生喜好的讲师配对，这可以节省学习新概念的时间和精力。

然而，一对一指导的一个显著缺点在于成本。大多数学生或他们的赞助者(例如，父母、公司等)无法支付讲师教育单个学生的费用。此外，可以一对一教授学生的讲师稀缺，而且大多数讲师无法教授学生可能感兴趣的所有学科(例如，生物学讲师不太可能也能教艺术历史，反之亦然)。

因此，一直需要提供一对一教育的益处(包括灵活性、个性化和有效性)的教育解决方案，并且没有一对一讲师与学生比例的要求。还需要支持培训技能的教育系统，这些技能不适合基于传统的正确/错误格式的问题答案来进行评估。

在人力资源的上下文中存在相关问题。例如，当一个空缺职位有大量申请者时，评估每个候选人是否具有适合该职位的适当技能和个性的过程可能既耗时又昂贵，通常需要多次面对面的会见。此外，该过程本质上是主观的，且可能会受到进行评估过程的一人或多人的已知或潜在偏见的影响。从求职者的角度来看，会见过程可能是令人生畏的，特别是对于内向和倾向于害羞的人而言，这可能会妨碍一些求职者申请到合适的工作。因此，一直需要解决这些和其他的问题。

发明内容

此发明内容代表本公开的非限制性实施例。

本文公开了评估和培训系统的实施例，该系统包括对各种活动的模拟。系统通过识别和学习用户的时间、动作、表达的偏好、典型行为等来改善个性化的学习体验，以适应用户的工作和学习方式，而不是强制用户去适应系统。新学习和保持(例如，记忆、记住和识别通过课程所教的内容和技能的能力)的效率通过在认知和身体两方面应用连续的模拟练习任务而得以改善。通过与来自其他学校、机构、公司、国家等的学生和/或同事进行多人课程参与，可以提高学习的乐趣。相反，通过观看他人在课程或案例研究模拟中的表现，学习可能是被动的。

在一些实施例中，系统包括用户接口；耦合到用户接口并被配置为从用户接口获得第一用户特征(characteristic)的指示的用户表现分析引擎；耦合到用户表现分析引擎并被配置为从用户表现分析引擎接收输入的适配(adaptation)引擎；以及耦合到适配引擎和用户接口的课程呈现引擎。在一些实施例中，用户接口被配置为(a)向用户呈现课程，以及(b)检测用户的第一用户特征。在一些实施例中，课程呈现引擎被配置为从适配引擎接收输入、向用户表现分析引擎提供输入，以及向用户接口提供信息以使得用户接口能够向用户呈现课程。

在一些实施例中，用户接口包括相机或麦克风。

在一些实施例中，第一特征是面部表情，并且其中用户表现分析引擎被配置为基于面部表情来确定用户的高兴、惊讶、悲伤、厌恶、愤怒、沮丧或恐惧中的至少一项的水平。在一些这样的实施例中，用户表现分析引擎还被配置为至少部分地基于用户的高兴、惊讶、悲伤、厌恶、愤怒、沮丧或恐惧中的至少一项的水平来确定对课程的更改。在一些实施例中，适配引擎还被配置为至少部分地基于高兴、惊讶、悲伤、厌恶、愤怒、沮丧或恐惧中的至少一项的水平来实现对课程的更改。

在一些实施例中，对用户表现分析引擎的输入包括关于课程的信息。

在一些实施例中，适配引擎被配置为基于来自用户表现分析引擎的输入来实现对课程的更改。

在一些实施例中，系统还包括至少一个被配置为获得用户的第二用户特征的生物指标(biometric)设备，以及耦合到用户并被配置为从用户接收第二用户特征的指示的生物指标分析引擎，其中生物指标分析引擎耦合到适配引擎并被配置为向适配引擎提供表征第二用户特征的输入。

在一些实施例中，其中系统还包括至少一个被配置为获得用户的第二用户特征的生物指标设备，第二用户特征是用户的脉搏、心率、血氧水平或代表生理特征的电信号。在一些实施例中，其中系统还包括被配置为获得用户的第二用户特征的至少一个生物指标设备，至少一个生物指标设备包括心率监测器、脉搏血氧仪、EEG、EKG、可穿戴设备，或移动设备。在一些实施例中，其中系统还包括被配置为获得用户的第二用户特征的至少一个生物指标设备，生物指标分析引擎被配置为基于表征第二用户特征的输入来确定用户的压力水平。在一些实施例中，其中系统还包括被配置为获得用户的第二用户特征的至少一个生物指标设备，适配引擎被配置为基于表征第二用户特征的输入来实现对课程的更改。在一些实施例中，其中系统还包括被配置为获得用户的第二用户特征的至少一个生物指标设备，适配引擎被配置为通过使表征第二用户特征的输入优先来解决来自生物指标分析引擎与来自用户表现分析引擎的输入之间的冲突。在一些实施例中，其中系统还包括被配置为获得用户的第二用户特征的至少一个生物指标设备，用户表现分析引擎、适配引擎、课程呈现引擎或生物指标分析引擎中的至少一个是使用处理器实现的。在一些实施例中，生物指标分析引擎被配置为接收第三用户特征的指示，并且基于第二用户特征的指示和第三用户特征的指示来为用户创建个人识别签名(signature)。

附图说明

为了能够详细理解本公开的上述特征的方式，本公开的更具体的描述参考实施例，这些实施例中的一些在附图中被示出。然而，应注意，附图仅示出了本公开的典型实施例，因此不应被视为对其范围的限制，因为本公开可允许其他同等有效的实施例。

图1是图示根据一些实施例的评估和培训系统的各种组件的概念框图。

具体实施方式

本文公开了评估和培训系统的实施例，该系统包括对各种活动的模拟。系统通过识别用户的时间、动作、表达的偏好、典型行为等来改善个性化的学习体验，以适应用户的工作和学习方式，而不是强制用户去适应系统。新学习和保持(例如，记忆、记住和识别通过课程所教的内容和技能的能力)的效率在认知和身体两方面应用连续的模拟练习任务而得以改善。通过与来自其他学校、机构、公司、国家等的学生和/或同事进行多人课程参与，可以提高学习的乐趣。相反，通过观看他人在课程或案例研究模拟中的表现，学习可能是被动的。

根据一些实施例，通过生物指标分析的知识和技能筛选来改进人才招聘和保留，以识别学习和沟通风格。在招聘阶段，该系统允许筛选大量申请者池以在强弱申请者之间进行区分，从而使填补空缺职位的过程更省时且更高效。招聘经理可以花时间只会见那些被确定为适合空缺职位的申请者。使用本文提出的至少一些实施例，网络安全方面的准备可以通过创建员工和管理人员的身体和行为生物指标签名而得以改善。

本文的公开可用于将服务提供者与使用其服务的人相匹配。例如，根据一些实施例的系统可以为学生选择具备特定个性特点的讲师，其中该系统确定(例如，基于系统收集的信息，如下文进一步详细描述)该学生的学习将会通过具有具备这些个性特点的导师而得到加强。对本文公开的系统、方法和概念的应用可扩展到学生和讲师之外。仅作为一些示例，该系统可用于为雇主选择员工(或反之亦然)、为患者选择医生(或反之亦然)、为委托人选择律师(或反之亦然)、为客户选择私人教练(或反之亦然)，或为顾客选择拼车司机(反之亦然)。该系统的优点之一在于它可以消除有意识或无意识的偏见，否则这些偏见可能会在服务顾客(或服务提供者)的决策过程中发挥作用。因此，系统可以能够在一组选项中做出相比人们在面对该组选项时可能做出的更好的选择。

因此，本文在教育/培训上下文中的公开仅是示例性的而非是限制性的。本领域技术人员将认识到所公开的系统和方法在其他环境中也是有用的和适用的。

在一些实施例中，系统包括虚拟讲师。虚拟讲师可以使用多种方法中的任一种来创建，例如，诸如三维(3D)建模、视频捕捉和/或运动捕捉。这种讲师可以与个体用户进行交互、评估和协助提高用户的表现以及对学科材料的理解。使用生物指标和其他方法，可以采用诸如但不限于舒适度、学科知识、准确性、语音辨识、文本辨识、内插和/或外推等指标(metric)，以便确定用户在任何给定时间的表现。然后可以通过各种手段来分析这些指标，诸如但不限于预先确定的响应、机器学习、人工智能和/或量子分析，并且该分析可用于确定用户需要改进的材料和位置。还可以通过手动或自动方式来更新学科主题的内容，以便用相关更改对材料进行改进。

在一些实施例中，来自两个或多个学科领域的材料由人工智能进行组合，以创建可以同时教学生多于一个学科的个性化课程。例如，为学习生物学和数学的学生提供这样一节课程，其中数学问题包括生物学课程中的术语。例如，可以提问学生：“如果我有两个变形虫，然后再加上三个变形虫，那么我有几个变形虫？”。将来自两个学科领域的材料进行组合可以有助于学生同时学习两个不同的课题。

在一些实施例中，人工智能用于引导和/或监视在个人的习惯或教育的特定方面的进步。例如，员工在接受其雇主的审查后，该员工可以被监视和/或引导来进行有助于该员工在审查者、人工智能系统或其他手段所指定的领域中得以改进的任务，从而确保有足够的机会在目标领域中得以改进。

在一些实施例中，唯一的个人识别签名是通过生物指标的组合而创建的。例如，人工智能系统可以将来自两个或更多个生物指标来源的数据或测量值进行组合，以确保用户是人类且是特定的。例如，生理响应(例如，EEG或心率变异性)、认知响应(例如，对预设的个人问题或课程的正确答案)、和/或心理响应(面部辨识识别出高兴)可以被组合来创建唯一的个人识别签名。

图1是图示根据一些实施例的评估和培训系统的各种组件的概念框图。如图1所示，在一些实施例中，系统100包括一个或多个用户接口设备105、一个或多个可选的生物指标设备110、用户表现分析引擎115、适配引擎120、课程呈现引擎125(其中课程可能是出于教学或评估的目的)，以及可选的生物指标分析引擎130。(图1使用虚线示出了可选组件以及组件之间的可选通信路径)。在一些实施例中，用户通过一个或多个用户接口设备105与系统100主动地进行交互，以及通过一个或多个可耦合到用户的可选的生物指标设备110与系统100被动地进行交互，如下文更详细地说明。用户接口设备105通信地耦合到用户表现分析引擎115(即，与之通信，但不一定通过有线连接)，该用户表现分析引擎115通过分析用户通过用户接口设备105与系统100进行的交互来评估用户的行为表现。生物指标设备110(如果存在)通信耦合到生物指标分析引擎130，该生物指标分析引擎130(如果存在)通过分析来自生物指标设备110的数据来评估用户在课程期间的生理表现。用户表现分析引擎115和生物指标分析引擎130(如果存在)通信地耦合到适配引擎120，该适配引擎120至少基于用户的行为响应以及用户的生理响应(如果存在)来确定如何以及是否更改课程。适配引擎120通信地耦合到课程呈现引擎125，该课程呈现引擎125实现由适配引擎120规定的更改(如有任何更改)并通过用户接口设备105向用户呈现课程。

图1的示例性系统中的箭头示出了数据或信息可以流动的示例性方向。应理解，数据或信息可以沿其他方向流动(例如，从用户表现分析引擎115到用户接口设备105，诸如用于向用户提供其在课程中的表现的指示；从用户接口设备105到课程呈现引擎125，诸如用于允许用户选择课程；等)。此外应理解，虽然图1没有图示某些组件之间(例如，用户接口设备105与生物指标设备110之间等)的通信路径，但图1仅为示例性的。预期可能有未在图1的示例性框图中示出的附加或替代的通信路径(例如，在生物指标设备110与适配引擎120之间、在生物指标设备110与用户接口之间105之间，等)。通常，图1中所示的任何组件可以通信地耦合到任何其他组件，并且数据或信息可以流入和流出每个所示的组件。

一个或多个用户接口设备105可以是任何类型的设备，用户可以通过此类设备对该系统呈现的内容进行消费、交互和响应。用户接口设备105的示例包括计算机、移动设备(例如，智能电话、平板计算机、膝上型计算机等)、头戴式显示器(例如，戴在头部或作为头盔的一部分的显示设备，该设备在一只或两只眼睛前具有小的显示光学元件)、键盘(真实的或虚拟的)、显示器、麦克风、扬声器、触觉设备等。

一个或多个用户接口设备105可以提供一个或多个任何类型的用户接口，包括例如注意(attentive)用户接口，其通过管理通知和/或交互(例如，经由声音、视觉、触觉或某种组合)的时间、内容(例如，细节水平)和风格来管理用户注意力。例如，注意用户接口可以决定例如，何时打断用户、要呈现的警告/通知的类型、以及向用户呈现的消息的详细程度。通过仅生成选定的信息，可以使用注意用户接口以提高交互有效性的方式来显示信息。

作为另一示例，一个或多个用户接口设备105可以包括命令行接口，该接口允许用户通过经由真实或虚拟的键盘输入预定义的命令串来提供输入，并经由屏幕(例如，计算机屏幕、移动设备显示器，等)提供输出。

作为另一示例，一个或多个用户接口设备105可以包括对话接口，该接口使用户能够以纯文本(例如，经由文本消息、聊天机器人等以英语或其他语言)或语音命令代替图形元素来向系统提供输入。对话接口可以模仿人类之间的对话。

作为又一示例，一个或多个用户接口设备105可以包括对话接口代理，其以动画人物、机器人或其他角色的形式，将系统接口拟人化并且有助于以会话形式的交互。

作为另一示例，一个或多个用户接口设备105可以包括引导操纵接口，该接口允许用户使用与该用户在现实世界中会采用的动作类似的动作来操纵向其呈现的对象。类似地，一个或多个用户接口设备105可以包括姿势接口，该接口为一种图形用户接口，该接口接受以手势或使用器具(诸如计算机鼠标、触控笔或类似器具)完成的鼠标姿势形式的输入。

作为另一示例，一个或多个用户接口设备105可以包括图形用户接口，该接口是一种接受来自设备(诸如计算机键盘、鼠标、触摸屏等)的输入并在显示设备(诸如计算机监视器或头戴式显示器)上提供图形输出的用户接口。

作为另一示例，一个或多个用户接口设备105可以包括硬件接口，该接口为物理的空间接口，诸如旋钮、按钮、滑块、开关、触摸屏等。

作为另一示例，一个或多个用户接口设备105可以包括全息用户接口，该接口通过将手指穿过再现的全息图像来向电子或机电设备提供输入(否则原本是对设备的触感控制)，这些全息图像自由浮现在空中，由波源对输入进行检测且无需触感交互。

作为另一示例，一个或多个用户接口设备105可以包括智能用户接口，该接口旨在通过对用户、领域、任务、话语和媒体(例如，图形、自然语言、姿势)的模型进行表示、推理和采取动作，来改善人机交互的效率、有效性和自然性。

作为又一示例，一个或多个用户接口设备105可以包括运动跟踪接口，该接口用于监视用户的身体运动并将它们转换成命令。

作为另一示例，一个或多个用户接口设备105可以包括多屏接口，该接口使用多个显示器来提供更加灵活的交互。

作为另一示例，一个或多个用户接口设备105可以包括自然语言接口，该接口使用户能够键入(或以其他方式传达，例如，通过讲话)问题或其他输入内容。

作为另一示例，一个或多个用户接口设备105可以包括非命令用户接口，该接口观察用户并推断用户的需求和意图，而不需要用户阐述明确的命令。

作为另一示例，一个或多个用户接口设备105可以包括自反(reflexive)用户接口，该接口允许用户经由用户接口控制和重新定义系统100的各方面。

作为另一示例，一个或多个用户接口设备105可以包括有形用户接口，该接口强调触摸和物理环境。

作为另一示例，一个或多个用户接口设备105可以包括以侧重于任务的接口，该接口使任务的执行(而不是对底层信息的管理)成为用户与系统100进行的交互的焦点。

作为另一示例，一个或多个用户接口设备105可以包括基于文本的用户接口，该接口向用户呈现文本。

作为另一示例，一个或多个用户接口设备105可以包括触摸屏，该触摸屏是一种接受由用户触摸显示器(例如，使用其手指、触控笔，等)进行的输入的显示器。

作为另一示例，一个或多个用户接口设备105可以包括触摸用户接口，该接口是一种使用触摸板或触摸屏显示器作为输入设备和输出设备的图形用户接口。触摸用户接口可以与经由触觉反馈提供输出的触觉设备结合来使用。

作为又一示例，一个或多个用户接口设备105可以包括语音用户接口，该接口通过生成语音提示来接受输入(例如，经由口头命令、键盘，等)并提供输出。

作为另一示例，一个或多个用户接口设备105可以包括基于网页(web)的用户接口，该接口通过生成通过互联网进行传输并由用户通过网页浏览器程序观看的网页页面来接受输入并提供输出。

作为另一示例，一个或多个用户接口设备105可以包括零输入接口，该接口从一个或多个传感器(例如，生物指标设备110)获得输入，来代替用输入对话询问用户。

作为另一示例，一个或多个用户接口设备105可以包括缩放用户接口，该接口是如下的图形用户接口，在该接口中以不同的比例和细节水平表示信息对象。用户可以更改观看区域的比例以显示更多或更少的细节。

一个或多个用户接口设备105通信地耦合到用户表现分析引擎115。用户表现分析引擎115至少部分地基于从用户接口设备105获得的用户输入，来评估用户的表现。在实施例中，用户表现分析引擎115从课程呈现引擎125获得关于正在呈现的课程的信息，并且使用该信息来评估用户的表现。关于课程的信息可以包括例如：课程的标识、测验的答案、期望的人声质量、目标讲话节奏、或任何其他指示用户表现的合适信息。用户表现分析引擎115可以包括包含关于每个课程的一些信息的存储器，并且从课程呈现引擎125获得的关于课程的信息可以基于适配引擎120对课程所做的更改来修改或扩充该信息。

用户表现分析引擎115可以被配置为检测用户特征。这样的用户特征可以包括例如，用户的情感、注意力水平、情绪等中的一项或多项。例如，在一些实施例中，用户表现分析引擎115能够检测用户的情感，诸如通过分析用户的面部、声音、瞳孔、眉毛、嘴部位置等。在一些实施例中，用户表现分析引擎115为其能够检测的每个用户特征分配概率或置信水平。

在一些实施例中，用户表现分析引擎115能够经由面部辨识技术来检测用户特征。例如，用户表现分析引擎115可以能够通过分析在课程进行时拍摄的用户的图像或图像集(例如，视频或多个静止图像)来检测用户的情感。用户表现分析引擎115可以能够检测例如，高兴、惊讶、悲伤、厌恶、愤怒、沮丧或恐惧中的一项或多项。在一些实施例中，用户表现分析引擎115为其能够检测的每种情感分配概率或置信水平。

用户表现分析引擎115还能够根据在课程进行期间拍摄的用户的图像或图像集(例如，视频或静止图像集)来确定用户的眼神接触和/或注意力水平。例如，用户表现分析引擎115可以给用户分配眼神接触水平(例如，在1到10的尺度上)或注意力水平(例如，在百分比的尺度上，等)。作为另一示例，用户表现分析引擎115可以能够检测用户是否转动其眼睛、是否移开了该用户本应注视的视线，或者是否已经睡着了。

在一些实施例中，用户表现分析引擎115基于在课程进行期间拍摄的用户的一个或多个图像来评估用户的头部姿态(例如，位姿)或用户的姿势。用户表现分析引擎115可以使用头部姿态或姿势信息，例如来评估用户是否正在集中注意力、用户是否因课程感到受挫、用户是否参与等。用户表现分析引擎115可以为其确定分配概率或置信水平。

用户表现分析引擎115还能够确定用户是出席课程还是已经离开课程。用户表现分析引擎115能够确定用户是否分心(例如，在吃、喝、看他/她的电话，等)。

用户表现分析引擎115还能够将用户的话音转换为文本以供进一步分析。用户表现分析引擎115可以能够分析用户的话音以确定用户的情绪(例如，消极或积极)或情感(例如，喜悦、愤怒、厌恶、恐惧、沮丧、悲伤等)。在一些实施例中，用户表现分析引擎115能够为它能够从用户的话音中检测到的每种情绪或情感分配概率或置信水平。

在一些实施例中，用户表现分析引擎115将处理算法应用于检测到的用户特征，以确定是否应当以及应当如何更改课程(例如，在速度、呈现、风格等方面)。例如，如果用户表现分析引擎115以10分之9的置信水平确定用户皱眉，则用户表现分析引擎115可以确定需要降低课程的节奏。作为另一示例，如果用户表现分析引擎115以10分之8的置信水平确定用户转动了他或她的眼睛并以10分之7的置信水平确定用户正在看他或她的电话，则用户表现分析引擎115可以确定课程的呈现特征需要被修改，以提高用户参与度和/或满意度。在一些实施例中，用户表现分析引擎115随着课程的进行而更加连续地或较不连续地监视用户特征。

在一些实施例中，用户表现分析引擎115向适配引擎120推荐对正在呈现的课程的更改是否是可取的。推荐可以是基本上连续的、周期性的(例如，每30秒一次、每5分钟一次，等)或非同步的(例如，仅在必要时提出)。推荐可以针对课程的任何部分(例如，节奏、呈现风格、讲师特征(例如，语言、性别等)，等等)。作为一个示例，用户表现分析引擎115可以维护“用户参与度”指标，该指标可以基于对用户眼睛的观察(例如，用户是否正在注视用户接口、用户有多频繁移开视线，等)。用户表现分析引擎115可以具有针对其何时推荐对课程的更改而定义的阈值。例如，用户表现分析引擎115可以执行这样的规则：如果用户参与度值低于阈值，则用户表现分析引擎115将向适配引擎120推荐对课程呈现风格的更改(例如，从以讲课为主改为更有交互性的模式)。作为另一示例，用户表现分析引擎115可以仅当用户参与度值保持低于阈值达到一段时间(例如，2分钟)，才向适配引擎120推荐对课程的更改。

在一些实施例中，如果用户表现分析引擎115确定对课程的更改是有必要的，则用户表现分析引擎115推荐应当做出何种更改。仅作为一个示例，用户表现分析引擎115可以确定用户已经掌握了课程的第一方面但未掌握第二方面。因此，用户表现分析引擎115可以推荐：应当重复整个课程，或者应当重复侧重于第二方面的课程部分，或者应当提供新的课程来以不同的方式(例如，由不同的讲师、使用不同的媒体(例如，音频、视觉，等)，以不同的格式(例如，经由游戏、经由不同类型的模拟等)呈现第二方面。作为另一示例，用户表现分析引擎115可以确定用户感到沮丧或生气，并且确定课程的不同类型的呈现(例如，经由游戏呈现、使用不同的图形、以较慢的节奏，等)可能是有必要的。

在一些实施例中，用户表现分析引擎115简单地向适配引擎120报告其对用户表现的评估结果。例如，用户表现分析引擎115可以简单地报告用户已经掌握了课程的第一方面但未掌握第二方面。作为另一示例，用户表现分析引擎115可以报告用户参与度低于阈值，或者参与度已降低了特定量(例如，比30分钟前降低了20％)，或者高于目标用户参与度，等。

至少部分地基于来自用户表现分析引擎115的信息(例如，一个或多个推荐的对课程的更改、代表用户表现和/或参与度的客观数据，等)，适配引擎120确定是否做出对课程的调整。例如，调整可以是例如重复课程或更改课程的某些特征(例如，授课的方式、呈现课程的讲师、课程节奏、课程的内容，等)。在一些实施例中，适配引擎120可以确定其应当跳过课程的一部分，或者更改呈现的顺序，或者更改课程的风格。

适配引擎120通信地耦合到课程呈现引擎125并且指示课程呈现引擎125来呈现课程，该课程可能带有由来自用户表现分析引擎115的关于用户表现的反馈所提示的更改。课程呈现引擎125可通信地耦合到一个或多个用户输入设备105并与一个或多个用户输入设备105交互，以使得课程被呈现并且从用户获得输入。

在一些实施例中，系统100还包括一个或多个生物指标设备110。生物指标是对来自对象的生物信号的测量，包括但不限于，电信号监测、肌肉运动、眼睛跟踪、面部表情、脉搏血氧测定、心率、出汗、动作捕捉、皮质醇水平、葡萄糖水平，等。生物指标设备110能够检测和/或监测一种或多种生物指标。生物指标设备110的示例是心率监测器、脉搏血氧仪、血压袖带、EEG、EKG、可穿戴设备(例如，fitbit、Garmin、Apple Watch，等)、移动设备(例如，安装了心率监测器应用程序的移动电话、平板计算机，等)，等等。这样的生物指标设备110可以能够检测和评估与例如压力水平相关联的生理用户特征。

在包括生物指标设备110的实施例中，生物指标分析引擎130获得由一个或多个生物指标设备110收集的数据并且分析生物指标数据以向适配引擎120做出推荐。例如，生物指标设备110可以包括向生物指标分析引擎130提供用户心率的心率监测器。生物指标分析引擎130可以确定用户心率已经增加，这表明用户可能感到有压力。作为响应，生物指标分析引擎130可以向适配引擎120推荐降低课程的节奏，或者将最近呈现的内容再次呈现以增加用户对该材料的舒适度。

在包括生物指标设备110的实施例中，适配引擎120可以包括用于处理来自用户表现分析引擎115的推荐与来自生物指标分析引擎130的推荐之间的明显冲突的算法。例如，不确定其是否掌握了材料的用户可能会正确猜出问题的答案，或者他/她在口头回答问题时可能会隐藏他/她的不确定性，但他/她的生物指标可能表明该用户对其课程的响应感到不适。在这种情况下，用户表现分析引擎115可能会确定用户的表现出色并向适配引擎120推荐不做更改或甚至推荐加快节奏，而生物指标分析引擎130可能会推荐更慢的节奏或重复课程的至少一部分。

适配引擎120可以应用多种算法来解决用户表现分析引擎115的推荐与生物指标分析引擎130的推荐之间的冲突。例如，适配引擎120可以对用户表现分析引擎115的推荐和生物指标分析引擎130的推荐进行不同的加权(例如，用户表现分析引擎115推荐的权重比生物指标分析引擎130推荐的权重更大，反之亦然)。作为另一示例，适配引擎120可以始终接受并实施任何补救推荐(例如，减慢呈现、重复课程的一部分、选择不同的讲师、跳至课程的不同部分等的推荐)，而无论该推荐是来自用户表现分析引擎115还是来自生物指标分析引擎130。

应理解，图1是概念性框图，并且可以在一个实现方案中组合所示出的各个框。例如，用户表现分析引擎115、生物指标分析引擎130、适配引擎120和课程呈现引擎125中的一些或全部可以组合成单个引擎，其可以例如以可编程计算机的方式来实现。相反，在一个实现方案中，各种引擎可以被分割成更小的单元(例如，子例程、程序，等)。

此外，一些实施例包括游戏平台。在一些实施例中，知名的、排名靠前的和/或著名的讲师和/或参与者被体现系统中，以激励学生并帮助他们学习。例如，系统100可以允许用户选择讲师或参与者(例如，可以由赛斯·高汀来教学习营销的学生，或者将最喜欢的运动员加入到他或她的班级来与用户一起上课)。

在一些实施例中，当用户第一次尝试课程时，系统100不在课程正在进行时提供反馈，以便建立基线表现水平。在一些这样的实施例中，在随后的尝试中，系统100提供反馈以帮助用户调整他/她的表现。

本文描述的各种引擎(即，用户表现分析引擎115、适配引擎120、课程呈现引擎125和生物指标分析引擎130)可以使用一个或多个处理器来实现。例如，系统100可以包括至少一个可编程中央处理单元(CPU)，其可以通过任何已知技术来实现，诸如微处理器、微控制器、专用集成电路(ASIC)、数字信号处理器(DSP)或诸如此类。CPU可以集成到向CPU供电的电路(诸如传统的电路板)中。CPU可以包括内部存储器和/或可以与其耦合的外部存储器。存储器可以通过合适的内部总线耦合到CPU。

存储器可以包括随机存取存储器(RAM)、只读存储器(ROM)或其他类型的存储器。存储器包含控制CPU的操作的指令和数据。存储器还可包括基本输入/输出系统(BIOS)，其包含帮助在系统100内的元件之间传送信息的基本例程。系统100不受用于实现系统100的CPU或存储器组件的特定硬件组件的限制。

可选地，存储器可以包括外部或可移动存储设备，诸如软盘驱动器和光存储设备(例如，CD-ROM、R/W CD-ROM、DVD等)。系统100还可包括一个或多个I/O接口，诸如串行接口(例如，RS-232、RS-432等)、IEEE-488接口、通用串行总线(USB)接口、并行接口及诸如此类，以用于与可移动存储器设备(诸如闪存驱动器、外部软盘驱动器即诸如此类)进行通信。

存储器可以记录一些或所有课程以及与用户进行的交互(例如，视频、音频、用户输入，等)。在一些实施例中，系统100能够回放已完成的课程。例如，系统100可以允许用户回放他们之前完成的课程(例如，用户可以能够登录并访问已完成课程及其结果的控制面板(dashboard))。作为另一示例，系统100可以提供用户可以访问的已完成课程的库，以便用户可以从其他用户的错误和/或成功结课中学习。取决于用户偏好，用户的身份可以从录制的课程中可见或被模糊/移除。有课程正在被不同用户访问的用户的身份可以被自动模糊或基于完成课程的用户的偏好而对其进行模糊。

系统100还包括一个或多个用户输入设备105，其至少可以包括本文讨论的任何类型的用户接口。例如，一个或多个用户输入设备105可以包括图形用户接口，诸如标准计算机监视器、LCD或其他视觉显示器。一个或多个用户输入设备105还可以包括能够检测和/或播放可听信号的音频系统。一个或多个用户输入设备105还可包括能够捕捉视频和/或图像的视频或成像系统。一个或多个用户输入设备105可准许用户将响应或命令输入至系统100(例如，麦克风、相机、键盘，等)。例如，用户可以在建立由系统100计算的感兴趣课题过程中对询问予以响应。一个或多个用户输入设备105还可以包括用于通过安全协议访问评估材料的数据库的部件。安全协议可以提示终端用户通过输入用户名和密码来登录到平台。一个或多个用户输入设备105可以包括标准键盘、鼠标、轨迹球、按钮、触敏屏幕、无线用户输入设备及诸如此类。一个或多个用户输入设备105可以通过合适的内部总线耦合到CPU。

系统100可以与至少一个远程平台进行通信，以通过网络(例如，因特网或其他有线或无线网络)访问系统100。远程平台可以是可操作以访问系统100的任何合适的计算机。这样的计算机包括台式计算机、膝上型计算机、移动电话、平板计算机及诸如此类。远程平台可以包括图形用户接口，诸如标准计算机监视器、LCD，或其他视觉显示器。用户接口还可以包括能够播放可听信号的音频系统。用户接口可以是虚拟现实(VR)耳麦或任何类型的头戴式显示器。用户接口可以是VR显示器、增强现实(AR)显示器或诸如此类。用户接口可以是一副智能眼镜(例如，一副眼镜形状的光学头戴式显示器，例如，谷歌眼镜)。用户接口可以准许用户将响应或命令输入至平台中，以通过网络连接与系统100进行交互。例如，用户可以在建立由系统100计算的感兴趣的课题过程中对询问予以响应。

用户接口还可包括用于通过安全协议访问评估材料数据库的部件。安全协议可以提示终端用户通过输入用户名和密码来登录到平台。用户接口可以包括标准键盘、鼠标、轨迹球、按钮、触敏屏幕、无线用户输入设备及诸如此类。用户接口可以通过内部总线耦合到CPU。远程平台还可包括通过内部总线耦合到CPU的存储器。存储器可以包括随机存取存储器(RAM)和只读存储器(ROM)。存储器还可以包括基本输入/输出系统(BIOS)，其包含帮助在远程平台内的元件之间传送信息的基本例程。系统100不受用于实现远程平台(如果存在)的CPU或存储器组件的特定硬件组件的限制。

系统100还可以与外部数据库进行通信。系统100的各种组件可以通过内部总线耦合在一起。可以使用数据总线、控制总线、电源总线、I/O总线及诸如此类来构造每个内部总线。平台可包括可由CPU执行以用于操作本文描述的系统100的指令。这些指令可以包括存储在存储器中或在平台的一个或多个其他计算机上存储并执行的计算机可读软件组件或模块。

在上文的描述和附图中，已经阐述了特定术语以提供对所公开的实施例的透彻理解。在一些情况下，术语或附图可以暗示实施本发明不需要的特定细节。

除非本文另有明确定义，否则所有术语都将给出其最广泛的可能解释，包括从说明书和附图中隐含的含义以及本领域技术人员理解的和/或在字典、论文等中定义的含义。在此，某些术语可以与其普通或习惯含义不符。

在说明书和所附权利要求书中使用的单数形式“一”、“一个”和“该/所述”不排除复数所指对象，除非另有说明。除非另有说明，否则“或”一词应被解释为包容性的。因此，短语“A或B”应被解释为表示以下所有内容：“A和B”、“A但不是B”和“B但不是A”。此处对“和/或”的任何使用并不意味着“或”一词单独意味着排他性。

如在说明书和所附权利要求书中所用，形式为“A、B和C中的至少一个”、“A、B或C中的至少一个”、“A、B或C中的一个或多个”和“A、B和C中的一个或多个”形式的短语可以互换，并且每个都包含以下所有含义：“仅A”、“仅B”、“仅C”、“A和B但不包括C、“A和C但不是B”、“B和C但不包括A”和“A、B和C的全部”。

就详细说明或权利要求中使用的术语“包括”、“具有”、“含有”、“带有”及其变体而言，此类术语旨在以类似于以下方式的方式是包容性的：术语“包括”，即，意思是“包括但不限于”。术语“示例性”和“实施例”用于表达示例，而不是偏好或要求。术语“耦合”在本文中用于表达直接连接/附接以及通过一个或多个居间元件或结构的连接/附接。

附图不一定按比例绘制，并且特征的尺寸、形状和尺寸可能与它们在附图中的描绘方式大不相同。

尽管已经公开了具体的实施例，但是在不脱离本公开的更广泛的精神和范围的情况下可以对其进行各种修改和更改是显而易见的。例如，可以至少在可行的情况下应用任何实施例的特征或方面，结合任何其他实施例或代替其对应特征或方面。因此，说明书和附图被认为是说明性的而不是限制性的。

Claims (15)

1.一种系统，包括：

用户接口，被配置为(a)向用户呈现课程，以及(b)检测所述用户的第一用户特征；

用户表现分析引擎，耦合到所述用户接口并被配置为从所述用户接口获得所述第一用户特征的指示；

适配引擎，耦合到所述用户表现分析引擎并被配置为从所述用户表现分析引擎接收输入；以及

课程呈现引擎，耦合到所述适配引擎和所述用户接口并被配置为：

接收来自所述适配引擎的输入，

向所述用户表现分析引擎提供输入，以及

向所述用户接口提供信息以使所述用户接口能够向所述用户呈现课程。

2.如权利要求1所述的系统，其中，所述用户接口包括相机或麦克风。

3.如权利要求1或2所述的系统，其中，所述第一特征是面部表情，并且其中，所述用户表现分析引擎被配置为基于所述面部表情来确定所述用户的高兴、惊讶、悲伤、厌恶、愤怒、沮丧或恐惧中的至少一项的水平。

4.如权利要求3所述的系统，其中，所述用户表现分析引擎还被配置为至少部分地基于所述用户的高兴、惊讶、悲伤、厌恶、愤怒、沮丧或恐惧中的至少一项的水平来确定对所述课程的更改。

5.如权利要求3所述的系统，其中，所述适配引擎还被配置为至少部分地基于高兴、惊讶、悲伤、厌恶、愤怒、沮丧或恐惧中的至少一项的水平来实现对所述课程的更改。

6.如权利要求1至5中任一项所述的系统，其中，对所述用户表现分析引擎的输入包括关于所述课程的信息。

7.如权利要求1至6中任一项所述的系统，其中，所述适配引擎被配置为基于来自所述用户表现分析引擎的输入来实现对所述课程的更改。

8.如权利要求1至7中任一项所述的系统，还包括：

至少一个生物指标设备，被配置为获得所述用户的第二用户特征；以及

生物指标分析引擎，耦合到所述用户并配置为从所述用户接收所述第二用户特征的指示，其中，所述生物指标分析引擎耦合到所述适配引擎并配置为向所述适配引擎提供表征所述第二用户特征的输入。

9.如权利要求8所述的系统，其中，所述第二用户特征是所述用户的脉搏、心率、血氧水平或代表生理特征的电信号。

10.如权利要求8所述的系统，其中，所述至少一个生物指标设备包括心率监测器、脉搏血氧计、EEG、EKG、可穿戴设备或移动设备。

11.如权利要求8所述的系统，其中，所述生物指标分析引擎被配置为基于表征所述第二用户特征的输入来确定所述用户的压力水平。

12.如权利要求8所述的系统，其中，所述适配引擎被配置为基于表征所述第二用户特征的输入来实现对所述课程的更改。

13.如权利要求8所述的系统，其中，所述适配引擎被配置为通过使表征所述第二用户特征的输入优先，来解决来自所述生物指标分析引擎与来自所述用户表现分析引擎的输入之间的冲突。

14.如权利要求8所述的系统，其中，所述用户表现分析引擎、所述适配引擎、所述课程呈现引擎或所述生物指标分析引擎中的至少一个是使用处理器而实现的。

15.如权利要求8所述的系统，所述生物指标分析引擎被配置为：

接收第三用户特征的指示，以及

基于所述第二用户特征的指示和所述第三用户特征的指示，为所述用户创建个人识别签名。

Images