CN113781273A - 一种在线教学交互方法 - Google Patents
一种在线教学交互方法 Download PDFInfo
- Publication number
- CN113781273A CN113781273A CN202110952870.9A CN202110952870A CN113781273A CN 113781273 A CN113781273 A CN 113781273A CN 202110952870 A CN202110952870 A CN 202110952870A CN 113781273 A CN113781273 A CN 113781273A
- Authority
- CN
- China
- Prior art keywords
- expression
- interaction method
- virtual teacher
- state
- students
- 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
- 230000003993 interaction Effects 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000014509 gene expression Effects 0.000 claims abstract description 117
- 238000006243 chemical reaction Methods 0.000 claims abstract description 62
- 230000000638 stimulation Effects 0.000 claims abstract description 35
- 230000007246 mechanism Effects 0.000 claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims description 29
- 230000007704 transition Effects 0.000 claims description 13
- 230000009466 transformation Effects 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 241000282414 Homo sapiens Species 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 230000008921 facial expression Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 230000004936 stimulating effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000001097 facial muscle Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
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
- G06Q10/06398—Performance of employee with respect to a job function
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B5/00—Electrically-operated educational appliances
- G09B5/08—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations
- G09B5/14—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations with provision for individual teacher-student communication
Abstract
本发明涉及一种在线教学交互方法,所述方法包括以下步骤:建立表情及刺激因子并生成表情转换体系;根据表情转换体系通过HMM模型构建表情转换机制;基于表情转换机制,使虚拟教师与学生实时进行教学交互。本发明提供了一种在线教学交互方法,通过建立表情及表情转换体系;根据表情转换体系通过HMM模型构建表情转换机制;基于表情转换机制,使虚拟教师与学生实时进行教学交互,能够使网络在线学习在虚拟教师的指导下生动进行,增进了师生间的互动、交流,进一步提高学生听课的积极性,提高了教学效果。
Description
技术领域
本发明涉及在线教育技术领域,尤其涉及一种在线教学交互方法。
背景技术
线教育顾名思义,是以网络为介质的教学方式,通过网络,学员与教师即使相隔万里也可以开展教学活动;此外,借助网络课件,学员还可以随时随地进行学习,真正打破了时间和空间的限制,对于工作繁忙,学习时间不固定的职场人而言网络远程教育是最方便不过的学习方式。
在线教育是一种新生事物,产生与发展的时间不长,人们对在线教育的认识也在不断深化和完善。当前对在线教育的认识有多种观点,目前我们认为在线教育既是一种教育理念,也是一种教育手段,又是一种教学组织形式,同时还是一种学习方式。它是以计算机通信技术和网络技术为依托,结合了现代信息技术,采用远程实时多点、双向交互式的多媒体现代化教学手段,可以实时传送文本、声音、图像、图形、电子课件和教师板书的实现跨越时空的教育传递过程,为人们提供丰富的学习资源创造具有良好的交互性、智能化乃至仿真的学习环境―虚拟学校、虚拟课堂、虚拟图书馆等,是人们获得“自我教育”和“终身教育”的最佳方式。
基于网络的在线学习给学习者提供了宽松、自由和开放的学习环境,学习者可以根据自己的需要选择学习内容、学习时间、学习地点、学习方式甚至指导教师,而目前虚拟现实教学广泛应用于智能在线教学中,学生通过虚拟现实教学能够与对应的虚拟教师进行互动,从而参与到相应的虚拟现实课堂中并获得相应的教学知识内容。
然而,这种时空分离的教与学导致了教学中教师和学生之间缺少互动,缺乏情感的交流,学生大部分时间处于一种无人监控的自由学习状态,容易产生孤独感,不易对学习保持长久热情,教学效果差。
伴随着虚拟现实技术的发展,虚拟人技术的研究也在不断深入,如何将虚拟人技术应用于三维虚拟学习环境中,构建和应用三维虚拟教师,使网络在线学习在虚拟教师的指导下进行,进一步增强教学互动,提高学生学习兴趣、激发学习热情,但是分析目前已有的虚拟教师,并没有发现从形象到行为具有与真实教师一样的虚拟教师,缺乏丰富的情感表达,而在已有的虚拟教师中,还没有一个研究了人工情感问题,以方便师生之间的情感交流。
发明内容
为了现有技术存在的上述技术缺陷,本发明提供了一种在线教学交互方法,可以有效解决背景技术中的问题。
为了解决上述技术问题,本发明提供的技术方案具体如下:
本发明实施例公开了一种在线教学交互方法,所述方法包括以下步骤:建立表情及刺激因子并生成表情转换体系;根据表情转换体系通过HMM模型构建表情转换机制;基于表情转换机制,使虚拟教师与学生实时进行教学交互。
在上述任一方案中优选的是,表情包括平静、高兴、愤怒、厌恶、恐惧、悲伤、惊讶和害羞,由于人类的各种表情之间是可以相互转化的,八种表情在特定的刺激下可以相互转化,加上维持原状不变的情况下共有64种转化的可能,刺激因子包括积极刺激因子、消极刺激因子和一般刺激因子;进一步的,在三种不同的刺激因子作用下,虚拟教师从一种表情转化为另一种表情的概率要高于其他表情,当虚拟教师在指导学生学习过程中,学生的反应会作为一种刺激因子使虚拟教师从当前表情转化为另一种表情,进而虚拟教师在学生学习的过程中按照转化概率的高低进行表情的转化。
在上述任一方案中优选的是,虚拟教师表情状态间的转换在不同的刺激因子下对应不同的概率值aij,每个aij对应AK矩阵中元素A(k)ij,其中k为刺激因子类型编号,在表情状态确定后,通过HMM模型对各表情状态之间的转换构建表情转换机制,进而对每一种情绪状态来确定HMM的参数。
在上述任一方案中优选的是,HMM模型通过以下参数来描述:元素N:它表示模型中的状态个数;元素M:表示处每一个状态可观察到的不同符号数,各个符号表示为V={V1,V2,…,VM};状态转移概率分布AK={aij},其中aij=P[qi+1=Sj|qi=Si](1≤i,j≤N)为各种表情之间的转移概率,状态转移概率分布由经验值预先设定;进一步的,在应用HMM模型时,必须明确在各种刺激因子作用下,虚拟教师的表情转移概率A,在具体的实施方式中,采用经验值概率进行计算。
在上述任一方案中优选的是,积极刺激因子转化矩阵为:
消极刺激因子转化矩阵为:
一般刺激因子转化矩阵为:
在上述任一方案中优选的是,各刺激因子矩阵的纵坐标为当前的表情状态,横坐标为可能转换为的状态;纵坐标从上至下依次为平静、高兴、愤怒、厌恶、恐惧、悲伤、惊讶和害羞,横坐标从左至右依次为平静、高兴、愤怒、厌恶、恐惧、悲伤、惊讶和害羞。
在上述任一方案中优选的是,在构建表情转换机制完成后,输入虚拟教师表情状态向量S,并设定初始状态向量Ψ,S=Ψ;其中,虚拟教师在未跟学生进行交互时初始状态为平静状态。
在上述任一方案中优选的是,判断刺激因子类型;当虚拟教师接收到学生的刺激因子时,将初始状态Ψ与刺激因子转化矩阵Ak相乘,得到转化概率区间矩阵:P=Ψ×Ak。
在上述任一方案中优选的是,设置随机数r=Random(0,1),判断表情变化状态,计算S=Q[r],并输出虚拟教师表情变换向量S,其中,r为任意0到1之间的随机数,当随机数r落入(0.79,0.92]区间,此时新的表情状态向量为S=[0 0 0 0 0 1 0 0],表示虚拟教师在与学生交互后由于学生答题错误,表情由平静转为悲伤,进而虚拟教师会将悲伤的表情显示给学生,提示学生,进而此时虚拟教师悲伤的表情为新一轮表情转化的起点,初始状态向量Ψ=[0 0 0 0 0 1 0 0],再次通过接收学生的刺激因子做出相应的表情转化,直至虚拟教师与学生的交互结束。
在上述任一方案中优选的是,虚拟教师与学生交互时表情转换实现的流程如下:
(1)输入虚拟教师表情状态向量S,S=Ψ;
(2)判断刺激因子类型;
(3)若为积极刺激因子,则P=S×AP;若为消极刺激因子,则P=S×An;若为一般刺激因子,则P=S×Ag;
(5)给出随机数r=Random(0,1),判断表情变化状态,计算S=Q[r];
(6)输出虚拟教师表情状态向量S。
其中,S为虚拟教师的表情状态向量,Ψ为虚拟教师的初始表情状态向量,P为表情转换概率向量,AP为虚拟教师接收学生积极刺激因子时的矩阵,An为虚拟教师接收学生消极刺激因子时的矩阵,Ag为虚拟教师接收学生一般刺激因子时的矩阵,Q为区间划分向量,r为0到1之间的随机数。
与现有技术相比,本发明的有益效果:
本发明提供了一种在线教学交互方法,通过建立表情及表情转换体系;根据表情转换体系通过HMM模型构建表情转换机制;基于表情转换机制,使虚拟教师与学生实时进行教学交互,能够使网络在线学习在虚拟教师的指导下生动进行,增进了师生间的互动、交流,进一步提高学生听课的积极性,提高了教学效果。
附图说明
附图用于对本发明的进一步理解,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
图1是本发明一种在线教学交互方法流程示意图;
图2是本发明一种在线教学交互方法的虚拟教师便请转换逻辑图;
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
需要说明的是,当元件被称为“固定于”或“设置于”另一个元件,它可以直接在另一个元件上或者间接在该另一个元件上。当一个元件被称为是“连接于”另一个元件,它可以是直接连接到另一个元件或间接连接至该另一个元件上。
在本发明的描述中,需要理解的是,术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
为了更好地理解上述技术方案,下面将结合说明书附图及具体实施方式对本发明技术方案进行详细说明。
如图1所示,本发明提供了一种在线教学交互方法,所述方法包括以下步骤:
步骤1,建立表情及刺激因子并生成表情转换体系。
具体的,人类面部表情是指通过眼部肌肉、颜面肌肉和口部肌肉的变化来表现各种情绪状态,常见的面部表情可以分为八类:平静、高兴、愤怒、厌恶、恐惧、悲伤、惊讶和害羞;由于人类的各种表情之间是可以相互转化的,八种表情在特定的刺激下可以相互转化,加上维持原状不变的情况下共有64种转化的可能。
进一步的,学生在学习过程中的反应可分为积极刺激因子、消极刺激因子和一般刺激因子,在三种不同的刺激因子作用下,虚拟教师从一种表情转化为另一种表情的概率要高于其他表情,当虚拟教师在指导学生学习过程中,学生的反应会作为一种刺激因子使虚拟教师从当前表情转化为另一种表情,进而虚拟教师在学生学习的过程中按照转化概率的高低进行表情的转化。
步骤2,根据表情转换体系通过HMM模型构建表情转换机制。
具体的,虚拟教师表情状态间的转换在不同的刺激因子下对应不同的概率值aij,每个aij对应AK矩阵中元素A(k)ij,其中k为刺激因子类型编号,在表情状态确定后,通过HMM模型对各表情状态之间的转换构建表情转换机制,进而对每一种情绪状态来确定HMM的参数,HMM可通过以下参数来描述:
①元素N:它表示模型中的状态个数;
②元素M:表示处每一个状态可观察到的不同符号数,各个符号表示为V={V1,V2,…,VM};
③状态转移概率分布AK={aij},其中aij=P[qi+1=Sj|qi=Si](1≤i,j≤N),描述各种表情之间的转移概率,状态转移概率分布由经验值预先设定。
进一步的,在应用HMM模型时,必须明确在各种刺激因子作用下,虚拟教师的表情转移概率A,在具体的实施方式中,采用经验值概率进行计算;
积极刺激因子转化矩阵为:
消极刺激因子转化矩阵为:
一般刺激因子转化矩阵为:
其中,上述各刺激因子矩阵的纵坐标为当前的表情状态,横坐标为可能转换为的状态;纵坐标从上至下依次为平静、高兴、愤怒、厌恶、恐惧、悲伤、惊讶和害羞,横坐标从左至右依次为平静、高兴、愤怒、厌恶、恐惧、悲伤、惊讶和害羞;AP,An和Ag所代表的矩阵分别表示接收了积极刺激、消极刺激或一般刺激后可能转变为的表情的概率矩阵。
步骤3,基于表情转换机制,使虚拟教师与学生实时进行教学交互。
具体的,为了能使虚拟教师从一种表情在接收学生的不同刺激因子后转化为另一种表情,在构建表情转换机制完成后,设定初始状态向量Ψ,而虚拟教师在未跟学生进行交互时初始状态为平静,故初始状态向量:
Ψ=[1 0 0 0 0 0 0 0]。
进一步的,当虚拟教师接收到学生的消极刺激因子时,例如学生回答问题错误时,需将初始状态Ψ与消极刺激因子转化矩阵An相乘,从而得到转化概率区间矩阵:
P=Ψ×An=[0.02,0.01,0.29,0.24,0.23,0.13,0.08,0.01];由P可知概率分布区间向量Q,其中Q[i](i=1,2,…,8)为八种基本表情的区间划分。
进一步的,设置随机数r,r为任意0到1之间的随机数,当随机数r落在[0,0.02]区间时,虚拟教师的表情为平静状态,当随机数r落在(0.02,0.03]区间时,虚拟教师的表情为高兴状态,依次类推。
进一步的,当随机数r落入(0.79,0.92]区间,此时新的表情状态向量为S=[0 0 00 0 1 0 0],表示虚拟教师在与学生交互后由于学生答题错误,表情由平静转为悲伤,进而虚拟教师会将悲伤的表情显示给学生,提示学生,进而此时虚拟教师悲伤的表情为新一轮表情转化的起点,初始状态向量Ψ=[0 0 0 0 0 1 0 0],再次通过接收学生的刺激因子做出相应的表情转化,直至虚拟教师与学生的交互结束。
进一步的,如图2所示,虚拟教师与学生交互时表情转换实现的流程如下:
(1)输入虚拟教师表情状态向量S,S=Ψ;
(2)判断刺激因子类型;
(3)若为积极刺激因子,则P=S×AP;若为消极刺激因子,则P=S×An;若为一般刺激因子,则P=S×Ag;
(5)给出随机数r=Random(0,1),判断表情变化状态,计算S=Q[r];
(6)输出虚拟教师表情状态向量S。
其中,S为虚拟教师的表情状态向量,Ψ为虚拟教师的初始表情状态向量,P为表情转换概率向量,AP为虚拟教师接收学生积极刺激因子时的矩阵,An为虚拟教师接收学生消极刺激因子时的矩阵,Ag为虚拟教师接收学生一般刺激因子时的矩阵,Q为区间划分向量,r为0到1之间的随机数。
与现有技术相比,本发明提供的有益效果是:
本发明提供了一种在线教学交互方法,通过建立表情及表情转换体系;根据表情转换体系通过HMM模型构建表情转换机制;基于表情转换机制,使虚拟教师与学生实时进行教学交互,能够使网络在线学习在虚拟教师的指导下生动进行,增进了师生间的互动、交流,进一步提高学生听课的积极性,提高了教学效果。
以上仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种在线教学交互方法,其特征在于:所述方法包括以下步骤:
建立表情及刺激因子并生成表情转换体系;
根据表情转换体系通过HMM模型构建表情转换机制;
基于表情转换机制,使虚拟教师与学生实时进行教学交互。
2.根据权利要求1所述的在线教学交互方法,其特征在于:表情包括平静、高兴、愤怒、厌恶、恐惧、悲伤、惊讶和害羞,刺激因子包括积极刺激因子、消极刺激因子和一般刺激因子。
3.根据权利要求2所述的在线教学交互方法,其特征在于:虚拟教师表情状态间的转换在不同的刺激因子下对应不同的概率值aij,每个aij对应AK矩阵中元素A(k)ij,其中k为刺激因子类型编号,在表情状态确定后,通过HMM模型对各表情状态之间的转换构建表情转换机制。
4.根据权利要求3所述的在线教学交互方法,其特征在于:HMM模型通过以下参数来描述:
元素N:表示模型中的状态个数;
元素M:表示处每一个状态可观察到的不同符号数,各个符号表示为V={V1,V2,…,VM};
状态转移概率分布AK={aij},其中aij=P[qi+1=Sj|qi=Si](1≤i,j≤N)为各种表情之间的转移概率,状态转移概率分布由经验值预先设定。
6.根据权利要求5所述的在线教学交互方法,其特征在于:各刺激因子矩阵的纵坐标为当前的表情状态,横坐标为可能转换为的状态;纵坐标从上至下依次为平静、高兴、愤怒、厌恶、恐惧、悲伤、惊讶和害羞,横坐标从左至右依次为平静、高兴、愤怒、厌恶、恐惧、悲伤、惊讶和害羞。
7.根据权利要求6所述的在线教学交互方法,其特征在于:在构建表情转换机制完成后,输入虚拟教师表情状态向量S,并设定初始状态向量Ψ,S=Ψ;其中,虚拟教师在未跟学生进行交互时初始状态为平静状态。
8.根据权利要求7所述的在线教学交互方法,其特征在于:判断刺激因子类型;当虚拟教师接收到学生的刺激因子时,将初始状态Ψ与刺激因子转化矩阵Ak相乘,得到转化概率区间矩阵:P=Ψ×Ak。
10.根据权利要求9所述的在线教学交互方法,其特征在于:设置随机数r=Random(0,1),判断表情变化状态,计算S=Q[r],并输出虚拟教师表情变换向量S,其中,r为任意0到1之间的随机数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110952870.9A CN113781273A (zh) | 2021-08-19 | 2021-08-19 | 一种在线教学交互方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110952870.9A CN113781273A (zh) | 2021-08-19 | 2021-08-19 | 一种在线教学交互方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113781273A true CN113781273A (zh) | 2021-12-10 |
Family
ID=78838291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110952870.9A Pending CN113781273A (zh) | 2021-08-19 | 2021-08-19 | 一种在线教学交互方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113781273A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101692261A (zh) * | 2009-09-02 | 2010-04-07 | 北京科技大学 | 一种运用于儿童用户玩伴机器人的个性化情感模型及其应用方法 |
CN102169642A (zh) * | 2011-04-06 | 2011-08-31 | 李一波 | 具有智能纠错功能的交互式虚拟教师系统 |
CN105632251A (zh) * | 2016-01-20 | 2016-06-01 | 华中师范大学 | 具有语音功能的3d虚拟教师系统及其方法 |
CN106919251A (zh) * | 2017-01-09 | 2017-07-04 | 重庆邮电大学 | 一种基于多模态情感识别的虚拟学习环境自然交互方法 |
CN106970703A (zh) * | 2017-02-10 | 2017-07-21 | 南京威卡尔软件有限公司 | 基于心情指数的多层情感计算方法 |
CN108009573A (zh) * | 2017-11-24 | 2018-05-08 | 北京物灵智能科技有限公司 | 一种机器人情绪模型生成方法、情绪模型以及交互方法 |
CN108460324A (zh) * | 2018-01-04 | 2018-08-28 | 上海孩子通信息科技有限公司 | 一种用于识别幼儿情绪的方法 |
CN109923512A (zh) * | 2016-09-09 | 2019-06-21 | 上海海知智能科技有限公司 | 人机交互的系统及方法 |
CN110370275A (zh) * | 2019-07-01 | 2019-10-25 | 夏博洋 | 基于表情识别的情绪聊天机器人 |
CN111027215A (zh) * | 2019-12-11 | 2020-04-17 | 中国人民解放军陆军工程大学 | 针对虚拟人的性格训练系统及其方法 |
-
2021
- 2021-08-19 CN CN202110952870.9A patent/CN113781273A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101692261A (zh) * | 2009-09-02 | 2010-04-07 | 北京科技大学 | 一种运用于儿童用户玩伴机器人的个性化情感模型及其应用方法 |
CN102169642A (zh) * | 2011-04-06 | 2011-08-31 | 李一波 | 具有智能纠错功能的交互式虚拟教师系统 |
CN105632251A (zh) * | 2016-01-20 | 2016-06-01 | 华中师范大学 | 具有语音功能的3d虚拟教师系统及其方法 |
CN109923512A (zh) * | 2016-09-09 | 2019-06-21 | 上海海知智能科技有限公司 | 人机交互的系统及方法 |
CN106919251A (zh) * | 2017-01-09 | 2017-07-04 | 重庆邮电大学 | 一种基于多模态情感识别的虚拟学习环境自然交互方法 |
CN106970703A (zh) * | 2017-02-10 | 2017-07-21 | 南京威卡尔软件有限公司 | 基于心情指数的多层情感计算方法 |
CN108009573A (zh) * | 2017-11-24 | 2018-05-08 | 北京物灵智能科技有限公司 | 一种机器人情绪模型生成方法、情绪模型以及交互方法 |
CN108460324A (zh) * | 2018-01-04 | 2018-08-28 | 上海孩子通信息科技有限公司 | 一种用于识别幼儿情绪的方法 |
CN110370275A (zh) * | 2019-07-01 | 2019-10-25 | 夏博洋 | 基于表情识别的情绪聊天机器人 |
CN111027215A (zh) * | 2019-12-11 | 2020-04-17 | 中国人民解放军陆军工程大学 | 针对虚拟人的性格训练系统及其方法 |
Non-Patent Citations (7)
Title |
---|
冯满堂;王瑞杰;马青玉;: "情感计算及其在网络教育中的应用", 软件导刊(教育技术), no. 04, 15 April 2008 (2008-04-15) * |
张国丽;李祚泳;: "基于蚁群算法的情感模型研究", 计算机应用, no. 10, 1 October 2009 (2009-10-01) * |
朱珂;张思妍;刘濛雨;: "基于情感计算的虚拟教师模型设计与应用优势", 现代教育技术, no. 06, 15 June 2020 (2020-06-15) * |
朱飒飒 等: ""一种中性性格虚拟人的情感模型实现"", 科技信息, no. 12, 25 April 2010 (2010-04-25), pages 34 - 36 * |
赵慧勤;孙波;: "基于虚拟智能体技术的具有情感支持的三维虚拟教师的研究", 中国电化教育, no. 11, 10 November 2010 (2010-11-10) * |
赵慧勤;孙波;张春悦;: "虚拟教师研究综述", 微型机与应用, no. 05, 10 March 2010 (2010-03-10) * |
钱睿含;李思蓓;张志良;: "信息技术与学科教学融合的实践与案例", 中国电化教育, no. 10, 10 October 2020 (2020-10-10) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cook et al. | The role of gesture in learning: Do children use their hands to change their minds? | |
Graesser et al. | Scaffolding deep comprehension strategies through Point&Query, AutoTutor, and iSTART | |
Aljazzaf | Factors influencing the use of multimedia technologies in teaching English language in Kuwait | |
Guichon | Training future language teachers to develop online tutors’ competence through reflective analysis | |
Berns et al. | Exploring the potential of a 360 video application for foreign language learning | |
CN107958433A (zh) | 一种基于人工智能的在线教育人机交互方法与系统 | |
CN105632251A (zh) | 具有语音功能的3d虚拟教师系统及其方法 | |
Hickey | The importance of learning philosophies on technology selection in education. | |
Olney et al. | Tutorial dialog in natural language | |
Williamson | Enacting high leverage practices in English methods: The case of discussion | |
Andrei et al. | Designing an American Sign Language avatar for learning computer science concepts for deaf or hard-of-hearing students and deaf interpreters | |
Baker et al. | The decision-making protocol for mathematics coaching: Addressing the complexity of coaching with intentionality and reflection | |
CN109191968A (zh) | 语言教育机器人及多教育机器人语言学习系统 | |
CN116564144A (zh) | 一种基于元宇宙的数字虚拟人在线教学系统及方法 | |
CN104966428B (zh) | 基于3d打印的辅助学习实现方法与系统 | |
CN113781273A (zh) | 一种在线教学交互方法 | |
Megowan-Romanowicz | Helping students construct robust conceptual models | |
Kickbusch et al. | Representing teacher coaching sessions: understanding coaching that develops teachers' capability to design for learning | |
Silviana et al. | Activating students’ cognitive perspective using problem based learning in Efl speaking class | |
Li et al. | Research on the influence of artificial intelligence technology in english personalized teaching | |
Xu et al. | Research on the application of Internet technology in adaptive education of accounting major | |
Prianty et al. | Task-Based Language Teaching: Perceptions and Implementation in Teaching Speaking | |
Li et al. | Building an open sharing platform for elt courses: the example of mooc network | |
Lefevre et al. | A teacher-dedicated tool supporting personalization of activities | |
Nurhidayat | Using British Parliamentary Debate Style in improving students’ speaking skills |
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 |