CN114219460A - 一种基于人机交互的多媒体教学管理系统 - Google Patents
一种基于人机交互的多媒体教学管理系统 Download PDFInfo
- Publication number
- CN114219460A CN114219460A CN202210157545.8A CN202210157545A CN114219460A CN 114219460 A CN114219460 A CN 114219460A CN 202210157545 A CN202210157545 A CN 202210157545A CN 114219460 A CN114219460 A CN 114219460A
- Authority
- CN
- China
- Prior art keywords
- behavior
- learning
- student
- unit
- signal
- 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.)
- Granted
Links
- 230000003993 interaction Effects 0.000 title claims abstract description 18
- 230000006399 behavior Effects 0.000 claims abstract description 288
- 238000004458 analytical method Methods 0.000 claims abstract description 70
- 238000012545 processing Methods 0.000 claims abstract description 67
- 230000005764 inhibitory process Effects 0.000 claims abstract description 63
- 238000011156 evaluation Methods 0.000 claims abstract description 60
- 230000001629 suppression Effects 0.000 claims abstract description 57
- 238000012937 correction Methods 0.000 claims abstract description 29
- 238000007619 statistical method Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000012795 verification Methods 0.000 claims description 20
- 230000003203 everyday effect Effects 0.000 claims description 9
- 238000004445 quantitative analysis Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 6
- 230000006698 induction Effects 0.000 claims description 5
- 102100036790 Tubulin beta-3 chain Human genes 0.000 claims description 4
- 230000002401 inhibitory effect Effects 0.000 claims description 4
- 101000878595 Arabidopsis thaliana Squalene synthase 1 Proteins 0.000 claims description 2
- 101000713575 Homo sapiens Tubulin beta-3 chain Proteins 0.000 claims description 2
- 101000713585 Homo sapiens Tubulin beta-4A chain Proteins 0.000 claims description 2
- 102100036788 Tubulin beta-4A chain Human genes 0.000 claims description 2
- 230000000452 restraining effect Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000010200 validation analysis Methods 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
-
- 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
- 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
- G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
- G09B7/02—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明涉及多媒体教学管理技术领域，用于解决在平板的教学当中，老师无法准确了解到每个学生使用平板的行为是否规范，故无法对每个学生使用平板的学习行为进行规范化管理，难以实现多媒体教学的高效管理的问题，尤其公开了一种基于人机交互的多媒体教学管理系统，包括数据采集单元、行为分析单元、行为判别单元、行为抑制单元、成效判别单元、抑制修正单元、统计分析单元和显示终端；本发明是通过对学生使用平板电脑的学习行为动态进行评估分析、行为抑制以及行为修正等处理方式，在实现教师对每个学生使用平板的行为状态进行准确了解的同时，也能依据各学生的学习行为状态进行学习行为的规范，极大提高人机交互教学中的高效管理。
Description
技术领域
本发明涉及多媒体教学管理技术领域，具体为一种基于人机交互的多媒体教学管理系统。
背景技术
多媒体教学是指在教学过程中，根据教学目标和教学对象的特点，通过教学设计，合理选择和运用现代教学媒体，并与传统教学手段有机组合，共同参与教学全过程，以多种媒体信息作用于学生，形成合理的教学过程结构，达到最优化的教学效果；
在众多的现代教学多媒体中，由于平板电脑上存储容量强大，并且集音频、视频、图片、PPT等多种形式于一身，且平板教学的课堂授课方式灵活多样，资料也能在平板电脑终端能永久留存，便于学生课下随时查看，故平板电脑教学成为老师和学生最喜爱的一项教学多媒体；
平板电脑在教学中给学生带来优势的同时，也给老师的教学和学生的学习制造了一定的学习弊端，如在平板的教学当中，老师无法准确了解到每个学生使用平板的行为是否规范，故无法对每个学生使用平板的学习行为进行规范化管理，即使教师对学生使用平板的学习行为进行规范，也仅仅是通过口头督促，因此，难以实现多媒体教学的高效管理；
为了解决上述缺陷，现提供一种技术方案。
发明内容
本发明的目的就在于为了解决在平板的教学当中，老师无法准确了解到每个学生使用平板的行为是否规范，故无法对每个学生使用平板的学习行为进行规范化管理，难以实现多媒体教学的高效管理的问题，通过对学生使用平板电脑的学习行为动态进行评估分析、行为抑制以及行为修正等处理方式，从而在实现了教师对每个学生使用平板的行为状态进行准确了解的同时，也能依据各学生的学习行为状态进行学习行为的规范，极大的提高了人机交互教学中的高效管理，也进一步保证了教学质量，促进了智能教育的发展与进步，而提出一种基于人机交互的多媒体教学管理系统。
本发明的目的可以通过以下技术方案实现：
一种基于人机交互的多媒体教学管理系统，包括数据采集单元、行为分析单元、行为判别单元、行为抑制单元、成效判别单元、抑制修正单元、统计分析单元和显示终端；
所述数据采集单元用于采集每天各学生使用多媒体的学习行为动态信息，并将其发送至行为分析单元；
所述行为分析单元用于对接收的学习行为动态信息进行行为量化分析处理，据此生成各学生的学习行为评估值zli，并将其发送至行为判别单元；
所述行为判别单元用于对接收的学习行为评估值zli进行行为判别分析处理，据此生成积极学习行为信号和消极学习行为信号，并将其均发送至行为抑制单元；
所述行为抑制单元用于接收的各类学习行为判别信号进行行为动态抑制分析处理，据此生成重复指令信号和验证指令信号，并将重复指令信号发送至行为分析单元，将验证指令信号发送至成效判别单元；
所述行为分析单元还用于接收重复指令信号，并据此捕捉集合a内的各学生的下一个学习周期的学习行为动态信息，并进行行为量化分析处理，据此生成各学生的学习行为评估值zli，并将其发送至行为判别单元；
所述成效判别单元用于接收验证指令信号，并据此调取下一个学习周期的集合b内各学生的综合评估值
以及集合a内任意学生的综合评估值
，并据此进行行为抑制成效分析处理，据此生成抑制有效信号和抑制无效信号，并将其均发送至抑制修正单元；
所述抑制修正单元用于对接收的抑制有效信号和抑制无效信号进行抑制修正分析处理，据此生成积极学习行为信号和消极学习行为信号，并将其均发送至行为抑制单元；
所述统计分析单元用于捕捉4个学习周期的集合a和集合b的学生数量，并据此进行统计分析处理，并将分析的结果以文本字样的方式发送至显示终端进行显示。
进一步的，学生的学习行为动态信息的采集过程如下：
将各学生的学习行为动态信息依据时间段划分为课上学习行为动态信息和课下学习行为动态信息，学习行为动态信息包括答题率、截拍次数、搜索次数、屏亮次值、文览时长和视览时长。
进一步的，行为量化分析处理的具体操作步骤如下：
S1：获取每天各时间段的各学生的行为动态信息中的答题率、截拍次数和屏亮次值，并将其分别标定为、和，其中，i={1，2，3...5}，j={1，2}，当j=1时，依据公式
，求得第一课上行为值Asli，当j=2时，依据公式
，求得第一课下行为值Bx2i，其中，e1、e2和e3分别为答题率、截拍次数和屏亮次值的权重因子系数，且e1＞e2＞e3＞0，e1+e2+e3=2.7104；
S2：获取每天各时间段的各学生的行为动态信息中的搜索次数、文览时长和视览时长，并将其分别标定为soij、wlij和slij，当j=1时，依据公式
，求得第二课上行为值Csli，当j=2时，依据公式
，求得第二课下行为值Dx2i，其中，f1、f2和f3分别为搜索次数、文览时长和好视览时长的修正因子系数，且f1＞f2＞f3＞0，f1+f2+f3=3.0152；
S3：捕捉S1和S2中的各学生的第一课上行为值Asli、第一课下行为值Bx2i、第二课上行为值Csli和第二课下行为值Dx2i，依据公式
，求得各学生的学习行为评估值zli，其中，β为单位换算系数，且β=1.1524。
进一步的，行为判别分析处理的具体操作步骤如下：
获取一个学习周期的各学生的学习行为评估值zli，依据公式
，求得各学生的综合评估值，并将各学生的综合评估值进行均值处理，依据公式
，求得班级学习行为平均值zzi；
将班级学习行为平均值zzi作为参照值，若满足
时，则生成积极学习行为信号，若满足
，则生成消极学习行为信号。
进一步的，行为动态抑制分析处理的具体操作步骤如下：
SS1：当接收到各学生的学习行为判别信号时，并据此将生成积极学习行为信号的学生进行集合a归纳，将生成消极学习行为信号的学生进行集合b归纳，且集合a={1，2，3...k}，集合b={1，2，3...q}，其中，a包含于i，b包含于i；
SS2：将SS1中归纳的集合a内的各学生进行正常输出处理，并据此生成重复指令，将重复指令发送至行为分析单元；
SS3：依据SS1将集合b内的各学生进行行为抑制处理分析，调取单位时间级的集合b中各学生的学习行为动态信息中的搜索次数sob、屏亮次值plb、文览时长wlb和视览时长slb的数据值，并将其分别代入对应的预设阈值内进行比对，将处于对应的预设阈值之内的各项学习行为动态值标定为符号1，将处于对应的预设阈值之外的各项学习行为动态值标定为符号2；
SS4：统计集合b中各学生的1和2符号类型的数量和，将标定符号1的数量和记作SL1，将标定符号2的数量和记作SL2，若满足SL2＞SL1且SL1≤1时，则生成全面限制指令，若满足SL1=SL2时，则生成限制使用时间指令，若满足SL1＞SL2≠0时，则生成限制使用网络指令，其中，全面限制指令包括限制使用时间指令和限制使用网络指令；
SS5：依据SS4中的各类限制指令，将在下一个学习周期的集合b中的各学生执行对应的限制指令，并在各类限制指令完成后，随即生成验证指令，并将验证指令发送至成效判别单元。
进一步的，行为抑制成效分析处理的具体操作步骤如下：
获取下一个学习周期的集合b中的各学生的综合评估值
，以及学习周期的集合a中的任意学生的综合评估值
，并将集合a中的任意学生的综合评估值
作为参照；
以天为横坐标，以学习行为评估值为纵坐标，据此建立二维坐标系，将相同学习周期的集合b中的各学生的综合评估值
以及集合a中的任意学生的综合评估值
，在二维坐标系上以平滑曲线的方式进行显现；
将学习周期内的集合a中的任意学生的综合评估值
构造的曲线设置为参照曲线，将集合b中的各学生的综合评估值
构造的曲线设置为抑制曲线，并比较两条曲线的走势；
若两条曲线存在的3个及3个以上拐点走向基本保持一致，则生成抑制有效信号，反之，则生成抑制无效信号。
进一步的，抑制修正分析处理的具体操作步骤如下：
当接收到抑制有效信号时，则取消执行限制指令，并将该学生的消极学习行为信号修正为积极学习行为信号，且将该学生从集合b转换到集合a中，并将修正后的积极学习行为信号发送至行为抑制单元；
当接收到抑制无效信号时，并继续执行限制指令，并将该学生仍标定为消极学习行为信号，并仍将该学生仍继续归纳到集合b中，并将修正后的消极学习行为信号发送至行为抑制单元。
进一步的，统计分析处理的具体操作步骤如下：
以学习周期为单位量级，并随机捕捉连续4个学习周期的集合a和集合b，并分别统计两类连续4个学习周期的学生数量和，并将连续4个学习周期的集合a的数量和标定为SU1，将连续4个学习周期的集合b的数量和标定为SU2；
并将对应的连续4个学习周期的班级学生总数为分母，并将其标定为BAZ，依据公式h1=SU1÷BAZ*100%，h2=SU2÷BAZ*100%，若满足h1＞h2时，则生成平板教学体验高效率信号，反之，则生成平板教学体验低效率信号。
与现有技术相比，本发明的有益效果是：
利用符号标定以及公式化的计算，对各学生的使用平板学习效率行为的进行准确的评判，依据各学生的周期学习行为判别信号，将学生进行群体归纳，并通过不同的处理方式对归纳的两类学生进行进一步的分析处理，从而获得抑制有效信号和抑制无效信号；
依据抑制有效信号和抑制无效信号进行抑制修正分析处理，对抑制无效的学生群体在下一个学习周期继续执行限制指令，而对抑制有效的学生群体则在下一学习周期取消限制指令，并利用统计分析的方式对学生使用平板教学体验的效率的好坏进行评判，从而在实现了教师对每个学生使用平板的行为状态进行准确了解的同时，也能依据各学生的学习行为状态进行学习行为的规范，极大的提高了人机交互教学中的高效管理，也进一步保证了教学质量，促进了智能教育的发展与进步。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明；
图1为本发明的系统总框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。
实施例一：
如图1所示，一种基于人机交互的多媒体教学管理系统，包括数据采集单元、行为分析单元、行为判别单元、行为抑制单元、成效判别单元、抑制修正单元、统计分析单元和显示终端；
数据采集单元用于采集每天各学生使用多媒体的学习行为动态信息，并将其发送至行为分析单元；
需要说明的是，学习行为动态信息用于表示在多媒体教学中学生使用多媒体的学习动态行为的数据信息，将学生的学习行为动态信息依据时间段划分为课上学习行为动态信息和课下学习行为动态信息，且学习行为动态信息包括答题率、截拍次数、搜索次数、屏亮次值、文览时长和视览时长；
其中，答题率指的是各学生正确答题次数占总题数的百分比，截拍次数指的是学生使用平板相机功能进行拍照和截图的次数之和，搜索次数指的是学生使用浏览器搜索内容的次数，屏亮次值指的是平板的亮屏时长与屏幕点击次数的同比增长值，文览时长指的是浏览文本的时长的数据值，视览时长指的是浏览视频的时长的数据值；
行为分析单元用于对接收的学习行为动态信息进行行为量化分析处理，据此生成各学生的学习行为评估值zli，并将其发送至行为判别单元；
行为判别单元用于对接收的学习行为评估值zli进行行为判别分析处理，据此生成积极学习行为信号和消极学习行为信号，并将其均发送至行为抑制单元；
行为抑制单元用于接收的各类学习行为判别信号进行行为动态抑制分析处理，据此生成重复指令信号和验证指令信号，并将重复指令信号发送至行为分析单元，将验证指令信号发送至成效判别单元；
行为分析单元还用于接收重复指令信号，并据此捕捉集合a内的各学生的下一个学习周期的学习行为动态信息，并进行行为量化分析处理，据此生成各学生的学习行为评估值zli，并将其发送至行为判别单元；
成效判别单元用于接收验证指令信号，并据此调取下一个学习周期的集合b内各学生的综合评估值
以及集合a内任意学生的综合评估值
，并据此进行行为抑制成效分析处理，据此生成抑制有效信号和抑制无效信号，并将其均发送至抑制修正单元；
抑制修正单元用于对接收的抑制有效信号和抑制无效信号进行抑制修正分析处理，据此生成积极学习行为信号和消极学习行为信号，并将其均发送至行为抑制单元；
统计分析单元用于捕捉4个学习周期的集合a和集合b的学生数量，并据此进行统计分析处理，并将分析的结果以文本字样的方式发送至显示终端进行显示。
实施例二：
如图1所示，当行为分析单元接收到学习行为动态信息时，并据此进行行为量化分析处理，具体的操作步骤如下：
S1：获取每天各时间段的各学生的行为动态信息中的答题率、截拍次数和屏亮次值，并将其分别标定为dtij、pcij和plij，其中，i={1，2，3...5}，j={1，2}，当j=1时，依据公式
，求得第一课上行为值Asli，当j=2时，依据公式
，求得第一课下行为值Bx2i，其中，e1、e2和e3分别为答题率、截拍次数和屏亮次值的权重因子系数，且e1＞e2＞e3＞0，e1+e2+e3=2.7104；
需要说明的是，i表示学生，j表示课上和课下两个时间段，其中，j=1表示课上时间段，而j=2表示课下时间段，且权重因子系数用于表示各项数据在总量中所具有的重要程度；
S2：获取每天各时间段的各学生的行为动态信息中的搜索次数、文览时长和视览时长，并将其分别标定为soij、wlij和slij，当j=1时，依据公式
，求得第二课上行为值，当j=2时，依据公式
，求得第二课下行为值Dx2i，其中，f1、f2和f3分别为搜索次数、文览时长和好视览时长的修正因子系数，且f1＞f2＞f3＞0，f1+f2+f3=3.0152，需要说明的是，修正因子系数用于将各项数据统一到同一层面，进而保证了公式计算的准确性；
S3：捕捉S1和S2中的各学生的第一课上行为值Asli、第一课下行为值Bx2i、第二课上行为值Csli和第二课下行为值Dx2i，依据公式
，求得各学生的学习行为评估值zli，其中，β为单位换算系数，且β=1.1524，需要说明的是，单位换算系数用于统一各项数据之间的单位转换，并将生成的各学生的学习行为评估值发送至行为判别单元；
当行为判别单元接收到学习行为评估值zli时，并据此进行行为判别分析处理，具体的操作步骤如下：
获取一个学习周期的各学生的学习行为评估值zli，依据公式
，求得各学生的综合评估值
，并将各学生的综合评估值进行均值处理，依据公式
，求得班级学习行为平均值zzi；
将班级学习行为平均值zzi作为参照值，若满足
时，则生成积极学习行为信号，若满足
，则生成消极学习行为信号，并将生成的积极学习行为信号和消极学习行为信号均发送至行为抑制单元。
实施例三：
如图1所示，当行为抑制单元接收到积极学习行为信号时，并据此进行行为动态抑制分析处理，具体的操作步骤如下：
将生成积极学习行为信号的学生进行集合a归纳，且集合a={1，2，3...k}，其中，a包含于i，将归纳的集合a内的各学生进行正常输出处理，并据此生成重复指令，将重复指令发送至行为分析单元；
当行为分析单元接收到学习周期内的重复指令信号时，并据此捕捉集合a内的各学生的下一个学习周期的学习行为动态信息，并进行行为量化分析处理，据此生成各学生的学习行为评估值zli，并将其发送至行为判别单元。
实施例四：
如图1所示，当行为抑制单元接收到消极学习行为信号时，并据此进行行为动态抑制分析处理，具体的操作步骤如下：
将生成消极学习行为信号的学生进行集合b归纳，且集合b={1，2，3...q}，其中，b包含于i；
将集合b内的各学生进行行为抑制处理分析，调取学习周期的集合b中各学生的学习行为动态信息中的搜索次数sob、屏亮次值plb、文览时长wlb和视览时长slb的数据值，并将其分别代入对应的预设阈值内进行比对，将处于对应的预设阈值之内的各项学习行为动态值标定为符号1，将处于对应的预设阈值之外的各项学习行为动态值标定为符号2；
统计集合b中各学生的1和2符号类型的数量和，将标定符号1的数量和记作SL1，将标定符号2的数量和记作SL2，若满足SL2＞SL1且SL1≤1时，则生成全面限制指令，若满足SL1=SL2时，则生成限制使用时间指令，若满足SL1＞SL2≠0时，则生成限制使用网络指令，其中，全面限制指令包括限制使用时间指令和限制使用网络指令；
依据各类限制指令，将在下一个学习周期的集合b中的各学生执行对应的限制指令，并据此生成验证指令，并将验证指令发送至成效判别单元；
当成效判别单元接收到验证指令信号时，并据此调取下一个学习周期的集合b内各学生的综合评估值
以及集合a内任意学生的综合评估值
，并据此进行行为抑制成效分析处理，具体的操作步骤如下：
获取下一个学习周期的集合b中的各学生的综合评估值
，以及学习周期的集合a中的任意学生的综合评估值
，并将集合a中的任意学生的综合评估值
作为参照；
以天为横坐标，以学习行为评估值为纵坐标，据此建立二维坐标系，将相同学习周期的集合b中的各学生的综合评估值
以及集合a中的任意学生的综合评估值，在二维坐标系上以平滑曲线的方式进行显现；
将学习周期内的集合a中的任意学生的综合评估值
构造的曲线设置为参照曲线，将集合b中的各学生的综合评估值构造的曲线设置为抑制曲线，并比较两条曲线的走势；
若两条曲线存在的3个及3个以上拐点走向基本保持一致，则生成抑制有效信号，反之，则生成抑制无效信号，并将生成的抑制有效信号和抑制无效信号均发送至抑制修正单元；
当抑制修正单元接收到抑制有效信号和抑制无效信号时，并据此进行抑制修正分析处理，具体的操作步骤如下：
当接收到抑制有效信号时，则取消执行限制指令，并将该学生的消极学习行为信号修正为积极学习行为信号，且将该学生从集合b转换到集合a中，并将修正后的积极学习行为信号发送至行为抑制单元；
当接收到抑制无效信号时，并继续执行限制指令，并将该学生仍标定为消极学习行为信号，并仍将该学生仍继续归纳到集合b中，并将修正后的消极学习行为信号发送至行为抑制单元；
统计分析单元用于捕捉4个单位时间级的集合a和集合b的学生数量，并据此进行统计分析处理，具体的操作步骤如下：
以学习周期为单位量级，并随机捕捉连续4个学习周期的集合a和集合b，并分别统计两类连续4个学习周期的学生数量和，并将连续4个学习周期的集合a的数量和标定为SU1，将连续4个学习周期的集合b的数量和标定为SU2；
并将对应的连续4个学习周期的班级学生总数为分母，并将其标定为BAZ，依据公式h1=SU1÷BAZ*100%，h2=SU2÷BAZ*100%，若满足h1＞h2时，则生成平板教学体验高效率信号，反之，则生成平板教学体验低效率信号，并将分析的结果以文本字样的方式发送至显示终端进行显示。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式，公式中的系数是由本领域技术人员根据实际情况进行设置；
如公式：
；
由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的权重因子系数；将设定的权重因子系数和采集的样本数据代入公式，任意三个公式构成二元一次方程组，将计算得到的系数进行筛选并取均值，得到e1、e2和e3取值分别为0.6201、0.5814和1.5089；
系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于系数的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的权重因子系数；只要不影响参数与量化后数值的比例关系即可。
本发明在使用时，通过采集各学生的每天的学习行为动态信息，并利用符号标定以及公式化的计算，求得各学生的学习行为评估值，并通过均值计算的方式，分别求得评判各学生周期学习行为的评估值以及班级学习行为平均值，并利用数据比较大小的方式，将各学生的一个学习周期的使用平板学习效率行为的进行准确的评判；
依据各学生的周期学习行为判别信号，将学生进行群体归纳，并将生成积极学习行为信号的学生归纳到一个群体，将生成消极学习行为信号的学生归纳到另一个群体，并通过不同的处理方式对归纳的两类学生进行进一步的分析处理；
对群体为积极学习行为信号的学生不做任何指令限制，并将该群体的学生进行重复指令的标定，依据重复指令继续对该群体的学生的下一个周期的学习行为动态的进行执行，而对群体为消极学习行为信号的学生进行行为抑制分析，并依据行为抑制数据对学生执行对应的限制训练操作，利用构建二维坐标系以及曲线对比的方式，对消极学习行为信号的学生群体的抑制的成效进行准确的验证判别，从而获得抑制有效信号和抑制无效信号；
并依据抑制有效信号和抑制无效信号进行抑制修正分析处理，对抑制无效的学生群体在下一个学习周期继续执行限制指令，而对抑制有效的学生群体则在下一学习周期取消限制指令，并利用统计分析的方式对学生使用平板教学体验的效率的好坏进行评判；
在多媒体人机交互的教学方式中，通过对学生使用平板电脑的学习行为动态进行评估分析、行为抑制以及行为修正等处理方式，从而在实现了教师对每个学生使用平板的行为状态进行准确了解的同时，也能依据各学生的学习行为状态进行学习行为的规范，极大的提高了人机交互教学中的高效管理，也进一步保证了教学质量，促进了智能教育的发展与进步。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (8)
1.一种基于人机交互的多媒体教学管理系统，其特征在于，包括数据采集单元、行为分析单元、行为判别单元、行为抑制单元、成效判别单元、抑制修正单元、统计分析单元和显示终端；
所述数据采集单元用于采集每天各学生使用多媒体的学习行为动态信息，并将其发送至行为分析单元；
所述行为分析单元用于对接收的学习行为动态信息进行行为量化分析处理，据此生成各学生的学习行为评估值zli，并将其发送至行为判别单元；
所述行为判别单元用于对接收的学习行为评估值zli进行行为判别分析处理，据此生成积极学习行为信号和消极学习行为信号，并将其均发送至行为抑制单元；
所述行为抑制单元用于接收的各类学习行为判别信号进行行为动态抑制分析处理，据此生成重复指令信号和验证指令信号，并将重复指令信号发送至行为分析单元，将验证指令信号发送至成效判别单元；
所述行为分析单元还用于接收重复指令信号，并据此捕捉集合a内的各学生的下一个学习周期的学习行为动态信息，并进行行为量化分析处理，据此生成各学生的学习行为评估值zli，并将其发送至行为判别单元；
所述成效判别单元用于接收验证指令信号，并据此调取下一个学习周期的集合b内各学生的综合评估值
以及集合a内任意学生的综合评估值
，并据此进行行为抑制成效分析处理，据此生成抑制有效信号和抑制无效信号，并将其均发送至抑制修正单元；
所述抑制修正单元用于对接收的抑制有效信号和抑制无效信号进行抑制修正分析处理，据此生成积极学习行为信号和消极学习行为信号，并将其均发送至行为抑制单元；
所述统计分析单元用于捕捉4个学习周期的集合a和集合b的学生数量，并据此进行统计分析处理，并将分析的结果以文本字样的方式发送至显示终端进行显示。
2.根据权利要求1所述的一种基于人机交互的多媒体教学管理系统，其特征在于，学生的学习行为动态信息的采集过程如下：
将各学生的学习行为动态信息依据时间段划分为课上学习行为动态信息和课下学习行为动态信息，学习行为动态信息包括答题率、截拍次数、搜索次数、屏亮次值、文览时长和视览时长。
3.根据权利要求1所述的一种基于人机交互的多媒体教学管理系统，其特征在于，行为量化分析处理的具体操作步骤如下：
S1：获取每天各时间段的各学生的行为动态信息中的答题率、截拍次数和屏亮次值，并将其分别标定为dtij、pcij和plij，其中，i={1，2，3...5}，j={1，2}，当j=1时，依据公式
，求得第一课上行为值Asli，当j=2时，依据公式
，求得第一课下行为值Bx2i，其中，e1、e2和e3分别为答题率、截拍次数和屏亮次值的权重因子系数，且e1＞e2＞e3＞0，e1+e2+e3=2.7104；
S2：获取每天各时间段的各学生的行为动态信息中的搜索次数、文览时长和视览时长，并将其分别标定为soij、wlij和slij，当j=1时，依据公式
，求得第二课上行为值Csli，当j=2时，依据公式
，求得第二课下行为值Dx2i，其中，f1、f2和f3分别为搜索次数、文览时长和好视览时长的修正因子系数，且f1＞f2＞f3＞0，f1+f2+f3=3.0152；
S3：捕捉S1和S2中的各学生的第一课上行为值Asli、第一课下行为值Bx2i、第二课上行为值和第二课下行为值Dx2i，依据公式
，求得各学生的学习行为评估值zli，其中，β为单位换算系数，且β=1.1524。
4.根据权利要求3所述的一种基于人机交互的多媒体教学管理系统，其特征在于，行为判别分析处理的具体操作步骤如下：
获取一个学习周期的各学生的学习行为评估值zli，依据公式
，求得各学生的综合评估值
，并将各学生的综合评估值
进行均值处理，依据公式
，求得班级学习行为平均值zzi；
将班级学习行为平均值zzi作为参照值，若满足
时，则生成积极学习行为信号，若满足
，则生成消极学习行为信号。
5.根据权利要求4所述的一种基于人机交互的多媒体教学管理系统，其特征在于，行为动态抑制分析处理的具体操作步骤如下：
SS1：当接收到各学生的学习行为判别信号时，并据此将生成积极学习行为信号的学生进行集合a归纳，将生成消极学习行为信号的学生进行集合b归纳，且集合a={1，2，3...k}，集合b={1，2，3...q}，其中，a包含于i，b包含于i；
SS2：将SS1中归纳的集合a内的各学生进行正常输出处理，并据此生成重复指令，将重复指令发送至行为分析单元；
SS3：依据SS1将集合b内的各学生进行行为抑制处理分析，调取单位时间级的集合b中各学生的学习行为动态信息中的搜索次数sob、屏亮次值plb、文览时长wlb和视览时长slb的数据值，并将其分别代入对应的预设阈值内进行比对，将处于对应的预设阈值之内的各项学习行为动态值标定为符号1，将处于对应的预设阈值之外的各项学习行为动态值标定为符号2；
SS4：统计集合b中各学生的1和2符号类型的数量和，将标定符号1的数量和记作SL1，将标定符号2的数量和记作SL2，若满足SL2＞SL1且SL1≤1时，则生成全面限制指令，若满足SL1=SL2时，则生成限制使用时间指令，若满足SL1＞SL2≠0时，则生成限制使用网络指令，其中，全面限制指令包括限制使用时间指令和限制使用网络指令；
SS5：依据SS4中的各类限制指令，将在下一个学习周期的集合b中的各学生执行对应的限制指令，并在各类限制指令完成后，随即生成验证指令，并将验证指令发送至成效判别单元。
6.根据权利要求5所述的一种基于人机交互的多媒体教学管理系统，其特征在于，行为抑制成效分析处理的具体操作步骤如下：
获取下一个学习周期的集合b中的各学生的综合评估值
，以及学习周期的集合a中的任意学生的综合评估值
，并将集合a中的任意学生的综合评估值
作为参照；
以天为横坐标，以学习行为评估值为纵坐标，据此建立二维坐标系，将相同学习周期的集合b中的各学生的综合评估值
以及集合a中的任意学生的综合评估值
，在二维坐标系上以平滑曲线的方式进行显现；
将学习周期内的集合a中的任意学生的综合评估值
构造的曲线设置为参照曲线，将集合b中的各学生的综合评估值
构造的曲线设置为抑制曲线，并比较两条曲线的走势；
若两条曲线存在的3个及3个以上拐点走向基本保持一致，则生成抑制有效信号，反之，则生成抑制无效信号。
7.根据权利要求1所述的一种基于人机交互的多媒体教学管理系统，其特征在于，抑制修正分析处理的具体操作步骤如下：
当接收到抑制有效信号时，则取消执行限制指令，并将该学生的消极学习行为信号修正为积极学习行为信号，且将该学生从集合b转换到集合a中，并将修正后的积极学习行为信号发送至行为抑制单元；
当接收到抑制无效信号时，并继续执行限制指令，并将该学生仍标定为消极学习行为信号，并仍将该学生仍继续归纳到集合b中，并将修正后的消极学习行为信号发送至行为抑制单元。
8.根据权利要求1所述的一种基于人机交互的多媒体教学管理系统，其特征在于，统计分析处理的具体操作步骤如下：
以学习周期为单位量级，并随机捕捉连续4个学习周期的集合a和集合b，并分别统计两类连续4个学习周期的学生数量和，并将连续4个学习周期的集合a的数量和标定为SU1，将连续4个学习周期的集合b的数量和标定为SU2；
并将对应的连续4个学习周期的班级学生总数为分母，并将其标定为BAZ，依据公式h1=SU1÷BAZ*100%，h2=SU2÷BAZ*100%，若满足h1＞h2时，则生成平板教学体验高效率信号，反之，则生成平板教学体验低效率信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210157545.8A CN114219460B (zh) | 2022-02-21 | 2022-02-21 | 一种基于人机交互的多媒体教学管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210157545.8A CN114219460B (zh) | 2022-02-21 | 2022-02-21 | 一种基于人机交互的多媒体教学管理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114219460A true CN114219460A (zh) | 2022-03-22 |
| CN114219460B CN114219460B (zh) | 2022-05-31 |
Family
ID=80709053
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210157545.8A Active CN114219460B (zh) | 2022-02-21 | 2022-02-21 | 一种基于人机交互的多媒体教学管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114219460B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160020924A (ko) * | 2014-08-14 | 2016-02-24 | (주)씨제이포유 | 멀티미디어 학습 평가 시스템 |
| CN107437231A (zh) * | 2017-08-01 | 2017-12-05 | 上海应用技术大学 | 基于智能移动终端的教学管理方法和系统 |
| CN108346192A (zh) * | 2018-02-13 | 2018-07-31 | 福州外语外贸学院 | 一种计算机机房课程学生专注度的考勤方法及终端 |
| CN108735022A (zh) * | 2018-05-24 | 2018-11-02 | 西安恒坐标教育科技集团有限公司 | 一种实景教学平台 |
| US20190206271A1 (en) * | 2017-12-28 | 2019-07-04 | Mcgraw-Hill Global Education Holdings, Llc | Negative learning behavior alert system |
| CN110807173A (zh) * | 2019-10-15 | 2020-02-18 | 广州摩翼信息科技有限公司 | 学情分析方法、装置、计算机设备和存储介质 |
| CN111796752A (zh) * | 2020-05-15 | 2020-10-20 | 四川科华天府科技有限公司 | 一种基于pc的互动教学系统 |
| CN112270277A (zh) * | 2020-11-02 | 2021-01-26 | 湖南长城科技信息有限公司 | 基于人工智能技术的网课在线学生学习行为识别系统 |
| CN113627779A (zh) * | 2021-08-09 | 2021-11-09 | 青软创新科技集团股份有限公司 | 一种基于大数据和ai技术的教学管理、质量评估系统 |
| CN114021962A (zh) * | 2021-11-03 | 2022-02-08 | 南京谦萃智能科技服务有限公司 | 教学评估方法、评估装置及其相关设备和存储介质 |
-
2022
- 2022-02-21 CN CN202210157545.8A patent/CN114219460B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160020924A (ko) * | 2014-08-14 | 2016-02-24 | (주)씨제이포유 | 멀티미디어 학습 평가 시스템 |
| CN107437231A (zh) * | 2017-08-01 | 2017-12-05 | 上海应用技术大学 | 基于智能移动终端的教学管理方法和系统 |
| US20190206271A1 (en) * | 2017-12-28 | 2019-07-04 | Mcgraw-Hill Global Education Holdings, Llc | Negative learning behavior alert system |
| CN108346192A (zh) * | 2018-02-13 | 2018-07-31 | 福州外语外贸学院 | 一种计算机机房课程学生专注度的考勤方法及终端 |
| CN108735022A (zh) * | 2018-05-24 | 2018-11-02 | 西安恒坐标教育科技集团有限公司 | 一种实景教学平台 |
| CN110807173A (zh) * | 2019-10-15 | 2020-02-18 | 广州摩翼信息科技有限公司 | 学情分析方法、装置、计算机设备和存储介质 |
| CN111796752A (zh) * | 2020-05-15 | 2020-10-20 | 四川科华天府科技有限公司 | 一种基于pc的互动教学系统 |
| CN112270277A (zh) * | 2020-11-02 | 2021-01-26 | 湖南长城科技信息有限公司 | 基于人工智能技术的网课在线学生学习行为识别系统 |
| CN113627779A (zh) * | 2021-08-09 | 2021-11-09 | 青软创新科技集团股份有限公司 | 一种基于大数据和ai技术的教学管理、质量评估系统 |
| CN114021962A (zh) * | 2021-11-03 | 2022-02-08 | 南京谦萃智能科技服务有限公司 | 教学评估方法、评估装置及其相关设备和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 庄天宝等: "平板电脑环境下的课堂互动行为分析", 《沈阳师范大学学报(自然科学版)》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114219460B (zh) | 2022-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107256650B (zh) | 一种习题推送方法、系统及终端设备 | |
| CN112115736B (zh) | 一种基于图像识别的作业批改方法、系统和智能终端 | |
| CN108428227A (zh) | 基于全卷积神经网络的无参考图像质量评价方法 | |
| CN110728656A (zh) | 基于元学习的无参考图像质量数据处理方法、智能终端 | |
| CN113239914B (zh) | 课堂学生表情识别及课堂状态评估方法、装置 | |
| CN109948473A (zh) | 一种基于神经网络的提升学生应用题解题能力的方法 | |
| CN112884304A (zh) | 一种基于大数据的在线远程教育系统 | |
| CN115240259A (zh) | 一种基于yolo深度网络的课堂环境下人脸检测方法及其检测系统 | |
| CN113379163B (zh) | 教学辅助方法、装置以及存储介质 | |
| CN114219460B (zh) | 一种基于人机交互的多媒体教学管理系统 | |
| CN117149979A (zh) | 一种贷前智能问答及评审模块的构建方法及装置 | |
| CN111932160A (zh) | 知识掌握信息处理方法、装置、计算机设备及存储介质 | |
| CN116704606A (zh) | 一种理化实验操作行为识别方法、系统、装置及存储介质 | |
| CN112766494A (zh) | 一种预训练模型知识蒸馏的安全性评估方法 | |
| CN110992740A (zh) | 一种家教机器人及其工作方法 | |
| CN110796364A (zh) | 在线课堂的质检方法、装置、电子设备及存储介质 | |
| CN117423131B (zh) | 一种远程教育系统 | |
| CN112200743B (zh) | 一种多图片集曝光分布差异的衡量方法 | |
| CN113066327B (zh) | 一种大学生在线智能教育方法 | |
| CN115379259B (zh) | 视频处理方法、装置、电子设备和存储介质 | |
| CN111861126B (zh) | 一种教学计划的评估方法、装置及设备 | |
| CN118467709B (zh) | 视觉问答任务的评价方法、设备、介质及计算机程序产品 | |
| CN109977864B (zh) | 一种基于二次分类的手腕骨等级识别方法 | |
| CN118710460A (zh) | 一种基于大数据的个性化错题分析系统及方法 | |
| EP4060645A1 (en) | Learning effect estimation device, learning effect estimation method, and program |
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 |