CN114241835A - 一种学生口语质量评测方法和设备 - Google Patents
一种学生口语质量评测方法和设备 Download PDFInfo
- Publication number
- CN114241835A CN114241835A CN202111364779.1A CN202111364779A CN114241835A CN 114241835 A CN114241835 A CN 114241835A CN 202111364779 A CN202111364779 A CN 202111364779A CN 114241835 A CN114241835 A CN 114241835A
- Authority
- CN
- China
- Prior art keywords
- student
- spoken language
- evaluation
- test
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 27
- 238000011156 evaluation Methods 0.000 claims abstract description 123
- 238000012360 testing method Methods 0.000 claims abstract description 104
- 230000008569 process Effects 0.000 claims abstract description 13
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 230000008451 emotion Effects 0.000 claims description 7
- 230000033764 rhythmic process Effects 0.000 claims description 4
- 230000002996 emotional effect Effects 0.000 claims description 3
- 238000003058 natural language processing Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims 1
- 238000012854 evaluation process Methods 0.000 abstract description 3
- 238000013461 design Methods 0.000 description 21
- 238000001303 quality assessment method Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 2
- 238000005728 strengthening Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G09B19/00—Teaching not covered by other main groups of this subclass
- G09B19/06—Foreign languages
Abstract
本发明公开了一种学生口语质量评测方法和设备，包括：基于每一学生的个人信息和历史学习信息生成对应的用户画像并存储；利用知识抽取方法从不同年级学生的口语学习内容中提取实体、关系和属性三元组构建口语评测知识图谱；接收某学生的口语评测请求，根据该学生的用户画像，在口语评测知识图谱中查找与该学生用户画像匹配的第一测试题目；将第一测试题目推荐给该学生进行口语测试，并将在测试过程中产生的第一语音数据上传至云端服务器，以使云端服务器基于多个评价维度对第一语音数据进行分析，生成口语质量评价结果，从而客观全面地对学生的口语测试进行评价，且评价结果更加客观真实，整个评测过程无需人工参与，降低人工成本，提高测试效率。
Description
技术领域
本发明属于人工智能技术领域，具体涉及一种学生口语质量评测方法和设备。
背景技术
学生在学习一门语言时，口语对于熟练掌握一门语言来说是至关重要的。而在口语学习过程中，需要有相应的口语评测机制来对学生的口语质量进行判断，从而使其清晰认知到自身的口语能力，为后续的学习进程提供数据支持。
现有技术中，在进行口语质量评测时，主要存在以下方法：一是将口语发音与标准原声进行波形比对，这种方式虽然实时率较好，但准确率和灵活性较差；二是基于置信度计算对口语发音进行识别，通过分析口语发音与既定的文字答案之间的区分度来进行口语质量评测，这种方式一定程度上提高了评测的准确度，但灵活性和全面性仍然较差；三是通过采集用户的实时音频数据或用户的音频文件，基于多个评测维度对学生的口语能力进行实时评测，但由于不同学生口语能力的差异性以及题目难度的差异性，这种方式无法为不同口语能力的用户提供个性化的评测机制。
发明内容
本发明的目的是提供一种口语质量评测方法和装置，用于解决现有技术中存在的至少一个技术问题。
为了实现上述目的，本发明采用以下技术方案：
第一方面，本发明提供一种学生口语质量评测方法，包括：
基于每一学生的个人信息和历史学习信息生成对应的用户画像，并将所述用户画像通过区块链网络进行上链存储；
利用知识抽取方法从不同年级学生的口语学习内容中提取实体、关系和属性三元组，并基于所述三元组构建口语评测知识图谱；
接收某学生的口语评测请求，根据该学生的用户画像，在所述口语评测知识图谱中查找与该学生用户画像匹配的第一测试题目；
将所述第一测试题目推荐给该学生进行口语测试，并将在测试过程中产生的第一语音数据上传至云端服务器，以使所述云端服务器基于多个评价维度对所述第一语音数据进行分析，并生成该学生的口语质量评价结果。
在一种可能的设计中，所述方法还包括：
接收某班级的口语评测请求，根据该班级所有学生的用户画像，在所述口语评测知识图谱中查找与该班级所有学生用户画像匹配的第二测试题目；
将所述第二测试题目推荐给该班级的学生进行口语测试，并将在测试过程中产生的第二语音数据上传至云端服务器，以使所述云端服务器基于多个评价维度对所述第二语音数据进行分析，并生成该班级学生的口语质量综合评价结果。
在一种可能的设计中，基于每一学生的个人信息和历史学习信息生成对应的用户画像，包括：
基于每一学生所在区域、学校、年级、班级和年龄，并基于该学生已完成学习的知识点和试题，生成该学生对应的用户画像。
在一种可能的设计中，利用知识抽取方法从不同年级学生的口语学习内容中提取实体、关系和属性三元组，并基于所述三元组构建口语评测知识图谱，包括：
利用自然语言处理法从不同年级学生的教材、试题和教学目标中提取结构化数据、半结构化数据和非结构化数据的实体、关系和属性三元组；
将教材、试题和教学目标作为实体，并将教材与教材之间、试题与试题之间、教材与试题之间以及教学目标与试题之间的从属关系作为边，构建所述口语评测知识图谱。
在一种可能的设计中，根据该学生的用户画像，在所述口语评测知识图谱中查找与该学生用户画像匹配的第一测试题目，包括：
从该学生的历史口语质量评价结果中提取该学生的薄弱知识点，并根据所述薄弱知识点优先在所述口语评测知识图谱的错题库中匹配第一错题集；
根据该学生的用户画像，在所述口语评测知识图谱中查找与该学生用户画像匹配的第一初步测试题目；
合理分配所述第一错题集和所述第一初步测试题目，生成所述第一测试题目。
在一种可能的设计中，根据该班级所有学生的用户画像，在所述口语评测知识图谱中查找与该班级所有学生用户画像匹配的第二测试题目，包括：
从该班级学生的整体历史口语评价结果中提取该班学生的薄弱知识点，并根据所述薄弱知识点优先在所述口语评测知识图谱的错题库中匹配第二错题集；
根据该班级所有学生的用户画像，在所述口语评测知识图谱中查找与该班级所有学生用户画像匹配的第二初步测试题目；
合理分配所述第二错题集和所述第二初步测试题目，生成所述第二测试题目。
在一种可能的设计中，所述云端服务器基于多个评价维度对所述第一语音数据进行分析，包括：
所述云端服务器至少根据该学生所在区域的平均口语水平、所在年级、学习进度、题目属性以及学生历史口语水平，至少从流利度、完整度、准确率、情感度、韵律表现以及内容相关性对所述第一语音数据进行分析。
在一种可能的设计中，所述云端服务器至少根据该学生所在区域的平均口语水平、所在年级、学习进度、题目属性以及学生历史口语水平，至少从流利度、完整度、准确率、情感度、韵律表现以及内容相关性对所述第一语音数据进行分析，包括：
根据该学生所在区域的口语竞赛历史成绩确定区域评测难度系数r1；
根据该学生所在年级、学习进度以及历史口语评价结果确定学生评测难度系数r2；
根据该学生所在年级、学习进度以及题目属性确定题目评测难度系数r3；
根据所述区域评测难度系数r1、所述学生评测难度系数r2以及所述题目评测难度系数r3，计算所述第一测试题目的评测难度系数r，计算公式如下:
r＝p1*r1+p2*r2+p3*r3；其中，p1、p2和p3分别是所述区域评测难度系数r1、所述学生评测难度系数r2以及所述题目评测难度系数r3的计算比重，且p1+p2+p3＝1；
根据所述第一测试题目的评测难度系数r，至少从流利度、完整度、准确率、情感度、韵律表现以及内容相关性对所述第一语音数据进行分析。
在一种可能的设计中，所述方法还包括：
根据学生的口语质量评价结果或班级学生的口语质量综合评价结果生成对应的口语学习建议方案。
第二方面，本发明提供一种计算机设备，包括依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如第一方面任意一种可能的设计中所述的学生口语质量评测方法。
第三方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面任意一种可能的设计中所述的学生口语质量评测方法。
第三方面，本发明提供一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行如第一方面任意一种可能的设计中所述的学生口语质量评测方法。
有益效果：本发明通过基于每一学生的个人信息和历史学习信息生成对应的用户画像，并将用户画像通过区块链网络进行上链存储，从而提高学生信息存储的安全性和可靠性；通过利用知识抽取方法从不同年级学生的口语学习内容中提取实体、关系和属性三元组，并基于三元组构建口语评测知识图谱，从而生成试题智能推荐的数据库；通过接收某学生的口语评测请求，根据该学生的用户画像，在口语评测知识图谱中查找与该学生用户画像匹配的第一测试题目，从而可以为每一学生定制个性化的口语测试题目，以适应其真实的学习水平；通过将第一测试题目推荐给该学生进行口语测试，并将在测试过程中产生的第一语音数据上传至云端服务器，以使云端服务器基于多个评价维度对第一语音数据进行分析，并生成该学生的口语质量评价结果，从而可以客观全面地对学生的口语测试进行评价，且评价结果更加客观真实。整个评测过程无需人工参与，降低人工成本，提高测试效率。
附图说明
图1为本实施例中的学生口语质量评测方法的流程图。
具体实施方式
为使本说明书实施例的目的、技术方案和优点更加清楚，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例
首先，需要说明的是，本实施例中的学生口语质量评测方法可应用于多种语言的口语测试场景中，包括但不限于中文、英语、日语、韩语、法语、西班牙语和德语等，此处不做限定，其实现原理具体如下：
如图1所示，第一方面，本发明提供一种学生口语质量评测方法，包括但不限于由步骤S101～S104实现：
步骤S101.基于每一学生的个人信息和历史学习信息生成对应的用户画像，并将所述用户画像通过区块链网络进行上链存储；
其中，作为步骤S101一个可能的设计，基于每一学生的个人信息和历史学习信息生成对应的用户画像，包括：
基于每一学生所在区域、学校、年级、班级和年龄，并基于该学生已完成学习的知识点和试题，生成该学生对应的用户画像。
其中，需要说明的是，本实施例通过将用户画像通过区块链网络进行上链存储，能够保证同步上链的数据的不可篡改性，以为后续的数据使用提供真实的数据源。
步骤S102.利用知识抽取方法从不同年级学生的口语学习内容中提取实体、关系和属性三元组，并基于所述三元组构建口语评测知识图谱；从而生成试题智能推荐的数据库，为后续试题推荐提供数据支持。
其中，在步骤S102一个可能的设计中，利用知识抽取方法从不同年级学生的口语学习内容中提取实体、关系和属性三元组，并基于所述三元组构建口语评测知识图谱，包括：
步骤S1021.利用自然语言处理法从不同年级学生的教材、试题和教学目标中提取结构化数据、半结构化数据和非结构化数据的实体、关系和属性三元组；
其中，不同年级可以包括小学的各年级、初高中的各年级甚至是大学的各个年级，此处不做限定。
步骤S1022.将教材、试题和教学目标作为实体，并将教材与教材之间、试题与试题之间、教材与试题之间以及教学目标与试题之间的从属关系作为边，构建所述口语评测知识图谱。
其中，教材与教材之间的从属关系可以是教学单元之间的先后性，每单元各单词学习顺序的先后性等。例如：北京版英语三年级上册第一单元第1课中的单词在前,第一单元第2课中的单词在后；北京版英语三年级上册第一单元第1课的听力试题归属于北京版英语三年级上册第一单元，北京版英语三年级上册第一单元的教学目标为需要背会某些单词,某些单词题目归属于此单元的教学目标。
步骤S103.接收某学生的口语评测请求，根据该学生的用户画像，在所述口语评测知识图谱中查找与该学生用户画像匹配的第一测试题目；
其中，在步骤S103一种可能的设计中，根据该学生的用户画像，在所述口语评测知识图谱中查找与该学生用户画像匹配的第一测试题目，包括：
步骤S1031.从该学生的历史口语质量评价结果中提取该学生的薄弱知识点，并根据所述薄弱知识点优先在所述口语评测知识图谱的错题库中匹配第一错题集；
其中，需要说明的是，所述薄弱知识点是指该学生在以往多次口语测试中，存在的共性问题，例如词汇识记不准确、多音节单词错读、元音发音标准度差、听力信息提取不准确以及要点信息遗漏等问题。
步骤S1032.根据该学生的用户画像，在所述口语评测知识图谱中查找与该学生用户画像匹配的第一初步测试题目；
具体的，根据该学生所在区域、年级和学习进度等信息，在所述口语评测知识图谱中查找与该学生所在区域、年级和学习进度等信息匹配的第一初步测试题目；
步骤S1033.合理分配所述第一错题集和所述初步测试题目，以生成所述第一测试题目。
其中，可优先推荐第一错题集，以加强学生的错题记忆，巩固薄弱知识点，然后再匹配其他相应的试题进行测试，掌握新的知识点。
步骤S104.将所述第一测试题目推荐给该学生进行口语测试，并将在测试过程中产生的第一语音数据上传至云端服务器，以使所述云端服务器基于多个评价维度对所述第一语音数据进行分析，并生成该学生的口语质量评价结果。
其中，在步骤S104一种可能的设计中，所述云端服务器基于多个评价维度对所述第一语音数据进行分析，包括：
所述云端服务器至少根据该学生所在区域的平均口语水平、所在年级、学习进度、题目属性以及学生历史口语水平，至少从流利度、完整度、准确率、情感度、韵律表现以及内容相关性对所述第一语音数据进行分析。
具体的，包括：
步骤S1041.根据该学生所在区域的口语竞赛历史成绩确定区域评测难度系数r1；
步骤S1042.根据该学生所在年级、学习进度以及历史口语评价结果确定学生评测难度系数r2；
步骤S1043.根据该学生所在年级、学习进度以及题目属性确定题目评测难度系数r3；
步骤S1044.根据所述区域评测难度系数r1、所述学生评测难度系数r2以及所述题目评测难度系数r3，计算所述第一测试题目的评测难度系数r，计算公式如下:
r＝p1*r1+p2*r2+p3*r3；其中，p1、p2和p3分别是所述区域评测难度系数r1、所述学生评测难度系数r2以及所述题目评测难度系数r3的计算比重，且p1+p2+p3＝1；
步骤S1045.根据所述第一测试题目的评测难度系数r，至少从流利度、完整度、准确率、情感度、韵律表现以及内容相关性对所述第一语音数据进行分析。
在一种可能的设计中，所述方法还包括：
步骤S105.接收某班级的口语评测请求，根据该班级所有学生的用户画像，在所述口语评测知识图谱中查找与该班级所有学生用户画像匹配的第二测试题目；
其中，在步骤S105一种可能的设计中，根据该班级所有学生的用户画像，在所述口语评测知识图谱中查找与该班级所有学生用户画像匹配的第二测试题目，包括：
步骤S1051.从该班级学生的整体历史口语评价结果中提取该班学生的薄弱知识点，并根据所述薄弱知识点优先在所述口语评测知识图谱的错题库中匹配第二错题集；
步骤S1052.根据该班级所有学生的用户画像，在所述口语评测知识图谱中查找与该班级所有学生用户画像匹配的第二初步测试题目；
步骤S1053.合理分配所述第二错题集和所述第二初步测试题目，以生成所述第二测试题目。
步骤S106.将所述第二测试题目推荐给该班级的学生进行口语测试，并将在测试过程中产生的第二语音数据上传至云端服务器，以使所述云端服务器基于多个评价维度对所述第二语音数据进行分析，并生成该班级学生的口语质量综合评价结果。
具体的，所述云端服务器至少根据该班级所在区域的平均口语水平、所在年级、学习进度、题目属性以及班级历史口语水平，至少从流利度、完整度、准确率、情感度、韵律表现以及内容相关性对所述第二语音数据进行分析，包括：
步骤S1061.根据该班级所在区域的口语竞赛历史成绩确定区域评测难度系数r1’；
步骤S1062.根据该班级所在年级、学习进度以及历史口语评价结果确定学生评测难度系数r2’；
步骤S1063.根据该班级所在年级、学习进度以及题目属性确定题目评测难度系数r3’；
步骤S1064.根据所述区域评测难度系数r1’、所述学生评测难度系数r2’以及所述题目评测难度系数r3’，计算所述第二测试题目的评测难度系数r’，计算公式如下:
r’＝p1’*r1’+p2’*r2’+p3’*r3’；其中，p1’、p2’和p3’分别是所述区域评测难度系数r1’、所述学生评测难度系数r2’以及所述题目评测难度系数r3’的计算比重，且p1’+p2’+p3’＝1；
步骤S1064.根据所述第二测试题目的评测难度系数r’，至少从流利度、完整度、准确率、情感度、韵律表现以及内容相关性对所述第二语音数据进行分析。
在一种可能的设计中，所述方法还包括：
步骤S107.根据学生的口语质量评价结果或班级学生的口语质量综合评价结果生成对应的口语学习建议方案。
其中，所述口语学习建议方案可以是：
1)词汇识记:注意词类辨析，对相似词进行积累和总结，区分近似单词的读音和含义，避免混淆。
2)多音节单词:练习音节划分，从双音节单词练习开始，逐渐拓展到多音节单词的音节划分，并且反复朗读多音节单词。
3)元音发音:通过学习拼读规则，熟悉元音发音的规律，加强发音准确度的练习，学习单词时确定其中元音字母的正确发音。
4)听力练习:平时多进行听力练习，精听和泛听相结合。在日常听力练习过程中练习用英语思维，不要边听边翻译成汉语。
5)听说结合练习:日常加强语言交流练习，创设对话环境，在具体语言情境中锻炼对所听内容的复述、预测、概括的能力。
6)要点信息遗漏:审题过程中需要抓住题目关键点，理顺逻辑关系，平时可以通过造句、复述故事等方式提高自主表达能力。
基于上述公开的内容，本实施例通过基于每一学生的个人信息和历史学习信息生成对应的用户画像，并将用户画像通过区块链网络进行上链存储，从而提高学生信息存储的安全性和可靠性；通过利用知识抽取方法从不同年级学生的口语学习内容中提取实体、关系和属性三元组，并基于三元组构建口语评测知识图谱，从而生成试题智能推荐的数据库；通过接收某学生的口语评测请求，根据该学生的用户画像，在口语评测知识图谱中查找与该学生用户画像匹配的第一测试题目，从而可以为每一学生定制个性化的口语测试题目，以适应其真实的学习水平；通过将第一测试题目推荐给该学生进行口语测试，并将在测试过程中产生的第一语音数据上传至云端服务器，以使云端服务器基于多个评价维度对第一语音数据进行分析，并生成该学生的口语质量评价结果，从而可以客观全面地对学生的口语测试进行评价，且评价结果更加客观真实。整个评测过程无需人工参与，降低人工成本，提高测试效率。
第二方面，本发明提供一种计算机设备，包括依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如第一方面任意一种可能的设计中所述的学生口语质量评测方法。
应当理解，在本申请实施例中，处理器可以是中央处理单元，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
第三方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面任意一种可能的设计中所述的学生口语质量评测方法。
第三方面，本发明提供一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行如第一方面任意一种可能的设计中所述的学生口语质量评测方法。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明的保护范围。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)
1.一种学生口语质量评测方法，其特征在于，包括：
基于每一学生的个人信息和历史学习信息生成对应的用户画像，并将所述用户画像通过区块链网络进行上链存储；
利用知识抽取方法从不同年级学生的口语学习内容中提取实体、关系和属性三元组，并基于所述三元组构建口语评测知识图谱；
接收某学生的口语评测请求，根据该学生的用户画像，在所述口语评测知识图谱中查找与该学生用户画像匹配的第一测试题目；
将所述第一测试题目推荐给该学生进行口语测试，并将在测试过程中产生的第一语音数据上传至云端服务器，以使所述云端服务器基于多个评价维度对所述第一语音数据进行分析，并生成该学生的口语质量评价结果。
2.根据权利要求1所述的学生口语质量评测方法，其特征在于，所述方法还包括：
接收某班级的口语评测请求，根据该班级所有学生的用户画像，在所述口语评测知识图谱中查找与该班级所有学生用户画像匹配的第二测试题目；
将所述第二测试题目推荐给该班级的学生进行口语测试，并将在测试过程中产生的第二语音数据上传至云端服务器，以使所述云端服务器基于多个评价维度对所述第二语音数据进行分析，并生成该班级学生的口语质量综合评价结果。
3.根据权利要求1所述的学生口语质量评测方法，其特征在于，基于每一学生的个人信息和历史学习信息生成对应的用户画像，包括：
基于每一学生所在区域、学校、年级、班级和年龄，并基于该学生已完成学习的知识点和试题，生成该学生对应的用户画像。
4.根据权利要求3所述的学生口语质量评测方法，其特征在于，利用知识抽取方法从不同年级学生的口语学习内容中提取实体、关系和属性三元组，并基于所述三元组构建口语评测知识图谱，包括：
利用自然语言处理法从不同年级学生的教材、试题和教学目标中提取结构化数据、半结构化数据和非结构化数据的实体、关系和属性三元组；
将教材、试题和教学目标作为实体，并将教材与教材之间、试题与试题之间、教材与试题之间以及教学目标与试题之间的从属关系作为边，构建所述口语评测知识图谱。
5.根据权利要求4所述的学生口语质量评测方法，其特征在于，根据该学生的用户画像，在所述口语评测知识图谱中查找与该学生用户画像匹配的第一测试题目，包括：
从该学生的历史口语质量评价结果中提取该学生的薄弱知识点，并根据所述薄弱知识点优先在所述口语评测知识图谱的错题库中匹配第一错题集；
根据该学生的用户画像，在所述口语评测知识图谱中查找与该学生用户画像匹配的第一初步测试题目；
合理分配所述第一错题集和所述第一初步测试题目，生成所述第一测试题目。
6.根据权利要求2所述的学生口语质量评测方法，其特征在于，根据该班级所有学生的用户画像，在所述口语评测知识图谱中查找与该班级所有学生用户画像匹配的第二测试题目，包括：
从该班级学生的整体历史口语评价结果中提取该班学生的薄弱知识点，并根据所述薄弱知识点优先在所述口语评测知识图谱的错题库中匹配第二错题集；
根据该班级所有学生的用户画像，在所述口语评测知识图谱中查找与该班级所有学生用户画像匹配的第二初步测试题目；
合理分配所述第二错题集和所述第二初步测试题目，生成所述第二测试题目。
7.根据权利要求1所述的学生口语质量评测方法，其特征在于，所述云端服务器基于多个评价维度对所述第一语音数据进行分析，包括：
所述云端服务器至少根据该学生所在区域的平均口语水平、所在年级、学习进度、题目属性以及学生历史口语水平，至少从流利度、完整度、准确率、情感度、韵律表现以及内容相关性对所述第一语音数据进行分析。
8.根据权利要求7所述的学生口语质量评测方法，其特征在于，所述云端服务器至少根据该学生所在区域的平均口语水平、所在年级、学习进度、题目属性以及学生历史口语水平，至少从流利度、完整度、准确率、情感度、韵律表现以及内容相关性对所述第一语音数据进行分析，包括：
根据该学生所在区域的口语竞赛历史成绩确定区域评测难度系数r1；
根据该学生所在年级、学习进度以及历史口语评价结果确定学生评测难度系数r2；
根据该学生所在年级、学习进度以及题目属性确定题目评测难度系数r3；
根据所述区域评测难度系数r1、所述学生评测难度系数r2以及所述题目评测难度系数r3，计算所述第一测试题目的评测难度系数r，计算公式如下:
r＝p1*r1+p2*r2+p3*r3；其中，p1、p2和p3分别是所述区域评测难度系数r1、所述学生评测难度系数r2以及所述题目评测难度系数r3的计算比重，且p1+p2+p3＝1；
根据所述第一测试题目的评测难度系数r，至少从流利度、完整度、准确率、情感度、韵律表现以及内容相关性对所述第一语音数据进行分析。
9.根据权利要求2所述的学生口语质量评测方法，其特征在于，所述方法还包括：
根据学生的口语质量评价结果或班级学生的口语质量综合评价结果生成对应的口语学习建议方案。
10.一种计算机设备，其特征在于，包括依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如权利要求1-9任意一项所述的学生口语质量评测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111364779.1A CN114241835A (zh) | 2021-11-17 | 2021-11-17 | 一种学生口语质量评测方法和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111364779.1A CN114241835A (zh) | 2021-11-17 | 2021-11-17 | 一种学生口语质量评测方法和设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114241835A true CN114241835A (zh) | 2022-03-25 |
Family
ID=80749902
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111364779.1A Pending CN114241835A (zh) | 2021-11-17 | 2021-11-17 | 一种学生口语质量评测方法和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114241835A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116561347A (zh) * | 2023-07-07 | 2023-08-08 | 广东信聚丰科技股份有限公司 | 基于用户学习画像分析的题目推荐方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060007608A (ko) * | 2004-07-20 | 2006-01-26 | 조동기 | 학습 평가 클리닉 서비스 방법 및 그 시스템 |
| CN101826263A (zh) * | 2009-03-04 | 2010-09-08 | 中国科学院自动化研究所 | 基于客观标准的自动化口语评估系统 |
| CN107067849A (zh) * | 2017-04-21 | 2017-08-18 | 杭州博世数据网络有限公司 | 基于云教学平台的家长端系统 |
| CN107085803A (zh) * | 2017-03-31 | 2017-08-22 | 弘成科技发展有限公司 | 基于知识图谱和能力测评的个性化教学资源推荐系统 |
| CN109359215A (zh) * | 2018-12-03 | 2019-02-19 | 江苏曲速教育科技有限公司 | 视频智能推送方法和系统 |
| CN110349446A (zh) * | 2018-04-02 | 2019-10-18 | 毕爱兵 | 智能学习系统及方法 |
-
2021
- 2021-11-17 CN CN202111364779.1A patent/CN114241835A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060007608A (ko) * | 2004-07-20 | 2006-01-26 | 조동기 | 학습 평가 클리닉 서비스 방법 및 그 시스템 |
| CN101826263A (zh) * | 2009-03-04 | 2010-09-08 | 中国科学院自动化研究所 | 基于客观标准的自动化口语评估系统 |
| CN107085803A (zh) * | 2017-03-31 | 2017-08-22 | 弘成科技发展有限公司 | 基于知识图谱和能力测评的个性化教学资源推荐系统 |
| CN107067849A (zh) * | 2017-04-21 | 2017-08-18 | 杭州博世数据网络有限公司 | 基于云教学平台的家长端系统 |
| CN110349446A (zh) * | 2018-04-02 | 2019-10-18 | 毕爱兵 | 智能学习系统及方法 |
| CN109359215A (zh) * | 2018-12-03 | 2019-02-19 | 江苏曲速教育科技有限公司 | 视频智能推送方法和系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116561347A (zh) * | 2023-07-07 | 2023-08-08 | 广东信聚丰科技股份有限公司 | 基于用户学习画像分析的题目推荐方法及系统 |
| CN116561347B (zh) * | 2023-07-07 | 2023-11-07 | 广东信聚丰科技股份有限公司 | 基于用户学习画像分析的题目推荐方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9947322B2 (en) | Systems and methods for automated evaluation of human speech | |
| CN109785698B (zh) | 用于口语水平评测的方法、装置、电子设备以及介质 | |
| CN105845134B (zh) | 自由朗读题型的口语评测方法及系统 | |
| CN101740024B (zh) | 基于广义流利的口语流利度自动评估方法 | |
| US20070033017A1 (en) | Spoken language proficiency assessment by computer | |
| Cole et al. | Crowd-sourcing prosodic annotation | |
| US9449522B2 (en) | Systems and methods for evaluating difficulty of spoken text | |
| JP2013044770A (ja) | 学習支援システム及び学習支援方法 | |
| CN111833853A (zh) | 语音处理方法及装置、电子设备、计算机可读存储介质 | |
| US20120245942A1 (en) | Computer-Implemented Systems and Methods for Evaluating Prosodic Features of Speech | |
| Liscombe | Prosody and speaker state: paralinguistics, pragmatics, and proficiency | |
| Wagner et al. | Applying cooperative machine learning to speed up the annotation of social signals in large multi-modal corpora | |
| CN110675292A (zh) | 一种基于人工智能的儿童语言能力评测方法 | |
| Chou et al. | Automatic deception detection using multiple speech and language communicative descriptors in dialogs | |
| MacWhinney et al. | Language sample analysis with TalkBank: An update and review | |
| Cámara-Arenas et al. | Automatic pronunciation assessment vs. automatic speech recognition: A study of conflicting conditions for L2-English | |
| CN114241835A (zh) | 一种学生口语质量评测方法和设备 | |
| Zechner et al. | Automatic scoring of children’s read-aloud text passages and word lists | |
| CN112767940B (zh) | 一种语音培训识别方法、系统、设备及存储介质 | |
| Cho | An analysis of listening errors by Korean EFL learners from self-paced passage dictation | |
| Willis et al. | Identifying domain reasoning to support computer monitoring in typed-chat problem solving dialogues | |
| Loukina et al. | Expert and crowdsourced annotation of pronunciation errors for automatic scoring systems | |
| Viegas et al. | Entheos: A multimodal dataset for studying enthusiasm | |
| CN113409768A (zh) | 发音检测方法、装置及计算机可读介质 | |
| Morley et al. | Challenges in automating maze detection |
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 |