CN114372906A - 自闭症及其他发育障碍儿童教学环境反馈获取方法及装置 - Google Patents
自闭症及其他发育障碍儿童教学环境反馈获取方法及装置 Download PDFInfo
- Publication number
- CN114372906A CN114372906A CN202210039131.5A CN202210039131A CN114372906A CN 114372906 A CN114372906 A CN 114372906A CN 202210039131 A CN202210039131 A CN 202210039131A CN 114372906 A CN114372906 A CN 114372906A
- Authority
- CN
- China
- Prior art keywords
- teaching
- autism
- children
- environment
- teaching environment
- 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
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—Systems or methods specially adapted for 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
- G09B19/00—Teaching not covered by other main groups of this subclass
Abstract
本发明公开了一种自闭症及其他发育障碍儿童教学环境反馈获取方法及装置,所述方法包括:通过传感器获取儿童对于教学环境的行为信息;基于所述教学环境对所述行为信息进行分析,获取教学结果信息;根据所述教学结果信息生成后续教学方案。本发明在获取儿童反馈时,无需佩戴设备,没有过多的干扰元素,可以通过声音、动作、知觉、视觉等多种维度的数据分析孩子上课情况能够辅助教师在更短的时间内优化和调整教学方案,提高教学效率。
Description
技术领域
本发明涉及计算机技术领域,尤其是涉及一种自闭症及其他发育障碍儿童教学环境反馈获取方法及装置。
背景技术
虽然目前自闭症及其他发育障碍儿童的干预方法很多,但是大多缺乏循证医学的证据,尚无最优治疗方案,最佳的治疗方法应该是个体化的治疗。其中,教育和训练是最有效、最主要的治疗方法。目标是促进患者语言发育,提高社会交往能力,掌握基本生活技能和学习技能。自闭症及其他发育障碍患者在学龄前一般因不能适应普通幼儿园生活,而在家庭、特殊教育学校、医疗机构中接受教育和训练。学龄期以后患者的语言能力和社交能力会有所提高,部分患者可以到普通小学与同龄儿童一起接受教育,还有部分患者可能仍然留在特殊教育学校。
目前国际上受主流医学推荐和使用的训练干预方法,为孤独症及其他发育障碍儿童的规范化治疗提供了方向,这些主流方法主要有:
1、应用行为分析疗法(ABA)主张以行为主义原理和运用行为塑造原理,以正性强化为主促进孤独症儿童各项能力发展。训练强调高强度、个体化、系统化。
2、孤独症以及相关障碍儿童治疗教育课程(TEACCH)训练该课程根据孤独症儿童能力和行为的特点设计个体化的训练内容,对患儿语言、交流以及感知觉运动等各方面所存在的缺陷有针对性地进行教育,核心是增进孤独症儿童对环境、教育和训练内容的理解和服从。
3、人际关系训练法包括地板时光疗法(floor time)、人际关系发展干预疗法(relationship development intervention,RDI)。
以上个性化的方案一旦制定好,需要通过一段时间(半个月或者一个月)的训练,人工进行前后对比分析,调整后续的训练方案;或者通过教师的观察,记录孩子的反馈情况,都需要一段时间的教学才能获得。因此,如何更快的获取孤独症及其他发育障碍儿童对于教学环境的反馈是亟须解决的一个问题。
发明内容
本发明的目的在于提供一种自闭症及其他发育障碍儿童教学环境反馈获取方法及装置,旨在解决现有技术中的上述问题。
本发明提供一种自闭症儿童教学环境反馈获取方法,包括:
通过传感器获取自闭症儿童对于教学环境的行为信息;
基于所述教学环境对所述行为信息进行分析,获取教学结果信息;
根据所述教学结果信息生成后续教学方案和教学环境的修改方案。
本发明提供一种自闭症儿童教学环境反馈获取装置,包括:
传感器,用于获取自闭症及其他发育障碍儿童对于教学环境的行为信息;
分析模块,用于基于所述教学环境对所述行为信息进行分析,获取教学结果信息;
生成模块,用于根据所述教学结果信息生成后续教学方案和教学环境的修改方案,也就是说,可以同时调整教学环境内的影响因素。
采用本发明实施例,在获取自闭症及其他发育障碍儿童反馈时,无需佩戴设备,没有过多的干扰元素,可以通过声音、动作、知觉、视觉等多种维度的数据分析孩子上课情况能够辅助教师在更短的时间内优化和调整教学方案,提高教学效率。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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是本发明实施例的自闭症及其他发育障碍儿童教学环境反馈获取方法的流程图;
图2是本发明实施例的自闭症及其他发育障碍儿童教学环境反馈获取方法的原理示意图;
图3是本发明实施例的自闭症及其他发育障碍儿童教学环境反馈获取装置的示意图。
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。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”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所述特征。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。此外,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
方法实施例
根据本发明实施例,提供了一种自闭症及其他发育障碍儿童教学环境反馈获取方法,图1是本发明实施例的自闭症及其他发育障碍儿童教学环境反馈获取方法的流程图,如图1所示,根据本发明实施例的自闭症及其他发育障碍儿童教学环境反馈获取方法具体包括:
步骤101,通过传感器获取自闭症及其他发育障碍儿童对于教学环境的行为信息;所述传感器具体包括以下至少之一:人体动作捕捉仪、眼球追踪仪。需要说明的是,上述传感器设备仅仅是举例说明,并不限于上述几种设备。在步骤101中,通过传感器获取自闭症及其他发育障碍儿童对于教学环境的动作信息、目光停留位置目光停留时长。
步骤102,基于所述教学环境对所述行为信息进行分析,获取教学结果信息;在步骤102中,结合所述教学环境,通过3D深度采集仪获取到自闭症儿童的深度信息,判断自闭症及其他发育障碍儿童的位置。方式一Light Coding:红外投影机投射红外光谱,照射到粗糙物体或者毛玻璃后,光谱发生扭曲,形成散斑。因为散斑具有高度随机性,所以空间中每一个散斑的图案都不相同。在空间中打上这样的结构光,整个空间即被标记,当物体放在这个空间中时,红外摄像机接收到反馈信息,就可根据物体上散斑图案判断物体位置,形成深度图像。方式二Time Of Light:通过红外摄像头投射红外线形成反射光,根据光线飞行时间判断物体位置,形成深度图像。进一步的,对自闭症及其他发育障碍儿童进行骨骼跟踪,计算自闭症及其他发育障碍儿童的肢体空间位置与动作幅度,首先要从深度图像中识别出“人体”目标,即从深度图像中跟踪任何“大”字形物体,此处与人体相似的衣物也会被标定。然后逐点扫描这些区域的深度图像像素点,来判断属于人体哪个部位,其中包括边缘检测、噪声阈值处理等计算机图形学技术。通过这一技术最终将人体从背景环境中区分出来。当系统将人体从深度图像中分离出来后,接下来就是将人体各个部位识别出来。由于人的高矮胖瘦的不同,当自闭症及其他发育障碍儿童做相同的动作时会呈现出不同的状态,机器是无法穷举出所有人体姿态的,只能通过机器学习去抽象常见的姿态和行为去推测、理解人类的意图,通过人体各个部位的特征值进行分类。获得人体的不同部位之后就可以进行关节点的识别,人体的关节连接着躯干、四肢、头颅等,会有很多重叠的地方,所以需要分别从正面、侧面等多个角度去分析、机器学习,根据每一个可能的像素来确定关节点,形成骨骼系统。进一步的,采用人脸识别技术,分析自闭症及其他发育障碍儿童的面部表情,第一步首先定位人脸的存在,其次基于人的面部特征,对输入的人脸图像或者视频进行进一步分析,包括脸的位置、大小和各个面部器官的位置信息,依据这些信息,提取每个人脸中所蕴含的身份特征,并将其与已知的人脸进行比较,从而识别每个人的身份。进一步的,采用语音识别技术,识别自闭症儿童的发音清晰度、发音准确度、以及语义分析,通过麦克风阵列捕获的音频数据流通过音频增强效果算法处理来屏蔽环境噪声。即使在一个大的空间,即使人离麦克风有一定距离,也能够进行语音命令的识别。阵列技术包含有效的噪声消除和回波抑制算法,同时采用波束成形技术通过每个独立设备的响应时间来确定声源位置,并尽可能避免环境噪声的影响。进一步的,进行眼动识别,分析自闭症及其他发育障碍儿童对所述教学环境的目光停留位置、目光停留时长,眼动识别包括采样率、准确度和精密度、头箱尺寸、单目追踪和双目追踪及瞳孔照明方式收集眼动数据。基于分析结果获取教学结果信息,其中所述获取教学结果信息具体包括:自闭症及其他发育障碍儿童教学前后的对比分析结果、影响自闭症及其他发育障碍儿童情绪的干扰因素、强化物以及教学环境对自闭症及其他发育障碍儿童的影响情况。
步骤103,根据所述教学结果信息生成后续教学方案和教学环境的修改方案。在步骤103中,基于AI算法,对自闭症及其他发育障碍儿童的强化物进行分级,在教学过程中的强化环节,即学生任务完成后获得奖励物品时,借由步骤102中各种设备,采集学生的面部表情变化、双目注视时长与运动幅度,肢体运动幅度等数据,上传至后台数据库,作为当前物品的各项标签。将标签数据与教学前教师在的“强化物筛查”教学流程所得的强化物分级数据一同上传至AI服务器,通过机器学习的方式,抽象出学生在面对不同偏好程度的强化物时所展现的行为表现模型。此模型将在未来学生第一次接触全新奖励物品时,采集届时学生的行为表现,以对该物品的强化等级进行快速标注。在教学环节中,分析自闭症儿童的关注点偏好,当视觉类刺激物被呈现时,借由步骤102中的眼动捕捉设备,在后台数据库中标注最能够吸引学生视线的部位,并对该部位的形状、颜色、纹理等物理参数进行分析与标注。将二者数据上传至AI服务器,生成分析报告,并在未来制定教学步骤时,优先选择或避免具备该类物理参数的教具及强化物,以便控制学生在教学环节中的关注点偏好。进一步的,对自闭症及其他发育障碍儿童教学目标的掌握度进行分析,通过步骤102中的眼动设备与骨骼跟踪设备,采集并结合预设规则筛选出与教学相关的多项数值指标,由经过深度学习的AI系统对当前目标的掌握程度进行分析并出具报告。例如:指令反应时长,即采集从教师发出任务指令至学生给出回应的时间间隔,通过与事先准备的学生数据库进行对比,判断当前教学环节中,学生是否出现注意力丢失的情况。以及当教学任务执行失败时,判断其原因是由于未习得当前目标或是由于注意力丢失未执行当前目标。目标加工时长,主要用于依靠视觉刺激的教学任务,通过追踪学生双目注视位置、次数及时长,对比事先收集的学生数据库进行对比,判断学生对当前教学目标的加工时长,匹配的掌握级别为陌生、练习中或精熟。此项功能同样可用于复习教学目标,判断学生是否出现了遗忘并反馈至教学方案,以便于教师进行调整。进一步的,对教师教学操作进行分析,使用步骤102中的设备,对教师在教学环节中的“指令下达”与“强化物给予”环节进行监测。事先使用语音识别技术与骨骼跟踪技术,制作用作参考的教师标准操作数据库。在正式教学时,采集教师的实时语音及动作数据,并在教学结束后与标准数据库进行对比,依靠已完成深度学习的AI系统,生成差异性分析报告,反馈至督导及教师处,用于优化教师的教学操作。构建情绪行为预警系统,在教学环节中,教师会在他所使用的终端设备中记录学生异常的情绪与行为,包括该异常的发生时间、持续时长等描述数据。同时,步骤102中的设备,将对学生在教学环节中的声音、表情、动作及其他生理数据进行捕捉与采集。AI系统将教师记录的异常表现数据与步骤102中的相结合,分析学生在异常表现发生前的预兆性行为。由于这些行为的多样性与不确定性,AI系统需要进行一定样本量的深度学习。等待AI系统完成深度学习后,在日常教学环节中,各类设备仍会实时采集学生的声音、表情、动作等各项数据,但是当学生出现了数据库中的预兆性行为时,教师使用的终端将会出现预警推送,便于教师在学生的异常行为发生前进行教学控制和干预。监测教学环境,使用步骤102中的深度监测设备,对教学环节中的师生周边环境进行实时监测。由于AI系统并不能直接理解教学环境是否整洁以及是否出现了教学环节中不必要的物品,所以此处AI系统需要进行深度学习。之后AI系统将会实时分析已采集的环境画面数据,当画面中出现了可能影响教学不整洁情况或不必要物品时,实时反馈至教师终端,以便教师及时调整教学环节的环境布置。监测教学质量,教师会在教师终端记录学生是否已掌握当前教学目标,步骤102中的眼动与骨骼模型设备也会记录学生在掌握教学目标时的各项动作数据。AI系统基于此处的两项数据进行深度学习,当深度学习完成后,AI系统可以基于实时的动作行为数据自动判断学生是否已掌握当前教学目标并自动记录至后台,此数据可以帮助教师更准确地调整之后的教学计划。此外,这项功能还会同时记录各教学目标的学习时长(例如:回合数、天数等)当教学组中存在多位老师都对某一相同领域的目标进行教学时,通过对比不同教师所耗费的时长与他们在教学时的行为数据,生成分析报告,反馈至教学组督导处,便于督导及时监测与调整教师的教学操作,以改进教学质量。
图2是本发明实施例的自闭症及其他发育障碍儿童教学环境反馈获取方法的原理示意图,如图2所示,可以通过Azure Kinect DK(人体动作捕捉)、眼球追踪仪设备进行数据采集,回传到服务器,通过软件进行分析,推送给教师。
综上所述,采用本发明实施例的技术方案,可以实时记录环境或者教学目标对孩子的影响,例如,给孩子展示一组图片,教孩子进行认知,会记录孩子在图片上每个位置的目光停留时长,用于分析孩子对于图片内容的喜好程度、色彩因素的影响等等,以辅助教师能在更短的时间内优化和调整教学方案,提高教学效率。
装置实施例
根据本发明实施例,提供了一种自闭症及其他发育障碍儿童教学环境反馈获取装置,图3是本发明实施例的自闭症及其他发育障碍儿童教学环境反馈获取装置的示意图,如图3所示,根据本发明实施例的自闭症及其他发育障碍儿童教学环境反馈获取装置具体包括:
传感器30,用于获取自闭症及其他发育障碍儿童对于教学环境的行为信息;所述传感器30具体包括以下至少之一:人体动作捕捉仪、眼球追踪仪。
所述传感器30具体用于:
获取自闭症及其他发育障碍儿童对于教学环境的动作信息、目光停留位置、以及目光停留时长。
分析模块32,用于基于所述教学环境对所述行为信息进行分析,获取教学结果信息;
分析模块32具体用于:
结合所述教学环境,分析自闭症及其他发育障碍儿童对所述教学环境的动作信息、目光停留位置、以及目光停留时长,基于分析结果获取教学结果信息,其中所述获取教学结果信息具体包括:自闭症及其他发育障碍儿童教学前后的对比分析结果、影响自闭症及其他发育障碍儿童情绪的干扰因素、强化物以及教学环境对自闭症及其他发育障碍儿童的影响情况。
生成模块34,用于根据所述教学结果信息生成后续教学方案和教学环境的修改方案。
生成模块34具体用于:基于AI算法,根据自闭症及其他发育障碍儿童教学前后的对比分析结果、影响自闭症儿童情绪的干扰因素、强化物以及教学环境对自闭症及其他发育障碍儿童的影响情况,对当前教学方案进行优化调整,或者,生成更适合的新的教学方案和教学环境修改方案。
本发明实施例是与上述方法实施例对应的装置实施例,各个模块的具体操作可以参照方法实施例的描述进行理解,在此不再赘述。
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。
在20世纪30年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此,本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
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。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书的一个或多个实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本文件的实施例而已,并不用于限制本文件。对于本领域技术人员来说,本文件可以有各种更改和变化。凡在本文件的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本文件的权利要求范围之内。
Claims (10)
1.一种自闭症及其他发育障碍儿童教学环境反馈获取方法,其特征在于,包括:
通过传感器获取自闭症及其他发育障碍儿童对于教学环境的行为信息;
基于所述教学环境对所述行为信息进行分析,获取教学结果信息;
根据所述教学结果信息生成后续教学方案和教学环境的修改方案。
2.根据权利要求1所述的方法,其特征在于,所述传感器具体包括以下至少之一:
人体动作捕捉仪、眼球追踪仪。
3.根据权利要求2所述的方法,其特征在于,通过传感器获取自闭症及其他发育障碍儿童对于教学环境的行为信息具体包括:
通过传感器获取自闭症及其他发育障碍儿童对于教学环境的动作信息、目光停留位置以及目光停留时长。
4.根据权利要求3所述的方法,其特征在于,基于所述教学环境对所述行为信息进行分析,获取教学结果信息具体包括:
结合所述教学环境,分析自闭症及其他发育障碍儿童对所述教学环境的动作信息、目光停留位置以及目光停留时长,基于分析结果获取教学结果信息,其中所述获取教学结果信息具体包括:自闭症及其他发育障碍儿童教学前后的对比分析结果、影响自闭症及其他发育障碍儿童情绪的干扰因素、强化物以及教学环境对自闭症及其他发育障碍儿童的影响情况。
5.根据权利要求4所述的方法,其特征在于,根据所述教学结果信息生成后续教学方案具体包括:
基于AI算法,根据自闭症及其他发育障碍儿童教学前后的对比分析结果、影响自闭症及其他发育障碍儿童情绪的干扰因素、强化物以及教学环境对自闭症及其他发育障碍儿童的影响情况,对当前教学方案进行优化调整,或者,生成更适合的新的教学方案。
6.一种自闭症及其他发育障碍儿童教学环境反馈获取装置,其特征在于,包括:
传感器,用于获取自闭症及其他发育障碍儿童对于教学环境的行为信息;
分析模块,用于基于所述教学环境对所述行为信息进行分析,获取教学结果信息;
生成模块,用于根据所述教学结果信息生成后续教学方案和教学环境的修改方案。
7.根据权利要求6所述的装置,其特征在于,所述传感器具体包括以下至少之一:
人体动作捕捉仪、眼球追踪仪。
8.根据权利要求7所述的装置,其特征在于,所述传感器具体用于:
获取自闭症及其他发育障碍儿童对于教学环境的动作信息、目光停留位置以及目光停留时长。
9.根据权利要求8所述的装置,其特征在于,所述分析模块具体用于:
结合所述教学环境,分析自闭症及其他发育障碍儿童对所述教学环境的动作信息、目光停留位置以及目光停留时长,基于分析结果获取教学结果信息,其中所述获取教学结果信息具体包括:自闭症及其他发育障碍儿童教学前后的对比分析结果、影响自闭症及其他发育障碍儿童情绪的干扰因素、强化物以及教学环境对自闭症及其他发育障碍儿童的影响情况。
10.根据权利要求9所述的装置,其特征在于,所述生成模块具体用于:
基于AI算法,根据自闭症及其他发育障碍儿童教学前后的对比分析结果、影响自闭症及其他发育障碍儿童情绪的干扰因素、强化物以及教学环境对自闭症儿童的影响情况,对当前教学方案进行优化调整,或者,生成更适合的新的教学方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210039131.5A CN114372906A (zh) | 2022-01-13 | 2022-01-13 | 自闭症及其他发育障碍儿童教学环境反馈获取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210039131.5A CN114372906A (zh) | 2022-01-13 | 2022-01-13 | 自闭症及其他发育障碍儿童教学环境反馈获取方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114372906A true CN114372906A (zh) | 2022-04-19 |
Family
ID=81144975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210039131.5A Pending CN114372906A (zh) | 2022-01-13 | 2022-01-13 | 自闭症及其他发育障碍儿童教学环境反馈获取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114372906A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115154827A (zh) * | 2022-08-05 | 2022-10-11 | 成都信息工程大学 | 用于自闭症儿童眼神交流的智能穿戴装置、方法及系统 |
CN116935721A (zh) * | 2023-07-20 | 2023-10-24 | 云启智慧科技有限公司 | 一种面向特殊学生群体的辅助教学方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006051550A (ja) * | 2004-08-10 | 2006-02-23 | Matsushita Electric Ind Co Ltd | 移動体への位置教示装置および位置教示方法 |
CN105280044A (zh) * | 2015-11-17 | 2016-01-27 | 东南大学 | 一种面向孤独症谱系障碍儿童的智能教学系统 |
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 |
CN112426154A (zh) * | 2020-11-18 | 2021-03-02 | 嘉兴学院 | 一种自闭症儿童体感游戏生物反馈康复方法 |
-
2022
- 2022-01-13 CN CN202210039131.5A patent/CN114372906A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006051550A (ja) * | 2004-08-10 | 2006-02-23 | Matsushita Electric Ind Co Ltd | 移動体への位置教示装置および位置教示方法 |
CN105280044A (zh) * | 2015-11-17 | 2016-01-27 | 东南大学 | 一种面向孤独症谱系障碍儿童的智能教学系统 |
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 |
CN112426154A (zh) * | 2020-11-18 | 2021-03-02 | 嘉兴学院 | 一种自闭症儿童体感游戏生物反馈康复方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115154827A (zh) * | 2022-08-05 | 2022-10-11 | 成都信息工程大学 | 用于自闭症儿童眼神交流的智能穿戴装置、方法及系统 |
CN116935721A (zh) * | 2023-07-20 | 2023-10-24 | 云启智慧科技有限公司 | 一种面向特殊学生群体的辅助教学方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11017695B2 (en) | Method for developing a machine learning model of a neural network for classifying medical images | |
Dewan et al. | A deep learning approach to detecting engagement of online learners | |
Parks et al. | Augmented saliency model using automatic 3d head pose detection and learned gaze following in natural scenes | |
CN109475294A (zh) | 用于治疗精神障碍的移动和可穿戴视频捕捉和反馈平台 | |
Happy et al. | Automated alertness and emotion detection for empathic feedback during e-learning | |
Trueswell | Using eye movements as a developmental measure within psycholinguistics | |
CN114372906A (zh) | 自闭症及其他发育障碍儿童教学环境反馈获取方法及装置 | |
EP3483785A1 (en) | System and method for guiding social interactions | |
US20200268349A1 (en) | System and method for analysis of medical equipment system results generated by augmented reality guidance of medical equipment systems | |
Orlosky et al. | Using eye tracked virtual reality to classify understanding of vocabulary in recall tasks | |
Pourebadi et al. | Facial expression modeling and synthesis for patient simulator systems: Past, present, and future | |
Baothman | An intelligent big data management system using haar algorithm-based Nao agent multisensory communication | |
Mehrubeoglu et al. | Capturing reading patterns through a real-time smart camera iris tracking system | |
Linde-Domingo et al. | Evidence for a reversal of the neural information flow between object perception and object reconstruction from memory | |
Gonçalves et al. | Design of Socioenactive Systems Based on Physiological Sensors and Robot Behavior in Educational Environments | |
Marcos-Pablos et al. | Integrating emotion recognition tools for developing emotionally intelligent agents | |
Weng et al. | Developing early senses about the world:" Object Permanence" and visuoauditory real-time learning | |
Lemonnier et al. | Monolingual and bilingual infants' attention to talking faces: evidence from eye-tracking and Bayesian modeling | |
Reinboth et al. | Linguistic, Kinematic and Gaze Information in Task Descriptions: The LKG-Corpus | |
Mutlu | Exocortex as a Learning Technology | |
Van Maanen et al. | Accounting for subliminal priming in ACT-R | |
Henschel | New approaches to the emerging social neuroscience of human-robot interaction | |
Karakostas et al. | SpAtiAL: A sensor based framework to support affective learning | |
Feizabadifarahani | A feasibility study for enhancing student’s engagement in remote lectures | |
Tangnimitchok | Non-intrusive affective assessment in the circumplex model from pupil diameter and facial expression monitoring |
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 |