CN114926758A - 一种分析课堂学生参与度的方法 - Google Patents
一种分析课堂学生参与度的方法 Download PDFInfo
- Publication number
- CN114926758A CN114926758A CN202210482804.4A CN202210482804A CN114926758A CN 114926758 A CN114926758 A CN 114926758A CN 202210482804 A CN202210482804 A CN 202210482804A CN 114926758 A CN114926758 A CN 114926758A
- Authority
- CN
- China
- Prior art keywords
- student
- behavior
- weight
- calculating
- classroom
- 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 25
- 230000006399 behavior Effects 0.000 claims abstract description 94
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 230000003993 interaction Effects 0.000 claims abstract description 7
- 230000009471 action Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 230000000007 visual effect Effects 0.000 abstract 1
- 230000003542 behavioural effect Effects 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Educational Technology (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Human Computer Interaction (AREA)
- Social Psychology (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本申请涉及一种基于课堂行为分析的学生参与度计算方法,其包括以下步骤:获取课堂教学视频数据;获取识别结果:根据课堂教学视频识别学生行为,得到识别结果;进行行为归类:对识别结果进行归类,得到归类结果,其中学生行为的类别包含:听讲、读写、学生互动、举手、应答;计算权重占比率:根据学生行为对学生参与度的影响程度为学生行为分配权重值,计算单次识别结果的学生行为权重占比率;计算参与度:根据归类结果进行参与度计算。解决了缺乏科学有效且能客观评估学生课堂参与情况的问题,本申请具有算法可靠、结果直观和便于利用的效果。
Description
技术领域
本申请涉及教育分析的技术领域,尤其是涉及一种分析课堂学生参与度的方法。
背景技术
目前,学生在课堂上的参与度是一个难以精确定义的问题,教师只能主观的通过学生在课堂上是否活跃、是否参与交互来判断,或是根据成绩来确定学生的参与度。
由于学生千差万别,教学内容千变万化,教师对于不同的学生给予的关注也不同,目前的方案中,普遍的教师会将更多的精力集中在成绩优异和较差的学生身上,缺乏一种科学有效且能客观评估学生课堂参与情况的技术方案。
针对上述中的相关技术,发明人发现目前对学生课堂参与情况的评估方案,存在缺少客观性判断基准的缺陷。
发明内容
为了为教师提供一种客观评价学生课堂参与情况的方向,本申请提供一种分析课堂学生参与度的方法。
第一方面,本申请提供一种分析课堂学生参与度的方法,采用如下的技术方案:
一种分析课堂学生参与度的方法,包括以下步骤:
获取课堂教学视频数据;
获取识别结果:根据课堂教学视频识别学生行为,得到识别结果;
进行行为归类:对识别结果进行归类,得到归类结果,其中学生行为的类别包含:听讲、读写、学生互动、举手、应答;
计算权重占比率:根据学生行为对学生参与度的影响程度为学生行为分配权重值,计算单次识别结果的学生行为权重占比率;
计算参与度:根据归类结果进行参与度计算。
通过采用上述技术方案,通过课堂教学视频数据,根据学生的行为分析结果,按照一定的统计规则,计算出识别时刻点的参与度值,使教师可以从客观的角度了解学生整体课堂参与情况和学生的活跃情况,进而再结合主观判断,根据学生参与情况,适时适当调整教学方法,逐步提升学生参与度和课堂活跃度,从而提升整体教学质量,提升学生课堂积极性。
优选的,获取识别结果步骤中,每6s获取一次识别结果。
通过采用上述技术方案,采用每6s的获取频率,使获取结果的频率不易过快使识别消耗时间过长,还不易过慢导致漏掉的学生行为较多。
优选的,计算权重占比率步骤中,还需要分别计算每个学生的单次权重和,每个学生的单次权重和为该学生的识别结果的行为权重,若学生行为的识别结果为空,则该学生的单次权重和为零。
通过采用上述技术方案,通过给不同的识别结果的行为类别设置不同的行为权重,赋予在学生单次权重和中,既可以使学生单次权重和计算简单,又使单次权重和的数据足够客观。
优选的,计算权重占比率步骤中,还需要计算单次行为分析的权重占比率;单次行为分析的权重占比率为所有学生的整体一致行为权重和与所有学生的单次权重和总和的比例;其中,所有学生的权重和总和为单次识别中所有学生的单次权重和相加得到的;所有学生的整体一致行为权重和为课堂中所有学生的一致权重和相加得到的,一致权重和为当该学生的行为与整体行为一致时的行为类别的行为权重。
通过采用上述技术方案,通过识别结果,计算所有学生的单次权重和总和以及所有学生的整体一致行为权重和,从而计算得出单次行为分析的权重占比率。
优选的,计算权重占比率步骤中,还需要计算单次行为权重占比和;次行为权重占比和为单次行为分析的权重占比率与所有行为类别的整体行为权重值相加得到的。
通过采用上述技术方案,通过计算单次行为权重占比和,便于后续计算参与度步骤的完成。
优选的,计算参与度步骤中,单位时间内的参与度为单位时间内每次采样的单次行为权重占比和相加后除以单位时间内的整体行为总个数得到的。
通过采用上述技术方案,通过计算单位时间内每次采样的单次行为权重占比和的平均值得到单位时间内的参与度,便于对单位时间内的参与度进行客观判断,再可以根据该段单位时间的课堂内容进行判断,并依据参与度对该段单位时间的课堂内容进行完善和改进。
优选的,还包括以下步骤:绘制统计图:根据课堂每个时间节点的参与度值,绘制得出参与度曲线,参与度曲线的横轴为时间轴,纵轴为参与度值。
通过采用上述技术方案,通过课堂学生参与度曲线,老师可以更加直观地观察到学生整体课堂参与情况和学生的活跃度,从而适时调整教学方法,逐步提升学生参与度和课堂活跃度,进一步提升整体教学质量和学生课堂积极性。
第二方面,本申请提供一种智能终端,采用如下的技术方案:
一种智能终端,包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行第一方面任一项所述的分析课堂学生参与度的方法的计算机程序。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,存储有能够被处理器加载并执行第一方面任一项所述的分析课堂学生参与度的方法的计算机程序。
应当理解,发明内容部分中所描述的内容并非旨在限定本申请的实施例的关键或重要特征,亦非用于限制本申请的范围。本申请的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明,本申请各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中,相同或相似的附图标记表示相同或相似的元素,其中:
图1是分析课堂学生参与度的方法实施例的流程图。
图2是展示分析课堂学生参与度的方法实施例中进行权重占比率计算步骤的流程图。
图3是展示分析课堂学生参与度的方法实施例中绘制参与度曲线的示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
本实施例提供一种分析课堂学生参与度的方法,如图1所示,该方法的主要流程描述如下(步骤S101~S106):
步骤S101:获取课堂教学视频。
步骤S102:获取识别结果;
具体的,根据课堂教学视频识别学生行为,得到识别结果;获取识别结果步骤中,每6s获取一次识别结果。
步骤S103:进行行为归类;
对识别结果进行归类,得到归类结果,其中学生行为的类别包含:听讲、读写、学生互动、举手、应答;并且对于每一学生行为类别,都设置不同的行为权重值。
步骤S104:进行权重占比率计算;
如图2所示,可选的,步骤S104包括以下子步骤(步骤S1041~S1045):
步骤S1041:计算每个学生的权重和yj:
其中,x1-x5分别代表听讲、读写、学生互动、举手、应答五个行为类别的行为权重值,根据学生行为对学生参与度的影响程度为学生行为分配权重值,显现行为(例如举手和应答)的行为权重设置会较高;q1-q5为学生行为定义变量,在当前次识别结果中若学生行为识别为对应的上述行为类别,则相应的qi为1;若学生行为识别为非上述行为类别,则相应的qi为0。
步骤S1042:计算所有学生的权重和总和,总权重和S:
即总权重和S为单次识别中所有学生的单次权重和yj相加得到的。
步骤S1043:计算所有学生个体行为和整体行为一致的行为权重值和,
一致总权重和M:
即一致总权重和M为课堂中所有学生的一致权重和y'j相加得到的,一致权重和y'j为当该学生的行为与整体行为一致时的行为类别的行为权重。
步骤S1044:计算单次行为分析的权重占比率rt:
即单次行为分析的权重占比率为所有学生的整体一致行为权重和M与所有学生的单次权重和总和S的比例。
步骤S1045:计算单次行为权重占比累加Rst
即单次行为权重占比累加Rst为单次行为分析的权重占比率rt与五种整体行为的权重值的总和;其中听讲的权重值为t1,读写的权重值为t2,学生互动的权重值为t3,举手的权重值为t4,应答的权重值为t5;在当前次识别结果中若整体行为识别为对应的上述行为类别,则相应的ti为该类别整体行为预设的整体权重值;若整体行为识别为非上述行为类别,则相应的ti为0。
步骤S105:进行参与度计算。
即某段时间内的参与度P为该段时间所有采样次数的单次行为权重占比累加Rst的平均值;在本实施例中,以P为两分钟内的参与度,n为两分钟内的整体行为总个数。
步骤S106:绘制参与度曲线;
具体的,根据课堂每个时间节点的参与度值,绘制得出参与度曲线,参照图3,参与度曲线的横轴为时间轴,纵轴为参与度值。通过绘制出的参与度曲线图形可以更加直观地对课堂参与度的变化进行观察和统计。
为了更好地执行上述方法的程序,本申请实施例还提供一种智能终端,智能终端包括存储器和处理器。
智能终端可以以各种形式来实施,包括手机、平板电脑、掌上电脑、笔记本电脑和台式计算机等设备。
其中,存储器可用于存储指令、程序、代码、代码集或指令集。存储器可以包括存储程序区和存储数据区,其中,存储程序区可存储用于实现上述实施例提供的基于课堂行为分析的学生参与度计算方法的指令等;存储数据区可存储上述实施例提供的基于课堂行为分析的学生参与度计算方法中涉及到的数据等。
处理器可以包括一个或者多个处理核心。处理器通过运行或执行存储在存储器内的指令、程序、代码集或指令集,调用存储在存储器内的数据,执行本申请的各种功能和处理数据。对于不同的设备,用于实现上述处理器功能的电子器件还可以为其它,本申请实施例不作具体限定。
本申请实施例提供一种计算机可读存储介质,例如包括:U盘、移动硬盘、只读存储器(Read Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。该计算机可读存储介质存储有能够被处理器加载并执行上述实施例的基于课堂行为分析的学生参与度计算方法的计算机程序。
本申请具体实施例仅仅是对本申请的解释,其并不是对本申请的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
Claims (9)
1.一种基于课堂行为分析的学生参与度计算方法,其特征在于:包括以下步骤:
获取课堂教学视频数据;
获取识别结果:根据课堂教学视频识别学生行为,得到识别结果;
进行行为归类:对识别结果进行归类,得到归类结果,其中学生行为的类别包含:听讲、读写、学生互动、举手、应答;
计算权重占比率:根据学生行为对学生参与度的影响程度为学生行为分配权重值,计算单次识别结果的学生行为权重占比率;
计算参与度:根据归类结果进行参与度计算。
2.根据权利要求1所述的基于课堂行为分析的学生参与度计算方法,其特征在于:所述获取识别结果步骤中,每6s获取一次识别结果。
3.根据权利要求1所述的基于课堂行为分析的学生参与度计算方法,其特征在于:所述计算权重占比率步骤中,还需要分别计算每个学生的单次权重和,每个学生的单次权重和为该学生的识别结果的行为权重,若学生行为的识别结果为空,则该学生的单次权重和为零。
4.根据权利要求3所述的基于课堂行为分析的学生参与度计算方法,其特征在于:所述计算权重占比率步骤中,还需要计算单次行为分析的权重占比率;所述单次行为分析的权重占比率为所有学生的整体一致行为权重和与所有学生的单次权重和总和的比例;
其中,所有学生的权重和总和为单次识别中所有学生的单次权重和相加得到的;所有学生的整体一致行为权重和为课堂中所有学生的一致权重和相加得到的,一致权重和为当该学生的行为与整体行为一致时的行为类别的行为权重。
5.根据权利要求4所述的基于课堂行为分析的学生参与度计算方法,其特征在于:所述计算权重占比率步骤中,还需要计算单次行为权重占比和;次行为权重占比和为单次行为分析的权重占比率与所有行为类别的整体行为权重值相加得到的。
6.根据权利要求5所述的基于课堂行为分析的学生参与度计算方法,其特征在于:所述计算参与度步骤中,单位时间内的参与度为单位时间内每次采样的单次行为权重占比和相加后除以单位时间内的整体行为总个数得到的。
7.根据权利要求1所述的基于课堂行为分析的学生参与度计算方法,其特征在于:还包括以下步骤:绘制统计图:根据课堂每个时间节点的参与度值,绘制得出参与度曲线,所述参与度曲线的横轴为时间轴,纵轴为参与度值。
8.一种智能终端,其特征在于,包括存储器和处理器,所述存储器上存储有能够被所述处理器加载并执行如权利要求1至7中任一种方法的计算机程序。
9.一种计算机可读存储介质,其特征在于,存储有能够被处理器加载并执行如权利要求1至7中任一种方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210482804.4A CN114926758A (zh) | 2022-05-05 | 2022-05-05 | 一种分析课堂学生参与度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210482804.4A CN114926758A (zh) | 2022-05-05 | 2022-05-05 | 一种分析课堂学生参与度的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114926758A true CN114926758A (zh) | 2022-08-19 |
Family
ID=82807325
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210482804.4A Pending CN114926758A (zh) | 2022-05-05 | 2022-05-05 | 一种分析课堂学生参与度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114926758A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115130932A (zh) * | 2022-08-31 | 2022-09-30 | 中国医学科学院阜外医院 | 一种课堂活动数字化评估方法 |
-
2022
- 2022-05-05 CN CN202210482804.4A patent/CN114926758A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115130932A (zh) * | 2022-08-31 | 2022-09-30 | 中国医学科学院阜外医院 | 一种课堂活动数字化评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110222791B (zh) | 样本标注信息的审核方法及装置 | |
CN111046819B (zh) | 一种行为识别处理方法及装置 | |
Gorard | Rethinking ‘quantitative’methods and the development of new researchers | |
CN110399558B (zh) | 一种试题推荐方法和系统 | |
CN115358897B (zh) | 一种基于电子学生证的学生管理方法、系统、终端及存储介质 | |
Alipourfard et al. | Using Simpson’s paradox to discover interesting patterns in behavioral data | |
CN109543940B (zh) | 活动评估方法、装置、电子设备及存储介质 | |
CN111325082A (zh) | 一种人员专注度分析方法及装置 | |
CN117151070B (zh) | 试卷组题方法、装置、设备及计算机可读存储介质 | |
CN110659311A (zh) | 题目推送方法、装置、电子设备及存储介质 | |
US20160086502A1 (en) | Online learning system, skill evaluation method thereof, and storage media storing the method | |
CN114926758A (zh) | 一种分析课堂学生参与度的方法 | |
CN110245207B (zh) | 一种题库构建方法、题库构建装置及电子设备 | |
CN112101231A (zh) | 学习行为的监控方法、终端、小程序以及服务器 | |
CN114140280A (zh) | 一种基于ai批改的数据处理方法、系统和电子设备 | |
CN112131354B (zh) | 答案筛选方法、装置、终端设备和计算机可读存储介质 | |
CN111008916A (zh) | 知识点掌握推断方法、系统、计算机设备及存储介质 | |
CN109829051B (zh) | 一种数据库相似语句筛选的方法和装置 | |
CN111652711A (zh) | 基于催收数据的贷前分析方法、装置、设备与存储介质 | |
CN110674632A (zh) | 一种确定安全级别的方法及装置、存储介质和设备 | |
CN109003492A (zh) | 一种题目选择方法、装置及终端设备 | |
CN114936281A (zh) | 基于大数据的试题动态分类方法、装置、设备及存储介质 | |
CN114245068A (zh) | 行为监督方法、装置、电子设备与存储介质 | |
CN113673811A (zh) | 一种基于session的在线学习绩效评估方法及装置 | |
CN113506629A (zh) | 一种症状自评量表简化及结果预测方法与系统 |
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 |