CN115187437A - 一种基于大数据的高校教学质量的评价方法及系统 - Google Patents
一种基于大数据的高校教学质量的评价方法及系统 Download PDFInfo
- Publication number
- CN115187437A CN115187437A CN202210828014.7A CN202210828014A CN115187437A CN 115187437 A CN115187437 A CN 115187437A CN 202210828014 A CN202210828014 A CN 202210828014A CN 115187437 A CN115187437 A CN 115187437A
- Authority
- CN
- China
- Prior art keywords
- parameter
- determining
- people
- teaching
- teaching quality
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 20
- 238000011156 evaluation Methods 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 42
- 238000004590 computer program Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 101100533311 Rattus norvegicus Set gene Proteins 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 239000013307 optical fiber Substances 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
- G06Q10/06395—Quality analysis or management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Technology (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请的实施例提供了一种基于大数据的高校教学质量的评价方法、系统、计算机可读介质及电子设备。该基于大数据的高校教学质量的评价方法包括：获取上课过程中学生的视频画面，检测视频画面中的表情特征，确定对课堂内容感兴趣的表情特征对应的感兴趣数量，对学生对教师的评价信息、实到人数以及应到人数进行处理确定第一参数；对学生成绩、感兴趣数量以及应到人数进行处理确定第二参数，最后基于第一参数和第二参数确定教学质量等级。上述方式从视频画面中提取表情特征，之后基于上课情况来确定第一参数和第二参数，以用于评估教师上课的吸引程度和传授程度，最后综合得到教学质量等级，提高了教学质量评估的科学性、客观性和全面性。
Description
技术领域
本申请涉及计算机技术领域，具体而言，涉及一种基于大数据的高校教学质量的评价方法、系统、计算机可读介质及电子设备。
背景技术
教学质量评价是是高校管理的重要内容,是影响学校发展的一个重要 因素,也是培养教师教学能力的有效手段。搞好教师教学质量评价是 每一所学校在管理中要重点解决的问题。合理而公正的评价方法，能全面公正地反应教师工作的基本情况，促进其教学水平提高有明显的激励与导向作用。但是现有的很多教学质量评价方法往往不能全面、精确的进行质量评价，无法保证高校教学质量评价的客观性和精确性。
发明内容
本申请的实施例提供了一种基于大数据的高校教学质量的评价方法、系统、计算机可读介质及电子设备，进而至少在一定程度上可以提高高校教学质量评价的客观性和精确性。
本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面，提供了一种基于大数据的高校教学质量的评价方法，包括：从预设教学视频数据库中，获取上课过程中学生的视频画面；检测所述视频画面中的表情特征，确定对课堂内容感兴趣的表情特征对应的感兴趣数量；对学生对教师的评价信息、实到人数以及应到人数进行处理，确定第一参数，所述第一参数用于表示教师上课内容对学生的吸引程度；对学生成绩、所述感兴趣数量以及应到人数进行处理，确定第二参数，所述第二参数用于表示教师对课程内容的传授程度；基于所述第一参数和所述第二参数，确定教学质量等级。
在本申请的一些实施例中，基于前述方案，所述检测所述视频画面中的表情特征，确定对课堂内容感兴趣的表情特征对应的感兴趣数量，包括：对所述视频画面进行图像增强处理，得到增强图像；检测所述增强图像中包含学生人脸的人脸区域；识别所述人脸区域中的表情特征，确定对课堂内容感兴趣的表情特征对应的感兴趣数量。
在本申请的一些实施例中，基于前述方案，所述对所述视频画面进行图像增强处理，得到增强图像，包括：识别视频画面中大于预设灰度值的目标区域；对所述目标区域中的像素做增强处理，得到增强图像。
在本申请的一些实施例中，基于前述方案，所述对学生对教师的评价信息、实到人数以及应到人数进行处理，确定第一参数，包括:获取学生对教师的评价信息，对评价信息进行量化得到评价因子，根据实到人数和应到人数之间的比值，确定到课率；根据所述评价因子和所述到课率确定所述第一参数。
在本申请的一些实施例中，基于前述方案，所述对学生成绩、所述感兴趣数量以及应到人数进行处理，确定第二参数，包括:获取学生成绩，对所述学生成绩进行量化得到成绩因子；根据感兴趣数量与应到人数之间的比值，确定兴趣率；根据成绩因子和兴趣率确定第二参数。
在本申请的一些实施例中，基于前述方案，所述基于所述第一参数和所述第二参数，确定教学质量等级，包括:根据所述第一参数和所述第二参数之间的加权和，确定教学质量参数；根据预设的等级阈值，确定所述教学质量参数对应的教学质量等级。
在本申请的一些实施例中，基于前述方案，所述方法还包括：获取教学过程中的教室的全景视频数据；基于所述全景视频数据构建所述教学视频数据库。
根据本申请实施例的一个方面，提供了一种基于大数据的高校教学质量的评价系统，包括：
获取单元，用于从预设教学视频数据库中，获取上课过程中学生的视频画面；
检测单元，用于检测所述视频画面中的表情特征，确定对课堂内容感兴趣的表情特征对应的感兴趣数量；
第一参数单元，用于对学生对教师的评价信息、实到人数以及应到人数进行处理，确定第一参数，所述第一参数用于表示教师上课内容对学生的吸引程度；
第二参数单元，用于对学生成绩、所述感兴趣数量以及应到人数进行处理，确定第二参数，所述第二参数用于表示教师对课程内容的传授程度；
确定单元，用于基于所述第一参数和所述第二参数，确定教学质量等级。
在本申请的一些实施例中，基于前述方案，所述检测所述视频画面中的表情特征，确定对课堂内容感兴趣的表情特征对应的感兴趣数量，包括：对所述视频画面进行图像增强处理，得到增强图像；检测所述增强图像中包含学生人脸的人脸区域；识别所述人脸区域中的表情特征，确定对课堂内容感兴趣的表情特征对应的感兴趣数量。
在本申请的一些实施例中，基于前述方案，所述对所述视频画面进行图像增强处理，得到增强图像，包括：识别视频画面中大于预设灰度值的目标区域；对所述目标区域中的像素做增强处理，得到增强图像。
在本申请的一些实施例中，基于前述方案，所述对学生对教师的评价信息、实到人数以及应到人数进行处理，确定第一参数，包括:获取学生对教师的评价信息，对评价信息进行量化得到评价因子，根据实到人数和应到人数之间的比值，确定到课率；根据所述评价因子和所述到课率确定所述第一参数。
在本申请的一些实施例中，基于前述方案，所述对学生成绩、所述感兴趣数量以及应到人数进行处理，确定第二参数，包括:获取学生成绩，对所述学生成绩进行量化得到成绩因子；根据感兴趣数量与应到人数之间的比值，确定兴趣率；根据成绩因子和兴趣率确定第二参数。
在本申请的一些实施例中，基于前述方案，所述基于所述第一参数和所述第二参数，确定教学质量等级，包括:根据所述第一参数和所述第二参数之间的加权和，确定教学质量参数；根据预设的等级阈值，确定所述教学质量参数对应的教学质量等级。
在本申请的一些实施例中，基于前述方案，所述方法还包括：获取教学过程中的教室的全景视频数据；基于所述全景视频数据构建所述教学视频数据库。
根据本申请实施例的一个方面，提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述实施例中所述的基于大数据的高校教学质量的评价方法。
根据本申请实施例的一个方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中所述的基于大数据的高校教学质量的评价方法。
根据本申请实施例的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的基于大数据的高校教学质量的评价方法。
在本申请的一些实施例所提供的技术方案中，从预设教学视频数据库中，获取上课过程中学生的视频画面，检测所述视频画面中的表情特征，确定对课堂内容感兴趣的表情特征对应的感兴趣数量，对学生对教师的评价信息、实到人数以及应到人数进行处理确定第一参数；对学生成绩、所述感兴趣数量以及应到人数进行处理确定第二参数，最后基于第一参数和所述第二参数，确定教学质量等级。上述方式从视频画面中提取表情特征，以确定对课堂内容感兴趣的感兴趣数量，之后基于上课情况来确定第一参数和第二参数，以用于评估教师上课的吸引程度和传授程度，最后统一综合得到教学质量等级，提高了教学质量评估的客观性和全面性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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示意性示出了根据本申请的一个实施例的基于大数据的高校教学质量的评价方法的流程图。
图2示意性示出了根据本申请的一个实施例的确定对课堂内容感兴趣的表情特征对应的感兴趣数量的流程图。
图3示意性示出了根据本申请的一个实施例的基于大数据的高校教学质量的评价系统的示意图。
图4示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本申请将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本申请的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本申请的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、系统、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
以下对本申请实施例的技术方案的实现细节进行详细阐述：
图1示出了根据本申请的一个实施例的基于大数据的高校教学质量的评价方法的流程图。参照图1所示，该基于大数据的高校教学质量的评价方法至少包括步骤S110至步骤S150，详细介绍如下：
在步骤S110中，从预设教学视频数据库中，获取上课过程中学生的视频画面。
在本申请的一个实施例中，本实施例中获取视频画面的方式可以是从预设的教学视频数据库中获取得到。本实施例中预先构建视频数据库时，通过获取教学过程中的教室的全景视频数据，以基于所述全景视频数据构建所述教学视频数据库。
本实施例中视频画面可以是包含教室的全景视频以及图像数据等等。通过基于视频数据构建教学视频数据库，保证视频数据的全面和完备。
在步骤S120中，检测所述视频画面中的表情特征，确定对课堂内容感兴趣的表情特征对应的感兴趣数量。
在本申请的一个实施例中，在对一个教师进行教学质量评价时，调取该教师对应的教室的视频画面，以检测视频画面中的表情特征，识别其中对课堂内容感兴趣的表情特征，并进行计数，得到感兴趣数量。
在本申请的一个实施例中，如图2所示，步骤S120中检测所述视频画面中的表情特征，确定对课堂内容感兴趣的表情特征对应的感兴趣数量，包括S210～S230：
S210，对所述视频画面进行图像增强处理，得到增强图像；
S220，检测所述增强图像中包含学生人脸的人脸区域；
S230，识别所述人脸区域中的表情特征，确定对课堂内容感兴趣的表情特征对应的感兴趣数量。
在本申请的一个实施例中，步S210中对所述视频画面进行图像增强处理，得到增强图像，包括：
识别视频画面中大于预设灰度值的目标区域；
对所述目标区域中的像素做增强处理，得到增强图像。
在本申请的一个实施例中，本实施例中设定有预设灰度值，用于检测视频画面中灰度值较高的区域，以针对灰度值较高的目标区域进行图像增强处理。在识别到视频画面中大于预设灰度值的目标区域之后，对目标区域中的像素做增强处理，得到增强后的灰度值T(x,y)为：
其中，G(x,y)用于表示目标区域中像素点的灰度值，
表示预设的增强因
子。通过上述方式目标区域中的像素进行增强，提高了目标区域中的像素灰度，进而提高了
图像画面的辨识度，有助于从增强图像中进行检测，确定其中的人脸区域。
示例性的，在从增强图像中检测人脸区域、并识别所述人脸区域中的表情特征时，可以通过预训练得到的人脸检测模型和表情识别模型进行检测。本实施例中的人脸检测模型和表情识别模型可以是基于大数据采集的人脸图像样本，通过对神经网络进行建模和训练而生成的。通过上述基于模型的检测识别方式，提高了人脸特征检测的精确性。
在步骤S130中，对学生对教师的评价信息、实到人数以及应到人数进行处理，确定第一参数，所述第一参数用于表示教师上课内容对学生的吸引程度。
在本申请的一个实施例中，本实施例中的评价信息用于表示学生对教师的评分信息、建议信息等等，实到人数用于表示视频数据中所包含的人数，应到人数表示本次课程应该到达的最大人数。本实施例中基于上述评价信息、实到人数以及应到人数确定第一参数，以用于评估教师的上课内容对学生的吸引程度。
在本申请的一个实施例中，对学生对教师的评价信息、实到人数以及应到人数进行处理，确定第一参数，包括:
获取学生对教师的评价信息，对评价信息进行量化得到评价因子，
根据实到人数和应到人数之间的比值，确定到课率；
根据所述评价因子和所述到课率确定所述第一参数。
本实施例中对评价信息的量化可以是，将评价信息中的评价成绩Eva_per除以设
定的第一量化因子
，之后得到评价因子Eva_fac为:
根据实到人数Num_act和应到人数Num_stu之间的比值，确定到课率Rat_set为：
Rat_set=Num_act/Num_stu
之后，根据评价因子Eva_fac、到课率Rat_set以及设定的第一评价系数
之间的乘
积，确定第一参数Par_fir为：
本实施例中将评价信息、到课率来综合评估教师上课内容的吸引程度，保证了上课内容评估的客观性和精确性。
在步骤S140中，对学生成绩、所述感兴趣数量以及应到人数进行处理，确定第二参数，所述第二参数用于表示教师对课程内容的传授程度。
在本申请的一个实施例中，学生成绩用于表示该教师所带的这门课程、在该课堂对应的班级中所有学生成绩的平均分。在本申请的一个实施例中，对学生成绩、所述感兴趣数量以及应到人数进行处理，确定第二参数，包括:
获取学生成绩，对所述学生成绩进行量化得到成绩因子；
根据感兴趣数量与应到人数之间的比值，确定兴趣率；
根据成绩因子和兴趣率确定第二参数。
本实施例中将学生成绩Per_stu除以预设的第二量化因子θ进行量化，得到成绩因子Per_fac为：
Per_fac=Per_stu/θ
根据感兴趣数量Num_int与应到人数Num_stu之间的比值，确定兴趣率为Rat_int：
Rat_int=Num_int/Num_stu
之后将成绩因子Per_fac、兴趣率Rat_int以及设定的第二评价系数ɡ之间的乘积，得到第二参数为：
上述方式，通过综合学生成绩、感兴趣程度等参数得到对教学内容传授程度的评估结果，保证了传授程度评估的全面性和客观性。
在步骤S150中，基于所述第一参数和所述第二参数，确定教学质量等级。
在本申请的一个实施例中，根据所述第一参数和所述第二参数之间的加权和，确定教学质量参数；之后根据预设的等级阈值，确定所述教学质量参数对应的教学质量等级。
在本申请的一些实施例所提供的技术方案中，从预设教学视频数据库中，获取上课过程中学生的视频画面，检测所述视频画面中的表情特征，确定对课堂内容感兴趣的表情特征对应的感兴趣数量，对学生对教师的评价信息、实到人数以及应到人数进行处理确定第一参数；对学生成绩、所述感兴趣数量以及应到人数进行处理确定第二参数，最后基于第一参数和所述第二参数，确定教学质量等级。上述方式从视频画面中提取表情特征，以确定对课堂内容感兴趣的感兴趣数量，之后基于上课情况来确定第一参数和第二参数，以用于评估教师上课的吸引程度和传授程度，最后统一综合得到教学质量等级，提高了教学质量评估的科学性、客观性和全面性。
以下介绍本申请的装置实施例，可以用于执行本申请上述实施例中的基于大数据的高校教学质量的评价方法。可以理解的是，所述装置可以是运行于计算机设备中的一个计算机程序（包括程序代码），例如该装置为一个应用软件；该装置可以用于执行本申请实施例提供的方法中的相应步骤。对于本申请装置实施例中未披露的细节，请参照本申请上述的基于大数据的高校教学质量的评价方法的实施例。
图3示出了根据本申请的一个实施例的基于大数据的高校教学质量的评价系统的框图。
参照图3所示，根据本申请的一个实施例的基于大数据的高校教学质量的评价系统300，包括：
获取单元310，用于从预设教学视频数据库中，获取上课过程中学生的视频画面；
检测单元320，用于检测所述视频画面中的表情特征，确定对课堂内容感兴趣的表情特征对应的感兴趣数量；
第一参数单元330，用于对学生对教师的评价信息、实到人数以及应到人数进行处理，确定第一参数，所述第一参数用于表示教师上课内容对学生的吸引程度；
第二参数单元340，用于对学生成绩、所述感兴趣数量以及应到人数进行处理，确定第二参数，所述第二参数用于表示教师对课程内容的传授程度；
确定单元350，用于基于所述第一参数和所述第二参数，确定教学质量等级。
在本申请的一些实施例中，基于前述方案，所述检测所述视频画面中的表情特征，确定对课堂内容感兴趣的表情特征对应的感兴趣数量，包括：对所述视频画面进行图像增强处理，得到增强图像；检测所述增强图像中包含学生人脸的人脸区域；识别所述人脸区域中的表情特征，确定对课堂内容感兴趣的表情特征对应的感兴趣数量。
在本申请的一些实施例中，基于前述方案，所述对所述视频画面进行图像增强处理，得到增强图像，包括：识别视频画面中大于预设灰度值的目标区域；对所述目标区域中的像素做增强处理，得到增强图像。
在本申请的一些实施例中，基于前述方案，所述对学生对教师的评价信息、实到人数以及应到人数进行处理，确定第一参数，包括:获取学生对教师的评价信息，对评价信息进行量化得到评价因子，根据实到人数和应到人数之间的比值，确定到课率；根据所述评价因子和所述到课率确定所述第一参数。
在本申请的一些实施例中，基于前述方案，所述对学生成绩、所述感兴趣数量以及应到人数进行处理，确定第二参数，包括:获取学生成绩，对所述学生成绩进行量化得到成绩因子；根据感兴趣数量与应到人数之间的比值，确定兴趣率；根据成绩因子和兴趣率确定第二参数。
在本申请的一些实施例中，基于前述方案，所述基于所述第一参数和所述第二参数，确定教学质量等级，包括:根据所述第一参数和所述第二参数之间的加权和，确定教学质量参数；根据预设的等级阈值，确定所述教学质量参数对应的教学质量等级。
在本申请的一些实施例中，基于前述方案，所述方法还包括：获取教学过程中的教室的全景视频数据；基于所述全景视频数据构建所述教学视频数据库。
在本申请的一些实施例所提供的技术方案中，从预设教学视频数据库中，获取上课过程中学生的视频画面，检测所述视频画面中的表情特征，确定对课堂内容感兴趣的表情特征对应的感兴趣数量，对学生对教师的评价信息、实到人数以及应到人数进行处理确定第一参数；对学生成绩、所述感兴趣数量以及应到人数进行处理确定第二参数，最后基于第一参数和所述第二参数，确定教学质量等级。上述方式从视频画面中提取表情特征，以确定对课堂内容感兴趣的感兴趣数量，之后基于上课情况来确定第一参数和第二参数，以用于评估教师上课的吸引程度和传授程度，最后统一综合得到教学质量等级，提高了教学质量评估的科学性、客观性和全面性。
图4示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
需要说明的是，图4示出的电子设备的计算机系统400仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图4所示，计算机系统400包括中央处理单元（Central Processing Unit，CPU）401，其可以根据存储在只读存储器（Read-Only Memory，ROM）402中的程序或者从储存部分408加载到随机访问存储器（Random Access Memory，RAM）403中的程序而执行各种适当的动作和处理，例如执行上述实施例中所述的方法。在RAM 403中，还存储有系统操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出（Input/Output，I/O）接口405也连接至总线404。
以下部件连接至I/O接口405：包括键盘、鼠标等的输入部分406；包括诸如阴极射线管（Cathode Ray Tube，CRT）、液晶显示器（Liquid Crystal Display，LCD）等以及扬声器等的输出部分407；包括硬盘等的储存部分408；以及包括诸如LAN（Local Area Network，局域网）卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入储存部分408。
特别地，根据本申请的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元（CPU）401执行时，执行本申请的系统中限定的各种功能。
需要说明的是，本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（Erasable Programmable Read Only Memory，EPROM）、闪存、光纤、便携式紧凑磁盘只读存储器（Compact Disc Read-Only Memory，CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
根据本申请的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的方法。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现上述实施例中所述的方法。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本申请实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、触控终端、或者网络设备等）执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的实施方式后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (10)
1.一种基于大数据的高校教学质量的评价方法，其特征在于，包括：
从预设教学视频数据库中，获取上课过程中学生的视频画面；
检测所述视频画面中的表情特征，确定对课堂内容感兴趣的表情特征对应的感兴趣数量；
对学生对教师的评价信息、实到人数以及应到人数进行处理，确定第一参数，所述第一参数用于表示教师上课内容对学生的吸引程度；
对学生成绩、所述感兴趣数量以及应到人数进行处理，确定第二参数，所述第二参数用于表示教师对课程内容的传授程度；
基于所述第一参数和所述第二参数，确定教学质量等级。
2.根据权利要求1所述的方法，其特征在于，检测所述视频画面中的表情特征，确定对课堂内容感兴趣的表情特征对应的感兴趣数量，包括：
对所述视频画面进行图像增强处理，得到增强图像；
检测所述增强图像中包含学生人脸的人脸区域；
识别所述人脸区域中的表情特征，确定对课堂内容感兴趣的表情特征对应的感兴趣数量。
3.根据权利要求2所述的方法，其特征在于，对所述视频画面进行图像增强处理，得到增强图像，包括：
识别视频画面中大于预设灰度值的目标区域；
对所述目标区域中的像素做增强处理，得到增强图像。
4.根据权利要求1所述的方法，其特征在于，对学生对教师的评价信息、实到人数以及应到人数进行处理，确定第一参数，包括:
获取学生对教师的评价信息，对评价信息进行量化得到评价因子，
根据实到人数和应到人数之间的比值，确定到课率；
根据所述评价因子和所述到课率确定所述第一参数。
5.根据权利要求1所述的方法，其特征在于，对学生成绩、所述感兴趣数量以及应到人数进行处理，确定第二参数，包括:
获取学生成绩，对所述学生成绩进行量化得到成绩因子；
根据感兴趣数量与应到人数之间的比值，确定兴趣率；
根据成绩因子和兴趣率确定第二参数。
6.根据权利要求1所述的方法，其特征在于，基于所述第一参数和所述第二参数，确定教学质量等级，包括:
根据所述第一参数和所述第二参数之间的加权和，确定教学质量参数；
根据预设的等级阈值，确定所述教学质量参数对应的教学质量等级。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取教学过程中的教室的全景视频数据；
基于所述全景视频数据构建所述教学视频数据库。
8.一种基于大数据的高校教学质量的评价系统，其特征在于，包括：
获取单元，用于从预设教学视频数据库中，获取上课过程中学生的视频画面；
检测单元，用于检测所述视频画面中的表情特征，确定对课堂内容感兴趣的表情特征对应的感兴趣数量；
第一参数单元，用于对学生对教师的评价信息、实到人数以及应到人数进行处理，确定第一参数，所述第一参数用于表示教师上课内容对学生的吸引程度；
第二参数单元，用于对学生成绩、所述感兴趣数量以及应到人数进行处理，确定第二参数，所述第二参数用于表示教师对课程内容的传授程度；
确定单元，用于基于所述第一参数和所述第二参数，确定教学质量等级。
9.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于大数据的高校教学质量的评价方法。
10.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至7中任一项所述的基于大数据的高校教学质量的评价方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210828014.7A CN115187437A (zh) | 2022-07-14 | 2022-07-14 | 一种基于大数据的高校教学质量的评价方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210828014.7A CN115187437A (zh) | 2022-07-14 | 2022-07-14 | 一种基于大数据的高校教学质量的评价方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115187437A true CN115187437A (zh) | 2022-10-14 |
Family
ID=83518729
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210828014.7A Withdrawn CN115187437A (zh) | 2022-07-14 | 2022-07-14 | 一种基于大数据的高校教学质量的评价方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115187437A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116757524A (zh) * | 2023-05-08 | 2023-09-15 | 广东保伦电子股份有限公司 | 一种教师授课质量评价方法和装置 |
-
2022
- 2022-07-14 CN CN202210828014.7A patent/CN115187437A/zh not_active Withdrawn
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116757524A (zh) * | 2023-05-08 | 2023-09-15 | 广东保伦电子股份有限公司 | 一种教师授课质量评价方法和装置 |
| CN116757524B (zh) * | 2023-05-08 | 2024-02-06 | 广东保伦电子股份有限公司 | 一种教师授课质量评价方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sandoval et al. | Centralized student performance prediction in large courses based on low-cost variables in an institutional context | |
| Cloete | The impact of an integrated assessment on the critical thinking skills of first-year university students | |
| Saniter et al. | Door opener or waste of time? The effects of student internships on labor market outcomes | |
| CN112818737B (zh) | 视频识别方法、装置、存储介质及终端 | |
| Hamstra et al. | A national study of longitudinal consistency in ACGME milestone ratings by clinical competency committees: exploring an aspect of validity in the assessment of residents’ competence | |
| CN114254208A (zh) | 薄弱知识点的识别方法、学习路径的规划方法与装置 | |
| CN111831831A (zh) | 一种基于知识图谱的个性化学习平台及其构建方法 | |
| WO2022170985A1 (zh) | 选题方法、装置、计算机设备和存储介质 | |
| Karay et al. | A validity argument for progress testing: examining the relation between growth trajectories obtained by progress tests and national licensing examinations using a latent growth curve approach | |
| Gallagher et al. | Classroom quality, concentration of children with special needs, and child outcomes in Head Start | |
| CN111598750A (zh) | 一种基于反刍比算法的学生在线学习状态评估方法及系统 | |
| JP6683906B1 (ja) | 学習支援システムおよび学習支援方法 | |
| CN115187437A (zh) | 一种基于大数据的高校教学质量的评价方法及系统 | |
| CN110111011B (zh) | 一种教学质量监管方法、装置及电子设备 | |
| US20040224291A1 (en) | Predictive assessment of reading | |
| CN111160606A (zh) | 试题难度预测方法及相关装置 | |
| CN111724050A (zh) | 一种基于教学过程数据的教学风险预警方法 | |
| CN112231373B (zh) | 知识点数据的处理方法、装置、设备和计算机可读介质 | |
| Koong et al. | The learning effectiveness analysis of JAVA programming with automatic grading system | |
| CN115687630A (zh) | 一种课程学习报告的生成方法和装置 | |
| CN114004499A (zh) | 一种教学作业的时长计算终端 | |
| CN113919983A (zh) | 试题画像方法、装置、电子设备和存储介质 | |
| Runzrat et al. | Applying item response theory in adaptive tutoring systems for Thai language learners | |
| CN108596461B (zh) | 一种用于培训效果评估的智能系统及方法 | |
| CN112163975A (zh) | 智能学习指引和提示方法与系统 |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20221014 |
|
| WW01 | Invention patent application withdrawn after publication |