CN116228478A - 基于学生卡的学习质量评估方法、装置、设备及介质 - Google Patents
基于学生卡的学习质量评估方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116228478A CN116228478A CN202310131347.9A CN202310131347A CN116228478A CN 116228478 A CN116228478 A CN 116228478A CN 202310131347 A CN202310131347 A CN 202310131347A CN 116228478 A CN116228478 A CN 116228478A
- Authority
- CN
- China
- Prior art keywords
- student
- link
- class
- teaching
- state
- 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
- 238000001303 quality assessment method Methods 0.000 title claims abstract description 18
- 230000006399 behavior Effects 0.000 claims abstract description 43
- 238000011156 evaluation Methods 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 34
- 230000009471 action Effects 0.000 claims description 50
- 238000012549 training Methods 0.000 claims description 37
- 230000003068 static effect Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 11
- 210000000707 wrist Anatomy 0.000 claims description 8
- 230000000875 corresponding effect Effects 0.000 description 25
- 230000008569 process Effects 0.000 description 9
- 230000001133 acceleration Effects 0.000 description 4
- 238000013077 scoring method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 210000004247 hand Anatomy 0.000 description 3
- 238000013441 quality evaluation Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000004397 blinking Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000006870 function Effects 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
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Technology (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于学生卡的学习质量评估方法、装置、设备及介质,应用于穿戴式学生卡,其方法包括:获取当前课堂教师的教案计划,其中所述教案计划至少包括多个教学环节以及所述教学环节对应的时长;基于所述学生卡,在每个所述教学环节以及所述教学环节对应的时长里,实时检测并获得每个学生的课堂行为;结合所述每个学生的课堂行为以及所述教案计划,利用预设评估方法计算每个学生的上课质量评分;基于所述每个学生的上课质量评分,计算当前课堂质量的评估值。本发明是一种穿戴式学生卡,根据检测穿戴式学生卡的动态数据,将这些动态数据与当前课堂的教师备案对应,并进行评分,以对学生上课的学习质量进行准确量化。
Description
技术领域
本发明涉及到计算机领域,具体而言,涉及到一种基于学生卡的学习质量评估方法、装置、设备及介质。
背景技术
传统的学生上课质量大多是通过考试、课后作业的完成情况进行评估,此种操作方式并没有满足上课情况的全面性、规范性及动态性等特点,均由教师进行个人主观评估,这种评估结果准确性不佳。
现有的一些多媒体教学,主要需要用到摄像头去检测学生们的上课状态,这种方式不够全面且通常不能检测到每一个学生的上课状态,对提升上课质量作用不大。
发明内容
本发明的主要目的为提供一种基于学生卡的学习质量评估方法、装置、设备及介质,旨在解决对学生上课的学习质量进行准确量化的技术问题。
本发明公开了以下技术方案:
一种基于学生卡的学习质量评估方法,应用于穿戴式学生卡,其特征在于,包括:
获取当前课堂教师的教案计划,其中所述教案计划至少包括多个教学环节以及所述教学环节对应的时长;
基于所述学生卡,在每个所述教学环节以及所述教学环节对应的时长里,实时检测并获得每个学生的课堂行为;
结合所述每个学生的课堂行为以及所述教案计划,利用预设评估方法计算每个学生的上课质量评分;
基于所述每个学生的上课质量评分,计算当前课堂质量的评估值。
进一步地,所述多个教学环节,至少包括:
重点知识讲解环节、提问环节和课堂练习环节。
进一步地,所述实时检测并获得每个学生的课堂行为,包括:
当检测到在重点知识讲解环节,基于所述学生卡获取第一关键字,实时检测学生是否处于静止状态,并获取处于静止状态时长;
当检测到在提问环节,基于所述学生卡获取第二关键字,实时检测学生是否有举手动作,并记录学生举手次数;
当检测到在课堂练习环节,基于所述学生卡获取第三关键字,实时检测学生是否为动笔状态或是否为背诵状态,若为所述动笔状态,则获取学生的动笔书写时长;若为所述背诵状态,则获取学生的背诵状态时长。
进一步地,所述实时检测学生是否有举手动作,包括:
若所述学生卡为手腕式学生卡,则根据所述学生卡内置的运动传感器,计算佩戴在学生手腕处的学生卡的运动轨迹,判断所述运动轨迹是否满足预设条件;
若所述运动轨迹满足预设条件,在判定用户存在举手动作。
进一步地,所述当检测到在课堂练习环节,基于所述学生卡获取第三关键字,实时检测学生是否为动笔状态或是否为背诵状态,包括:
若所述课堂练习环节为所述动笔状态,则判断学生卡中传感器获得的波动振幅是否超过阈值,若没超过,则判定是在动笔书写;若超过阈值,则判定为不在动笔书写;
若所述课堂练习环节为所述背诵状态,则获取距离穿戴式学生卡最近的声源,并将其他声源进行屏蔽。
进一步地,所述利用预设评估方法计算每个学生的上课质量评分,包括:
所述每个学生的上课质量评分,利用以下公式:
S=α/(A-T1)+β*N+γ*d1/(C-T2)+γ*d2/(C-T3);
其中,S为上课质量评分,α为重点知识讲解环节的权重,β为提问环节的权重,γ为课堂练习环节的权重,其中,若课堂练习环节为动笔状态,则d1为1,d2为0;若课堂练习环节为背诵状态,则d1为0,d2为1;A为重点知识讲解环节时长,C为课堂练习环节时长;N为提问环节中举手次数;T1为重点知识讲解环节中静止的时长;T2为课堂练习环节中动笔书写时长;T3为课堂练习环节中背诵状态时长。
进一步地,所述基于所述每个学生的上课质量评分,计算当前课堂质量的评估值,包括:
发送所述每个学生的上课质量评分到教师端;
将上课质量评分计算出平均值,将所述平均值作为当前课程质量的评估值。
本申请还提供一种基于学生卡的学习质量评估装置,其特征在于,包括:
获取模块:用于获取当前课堂教师的教案计划,其中所述教案计划至少包括多个教学环节以及所述教学环节对应的时长;
检测模块:用于基于所述学生卡,在每个所述教学环节以及所述教学环节对应的时长里,实时检测并获得每个学生的课堂行为;
评分模块:用于结合所述每个学生的课堂行为以及所述教案计划,利用预设评估方法计算每个学生的上课质量评分;
评估模块:用于基于所述每个学生的上课质量评分,计算当前课堂质量的评估值。
本申请还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
本申请还提供了一种计算机可读存储介质,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上述的方法的步骤。
本申请通过穿戴式学生卡,像手表一样穿戴于学生的右手上,根据检测穿戴式学生卡的动态数据,分析学生在课堂上的行为,将这些动态数据与当前课堂的教师备案对应,其中,所述前课堂的教师备案一般包括了重点知识讲解环节、提问环节和课堂练习环节,并进行评分,评分对应评分公式,以对学生上课的学习质量进行准确量化。在评析过程中具有统一的评析标准,且由系统自动完成,能够有效提高教学效果的评估效率、公正性和全面性,节省大量人力资源。
附图说明
图1是本发明一实施例中基于学生卡的学习质量评估方法步骤示意图;
图2是本发明一实施例中基于学生卡的学习质量评估装置的结构示意框图;
图3是本发明一实施例的计算机设备的结构示意框图;
本发明目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
参照图1,本发明实施例提供一种基于学生卡的学习质量评估方法,包括
S1:获取当前课堂教师的教案计划,其中所述教案计划至少包括多个教学环节以及所述教学环节对应的时长
S2:基于所述学生卡,在每个所述教学环节以及所述教学环节对应的时长里,实时检测并获得每个学生的课堂行为;
S3:结合所述每个学生的课堂行为以及所述教案计划,利用预设评估方法计算每个学生的上课质量评分;
S4:基于所述每个学生的上课质量评分,计算当前课堂质量的评估值。
在本申请中,所述学生卡是种穿戴式学生卡,像手表一样穿戴于学生的右手上,根据检测穿戴式学生卡的动态数据,分析学生在课堂上的行为,将这些动态数据与当前课堂的教师备案对应,其中,所述检测穿戴式学生卡设有传感器,传感器可以是多个,比如水平,竖直,加速度等等,更能识别出学生们上课时的状态行为。所述前课堂的教师备案一般包括了重点知识讲解环节、提问环节和课堂练习环节。教师课堂上教学时,通过获取教师的言语或通过预设的每个环节的时间分析当前处于什么环节,确认在某个环节后通过学生卡检测学生们的上课行为状态,比如,获取到教师讲出“谁能回答这个问题”或“举手回答”类似的第二关键词,可以判断目前上课环节为提问环节,则根据穿戴学生卡中的传感器识别学生们的举手动作,在进行初始化的过程中,获取每个学生的举手动作,以及举手动作对应的传感器数据,当在提问环节实时检测的时候,若穿戴式学生卡中的传感器的数据,与初始化过程中的传感器数据一致,或者误差在阈值范围内,则判定为举手动作,根据举手次数得到评分。类似还有重点知识讲解环节和课堂练习环节,通过学生卡检测学生们的上课行为状态,代入评分公式进行评分,得到上课质量评分,并发送上课质量评分到教师端,由教师端根据每个学生情况进行个性化定制学习计划,并将上课质量评分求平均值,作为当前课程质量的评估值,如此可对学生们的学习质量进行准确量化。
在本发明的一实施例中,所述多个教学环节,至少包括:
重点知识讲解环节、提问环节和课堂练习环节。
在本实施例中,所述教案中包括每个课题或每个课时的教学内容、教学步骤的安排、教学方法的选择、板书设计、教具或现代化教学手段的应用和当前课堂的计划安排等等。本实施例列举了当前课堂的计划安排,所述当前课堂的计划安排包括了当前课堂中的重要环节,分别是重点知识讲解环节、提问环节和课堂练习环节,基本可以包含了上课时所有的环节,比如,学生们在上课时,通过重点知识讲解环节可以先掌握本节课的重点内容,如果有不懂或有疑问的时候,通过提问环节进行提问,对不懂或者有疑问的知识点进行补充,最后通过课堂练习环节巩固本次课堂上的知识点。本实施例中列举的当前课堂的计划安排可对整节课进行重要环节的区分,更好地让学生卡在所述重要环节中检测学生们的动态行为。
在本发明的一实施例中,所述实时检测并获得每个学生的课堂行为,包括:
当检测到在重点知识讲解环节,基于所述学生卡获取第一关键字,实时检测学生是否处于静止状态,并获取处于静止状态时长;
当检测到在提问环节,基于所述学生卡获取第二关键字,实时检测学生是否有举手动作,并记录学生举手次数;
当检测到在课堂练习环节,基于所述学生卡获取第三关键字,实时检测学生是否为动笔状态或是否为背诵状态,若为所述动笔状态,则获取学生的动笔书写时长;若为所述背诵状态,则获取学生的背诵状态时长。
在本实施例中,教师课堂上教学时,通过获取教师的声源或通过预设的每个环节的时间分析当前处于什么环节,确认在某个环节后通过学生卡检测学生们的上课行为状态,比如,获取到教师讲到“认真听讲”或“重点知识”类似的第一关键词,可以判断目前上课环节为重点知识讲解环节;又如,获取到教师讲出“谁能回答这个问题”或“举手回答”类似的第二关键词,可以判断目前上课环节为提问环节;又如获取到教师讲出“练习”或“做题”类似的第三关键词,可以判断目前上课环节为课堂练习环节。需要另外说明的是,本方案中第一关键字、第二关键字和第三关键字与后续检测到的学生动作是相对应的;比如在重点知识讲解环节,检测到教师说出“安静听讲”,对应会通过学生卡来检测学生是否处于静止状态;比如在提问环节,检测到教师说出“请举手”,对应会通过学生卡来检测学生是否有举手动作;比如在课堂练习环节,检测到教师说出“做题”,对应会通过学生卡来检测学生是否有动笔或者诵读行为;在本方案中,并不考虑学生的个体差异及学习习惯问题,而是根据教师提醒学生在相应环节进行相应动作,以更好的培养学生养成良好的学习习惯,提高学生的学习效率。每个重要环节有不一样的检测行为方法,如在课堂重点知识讲解环节时,通过学生们是否是处于静止状态来观察学生们是不是在听重点知识的时候乱动,因为教师在讲解课程的重点知识时,学生全神贯注听课是最好吸掌握知识点,从学生们是否处于静止状态可很好地看出学生是否全神贯注地听课,同时获取学生们静止状态下的时长,获取静止状态的时长可更好地评出课堂重点知识讲解环节的评分。若在在提问环节时,通过学生卡上的传感器检测学生们是否有举手动作来检测此阶段,提问环节时,鼓励学生们举手提出自己不会或者不太懂的问题,在上课时由教师解答,因刚经过重点知识讲解环节,学生们此时提出疑问解答可更好掌握知识点,并同时记录举手次数,获记录举手次数可更好地评出课堂提问环节的评分。若在课堂练习环节,所述课堂练习环节分为两个状态,分别为背诵状态和动笔书写状态,分别获取两个状态的时长来对课堂练习环节评分。
在本发明的一实施例中,所述实时检测学生是否有举手动作,包括:
若所述学生卡为手腕式学生卡,则根据所述学生卡内置的运动传感器,计算佩戴在学生手腕处的学生卡的运动轨迹,判断所述运动轨迹是否满足预设条件;
若所述运动轨迹满足预设条件,在判定用户存在举手动作。
在本实施例中,所述提问环节中,通过穿戴学生卡中的传感器,在进行初始化的过程中,获取每个学生的举手动作,以及举手动作对应的传感器数据(传感器可以是多个,比如水平,竖直,加速度等等),当在课堂中实时检测的时候,若穿戴式学生卡中的传感器的数据,与初始化过程中的传感器数据一致,或者误差在阈值范围内,则判定为举手动作。优选地,判断所述手臂与水平面的角度是否大于预设手势角度,若大于,则将所述手部候选区域确定为所述待识别手部区域。其中,预设手势角度可理解为举手时手臂与水平面的角度,根据数据统计知识可知,实际举手手势对应的手臂与水平面的角度一般大于等于35°,本实施例优选地,将预设手势角度确定为35°,或设置预设运动轨迹为画了一个四分之一圆弧,即可有效筛除手部候选区域中无效区域,进而保证得到的待识别举手动作的合理性和有效性。优选地,由于课堂上学生往往处于运动状态,若仅仅通过判断运动轨迹判定举手动作,准确率不高,如当该学生的手处于斜向前举起时,难以判断,该学生此时是正在举手还是把手放下。为了更准确的采集学生的行为,本实施例通过确定行为姿态,并基于检测连续的运动轨迹,进而判定是否为举手动作。
在本发明的一实施例中,所述当检测到在课堂练习环节,基于所述学生卡获取第三关键字,实时检测学生是否为动笔状态或是否为背诵状态,包括:
若所述课堂练习环节为所述动笔状态,则判断学生卡中传感器获得的波动振幅是否超过阈值,若没超过,则判定是在动笔书写;若超过阈值,则判定为不在动笔书写;
若所述课堂练习环节为所述背诵状态,则将进行声纹匹配,并将其他声源进行屏蔽。
在本实施例中,所述课堂练习环节中,在所述动笔书写状态时,检测穿戴式学生卡的当前动作,判断当前动作是否为书写动作,其中,书写动作中,传感器的波动振幅不超过阈值,则认为是在书写;若超过阈值,则不认为是在书写,同时获取学生的动笔书写的时长;所述阈值可根据每个学生不一样的书写动作而设定每个人个性化的阈值,更好地判断学生们是否在书写。若课堂练习环节为背诵状态时,将当前环境中的声源的声纹与预设的学生的声纹进行匹配,获取匹配成功的目标声源,并将当前环境中的其他声源进行屏蔽,同时获取学生的背诵状态时长。优选地,预设的声音可以是学生刚拿学生卡时录入的声音,也可以是平时获取到的声源中,将获取到声纹最多且声音最大的声源预设为此学生的声纹,可以防止学生声音变了从而匹配错声纹。
在本发明的一实施例中,所述根据所述学生在课堂上的行为进行对学生评分,包括:
在本实施例中,所述利用预设评估方法计算每个学生的上课质量评分,包括:
所述每个学生的上课质量评分,利用以下公式:
S=α/(A-T1)+β*N+γ*d1/(C-T2)+γ*d2/(C-T3);
其中,S为上课质量评分,α为重点知识讲解环节的权重,β为提问环节的权重,γ为课堂练习环节的权重,其中,若课堂练习环节为动笔状态,则d1为1,d2为0;若课堂练习环节为背诵状态,则d1为0,d2为1;A为重点知识讲解环节时长,C为课堂练习环节时长;N为提问环节中举手次数;T1为重点知识讲解环节中静止的时长;T2为课堂练习环节中动笔书写时长;T3为课堂练习环节中背诵状态时长。
在本实施例中,用所述评分公式对学生上课的学习质量进行准确量化。每个课堂环节都获取相应的时间或次数,比如重点知识讲解环节获取静止状态时长T1,以此获得数据代入本申请的评分公式,这是综合运用上述各种方式的综合评分方式。所述评分公式中得到的上课质量评分,由每个环节中检测的动态动作来综合得出,如在重点知识讲解环节中,静止时长T1越长,则本环节的得分越高;在提问环节,举手次数N越多,则本环节得分越多;在课堂练习环节中,若是当前的课堂练习为动笔书写,则动笔书写越久本环节得分越高,若是当前的课堂练习为背诵,则朗诵时长越长本环节得分越高。所述的d1和d2是为了区别在课堂练习环节中的动笔书写状态和背诵,如若在课堂练习环节中课堂练习环节为动笔书写没有进行背诵,则把d2设为0,可把背诵状态的评分环节乘零去掉,就可只保留动笔书写状态的评分。优选地,如在朗诵环节中,可以对学生卡本人的声源和附近声源进行识别,检测学生朗诵时是否出现胡乱朗诵的现象,比如学生在朗诵时只是在胡乱用语气助词朗诵(如连续用嗯、啊、呢和哈等),此时则判定学生朗诵环节没有认真朗诵,则将朗诵环节的分数设置为0,可防止学生不想朗诵但是为了学生卡获取到声音而乱读不认真;或若在重点知识讲解环节,通过学生卡判断学生的动作幅度是否大于阈值(阈值可设置为大于伸懒腰或动笔写字的幅度阈值),若大于阈值,则判定此学生在重点知识讲解环节开小差,则将此学生在重点知识讲解环节的分数响应扣除(具体扣除分值可通过超过的阈值次数对应);以上优选做法可以判断学生是否在上课开小差,有利于及时纠正学生的环习惯,养成学生上课不开小差的好习惯。
在本发明的一实施例中,所述基于所述每个学生的上课质量评分,计算当前课堂质量的评估值,包括:
发送所述每个学生的上课质量评分到教师端;
将上课质量评分计算出平均值,将所述平均值作为当前课程质量的评估值。
在本实施例中,每个学生在上完当前课程后,会有一个上课质量评分,并上传到教师端,教师端根据每个学生情况进行个性化定制学习计划,将上课质量评分求平均值,作为当前课程质量的评估值。优选地,当计算出当前课堂质量的评估值较低时,那么需要对该知识点进行研讨并确定适合的教学方式;课程的某知识点在实际应用中逐渐加深,那么需要增加对该知识点的拓展教学。优选地,对于每一门课程,均根据课堂学生行为信息对随堂参数进行累计统计,生成教学质量报告信息。也就是说,对每门课程,在每次完成教学后,根据该课程的本次课堂学生行为信息对相关随堂参数进行统计分析,并将本次的统计结果与该课程上一次教学的统计结果进行比较,生成分别对应于每一门课程的、整体多次教学后的、动态的教学质量报告信息。教学质量报告信息从第一节课结束开始形成,检测学生行为信息不断丰富和完善(如,进一步地检测学生在朗诵环节时朗诵是否有错误,随着课程教学深入,不断加入新的内容),进一步计算当前课堂质量的评估值。
参照图2,一种基于学生卡的学习质量统计装置,其特征在于,包括:
获取模块100:用于获取当前课堂教师的教案计划,其中所述教案计划至少包括多个教学环节以及所述教学环节对应的时长;
检测模块200:用于基于所述学生卡,在每个所述教学环节以及所述教学环节对应的时长里,实时检测并获得每个学生的课堂行为;
评分模块300:用于结合所述每个学生的课堂行为以及所述教案计划,利用预设评估方法计算每个学生的上课质量评分;
评估模块400:用于基于所述每个学生的上课质量评分,计算当前课堂质量的评估值。
本申请通过获取模块100获取当前课堂教师的教案计划,其中所述教案计划至少包括多个教学环节以及所述教学环节对应的时长,然后通过检测模块200用于基于所述学生卡,在每个所述教学环节以及所述教学环节对应的时长里,实时检测并获得每个学生的课堂行为,再通过评分模块300结合所述每个学生的课堂行为以及所述教案计划,利用预设评估方法计算每个学生的上课质量评分,最后通过评估模块400发送所述评分到教师端,并求当前课堂质量的评估值。在本申请中,所述学生卡是种穿戴式学生卡,像手表一样穿戴于学生的右手上,根据检测穿戴式学生卡的动态数据,分析学生在课堂上的行为,将这些动态数据与当前课堂的教师备案对应,其中,所述检测穿戴式学生卡设有传感器,传感器可以是多个,比如水平,竖直,加速度等等,更能识别出学生们上课时的状态行为。所述前课堂的教师备案一般包括了重点知识讲解环节、提问环节和课堂练习环节。教师课堂上教学时,通过获取教师的言语或通过预设的每个环节时间分析当前处于什么环节,确认在某个环节后通过学生卡检测学生们的上课行为状态,比如,获取到教师讲出“谁能回答这个问题”或“举手回答”类似的第二关键词,可以判断目前上课环节为提问环节目前上课环节为提问环节,则根据穿戴学生卡中的传感器识别学生们的举手动作,在进行初始化的过程中,获取每个学生的举手动作,以及举手动作对应的传感器数据,当在提问环节实时检测的时候,若穿戴式学生卡中的传感器的数据,与初始化过程中的传感器数据一致,或者误差在阈值范围内,则判定为举手动作,根据举手次数得到评分。类似还有重点知识讲解环节和课堂练习环节,通过学生卡检测学生们的上课行为状态,代入评分公式进行评分,得到上课质量评分,并发送上课质量评分到教师端,由教师端根据每个学生情况进行个性化定制学习计划,并将上课质量评分求平均值,作为当前课程质量的评估值,如此可对学生们的学习质量进行准确量化。
进一步地,获取模块,包括:
安排单元,用于重点知识讲解环节、提问环节和课堂练习环节。
本申请所述教案中包括每个课题或每个课时的教学内容、教学步骤的安排、教学方法的选择、板书设计、教具或现代化教学手段的应用和当前课堂的计划安排等等。本实施例列举了当前课堂的计划安排,所述当前课堂的计划安排包括了当前课堂中的重要环节,分别是重点知识讲解环节、提问环节和课堂练习环节,基本可以包含了上课时所有的环节,比如,学生们在上课时,通过重点知识讲解环节可以先掌握本节课的重点内容,如果有不懂或有疑问的时候,通过提问环节进行提问,对不懂或者有疑问的知识点进行补充,最后通过课堂练习环节巩固本次课堂上的知识点。本实施例中列举的当前课堂的计划安排可对整节课进行重要环节的区分,更好地让学生卡在所述重要环节中检测学生们的动态行为。
进一步地,检测模块,包括:
第一检测单元,用于当检测到在重点知识讲解环节,基于所述学生卡获取第一关键字,实时检测学生是否处于静止状态,并获取处于静止状态时长;
第二检测单元,用于当检测到在提问环节,基于所述学生卡获取第二关键字,实时检测学生是否有举手动作,并记录学生举手次数;
第三检测单元,用于当检测到在课堂练习环节,基于所述学生卡获取第三关键字,实时检测学生是否为动笔状态或是否为背诵状态,若为所述动笔状态,则获取学生的动笔书写时长;若为所述背诵状态,则获取学生的背诵状态时长。
在本实施例中,教师课堂上教学时,通过获取教师的声源或通过预设的每个环节的时间分析当前处于什么环节,确认在某个环节后通过学生卡检测学生们的上课行为状态,比如,获取到教师讲到“认真听讲”或“重点知识”类似的第一关键词,可以判断目前上课环节为重点知识讲解环节;又如,获取到教师讲出“谁能回答这个问题”或“举手回答”类似的第二关键词,可以判断目前上课环节为提问环节;又如获取到教师讲出“练习”或“做题”类似的第三关键词,可以判断目前上课环节为课堂练习环节。每个重要环节有不一样的检测行为方法,如在课堂重点知识讲解环节时,通过学生们是否是处于静止状态来观察学生们是不是在听重点知识的时候乱动,因为教师在讲解课程的重点知识时,学生全神贯注听课是最好吸掌握知识点,从学生们是否处于静止状态可很好地看出学生是否全神贯注地听课,同时获取学生们静止状态下的时长,获取静止状态的时长可更好地评出课堂重点知识讲解环节的评分。若在在提问环节时,通过学生卡上的传感器检测学生们是否有举手动作来检测此阶段,提问环节时,鼓励学生们举手提出自己不会或者不太懂的问题,在上课时由教师解答,因刚经过重点知识讲解环节,学生们此时提出疑问解答可更好掌握知识点,并同时记录举手次数,获记录举手次数可更好地评出课堂提问环节的评分。若在课堂练习环节,所述课堂练习环节分为两个状态,分别为背诵状态和动笔书写状态,分别获取两个状态的时长来对课堂练习环节评分。
进一步地,第二检测单元,包括:
第一判断单元,用于若所述学生卡为手腕式学生卡,则根据所述学生卡内置的运动传感器,计算佩戴在学生手腕处的学生卡的运动轨迹,判断所述运动轨迹是否满足预设条件;
第一判定单元,用于若所述运动轨迹满足预设条件,在判定用户存在举手动作。
在本实施例中,所述提问环节中,通过穿戴学生卡中的传感器,在进行初始化的过程中,获取每个学生的举手动作,以及举手动作对应的传感器数据(传感器可以是多个,比如水平,竖直,加速度等等),当在课堂中实时检测的时候,若穿戴式学生卡中的传感器的数据,与初始化过程中的传感器数据一致,或者误差在阈值范围内,则判定为举手动作。优选地,判断所述手臂与水平面的角度是否大于预设手势角度,若大于,则将所述手部候选区域确定为所述待识别手部区域。其中,预设手势角度可理解为举手时手臂与水平面的角度,根据数据统计知识可知,实际举手手势对应的手臂与水平面的角度一般大于等于35°,本实施例优选地,将预设手势角度确定为35°,或设置预设运动轨迹为画了一个四分之一圆弧,即可有效筛除手部候选区域中无效区域,进而保证得到的待识别举手动作的合理性和有效性。
进一步地,第三检测单元,包括:
第二判定单元,用于若所述课堂练习环节为所述动笔状态,则判断学生卡中传感器获得的波动振幅是否超过阈值,若没超过,则判定是在动笔书写;若超过阈值,则判定为不在动笔书写;
屏蔽单元,用于若所述课堂练习环节为所述背诵状态,则将进行声纹匹配,并将其他声源进行屏蔽。
在本实施例中,所述课堂练习环节中,在所述动笔书写状态时,检测穿戴式学生卡的当前动作,判断当前动作是否为书写动作,其中,书写动作中,传感器的波动振幅不超过阈值,则认为是在书写;若超过阈值,则不认为是在书写,同时获取学生的动笔书写的时长;所述阈值可根据每个学生不一样的书写动作而设定每个人个性化的阈值,更好地判断学生们是否在书写。若课堂练习环节为背诵状态时,将当前环境中的声源的声纹与预设的学生的声纹进行匹配,获取匹配成功的目标声源,并将当前环境中的其他声源进行屏蔽,同时获取学生的背诵状态时长。优选地,预设的声音可以是学生刚拿学生卡时录入的声音,也可以是平时获取到的声源中,将获取到声纹最多且声音最大的声源预设为此学生的声纹,可以防止学生声音变了从而匹配错声纹。进一步地,评分模块,包括:
上课质量评分单元,用于所述每个学生的上课质量评分,利用以下公式:
S=α/(A-T1)+β*N+γ*d1/(C-T2)+γ*d2/(C-T3);
其中,S为上课质量评分,α为重点知识讲解环节的权重,β为提问环节的权重,γ为课堂练习环节的权重,其中,若课堂练习环节为动笔状态,则d1为1,d2为0;若课堂练习环节为背诵状态,则d1为0,d2为1;A为重点知识讲解环节时长,C为课堂练习环节时长;N为提问环节中举手次数;T1为重点知识讲解环节中静止的时长;T2为课堂练习环节中动笔书写时长;T3为课堂练习环节中背诵状态时长。
在本实施例中,用所述评分公式对学生上课的学习质量进行准确量化。每个课堂环节都获取相应的时间或次数,比如重点知识讲解环节获取静止状态时长T1,以此获得数据代入本申请的评分公式,这是综合运用上述各种方式的综合评分方式。所述评分公式中得到的上课质量评分,由每个环节中检测的动态动作来综合得出,如在重点知识讲解环节中,静止时长T1越长,则本环节的得分越高;在提问环节,举手次数N越多,则本环节得分越多;在课堂练习环节中,若是当前的课堂练习为动笔书写,则动笔书写越久本环节得分越高,若是当前的课堂练习为背诵,则朗诵时长越长本环节得分越高。所述的d1和d2是为了区别在课堂练习环节中的动笔书写状态和背诵,如若在课堂练习环节中课堂练习环节为动笔书写没有进行背诵,则把d2设为0,可把背诵状态的评分环节乘零去掉,就可只保留动笔书写状态的评分。优选地,如在朗诵环节中,可以对学生卡本人的声源和附近声源进行识别,检测学生朗诵时是否出现胡乱朗诵的现象,比如学生在朗诵时只是在胡乱用语气助词朗诵(如连续用嗯、啊、呢和哈等),此时则判定学生朗诵环节没有认真朗诵,则将朗诵环节的分数设置为0,可防止学生不想朗诵但是为了学生卡获取到声音而乱读不认真;或若在重点知识讲解环节,通过学生卡判断学生的动作幅度是否大于阈值(阈值可设置为大于伸懒腰或动笔写字的幅度阈值),若大于阈值,则判定此学生在重点知识讲解环节开小差,则将此学生在重点知识讲解环节的分数响应扣除(具体扣除分值可通过超过的阈值次数对应);以上优选做法可以判断学生是否在上课开小差,有利于及时纠正学生的环习惯,养成学生上课不开小差的好习惯。
进一步地,评估模块,包括:
评估单元,用于发送所述每个学生的上课质量评分到教师端;
将上课质量评分计算出平均值,将所述平均值作为当前课程质量的评估值。
在本实施例中,每个学生在上完当前课程后,会有一个上课质量评分,并上传到教师端,教师端根据每个学生情况进行个性化定制学习计划,将上课质量评分求平均值,作为当前课程质量的评估值。优选地,当计算出当前课堂质量的评估值较低时,那么需要对该知识点进行研讨并确定适合的教学方式;课程的某知识点在实际应用中逐渐加深,那么需要增加对该知识点的拓展教学。优选地,对于每一门课程,均根据课堂学生行为信息对随堂参数进行累计统计,生成教学质量报告信息。也就是说,对每门课程,在每次完成教学后,根据该课程的本次课堂学生行为信息对相关随堂参数进行统计分析,并将本次的统计结果与该课程上一次教学的统计结果进行比较,生成分别对应于每一门课程的、整体多次教学后的、动态的教学质量报告信息。教学质量报告信息从第一节课结束开始形成,检测学生行为信息不断丰富和完善(如,进一步地检测学生眼睛眨闭幅度判断学生是否犯困类似的,随着课程教学深入,不断加入新的内容),进一步计算当前课堂质量的评估值。
参照图3,本申请实施例中还提供一种计算机设备,该计算机设备可以是服务器,其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于储存基于学生卡的学习质量评估方法等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于学生卡的学习质量评估方法方法。
本申请一实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现一种数据接入方法,包括步骤:获取当前课堂教师的教案计划,其中所述教案计划至少包括多个教学环节以及所述教学环节对应的时长;基于所述学生卡,在每个所述教学环节以及所述教学环节对应的时长里,实时检测并获得每个学生的课堂行为;结合所述每个学生的课堂行为以及所述教案计划,利用预设评估方法计算每个学生的上课质量评分;基于所述每个学生的上课质量评分,计算当前课堂质量的评估值。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于学生卡的学习质量评估方法,应用于穿戴式学生卡,其特征在于,包括:
获取当前课堂教师的教案计划,其中所述教案计划至少包括多个教学环节以及所述教学环节对应的时长;
基于所述学生卡,在每个所述教学环节以及所述教学环节对应的时长里,实时检测并获得每个学生的课堂行为;
结合所述每个学生的课堂行为以及所述教案计划,利用预设评估方法计算每个学生的上课质量评分;
基于所述每个学生的上课质量评分,计算当前课堂质量的评估值。
2.根据权利要求1所述的基于学生卡的学习质量评估方法,其特征在于,所述多个教学环节,至少包括:
重点知识讲解环节、提问环节和课堂练习环节。
3.根据权利要求2所述的基于学生卡的学习质量评估方法,其特征在于,所述实时检测并获得每个学生的课堂行为,包括:
当检测到在重点知识讲解环节,基于所述学生卡获取第一关键字,实时检测学生是否处于静止状态,并获取处于静止状态时长;
当检测到在提问环节,基于所述学生卡获取第二关键字,实时检测学生是否有举手动作,并记录学生举手次数;
当检测到在课堂练习环节,基于所述学生卡获取第三关键字,实时检测学生是否为动笔状态或是否为背诵状态,若为所述动笔状态,则获取学生的动笔书写时长;若为所述背诵状态,则获取学生的背诵状态时长。
4.根据权利要求3所述的基于学生卡的学习质量评估方法,其特征在于,所述实时检测学生是否有举手动作,包括:
若所述学生卡为手腕式学生卡,则根据所述学生卡内置的运动传感器,计算佩戴在学生手腕处的学生卡的运动轨迹,判断所述运动轨迹是否满足预设条件;
若所述运动轨迹满足预设条件,在判定用户存在举手动作。
5.根据权利要求3所述的基于学生卡的学习质量评估方法,其特征在于,所述当检测到在课堂练习环节,基于所述学生卡获取第三关键字,实时检测学生是否为动笔状态或是否为背诵状态,包括:
若所述课堂练习环节为所述动笔状态,则判断学生卡中传感器获得的波动振幅是否超过阈值,若没超过,则判定是在动笔书写;若超过阈值,则判定为不在动笔书写;
若所述课堂练习环节为所述背诵状态,则将进行声纹匹配,并将其他声源进行屏蔽。
6.根据权利要求1所述的基于学生卡的学习质量评估方法,其特征在于,所述利用预设评估方法计算每个学生的上课质量评分,包括:
所述每个学生的上课质量评分,利用以下公式:
S=α/(A-T1)+β*N+γ*d1/(C-T2)+γ*d2/(C-T3);
其中,S为上课质量评分,α为重点知识讲解环节的权重,β为提问环节的权重,γ为课堂练习环节的权重,其中,若课堂练习环节为动笔状态,则d1为1,d2为0;若课堂练习环节为背诵状态,则d1为0,d2为1;A为重点知识讲解环节时长,C为课堂练习环节时长;N为提问环节中举手次数;T1为重点知识讲解环节中静止的时长;T2为课堂练习环节中动笔书写时长;T3为课堂练习环节中背诵状态时长。
7.根据权利要求1所述的基于学生卡的学习质量评估方法,其特征在于,所述基于所述每个学生的上课质量评分,计算当前课堂质量的评估值,包括:
发送所述每个学生的上课质量评分到教师端;
将上课质量评分计算出平均值,将所述平均值作为当前课程质量的评估值。
8.一种基于学生卡的学习质量评估装置,其特征在于,包括:
获取模块:用于获取当前课堂教师的教案计划,其中所述教案计划至少包括多个教学环节以及所述教学环节对应的时长;
检测模块:用于基于所述学生卡,在每个所述教学环节以及所述教学环节对应的时长里,实时检测并获得每个学生的课堂行为;
评分模块:用于结合所述每个学生的课堂行为以及所述教案计划,利用预设评估方法计算每个学生的上课质量评分;
评估模块:用于基于所述每个学生的上课质量评分,计算当前课堂质量的评估值。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述基于学生卡的学习质量评估方法的步骤。
10.一种计算机可读存储介质,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权利要求1至7中任一项所述基于学生卡的学习质量评估方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310131347.9A CN116228478A (zh) | 2023-02-10 | 2023-02-10 | 基于学生卡的学习质量评估方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310131347.9A CN116228478A (zh) | 2023-02-10 | 2023-02-10 | 基于学生卡的学习质量评估方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116228478A true CN116228478A (zh) | 2023-06-06 |
Family
ID=86578087
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310131347.9A Pending CN116228478A (zh) | 2023-02-10 | 2023-02-10 | 基于学生卡的学习质量评估方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116228478A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117036117A (zh) * | 2023-06-14 | 2023-11-10 | 广东开放大学(广东理工职业学院) | 基于人工智能的课堂状态评估方法 |
-
2023
- 2023-02-10 CN CN202310131347.9A patent/CN116228478A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117036117A (zh) * | 2023-06-14 | 2023-11-10 | 广东开放大学(广东理工职业学院) | 基于人工智能的课堂状态评估方法 |
CN117036117B (zh) * | 2023-06-14 | 2024-05-24 | 广东开放大学(广东理工职业学院) | 基于人工智能的课堂状态评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hussain et al. | Student engagement predictions in an e-learning system and their impact on student course assessment scores. | |
CN108491781B (zh) | 一种课堂专注度评估方法及终端 | |
CN109635725B (zh) | 检测学生专注度的方法、计算机存储介质及计算机设备 | |
US20220366809A1 (en) | Method and apparatus of diagnostic test | |
CN116228478A (zh) | 基于学生卡的学习质量评估方法、装置、设备及介质 | |
CN108665976A (zh) | 一种儿童专注力测评系统和方法 | |
CN203054948U (zh) | 基于物联网的教学点名信息采集装置 | |
US9652996B2 (en) | Measuring cognitive load | |
CN114299617A (zh) | 一种教学互动情况识别方法、装置、设备及存储介质 | |
US10930169B2 (en) | Computationally derived assessment in childhood education systems | |
CN116452022A (zh) | 教师教学效果的评价方法、装置及电子设备 | |
Rawson et al. | Predicting course performance from homework habits | |
CN110991943A (zh) | 一种基于云计算的教学质量评价系统 | |
Katsumata | A multiple smart device-based personalized learning environment | |
KR101946279B1 (ko) | 스마트 펜을 이용한 진단 검사 방법 및 장치 | |
Mehigan et al. | Engaging learners through emotion in Artificially Intelligent environments | |
CN111667128B (zh) | 教学质量评估方法、装置及系统 | |
Kim et al. | Towards Automatic Recognition of Perceived Level of Understanding on Online Lectures using Earables | |
CN112132121A (zh) | 基于大数据的学生学习行为分析系统 | |
Jayasinghe et al. | Tracking emotions through facial expressions in online education systems based on transient emotion peak | |
Sanders et al. | Development and Field-Testing of a Non-intrusive Classroom Attention Tracking System (NiCATS) for Tracking Student Attention in CS Classrooms | |
Bharadva | A Machine Learning framework to Detect Student’s Online Engagement | |
CN116029871A (zh) | 一种智慧教室可视化管理方法及系统 | |
Moore et al. | Core aspects of affective metacognitive user models | |
Jang et al. | Detecting mind-wandering based on eye-tracking data during a physics video lecture |
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 |