CN117078475B - 基于互联网的远程在线教育培训模型管理方法 - Google Patents

基于互联网的远程在线教育培训模型管理方法 Download PDF

Info

Publication number
CN117078475B
CN117078475B CN202311345300.9A CN202311345300A CN117078475B CN 117078475 B CN117078475 B CN 117078475B CN 202311345300 A CN202311345300 A CN 202311345300A CN 117078475 B CN117078475 B CN 117078475B
Authority
CN
China
Prior art keywords
multimedia
student
effect
coefficient
teaching
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.)
Active
Application number
CN202311345300.9A
Other languages
English (en)
Other versions
CN117078475A (zh
Inventor
王英典
林松涛
王欣生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baiyi Oriental Education Technology Co ltd
Original Assignee
Beijing Baiyi Oriental Education Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baiyi Oriental Education Technology Co ltd filed Critical Beijing Baiyi Oriental Education Technology Co ltd
Priority to CN202311345300.9A priority Critical patent/CN117078475B/zh
Publication of CN117078475A publication Critical patent/CN117078475A/zh
Application granted granted Critical
Publication of CN117078475B publication Critical patent/CN117078475B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G09B5/00—Electrically-operated educational appliances
    • G09B5/08—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations
    • G09B5/10—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations all student stations being capable of presenting the same information simultaneously
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
    • H04N21/4788—Supplemental services, e.g. displaying phone caller identification, shopping application communicating with other users, e.g. chatting
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明公开了基于互联网的远程在线教育培训模型管理方法，涉及互联网教育技术领域，包括建立在线教育培训模型、信息采集、信息处理、综合评估在线教育的整体教学效果和评估任一学生端的在线教学效果共五个步骤，通过评估视听效果和播放效果，来综合评估教师端和学生端的多媒体效果，再通过对比互联网远程传输前后的多媒体效果，评估多媒体效果偏差度，再通过多媒体效果及其偏差度综合判定整体的教学效果和任一学生端的在线教学效果，从而进行整体的调控管理操作和针对性的局部调控管理操作，通过对整体进行修正和优化的调控操作，使得处理任务量少而调控效率高，通过对学生端的问题端口进行修正和优化的调控操作，针对性强且精准度高。

Description

基于互联网的远程在线教育培训模型管理方法
技术领域
本发明涉及互联网教育技术领域，尤其涉及基于互联网的远程在线教育培训模型管理方法。
背景技术
互联网+教育，是互联网科技与教育领域相结合的一种新的教育形式，随着互联网的高速发展，远程在线教育培训规模逐步扩大，行业的制度与管理逐渐成熟，互联网远程教育是指使用互联网的教学模式，不需要到特定地点上课，学生可以透过互联网的渠道进行互助学习，招生对象不受年龄和先前学历限制，为广大已步入社会的群众提供了学历提升的机会，除此以外，还包括考证、考公、考研等多种教育培训形式；
现有的在线教育在培训过程中经常出现视频卡顿与延迟，以及图像声音效果差的问题，而直播教学的视听效果和播放效果对于在线教学具有一定的影响，尤其是对于音乐课和美术课这类多媒体需求高的课程，且对于其他课程也有一定程度的必要性，当在线教育培训过程中的多媒体效果越差，会导致教学效果和教学体验不好；
针对上述的技术缺陷，现提出一种解决方案。
发明内容
本发明的目的在于：解决在线教育培训过程中的播放效果差和视听效果差的问题，实现多媒体效果好的在线教学效果，以及调控效率高、针对性强的在线教育培训模型的管理效果。
为了实现上述目的，本发明采用了如下技术方案：
基于互联网的远程在线教育培训模型管理方法，包括以下步骤：
步骤一，建立在线教育培训模型：通过互联网信号将教师端的视频直播课远程传输到N个学生端，后台控制端设定常规参数配置方案，教师端和学生端均与后台控制端信号连接；
步骤二，信息采集：通过网络检测工具采集视频直播课传输过程的多媒体信息，其中，多媒体信息包括视听参数和播放参数；
步骤三，信息处理：对多媒体信息进行综合分析，生成多媒体评估系数S，再对比分析远程传输前后的多媒体评估系数，获取多媒体效果偏差度P；
步骤四，综合评估在线教育的整体教学效果：将N个学生端的多媒体评估系数与N个学生端的多媒体效果偏差度相结合，获取整体教学影响系数，评估N个学生端的整体教学效果：
若整体教学评估系数小于预设阈值，则生成整体调控信号并传输到后台控制端，后台控制端接收整体调控信号并进行整体调控操作，再反馈到步骤一；
若整体教学评估系数大于等于预设阈值，则进入步骤五；
步骤五，评估任一学生端的在线教学效果：标记任一个学生端为i，标记学生端i的多媒体评估系数为Si，标记学生端i的多媒体效果偏差度为Pi，获取学生端i的在线教学影响系数Yi，评估学生端i的在线教学效果：
若在线教学评估系数低于预设区间，则生成第二调控信号并传输到后台控制端，后台控制端接收第二调控信号并进行局部调控操作，再反馈到步骤一；
若在线教学评估系数大于等于预设阈值，则不作处理。
进一步的，采集多媒体信息的具体过程如下：
视听参数包括：图像像素PX、视频帧率Fr、声音强度Si、信噪比snr；播放参数包括：卡顿频率Stu、卡顿持续时间Tk、交互延迟时间Tj；
A1：同步采集教师端与N个学生端的直播视频片段，设置视频片段时长为Tv；
A2：标记教师端的直播视频片段为VD0，标记任一个学生端的直播视频片段为VDi，通过网络检测工具对多媒体信息进行采集；
A3：为直播视频片段VD0和直播视频片段VDi的多媒体信息进行标记：
标记直播视频片段VD0的图像像素为PX0、视频帧率为Fr0、声音强度Si0、信噪比snr0、卡顿频率Stu0、卡顿持续时间Tk0、交互延迟时间Tj0；
标记直播视频片段VDi的图像像素为PXi、视频帧率为Fri、声音强度Sii、信噪比snri、卡顿频率Stui、卡顿持续时间Tki、交互延迟时间Tji。
进一步的，综合分析多媒体信息，生成多媒体评估系数的具体过程为：
B1：建立多媒体分析模型：输入视听参数和播放参数，先获取视听效果系数a和播放效果系数b，再通过视听效果系数与播放效果系数相结合，输出多媒体评估系数S：
B1-1：先获取视频片段时长Tv内声音强度的最高值与最低值，以获取声音强度差值，通过为图像像素、视频帧率、声音强度差值以及信噪比赋予相应的归一化系数，并建立公式获取视听效果系数a；
B1-2：再通过为卡顿频率、卡顿持续时间以及交互延迟时间赋予相应的归一化系数，并建立公式获取播放效果系数b；
B1-3：通过为视听效果系数a和播放效果系数b赋予相应的权重因子系数，并建立公式获取多媒体评估系数S；
B2：将直播视频片段VD0和直播视频片段VDi的视听参数和播放参数代入到多媒体分析模型中，分别获取相应的多媒体评估系数：
向多媒体分析模型中输入直播视频片段VD0的视听参数和播放参数，输出教师端的多媒体评估系数S0；
向多媒体分析模型中输入直播视频片段VDi的视听参数和播放参数，输出学生端i的多媒体评估系数Si。
进一步的，对比分析获取远程传输前后的多媒体偏差度的具体过程为：
C1：设置采集周期Tc，对直播视频片段进行定时采集，预设采集x次直播视频片段，标记任一次教师端的多媒体评估系数为S0k，标记对应轮次的学生端i的多媒体评估系数为Sik；
C2：将多媒体评估系数为S0k和多媒体评估系数为Sik进行对比，通过测算两者的标准差，获取学生端i的多媒体效果偏差度Pi，分析直播视频片段从教师端经远程传输后到学生端i期间的多媒体偏差情况。
进一步的，评估N个学生端的整体教学效果的具体过程为：
D1：对于视频直播课中x次学生端i的多媒体评估系数Si求取平均值，并标记为多媒体平均评估系数，标记学生端i的多媒体效果偏差度为Pi；
D2：将N个学生端的多媒体平均评估系数与N个学生端的多媒体效果偏差度相结合，获取N个学生端的整体教学影响系数Y0：
先计算N个学生端的多媒体平均评估系数之和h1，再计算N个学生端的多媒体效果偏差度之和h2，分别为h1和h2赋予相应的权重因子系数，再建立公式获取N个学生端的整体教学影响系数Y0；
D3：设置相应的预设区间，评估N个学生端的整体教学效果：
建立整体教学影响系数Y0的动态曲线图，设置阈值R1：当整体教学影响系数Y0低于阈值R1，则判定为整体教学效果不达标，进行整体调控操作；反之，则判定为整体教学效果达标，进入下一步骤。
进一步的，评估当前学生端i的在线教学效果的具体过程为：
E1：将学生端i的多媒体平均评估系数与学生端i的多媒体效果偏差度相结合，获取学生端i的在线教学影响系数Yi：
分别为多媒体平均评估系数和多媒体效果偏差度Pi赋予相应的权重因子系数，再建立公式获取学生端i的在线教学影响系数Yi；
E2：设置相应的预设区间，评估学生端i的在线教学效果：
建立在线教学影响系数Yi的动态曲线图，设置阈值R2：当学生端i的在线教学影响系数Yi低于阈值R2，则判定为学生端i的在线教学效果不达标，进行局部调控操作；反之，则判定为学生端i的在线教学效果达标，不作处理。
进一步的，调控操作的具体过程为：
常规参数配置方案包括设备参数和网络参数，通过对常规参数配置方案中的各项参数进行调整，以调控多媒体信息的教学效果；
整体调控操作：将教师端的多媒体评估系数建立动态曲线图，获取多媒体评估系数达到最高点时对应的视听参数，将该视听参数标记为STm；
整体修正方案是将常规参数配置方案中的教师端的设备参数按照最优方案进行管理，其中，设备参数包括视听参数，通过将教师端的视听参数按照STm进行调整；
整体优化方案是在教师端的多媒体评估系数达标的基础上，对常规参数配置方案中的教师端的网络参数进行管理；
局部调控操作：建立问题端口集合J，将在线教学效果不达标的学生端全部纳入集合J，并标记集合J内的任一个问题端口为学生端j，将学生端j的在线教学影响系数标记为Yj，并将学生端j的多媒体评估系数建立动态曲线图，获取多媒体评估系数达到最高点时对应的视听参数，将该视听参数标记为STj；
局部修正方案是将常规参数配置方案中的学生端j的设备参数按照最优方案进行管理，通过将学生端j的视听参数按照STj进行调整；
局部优化方案是在学生端j的多媒体评估系数达标的基础上，对常规参数配置方案中的学生端j的网络参数进行管理。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
本发明通过评估视听效果和播放效果，来综合评估教师端和学生端的多媒体效果，再通过对比互联网远程传输前后的多媒体效果，从而评估多媒体效果偏差度，再通过多媒体效果及其偏差度综合判定整体的教学效果和任一学生端的在线教学效果，从而进行整体的调控管理操作和针对性的局部调控管理操作；
其中，通过整体教学效果进行阈值对比，对整体进行修正和优化的调控操作，从直播的发送端对在线教学效果进行提升，使得处理任务量少而调控效率高；通过学生端的在线教学效果进行阈值对比，对学生端的问题端口进行修正和优化的调控操作，针对性对学生端的在线教学效果进行提升，从直播的接收端进行精准管理，针对性强且精准度高。
附图说明
图1示出了本发明的流程示意图；
图2示出了本发明的在线教育培训模型的模块示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例1
如图1-2所示，基于互联网的远程在线教育培训模型管理方法，包括信息采集单元、运行处理单元、数据管理单元和通讯优化单元，其中，信息采集单元、运行处理单元、数据管理单元和通讯优化单元之间信号连接；
工作步骤如下：
S1：建立在线教育培训模型：通过互联网信号将教师端的视频直播课远程传输到N个学生端，后台控制端设定常规参数配置方案，教师端和学生端均与后台控制端信号连接；
常规参数配置方案包括影响视听效果的设备参数和影响传输效果的网络参数；
S2：信息采集：通过网络检测工具采集视频直播课传输过程的多媒体信息，其中，多媒体信息包括视听参数和播放参数；
采集多媒体信息的具体过程如下：
视听参数包括：图像像素PX、视频帧率Fr、声音强度Si、信噪比snr；
播放参数包括：卡顿频率Stu、卡顿持续时间Tk、交互延迟时间Tj；
A1：同步采集教师端与N个学生端的直播视频片段，设置视频片段时长为Tv；
A2：标记教师端的直播视频片段为VD0，标记任一个学生端的直播视频片段为VDi，通过网络检测工具对多媒体信息进行采集；
A3：为直播视频片段VD0和直播视频片段VDi的多媒体信息进行标记：
标记直播视频片段VD0的图像像素为PX0、视频帧率为Fr0、声音强度Si0、信噪比snr0、卡顿频率Stu0、卡顿持续时间Tk0、交互延迟时间Tj0；
标记直播视频片段VDi的图像像素为PXi、视频帧率为Fri、声音强度Sii、信噪比snri、卡顿频率Stui、卡顿持续时间Tki、交互延迟时间Tji；
其中，图像像素PX为直播视频片段任一帧图片的像素数据值，通过像素检测仪进行采集；声音强度Si的单位为分贝值，在直播视频片段过程中，建立时间与声音强度的动态曲线，从而直接观测声音强度的变化情况；视频帧率Fr、信噪比snr和卡顿频率Stu通过现有网络检测工具直接采集；卡顿持续时间Tk为直播视频片段中累计的卡顿持续时间长度；交互延迟时间Tj为直播视频片段中平均的交互延迟时间长度，例如，当教师端通过远程直播与学生端进行交流互动时，从教师端发生交互信号，以此刻的实际时间点为初始时间点t0，以学生端接收到交互信号为延迟时间点t1，通过计算初始时间点与延迟时间点之间的差值，测算当前轮次的交互活动产生的延迟时间，而直播视频片段的教学过程中，实际的交互活动次数并非固定值，因此，通过测算平均值来估算交互延迟时间；
S3：信息处理：对多媒体信息进行综合分析，生成多媒体评估系数S，再对比分析远程传输前后的多媒体评估系数，获取多媒体效果偏差度P；
S3-1：综合分析多媒体信息，生成多媒体评估系数的具体过程为：
B1：建立多媒体分析模型：输入视听参数和播放参数，先获取视听效果系数a和播放效果系数b，再通过视听效果系数与播放效果系数相结合，输出多媒体评估系数S：
B1-1：先获取视频片段时长Tv内声音强度的最高值与最低值，以获取声音强度差值，通过为图像像素、视频帧率、声音强度差值以及信噪比赋予相应的归一化系数，并建立公式获取视听效果系数a：
视听效果系数a：
其中，μ1、μ2、μ3、μ4分别为图像像素PX、视频帧率Fr、声音强度Si、信噪比snr的归一化系数，且μ1、μ2、μ3、μ4均大于0；Sim为直播视频片段中的最高声音强度，Sin为直播视频片段中的最低声音强度，当直播视频片段中的声音强度差值越大，表示声音越不稳定，可能存在极端尖锐干扰音的情况，表示视听效果差；当图像像素PX、视频帧率Fr越高，说明视觉效果越好，而声音强度Si越稳定、信噪比snr越低，说明听觉效果越好，通过将视觉效果和听觉效果相结合，生成视听效果系数a，当视听效果系数越高，说明视听效果越好；
B1-2：再通过为卡顿频率、卡顿持续时间以及交互延迟时间赋予相应的归一化系数，并建立公式获取播放效果系数b：
播放效果系数b：
其中，ω1、ω2、ω3分别为卡顿频率Stu、卡顿持续时间Tk、交互延迟时间Tj的归一化系数，且ω1、ω2、ω3均大于0；当卡顿频率Stu越低、卡顿持续时间Tk越短，表示卡顿情况越优良，会使播放效果好；当交互延迟时间Tj越低，表示延迟情况越优良，也会使播放效果好；通过将卡顿情况和延迟情况相结合，生成播放效果系数b，当播放效果系数越高，说明播放效果越好；
B1-3：通过为视听效果系数a和播放效果系数b赋予相应的权重因子系数，并建立公式获取多媒体评估系数S：
多媒体评估系数S：
λ1、λ2分别为视听效果系数a和播放效果系数b的权重因子系数，且λ1、λ2均大于0；当视听效果和播放效果越好时，综合评估多媒体效果越好；
B2：将直播视频片段VD0和直播视频片段VDi的视听参数和播放参数代入到多媒体分析模型中，分别获取相应的多媒体评估系数：
向多媒体分析模型中输入直播视频片段VD0的视听参数和播放参数，输出教师端的多媒体评估系数S0；
向多媒体分析模型中输入直播视频片段VDi的视听参数和播放参数，输出学生端i的多媒体评估系数Si；
S3-2：对比分析获取远程传输前后的多媒体偏差度的具体过程为：
C1：设置采集周期Tc，对直播视频片段进行定时采集，预设采集x次直播视频片段，标记任一次教师端的多媒体评估系数为S0k，标记对应轮次的学生端i的多媒体评估系数为Sik；
C2：将多媒体评估系数为S0k和多媒体评估系数为Sik进行对比，通过测算两者的标准差，获取学生端i的多媒体效果偏差度Pi：
其中，k为直播视频片段的当前次数，x为采集到的直播片段总次数；
例如，对于教师端1小时的视频直播课，设置采集周期Tc=10分钟/次、视频片段时长Tv=10秒，则总计采集x=1小时/10分钟=6次直播视频片段，每个片段为10秒钟；对于学生端同理，不作赘述；
先将教师端的6次直播视频片段分别进行多媒体信息的采集和处理，获取相应的多媒体评估系数，依次标记为S01、S02、S03、S04、S05、S06；并将学生端i的6次直播视频片段同样分别进行多媒体信息的采集和处理，获取相应的多媒体评估系数，依次标记为Si1、Si2、Si3、Si4、Si5、Si6；再代入多媒体效果偏差度Pi的公式中，即可获取学生端i的多媒体效果偏差度Pi；
分析直播视频片段从教师端经远程传输后到学生端i期间的多媒体偏差情况，当多媒体效果偏差度的数值越高，说明视频在远程传输过程中产生的偏差越大，传输效果越差，而对于偏差度而言，主要通过调整网络状况，来保证信号远程传输的稳定性，降低多媒体传输偏差度；
S4：综合评估在线教育的整体教学效果：将N个学生端的多媒体评估系数与N个学生端的多媒体效果偏差度相结合，获取整体教学影响系数Y0，评估N个学生端的整体教学效果：
若整体教学评估系数小于预设阈值，则生成整体调控信号并传输到后台控制端，后台控制端接收整体调控信号并进行整体调控操作，再反馈到步骤一；（整体修正，达到最优，提升在线教学的整体效果）
若整体教学评估系数大于等于预设阈值，则进入步骤五；
S4-1：评估N个学生端的整体教学效果的具体过程为：
D1：对于视频直播课中x次学生端i的多媒体评估系数Si求取平均值，并标记为多媒体平均评估系数，标记学生端i的多媒体效果偏差度为Pi；
D2：将N个学生端的多媒体平均评估系数与N个学生端的多媒体效果偏差度相结合，获取N个学生端的整体教学影响系数Y0：
先计算N个学生端的多媒体平均评估系数之和h1，再计算N个学生端的多媒体效果偏差度之和h2，分别为h1和h2赋予相应的权重因子系数，再建立公式获取N个学生端的整体教学影响系数Y0：
其中，α1为N个学生端的多媒体平均评估系数之和的权重因子系数、α2为N个学生端的多媒体效果偏差度之和的权重因子系数，且α1、α2均大于0；当多媒体平均评估系数越高、多媒体效果偏差度越低时，表示多媒体因素对于在线教学的整体影响效果越好，在线教学的整体质量越佳；
D3：设置相应的预设区间，评估N个学生端的整体教学效果：
建立整体教学影响系数Y0的动态曲线图，设置阈值R1：当整体教学影响系数Y0低于阈值R1，则判定为整体教学效果不达标，进行整体调控操作；反之，则判定为整体教学效果达标，进入下一步骤；
调控操作的具体过程为：常规参数配置方案包括设备参数和网络参数，通过对常规参数配置方案中教师端的各项参数进行调整，以调控多媒体信息的教学效果；
整体调控操作：
当整体教学影响系数Y0低于阈值R1，则判定为整体教学效果不达标，进行整体调控操作，其中，设置整体修正区间为（0，q1，整体优化区间为（q1，R1），当整体教学影响系数Y0位于整体修正区间内时，生成第一整体调控信号，进行整体修正方案；当整体教学影响系数Y0位于整体优化区间内时，生成第二整体调控信号，进行整体优化方案；
整体修正方案是将常规参数配置方案中的教师端的设备参数按照最优方案进行管理，先将教师端的多媒体评估系数建立动态曲线图，获取多媒体评估系数达到最高点时对应的视听参数，将该视听参数标记为STm；其中，设备参数包括视听参数，通过将教师端的视听参数按照STm进行调整，使得整体的多媒体评估系数提升到标准区间，从而提升整体教学效果；
整体优化方案是在教师端的多媒体评估系数达标的基础上，对常规参数配置方案中的教师端的网络参数进行管理，例如，网络参数包括网络带宽，通过更高速度的互联网连接或升级网络服务合同来增加教师端的带宽，确保具有足够的带宽来支持高质量视频流传输，从而提升教师端的播放参数并降低多媒体传输差异度，进而提升整体教学效果；
通过整体评估来对直播视频的发送端也就是教师端进行调控，从而进行整体提升和优化，整体调控操作的工作量少且效率高，减少时间成本；整体教学效果的提升，能带动学生整体在远程教育培训过程中的学习效果；
S5：评估任一学生端的在线教学效果：标记任一个学生端为i，标记学生端i的多媒体评估系数为Si，标记学生端i的多媒体效果偏差度为Pi，获取学生端i的在线教学影响系数Yi，评估学生端i的在线教学效果：
若在线教学评估系数低于预设区间，则生成局部调控信号并传输到后台控制端，后台控制端接收局部调控信号并进行局部调控操作，再反馈到步骤一；
若在线教学评估系数大于等于预设阈值，则不作处理；
其中，评估当前学生端i的在线教学效果的具体过程为：
E1：将学生端i的多媒体平均评估系数与学生端i的多媒体效果偏差度相结合，获取学生端i的在线教学影响系数Yi：
其中，β1、β2分别为学生端i的多媒体平均评估系数和多媒体效果偏差度的权重因子系数，且β1、β2均大于0；当多媒体平均评估系数越高、多媒体效果偏差度越低时，表示多媒体因素对于学生端i在线教学的整体影响效果越好，对于学生端i的在线教学质量越佳；
E2：设置相应的预设区间，评估学生端i的在线教学效果：
建立在线教学影响系数Yi的动态曲线图，设置阈值R2：当学生端i的在线教学影响系数Yi低于阈值R2，则判定为学生端i的在线教学效果不达标，进行局部调控操作；反之，则判定为学生端i的在线教学效果达标，不作处理；
调控操作的具体过程为：常规参数配置方案包括设备参数和网络参数，通过对常规参数配置方案中学生端的各项参数进行调整，以调控多媒体信息的教学效果；
局部调控操作：
当在线教学影响系数Yi低于阈值R1，则判定为学生端i的在线教学效果不达标，进行局部调控操作；建立问题端口集合J，将在线教学效果不达标的学生端全部纳入集合J，并标记集合J内的任一个问题端口为学生端j，将学生端j的在线教学影响系数标记为Yj；
设置局部修正区间为（0，q2]，局部优化区间为（q2，R2），当在线教学影响系数Yj位于局部修正区间内时，生成第一局部调控信号，对学生端j进行局部修正方案；当在线教学影响系数Yj位于局部优化区间内时，生成第二局部调控信号，对学生端j进行局部优化方案；
局部修正方案是将常规参数配置方案中的学生端j的设备参数按照最优方案进行管理：先将学生端j的多媒体评估系数建立动态曲线图，获取多媒体评估系数达到最高点时对应的视听参数，将该视听参数标记为STj；通过将学生端j的视听参数按照STj进行调整，使得学生端j的多媒体评估系数提升到标准区间，从而提升学生端j的在线教学效果；
局部优化方案是在学生端j的多媒体评估系数达标的基础上，对常规参数配置方案中的学生端j的网络参数进行管理，例如，网络参数包括网络带宽，通过更高速度的互联网连接或升级网络服务合同来增加学生端j的带宽，确保具有足够的带宽来支持高质量视频流传输，从而提升学生端j的播放参数并降低多媒体传输差异度，进而提升学生端j的在线教学效果，实现针对性的提升和优化；
通过独立修正达到最优，使得直播视频在接收端也就是学生端的多媒体效果得到提升，从而精准提升用户端口的在线教学效果，通过提升视听等多媒体效果，尤其是对于音乐课、美术课等十分重要，对于其他课程也有一定程度的必要性，当在线教育培训过程中的多媒体效果越好，能够大幅提升教学效果和教学体验。
因此，本发明通过评估视听效果和播放效果，来综合评估教师端和学生端的多媒体效果，再通过对比互联网远程传输前后的多媒体效果，从而评估多媒体效果偏差度，再通过多媒体效果及其偏差度综合判定整体的教学效果和任一学生端的在线教学效果，从而进行整体的调控管理操作和针对性的局部调控管理操作；
其中，通过整体教学效果进行阈值对比，对整体进行修正和优化的调控操作，从直播的发送端对在线教学效果进行提升，使得处理任务量少而调控效率高；通过学生端的在线教学效果进行阈值对比，对学生端的问题端口进行修正和优化的调控操作，针对性对学生端的在线教学效果进行提升，从直播的接收端进行精准管理，针对性强且精准度高。
区间、阈值的大小的设定是为了便于比较，关于阈值的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据设定基数数量；只要不影响参数与量化后数值的比例关系即可。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置；
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (5)

1.基于互联网的远程在线教育培训模型管理方法，其特征在于：包括以下步骤：
步骤一，建立在线教育培训模型：通过互联网信号将教师端的视频直播课远程传输到N个学生端，后台控制端设定常规参数配置方案，教师端和学生端均与后台控制端信号连接；
步骤二，信息采集：通过网络检测工具采集视频直播课传输过程的多媒体信息，其中，多媒体信息包括视听参数和播放参数；
步骤三，信息处理：对多媒体信息进行综合分析，生成多媒体评估系数S，再对比分析远程传输前后的多媒体评估系数，获取多媒体效果偏差度P；
步骤四，综合评估在线教育的整体教学效果：将N个学生端的多媒体评估系数与N个学生端的多媒体效果偏差度相结合，获取整体教学影响系数，评估N个学生端的整体教学效果：
若整体教学评估系数小于预设阈值，则生成整体调控信号并传输到后台控制端，后台控制端接收整体调控信号并进行整体调控操作，再反馈到步骤一；
若整体教学评估系数大于等于预设阈值，则进入步骤五；
步骤五，评估任一学生端的在线教学效果：标记任一个学生端为i，标记学生端i的多媒体评估系数为Si，标记学生端i的多媒体效果偏差度为Pi，获取学生端i的在线教学影响系数Yi，评估学生端i的在线教学效果：
若在线教学评估系数低于预设区间，则生成第二调控信号并传输到后台控制端，后台控制端接收第二调控信号并进行局部调控操作，再反馈到步骤一；
若在线教学评估系数大于等于预设阈值，则不作处理；
采集多媒体信息的具体过程如下：
视听参数包括：图像像素PX、视频帧率Fr、声音强度Si、信噪比snr；
播放参数包括：卡顿频率Stu、卡顿持续时间Tk、交互延迟时间Tj；
A1：同步采集教师端与N个学生端的直播视频片段，设置视频片段时长为Tv；
A2：标记教师端的直播视频片段为VD0，标记任一个学生端的直播视频片段为VDi，通过网络检测工具对多媒体信息进行采集；
A3：为直播视频片段VD0和直播视频片段VDi的多媒体信息进行标记：
标记直播视频片段VD0的图像像素为PX0、视频帧率为Fr0、声音强度Si0、信噪比snr0、卡顿频率Stu0、卡顿持续时间Tk0、交互延迟时间Tj0；
标记直播视频片段VDi的图像像素为PXi、视频帧率为Fri、声音强度Sii、信噪比snri、卡顿频率Stui、卡顿持续时间Tki、交互延迟时间Tji；
综合分析多媒体信息，生成多媒体评估系数的具体过程为：
B1：建立多媒体分析模型：输入视听参数和播放参数，先获取视听效果系数a和播放效果系数b，再通过视听效果系数与播放效果系数相结合，输出多媒体评估系数S：
B1-1：先获取视频片段时长Tv内声音强度的最高值与最低值，以获取声音强度差值，通过为图像像素、视频帧率、声音强度差值以及信噪比赋予相应的归一化系数，并建立公式获取视听效果系数a；
B1-2：再通过为卡顿频率、卡顿持续时间以及交互延迟时间赋予相应的归一化系数，并建立公式获取播放效果系数b；
B1-3：通过为视听效果系数a和播放效果系数b赋予相应的权重因子系数，并建立公式获取多媒体评估系数S；
B2：将直播视频片段VD0和直播视频片段VDi的视听参数和播放参数代入到多媒体分析模型中，分别获取相应的多媒体评估系数：
向多媒体分析模型中输入直播视频片段VD0的视听参数和播放参数，输出教师端的多媒体评估系数S0；
向多媒体分析模型中输入直播视频片段VDi的视听参数和播放参数，输出学生端i的多媒体评估系数Si。
2.根据权利要求1所述的基于互联网的远程在线教育培训模型管理方法，其特征在于：对比分析获取远程传输前后的多媒体偏差度的具体过程为：
C1：设置采集周期Tc，对直播视频片段进行定时采集，预设采集x次直播视频片段，标记任一次教师端的多媒体评估系数为S0k，标记对应轮次的学生端i的多媒体评估系数为Sik；
C2：将多媒体评估系数为S0k和多媒体评估系数为Sik进行对比，通过测算两者的标准差，获取学生端i的多媒体效果偏差度Pi，分析直播视频片段从教师端经远程传输后到学生端i期间的多媒体偏差情况。
3.根据权利要求2所述的基于互联网的远程在线教育培训模型管理方法，其特征在于：评估N个学生端的整体教学效果的具体过程为：
D1：对于视频直播课中x次学生端i的多媒体评估系数Si求取平均值，并标记为多媒体平均评估系数，标记学生端i的多媒体效果偏差度为Pi；
D2：将N个学生端的多媒体平均评估系数与N个学生端的多媒体效果偏差度相结合，获取N个学生端的整体教学影响系数Y0：
先计算N个学生端的多媒体平均评估系数之和h1，再计算N个学生端的多媒体效果偏差度之和h2，分别为h1和h2赋予相应的权重因子系数，再建立公式获取N个学生端的整体教学影响系数Y0；
D3：设置相应的预设区间，评估N个学生端的整体教学效果：
建立整体教学影响系数Y0的动态曲线图，设置阈值R1：当整体教学影响系数Y0低于阈值R1，则判定为整体教学效果不达标，进行整体调控操作；反之，则判定为整体教学效果达标，进入下一步骤。
4.根据权利要求3所述的基于互联网的远程在线教育培训模型管理方法，其特征在于：评估当前学生端i的在线教学效果的具体过程为：
E1：将学生端i的多媒体平均评估系数与学生端i的多媒体效果偏差度相结合，获取学生端i的在线教学影响系数Yi：
分别为多媒体平均评估系数和多媒体效果偏差度Pi赋予相应的权重因子系数，再建立公式获取学生端i的在线教学影响系数Yi；
E2：设置相应的预设区间，评估学生端i的在线教学效果：
建立在线教学影响系数Yi的动态曲线图，设置阈值R2：当学生端i的在线教学影响系数Yi低于阈值R2，则判定为学生端i的在线教学效果不达标，进行局部调控操作；反之，则判定为学生端i的在线教学效果达标，不作处理。
5.根据权利要求4所述的基于互联网的远程在线教育培训模型管理方法，其特征在于：调控操作的具体过程为：
常规参数配置方案包括设备参数和网络参数，通过对常规参数配置方案中的各项参数进行调整，以调控多媒体信息的教学效果；
整体调控操作：将教师端的多媒体评估系数建立动态曲线图，获取多媒体评估系数达到最高点时对应的视听参数，将该视听参数标记为STm；
整体修正方案是将常规参数配置方案中的教师端的设备参数按照最优方案进行管理，其中，设备参数包括视听参数，通过将教师端的视听参数按照STm进行调整；
整体优化方案是在教师端的多媒体评估系数达标的基础上，对常规参数配置方案中的教师端的网络参数进行管理；
局部调控操作：建立问题端口集合J，将在线教学效果不达标的学生端全部纳入集合J，并标记集合J内的任一个问题端口为学生端j，将学生端j的在线教学影响系数标记为Yj，并将学生端j的多媒体评估系数建立动态曲线图，获取多媒体评估系数达到最高点时对应的视听参数，将该视听参数标记为STj；
局部修正方案是将常规参数配置方案中的学生端j的设备参数按照最优方案进行管理，通过将学生端j的视听参数按照STj进行调整；
局部优化方案是在学生端j的多媒体评估系数达标的基础上，对常规参数配置方案中的学生端j的网络参数进行管理。
CN202311345300.9A 2023-10-18 2023-10-18 基于互联网的远程在线教育培训模型管理方法 Active CN117078475B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311345300.9A CN117078475B (zh) 2023-10-18 2023-10-18 基于互联网的远程在线教育培训模型管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311345300.9A CN117078475B (zh) 2023-10-18 2023-10-18 基于互联网的远程在线教育培训模型管理方法

Publications (2)

Publication Number Publication Date
CN117078475A CN117078475A (zh) 2023-11-17
CN117078475B true CN117078475B (zh) 2023-12-15

Family

ID=88710175

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311345300.9A Active CN117078475B (zh) 2023-10-18 2023-10-18 基于互联网的远程在线教育培训模型管理方法

Country Status (1)

Country Link
CN (1) CN117078475B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105578115A (zh) * 2015-12-22 2016-05-11 深圳市鹰硕音频科技有限公司 一种具有语音评估功能的网络教学方法及系统
CN106664432A (zh) * 2016-10-31 2017-05-10 北京小米移动软件有限公司 多媒体信息播放方法及系统、采集设备、标准化服务器
CN107612912A (zh) * 2017-09-20 2018-01-19 北京京东尚科信息技术有限公司 一种设置播放参数的方法和装置
CN110138594A (zh) * 2019-04-11 2019-08-16 福州瑞芯微电子股份有限公司 基于深度学习的视频质量评价方法和服务器
CN116744029A (zh) * 2023-06-27 2023-09-12 泉州凯睿天成教育科技有限公司 一种低延时教育视频监测方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105578115A (zh) * 2015-12-22 2016-05-11 深圳市鹰硕音频科技有限公司 一种具有语音评估功能的网络教学方法及系统
CN106664432A (zh) * 2016-10-31 2017-05-10 北京小米移动软件有限公司 多媒体信息播放方法及系统、采集设备、标准化服务器
CN107612912A (zh) * 2017-09-20 2018-01-19 北京京东尚科信息技术有限公司 一种设置播放参数的方法和装置
CN110138594A (zh) * 2019-04-11 2019-08-16 福州瑞芯微电子股份有限公司 基于深度学习的视频质量评价方法和服务器
CN116744029A (zh) * 2023-06-27 2023-09-12 泉州凯睿天成教育科技有限公司 一种低延时教育视频监测方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
实时交互式教学系统的设计与实现;刘超群;;中国教育信息化(第05期);全文 *

Also Published As

Publication number Publication date
CN117078475A (zh) 2023-11-17

Similar Documents

Publication Publication Date Title
WO2017206935A1 (zh) 一种音视频同步测试的系统及方法
CN110677639B (zh) 一种基于特征融合和循环神经网络的无参考视频质量评价方法
CN111861146A (zh) 一种基于微表情识别的教学评价和实时反馈系统
CN111931598A (zh) 一种基于人脸识别的课堂智能实时分析方法及系统
CN114038256A (zh) 一种基于人工智能的教学互动系统
CN109815855B (zh) 一种基于机器学习的电子设备自动测试方法及系统
CN108304779B (zh) 一种学生教育管理的智能化调控方法
CN111695442A (zh) 一种基于多模态融合的在线学习智能辅助系统
US20230228803A1 (en) Machine learning model training using de-noised data and model prediction with noise correction
CN117078475B (zh) 基于互联网的远程在线教育培训模型管理方法
CN110991943B (zh) 一种基于云计算的教学质量评价系统
CN117729381A (zh) 一种基于非经营性数据分析的直播能力评价系统
CN114936787A (zh) 一种基于人工智能的线上学生教学智能分析管理云平台
CN111355949B (zh) 音视频多媒体数据库的构建及多媒体主观质量评价方法
CN113076885B (zh) 一种基于人眼动作特征的专注度分级方法及系统
CN111784694B (zh) 一种基于视觉注意力机制的无参考视频质量评价方法
CN117079110A (zh) 一种基于diffusion的文旅图像视频系统及方法
CN111028617A (zh) 一种交互式音乐教学系统及其教学方法
CN115278272B (zh) 一种教育实践在线指导系统及方法
CN116386404A (zh) 一种基于人工智能的课程交互方法
CN202364294U (zh) 课程录制系统
CN115278212A (zh) 一种模拟高清音视频传输控制方法及系统
CN112102130B (zh) 智能教师辅助备课授课系统和方法
CN116307934B (zh) 一种基于云计算的录播教学课程质量评价方法及系统
CN110727883A (zh) 一种儿童个性化成长图谱分析方法和系统

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
GR01 Patent grant
GR01 Patent grant