CN117496787B - 一种针对儿童六项能力测评及其训练系统 - Google Patents
一种针对儿童六项能力测评及其训练系统 Download PDFInfo
- Publication number
- CN117496787B CN117496787B CN202410004189.5A CN202410004189A CN117496787B CN 117496787 B CN117496787 B CN 117496787B CN 202410004189 A CN202410004189 A CN 202410004189A CN 117496787 B CN117496787 B CN 117496787B
- Authority
- CN
- China
- Prior art keywords
- score
- module
- capability
- wave
- training
- 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
Links
- 238000012549 training Methods 0.000 title claims abstract description 150
- 210000004556 brain Anatomy 0.000 claims abstract description 107
- 238000000034 method Methods 0.000 claims abstract description 99
- 230000008569 process Effects 0.000 claims abstract description 83
- 238000004458 analytical method Methods 0.000 claims abstract description 66
- 238000011156 evaluation Methods 0.000 claims abstract description 56
- 238000012360 testing method Methods 0.000 claims abstract description 56
- 238000012544 monitoring process Methods 0.000 claims abstract description 31
- 230000009471 action Effects 0.000 claims abstract description 18
- 230000008859 change Effects 0.000 claims abstract description 17
- 230000015654 memory Effects 0.000 claims description 44
- 230000006399 behavior Effects 0.000 claims description 21
- 230000000007 visual effect Effects 0.000 claims description 18
- 230000001149 cognitive effect Effects 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 10
- 230000014509 gene expression Effects 0.000 claims description 9
- 241001282135 Poromitra oscitans Species 0.000 claims description 7
- 206010048232 Yawning Diseases 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 6
- 230000003542 behavioural effect Effects 0.000 claims description 5
- 238000013079 data visualisation Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 230000000704 physical effect Effects 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 28
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000012854 evaluation process Methods 0.000 abstract description 3
- 210000003128 head Anatomy 0.000 description 13
- 206010000117 Abnormal behaviour Diseases 0.000 description 6
- 210000005036 nerve Anatomy 0.000 description 6
- 239000008194 pharmaceutical composition Substances 0.000 description 6
- 230000008449 language Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000003930 cognitive ability Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 206010016256 fatigue Diseases 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000011835 investigation Methods 0.000 description 4
- 230000006996 mental state Effects 0.000 description 4
- 210000000653 nervous system Anatomy 0.000 description 4
- 230000002688 persistence Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000005096 rolling process Methods 0.000 description 4
- 239000012141 concentrate Substances 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000002996 emotional effect Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000007087 memory ability Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000036992 cognitive tasks Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000008450 motivation Effects 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000006886 spatial memory Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 230000003936 working memory Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007177 brain activity Effects 0.000 description 1
- 230000005978 brain dysfunction Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000003920 cognitive function Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000004141 dimensional analysis Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000007996 neuronal plasticity Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000000859 sublimation Methods 0.000 description 1
- 230000008022 sublimation Effects 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000003867 tiredness Effects 0.000 description 1
- 208000016255 tiredness Diseases 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
- G09B9/00—Simulators for teaching or training purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
- A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
-
- 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
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Human Computer Interaction (AREA)
- Strategic Management (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Pathology (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Veterinary Medicine (AREA)
- Psychiatry (AREA)
- Primary Health Care (AREA)
- Multimedia (AREA)
- Neurosurgery (AREA)
- Social Psychology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Epidemiology (AREA)
- Psychology (AREA)
- Physiology (AREA)
- Neurology (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
Abstract
本发明涉及一种针对儿童六项能力测评及其训练系统,包括:三维测试系统、用于对三维测试结果进行计算评分的测试评价系统、以及根据测试评价系统的评分结果进行训练的训练提升系统;三维测试系统由知识技能分析模块(包含试题题库)、脑电波分析模块、过程状态监测模块,测试评价系统包括:水平划分模块;训练提升系统包括:连接VR头部设备的VR头部设备控制模块和六项能力训练模块;本发明的优点是:通过对测评过程中孩子的动作行为变化、作答情况、脑波变化等数据进行分析,最后反映出孩子的六个能力不同的水平强弱,从而制定更有效的训练计划和方法,提高孩子六项能力的效果。
Description
技术领域
本发明涉及教育机器人技术领域,特别涉及一种针对儿童六项能力测评及其训练系统。
背景技术
市面上的学习能力测评产品均存在以下问题和缺点:缺乏真实场景下的测评:许多学习能力测评仅依赖于问卷调查或娱乐状态测评,缺乏真实学习环境中的评估。这种非学习真实场景下的测评可能无法准确反映学生在实际学习中的表现和能力水平。忽略状态和情境因素:学习能力受到多种因素的影响,包括学习者的情绪状态、动机水平和环境因素等。然而,现有的学习能力测评往往忽视了这些因素,无法全面了解学生在学习过程中的真实状态和表现。缺乏行为和动作监测:学习能力涉及到学生的行为和动作表现,许多测评工具仅仅依赖于学生的自我报告或家长问卷等,而没有有效监测和评估学生的实际行为和动作。不够客观和可靠:一些学习能力测评缺乏客观性和可靠性,容易受到主观因素的影响。例如,依赖于教师的评估或观察,可能存在主观偏见或误判的情况,从而影响了测评结果的准确性和可靠性。综上所述,目前的学习能力测评存在不测评真实场景或非学习真实场景下、缺乏状态和动作监测等方面的问题和缺点。这些限制导致了学习能力测评的准确性和可靠性的不足,限制了其在教育应用中的有效性和实用性。因此,需要进一步改进和发展学习能力测评系统,以更全面、准确地评估学生的学习能力和表现。
发明内容
鉴于上述问题,本发明的目的是提供一种针对儿童六项能力测评及其训练系统,用于结合影像、动作控制和知识技能以及活跃脑波状态来评估并训练学生的六项能力,以克服上述现有技术的不足。
本发明提供的一种针对儿童六项能力测评及其训练系统,包括:三维测试系统、用于对三维测试结果进行计算评分结果的测试评价系统、以及根据测试评价系统的评分结果进行训练的训练提升系统;
其中,所述三维测试系统由测试第一维度的知识技能分析模块、测试第二维度的脑电波分析模块、测试第三维度的过程状态监测模块组成,所述知识技能分析模块用于模拟考试测评场景,并提供试题题库中的待测试试题供答题者解答并根据答题结果得到六项能力的知识技能分析分数,所述知识技能分析模块储存有专注能力、观察能力、思维能力、想象能力、记忆能力和创造能力的试题题库;所述脑电波分析模块用于在知识技能答题时监测答题者脑波状态并获取答题者的脑波信号、以及对脑波信号状态进行可视图像转换并与六项能力进行匹配,得到六项能力的脑电分析分数,所述过程状态监测模块用于在知识技能答题时进行的过程状态监测,并利用机器人的摄像头拍摄答题者身体动作,根据身体动作情况给出六项能力的过程状态分数;
其中,所述测试评价系统包括:水平划分模块,所述水平划分模块利用三维测试系统的评测结果进行能力水平划分并根据答题者在知识技能分析模块、脑电波分析模块、过程状态监测模块中六个能力的得分,确定学生个体六项能力的强弱;
其中,所述训练提升系统包括:连接 VR头部设备的VR头部设备控制模块和六项能力训练模块,所述六项能力训练模块包括:认知行为任务训练模块;所述认知行为任务训练模块用于根据神经反馈模块识别的低数值对应的能力项,提取用户测评结果报告数据库中的录入的对应能力项数据进行训练排课,以提升较弱能力项,其中,所述六项能力数据包括:脑电分数、知识分数、过程分数,训练排课是通过脑电分数、知识分数、过程分数对比强弱情况进行排序,根据单项能力占比和权重推荐需要不同训练的课时,结合推荐的训练课时和单项能力评级情况进行训练排课。
作为本发明的优选,所述知识技能分析模块嵌入在学习机器人上,所述知识技能分析模块将试题题库中的待测试试题随机抽出三十道题,且三十道题中包含专注能力、观察能力、思维能力、想象能力、记忆能力和创造能力对应的题型,所述知识技能分析模块还用于将答题者完成的作答情况与试题题库中的标准答案对比得到六项能力的知识技能初始分数。
作为本发明的优选,所述脑电波分析模块包括:脑波采集模块、检测频段模块、数据可视化转换模块、脑电分析得分模块和横向对比校准模块;
所述脑波采集模块用于采集脑波频率的五个基础波,其中五个基础波分别为α波、β波、θ波、δ波、γ波;
所述检测频段模块用于对用脑波采集模块采集的α波、β波和γ波进行波段细分;其中,所述α波分为低α波和高α波,低α波频率于8-10Hz之间,高α波频率于10-13Hz之间;所述β波分为低β波和高β波,低β波频率于12-20Hz之间,高β波频率于20-32Hz之间;所述γ波分为低γ波和高γ波,低γ波频率于30-46Hz之间,高γ波频率于46-70Hz之间;
所述数据可视化转换模块用于将脑波图检测频段进行数据可视化转换,其中,将脑波图转换成由各频段脑波能量随时间强弱变化的图像;
所述脑电分析得分模块用于根据数据可视化转换模块输出的图像信息对受测学生个体单题作答时的图像信息进行计算并得出单题脑波占比分数;单题脑波占比 =(单个脑波单题时间内作答平均值÷当前单题时间内八个脑波的平均值)* 100%,所述八个脑波分别为低α波、高α波、低β波、高β波、低γ波、高γ波、θ波和δ波;
所述横向对比校准模块用于通过α波和β波对专注度进行校准,通过θ波和α波对专注度和放松度进行校准,其中,由于专注度的测量主要基于α波和β波的比例,在放松状态下,大脑会产生较多的α波,而在专注状态下,大脑会产生较多的β波,通过α波和β波进行专注度和放松度的校对,专注度比例越高,说明专注度越高;由于放松度的测量主要基于θ波和α波的比例;在放松状态下,大脑会产生较多的θ波,而在专注状态下,大脑会产生较少的θ波;放松度比例越高,说明放松度越高。
作为本发明的优选,所述过程状态监测模块包括:用于通过机器人头部摄像头进行过程状态评测前的体态矫正的初始状态矫正模块、用于通过机器人头部摄像头识别答题者的状态变化、表情变化、动作行为、作答情况的状态变化监测模块、以及用于计算状态变化监测模块的动作状态得分的过程状态维度得分模块;
所述初始状态矫正模块将检测坐姿体态,答题者需要5s内调整好并保持正确坐姿,在调整过程中机器人头部摄像头跟随人体实时变动,保证动作和坐姿高度一致,防止测评者身高不同造成的误判;坐姿固定后,机器人头部位置不再变动,此位置拍摄的图像区域将会作为检测标准位置;
所述过程状态维度得分模块根据答题者答题时的状态变化、表情变化、动作行为、作答情况,得到六项能力的过程状态分数,其中,六项能力分别为:创造能力、专注能力、想象能力、思维能力、观察能力、记忆能力;
所述过程状态维度得分模块将获取的创造能力的最终得分、专注能力的最终得分、想象能力的最终得分、思维能力的最终得分、观察能力的最终得分、记忆能力的最终得分作为过程状态维度的六个能力水平。
作为本发明的优选,所述过程状态维度得分模块中状态变化最终得分如下:
创造能力的最终得分:开始时需从0.8分开始减分,出现以下内容减去相应分数,出现疑惑减0.2分、出现离屏幕近减0.2分、出现趴桌子减0.2分、出现坐姿验证时长<标准时长减0.2分;
专注能力的最终得分:开始时需从0.4分开始加分,出现以下内容加上相应分数,出现高兴加0.2分、出现离屏幕距离标准加0.2分、出现斜肩加0.2分、出现答题次数> 1加0.2分;
想象能力的最终得分:开始时需从0.8分开始减分,出现以下内容减去相应分数,出现斜肩减0.3分、出现离桌面距离不标准减0.3分、出现趴桌子减0.3分;
思维能力的最终得分:开始时需从0.8分开始减分,出现以下内容减去相应分数,出现歪头减0.2分、出现离屏幕距离远减0.2分、出现哈欠减0.2分、出现答题次数≤ 1减0.1分、出现标准答题时长>单题答题时长减0.1分;
观察能力的最终得分:开始时需从0.4分开始加分,出现以下内容加上相应分数,出现睡觉加0.2分、出现哈欠加0.2分、出现疑惑加0.2分、出现点头加0.2分;
记忆能力的最终得分:开始时需从0.4分开始加分,出现以下内容加上相应分数,出现高兴加0.2分、出现歪头加0.2分、出现睡觉加0.2分、出现单题时长<标准时长加0.1分、出现摇头加0.1分。
作为本发明的优选,所述水平划分模块将学习能力划分为以下六项:专注能力、观察能力、记忆能力、思维能力、创造能力、想象能力,其中,
a、专注能力、观察能力、记忆能力、思维能力、创造能力、想象能力的分值:
单项能力的分值=单项能力脑电分析分数+单项能力知识技能分数+单项能力过程状态分数;
b、知识技能模块、脑电分析模块和过程状态分析模块的分值:
单个模块分数=六项能力得分的总和;
c、三个模块获得六项能力的总体分值:
报告总分=全卷的脑电分析得分+全卷的知识技能得分+全卷的过程状态得分;
D、根据学生个体在三个模块中六个能力的得分,确定学生个体六项能力的强弱。
作为本发明的优选,认知行为任务训练模块还包括:重点能力训练系统,所述重点能力训练系统包括:专注能力训练模块、观察能力训练模块、思维能力训练模块、想象能力训练模块、记忆能力训练模块和创造能力训练模块;
所述专注能力训练模块用于训练被测人员在从事六项能力任务时候的状态保持及坚持自控;所述专注能力训练模块包括:专注稳定训练模块、专注广度训练模块、专注选择训练模块、专注控制训练模块和专注分配训练模块;所述专注稳定训练模块用于训练被测人员将专注能力维持在认知对象上并维持一段足够长间;所述专注广度训练模块用于训练被测人员在同一时间内一个人能够清楚地觉察或认识客体的数量,所述专注选择训练模块用于训练被测人员将感知觉资源集中指向一个特性的目标,对其它客体的专注能力会暂时降低,所述专注控制训练模块用于训练被测人员在专注能力维持和选择专注任务中,抑制与任务不相关干扰;所述专注分配训练模块用于训练被测人员将专注能力分配到二个或多个不同的任务中,并协调处理不同任务;
所述观察能力训练模块用于训练被测人员通过听觉、视觉获取并引导认知信息;所述观察能力训练模块包括:细致性观察模块、顺序性观察模块、目的性观察模块、概括性观察模块、持续性观察模块;所述细致性观察模块;所述细致性观察模块用于训练被测人员观察到事物个别的、细微的、隐蔽的特征及事物间细微的差别;所述顺序性观察模块用于训练被测人员按照由近及远、从左到右、从上到下的顺序进行观察;所述目的性观察模块用于训练被测人员按照观察目的和成人的要求,主动排除干扰,完成各项观察任务;所述概括性观察模块用于训练被测人员概括事物的本质特征;所述持续性观察模块用于训练被测人员根据任务,对观察对象持续15分钟以上的观察时间;
所述思维能力训练模块用于训练被测人员对获取的信息进行系统化分析加工从而产生个性化理解;所述思维能力训练模块包括:排序训练模块、比较训练模块、分类训练模块、判断训练模块、推理训练模块;所述排序训练模块用于训练被测人员根据组物体的某种特征的差异或按某种规则,按序进行排列;比较训练模块用于训练被测人员根据需要和标准,把彼此具有某种联系的事物加以分析,从而找出它们的内在联系、共同规律和本质;所述分类训练模块用于训练被测人员通过对事物形成概念的思维操作;所述判断训练模块用于训练被测人员判断多个概念之间的联系;所述推理训练模块用于训练被测人员将两个判断联系起来,从而获得一个新判断的过程;
所述想象能力训练模块用于训练被测人员对抽象理论概念在大脑中绘制成图像或还原成真实场景;所述想象能力训练模块包括:再造想象模块、创造想象模块、空间想象模块,所述再造想象模块用于训练被测人员根据语言的表述或非语言的描绘在头脑中形成有关事物的形象的想象;所述创造想象模块用于训练被测人员根据目的、任务,在脑海中创造出新形象;所述空间想象模块用于训练被测人员对客观事物的空间形式进行观察、分析、认知;
所述记忆能力训练模块用于训练被测人员对获取的信息、分析加工后的理论在大脑中短期或长期留存;所述记忆能力训练模块包括:短时记忆模块、工作记忆模块、长时记忆模块,所述短时记忆模块用于训练被测人员外界刺激以极短的时间一次呈现后,信息保持时间在一分钟左右的记忆;所述工作记忆模块用于训练被测人员在信息加工过程中,对信息进行暂时储存和加工;所述长时记忆模块用于训练被测人员存储时间在一分钟以上的记忆,囊括知识获取、储存和提取的全过程;
所述创造能力训练模块用于训练被测人员根据已经掌握的理论或者知识在全新场景下应用或者总结出新知识;所述创造能力训练模块包括:顺畅性训练模块、灵活性训练模块、独特性训练模块,所述顺畅性训练模块用于训练被测人员对同一问题所想到的正确答案越多,即流畅性越高;所述灵活性训练模块用于训练被测人员对同一问题所想出不同类型答案越多,即变通性越高;所述独特性训练模块用于训练被测人员对同一问题所提意见愈新奇独特,其独创性越高。
本发明的优点及积极效果是:
1、本发明研究的一套针对儿童六项能力测评及其训练系统,可以很好的帮助那些即将或早期进入人生阶段的儿童群体,全方位的提升他们的能力水平,使他们在人生的起跑阶段重视六项能力的培养,助力他们在人生的起跑线上发现自己的特点,发挥自己的优点,规避自己的缺点,更有效率的走完自己人生的起跑阶段,也为进入社会实现自己的价值积蓄有效的力量。
2、本发明通过“知识技能、脑电分析、过程状态”这三个维度,对个体的专注能力、观察能力、记忆能力、思维能力、创造能力、想象能力六个能力进行系统性、科学性的评估和测量,以揭示个体六项能力的强弱、特点及其发展趋势的测评方式。可以帮助学生个体发现自己的六项能力优势和不足,从而制定更有效的提升六项能力计划和方法,最终提高个体六项能力状态。
3、本申请通过带有知识技能模块和过程状态分析模块的机器人+带有脑电分析模块的脑电波分析仪,深度挖掘能力根源问题,解决了线下测评师观察经验实操缺少科学性及客观性的问题,搭建真实能力测评练场景,首次实现突破性三维六能测评和数据分析。解决了市面上仅针对特殊人群测评训练,用户群体范围较小,市场普众率较低的问题。
4、本发明能力测评及其训练系统与其他测评产品相比,首先实现真实场景测评,通过在真实环境中进行评估,而不仅仅依赖于问卷调查或娱乐状态测评。能够更准确地了解学生在实际环境中的表现和能力水平。其次状态、动作、行为监测中不仅关注学生的认知能力,还特别关注学生的状态、动作和行为等方面。通过监测学生的情绪状态、动机水平和行为表现,更全面地了解学生六项能力的真实状况。
5、本发明注重真实性,力求尽可能准确地反映学生在实际环境中的六项能力。结合多个维度和指标来评估学生的六项能力。可以更全面、准确地了解学生的六项能力情况,帮助教育工作者制定更有效的教学策略,提高学生的学习效果。
6、本发明通过对测评过程中孩子的状态变化、表情变化、动作行为、作答情况等数据进行分析,最后反映出在过程状态维度的六个能力不同的水平强弱。
7、本发明通过将现有的五个脑波频率,细分八个波频,并通过数据可视化功能将各频段脑波能量转化成随时间强弱变化的图像,再将图像信息通过脑电分析得分的方式转化成直观的单题脑波占比分数,最后通过增加横纵对比分析进行校对,使得最终输出的测量更精准,实现帮助用户更好地了解自己的六项能力情况。
8、本发明不仅考虑单个波的情况,还关注不同波段之间的相互关系和相互呼应。这样的多波段关联分析能够提供更全面的六项能力评估,帮助用户更好地了解自己的六项能力状况。
9、本发明结合了神经调节训练和虚拟现实的方式,首先利用神经可塑性原理,指神经系统对外界刺激和内部环境变化做出的可适应性调整和重塑能力。简单来说,就是神经系统的可塑性意味着它可以通过改变连接和功能来适应环境的变化。神经可塑性是大脑学习和记忆的基础,本申请利用非侵入性刺激训练的方法,将受试者脑电活动信号转换为图形方式的反馈信号,从而通过主动调节脑电活动,进而改善脑功能失调的训练方法。通过引导使用者改变认知历程,进而调整神经系统和精神意识。从而在训练中逐渐改善认知功能、改善行为和情绪上的异常和缺陷。
10、本发明通过虚拟现实模块能够实现一个逼真沉浸式视听觉情境学习场景。情境学习是一种符合人类学习和训练规律的学习理论。在虚拟现实情境里,身临其境通过视听觉信息交互和引导,完成有针对性的神经反馈训练和认知行为(6大能力)任务训练。此外良好的视听信息交互模式,能够代替专家指导。
11、本发明测评结果报告数据库中录入的儿童测评数据和常模数据库,根据三维测试模块识别的低数值对应的六项能力数据生成训练方案。创新性提出的神经系统和高级认知能力闭环调整训练模式,在虚拟现实视听觉情境引导下,使得调控后儿童的神经功能促进高级认知能力的改善,训练后良好的认知能力反作用于神经系统的成长,叠加训练效能,取得最佳的训练效果。激发儿童积极性和信心。
具体实施方式
在下面的描述中,出于说明的目的,为了提供对一个或多个实施例的全面理解,阐述了许多具体细节。然而,很明显,也可以在没有这些具体细节的情况下实现这些实施例。在其它例子中,为了便于描述一个或多个实施例,公知的结构和设备以方框图的形式示出。
实施例1
本实施例提供的一种针对儿童六项能力测评及训练系统,包括:三维测试系统、用于对三维测试系统进行计算评分结果的测试评价系统、以及根据测试评价系统的评分结果进行训练的训练提升系统;三维测试系统由测试第一维度的知识技能分析模块、测试第二维度的脑电波分析模块、测试第三维度的过程状态监测模块、以及储存有专注能力、观察能力、思维能力、想象能力、记忆能力和创造能力的试题题库组成,所述知识技能分析模块用于模拟考试测评场景,并提供试题题库中的待测试试题供答题者解答并根据答题结果得到六项能力的知识技能分析分数;所述脑电波分析模块用于在知识技能答题时监测答题者脑波状态并获取答题者的脑波信号、以及对脑波信号状态进行可视图像转换并与六项学习能力进行匹配,得到六项能力的脑电分析分数,所述过程状态监测模块用于在知识技能答题时进行的过程状态监测,并利用机器人的摄像头拍摄答题者身体动作,根据身体动作情况给出六项能力的过程状态分数;测试评价系统包括:水平划分模块,所述水平划分模块利用三维测试系统的评测结果进行能力水平划分并根据答题者在知识技能分析模块、脑电波分析模块、过程状态监测模块中六个能力的得分,确定学生个体学习能力的强弱;训练提升系统包括:连接 VR头部设备的VR头部设备控制模块和神经调节训练模块,所述神经调节训练模块包括:认知行为任务训练模块;所述认知行为任务训练模块用于根据神经反馈模块识别的低数值对应的基础波,提取用户测评结果报告数据库中的录入的对应学习能力数据进行训练排课,以提升较弱基础波对应的学习能力,其中,所述学习能力数据包括:单项能力总分、脑电分数、知识分数、过程分数,训练排课是通过单项能力总分、脑电分数、知识分数、过程分数对比强弱情况进行排序,根据单项能力占比和权重推荐需要不同训练的课时,结合推荐的训练课时和单项能力评级情况进行训练排课。
本实施例中知识技能分析模块模拟考试测评场景,并通过知识技能分析模块提供待学生个体进行测评的试卷试题,学生个体通过知识技能评测后,得到六项能力的知识技能分析分数;所述知识技能分析模块集成在小白公司生产的学习机器人(申请号:2022110771749)上,连接试题题库的机器人中每套测评试卷的试题是根据不同年龄段的学生认知程度设计,同时涵盖语数英三科的思维拓展内容。每道题和每一个选项都会包含不同的能力考点,学生每次的选择都会有不同能力状态水平的体现。而且在每套测评卷的设计中增加了反复验证能力的心理逻辑,单道题作答后的结果并不代表能力的真实水平,会在后面其他题目上反复验证能力是否真的达标并结合其他维度分析后下定结论。
本实施例中脑电波分析模块是利用小白智能科技(长春)股份有限公司生产的脑电分析仪,脑电波分析模块的三维数据分析中,脑电分析是在测评过程中通过处理和分析电极捕获的脑波信号,进一步了解大脑神经元活动的状态。利用脑电波的能量比例图,展示不同频率范围内脑电波的相对能量大小,然后以饼状图的形式显示每个频率范围内脑电波的相对能量大小,得到大脑活动状态和六项能力的匹配数据。脑电波分析模块所用的脑电波分析仪均属于“外接”设备,对人体无辐射、无伤害。
实施例2
本实施例提供的过程状态监测模块主要通过以下步骤实现:
步骤S1:利用机器人头部摄像头进行过程状态评测前的体态矫正;
步骤S11:检测坐姿体态,测评人需要5s内调整好并保持正确坐姿,在调整过程中机器人头部摄像头跟随人体实时变动,保证动作和坐姿高度一致,防止测评者身高不同造成的误判;
步骤S12:坐姿固定后,机器人头部位置不再变动,此位置拍摄的图像区域将会作为检测标准位置;
步骤S2:利用过程状态监测模块对机器人头部摄像头识别的状态变化、表情变化、动作行为、作答情况进行分析,得到六项能力的过程状态分数,其中,六项能力分别为:创造能力、专注能力、想象能力、思维能力、观察能力、记忆能力,其中,作答情况包含作答行为轨迹(例:选项A>B>D>C)、排除选项行为、单题作答时长、单题作答过程中的异常行为等;作答情况数据用作参与运算生成测评报告的支撑依赖;截取的异常行为祯画面将展示在测评报告中,用作作答瞬时行为状态的记录;
步骤S21:创造能力的最终得分:开始时需从0.8分开始减分,出现以下内容减去相应分数,出现疑惑减0.2分、出现离屏幕近减0.2分、出现趴桌子减0.2分、出现坐姿验证时长<标准时长减0.2分;
步骤S22:专注能力的最终得分:开始时需从0.4分开始加分,出现以下内容加上相应分数,出现高兴加0.2分、出现离屏幕距离标准加0.2分、出现斜肩加0.2分、出现答题次数> 1加0.2分;
步骤S23:想象能力的最终得分:开始时需从0.8分开始减分,出现以下内容减去相应分数,出现斜肩减0.3分、出现离桌面距离不标准减0.3分、出现趴桌子减0.3分;
步骤S23:思维能力的最终得分:开始时需从0.8分开始减分,出现以下内容减去相应分数,出现歪头减0.2分、出现离屏幕距离远减0.2分、出现哈欠减0.2分、出现答题次数≤ 1减0.1分、出现标准答题时长>单题答题时长减0.1分;
步骤S24:观察能力的最终得分:开始时需从0.4分开始加分,出现以下内容加上相应分数,出现睡觉加0.2分、出现哈欠加0.2分、出现疑惑加0.2分、出现点头加0.2分;
步骤S25:记忆能力的最终得分:开始时需从0.4分开始加分,出现以下内容加上相应分数,出现高兴加0.2分、出现歪头加0.2分、出现睡觉加0.2分、出现单题时长<标准时长加0.1分、出现摇头加0.1分;
步骤S26:将步骤S21- S25获取的创造能力的最终得分、专注能力的最终得分、想象能力的最终得分、思维能力的最终得分、观察能力的最终得分、记忆能力的最终得分作为过程状态维度的六个能力水平。
步骤S3:知识技能过程评测;
步骤S31:利用测评试卷库模块储存涵盖语数英三科的思维拓展题,其中,每个思维拓展题蕴含1-6六项能力的考察点;
步骤S32:全卷的知识技能的六项能力满分180分,单项能力满分30分,一套卷30道题;单题满分值为6分,单题对应的单个能力满分1分;
步骤S33:将步骤S32的单题能力卷面分值转化成单题能力分值,其中,单题能力卷面分值除四为单题能力分值。
过程状态监测模块的处理过程如下:
一、过程状态流程,设备开机自启动“视觉服务”等待指令;用户登录并选择测评模块;开始测评,主进程向“视觉服务”进程发送开启监测指令(带参); “视觉服务”开启监测模块,依托设备Camera API隐式调用摄像头(无预览画面); “视觉服务”原数组视频流监听器生效,将原画面数组数据送入AI视频分析模块;作答过程出现异常行为,例:歪头、疑惑,AI视频分析模块抽取异常预览帧画面分类带标签保存,并报送主进程;主进程接收异常带标签图像暂存;作答结束,主进程对作答过程所有数据进行打包处理,并报送后台服务器以供参与运算生产报告;
二、作答情况数据用途,生成可视化、量化、系统化测评报告;作答情况数据包含作答行为轨迹(例:选项A>B>D>A)、排除选项行为、单题作答时长、单题作答过程中的异常行为等;作答情况数据用作参与运算生成测评报告的支撑依赖;截取的异常行为祯画面,帧将展示在测评报告中,用作作答瞬时行为状态的记录;
三、异常行为状态定义,1、低头:低头超过17度;2、仰头:仰头超过20度;3、歪头:头部向肩膀倾斜28度以上;4、斜肩:肩部水平偏角10度以上;5、趴桌:身体前倾靠在桌面,头部贴合手臂或桌面;6、仰躺:露出人脸,手机前置摄像头朝下水平偏角范围小于10度;7、离屏幕近:人脸到屏幕的距离小于25cm;8、离桌面近:人脸到桌面的距离小于10cm;9、打哈欠:张大嘴巴,同时双眼闭合;10、高兴:嘴角大幅上扬或张嘴笑;11、疑惑:眼神瞟向边缘,配合皱眉努嘴;12、仰视:仰头(超过20度)向上看。
本实施例知识技能过程评测实验如下:
一、以学前和小学两个学段为例。
1、一至六年级分为上学期和下学期两种测评选择,学前不分学期。每套测评试卷的试题是根据不同年龄段的学生认知程度设计的,同时涵盖语数英三科的思维拓展题。由于学前和1至2年级的孩子年龄较小,所以在题库中选择的题目形式多以图形为主且题目,题目数量为30题。
2、每道题都会蕴含1-6个能力的考察点,每一个选项都会包含不同的能力考点,无论选择的答案是否为正确答案都会有不同能力状态水平的体现。在每套测评卷的设计中增加了反复验证能力的心理逻辑,单道题作答后的结果并不代表能力的真实水平,会在后面其他题目上反复验证能力是否真的达标并结合其他维度分析后下定结论。
3、全卷的知识技能维度满分180分,在这个维度单个能力满分30分,一套卷30道题;单题在知识技能维度满分值6分,在这个维度单题对应的单个能力满分1分。
单题能力卷面分值 | 5分 | 4分 | 3分 | 2分 | 1分 | 0分 |
单题能力分值(转换后) | 1分 | 0.8分 | 0.6分 | 0.4分 | 0.2分 | 0分 |
二、当遇到本题考察两个能力:专注能力、观察能力,其余能力为未考察,那么本题能力得分为:此人若单题能力卷面分值为5,那么专注能力为1分,观察能力为1分;此人若单题能力卷面分值为4,那么专注能力为0.8分,观察能力为0.8分;以此类推......。若考察3种能力,在得分的基础分值×2;若考察2种能力,在得分的基础分值×3;若考察1种能力,在得分的基础分值×6。本题考察两种能力,所以最后得分=1×3+1×3=6分。
专注能力3分,观察能力3分,思维能力0分,想象能力0分,记忆能力0分,创造能力0分。
实施例3
本实施例中测试评价系统中的水平划分模块针对三个维度和六项能力测评数据,最终生成整体可视化数据分析报告。在报告内针对六项能力(专注能力、观察能力、记忆能力、思维能力、想象能力和创造能力)逐一进行解释,包含定义概念、表现类型、能力指标、代表人物和优缺点特征表现等,同时根据本次测评结果分析孩子每一项能力的类型和具体水平情况。
报告分数计算说明:
a、专注能力、观察能力、记忆能力、思维能力、创造能力、想象能力的分值:
单项能力的分值(满分90分)= 单项能力脑电分析分数(满分30分)+单项能力知识技能分数(满分30分)+单项能力过程状态分数(满分30分);单项能力水平划分:0-54.99分(含54.99分)为偏弱;55.00-71.99分(含71.99分)为中等;72.00-90.00 为良好。
b、知识技能模块、脑电分析模块和过程状态分析模块的分值:
单个模块分数(满分180分)=六项能力得分的总和(单项能力满分30分);
c、三个模块获得六项能力的总体分值:
报告总分(满分540分)= 全卷的脑电分析得分(满分180分)+全卷的知识技能得分(满分180分)+全卷的过程状态得分(满分180分);
d、根据学生个体在三个模块中六个能力的得分,确定学生个体学习能力的强弱。
专注能力、观察能力、记忆能力、思维能力、创造能力、想象能力对应的学习能力的角度分析:
1、专注能力:
【定义】专注能力是指在从事学习任务的时候孩子的状态保持及坚持自控的能力,是学习能力的底层基础能力。
【指标】
① 专注的稳定性:在学习中,良好的专注稳定性可以帮助学生避免分散注意力,提高学习效率和学习成果。
② 专注的广度:在学习中,良好的专注广度可以帮助学生更好地理解知识点,并且能够更好地运用知识。
③ 专注的选择:在学习中,良好的专注选择可以帮助学生更好地把握重点,快速获取知识。
④ 专注的控制:在学习中,良好的专注控制可以帮助学生更好地处理复杂的学习任务,提高学习质量。
⑤ 专注的分配:在学习中,良好的专注分配可以帮助学生更好地完成多项学习任务,提高学习效率。
2、观察能力:
【定义】观察能力是指孩子通过听觉、视觉等感官方式获取并认知信息的能力,是学习能力中的信息汲取能力
【指标】
① 观察的细致性:在学习中,良好的观察细致性可以帮助学生更好地理解和掌握知识点,减少遗漏和误解。
② 观察的顺序性:在学习中,良好的观察顺序性可以帮助学生更好地理清知识点之间的逻辑关系,提高学习效率。
③ 观察的概括性:在学习中,良好的观察概括性可以帮助学生更好地把握知识的核心,提高学习效果。
④ 观察的持续性:在学习中,良好的观察持续性可以帮助学生更好地掌握知识点,减少学习时间的浪费。
⑤ 观察的目的性:在学习中,良好的观察目的性可以帮助学生更好地针对性地获取所需要的信息,提高学习效率和质量。
3、思维能力:
【定义】思维能力是指孩子对获取的信息进行系统化分析加工从而产生个性化理解的能力,是学习能力中的关键核心能力。
【指标】
① 分析:在学习中,良好的分析能力可以帮助学生更好地理解和掌握知识点,快速解决问题。
② 综合:在学习中,良好的综合能力可以帮助学生更好地理解知识点,减少遗漏和误解。
③ 比较:在学习中,良好的比较能力可以帮助学生更好地理解和区分知识点之间的关系,提高学习效果。
④ 分类:在学习中,良好的分类能力可以帮助学生更好地理清知识点之间的逻辑关系,提高学习效率。
⑤ 抽象:在学习中,良好的抽象能力可以帮助学生更好地理解和掌握抽象概念,提高学习效率。
概括:在学习中,良好的概括能力可以帮助学生更好地理解和掌握知识点,提高学习效果和质量。
4、想象能力:
【定义】想象能力是指孩子对抽象理论概念在大脑中绘制成图像或还原成真实场景的能力,是学习能力中的理论具化能力。
【指标】
①再造想象:在学习中,良好的再造想象能力可以帮助学生更好地理解和记忆知识点,加深对知识的理解和印象。
② 创造想象:在学习中,良好的创造想象能力可以帮助学生更好地发散思维,探究知识点的内在联系和应用场景。
③ 空间想象:在学习中,良好的空间想象能力可以帮助学生更好地理解和掌握空间几何概念、地理知识、科学实验等方面的知识。
5、记忆能力:
【定义】记忆能力是指孩子对获取的信息、分析加工后的理论在大脑中短期或长期留存的能力,是学习能力中的知识存储能力。
【指标】
①形象记忆:在学习中,良好的形象记忆能力可以帮助学生更好地记忆和理解知识点,加深对知识的印象。
② 记忆广度:在学习中,良好的记忆广度可以帮助学生更好地掌握和运用知识点,提高学习效率。
③ 空间记忆:在学习中,良好的空间记忆可以帮助学生更好地理解和掌握空间几何概念、地理知识等方面的知识。
6、创造能力:
【定义】创造能力是指孩子根据已经掌握的理论或者知识在全新场景下应用或者总结出新知识的能力,是学习能力中的理论升华能力。
【指标】
①流畅性:在学习中,良好的流畅性可以帮助学生更好地进行开放性的思考,探究知识点的内在联系和应用场景,提高学习效果和创新能力。
② 灵活性:在学习中,良好的灵活性可以帮助学生更好地解决问题,应对复杂情境,提高学习质量和创造能力。
③ 独特性:在学习中,良好的独特性可以帮助学生更好地发散思维,探究知识点的内在联系和应用场景,培养创新和创造力。
实施例4
脑电波能力分析实验如下:
一、将低α波、高α波、低β波、高β波、低γ波、高γ波、θ波和δ波进行能力和分数划分,见表1;
表1如下。
δ波思维能力30% 记忆能力70% | θ波记忆能力40% 创造能力60% | 低α波观察能力30% 想象能力70% | 高α波创造能力60% 想象能力20%专注能力20% |
[0-6) 2分 | [0-6) 0分 | [0-1) 1分 | [0-1) 1分 |
[6-10) 3分 | [6-10) 1分 | [1-2) 2分 | [1-2) 2分 |
[10-15) 4分 | [10-15) 2分 | [2-5) 3分 | [2-4) 3分 |
[15-25) 5分 | [15-20) 3分 | [5-9) 4分 | [4-10) 4分 |
[25-40) 4分 | [20-30) 4分 | [9-12) 5分 | [10-100] 5分 |
[40-60) 3分 | [30-100] 5分 | [12-15) 4分 | |
[60-70) 2分 | [15-18) 3分 | ||
[70-80) 1分 | [18-21) 2分 | ||
[80-100] 0分 | [21-23) 1分 | ||
[23-100] 0分 |
低β波专注能力80% 观察能力20% | 高β波专注能力30% 思维能力60% 创造能力10% | 低γ波观察能力80% 记忆能力20% | 高γ波思维能力50% 想象能力50% |
[0-1) 1分 | [0-1) 0分 | [0-1) 1分 | [0.5-1) 2分 |
[1-3) 2分 | [1-3) 1分 | [1-2) 2分 | [1-2) 3分 |
[3-4) 3分 | [3-5) 2分 | [2-3) 3分 | [2-4) 4分 |
[4-10) 4分 | [5-9) 3分 | [3-5) 4分 | [4-8) 5分 |
[10-100] 5分 | [9-15) 4分 | [5-10) 5分 | [8-100] 5分 |
[0-1) 1分 | [15-30) 5分 | [10-100] 5分 | |
[1-3) 2分 | [30-40) 4分 | ||
[3-4) 3分 | [40-50) 3分 | ||
[4-10) 4分 | [50-60) 2分 |
二、利用脑波采集模块采用学生答一道题的八个脑波数据,其中,δ波在[60-70)之间、θ波在[20-30)之间、低α波在[2-5) 之间、高α波在[4-10)之间、低β波[10-100]之间、高β波在[0-1)之间、低γ波在[5-10)之间、高γ波在[2-4)之间。
三、确定每个波数值对应的区间,记录相应分数,其中,δ波为3分、θ波为4分、低α波为3分、高α波为4分、低β波为5分、高β波为0分、低γ波为5分、高γ波为4分;
四、每个脑波都对应不同的能力,每个能力占比不同,根据上表1,计算得分为:
δ波:思维能力=4×30%=1.2分;记忆能力4×70%=2.8分;
θ波:记忆能力4×40%=1.6分;创造能力4×60%=2.4分;
低α波:观察能力3×30%=0.9分;想象能力3×70%=2.1分;
高α波:创造能力4×60%=2.4分;想象能力4×20%=0.8分;专注能力4×20%=0.8分;
低β波:专注能力5×80%=4分;观察能力5×20%=1分;
高β波:专注能力4×30%=1.2分;思维能力4×60%=2.4分;创造能力4×10%=0.4分;
低γ波:观察能力5×80%=4分;记忆能力5×20%=1分;
高γ波:思维能力4×50%=2分、想象能力4×50%=2分;
五、能力得分:
专注能力=0.8+4+1.2=6分;
观察能力=0.9+1+4=5.9分;
思维能力=1.2+2.4+2=5.6分;
想象能力=2.1+0.8+2=4.9分;
记忆能力=2.8+1.6+1=5.4分;
创造能力=2.4+2.4+0.4=5.2分;
其中,能力满分:专注能力满分6.5分、观察能力满分6.5分、思维能力满分7分、想象能力满分7分、记忆能力满分6.5分、创造能力满分6.5分;
六、根据总提数三十道题为例,按照满分180分计算,一道题为6分,上述单题脑电得分=0.92+0.91+0.80+0.70+0.83+0.80=4.96分;
七、重复上述步骤一至步骤六,完成三十道题的总分计算。
本实施例中为了保证脑电数据的准确性,除了用单独脑波的占比纵向判断分析,还增加了专注度和放松度的横向对比校准;
一、专注度和放松度;
专注度的测量主要基于α波和β波的比例。在放松状态下,大脑会产生较多的α波,而在专注状态下,大脑会产生较多的β波。专注度比例越高,说明专注度越高;放松度的测量主要基于β波和α波的比例。在放松状态下,大脑会产生较多的β波,而在专注状态下,大脑会产生较少的β波。放松度比例越高,说明放松度越高。
二、对专注度的等级进行划分;
0-20为低值区,表示个体的专注度非常低,难以集中精力完成任务。20-40为较低值区,表示个体的专注度较低,容易分心或者受到外界干扰。40-60为一般基线,表示个体的专注度处于正常水平,能够持续集中专注能力完成任务。60-80为较高值区,表示个体的专注度比较高,能够更长时间地保持专注。80-100为高值区,表示个体的专注度非常高,能够在极短的时间内完成高质量的任务。
三、对放松度的等级进行划分;
0-20为低值区,表示个体的放松度非常低,处于较为紧张和不适的状态。20-40为较低值区,表示个体的放松度较低,感觉不够放松和舒适。40-60为一般基线,表示个体的放松度处于正常水平,感觉比较平稳和舒适。60-80为较高值区,表示个体的放松度比较高,能够感受到较强的舒适感和放松感。80-100为高值区,表示个体的放松度非常高,处于非常放松和舒适的状态。
四、专注度和放松度的混合使用说明;
1、当使用者处于专注应对具有一定难度、感受到一定压力但情绪平稳的工作状态,如考试、学习、开发等情况时,放松度数值通常将处于低值区而专注度则处于高值区。这是因为在这种情况下,大脑需要高度集中专注能力和进行复杂的认知任务,因此会产生更多的高β波活动,从而提高专注度。同时,由于任务具有一定难度和压力,使用者会处于一种紧张的状态,因此放松度数值会较低。但由于情绪较为平稳,所以放松度不会降至极低的水平。因此,在这种情况下,专注度高而放松度略低是一种正常的脑电波活动表现。
2、当使用者在进行一项程序性或无挑战的活动时,专注度数值通常会维持在一般范围或较低值区域,而放松度则维持在一般范围或较高值区域。这是因为在这种情况下,大脑不需要进行复杂的认知任务,因此不会产生太多的高β波活动,专注度相对较低。同时,由于任务较为简单,使用者不会处于紧张的状态,因此放松度数值会较高。但由于不是完全放松,所以放松度也不会降至极高的水平。因此,在这种情况下,专注度相对较低而放松度较高是一种正常的脑电波活动表现。
3、当专注度和放松度都较低时,说明使用者处于一种比较疲劳、心态不佳的状态。在这种情况下,大脑的脑电波活动表现比较复杂,可能会出现多种频率的脑电波活动。一般这种情况下,大脑可能会表现出以下几种脑电波活动表现: α 波活动变化较小:由于使用者处于疲劳和心态不佳的状态,大脑的 α 波活动可能不太明显,或波动变化较小。 β 波活动较低:由于使用者处于疲劳和心态不佳的状态,大脑的 β 波活动较低,因此专注度会受到影响。 θ 波活动增加:由于使用者处于疲劳和心态不佳的状态,大脑的 θ 波活动可能会增加,这表明大脑正在进入一种放松状态。 δ 波活动增加:由于使用者处于疲劳和心态不佳的状态,大脑的 δ 波活动可能会增加,这表明大脑正在进入一种较深的放松状态,甚至可能会出现瞌睡的情况。
实施例5
本实施例提供具体的训练方法包括以下步骤:
步骤S1:利用专注能力训练模块训练被测人员在从事学习任务时候的状态保持及坚持自控;其中,训练要求训练者记住1-35个数字的方格,然后以最快的速度从1数到25,要边读边指出;通过快速寻找目标数字时,专注能力是需要极度集中的,把这短暂的高强度的集中精力过程反复练习,大脑的集中专注能力功能就会不断地加固、提高;
步骤S2:利用观察能力训练模块训练被测人员通过听觉、视觉获取并引导认知信息;其中,通过鲜活生动的图像,激发被测人员对事物观察的兴趣;依靠具体明确的任务和目标,协助被测人员掌握观察的要素,引导其进行概括和总结;
步骤S3:利用思维能力训练模块训练被测人员对获取的信息进行系统化分析加工从而产生个性化理解;其中,训练要求训练者进行扫雷训练任务,利用VR设备呈现地雷探测界面,控制画面中的视角往前后左右移动,接着播放探测器的滴滴声,越靠近某个地雷,滴滴声的频率就越高。请被测人员根据滴滴声的频率寻找地雷并排雷;
步骤S4:利用想象能力训练模块训练被测人员对抽象理论概念在大脑中绘制成图像或还原成真实场景;其中,VR设备系统给一个图形,和三面带格子的面板,被测人员需要根据想象选择出左面、右面、底面分别会投射出什么样的形状,形状为3d的效果可以旋转查看;
步骤S5:利用记忆能力训练模块训练被测人员对获取的信息、分析加工后的理论在大脑中短期或长期留存;其中,任务要求被测人员记住闪现方块所构成的图形,并在空白版面还原先前呈现的图形。随着任务进行,被测人员将在最多方块数的临界难度水平反复挑战;
步骤S6:利用创造能力训练模块训练被测人员根据已经掌握的理论或者知识在全新场景下应用或者总结出新知识;其中,VR系统给出一个图形作为案例,给出几个形状,在规定的时间需要将手里的形状拼装成案例图示的样式,没有多叠加的位置会显示原来的颜色,有叠加的位置,如果叠加的是偶数的(例:2个形状叠加)则叠加的区域会消除颜色;如果叠加的是奇数的(例:3个形状叠加)则叠加的区域会显示颜色。
仅为本发明的具体实施方式,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,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (3)
1.一种针对儿童六项能力测评及其训练系统,其特征在于,包括:三维测试系统、用于对三维测试结果进行计算评分的测试评价系统、以及根据测试评价系统的评分结果进行训练的训练提升系统;
其中,所述三维测试系统由测试第一维度的知识技能分析模块、测试第二维度的脑电波分析模块、测试第三维度的过程状态监测模块组成,所述知识技能分析模块用于模拟考试测评场景,并提供试题题库中的待测试试题供答题者解答并根据答题结果得到六项能力的知识技能分析分数,所述知识技能分析模块储存有专注能力、观察能力、思维能力、想象能力、记忆能力和创造能力的试题题库;所述脑电波分析模块用于在知识技能答题时监测答题者脑波状态并获取答题者的脑波信号、以及对脑波信号状态进行可视图像转换并与六项能力进行匹配,得到六项能力的脑电分析分数,所述过程状态监测模块用于在知识技能答题时进行的过程状态监测,并利用机器人的摄像头拍摄答题者身体动作,根据身体动作情况给出六项能力的过程状态分数;
其中,所述测试评价系统包括:水平划分模块,所述水平划分模块利用三维测试系统的评测结果进行能力水平划分并根据答题者在知识技能分析模块、脑电波分析模块、过程状态监测模块中六个能力的得分,确定学生个体六项能力的强弱;
其中,所述训练提升系统包括:连接VR头部设备的VR头部设备控制模块和六项能力训练模块,所述六项能力训练模块包括:认知行为任务训练模块;所述认知行为任务训练模块用于三维测评系统识别的低数值对应的能力项,提取用户测评结果报告数据库中的录入的对应六项能力数据进行训练排课,以提升较弱能力项;
所述知识技能分析模块嵌入在学习机器人上,所述知识技能分析模块将试题题库中的待测试试题随机抽出三十道题,且三十道题中包含专注能力、观察能力、思维能力、想象能力、记忆能力和创造能力对应的题型,所述知识技能分析模块还用于将答题者完成的作答情况与试题题库中的标准答案对比得到六项能力的知识技能初始分数;
所述脑电波分析模块包括:脑波采集模块、检测频段模块、数据可视化转换模块、脑电分析得分模块和横向对比校准模块;
所述脑波采集模块用于采集脑波频率的五个基础波,其中五个基础波分别为α波、β波、θ波、δ波、γ波;
所述检测频段模块用于对用脑波采集模块采集的α波、β波和γ波进行波段细分;其中,所述α波分为低α波和高α波,低α波频率于8-10Hz之间,高α波频率于10-13Hz之间;所述β波分为低β波和高β波,低β波频率于12-20Hz之间,高β波频率于20-32Hz之间;所述γ波分为低γ波和高γ波,低γ波频率于30-46Hz之间,高γ波频率于46-70Hz之间;
所述数据可视化转换模块用于将脑波图检测频段进行数据可视化转换,其中,将脑波图转换成由各频段脑波能量随时间强弱变化的图像;
所述脑电分析得分模块用于根据数据可视化转换模块输出的图像信息对受测学生个体单题作答时的图像信息进行计算并得出单题脑波占比分数;单题脑波占比=(单个脑波单题时间内作答平均值÷当前单题时间内八个脑波的平均值)*100%,所述八个脑波分别为低α波、高α波、低β波、高β波、低γ波、高γ波、θ波和δ波;
所述横向对比校准模块用于通过α波和β波对专注度进行校准,通过θ波和α波对专注度和放松度进行校准,其中,由于专注度的测量主要基于α波和β波的比例,在放松状态下,大脑会产生较多的α波,而在专注状态下,大脑会产生较多的β波,通过α波和β波进行专注度和放松度的校对,专注度比例越高,说明专注度越高;由于放松度的测量主要基于θ波和α波的比例;在放松状态下,大脑会产生较多的θ波,而在专注状态下,大脑会产生较少的θ波;放松度比例越高,说明放松度越高;
所述过程状态监测模块包括:用于通过机器人头部摄像头进行过程状态评测前的体态矫正的初始状态矫正模块、用于通过机器人头部摄像头识别答题者的状态变化、表情变化、动作行为、作答情况的状态变化监测模块、以及用于计算状态变化监测模块的动作状态得分的过程状态维度得分模块;
所述初始状态矫正模块将检测坐姿体态,答题者需要5s内调整好并保持正确坐姿,在调整过程中机器人头部摄像头跟随人体实时变动,保证动作和坐姿高度一致,防止测评者身高不同造成的误判;坐姿固定后,机器人头部位置不再变动,此位置拍摄的图像区域将会作为检测标准位置;
所述过程状态维度得分模块根据答题者答题时的表情变化、动作行为变化,得到六项能力的过程状态分数,其中,六项能力分别为:创造能力、专注能力、想象能力、思维能力、观察能力、记忆能力;
所述过程状态维度得分模块将获取的创造能力的最终得分、专注能力的最终得分、想象能力的最终得分、思维能力的最终得分、观察能力的最终得分、记忆能力的最终得分作为过程状态维度的六个能力水平。
2.根据权利要求1所述的一种针对儿童六项能力测评及其训练系统,其特征在于,所述过程状态维度得分模块中状态变化最终得分如下:
创造能力的最终得分:开始时需从0.8分开始减分,出现以下内容减去相应分数,出现疑惑减0.2分、出现离屏幕近减0.2分、出现趴桌子减0.2分、出现坐姿验证时长<标准时长减0.2分;
专注能力的最终得分:开始时需从0.4分开始加分,出现以下内容加上相应分数,出现高兴加0.2分、出现离屏幕距离标准加0.2分、出现斜肩加0.2分、出现答题次数>1加0.2分;
想象能力的最终得分:开始时需从0.8分开始减分,出现以下内容减去相应分数,出现斜肩减0.3分、出现离桌面距离不标准减0.3分、出现趴桌子减0.3分;
思维能力的最终得分:开始时需从0.8分开始减分,出现以下内容减去相应分数,出现歪头减0.2分、出现离屏幕距离远减0.2分、出现哈欠减0.2分、出现答题次数≤1减0.1分、出现标准答题时长>单题答题时长减0.1分;
观察能力的最终得分:开始时需从0.4分开始加分,出现以下内容加上相应分数,出现睡觉加0.2分、出现哈欠加0.2分、出现疑惑加0.2分、出现点头加0.2分;
记忆能力的最终得分:开始时需从0.4分开始加分,出现以下内容加上相应分数,出现高兴加0.2分、出现歪头加0.2分、出现睡觉加0.2分、出现单题时长<标准时长加0.1分、出现摇头加0.1分。
3.根据权利要求1所述的一种针对儿童六项能力测评及其训练系统,其特征在于,所述水平划分模块将学习能力划分为以下六项:专注能力、观察能力、记忆能力、思维能力、创造能力、想象能力,其中,
a、专注能力、观察能力、记忆能力、思维能力、创造能力、想象能力的分值:
单项能力的分值=单项能力脑电分析分数+单项能力知识技能分数+单项能力过程状态分数;
b、知识技能分析模块、脑电波分析模块和过程状态监测模块的分值:
单个模块分数=六项能力得分的总和;
c、三个模块获得六项能力的总体分值:
报告总分=全卷的脑电分析得分+全卷的知识技能得分+全卷的过程状态得分;
D、根据学生个体在三个模块中六个能力的得分,确定学生个体学习能力的强弱。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410004189.5A CN117496787B (zh) | 2024-01-03 | 2024-01-03 | 一种针对儿童六项能力测评及其训练系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410004189.5A CN117496787B (zh) | 2024-01-03 | 2024-01-03 | 一种针对儿童六项能力测评及其训练系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117496787A CN117496787A (zh) | 2024-02-02 |
CN117496787B true CN117496787B (zh) | 2024-03-19 |
Family
ID=89683425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410004189.5A Active CN117496787B (zh) | 2024-01-03 | 2024-01-03 | 一种针对儿童六项能力测评及其训练系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117496787B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118014803A (zh) * | 2024-02-05 | 2024-05-10 | 北京师范大学 | 一种社会智能测验系统及其方法 |
CN118212825A (zh) * | 2024-05-21 | 2024-06-18 | 浙江强脑科技有限公司 | 基于音频交互的记忆训练方法、用户终端及可读存储介质 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101271639A (zh) * | 2008-05-09 | 2008-09-24 | 杨杰 | 多媒体脑波反馈儿童学习训练方法及训练仪 |
CN101847176A (zh) * | 2009-06-30 | 2010-09-29 | 武汉聚网科技有限公司 | 基于电子设备的学习能力评测方法及系统 |
WO2015175462A1 (en) * | 2014-05-12 | 2015-11-19 | The Johns Hopkins University | Kinematic and morpometric analysis of digitized handwriting tracings |
CN105469654A (zh) * | 2016-01-14 | 2016-04-06 | 高秋丹 | 儿童与青少年思维逻辑开发教学系统与教学方法 |
CN106446522A (zh) * | 2016-08-31 | 2017-02-22 | 中国福利会信息与研究中心(宋庆龄儿童发展中心中国福利会国际和平医学发展中心) | 儿童注意力测评终端及儿童注意力测评服务器 |
KR101813702B1 (ko) * | 2017-07-25 | 2018-02-21 | 주식회사 멀틱스 | 무선통신을 이용한 뇌파 검사/훈련 시스템 및 그를 이용한 뇌파 검사/훈련 방법 |
CN108416712A (zh) * | 2018-04-23 | 2018-08-17 | 山东英才学院 | 一种个性化的早期教育系统 |
CN108471991A (zh) * | 2015-08-28 | 2018-08-31 | 艾腾媞乌有限责任公司 | 认知技能训练系统和程序 |
JP2018175507A (ja) * | 2017-04-14 | 2018-11-15 | ダイキン工業株式会社 | 生理状態判定装置 |
CN109646022A (zh) * | 2019-01-10 | 2019-04-19 | 杭州电子科技大学 | 儿童注意力评估系统及其方法 |
KR20190043835A (ko) * | 2017-10-19 | 2019-04-29 | 세이브텍 주식회사 | 퍼즐형 마커 검출기술을 이용한 체험형 모바일 학습 시스템 |
CN110680314A (zh) * | 2019-09-30 | 2020-01-14 | 浙江凡聚科技有限公司 | 基于脑电多参数的虚拟现实情境任务注意力测训系统 |
CN110765987A (zh) * | 2019-11-27 | 2020-02-07 | 北京工业大学 | 创新行为特征的量化方法、装置和电子设备 |
CN112184503A (zh) * | 2020-09-21 | 2021-01-05 | 书丸子(北京)科技有限公司 | 用于学前教育质量评价的儿童多项能力评分方法及系统 |
KR102265734B1 (ko) * | 2020-08-25 | 2021-06-16 | 라이트하우스(주) | 뇌파 분석 기반 학습 콘텐츠 생성 및 재구성 방법, 장치, 및 시스템 |
CN113506624A (zh) * | 2021-08-16 | 2021-10-15 | 北京阿叟阿巴科技有限公司 | 基于逐层泛化推送逻辑的孤独症儿童认知能力评估干预系统 |
CN114098730A (zh) * | 2021-09-06 | 2022-03-01 | 北京无疆脑智科技有限公司 | 基于认知图谱的认知能力测试和训练方法、装置、设备和介质 |
CN114842958A (zh) * | 2022-04-07 | 2022-08-02 | 北京正在关怀科技有限公司 | 儿童综合能力评估分析系统及方法 |
KR102453304B1 (ko) * | 2021-12-16 | 2022-10-11 | 가천대학교 산학협력단 | 치매 예방 및 자가진단을 위한 가상현실콘텐츠를 제공하는 시스템 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10265638B2 (en) * | 2016-03-16 | 2019-04-23 | Volodymyr Gutnyk | Three-dimensional magnetic construction kit-toy |
US20170337834A1 (en) * | 2016-05-17 | 2017-11-23 | Rajaa Shindi | Interactive brain trainer |
-
2024
- 2024-01-03 CN CN202410004189.5A patent/CN117496787B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101271639A (zh) * | 2008-05-09 | 2008-09-24 | 杨杰 | 多媒体脑波反馈儿童学习训练方法及训练仪 |
CN101847176A (zh) * | 2009-06-30 | 2010-09-29 | 武汉聚网科技有限公司 | 基于电子设备的学习能力评测方法及系统 |
WO2015175462A1 (en) * | 2014-05-12 | 2015-11-19 | The Johns Hopkins University | Kinematic and morpometric analysis of digitized handwriting tracings |
CN108471991A (zh) * | 2015-08-28 | 2018-08-31 | 艾腾媞乌有限责任公司 | 认知技能训练系统和程序 |
CN105469654A (zh) * | 2016-01-14 | 2016-04-06 | 高秋丹 | 儿童与青少年思维逻辑开发教学系统与教学方法 |
CN106446522A (zh) * | 2016-08-31 | 2017-02-22 | 中国福利会信息与研究中心(宋庆龄儿童发展中心中国福利会国际和平医学发展中心) | 儿童注意力测评终端及儿童注意力测评服务器 |
JP2018175507A (ja) * | 2017-04-14 | 2018-11-15 | ダイキン工業株式会社 | 生理状態判定装置 |
KR101813702B1 (ko) * | 2017-07-25 | 2018-02-21 | 주식회사 멀틱스 | 무선통신을 이용한 뇌파 검사/훈련 시스템 및 그를 이용한 뇌파 검사/훈련 방법 |
KR20190043835A (ko) * | 2017-10-19 | 2019-04-29 | 세이브텍 주식회사 | 퍼즐형 마커 검출기술을 이용한 체험형 모바일 학습 시스템 |
CN108416712A (zh) * | 2018-04-23 | 2018-08-17 | 山东英才学院 | 一种个性化的早期教育系统 |
CN109646022A (zh) * | 2019-01-10 | 2019-04-19 | 杭州电子科技大学 | 儿童注意力评估系统及其方法 |
CN110680314A (zh) * | 2019-09-30 | 2020-01-14 | 浙江凡聚科技有限公司 | 基于脑电多参数的虚拟现实情境任务注意力测训系统 |
CN110765987A (zh) * | 2019-11-27 | 2020-02-07 | 北京工业大学 | 创新行为特征的量化方法、装置和电子设备 |
KR102265734B1 (ko) * | 2020-08-25 | 2021-06-16 | 라이트하우스(주) | 뇌파 분석 기반 학습 콘텐츠 생성 및 재구성 방법, 장치, 및 시스템 |
CN112184503A (zh) * | 2020-09-21 | 2021-01-05 | 书丸子(北京)科技有限公司 | 用于学前教育质量评价的儿童多项能力评分方法及系统 |
CN113506624A (zh) * | 2021-08-16 | 2021-10-15 | 北京阿叟阿巴科技有限公司 | 基于逐层泛化推送逻辑的孤独症儿童认知能力评估干预系统 |
CN114098730A (zh) * | 2021-09-06 | 2022-03-01 | 北京无疆脑智科技有限公司 | 基于认知图谱的认知能力测试和训练方法、装置、设备和介质 |
KR102453304B1 (ko) * | 2021-12-16 | 2022-10-11 | 가천대학교 산학협력단 | 치매 예방 및 자가진단을 위한 가상현실콘텐츠를 제공하는 시스템 |
CN114842958A (zh) * | 2022-04-07 | 2022-08-02 | 北京正在关怀科技有限公司 | 儿童综合能力评估分析系统及方法 |
Non-Patent Citations (2)
Title |
---|
《儿童认知能力测评综述》;张梦雅;《山西师大学报》;20131130;第40卷;113-115 * |
《小学生统计思维测评模型构建》;李化侠, 辛涛, 宋乃庆, 杨涛;《教育研究与实验》;20181231(第2期);77-83 * |
Also Published As
Publication number | Publication date |
---|---|
CN117496787A (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117496787B (zh) | 一种针对儿童六项能力测评及其训练系统 | |
Visande | Developing critical thinking skills among education students through formative education | |
CN112597813A (zh) | 一种教学评价方法、设备和计算机可读存储介质 | |
CN114446109B (zh) | 多功能交互式推拿教学系统 | |
Rebolledo-Mendez et al. | An empirical examination of the relation between attention and motivation in computer-based education: A modeling approach | |
Kosko et al. | Exploring teacher knowledge and noticing with eye tracking and 360 video | |
Jazby | An Ecological Analysis of Mathematics Teachers' Noticing. | |
Al-Wabil et al. | Exploring the validity of learning styles as personalization parameters in elearning environments: An eyetracking study | |
Guo et al. | Using metacognitive monitoring feedback to improve student learning performance in a real-time location-based augmented reality environment | |
CN114385013B (zh) | 一种基于vr技术的远程在线教育系统 | |
TWI793457B (zh) | 注意力缺陷虛擬實境自動化診斷方法與系統 | |
CN111611896B (zh) | 一种考试防作弊的管理系统 | |
Sorochinsky et al. | A study of students' attention levels while watching educational videos with the use of neurofeedback | |
Gao et al. | Automatic Academic Emotion Recognition and Its Evolution Analysis in Classroom | |
CN117994093A (zh) | 一种针对认知功能障碍的测评训练系统及其方法 | |
Khosravi et al. | Employing a Wearable Eye-tracker to Observe Mind-wandering in Dynamic Stimuli | |
Wang | Research on Classroom Teaching Quality Evaluation Method Based on Machine Vision Analysis | |
Lafer-Sousa et al. | Vision and art: An interdisciplinary approach to neuroscience education | |
Daniel | Equivalence of Q-interactive™ and paper administrations of cognitive tasks: Selected NEPSY®–II and CMS subtests | |
CN111613104B (zh) | 认知学习系统及其系统思考学习方法 | |
Taira et al. | Development and Evaluation of a Skin Extension Pressure Measurement System for Improving Education on Blood Collection Techniques | |
Valdes et al. | Student Perceptions of Research in an Occupational Therapy Doctoral Program: A Cross-Sectional Survey | |
He | Classification of confusion states of students viewing online classes using machine learning models | |
CN118038728A (zh) | 一种依托vr为载体的学习能力测评练系统及其方法 | |
Wang | Comparing MR/VR implementations in flight training simulation |
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 |