CN117670612A - 基于虚拟现实设备的学习者状态评估方法及系统 - Google Patents
基于虚拟现实设备的学习者状态评估方法及系统 Download PDFInfo
- Publication number
- CN117670612A CN117670612A CN202311622835.6A CN202311622835A CN117670612A CN 117670612 A CN117670612 A CN 117670612A CN 202311622835 A CN202311622835 A CN 202311622835A CN 117670612 A CN117670612 A CN 117670612A
- Authority
- CN
- China
- Prior art keywords
- information
- learning
- education
- evaluation coefficient
- learner
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 111
- 238000012795 verification Methods 0.000 claims abstract description 55
- 238000012360 testing method Methods 0.000 claims abstract description 19
- 239000000463 material Substances 0.000 claims description 34
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 238000000034 method Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010013496 Disturbance in attention Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
Classifications
-
- 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
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于虚拟现实设备的学习者状态评估方法及系统,涉及虚拟现实设备辅助教学系统技术领域,包括教育终端和若干组学习终端。本发明通过采集学习终端和教育终端的信息生成第一评价系数,判断学习者是否出现走神发呆、理解困难的情况,并生成随机验证信息来对学习者提醒并得到第二评价系数,进一步判断学习者是否注意力不集中,在课程结束后对学习者进行测验并生成第三评价系数,能够检验出学习者对本次课程中知识点的掌握情况,通过将第一评价系数、第二评价系数和第三评价系数,进行加权处理生成总评价系数进行综合评估,能够让教师直观地了解到每个学习者的学习状态,加强对教师的反馈,起到辅助教育的效果。
Description
技术领域
本发明涉及虚拟现实设备辅助教学系统技术领域,具体为基于虚拟现实设备的学习者状态评估方法及系统及方法。
背景技术
虚拟现实应用于教育是教育技术发展的一个重大飞跃。它营造了“自主学习”的学习环境,采用实物与虚物相结合的方式构造虚实结合的虚拟教学培训系统,使学习者或教师能够投入到学习环境当中去,有利于学习者或教师的技能训练。
现有技术中的,公开号为CN113345102A提供的一种基于虚拟现实设备的多人教学辅助方法及系统,能够根据不同的解析指令对不同的教学内容进行解析,从而搭建不同的附加场景,实现结合教学内容进行场景的定制和变化,起到辅助教学的效果。但这种方法难以对学习者的状态进行评估,学习者容易出现走神发呆等情况,不能让教师准确地了解到学习者的状态,缺乏反馈,降低了学习的效果。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解,因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明的目的在于提供基于虚拟现实设备的学习者状态评估方法及系统及方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
基于虚拟现实设备的学习者状态评估方法,适用于教育终端和若干组学习终端,所述状态评估方法包括以下步骤:
S1:根据教育需求,将教育终端内预置的教材数据发送到若干组学习终端生成课件数据;
S2:采集课程中教育终端的教育信息和学习终端的学习信息,建立专注度分析模型,生成第一评价系数;
S3:对第一评价系数进行分析,根据第一评价系数的分析结果,生成随机验证信息发送到学习终端,得到第二评价系数;
S4:根据教育终端的教育信息,生成测验信息并发送到学习终端,得到第三评价系数;
S5:根据第一评价系数、第二评价系数和第三评价系数,进行加权处理生成总评价系数进行综合评估。
优选的,所述教育信息包括上课时间Tjy、最大上课时间Tjymax、教材页码i、教材翻页间隔ΔTjyx,所述学习信息包括课件页码j、课件翻页间隔ΔTxxy,i,j,x,y均为正整数。
优选的,所述第一评价系数的生成逻辑为:
将教材页码数i与课件页码数j进行比较,每次当两个数据不相等时开始计时,两个数据相等时停止计时,把该时间段标定为第一差异时间ΔTN并将计时归零,下标N表示教材页码数i与课件页码数j不相等的次数,N为正整数,N=1,2,3…q;
将多组教材翻页间隔ΔTjyx按照下标从小到大的顺序进行排序,共同构成集合A,将多组课件翻页间隔ΔTxxy下标从小到大的顺序进行排序,共同构成集合B,将集合B与集合A中的元素依次相减得到第二差异时间ΔTn,多组第二差异时间ΔTn共同构成集合C,并计算集合C的标准差S,计算公式为:
下标n表示第二差异时间ΔTn的编号,n为正整数,n=1,2,3…p;
根据第一差异时间ΔTN和集合C的标准差S计算第一评价系数μ1,计算公式为:
式中Tyz表示预设的时间阈值。
优选的,所述集合C中元素个数p的取值方式为:
p为正整数。
优选的,所述第二评价系数的生成逻辑为:
当第一评价系数μ1≥1时,教育终端随机生成四位数字作为随机验证信息发送到学习终端,学习终端回答完成后生成验证返回信息并发送回教育终端,教育终端将随机验证信息与验证返回信息进行比对,并将验证返回信息与随机验证信息不相同的次数标定为验证错误次数M,根据验证错误次数M生成第二评价系数μ2,计算公式为:
μ2=logMyzM
式中Myz表示预设的验证错误阈值。
优选的,所述第三评价系数的生成逻辑为:
当上课时间Tjy与最大上课时间Tjymax相等时,从预设的题库中随机抽取K道题目作为测验信息发送到学习终端,学习终端回答完成后生成答案信息并发送回教育终端,教育终端将答案信息与预设的标准答案库进行比对,把答案信息的错误次数标定为k,根据答案错误次数k生成第三评价系数μ3,计算公式为:μ3=k/K。
优选的,所述总评价系数μ的计算公式为:
μ=β1β1+β2μ2+β3μ3
式中β1表示预设的第一加权系数,β2表示预设的第二加权系数,β3表示预设的第三加权系数,β1,β2,β3均大于0,且β1+β2+β3=1。
优选的,所述综合评估的方法为:当总评价系数μ达到最终阈值μyz,即μ≥μyz时,认为学习者状态差,当总评价系数μ小于最终阈值μyz,即μ<μyz时,认为学习者状态良好。
一种基于虚拟现实设备的学习者状态评估系统,所述状态评估系统用于实现上述的状态评估方法,包括教育终端和若干组学习终端;
所述教育终端采用VR设备,用于预置教材数据、题库、标准答案库,采集教育信息,并与学习终端进行通讯,根据采集到的教育数据和学习终端发送的学习信息、验证返回信息、答案信息来生成总评价系数,对学习者的状态进行综合评估;
所述学习终端采用VR设备,用于根据教育终端发送的教材数据生成课件数据,采集学习信息,根据教育终端发送的随机验证信息和测验信息生成验证返回信息和答案信息,并将学习信息、验证返回信息、答案信息发送回教育终端。
与现有技术相比,本发明的有益效果是:
本发明通过采集学习终端和教育终端的信息,共同生成第一评价系数,能够判断学习者是否出现走神发呆、理解困难的情况,并生成随机验证信息来对学习者进行提醒,得到第二评价系数,进一步判断学习者是否注意力不集中,最后在课程结束后对学习者进行测验并生成第三评价系数,能够检验出学习者对本次课程中知识点的掌握情况,通过将第一评价系数、第二评价系数和第三评价系数,进行加权处理生成总评价系数进行综合评估,能够让教师直观地了解到每个学习者的学习状态,加强对教师的反馈,起到辅助教育的效果。
附图说明
图1为本发明流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,对本发明进一步详细说明。
需要说明的是,除非另外定义,本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”“下”“左”“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
实施例:
请参阅图1,本发明提供一种技术方案:
基于虚拟现实设备的学习者状态评估方法,适用于教育终端和若干组学习终端,所述状态评估方法包括以下步骤:
S1:根据教育需求,将教育终端内预置的教材数据发送到若干组学习终端生成课件数据;
S2:采集课程中教育终端的教育信息和学习终端的学习信息,建立专注度分析模型,生成第一评价系数;
S3:对第一评价系数进行分析,根据第一评价系数的分析结果,生成随机验证信息发送到学习终端,得到第二评价系数;
S4:根据教育终端的教育信息,生成测验信息并发送到学习终端,得到第三评价系数;
S5:根据第一评价系数、第二评价系数和第三评价系数,进行加权处理生成总评价系数进行综合评估。
其中学习终端最少需要1组,并可以根据学习者的数量进行增加,教育终端与学习终端构成一对多的关系,并对每组学习终端单独进行学习状态评估,从而方便教师了解每一位学习者的学习状态。
所述教育信息包括上课时间Tjy、最大上课时间Tjymax、教材页码i、教材翻页间隔ΔTjyx,所述学习信息包括课件页码j、课件翻页间隔ΔTxxy,i,j,x,y均为正整数,上课时间Tjy指的是本次上课已经过的时间,最大上课时间Tjymax指的是本次上课的最大时长,当上课时间Tjy与最大上课时间Tjymax相等时则认为本次课程结束,教材翻页间隔ΔTjyx指的是从教材的某一页翻到下一页所花费的时间,也就是在该页所停留的时间,下标x指的是教材翻页的次数,同理,课件翻页间隔ΔTxxy指的是从课件的某一页翻到下一页所花费的时间,下标y指的是课件翻页的次数。
所述第一评价系数的生成逻辑为:
将教材页码数i与课件页码数j进行比较,每次当两个数据不相等时开始计时,两个数据相等时停止计时,把该时间段标定为第一差异时间ΔTN并将计时归零,下标N表示教材页码数i与课件页码数j不相等的次数,N为正整数,N=1,2,3…q,由于在教师上课时,学习者需要将课件翻到和教师相同的页码,才能够方便理解教学内容进行学习,因此教材页码i和课件页码j在正常情况下应该相等,若是不相等,则认为学习者可能出现疑似发呆走神等注意力不集中的情况,N值越大,则认为学习者疑似发呆走神的次数越多,第一差异时间ΔTN的值越大,则认为学习者在该次发呆走神中所耗费的时间越长。
将多组教材翻页间隔ΔTjyx按照下标从小到大的顺序进行排序,共同构成集合A,将多组课件翻页间隔ΔTxxy下标从小到大的顺序进行排序,共同构成集合B,将集合B与集合A中的元素依次相减得到第二差异时间ΔTn,多组第二差异时间ΔTn共同构成集合C,将教材翻页间隔ΔTjyx与课件翻页间隔ΔTxxy依次进行比较,若是存在有差值较大的部分,则认为在对应教材页码数i或课件页码数j的学习中,学习者的停留时间较长,可能出现理解困难,未能跟上教学进度的情况。
并计算集合C的标准差S,计算公式为:
下标n表示第二差异时间ΔTn的编号,n为正整数,n=1,2,3…p,通过计算集合C的标准差S,能够反映出第二差异时间ΔTn的离散情况,标准差S的值越大,则第二差异时间ΔTn偏离平均值的次数越多,认为学习者可能出现理解困难,未能跟上教学进度的情况次数也就越多。
根据第一差异时间ΔTN和集合C的标准差S计算第一评价系数μ1,计算公式为:
式中Tyz表示预设的时间阈值。
所述集合C中元素个数p的取值方式为:
p为正整数,换句话说,教材页码i和课件页码j在正常情况下应该相等,教师和学习者的进度应该相同,第二差异时间ΔTn构成的集合C统计的是这种正常情况下的数据,当教材页码i和课件页码j不相等时,不管是学习者提前翻页还是未翻页,集合C中都不再增加新的元素,而是会产生第一差异时间ΔTN,当教师翻到下一页,或者学生回过神来进行翻页,使得教材页码i和课件页码j再次相等时,该次第一差异时间ΔTN停止计时,同时集合C中出现一组新的第二差异时间ΔTn,可以理解的是,该组第二差异时间ΔTn必定远远超过平均值,因此会使得集合C的标准差S增加,总而言之,第一评价系数μ1的值越大,学习者对于课堂的专注程度就越差。
所述第二评价系数的生成逻辑为:
当第一评价系数μ1≥1时,教育终端随机生成四位数字作为随机验证信息发送到学习终端,学习终端回答完成后生成验证返回信息并发送回教育终端,教育终端将随机验证信息与验证返回信息进行比对,并将验证返回信息与随机验证信息不相同的次数标定为验证错误次数M,根据验证错误次数M生成第二评价系数μ2,计算公式为:
μ2=logMyzM
式中Myz表示预设的验证错误阈值。
随机验证信息用于对学习者进行提醒,使其专注力回到课程,第二评价系数μ2的值越大,则证明验证错误次数M越多,学习者的专注程度进一步下降。
所述第三评价系数的生成逻辑为:
当上课时间Tjy与最大上课时间Tjymax相等时,从预设的题库中随机抽取K道题目作为测验信息发送到学习终端,也就是在本次课程结束后进行知识点的抽查,学习终端回答完成后生成答案信息并发送回教育终端,教育终端将答案信息与预设的标准答案库进行比对,把答案信息的错误次数标定为k,根据答案错误次数k生成第三评价系数μ3,计算公式为:μ3=k/K。
所述总评价系数μ的计算公式为:μ=β1μ1+β2μ2+β3μ3
式中β1表示预设的第一加权系数,β2表示预设的第二加权系数,β3表示预设的第三加权系数,β1,β2,β3均大于0,且β1+β2+β3=1。
所述综合评估的方法为:当总评价系数μ达到最终阈值μyz,即μ≥μyz时,认为学习者不仅在课程学习中专注度差,在课程结束后的测验中错误也多,因此认为其学习状态差,反之同理,当总评价系数μ小于最终阈值μyz,即μ<μyz时,认为学习者状态良好。
一种基于虚拟现实设备的学习者状态评估系统,所述状态评估系统用于实现上述的状态评估方法,包括教育终端和若干组学习终端;
所述教育终端采用VR设备,用于预置教材数据、题库、标准答案库,采集教育信息,并与学习终端进行通讯,根据采集到的教育数据和学习终端发送的学习信息、验证返回信息、答案信息来生成总评价系数,对学习者的状态进行综合评估;
所述学习终端采用VR设备,用于根据教育终端发送的教材数据生成课件数据,采集学习信息,根据教育终端发送的随机验证信息和测验信息生成验证返回信息和答案信息,并将学习信息、验证返回信息、答案信息发送回教育终端。
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。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够、电子硬件,或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方法来执行,取决于技术方案的特定应用和设计约束条件。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,既可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (9)
1.基于虚拟现实设备的学习者状态评估方法,适用于教育终端和若干组学习终端,其特征在于,所述状态评估方法包括以下步骤:
S1:根据教育需求,将教育终端内预置的教材数据发送到若干组学习终端生成课件数据;
S2:采集课程中教育终端的教育信息和学习终端的学习信息,建立专注度分析模型,生成第一评价系数;
S3:对第一评价系数进行分析,根据第一评价系数的分析结果,生成随机验证信息发送到学习终端,得到第二评价系数;
S4:根据教育终端的教育信息,生成测验信息并发送到学习终端,得到第三评价系数;
S5:根据第一评价系数、第二评价系数和第三评价系数,进行加权处理生成总评价系数进行综合评估。
2.根据权利要求1所述的基于虚拟现实设备的学习者状态评估方法,其特征在于:所述教育信息包括上课时间Tjy、最大上课时间Tjymax、教材页码i、教材翻页间隔ΔTjyx,所述学习信息包括课件页码j、课件翻页间隔ΔTxxy,i,j,x,y均为正整数。
3.根据权利要求2所述的基于虚拟现实设备的学习者状态评估方法,其特征在于:所述第一评价系数的生成逻辑为:
将教材页码数i与课件页码数j进行比较,每次当两个数据不相等时开始计时,两个数据相等时停止计时,把该时间段标定为第一差异时间ΔTN并将计时归零,下标N表示教材页码数i与课件页码数j不相等的次数,N为正整数,N=1,2,3…q;
将多组教材翻页间隔ΔTjyx按照下标从小到大的顺序进行排序,共同构成集合A,将多组课件翻页间隔ΔTxxy下标从小到大的顺序进行排序,共同构成集合B,将集合B与集合A中的元素依次相减得到第二差异时间ΔTn,多组第二差异时间ΔTn共同构成集合C,并计算集合C的标准差S,计算公式为:
下标n表示第二差异时间ΔTn的编号,n为正整数,n=1,2,3…p;
根据第一差异时间ΔTN和集合C的标准差S计算第一评价系数μ1,计算公式为:
式中Tyz表示预设的时间阈值。
4.根据权利要求3所述的基于虚拟现实设备的学习者状态评估方法,其特征在于:所述集合C中元素个数p的取值方式为:
p为正整数。
5.根据权利要求3所述的基于虚拟现实设备的学习者状态评估方法,其特征在于:所述第二评价系数的生成逻辑为:
当第一评价系数μ1≥1时,教育终端随机生成四位数字作为随机验证信息发送到学习终端,学习终端回答完成后生成验证返回信息并发送回教育终端,教育终端将随机验证信息与验证返回信息进行比对,并将验证返回信息与随机验证信息不相同的次数标定为验证错误次数M,根据验证错误次数M生成第二评价系数μ2,计算公式为:
μ2=logMyzM
式中Myz表示预设的验证错误阈值。
6.根据权利要求2所述的基于虚拟现实设备的学习者状态评估方法,其特征在于:所述第三评价系数的生成逻辑为:
当上课时间Tjy与最大上课时间Tjymax相等时,从预设的题库中随机抽取K道题目作为测验信息发送到学习终端,学习终端回答完成后生成答案信息并发送回教育终端,教育终端将答案信息与预设的标准答案库进行比对,把答案信息的错误次数标定为k,根据答案错误次数k生成第三评价系数μ3,计算公式为:μ3=k/K。
7.根据权利要求6所述的基于虚拟现实设备的学习者状态评估方法,其特征在于:所述总评价系数μ的计算公式为:
μ=β1μ1+β2μ2+β3μ3
式中β1表示预设的第一加权系数,β2表示预设的第二加权系数,β3表示预设的第三加权系数,β1,β2,β3均大于0,且β1+β2+β3=1。
8.根据权利要求7所述的基于虚拟现实设备的学习者状态评估方法,其特征在于:所述综合评估的方法为:当总评价系数μ达到最终阈值μyz,即μ≥μyz时,认为学习者状态差,当总评价系数μ小于最终阈值μyz,即μ<μyz时,认为学习者状态良好。
9.一种基于虚拟现实设备的学习者状态评估系统,其特征在于:所述状态评估系统用于实现权利要求1-8任一项所述的状态评估方法,包括教育终端和若干组学习终端;
所述教育终端采用VR设备,用于预置教材数据、题库、标准答案库,采集教育信息,并与学习终端进行通讯,根据采集到的教育数据和学习终端发送的学习信息、验证返回信息、答案信息来生成总评价系数,对学习者的状态进行综合评估;
所述学习终端采用VR设备,用于根据教育终端发送的教材数据生成课件数据,采集学习信息,根据教育终端发送的随机验证信息和测验信息生成验证返回信息和答案信息,并将学习信息、验证返回信息、答案信息发送回教育终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311622835.6A CN117670612A (zh) | 2023-11-29 | 2023-11-29 | 基于虚拟现实设备的学习者状态评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311622835.6A CN117670612A (zh) | 2023-11-29 | 2023-11-29 | 基于虚拟现实设备的学习者状态评估方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117670612A true CN117670612A (zh) | 2024-03-08 |
Family
ID=90063395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311622835.6A Pending CN117670612A (zh) | 2023-11-29 | 2023-11-29 | 基于虚拟现实设备的学习者状态评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117670612A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111489595A (zh) * | 2020-04-16 | 2020-08-04 | 广东小天才科技有限公司 | 一种直播教学过程中测试信息反馈的方法及装置 |
CN112990723A (zh) * | 2021-03-24 | 2021-06-18 | 武汉伽域信息科技有限公司 | 基于用户学习行为深度分析的在线教育平台学生学习力分析反馈方法 |
CN113143273A (zh) * | 2021-03-23 | 2021-07-23 | 陕西师范大学 | 一种在线视频学习中学习者注意状态智能检测系统及方法 |
CN115793847A (zh) * | 2022-10-21 | 2023-03-14 | 北京中科心研科技有限公司 | 一种用于监测学生线上上课状态的教学系统 |
CN116452071A (zh) * | 2023-06-16 | 2023-07-18 | 济南科明数码技术股份有限公司 | 一种基于vr和5g技术的智慧教学质量评估系统 |
CN116664011A (zh) * | 2023-07-06 | 2023-08-29 | 东营职业学院 | 一种基于课堂学生行为分析的教学质量评估系统 |
-
2023
- 2023-11-29 CN CN202311622835.6A patent/CN117670612A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111489595A (zh) * | 2020-04-16 | 2020-08-04 | 广东小天才科技有限公司 | 一种直播教学过程中测试信息反馈的方法及装置 |
CN113143273A (zh) * | 2021-03-23 | 2021-07-23 | 陕西师范大学 | 一种在线视频学习中学习者注意状态智能检测系统及方法 |
CN112990723A (zh) * | 2021-03-24 | 2021-06-18 | 武汉伽域信息科技有限公司 | 基于用户学习行为深度分析的在线教育平台学生学习力分析反馈方法 |
CN115793847A (zh) * | 2022-10-21 | 2023-03-14 | 北京中科心研科技有限公司 | 一种用于监测学生线上上课状态的教学系统 |
CN116452071A (zh) * | 2023-06-16 | 2023-07-18 | 济南科明数码技术股份有限公司 | 一种基于vr和5g技术的智慧教学质量评估系统 |
CN116664011A (zh) * | 2023-07-06 | 2023-08-29 | 东营职业学院 | 一种基于课堂学生行为分析的教学质量评估系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Connell et al. | Increasing the use of student-centered pedagogies from moderate to high improves student learning and attitudes about biology | |
Yang et al. | Predicting students' academic performance using multiple linear regression and principal component analysis | |
Case et al. | The role of central conceptual structures in the development of children's thought | |
Pollard et al. | An evaluation of interactive computer training to teach instructors to implement discrete trials with children with autism | |
CN109509126A (zh) | 一种基于用户学习行为的个性化试题推荐方法 | |
Hamdu et al. | Items quality analysis using rasch model to measure elementary school students’ critical thinking skill on stem learning | |
Costa et al. | Computational thinking in mathematics education: A joint approach to encourage problem-solving ability | |
Huda et al. | E-Assessment in Higher Education: Students' Perspective. | |
CN109035083A (zh) | 一种适用于自适应在线学习的测评方法、移动终端及介质 | |
Baker et al. | Assessment Of Robust Learning With Educational Data Mining. | |
Rohmah et al. | The effect of the treffinger learning model on mathematical connection ability students viewed from mathematical resilience | |
Tsihouridis et al. | The effect of teaching electric circuits switching from real to virtual lab or vice versa—A case study with junior high-school learners | |
Taher et al. | Impact of simulation-based and hands-on teaching methodologies on students’ learning in an engineering technology program | |
Musabirov et al. | Predictors of academic achievement in blended learning: The case of data science minor | |
Zulueta et al. | Scenario-based microlearning strategy for improved basic science process skills in self-directed learning | |
CN117670612A (zh) | 基于虚拟现实设备的学习者状态评估方法及系统 | |
Hirose | Relationship Between Testing Time and Score in CBT | |
Alty | Dual coding theory and computer education: Some media experiments to examine the effects of different media on learning | |
Irawati et al. | EFFECTIVENESS OF PBL-BASED MOBILE LEARNING TO IMPROVE STUDENTS'CRITICAL THINKING SKILLS | |
Shin et al. | Structured constructs models based on change‐point analysis | |
Hirose | More accurate evaluation of student’s ability based on a newly proposed ability equation | |
Squires | Bridging the Learning Gap Augmented Reality's Impact on Associative Information Processing, Cognitive Load, and Working Memory: A Mixed-Methods Research Study. | |
Zhu et al. | A new person‐fit method based on machine learning in CDM in education | |
CN114155124B (zh) | 一种试题资源推荐方法及系统 | |
RAYMOND | 1 Framing Chapter: The Utility of Simulations in the Social Sciences |
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 |