CN118134333A - 用户学习状态的评估方法、系统、设备及介质 - Google Patents
用户学习状态的评估方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN118134333A CN118134333A CN202410304188.2A CN202410304188A CN118134333A CN 118134333 A CN118134333 A CN 118134333A CN 202410304188 A CN202410304188 A CN 202410304188A CN 118134333 A CN118134333 A CN 118134333A
- Authority
- CN
- China
- Prior art keywords
- user
- interest
- learning
- gazing
- time period
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000011156 evaluation Methods 0.000 claims abstract description 29
- 238000004590 computer program Methods 0.000 claims description 20
- 238000010586 diagram Methods 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 4
- 230000004424 eye movement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Electrically Operated Instructional Devices (AREA)
Abstract
本公开提供了一种用户学习状态的评估方法、系统、设备及介质。评估方法包括:获取用户的注视点落到课程内容中的兴趣区的注视时间;根据用户的注视点落在兴趣区的注视时间、各兴趣区的注视权重以及各兴趣区对应的时间段确定用户的学习状态是否符合学习要求。通过上述方法,不同时间段的兴趣区对应的注视权重,根据用户的注视点落在兴趣区的注视时间、各兴趣区的注视权重以及各兴趣区对应的时间段,可准确确定用户的学习状态是否符合学习要求。
Description
技术领域
本发明涉及计算机技术领域,具体涉及一种用户学习状态的评估方法、系统、设备及介质。
背景技术
在进行在线教育时(例如学生用户使用手机或电脑完成课程时),可以通过检测用户的表情数据、发音特征、注视点以及眼睛睁闭评估用户的学习状态是否正常。但是在上述方案中,每一节在线教育的课程中,每一节课的重点不一样,无法准确评估用户在学习课程的学习状态是否符合学习要求。
发明内容
本公开要解决的技术问题是为了克服现有技术中无法准确评估用户在学习课程重点以及非重点的学习状态是否符合学习要求的缺陷,提供一种用户学习状态的评估方法、系统、设备及介质。
本公开是通过下述技术方案来解决上述技术问题:
作为本公开的第一方面,提供一种用户学习状态的评估方法,包括:
获取用户的注视点落到课程内容中的兴趣区的注视时间;
其中,各时间段下的兴趣区对应一个注视权重;
根据用户的注视点落在所述兴趣区的注视时间、各所述兴趣区的注视权重以及各所述兴趣区对应的时间段确定所述用户的学习状态是否符合学习要求。
可选地,所述根据用户的注视点落在所述兴趣区的注视时间、各所述兴趣区的注视权重以及各所述兴趣区对应的时间段确定所述用户的学习状态是否符合学习要求的步骤,具体包括:
根据所述注视时间、各所述兴趣区的注视权重以及各所述兴趣区对应的时间段确定所述用户的学习得分;
若所述学习得分小于预设分数,则确定所述用户的学习状态不符合所述学习要求;
若所述学习得分大于或等于所述预设分数,则确定所述用户的学习状态符合所述学习要求。
可选地,所述评估方法还包括:
当所述注视点连续落在非兴趣区的时长大于预设时长时,则确定所述用户的学习状态不符合学习要求。
可选地,在所述课程的进度进入下一时间段后的第一时间段内,若所述注视点落入所述下一时间段对应的兴趣区的注视时间与所述第一时间段之比小于预设占比,则确定所述用户的学习状态不符合学习要求。
可选地,不同所述时间段下的兴趣区包括数字教师的脸部区域以及知识点的展示区域。
可选地,所述课程包括用于介绍课程的第一时间段、用于讲解知识点的第二时间段以及用于讲解习题的第三时间段中的至少一种;
其中,所述第一时间段的兴趣区的注视权重大于或等于所述第三时间段的兴趣区的注视权重,所述第三时间段的兴趣区的注视权重大于或等于所述第二时间段的兴趣区的注视权重。
可选地,当所述用户的学习状态不符合学习要求时,所述评估方法还包括:
停止播放课程并根据所述注视点发出提示信息,直至确定所述用户的学习状态重新符合学习要求。
可选地,所述获取用户的注视点落到课程内容中的兴趣区的注视时间步骤之前,包括:
获取用户的课程观看数据,并根据所述课程观看数据确定用户注视方向,并基于所述用户注视方向确定所述用户的注视点。
作为本公开的第二方面,提供一种用户学习状态的评估系统,包括:
注视时间获取模块,用于获取用户的注视点落到课程内容中的兴趣区的注视时间;
其中,各时间段下的兴趣区对应一个注视权重;
第一学习状态评估模块,用于根据用户的注视点落在所述兴趣区的注视时间、各所述兴趣区的注视权重以及各所述兴趣区对应的时间段确定所述用户的学习状态是否符合学习要求。
可选地,所述第一学习状态评估模块包括:
学习得分确定单元,用于根据所述注视时间、各所述兴趣区的注视权重以及各所述兴趣区对应的时间段确定所述用户的学习得分;
学习要求确定单元,用于在所述学习得分小于预设分数的情况下,确定所述用户的学习状态不符合所述学习要求;在所述学习得分大于或等于所述预设分数的情况下,确定所述用户的学习状态符合所述学习要求。
可选地,所述评估系统还包括:
第二学习状态评估模块,用于在所述注视点连续落在非兴趣区的时长大于预设时长的情况下,确定所述用户的学习状态不符合学习要求。
可选地,所述评估系统还包括:
第三学习状态评估模块,用于在所述课程的进度进入下一时间段后的第一时间段内,当所述注视点落入所述下一时间段对应的兴趣区的注视时间与所述第一时间段之比小于预设占比的情况下,确定所述用户的学习状态不符合学习要求。
可选地,不同所述时间段下的兴趣区包括数字教师的脸部区域以及知识点的展示区域。
可选地,所述课程包括用于介绍课程的第一时间段、用于讲解知识点的第二时间段以及用于讲解习题的第三时间段中的至少一种;
其中,所述第一时间段的兴趣区的注视权重大于或等于所述第三时间段的兴趣区的注视权重,所述第三时间段的兴趣区的注视权重大于或等于所述第二时间段的兴趣区的注视权重。
可选地,所述评估系统还包括:
提示模块,用于当所述用户的学习状态不符合学习要求时,停止播放课程并根据所述注视点发出提示信息,直至确定所述用户的学习状态重新符合学习要求。
可选地,所述注视时间获取模块包括:
注视方向确定单元,用于获取用户的课程观看数据,并根据所述课程观看数据确定用户注视方向,并基于所述用户注视方向确定所述用户的注视点。
作为本公开的第三方面,提供一种电子设备,包括存储器、处理器及存储在存储器上并用于在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第一方面中的用户学习状态的评估方法。
作为本公开的第四方面,提供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第一方面中的用户学习状态的评估方法。
作为本公开的第五方面,提供一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如第一方面中的用户学习状态的评估方法。
在符合本领域常识的基础上,上述各可选条件,可任意组合,即得本公开各较佳实例。
本公开的积极进步效果在于:
通过不同时间段的兴趣区对应的注视权重,根据用户的注视点落在所述兴趣区的注视时间、各所述兴趣区的注视权重以及各所述兴趣区对应的时间段,可准确确定用户的学习状态是否符合学习要求。
附图说明
图1为本公开实施例1提供的一种用户学习状态的评估方法的流程图;
图2为本公开实施例1中的课程进度进入下一时间段时兴趣区的示意图;
图3为本公开实施例2提供的一种用户学习状态的评估系统的结构示意图;
图4为本公开实施例3提供的一种电子设备的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本公开,但并不因此将本公开限制在所述的实施例范围之中。
本公开实施例中采用诸如“第一”、“第二”的前缀词,仅仅为了区分不同的描述对象,对被描述对象的位置、顺序、优先级、数量或内容等没有限定作用。本公开实施例中对序数词等用于区分描述对象的前缀词的使用不对所描述对象构成限制,对所描述对象的陈述参见权利要求或实施例中上下文
的描述,不应因为使用这种前缀词而构成多余的限制。此外,在本实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
实施例1
请参见图1,图1为本公开一示例性实施例提供的一种用户学习状态的评估方法的流程图。
本实施例中的用户学习状态的评估方法,包括:
S1、获取用户的注视点落到课程内容中的兴趣区的注视时间;
其中,各时间段下的兴趣区对应一个注视权重;
S2、根据用户的注视点落在兴趣区的注视时间、各兴趣区的注视权重以及各兴趣区对应的时间段确定用户的学习状态是否符合学习要求。
需要说明的是,在本实施例中,课程中所需要用户注视的区域是兴趣区,例如可以是数字教师的脸部、课程所需要讲解的公式、课程中的习题以及文章等区域。
在一种实施例中,可以根据注视权重确定每个时间段中的注视时间阈值(例如注视权重越高,注视时间阈值越小),当注视时间小于对应时间段中的注视时间阈值,就确定用户的学习状态不符合学习要求。
在一个可选的实施例中,步骤S2具体包括:
根据注视时间、各兴趣区的注视权重以及各兴趣区对应的时间段确定用户的学习得分;
若学习得分小于预设分数,则确定用户的学习状态不符合学习要求;
若学习得分大于或等于预设分数,则确定用户的学习状态符合学习要求。
在上述实施例中,根据注视时间、各兴趣区的注视权重以及各兴趣区对应的时间段确定用户的学习得分,计算公式为:
其中,score表示用户的学习得分,xi表征第i时间段中注视兴趣区的注视时间,yi表征第i时间段中兴趣区的注视权重,zi表征第i时间段的已播放课程的时间。
在一个例子中,当课程播放完毕,课程一共30分钟,第一时间段为第1-10分钟,第二时间段为第11-20分钟,第三时间段为第21-30分钟。第一时间段中的兴趣区的注视权重为1,第二时间段的兴趣区的权重为1.2,第三时间段的兴趣区的注视权重为1.1。第一时间段的注视时间为8分钟,第二时间段的注视时间为7分钟,第三时间段的注视时间为9分钟。
此时用户的学习得分为:(1×8+1.2×7+1.1×9)÷(1×10+1.2×10+1.1×10)=0.797
在另外的一个例子中,当课程正在播放时,例如上述课程播放至25分钟时,第一时间段的注视时间为8分钟,第二时间段的注视时间为7分钟,第三时间段的注视时间为4分钟。
此时用户的学习得分为:(1×8+1.2×7+1.1×4)÷(1×10+1.2×10+1.1×5)=0.756。
在本实施例中,通过不同时间段的兴趣区对应的注视权重。根据用户的注视点落在兴趣区的注视时间、各兴趣区的注视权重以及各兴趣区对应的时间段,可准确确定用户的学习状态是否符合学习要求。如果用户的学习得分低于预设分数,例如0.6,就可以认为用户的学习状态不符合要求。
在一个可选的实施例中,评估方法还包括:
当注视点连续落在非兴趣区的时长大于预设时长时,则确定用户的学习状态不符合学习要求。
在本实施例中,除了兴趣区以外的区域均可认定为非兴趣区,包括课程内容的其他区域、课程内容以外的区域(例如屏幕中除了课程内容以外的区域以及屏幕之外的区域)。预设时长可以为10秒,可以根据具体情况具体设定。
本实施例中,可以根据用户的注视点连续落在非兴趣区的时长,更加准确地确定用户的学习状态是否符合学习要求。
在一个可选的实施例中,在课程的进度进入下一时间段后的第一时间段内,若注视点落入下一时间段对应的兴趣区的注视时间与第一时间段之比小于预设占比,则确定用户的学习状态不符合学习要求。
在本实施例中,只要满足以下1-3中的任意一项,就可以确定用户的学习状态不符合学习要求:
1、根据用户的注视点落在兴趣区的注视时间、各兴趣区的注视权重以及各兴趣区对应的时间段确定用户的学习状态不符合学习要求;2、当注视点连续落在非兴趣区的时长大于预设时长时,确定用户的学习状态不符合学习要求;3、在课程的进度进入下一时间段后的第一时间段内,注视点落入下一时间段对应的兴趣区的注视时间与第一时间段之比小于预设占比,确定用户的学习状态不符合学习要求。
请参见图2,在本实施例中的一个例子中,课程可分为第一时间段(第1-10分钟)以及第二时间段(第11-20分钟),第一时间段为20秒,预设占比为60%,预设占比为。当课程的进度从第10分钟进入第11分钟(此时从第一时间段对应的兴趣区切换为第二时间段对应的兴趣区)后的20秒内,注视点落入兴趣区的时间与第一时间段之比是否小于60%,若小于,则确定用户的学习状态不符合学习要求。
上述实施例解决了在课程的进度从一个时间段进入到下一个时间段时兴趣区改变,用户需要将注视点从上一时间段的兴趣区切换为下一时间段的兴趣区。在前述的情况下,一方面,需要确定用户的注视点是否及时切换,另一方面,用户的注视点是无法立即从课程视频的上一时间段最后一帧的兴趣区切换为下一时间段的第一帧的兴趣区。通过注视点落入下一时间段对应的兴趣区的注视时间与第一时间段之比小于预设占比,就可以在课程的进度进入下一时间段时,准确地确定用户的学习状态是否符合要求。
在一个可选的实施例中,课程包括用于介绍课程的第一时间段、用于讲解知识点的第二时间段以及用于讲解习题的第三时间段中的至少一种;
其中,第一时间段的兴趣区的注视权重大于或等于第三时间段的兴趣区的注视权重,第三时间段的兴趣区的注视权重大于或等于第二时间段的兴趣区的注视权重。
在本实施例中,可以根据课程的不同时间段的重要程度确定对应时间段下的注视权重的大小,从而可以更为准确地确定用户的学习状态。
在一个可选的实施例中,当用户的学习状态不符合学习要求时,评估方法还包括:
停止播放课程并根据注视点发出提示信息,直至确定用户的学习状态重新符合学习要求。
在本实施例中,提示信息可以通过合成语音的方式和/或文本的方式发出,提示信息还可以根据用户的注视点和/或兴趣区确定。例如,用户的注视点为屏幕的“右方”(还可确定用户的注视点为屏幕的“上方”、“下方”以及“左方”等方位,以及“丢失”用户注视点,需要说明的是,“丢失”就代表着用户的注视点在屏幕之外),提示信息可以是“请不要一直盯着屏幕右方看,集中注意力学习!”,然后将上述提示信息合成对应的语音,再生成对应的提示视频并播放(此时原课程内容停止播放),提示视频中数字教师可以播报提示信息,直至用户的分数到达预设分数后,课程内容才继续播放。
上述用户的注视点的方位具体可以基于学习得分低于预设分数之前的若干秒的平均注视方向的矢量确定。
在一个可选的实施例中,步骤S1之前,可以包括:
获取用户的课程观看数据,并根据课程观看数据确定用户注视方向,并基于用户注视方向确定用户的注视点。
在本实施例中,课程观看视频具体可以输入训练好的Eye(End-to-end Video-based Eye-tracking,简称Eye)Net神经网络模型(一种用于眼动追踪的神经网络模型)。EyeNet神经网络模型用于根据课程观看视频确定用户的注视方向,并基于用户的注视方向确定用户在屏幕中的注视坐标,然后基于注视坐标确定用户的注视点是否落入兴趣区内。
在实际使用上述方法的设备中,可以包括至少一个摄像头,用于获取用户的课程观看数据。
上述Eye Net神经网络模型的训练过程可以包括获取眼动追踪数据集(具体可以通过4个摄像头获取的若干名被测试用户超过1200万帧的约105小时的视频数据以及使用Tobii Pro Spectrum eye tracker眼动仪测量得到的被试真实眼动信息)。
实施例2
与前述用户学习状态的评估方法实施例相对应,本公开还提供了用户学习状态的评估系统的实施例。
图3为本公开一示例性实施例提供的一种用户学习状态的评估系统的模块示意图,该系统包括:
注视时间获取模块201,用于获取用户的注视点落到课程内容中的兴趣区的注视时间;
其中,各时间段下的兴趣区对应一个注视权重;
第一学习状态评估模块202,用于根据用户的注视点落在兴趣区的注视时间、各兴趣区的注视权重以及各兴趣区对应的时间段确定用户的学习状态是否符合学习要求。
在一个可选的实施例中,第一学习状态评估模块202可以包括:
学习得分确定单元,用于根据注视时间、各兴趣区的注视权重以及各兴趣区对应的时间段确定用户的学习得分;
学习要求确定单元,用于在学习得分小于预设分数的情况下,确定用户的学习状态不符合学习要求;在学习得分大于或等于预设分数的情况下,确定用户的学习状态符合学习要求。
在一个可选的实施例中,评估系统还可以包括:
第二学习状态评估模块203,用于在注视点连续落在非兴趣区的时长大于预设时长的情况下,确定用户的学习状态不符合学习要求。
在一个可选的实施例中,评估系统还包括:
第三学习状态评估模块204,用于在课程的进度进入下一时间段后的第一时间段内,当注视点落入下一时间段对应的兴趣区的注视时间与第一时间段之比小于预设占比的情况下,确定用户的学习状态不符合学习要求。
在一个可选的实施例中,不同时间段下的兴趣区包括数字教师的脸部区域以及知识点的展示区域。
在一个可选的实施例中,课程包括用于介绍课程的第一时间段、用于讲解知识点的第二时间段以及用于讲解习题的第三时间段中的至少一种;
其中,第一时间段的兴趣区的注视权重大于或等于第三时间段的兴趣区的注视权重,第三时间段的兴趣区的注视权重大于或等于第二时间段的兴趣区的注视权重。
在一个可选的实施例中,评估系统还包括:
提示模块205,用于当用户的学习状态不符合学习要求时,停止播放课程并根据注视点发出提示信息,直至确定用户的学习状态重新符合学习要求。
在一个可选的实施例中,注视时间获取模块201包括:
注视方向确定单元,用于获取用户的课程观看数据,并根据课程观看数据确定用户注视方向,并基于用户注视方向确定用户的注视点。
对于系统实施例而言,其对应于方法实施例,相关之处参见方法实施例的部分说明。以上所描述的系统实施例仅仅是示意性的,其中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,作为单元的部件可以是或者也可以不是物理单元,即可以位于一个地方,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模块来实现本公开方案的目的。
实施例3
图4为本公开一示例实施例示出的一种电子设备的结构示意图,电子设备包括存储器、处理器及存储在存储器上并用于在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一实施例所述的用户学习状态的评估方法。图4显示的电子设备90仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示,电子设备90可以以通用计算设备的形式表现,例如其可以为服务器设备。电子设备90的组件可以包括但不限于:上述至少一个处理器91、上述至少一个存储器92、连接不同系统组件(包括存储器92和处理器91)的总线93。
总线93包括数据总线、地址总线和控制总线。
存储器92可以包括易失性存储器,例如随机存取存储器(RAM)921和/或高速缓存存储器922,还可以进一步包括只读存储器(ROM)923。
存储器92还可以包括具有一组(至少一个)程序模块924的程序工具925(或实用工具),这样的程序模块924包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器91通过运行存储在存储器92中的计算机程序,从而执行各种功能应用以及数据处理,例如上述任一实施例所提供的用户学习状态的评估方法。
电子设备90也可以与一个或多个外部设备94(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口95进行。并且,电子设备90还可以通过网络适配器96与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器96通过总线93与电子设备90的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备90使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意,尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例4
本公开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,所述程序被处理器执行时实现上述任一实施例所提供的用户学习状态的评估方法。
其中,可读存储介质可以采用的更具体可以包括但不限于:便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
实施例5
本公开实施例还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的用户学习状态的评估方法。
其中,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开的计算机程序产品的程序代码,所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本公开的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本公开的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本公开的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本公开的保护范围。
Claims (10)
1.一种用户学习状态的评估方法,其特征在于,所述评估方法包括:
获取用户的注视点落到课程内容中的兴趣区的注视时间;
其中,各时间段下的兴趣区对应一个注视权重;
根据用户的注视点落在所述兴趣区的注视时间、各所述兴趣区的注视权重以及各所述兴趣区对应的时间段确定所述用户的学习状态是否符合学习要求。
2.如权利要求1所述的评估方法,其特征在于,所述根据用户的注视点落在所述兴趣区的注视时间、各所述兴趣区的注视权重以及各所述兴趣区对应的时间段确定所述用户的学习状态是否符合学习要求的步骤,具体包括:
根据所述注视时间、各所述兴趣区的注视权重以及各所述兴趣区对应的时间段确定所述用户的学习得分;
若所述学习得分小于预设分数,则确定所述用户的学习状态不符合所述学习要求;
若所述学习得分大于或等于所述预设分数,则确定所述用户的学习状态符合所述学习要求。
3.如权利要求1所述的评估方法,其特征在于,所述评估方法还包括:
当所述注视点连续落在非兴趣区的时长大于预设时长时,则确定所述用户的学习状态不符合学习要求;
和/或,在所述课程的进度进入下一时间段后的第一时间段内,若所述注视点落入所述下一时间段对应的兴趣区的注视时间与所述第一时间段之比小于预设占比,则确定所述用户的学习状态不符合学习要求。
4.如权利要求1所述的评估方法,其特征在于,不同所述时间段下的兴趣区包括数字教师的脸部区域以及知识点的展示区域;
和/或,所述课程包括用于介绍课程的第一时间段、用于讲解知识点的第二时间段以及用于讲解习题的第三时间段中的至少一种;
其中,所述第一时间段的兴趣区的注视权重大于或等于所述第三时间段的兴趣区的注视权重,所述第三时间段的兴趣区的注视权重大于或等于所述第二时间段的兴趣区的注视权重。
5.如权利要求1所述的评估方法,其特征在于,当所述用户的学习状态不符合学习要求时,所述评估方法还包括:
停止播放课程并根据所述注视点发出提示信息,直至确定所述用户的学习状态重新符合学习要求。
6.如权利要求1-5任一项所述的评估方法,其特征在于,所述获取用户的注视点落到课程内容中的兴趣区的注视时间步骤之前,包括:
获取用户的课程观看数据,并根据所述课程观看数据确定用户注视方向,并基于所述用户注视方向确定所述用户的注视点。
7.一种用户学习状态的评估系统,其特征在于,所述评估系统包括:
注视时间获取模块,用于获取用户的注视点落到课程内容中的兴趣区的注视时间;
其中,各时间段下的兴趣区对应一个注视权重;
第一学习状态评估模块,用于根据用户的注视点落在所述兴趣区的注视时间、各所述兴趣区的注视权重以及各所述兴趣区对应的时间段确定所述用户的学习状态是否符合学习要求。
8.一种电子设备,包括存储器、处理器及存储在存储器上并用于在处理器上运行的计算机程序,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6中任一项所述的用户学习状态的评估方法。
9.一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6中任一项所述的用户学习状态的评估方法。
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述的用户学习状态的评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410304188.2A CN118134333A (zh) | 2024-03-18 | 2024-03-18 | 用户学习状态的评估方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410304188.2A CN118134333A (zh) | 2024-03-18 | 2024-03-18 | 用户学习状态的评估方法、系统、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118134333A true CN118134333A (zh) | 2024-06-04 |
Family
ID=91237249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410304188.2A Pending CN118134333A (zh) | 2024-03-18 | 2024-03-18 | 用户学习状态的评估方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118134333A (zh) |
-
2024
- 2024-03-18 CN CN202410304188.2A patent/CN118134333A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bosch et al. | Automatic detection of learning-centered affective states in the wild | |
US9754503B2 (en) | Systems and methods for automated scoring of a user's performance | |
CN111177413A (zh) | 学习资源推荐方法、装置和电子设备 | |
TWI707296B (zh) | 智慧教學顧問生成方法、系統、設備及儲存介質 | |
US11157074B2 (en) | Presenting assessment content to a user | |
CN108875785A (zh) | 基于行为特征对比的关注度检测方法以及装置 | |
TW202117616A (zh) | 適性化職缺媒合系統及方法 | |
JP7492294B2 (ja) | 学習システム、学習講義提供方法、およびプログラム | |
CN111428686A (zh) | 一种学生兴趣偏好评估方法、装置及系统 | |
Qu et al. | Using learner focus of attention to detect learner motivation factors | |
CN113257060A (zh) | 一种答疑解决方法、装置、设备和存储介质 | |
JP7058016B2 (ja) | 子供教育システムにおける計算によって導き出される評価 | |
CN112561750A (zh) | 课程推荐方法、装置、电子设备及存储介质 | |
KR102183894B1 (ko) | 가상 현실을 이용한 컴퓨터 기반 학습 평가 시스템 및 이의 동작 방법 | |
US20150125844A1 (en) | Server and method for managing learning | |
CN111681142A (zh) | 基于教育视频虚拟教学的方法、系统、设备及存储介质 | |
CN118134333A (zh) | 用户学习状态的评估方法、系统、设备及介质 | |
CN111199378B (zh) | 学员管理方法、装置、电子设备及存储介质 | |
CN115588485B (zh) | 基于社交故事训练的自适应干预方法、系统、装置和介质 | |
US20210240968A1 (en) | Computing device attention determination | |
WO2022070747A1 (ja) | アシストシステム、アシスト方法、およびアシストプログラム | |
CN112528790B (zh) | 基于行为识别的教学管理方法、装置及服务器 | |
US11587451B2 (en) | VR education system | |
JP2022064238A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
KR20220113239A (ko) | 학습 관리 방법, 학습 관리 장치 및 컴퓨터에서 판독가능한 저장매체에 저장된 프로그램 |
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 |