CN109741649B - 智师课堂互动学习平台 - Google Patents

Abstract

本发明公开了智师课堂互动学习平台，包括依次进行单向连接的用户、web防火墙、vpc虚拟网络、负载均衡和内网区域，内网区域包括EC2实例群、用于反馈EC2实例群委托指令的polly、用于对EC2实例群进行数据存储的s3对象储存、RDS数据库实例、基于c3的数据分析服务器和用于对EC2实例群进行使用信息记录的日志备份记录。本发明解决了学生因为害羞不敢开口讲英语的问题，通过基于条件的语言模型和基于时间序列的动态聚类算法的配合使用，使得学生pad可根据学生的日常学习状况和个人学习特点进行优化分析，从而对学生进行针对性帮助和个性化辅导。

Description

智师课堂互动学习平台

技术领域

本发明涉及智能导学***技术领域，具体为智师课堂互动学习平台。

背景技术

智能导学***是借助人工智能技术，让计算机扮演虚拟导师向学习者传授知识、提供学习指导的适应性学习支持***，它已经广泛应用于国外的教育领域，在促进学生个性化学习方面发挥了重要作用，智能导学***的研发美国会比较成熟，主要用于聋哑儿童词汇学习、国内学生的英语学习等，通过与3D虚拟老师对话、及时打分等评价手段完成学习任务。

现有的学习平台中是按照国家《英语课程标准》提倡的英语学习途径：接触-理解-熟悉-记忆-练习-应用，针对特定知识点进行的设计，比如单词学习、口语提高等，都不能取代老师进行课堂授课，无法解决师资缺乏导致的教育不均问题，并且缺乏完善的教学设计流程。

发明内容

针对现有技术的不足，本发明提供了智师课堂互动学***台不能取代老师进行课堂授课，缺乏完善的教学设计流程的问题。

为实现上述目的，本发明提供如下技术方案：智师课堂互动学习平台，包括依次进行单向连接的用户、web防火墙、vpc虚拟网络、负载均衡和内网区域，所述内网区域包括EC2实例群、用于反馈EC2实例群委托指令的polly、用于对EC2实例群进行数据存储的s3对象储存、RDS数据库实例、基于c3的数据分析服务器和用于对EC2实例群进行使用信息记录的日志备份记录，所述EC2实例群包括教师终端和学生终端。

精选的，所述教师终端包括用于教师使用的教师pad、用于教学投影的投影设备和用于对学生和老师进行教学内容拍摄的视频监控设备。

精选的，所述教师pad包括任务推送***、学情统计功能和黑屏功能。

精选的，所述学生终端包括搭载有基于自然语言交互的新一代英语课堂学习软件、依托于人工智能机器学习算法、融合了优质教学资源与教学方法和智能语音交互的学生pad。

精选的，所述日志备份记录包括用于储存学生和教师登录信息的EC2和用于信息储存的储存文件。

精选的，所述人工智能机器学习算法包括基于条件的语言模型和基于时间序列和文本境脉的动态聚类算法，所述基于条件的语言模型由下式计算：

式(1)中，L:目标函数，θ:词序列特征，t_i:词序列在文本中出现的顺序，H^θ：词序列出现的上下文，

词序列在现有概率分布下的密度概率函数，式(1)的算法原理：基于目前的语言模型，加入了基于时间序列条件的特征提取和预测，通过描述在上下文中特定序列出现的顺序及其与上下文的关系，将词序列之间的时间关系引入了模型，准确的建构出词序列在语言中出现的机会概率和顺序概率，所述时间序列聚类算法由下式计算：

式(2)中，πⁱ _k(t)：学生i在t时间掌握词序列k的概率，λ_g：新词序列的出现速度，H_k(t):词序列k在t时间出现的概率，式(2)的算法原理：聚类分析的目的是根据对特定词序列的掌握程度将学生进行分类并进行内容的自适应推送，算法结合了词序列在上下文特定位置出现的概率和学生当前对其的掌握程度，描述了在对话或文本结束后不同学生对特定文本的实际掌握概率。

有益效果如下：

1、本发明在学生pad中搭载智能语音交互***,从而增强学生学习互动性，是学生非常好的学习和交流伙伴，解决了学生因为害羞不敢开口讲英语的问题，通过基于条件的语言模型和基于时间序列的动态聚类算法的配合使用，使得学生pad可根据学生的日常学习状况和个人学习特点进行优化分析，从而对学生进行针对性帮助和个性化辅导。

2、本发明通过polly、s3对象储存、RDS数据库实例、数据分析服务器、和日志备份记录的配合使用，使得该学***得到提高；对于社会来说，解决了师资缺乏导致的教育不均问题，有助于教育均衡化。

附图说明

图1为本发明智师课堂互动学习平台的***框图；

图2为本发明EC2实例群的框图；

图3为本发明智能语音交互的框图；

图4为本发明智师课堂互动学习平台的使用框图。

具体实施方式

基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明提供技术方案：智师课堂互动学习平台，包括依次进行单向连接的用户、web防火墙、vpc虚拟网络、负载均衡和内网区域，其中vpc虚拟网络的全称为：Wireless Personal Communications虚拟网络，内网区域包括EC2(Elastic ComputeCloud)实例群、用于反馈EC2实例群委托指令的polly、用于对EC2实例群进行数据存储的s3对象储存、RDS数据库实例、基于c3的数据分析服务器和用于对EC2实例群进行使用信息记录的日志备份记录，其中EC2实例群的全称为：Elastic Compute Cloud实例群、RDS数据库实例的全称为：Relational Database Service数据库实例，EC2实例群包括教师终端和学生终端。

如图2所示，其中，教师终端包括用于教师使用的教师pad、用于教学投影的投影设备和用于对学生和老师进行教学内容拍摄的视频监控设备，其中pad的全称为：portableAndroid device，中文简称为：平板电脑；

教师pad包括任务推送***、学情统计功能和黑屏功能，通过任务推送***教师能够根据教案通过教师pad推送教学任务，进行进度的控制(按照教学任务流程和课堂进度去进行相关教学任务)，通过“黑屏功能”，对课堂进行有效监管；通过学情统计功能，教师及时了解全班学习进度和对知识的掌握情况；

学生终端包括搭载有基于自然语言交互的新一代英语课堂学习软件、依托于人工智能机器学习算法、融合了优质教学资源与教学方法和智能语音交互的学生pad，利用学生pad学生可通过如下学习途径：课文朗读(聆听-心读-跟读-仿读-朗读-录音-对比-修整)-角色朗读(录音、对比、修正)-记忆活动(选词填空、补全功能句)-课文背诵(可提示背诵或分角色背诵)-情景套用-知识练习-词汇记忆-运用-评价，依次针对性进行学习，其与《英语课程标准》提倡的英语学习途径更为完善；

日志备份记录包括用于储存学生和教师登录信息的EC2和用于信息储存的储存文件；

人工智能机器学习算法包括基于条件的语言模型和基于时间序列和文本境脉的动态聚类算法，基于条件的语言模型由下式计算：

式(1)中，L:目标函数，θ:词序列特征，t_i:词序列在上下文中出现的顺序，H^θ：词序列出现的上下文，

词序列在现有概率分布下的密度概率函数，式(1)的算法原理：基于目前的语言模型，加入了基于时间序列条件的特征提取和预测，通过描述在上下文中特定序列出现的顺序及其与上下文的关系，将词序列之间的时间关系引入了模型，准确的建构出词序列在语言中出现的机会概率和顺序概率，时间序列聚类算法由下式计算：

式(2)中，πⁱ _k(t)：学生i在t时间掌握词序列k的概率，λ_g：新词序列的出现速度，H_k(t):词序列k在t时间出现的概率，式(2)的算法原理：聚类分析的目的是根据对特定词序列的掌握程度将学生进行分类并进行内容的自适应推送，算法结合了词序列在上下文特定位置出现的概率和学生当前对其的掌握程度，描述了在对话或文本结束后不同学生对特定文本的实际掌握概率。

智能语音交互使用时，如图3所示，学生pad通过用户层(学生)场景对话的信息进行自然语言层进行语言信息处理，将处理后的语言信息分别传送至智能后台交互和分析反馈并进行信息的反馈处理，处理后的信息会反向反馈至学生，辅助学生进行学习。

教师pad使用时，如图4所示，执行教师通过教师pad向学生使用的学生pad发布活动，用户(科学教师)将课程按单元、课程和活动进行划分，每一个单元包含了4个课程内容(4课时)，每一个课程对应一节课时，包含每节课所要完成的活动，每一个活动对应一个学习模块，学生使用学生pad根据发布的活动进行处理，学生完成学习后，经后台接收数据并向教师pad反馈学生的学习情况。

使用时：用户(科学教师)根据教案依次通过web防火墙、vpc虚拟网络、负载均衡进入内网区域中的EC2实例群，将教学内容传达至EC2实力群中的执行教师的教师pad中，执行教教师通过教师pad将教学任务推送学生的学生pad中，进行进度的控制(按照教学任务流程和课堂进度去进行相关教学任务)，通过黑屏功能，对课堂进行有效监管，通过学情统计功能，执行教师及时了解全班学习进度和对知识的掌握情况，同时执行教师也可通过投影设备进行教学和视频监控设备进行拍摄记录，学生可通过使用学生pad对推送的教学任务进行学习，学生将任务完成后经后台接收数据并向教师pad反馈学生的学习情况，s3对象储存会对老师和学生的数据进行储存，RDS数据库实例会对数据进行备份，便于数据的恢复，数据分析服务器会调取备份的数据进行分析处理，日志备份记录会对老师和学生的使用信息进行记录和储存。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (4)

1.智师课堂互动学习平台，包括依次进行单向连接的用户、web防火墙、vpc虚拟网络、负载均衡和内网区域，其特征在于：所述内网区域包括EC2实例群、用于反馈EC2实例群委托指令的polly、用于对EC2实例群进行数据存储的s3对象储存、RDS数据库实例、基于c3的数据分析服务器和用于对EC2实例群进行使用信息记录的日志备份记录，所述EC2实例群包括教师终端和学生终端；

学生终端包括搭载有基于自然语言交互的新一代英语课堂学习软件、依托于人工智能机器学习算法、融合了优质教学资源与教学方法和智能语音交互的学生pad；

所述人工智能机器学习算法包括基于条件的语言模型和基于时间序列和文本境脉的动态聚类算法，所述基于条件的语言模型由下式计算：

式(1)中，L:目标函数，θ:词序列特征，t_i:词序列在文本中出现的顺序，H^θ：词序列出现的上下文，

词序列在现有概率分布下的密度概率函数，式(1)的算法原理：基于目前的语言模型，加入了基于时间序列条件的特征提取和预测，通过描述在上下文中特定序列出现的顺序及其与文本结构的关系，将词序列之间的时间关系引入了模型，准确的建构出词序列在语言中出现的机会概率和顺序概率，所述时间序列聚类算法由下式计算：

式(2)中，πⁱ _k(t)：学生i在t时间掌握词序列k的概率，λ_g：新词序列的出现速度，H_k(t):词序列k在t时间出现的概率，式(2)的算法原理：聚类分析的目的是根据对特定词序列的掌握程度将学生进行分类并进行内容的自适应推送，算法结合了词序列在上下文特定位置出现的概率和学生当前对其的掌握程度，描述了在对话或文本结束后不同学生对特定文本的实际掌握概率。

2.根据权利要求1所述的智师课堂互动学习平台，其特征在于：所述教师终端包括用于教师使用的教师pad、用于教学投影的投影设备和用于对学生和老师进行教学内容拍摄的视频监控设备。

3.根据权利要求1所述的智师课堂互动学习平台，其特征在于：所述教师pad包括任务推送***、学情统计功能和黑屏功能。

4.根据权利要求1所述的智师课堂互动学习平台，其特征在于：所述日志备份记录包括用于储存学生和教师登录信息的EC2和用于信息储存的储存文件。

Images