CN111832952B - 一种教育课件推送*** - Google Patents
一种教育课件推送*** Download PDFInfo
- Publication number
- CN111832952B CN111832952B CN202010694949.1A CN202010694949A CN111832952B CN 111832952 B CN111832952 B CN 111832952B CN 202010694949 A CN202010694949 A CN 202010694949A CN 111832952 B CN111832952 B CN 111832952B
- Authority
- CN
- China
- Prior art keywords
- courseware
- test
- concentration
- user
- learning
- 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
- 238000012360 testing method Methods 0.000 claims abstract description 165
- 238000004458 analytical method Methods 0.000 claims abstract description 51
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 238000004891 communication Methods 0.000 claims abstract description 7
- 239000013598 vector Substances 0.000 claims description 59
- 230000004424 eye movement Effects 0.000 claims description 37
- 238000000034 method Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000001174 ascending effect Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000003416 augmentation Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Images
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Technology (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明涉及大数据和在线教育领域,公开了一种教育课件推送***,其包括:网络课件云平台和用户终端,网络课件云平台分别与各个用户终端具有通信连接。网络课件云平台包括:课件预处理服务器、注意力分析服务器、课件推送服务器、课件内容服务器和数据库;课件预处理服务器用于将课件按照知识点分割为子课件,并且为每个子课件设置相应的集中度指数;注意力分析服务器用于对用户进行注意力测试以得到用户学习集中度;课件推送服务器用于根据用户学习集中度、子课件的集中度指数和用户学习记录进行分析以得到课件推送指令;课件内容服务器根据接收到的课件推送指令推送相应的子课件至用户终端。
Description
技术领域
本发明涉及大数据和在线教育领域,尤其涉及一种教育课件推送***。
背景技术
智慧教育即教育信息化,是指在教育领域(教育管理、教育教学和教育科研)全面深入地运用现代信息技术来促进教育改革与发展的过程。其技术特点是数字化、网络化、智能化和多媒体化,基本特征是开放、共享、交互、协作、泛在。以教育信息化促进教育现代化,用信息技术改变传统模式。
随着信息技术的高速发展,依靠互联网而进行的网络教育在世界范围内得到了前所未有的发展,在线教育的出现对高等教育的教学模式、教育质量、教学理念甚至是高等教育发展的方向都带来了巨大的影响。
在线教育相对于传统教育优势在于其满足了很多没有文凭的社会工作人士对文凭的诉求,并且在线教育不受空间的限制,降低空间上的时间成本,并且在线教育可以让人们接触到种类繁多的知识,让人们能学到更适合自己的东西。
发明内容
目前,在线教育一般采用用户自主选择学习内容的顺序,即,用户根据自己的兴趣和需要选择自己要学习的内容及顺序或者按照当前学习课程预设的学习顺序进行学习。但是,如果用户选择的内容或者预设的学习内容不适合当前注意力,则会出现学习效果不佳,不能掌握当前所学习的知识点的情况。
现有的在线教育的技术方案存在以下缺陷:1、由于在线教育完全是依靠用户进行自主学习,对用户的自控力要求比较高,因此会出现用户注意力不集中,而不能掌握比较难的知识点的情况,不能自主高效的完成学习任务。2、用户不能科学的根据当前的学习状态选择最适合当前学习的内容。
因此,在进行网络学习过程中,如何根据用户学习时候的注意力指标,适应性的调整学习内容,从而提升用户的学习效果,成为了亟待解决的技术问题。
针对现有技术之不足,本发明提供了一种教育课件推送***,其包括:网络课件云平台和至少两个用户终端,网络课件云平台分别与各个用户终端具有通信连接;
网络课件云平台包括:课件预处理服务器,注意力分析服务器、课件推送服务器、课件内容服务器和数据库,网络课件云平台中各服务器之间具有通信连接;
课件预处理服务器用于将课件按照知识点分割为子课件,并且为每个子课件设置相应的集中度指数,然后将其存储至课件内容服务器;
注意力分析服务器用于对眼动数据进行分析处理以得到第一测试集中度,并在第一测试集中度小于标准眼动指数时,对用户发送的测试回复数据进行处理以得到第二测试集中度,然后根据第一测试集中度和第二测试集中度计算用户学习集中度,并将用户学习集中度发送至课件推送服务器;
课件推送服务器用于根据用户学习集中度、子课件的集中度指数和用户学习记录进行分析以得到课件推送指令,并将课件推送指令发送至课件内容服务器;
课件内容服务器根据接收到的课件推送指令推送相应的子课件至用户终端;
用户终端获取用户的眼动数据,并将其发送至注意力分析服务器。
根据一个优选的实施方式,在第一测试集中度大于标准眼动指数时,表明用户注意力集中,不进行第二测试,用户继续学习第一子课件;所述第一子课件为在进行第二测试前用户正在学习的子课件。
根据一个优选实施方式,注意力分析服务器发送测试对话数据至用户终端;
用户根据接收到的测试对话数据发送相应的测试回复数据到注意力分析服务器;
注意力分析服务器获取测试回复数据和用户学习主题的历史测试回复数据;
注意力分析服务器根据测试回复数据和历史测试回复数据计算第二测试集中度。
根据一个优选实施方式,注意力分析服务器为每个历史测试回复数据创建历史集中度矢量,并提取每个历史测试回复数据的词向量,然后对所述词向量进行分析以得到词频向量;
注意力分析服务器计算词频向量与标准词频向量的相似度以得到每个历史集中度矢量的测试反馈值;
注意力分析服务器为测试回复数据创建即时集中度矢量,并通过测试间隔函数计算每个历史集中度矢量与即时集中度矢量的测试间隔;
注意力分析服务器将历史集中度矢量根据测试间隔进行升序排序,然后选取测试间隔最小的k个历史集中度矢量;
注意力分析服务器计算测试间隔最小的k个历史集中度矢量的测试反馈值的平均值以得到用户的第二测试集中度。
根据一个优选实施方式,在步骤S2.4中,用户学习集中度的计算公式为:
根据一个优选实施方式,课件推送服务器根据用户学习记录分析用户学习主题,并接收对应于用户学习主题的子课件列表;
课件推送服务器在子课件列表中选择集中度指数小于用户学习集中度的子课件以生成课件推送指令;
课件内容服务器响应于接收到的课件推送指令推送相应的子课件至用户终端。
根据一个优选的实施方式,在进行第二测试时,记录第一子课件的时间戳数据,并将其存储在用户数据库中;所述时间戳数据用于标记子课件的学习进度。
根据一个优选的实施方式,用户在完成第二子课件的学习后,根据所述时间戳数据继续学习第一子课件;所述第二子课件为课件推送服务器推荐学习的子课件。
根据一个优选的实施方式,所述用户终端包括笔记本电脑、平板电脑和带有摄像头的台式电脑。
根据一个优选的实施方式,所述集中度指数用于指示子课件的知识点学习难度和学习时长。
本发明具有以下有益效果:本发明能够有效的分析用户当前的注意力,从而判断用户当前的学习状态,并根据用户当前注意力和学习状态,为用户推荐当前最适合的学习内容,从而能使用户快速掌握当前所学习的知识点,高效的完成学习任务。此外,本发明在进行学习集中度计算时,考虑了注意力偏离的程度对学习集中度的影响而对其进行一定的增强,从而使得在用户注意力越偏离标准时,对计算学习集中度值的影响越大,结果越准确。
附图说明
图1示意性示出了本发明的教育课件推送***的结构示意图。
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了,下面结合具体实施方式并参照附图,对本发明进一步详细说明。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
如图1所示,本发明的教育课件推送***包括:网络课件云平台和多个用户终端,网络课件云平台分别与各个用户终端具有通信连接。
网络课件云平台包括:课件预处理服务器,注意力分析服务器、课件推送服务器、课件内容服务器和数据库,网络课件云平台中各服务器之间具有通信连接。
课件预处理服务器用于将课件按照知识点分割为子课件,并且为每个子课件设置相应的集中度指数,然后将其存储至课件内容服务器。
用户终端获取用户的眼动数据,并将其发送至注意力分析服务器。
注意力分析服务器用于对眼动数据进行分析处理以得到第一测试集中度,并在第一测试集中度小于标准眼动指数时,对用户发送的测试回复数据进行处理以得到第二测试集中度,然后根据第一测试集中度和第二测试集中度计算用户学习集中度,并将用户学习集中度发送至课件推送服务器。
课件推送服务器用于根据用户学习集中度、子课件的集中度指数和用户学习记录进行分析以得到课件推送指令,并将课件推送指令发送至课件内容服务器。
课件内容服务器根据接收到的课件推送指令推送相应的子课件至用户终端。
数据库包括子课件数据库、用户数据库和原始课件数据库。子课件数据库用于存储子课件和子课件对应的集中度指数。原始课件数据库用于存储没有进行分割前的原始课件。用户数据库用于存储用户登陆信息、身份信息和用户学习记录。
具体地,在一个实施例中,教育课件推送***执行的网络课件推送方法可以包括:
S1)课件预处理服务器将课件按照知识点分割为子课件,并且为每个子课件设置相应的集中度指数,然后将其存储至课件内容服务器。
具体地,课件内容服务器根据知识点数据集将课件按照知识点分为子课件。课件内容服务器包括内容识别模块、课件分割模块、原始课件数据库和子课件数据库,其中内容识别模块利用文本识别技术和图片识别技术,识别课件的知识点数据集,课件分割模块将课件按照知识点分割为子课件,并记录每个子课件的时间戳数据。
优选地,子课件的集中度指数为用户适合学习该子课件的最低的用户学习集中度。
优选地,后台管理人员为每个子课件建立集中度指数,子课件的集中度指数与该课件的学习难度以及学习时长有关。
优选地,将子课件以及子课件的标签信息存储在课件内容服务器的子课件数据库中。子课件标签信息包括子课件的集中度指数、学习主题、知识点数据集、学习时长、学习难度。
S2)注意力分析服务器对用户进行注意力测试以得到用户学习集中度,该步骤包括:
S2.1)用户终端获取用户的眼动数据,并将其发送至注意力分析服务器。
具体地,所述用户终端包括具有通信功能和摄像头的智能设备,其包括笔记本电脑、平板电脑和带有摄像头的台式一体机。
用户终端周期性的采集用户的眼动数据发送至分析服务器。
优选地,用户终端通过摄像头获取用户当前眼动数据,眼动数据完整的记录了用户的注视轨迹。
S2.2)注意力分析服务器对眼动数据进行分析处理以得到第一测试集中度,并将第一测试集中度与标准眼动指数进行比较以判断是否进行第二测试。
具体地,注意力分析服务器对眼动数据进行特征提取,获取眼动特征参数,眼动特征参数包括:注视屏幕的总次数,每次注视屏幕的停留时间、注视点的顺序轨迹以及平均注视屏幕的停留时间。对眼动特征参数进行分析处理后得到第一测试集中度。
优选地,注意力分析服务器周期性的接收用户终端采集的眼动数据,并将眼动数据处理后得到的第一测试集中度与标准眼动指数进行比较。当第一测试集中度小于标准眼动指数时,表明用户的注意力低于标准值,用户需要进行第二测试。当第一测试集中度大于或等于标准眼动指数时,表明用户的注意力集中,用户不必进行第二测试,用户可以继续进行当前子课件的学习。
S2.3)在第一测试集中度小于标准眼动指数时进行第二测试,注意力分析服务器发送测试对话数据至用户终端,接收用户发送的测试回复数据并对其处理以得到第二测试集中度。
具体地,第二测试为注意力分析服务器发送测试对话数据到用户终端,用户根据测试对话数据中的对话信息进行回复生成用户的测试回复数据,用户终端将测试回复数据发送至注意力分析服务器。测试回复数据可以是与用户当时学习的子课件的内容相关的问题或者常识问题。
具体地,步骤S2.3包括:
注意力分析服务器发送测试对话数据至用户终端,用户根据接收到的测试对话数据发送相应的测试回复数据到注意力分析服务器。
注意力分析服务器获取测试回复数据和用户学习主题的历史测试回复数据,并根据测试回复数据和历史测试回复数据计算第二测试集中度。
具体地,注意力分析服务器根据测试回复数据和历史测试回复数据计算第二测试集中度包括:
注意力分析服务器为每个历史测试回复数据创建历史集中度矢量,并提取每个历史测试回复数据的词向量,然后对所述词向量进行词频统计以得到词频向量。
注意力分析服务器计算词频向量与标准词频向量的相似度以得到每个历史集中度矢量的测试反馈值,将历史集中度矢量和对应的测试反馈值存储在数据库。
具体地,词频向量与标准词频向量相似度的计算公式为:
其中A为测试回复数据的词频向量,B为标准词频向量,α为相似度。
注意力分析服务器根据测试回复数据创建即时集中度矢量,并通过测试间隔函数计算每个历史集中度矢量与即时集中度矢量的测试间隔。
具体地,测试间隔函数为:
d=||M-N||2
其中,集中度矢量空间是s维实数向量空间Rs,M为即时集中度矢量,N为历史集中度矢量。
注意力分析服务器将历史集中度矢量根据测试间隔进行升序排序,然后选取测试间隔最小的k个历史集中度矢量。
注意力分析服务器计算测试间隔最小的k个历史集中度矢量的测试反馈值的平均值以得到用户的第二测试集中度。
优选地,注意力分析服务器对测试间隔最小的k个历史集中度矢量的测试反馈值求平均,获得当前用户测试回复数据的第二测试集中度,并将当前测试回复数据的即时集中度矢量和对应的第二测试集中度存储到数据库。
当k选不同值时会产生不同的结果,k值过小会降低预测精度;若k值过大,则可能会增加噪声,降低预测准确度。因此,k一般低于历史集中度矢量数的平方根。
优选地,为每个测试对话数据预设一个标准答案,在词向量空间中提取标准答案中的词频向量得到每个对话信息的标准词频向量。
优选地,只有在集中度矢量空间为指定的即时集中度矢量分配测试反馈值之后,才能通过对最近的几个历史集中度矢量的测试反馈值求平均来计算新的集中度矢量的第二测试集中度。
在另一个实施例中,注意力分析服务器将历史测试回复数据发送给管理员,管理员基于对测试回复数据的分析为每个历史测试回复数据对应的历史集中度矢量分配测试反馈数据值。
S2.4)注意力分析服务器根据第一测试集中度和第二测试集中度进行分析以得到用户学习集中度,并将其发送至课件推送服务器。
具体地,步骤S2.4中,用户学习集中度的计算公式为:
第一测试注意力偏离指数用于测量在第一测试中用户当前注意力偏离标准的程度;第二测试注意力偏离指数用于测量在第二测试中用户当前注意力偏离平均水平的程度;
第一增强指数α用于控制其第一测试的注意力偏离的增强程度,第二增强指数β用于控制第二测试的注意力偏离的增强程度。在学习集中度计算中考虑到了注意力偏离的程度对学习集中度的影响,对其进行一定的增强,从而使得在用户注意力越偏离标准时,对计算学习集中度值的影响越大,结果越准确。
在学***均值时,标记为正值,即,在第二测试中,用户注意力处于集中状态,当第二测试集中度小于第二测试集中度平均值时,标记为负值,即,在第二测试中,用户注意力处于分散状态;
优选地,预设一个休息阈值,当用户学习集中度低于预设休息阈值时,此用户停止学习,进行休息。
优选地,预设一个学习阈值,当用户的学习集中度高于预设学习阈值时,不切换子课件,继续学习当前子课件。
S3)课件推送服务器根据学习集中度、子课件的集中度指数以及用户学习记录分析得出课件推送指令,课件内容服务器根据课件推送指令发送相应的子课件至用户终端。
在一个实施例中,步骤S3包括:
S3.1、课件推送服务器根据用户学习记录分析用户学习主题,并接收对应于用户学习主题的子课件列表;
S3.2、课件推送服务器在子课件列表中选择集中度指数小于用户学习集中度的子课件以生成课件推送指令。
可选地,子课件的集中度指数为学习该子课件需要的最低用户学习集中度,在子课件的集中度指数小于用户学习集中度表示用户适合学习对应的子课件。
S3.3、课件内容服务器响应于接收到的课件推送指令推送相应的子课件至用户终端。
在该实施例中,用户在进行第二测试时,记录当前学习的子课件的时间戳数据,并将其存储在用户数据库中;用户在完成第二子课件的学习后,基于时间戳数据,从子课件中断学习的地方继续完成第一子课件的学习。
第一子课件为用户在执行第二测试前学习的子课件,即用户当前正在学习的子课件,第二子课件为课件推送服务器推荐学习的子课件。
优选地,时间戳数据用于标记子课件的学习进度;用户数据库用于存储用户登陆信息、身份信息、用户学习记录。
S4)课件内容服务器响应于接收到的课件推送指令推送相应的子课件至用户终端。
本发明有效的分析用户当前的注意力,从而判断用户当前的学习状态,并根据用户当前注意力和学习状态,为用户推荐当前最适合的学习内容,从而能使用户快速掌握当前所学习的知识点,高效的完成学习任务。此外,本发明在进行学习集中度计算时,考虑了注意力偏离的程度对学习集中度的影响而对其进行一定的增强,从而使得在用户注意力越偏离标准时,对计算学习集中度值的影响越大,结果越准确。
在另一个实施例中,步骤S3包括:
S3.1、课件推送服务器基于用户学习记录分析用户学习主题,接收对应于用户学习主题的子课件列表;
S3.2、课件推送服务器基于用户学习集中度和子课件的集中度指数,筛选出适合用户当前注意力学习的子课件列表,将子课件列表发送至用户终端显示界面,用户根据自身情况对接下来进行学习的子课件进行选择;
S3.3、用户终端将用户选择数据发送至课件推送服务器,课件推送服务器根据用户选择数据生成课件推送指令;
S3.4、课件内容服务器响应于课件推送指令发送相应的子课件至用户终端。
在该实施例中,用户在进行第二测试时,记录当前学习子课件的时间戳数据,课件内容服务器基于时间戳数据确定完成第一子课件的学习所需时间,课件内容服务器基于该时间延迟响应课件推送指令,在完成第一子课件的学习后,课件内容服务器响应于课件推送指令发送相应的子课件至用户终端。第一子课件为在进行第二测试前用户正在学习的子课件。
以上所述,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 (8)
1.一种教育课件推送***,其特征在于,其包括:网络课件云平台和至少两个用户终端,网络课件云平台分别与各个用户终端具有通信连接;
网络课件云平台包括:课件预处理服务器,注意力分析服务器、课件推送服务器、课件内容服务器和数据库;
课件预处理服务器将课件按照知识点分割为子课件,并且为每个子课件设置相应的集中度指数,然后将其存储至课件内容服务器;
用户终端获取用户的眼动数据,并将其发送至注意力分析服务器;
注意力分析服务器对眼动数据进行分析处理以得到第一测试集中度,在第一测试集中度小于标准眼动指数时,对用户发送的测试回复数据进行处理以得到第二测试集中度,然后根据第一测试集中度和第二测试集中度计算用户学习集中度,并将用户学习集中度发送至课件推送服务器;
注意力分析服务器为每个历史测试回复数据创建历史集中度矢量,并提取每个历史测试回复数据的词向量,然后对所述词向量进行分析以得到词频向量;
注意力分析服务器计算词频向量与标准词频向量的相似度以得到每个历史集中度矢量的测试反馈值;
注意力分析服务器为测试回复数据创建即时集中度矢量,并通过测试间隔函数计算每个历史集中度矢量与即时集中度矢量的测试间隔;
注意力分析服务器将历史集中度矢量根据测试间隔进行升序排序,然后选取测试间隔最小的k个历史集中度矢量;
注意力分析服务器计算测试间隔最小的k个历史集中度矢量的测试反馈值的平均值以得到用户的第二测试集中度;
课件推送服务器根据用户学习集中度、子课件的集中度指数和用户学习记录进行分析以得到课件推送指令,并将课件推送指令发送至课件内容服务器;
课件内容服务器根据接收到的课件推送指令推送相应的子课件至用户终端。
2.根据权利要求1所述的***,其特征在于,所述用户终端包括笔记本电脑、平板电脑和带有摄像头的台式电脑。
3.根据权利要求2所述的***,其特征在于,在第一测试集中度大于标准眼动指数时,不进行第二测试,用户继续学习第一子课件;所述第一子课件为在进行第二测试前用户正在学习的子课件。
4.根据权利要求3所述的***,其特征在于,注意力分析服务器发送测试对话数据至用户终端;
用户根据接收到的测试对话数据发送相应的测试回复数据到注意力分析服务器;
注意力分析服务器获取测试回复数据和用户学习主题的历史测试回复数据;
注意力分析服务器根据测试回复数据和历史测试回复数据计算第二测试集中度。
6.根据权利要求5所述的***,其特征在于,课件推送服务器根据用户学习记录分析用户学习主题,并接收对应于用户学习主题的子课件列表;
课件推送服务器在子课件列表中选择集中度指数小于用户学习集中度的子课件以生成课件推送指令;
课件内容服务器响应于接收到的课件推送指令推送相应的子课件至用户终端。
7.根据权利要求6所述的***,其特征在于,在进行第二测试时,记录第一子课件的时间戳数据,并将其存储在用户数据库中;所述时间戳数据用于标记子课件的学习进度。
8.根据权利要求7所述的***,其特征在于,用户在完成第二子课件的学习后,根据所述时间戳数据继续学习第一子课件;所述第二子课件为课件推送服务器推荐学习的子课件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010694949.1A CN111832952B (zh) | 2020-07-18 | 2020-07-18 | 一种教育课件推送*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010694949.1A CN111832952B (zh) | 2020-07-18 | 2020-07-18 | 一种教育课件推送*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111832952A CN111832952A (zh) | 2020-10-27 |
CN111832952B true CN111832952B (zh) | 2021-03-30 |
Family
ID=72923783
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010694949.1A Active CN111832952B (zh) | 2020-07-18 | 2020-07-18 | 一种教育课件推送*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111832952B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112307346B (zh) * | 2020-11-09 | 2021-06-11 | 深圳市思达优悦企业管理顾问有限公司 | 基于大数据的课件管理*** |
CN112347354B (zh) * | 2020-11-09 | 2023-05-09 | 上海康裕企业管理咨询有限公司 | 用于智慧教育的课件管理方法 |
CN113792248B (zh) * | 2021-11-16 | 2022-02-22 | 深圳华埔之星科技有限公司 | 基于互联网和移动终端的在线教育课程共享分配*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106601054A (zh) * | 2016-12-20 | 2017-04-26 | 成都远策数码科技有限公司 | 一种网络教育平台中教学资料的推送***与方法 |
CN108281052A (zh) * | 2018-02-09 | 2018-07-13 | 郑州市第十中学 | 一种在线教学***及在线教学方法 |
WO2019064298A1 (en) * | 2017-09-27 | 2019-04-04 | Gvili Sarit | EDUCATIONAL DEVICE |
CN109977903A (zh) * | 2019-04-03 | 2019-07-05 | 珠海读书郎网络教育有限公司 | 一种智慧课堂学生管理的方法、装置及计算机存储介质 |
CN110136464A (zh) * | 2019-04-18 | 2019-08-16 | 深圳市宏电技术股份有限公司 | 一种辅助驾驶的方法、装置及设备 |
CN110378812A (zh) * | 2019-05-20 | 2019-10-25 | 北京师范大学 | 一种自适应在线教育***及方法 |
-
2020
- 2020-07-18 CN CN202010694949.1A patent/CN111832952B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106601054A (zh) * | 2016-12-20 | 2017-04-26 | 成都远策数码科技有限公司 | 一种网络教育平台中教学资料的推送***与方法 |
WO2019064298A1 (en) * | 2017-09-27 | 2019-04-04 | Gvili Sarit | EDUCATIONAL DEVICE |
CN108281052A (zh) * | 2018-02-09 | 2018-07-13 | 郑州市第十中学 | 一种在线教学***及在线教学方法 |
CN109977903A (zh) * | 2019-04-03 | 2019-07-05 | 珠海读书郎网络教育有限公司 | 一种智慧课堂学生管理的方法、装置及计算机存储介质 |
CN110136464A (zh) * | 2019-04-18 | 2019-08-16 | 深圳市宏电技术股份有限公司 | 一种辅助驾驶的方法、装置及设备 |
CN110378812A (zh) * | 2019-05-20 | 2019-10-25 | 北京师范大学 | 一种自适应在线教育***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111832952A (zh) | 2020-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111832952B (zh) | 一种教育课件推送*** | |
CN109522815B (zh) | 一种专注度评估方法、装置及电子设备 | |
CN110070391B (zh) | 数据处理方法、装置、计算机可读介质及电子设备 | |
US9916605B2 (en) | Collaboration group recommendations derived from request-action correlations | |
US11450095B2 (en) | Machine learning for video analysis and feedback | |
CN109800663A (zh) | 基于语音和视频特征的教师教学评估方法及设备 | |
CN108898115B (zh) | 数据处理方法、存储介质和电子设备 | |
CN110659311B (zh) | 题目推送方法、装置、电子设备及存储介质 | |
CN115205764B (zh) | 基于机器视觉的在线学习专注度监测方法、***及介质 | |
CN108877771B (zh) | 数据处理方法、存储介质和电子设备 | |
CN113257060A (zh) | 一种答疑解决方法、装置、设备和存储介质 | |
CN111831886B (zh) | 基于大数据的网络课件推送方法 | |
KR102327011B1 (ko) | 상담 품질 향상 방법 및 장치 | |
CN112861809A (zh) | 基于多目标视频分析的课堂抬头检测***及其工作方法 | |
CN111415283A (zh) | 一种有效在线教学的因素分析方法和装置 | |
CN115545638A (zh) | 一种知识动态掌握程度确定方法、试题推荐方法及装置 | |
CN115187437A (zh) | 一种基于大数据的高校教学质量的评价方法及*** | |
CN112446360A (zh) | 目标行为检测方法、装置及电子设备 | |
CN110807179A (zh) | 一种用户识别方法、装置、服务器及存储介质 | |
US11900327B2 (en) | Evaluation adjustment factoring for bias | |
CN111222684A (zh) | 一种基于大数据环境下的成绩预测*** | |
Ogata et al. | Using a drift diffusion model to validate the quantification of style prototypicality as assessed by the viewers of paintings | |
Liu et al. | Design and Experimentation of Face Recognition Technology Applied to Online Live Class. | |
Komaravalli et al. | Detecting Academic Affective States of Learners in Online Learning Environments Using Deep Transfer Learning | |
CN112528158B (zh) | 课程推荐方法、装置、设备及存储介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210309 Address after: 210002 block a, 29 / F, building B, 85 Changfu street, Qinhuai District, Nanjing City, Jiangsu Province Applicant after: Nanjing Yangzi Social Economic Consulting Co.,Ltd. Applicant after: Liu Xiangyang Address before: 628000 Xuefeng Qiao Road 338, Lizhou District, Guangyuan, Sichuan Applicant before: GUANGYUAN LIANGZHIHUI TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |