CN111985582B - 基于学习行为的知识点掌握程度评测方法 - Google Patents
基于学习行为的知识点掌握程度评测方法 Download PDFInfo
- Publication number
- CN111985582B CN111985582B CN202011035398.4A CN202011035398A CN111985582B CN 111985582 B CN111985582 B CN 111985582B CN 202011035398 A CN202011035398 A CN 202011035398A CN 111985582 B CN111985582 B CN 111985582B
- Authority
- CN
- China
- Prior art keywords
- learning
- target object
- value
- limb
- learning behavior
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于学习行为的知识点掌握程度评测方法,包括:采集目标对象对应的学习行为样本数据,并对采集的所述学习行为样本数据进行数据处理,得到所述目标对象对应的学习行为的肢体动作变化率;提取所述目标对象对应的学习环境信息,并根据提取出的所述学习环境信息,获取学习环境中参与学习行为的互动物体的空间向量变化率;将得到的所述肢体动作变化率和空间向量变化率与预设的标准学习行为数据进行比对,根据对比结果,执行所述目标对象对应的学习行为的知识点掌握程度的评测操作;达到了通过对目标对象学习行为的分析实现对其知识点掌握程度进行评测的目的,提高了对目标对象知识点掌握程度评测的客观性、准确性和便捷性。
Description
技术领域
本发明涉及计算机技术领域,特别涉及一种基于学习行为的知识点掌握程度评测方法。
背景技术
随着计算机技术的不断发展进步和互联网的普及,在线教育***因其时间上的灵活性和空间上的便捷性,成为越来越多用户选择的主要学习方式之一。
目前的在线教育***中,通常是根据学生学***的衡量维度,主要是学生的知识点能力值上,通过对学生学***。这种处理方式中,将学生是否做对测试题目,作为该学生能力值的衡量标准;比如,学生做对题目,能力值提高;做错题目,能力值降低。这种处理方式过于依赖学生的做题情况,且评测的学生能力值与做题情况契合程度太高,导致在某些情景下,对于学生能力的反应过于灵敏,完全没有考虑实际情况中的学生实际表现,不具有包容性,评测结果也不够准确和客观。
发明内容
本发明提供一种基于学习行为的知识点掌握程度评测方法,旨在利用目标对象的学习行为进行目标对象知识点掌握程度的评测。
本发明提供了一种基于学习行为的知识点掌握程度评测方法,包括:
采集目标对象对应的学习行为样本数据,并对采集的所述学习行为样本数据进行数据处理,得到所述目标对象对应的学习行为的肢体动作变化率;
提取所述目标对象对应的学习环境信息,并根据提取出的所述学习环境信息,获取学习环境中参与学习行为的互动物体的空间向量变化率;
将得到的所述肢体动作变化率和空间向量变化率与预设的标准学习行为数据进行比对,根据对比结果,执行所述目标对象对应的学习行为的知识点掌握程度的评测操作。
进一步地,所述采集目标对象对应的学习行为样本数据,并对采集的所述学习行为样本数据进行数据处理,得到所述目标对象对应的学习行为的肢体动作变化率,包括:
根据能唯一确定所述目标对象的特征信息,采集所述目标对象对应的学习行为样本数据;
将所述学习行为样本数据按照学习行为类型进行初始分类,并从所述学习行为样本数据中,提取所述目标对象对应的学习行为的特征参数,计算所述目标对象对应的学习行为的肢体动作变化率。
进一步地,所述从所述学习行为样本数据中,提取所述目标对象对应的学习行为的特征参数,计算所述目标对象对应的学习行为的肢体动作变化率,包括:
从所述学***线夹角的余弦值、在单位时间前后所述目标对象各肢体基于水平线的空间向量值以及所述目标对象的各肢体动作分别对应的时间标签;
根据提取出的所述特征参数,计算得到所述目标对象对应的学习行为的肢体动作变化率。
进一步地,所述根据提取出的所述特征参数,计算得到所述目标对象对应的学习行为的肢体动作变化率,包括:
根据提取出的所述特征参数,计算所述目标对象各肢体与水平面角度单位变化率,则有:
其中,arctan为反正切函数,π为圆周率,n为所述目标对象待识别肢体初始编号值,其取值为[1,10];u为所述目标对象各肢体与水平线夹角的余弦值,其取值为[-1,1];
计算所述目标对象各肢体的最终行为与肢体初始行为对应的空间位移值,则有:
根据计算得到的所述目标对象各肢体与水平面角度单位变化率,以及计算得到的所述空间位移值,利用公式(1)计算得到所述目标对象对应的学习行为的肢体动作变化率,则有:
进一步地,所述提取所述目标对象对应的学习环境信息,并根据提取出的所述学习环境信息,获取学习环境中参与学习行为的互动物体的空间向量变化率,包括:
提取所述目标对象对应的学习环境信息,并基于所述学习环境信息,记录学习环境中参与目标对象学习行为的互动物体所对应的状态信息;
根据所述学习环境信息和记录的所述状态信息,计算得到所述学习环境中参与目标对象学习行为的互动物体的空间向量变化率;
其中,所述学习环境信息包括:学习环境中参与学习行为的互动物体;所述参与学习行为的互动物体所对应的状态信息包括:所述互动物体对应的物体编号、所述互动物体完成学习行为所需的时间、所述互动物体在某时刻以学习环境左上角为基准点在不同方向上分别对应的位移值、所述互动物体在零时刻对应的学习环境中的初始位移值。
进一步地,所述根据所述学习环境信息和记录的所述状态信息,计算得到所述学习环境中参与目标对象学习行为的互动物体的空间向量变化率,包括:
根据所述学习环境信息和记录的所述状态信息,计算所述互动物体的空间位移向量值;
根据提取出的所述特征参数,计算所述互动物体关联同一时刻所述目标对象各肢体的运动角度变化值;
利用计算得到的所述互动物体的空间位移向量值和所述目标对象各肢体的运动角度变化值,计算并获取所述学习环境中参与目标对象学习行为的互动物体的空间向量变化率。
进一步地,所述根据所述学习环境信息和记录的所述状态信息,计算所述互动物体的空间位移向量值,包括:
利用所述学习环境信息和记录的所述状态信息,计算所述互动物体的空间位移向量值,则有:
其中,exp是以e为底的指数函数,s为学习环境中所述互动物体的编号,其取值范围为[0,T],T为互动物体最大的编号;t为完成学习行为所需的时间,单位为秒;ts为学习环境中编号为s的互动物体协助完成所述目标对象的学习行为所需的时间,a为所述互动物体在配合完成学习行为时以学习环境左上角为基准点、方向朝右的横向位移值,b为所述互动物体在配合完成学习行为时以学习环境左上角为基准点、方向朝后的纵向位移值,c为所述互动物体在配合完成学习行为时以学习环境左上角为基准点、方向朝上的垂直位移值,as为学习环境中编号为s的互动物体在某时刻的以学习环境左上角为基准点、方向朝右的横向位移值,bs为学习环境中编号为s的互动物体在某时刻的以学习环境左上角为基准点、方向朝后的纵向位移值,cs为学习环境中编号为s的互动物体在某时刻的以学习环境左上角为基准点、方向朝上的垂直向位移值,s1、s2、s3为零时刻学习环境中所述互动物体的初始横、纵、垂直位移值。
进一步地,所述根据提取出的所述特征参数,计算所述互动物体关联同一时刻所述目标对象各肢体的运动角度变化值,包括:
根据提取出的所述特征参数中所述目标对象对应各肢体的初始编号值、所述目标对象各肢体与水平线夹角的余弦值以及参与学习行为的互动物体协作完成所述目标对象的学习行为所需的时间,计算所述互动物体关联同一时刻所述目标对象各肢体的运动角度变化值,则有:
其中,arctan为反正切函数,n为所述目标对象待识别肢体的初始编号值,其取值为[1,10];u为所述目标对象各肢体与水平线夹角的余弦值,其取值为[-1,1];ts为学习环境中编号为s的互动物体协助完成所述目标对象的学习行为所需的时间。
进一步地,所述利用计算得到的所述互动物体的空间位移向量值和所述目标对象各肢体的运动角度变化值,计算并获取所述学习环境中参与目标对象学习行为的互动物体的空间向量变化率,包括:
根据计算得到的所述运动角度变化值和所述空间向量变化率,计算所述互动物体的空间向量变化率,则有:
其中,Tra(as,bs,cs)为获取的所述学习环境中参与目标对象学习行为的互动物体的空间向量变化率。
进一步地,所述将得到的所述肢体动作变化率和空间向量变化率与预设的标准学习行为数据进行比对,根据对比结果,执行所述目标对象对应的学习行为的知识点掌握程度的评测操作,包括步骤A1-A2:
步骤A1、将得到的所述肢体动作变化率和空间向量变化率与预设的标准学习行为数据进行比对,计算所述目标对象对应的知识点掌握程度评测值Comp(Nd|Ls),则有:
其中,δ为所述标准学***面角度的余弦值,ε为所述学***面角度的余弦值,t为完成学***面角度的余弦值为δ时所对应完成学***面角度的余弦值为ε时完成学习行为所需的时间,d为相关肢体的标准动作变化率,n为所述目标对象待识别肢体初始编号值,其取值为[1,10],Nd为相关肢体的标准动作变化率为d时所对应的所述目标对象待识别的肢体初始编号值,s为学习环境中参与学习行为的互动物体所对应的编号,其数量取决于学习环境的面积;L为各时刻所述学习环境中物体的标准位移值,Ls为编号为s的所述互动物体对应的各时刻在所述学习环境中的物体标准位移值;
步骤A2、根据所述知识点掌握程度评测值Comp(Nd|Ls),判断所述目标对象对应的学习行为的知识点掌握程度;
其中,当所述知识点掌握程度评测值Comp(Nd|Ls)的取值不为0时,表示所述目标对象对应的学习行为的知识点已被所述目标对象掌握;
当所述知识点掌握程度评测值Comp(Nd|Ls)的取值为0时,表示所述目标对象对应的学习行为的知识点未被所述目标对象掌握。
本发明基于学习行为的知识点掌握程度评测方法,通过采集目标对象对应的学习行为样本数据,并对采集的所述学习行为样本数据进行数据处理,得到所述目标对象对应的学习行为的肢体动作变化率;提取所述目标对象对应的学习环境信息,并根据提取出的所述学习环境信息,获取学习环境中参与学习行为的互动物体的空间向量变化率;将得到的所述肢体动作变化率和空间向量变化率与预设的标准学习行为数据进行比对,根据对比结果,执行所述目标对象对应的学习行为的知识点掌握程度的评测操作;本发明通过对目标对象的学习行为进行分析,达到对目标对象知识点掌握程度进行评测的目的,提高了对目标对象知识点掌握程度评测的客观性和准确性,同时也提高了评测的便捷性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所指出的内容来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明基于学习行为的知识点掌握程度评测方法的一种实施方式的流程示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明提供了一种基于学习行为的知识点掌握程度评测方法,通过对目标对象的学习行为进行分析,达到对目标对象知识点掌握程度进行评测的目的。
如图1所示,图1是本发明一种基于学习行为的知识点掌握程度评测方法的一种实施方式的流程示意图;本发明一种基于学习行为的知识点掌握程度评测方法可以实施为如下描述的步骤S10-S30:
步骤S10、采集目标对象对应的学习行为样本数据,并对采集的所述学习行为样本数据进行数据处理,得到所述目标对象对应的学习行为的肢体动作变化率。
本发明实施例中,在对目标对象的学习行为样本数据进行采集时,可以利用可唯一确定该目标对象的特征信息进行数据采集。
步骤S20、提取所述目标对象对应的学习环境信息,并根据提取出的所述学习环境信息,获取学习环境中参与学习行为的互动物体的空间向量变化率。
步骤S30、将得到的所述肢体动作变化率和空间向量变化率与预设的标准学习行为数据进行比对,根据对比结果,执行所述目标对象对应的学习行为的知识点掌握程度的评测操作。
在一个实施例中,图1所述实施例的“步骤S10、采集目标对象对应的学习行为样本数据,并对采集的所述学习行为样本数据进行数据处理,得到所述目标对象对应的学习行为的肢体动作变化率”,可以按照如下描述的技术手段实施:
根据能唯一确定所述目标对象的特征信息,采集所述目标对象对应的学习行为样本数据;将所述学习行为样本数据按照学习行为类型进行初始分类,并从所述学习行为样本数据中,提取所述目标对象对应的学习行为的特征参数,计算所述目标对象对应的学习行为的肢体动作变化率。
在一个实施例中,所述“从所述学习行为样本数据中,提取所述目标对象对应的学习行为的特征参数,计算所述目标对象对应的学习行为的肢体动作变化率”,可以按照如下描述的技术手段实施:
从所述学***线夹角的余弦值、在单位时间前后所述目标对象各肢体基于水平线的空间向量值以及所述目标对象的各肢体动作分别对应的时间标签;根据提取出的所述特征参数,计算得到所述目标对象对应的学习行为的肢体动作变化率。
在一个实施例中,所述根据提取出的所述特征参数,计算得到所述目标对象对应的学习行为的肢体动作变化率,可以按照如下描述的技术手段实施:
根据提取出的所述特征参数,计算所述目标对象各肢体与水平面角度单位变化率,则有:
其中,arctan为反正切函数,π为圆周率,n为所述目标对象待识别肢体初始编号值,其取值为[1,10];u为所述目标对象各肢体与水平线夹角的余弦值,其取值为[-1,1];
计算所述目标对象各肢体的最终行为与肢体初始行为对应的空间位移值,则有:
根据计算得到的所述目标对象各肢体与水平面角度单位变化率,以及计算得到的所述空间位移值,利用公式(1)计算得到所述目标对象对应的学习行为的肢体动作变化率,则有:
在一个实施例中,图1所述实施例中的“步骤S20、提取所述目标对象对应的学习环境信息,并根据提取出的所述学习环境信息,获取学习环境中参与学习行为的互动物体的空间向量变化率”,可以按照如下描述的技术手段实施:
提取所述目标对象对应的学习环境信息,并基于所述学习环境信息,记录学习环境中参与目标对象学习行为的互动物体所对应的状态信息;
根据所述学习环境信息和记录的所述状态信息,计算得到所述学习环境中参与目标对象学习行为的互动物体的空间向量变化率;
其中,所述学习环境信息包括:学习环境中参与学习行为的互动物体;所述参与学习行为的互动物体所对应的状态信息包括:所述互动物体对应的物体编号、所述互动物体完成学习行为所需的时间、所述互动物体在某时刻以学习环境左上角为基准点在不同方向上分别对应的位移值、所述互动物体在零时刻对应的学习环境中的初始位移值。
在一个实施例中,所述根据所述学习环境信息和记录的所述状态信息,计算得到所述学习环境中参与目标对象学习行为的互动物体的空间向量变化率,可以按照如下描述的技术手段实施:
根据所述学习环境信息和记录的所述状态信息,计算所述互动物体的空间位移向量值;
根据提取出的所述特征参数,计算所述互动物体关联同一时刻所述目标对象各肢体的运动角度变化值;
利用计算得到的所述互动物体的空间位移向量值和所述目标对象各肢体的运动角度变化值,计算并获取所述学习环境中参与目标对象学习行为的互动物体的空间向量变化率。
在一个实施例中,所述根据所述学习环境信息和记录的所述状态信息,计算所述互动物体的空间位移向量值,可以按照如下描述的技术手段实施:
利用所述学习环境信息和记录的所述状态信息,计算所述互动物体的空间位移向量值,则有:
其中,exp是以e为底的指数函数,s为学习环境中所述互动物体的编号,其取值范围为[0,T],T为互动物体最大的编号;t为完成学习行为所需的时间,单位为秒;ts为学习环境中编号为s的互动物体协助完成所述目标对象的学习行为所需的时间,a为所述互动物体在配合完成学习行为时以学习环境左上角为基准点、方向朝右的横向位移值,b为所述互动物体在配合完成学习行为时以学习环境左上角为基准点、方向朝后的纵向位移值,c为所述互动物体在配合完成学习行为时以学习环境左上角为基准点、方向朝上的垂直位移值,as为学习环境中编号为s的互动物体在某时刻的以学习环境左上角为基准点、方向朝右的横向位移值,bs为学习环境中编号为s的互动物体在某时刻的以学习环境左上角为基准点、方向朝后的纵向位移值,cs为学习环境中编号为s的互动物体在某时刻的以学习环境左上角为基准点、方向朝上的垂直向位移值,s1、s2、s3为零时刻学习环境中所述互动物体的初始横、纵、垂直位移值。
在一个实施例中,所述根据提取出的所述特征参数,计算所述互动物体关联同一时刻所述目标对象各肢体的运动角度变化值,可以按照如下描述的技术手段实施:
根据提取出的所述特征参数中所述目标对象对应各肢体的初始编号值、所述目标对象各肢体与水平线夹角的余弦值以及参与学习行为的互动物体协作完成所述目标对象的学习行为所需的时间,计算所述互动物体关联同一时刻所述目标对象各肢体的运动角度变化值,则有:
其中,arctan为反正切函数,n为所述目标对象待识别肢体的初始编号值,其取值为[1,10];u为所述目标对象各肢体与水平线夹角的余弦值,其取值为[-1,1];ts为学习环境中编号为s的互动物体协助完成所述目标对象的学习行为所需的时间。
在一个实施例中,所述利用计算得到的所述互动物体的空间位移向量值和所述目标对象各肢体的运动角度变化值,计算并获取所述学习环境中参与目标对象学习行为的互动物体的空间向量变化率,可以按照如下描述的技术手段实施:
根据计算得到的所述运动角度变化值和所述空间向量变化率,计算所述互动物体的空间向量变化率,则有:
其中,Tra(as,bs,cs)为获取的所述学习环境中参与目标对象学习行为的互动物体的空间向量变化率。
在一个实施例中,图1所述实施例中的“步骤S30、将得到的所述肢体动作变化率和空间向量变化率与预设的标准学习行为数据进行比对,根据对比结果,执行所述目标对象对应的学习行为的知识点掌握程度的评测操作”,可以实施为如下描述的步骤A1-A2:
步骤A1、将得到的所述肢体动作变化率和空间向量变化率与预设的标准学习行为数据进行比对,计算所述目标对象对应的知识点掌握程度评测值Comp(Nd|Ls),则有:
其中,δ为所述标准学***面角度的余弦值,ε为所述学***面角度的余弦值,t为完成学***面角度的余弦值为δ时所对应完成学***面角度的余弦值为ε时完成学习行为所需的时间,d为相关肢体的标准动作变化率,n为所述目标对象待识别肢体初始编号值,其取值为[1,10],Nd为相关肢体的标准动作变化率为d时所对应的所述目标对象待识别的肢体初始编号值,s为学习环境中参与学习行为的互动物体所对应的编号,其数量取决于学习环境的面积;L为各时刻所述学习环境中物体的标准位移值,Ls为编号为s的所述互动物体对应的各时刻在所述学习环境中的物体标准位移值;
步骤A2、根据所述知识点掌握程度评测值Comp(Nd|Ls),判断所述目标对象对应的学习行为的知识点掌握程度;
其中,当所述知识点掌握程度评测值Comp(Nd|Ls)的取值不为0时,表示所述目标对象对应的学习行为的知识点已被所述目标对象掌握;
当所述知识点掌握程度评测值Comp(Nd|Ls)的取值为0时,表示所述目标对象对应的学习行为的知识点未被所述目标对象掌握。
本发明基于学习行为的知识点掌握程度评测方法,通过采集目标对象对应的学习行为样本数据,并对采集的所述学习行为样本数据进行数据处理,得到所述目标对象对应的学习行为的肢体动作变化率;提取所述目标对象对应的学习环境信息,并根据提取出的所述学习环境信息,获取学习环境中参与学习行为的互动物体的空间向量变化率;将得到的所述肢体动作变化率和空间向量变化率与预设的标准学习行为数据进行比对,根据对比结果,执行所述目标对象对应的学习行为的知识点掌握程度的评测操作;本发明通过对目标对象的学习行为进行分析,达到对目标对象知识点掌握程度进行评测的目的,提高了对目标对象知识点掌握程度评测的客观性和准确性,同时也提高了评测的便捷性。进一步地,该技术方案通过将目标对象的学习行为按时间标签、采集肢体动作变化率和学习环境中物体状态的空间向量变化率,与预设的标准学习行为参数进行比对,执行学习行为的知识点掌握程度评测的操作,该技术方案还可预留扩展测评端口,比如,可以根据具体需求通过进一步细化待识别肢体轨迹的数量、进一步增加面部表情识别、语音识别等方式,使得学习行为知识点的测评更为多样化和智能化。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种基于学习行为的知识点掌握程度评测方法,其特征在于,所述方法包括:
采集目标对象对应的学习行为样本数据,并对采集的所述学习行为样本数据进行数据处理,得到所述目标对象对应的学习行为的肢体动作变化率;
提取所述目标对象对应的学习环境信息,并根据提取出的所述学习环境信息,获取学习环境中参与学习行为的互动物体的空间向量变化率;
将得到的所述肢体动作变化率和空间向量变化率与预设的标准学习行为数据进行比对,根据对比结果,执行所述目标对象对应的学习行为的知识点掌握程度的评测操作;
其中,所述采集目标对象对应的学习行为样本数据,并对采集的所述学习行为样本数据进行数据处理,得到所述目标对象对应的学习行为的肢体动作变化率,包括:
根据能唯一确定所述目标对象的特征信息,采集所述目标对象对应的学习行为样本数据;
将所述学习行为样本数据按照学习行为类型进行初始分类,并从所述学习行为样本数据中,提取所述目标对象对应的学习行为的特征参数,计算所述目标对象对应的学习行为的肢体动作变化率;
其中,所述从所述学习行为样本数据中,提取所述目标对象对应的学习行为的特征参数,计算所述目标对象对应的学习行为的肢体动作变化率,包括:
从所述学***线夹角的余弦值、在单位时间前后所述目标对象各肢体基于水平线的空间向量值以及所述目标对象的各肢体动作分别对应的时间标签;
根据提取出的所述特征参数,计算得到所述目标对象对应的学习行为的肢体动作变化率;
其中,所述根据提取出的所述特征参数,计算得到所述目标对象对应的学习行为的肢体动作变化率,包括:
根据提取出的所述特征参数,计算所述目标对象各肢体与水平面角度单位变化率,则有:
其中,arctan为反正切函数,π为圆周率,n为所述目标对象待识别肢体初始编号值,其取值为[1,10];u为所述目标对象各肢体与水平线夹角的余弦值,其取值为[-1,1];
计算所述目标对象各肢体的最终行为与肢体初始行为对应的空间位移值,则有:
根据计算得到的所述目标对象各肢体与水平面角度单位变化率,以及计算得到的所述空间位移值,利用公式(1)计算得到所述目标对象对应的学习行为的肢体动作变化率,则有:
2.如权利要求1所述的基于学习行为的知识点掌握程度评测方法,其特征在于,所述提取所述目标对象对应的学习环境信息,并根据提取出的所述学习环境信息,获取学习环境中参与学习行为的互动物体的空间向量变化率,包括:
提取所述目标对象对应的学习环境信息,并基于所述学习环境信息,记录学习环境中参与目标对象学习行为的互动物体所对应的状态信息;
根据所述学习环境信息和记录的所述状态信息,计算得到所述学习环境中参与目标对象学习行为的互动物体的空间向量变化率;
其中,所述学习环境信息包括:学习环境中参与学习行为的互动物体;所述参与学习行为的互动物体所对应的状态信息包括:所述互动物体对应的物体编号、所述互动物体完成学习行为所需的时间、所述互动物体在某时刻以学习环境左上角为基准点在不同方向上分别对应的位移值、所述互动物体在零时刻对应的学习环境中的初始位移值。
3.如权利要求2所述的基于学习行为的知识点掌握程度评测方法,其特征在于,所述根据所述学习环境信息和记录的所述状态信息,计算得到所述学习环境中参与目标对象学习行为的互动物体的空间向量变化率,包括:
根据所述学习环境信息和记录的所述状态信息,计算所述互动物体的空间位移向量值;
根据提取出的所述特征参数,计算所述互动物体关联同一时刻所述目标对象各肢体的运动角度变化值;
利用计算得到的所述互动物体的空间位移向量值和所述目标对象各肢体的运动角度变化值,计算并获取所述学习环境中参与目标对象学习行为的互动物体的空间向量变化率。
4.如权利要求3所述的基于学习行为的知识点掌握程度评测方法,其特征在于,所述根据所述学习环境信息和记录的所述状态信息,计算所述互动物体的空间位移向量值,包括:
利用所述学习环境信息和记录的所述状态信息,计算所述互动物体的空间位移向量值,则有:
其中,exp是以e为底的指数函数,s为学习环境中所述互动物体的编号,其取值范围为[0,T],T为互动物体最大的编号;t为完成学习行为所需的时间,单位为秒;ts为学习环境中编号为s的互动物体协助完成所述目标对象的学习行为所需的时间,a为所述互动物体在配合完成学习行为时以学习环境左上角为基准点、方向朝右的横向位移值,b为所述互动物体在配合完成学习行为时以学习环境左上角为基准点、方向朝后的纵向位移值,c为所述互动物体在配合完成学习行为时以学习环境左上角为基准点、方向朝上的垂直位移值,as为学习环境中编号为s的互动物体在某时刻的以学习环境左上角为基准点、方向朝右的横向位移值,bs为学习环境中编号为s的互动物体在某时刻的以学习环境左上角为基准点、方向朝后的纵向位移值,cs为学习环境中编号为s的互动物体在某时刻的以学习环境左上角为基准点、方向朝上的垂直向位移值,s1、s2、s3为零时刻学习环境中所述互动物体的初始横、纵、垂直位移值。
5.如权利要求4所述的基于学习行为的知识点掌握程度评测方法,其特征在于,所述根据提取出的所述特征参数,计算所述互动物体关联同一时刻所述目标对象各肢体的运动角度变化值,包括:
根据提取出的所述特征参数中所述目标对象对应各肢体的初始编号值、所述目标对象各肢体与水平线夹角的余弦值以及参与学习行为的互动物体协作完成所述目标对象的学习行为所需的时间,计算所述互动物体关联同一时刻所述目标对象各肢体的运动角度变化值,则有:
其中,arctan为反正切函数,n为所述目标对象待识别肢体的初始编号值,其取值为[1,10];u为所述目标对象各肢体与水平线夹角的余弦值,其取值为[-1,1];ts为学习环境中编号为s的互动物体协助完成所述目标对象的学习行为所需的时间。
7.如权利要求6所述的基于学习行为的知识点掌握程度评测方法,其特征在于,所述将得到的所述肢体动作变化率和空间向量变化率与预设的标准学习行为数据进行比对,根据对比结果,执行所述目标对象对应的学习行为的知识点掌握程度的评测操作,包括步骤A1-A2:
步骤A1、将得到的所述肢体动作变化率和空间向量变化率与预设的标准学习行为数据进行比对,计算所述目标对象对应的知识点掌握程度评测值Comp(Nd|Ls),则有:
其中,δ为所述标准学***面角度的余弦值,ε为所述学***面角度的余弦值,t为完成学***面角度的余弦值为δ时所对应完成学***面角度的余弦值为ε时完成学习行为所需的时间,d为相关肢体的标准动作变化率,n为所述目标对象待识别肢体初始编号值,其取值为[1,10],Nd为相关肢体的标准动作变化率为d时所对应的所述目标对象待识别的肢体初始编号值,s为学习环境中参与学习行为的互动物体所对应的编号,其数量取决于学习环境的面积;L为各时刻所述学习环境中物体的标准位移值,Ls为编号为s的所述互动物体对应的各时刻在所述学习环境中的物体标准位移值;
步骤A2、根据所述知识点掌握程度评测值Comp(Nd|Ls),判断所述目标对象对应的学习行为的知识点掌握程度;
其中,当所述知识点掌握程度评测值Comp(Nd|Ls)的取值不为0时,表示所述目标对象对应的学习行为的知识点已被所述目标对象掌握;
当所述知识点掌握程度评测值Comp(Nd|Ls)的取值为0时,表示所述目标对象对应的学习行为的知识点未被所述目标对象掌握。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011035398.4A CN111985582B (zh) | 2020-09-27 | 2020-09-27 | 基于学习行为的知识点掌握程度评测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011035398.4A CN111985582B (zh) | 2020-09-27 | 2020-09-27 | 基于学习行为的知识点掌握程度评测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111985582A CN111985582A (zh) | 2020-11-24 |
CN111985582B true CN111985582B (zh) | 2021-06-01 |
Family
ID=73450282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011035398.4A Active CN111985582B (zh) | 2020-09-27 | 2020-09-27 | 基于学习行为的知识点掌握程度评测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111985582B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107292271B (zh) * | 2017-06-23 | 2020-02-14 | 北京易真学思教育科技有限公司 | 学习监控方法、装置及电子设备 |
CN109214231A (zh) * | 2017-06-29 | 2019-01-15 | 深圳泰山体育科技股份有限公司 | 基于人体姿态识别的体育教学辅助***和方法 |
US20190089692A1 (en) * | 2017-09-15 | 2019-03-21 | Pearson Education, Inc. | Time-based degradation of digital credentials in a digital credential platform |
CN111079113B (zh) * | 2019-12-13 | 2023-02-24 | 柳州铁道职业技术学院 | 一种人工智能控制的教学***及其使用方法 |
CN111258433B (zh) * | 2020-03-02 | 2024-04-02 | 上海松鼠课堂人工智能科技有限公司 | 基于虚拟场景的教学互动*** |
CN111523518A (zh) * | 2020-06-08 | 2020-08-11 | 上海乂学教育科技有限公司 | 智适应学习方法及*** |
-
2020
- 2020-09-27 CN CN202011035398.4A patent/CN111985582B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111985582A (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109901996B (zh) | 辅助测试的方法、装置、电子设备及可读存储介质 | |
CN107274020B (zh) | 一种基于协同过滤思想的学习者学科总测成绩预测***及方法 | |
CN102473301B (zh) | 动作解析装置及动作解析方法 | |
CN103793926B (zh) | 基于样本重选择的目标跟踪方法 | |
US11461584B2 (en) | Discrimination device and machine learning method | |
CN112949408B (zh) | 一种过鱼通道目标鱼类实时识别方法和*** | |
CN109034037A (zh) | 基于人工智能的在线学习方法 | |
CN114847932A (zh) | 运动提示的确定方法、装置及计算机可读存储介质 | |
CN110263678A (zh) | 一种人脸方向判断方法及*** | |
CN111985582B (zh) | 基于学习行为的知识点掌握程度评测方法 | |
CN111639194B (zh) | 基于句向量的知识图谱查询方法及*** | |
CN113392743A (zh) | 异常动作检测方法、装置、电子设备和计算机存储介质 | |
CN110489602B (zh) | 知识点能力值预估方法、***、设备及介质 | |
JP7293658B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN113743572A (zh) | 一种基于Fuzz的人工神经网络测试方法 | |
CN116704606A (zh) | 一种理化实验操作行为识别方法、***、装置及存储介质 | |
CN112966702A (zh) | 蛋白质-配体复合物的分类方法及分类装置 | |
CN112085631B (zh) | 学生记忆曲线的智能分析方法 | |
CN115527083A (zh) | 图像标注方法、装置和电子设备 | |
CN112861689A (zh) | 一种基于nas技术的坐标识别模型的搜索方法及装置 | |
CN113392744A (zh) | 舞蹈动作美感确认方法、装置、电子设备及存储介质 | |
Liu et al. | Learning task-aligned local features for visual localization | |
CN117542121B (zh) | 基于计算机视觉的智能化训练考核***及方法 | |
JP7490886B2 (ja) | 情報処理装置及び情報処理方法 | |
CN113792104B (zh) | 基于人工智能的医疗数据错误检测方法、装置及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PP01 | Preservation of patent right |
Effective date of registration: 20221020 Granted publication date: 20210601 |
|
PP01 | Preservation of patent right |