CN112861650A - 一种行为评价方法、装置及*** - Google Patents

一种行为评价方法、装置及*** Download PDF

Info

Publication number
CN112861650A
CN112861650A CN202110069243.0A CN202110069243A CN112861650A CN 112861650 A CN112861650 A CN 112861650A CN 202110069243 A CN202110069243 A CN 202110069243A CN 112861650 A CN112861650 A CN 112861650A
Authority
CN
China
Prior art keywords
student
information
score
target
sending
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
Application number
CN202110069243.0A
Other languages
English (en)
Inventor
王冠军
刘苗苗
张元振
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baijia Technology Group Co ltd
Original Assignee
Beijing Baijia Technology Group Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baijia Technology Group Co ltd filed Critical Beijing Baijia Technology Group Co ltd
Priority to CN202110069243.0A priority Critical patent/CN112861650A/zh
Publication of CN112861650A publication Critical patent/CN112861650A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Human Computer Interaction (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Electrically Operated Instructional Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开提供了一种行为评价方法、装置及***，该方法包括：获取学生端采集的目标视频；基于所述目标视频，确定所述学生端对应的学生的目标专注度分数；其中，所述目标专注度分数用于表示所述学生的专注程度；向至少一个教师端发送与所述目标专注度分数相匹配的提示信息；在接收到所述至少一个教师端基于所述提示信息发送的评价信息后，向所述学生端发送所述评价信息。

Description

一种行为评价方法、装置及***
技术领域
本公开涉及计算机技术领域，具体而言，涉及一种行为评价方法、装置及***。
背景技术
近年来，随着家长对孩子的教育问题的重视和互联网技术的进步，在线教育行业发展迅速，在线教育虽然可以打破地域的限制，使得来自五湖四海的学生相聚于同一课堂，足不出户就可以完成知识的学习，但同时也带来了很多的问题。
一方面，由于部分学生的专注度较差，使得其在网络教学时往往无法专注于课堂内容，从而导致学生的学习效果较差；另一方面，由于老师无法像线下教学一样得到每个学生对教学内容的实时反馈，使得老师无法及时对课堂教学情况进行掌握和对应的调整，从而导致老师的教学效果较差。
发明内容
本公开实施例至少提供一种行为评价方法、装置及***。
第一方面，本公开实施例提供了一种行为评价***，包括：
所述学生端用于采集与当前学生端相对应的目标视频，并将所述目标视频上传至所述服务器；
所述服务器，用于基于所述目标视频，确定所述学生的目标专注度分数，并向所述至少一个教师端发送与所述目标专注度分数相匹配的提示信息；以及，在接收到所述至少一个教师端发送的评价信息后，将所述评价信息发送至所述学生端；
所述至少一个教师端，用于在接收到所述提示信息后，向所述服务器发送针对所述学生端的评价信息。
一种可能的实施方式中，所述服务器，在向所述至少一个教师端发送与所述目标专注度分数相匹配的提示信息时，用于：
在所述目标专注度分数满足预设专注度条件时，向所述至少一个教师端发送用于表示奖励的第一提示信息；
在所述目标专注度分数不满足预设专注度条件时，向所述至少一个教师端发送用于表示惩罚的第二提示信息。
一种可能的实施方式中，所述至少一个教师端，在接收到所述提示信息后，向所述服务器发送针对所述学生端的评价信息时，用于：
在接收到所述第一提示信息后，向所述服务器发送奖励信息；在接收到所述第二提示信息后，向所述服务器发送惩罚信息。
一种可能的实施方式中，所述奖励信息包括动画奖励信息、音视频奖励信息、文字奖励信息以及图片奖励信息中的至少一种；
所述惩罚信息包括动画惩罚信息、音视频惩罚信息、文字惩罚信息以及图片惩罚信息中的至少一种。
第二方面，本公开实施例提供了一种行为评价方法，包括：
获取学生端采集的目标视频；
基于所述目标视频，确定所述学生端对应的学生的目标专注度分数；其中，所述目标专注度分数用于表示所述学生的专注程度；
向至少一个教师端发送与所述目标专注度分数相匹配的提示信息；
在接收到所述至少一个教师端基于所述提示信息发送的评价信息后，向所述学生端发送所述评价信息。
一种可能的实施方式中，在基于所述目标视频，确定所述学生端对应的学生的目标专注度分数之前，所述方法还包括：
提取所述目标视频中的人脸特征；
将提取的所述人脸特征与预先存储的所述学生端对应的人脸特征进行匹配，在匹配成功之后，基于所述目标视频，确定所述学生端对应的学生的目标专注度分数。
一种可能的实施方式中，所述基于所述目标视频，确定所述学生端对应的学生的目标专注度分数，包括：
对所述目标视频进行采样，得到多个采样视频帧；
将所述多个采样视频帧输入预先训练好的神经网络，确定所述目标视频中学生的目标专注度分数。
一种可能的实施方式中，所述将所述多个采样视频帧输入预先训练好的神经网络，确定所述目标视频中学生的目标专注度分数，包括：
将所述多个采样视频帧输入预先训练好的神经网络，确定所述学生的第一专注度分数；
获取所述学生的互动特征信息，并基于所述互动特征信息，确定所述学生的第二专注度分数；
基于所述第一专注度分数和所述第二专注度分数，确定所述学生的目标专注度分数。
一种可能的实施方式中，所述互动特征信息包括以下至少一种：
互动次数、互动响应速度、互动时长、互动请求次数。
一种可能的实施方式中，所述向至少一个教师端发送与所述目标专注度分数相匹配的提示信息，包括：
在所述目标专注度分数满足预设专注度条件时，向所述至少一个教师端发送用于表示奖励的第一提示信息；
在所述目标专注度分数不满足预设专注度条件时，向所述至少一个教师端发送用于表示惩罚的第二提示信息。
一种可能的实施方式中，所述方法还包括：
对预设时间段内所述学生端对应的目标专注度分数进行统计，并将统计结果发送至与所述学生端绑定的用户端。
第三方面，本公开实施例还提供一种行为评价装置，包括：
获取模块，用于获取学生端采集的目标视频；
确定模块，用于基于所述目标视频，确定所述学生端对应的学生的目标专注度分数；其中，所述目标专注度分数用于表示所述学生的专注程度；
第一发送模块，用于向至少一个教师端发送与所述目标专注度分数相匹配的提示信息；
第二发送模块，用于在接收到所述至少一个教师端基于所述提示信息发送的评价信息后，向所述学生端发送所述评价信息。
一种可能的实施方式中，所述确定模块，在基于所述目标视频，确定所述学生端对应的学生的目标专注度分数之前，还用于：
提取所述目标视频中的人脸特征；
将提取的所述人脸特征与预先存储的所述学生端对应的人脸特征进行匹配，在匹配成功之后，基于所述目标视频，确定所述学生端对应的学生的目标专注度分数。
一种可能的实施方式中，所述确定模块，在所述基于所述目标视频，确定所述学生端对应的学生的目标专注度分数时，用于：
对所述目标视频进行采样，得到多个采样视频帧；
将所述多个采样视频帧输入预先训练好的神经网络，确定所述目标视频中学生的目标专注度分数。
一种可能的实施方式中，所述确定模块，在所述将所述多个采样视频帧输入预先训练好的神经网络，确定所述目标视频中学生的目标专注度分数时，用于：
将所述多个采样视频帧输入预先训练好的神经网络，确定所述学生的第一专注度分数；
获取所述学生的互动特征信息，并基于所述互动特征信息，确定所述学生的第二专注度分数；
基于所述第一专注度分数和所述第二专注度分数，确定所述学生的目标专注度分数。
一种可能的实施方式中，所述互动特征信息包括以下至少一种：
互动次数、互动响应速度、互动时长、互动请求次数。
一种可能的实施方式中，所述第一发送模块，在向至少一个教师端发送与所述目标专注度分数相匹配的提示信息时，用于：
在所述目标专注度分数满足预设专注度条件时，向所述至少一个教师端发送用于表示奖励的第一提示信息；
在所述目标专注度分数不满足预设专注度条件时，向所述至少一个教师端发送用于表示惩罚的第二提示信息。
一种可能的实施方式中，所述第二发送模块，还用于：
对预设时间段内所述学生端对应的目标专注度分数进行统计，并将统计结果发送至与所述学生端绑定的用户端。
第四方面，本公开实施例还提供一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第二方面，或第二方面中任一种可能的实施方式中的步骤。
第五方面，本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第二方面，或第二方面中任一种可能的实施方式中的步骤。
本公开实施例提供的行为评价方法、装置及***，可以基于学生端采集的目标视频，对学生端对应的学生的专注程度进行检测，确定目标专注度分数，并向教师端发送与所述目标专注度分数相匹配的提示信息，这样可以使得教师及时了解到学生是否专注，并对当前教学内容做针对性的调整，以提升学生的专注度，进而提高了老师的教学效果；另一方面，在接收到所述至少一个教师端基于所述提示信息发送的评价信息后，向所述学生端发送所述评价信息，以对学生端对应的学生进行提示，从而提高了学生的学习效果。
为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本公开实施例所提供的一种行为评价***的流程图；
图2示出了本公开实施例所提供的一种行为评价方法的流程图；
图3示出了本公开实施例所提供的行为评价方法中，用户身份匹配方法的流程图；
图4示出了本公开实施例所提供的行为评价方法中，确定目标专注度分数方法的流程图；
图5示出了本公开实施例所提供的行为评价方法中，基于神经网络确定目标专注度分数的方法的流程图；
图6示出了本公开实施例所提供的一种行为评价装置的示意图；
图7示出了本公开实施例所提供的一种计算机设备的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
本文中术语“和/或”，仅仅是描述一种关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
经研究发现，部分学生的专注度较差，使得其在网络教学时往往无法专注于课堂内容，从而导致学生的学习效果较差；另外，由于老师无法像线下教学一样得到每个学生对教学内容的实时反馈，使得老师无法及时对课堂教学情况进行掌握和对应的调整，从而导致老师的教学效果较差。
基于上述研究，本公开实施例提供了一种行为评价方法、装置及***，可以基于学生端采集的目标视频，对学生端对应的学生的专注程度进行检测，确定目标专注度分数，并向教师端发送与所述目标专注度分数相匹配的提示信息，这样可以使得教师及时了解到学生是否专注，并对当前教学内容做针对性的调整，以提升学生的专注度，进而提高了老师的教学效果；另一方面，在接收到所述至少一个教师端基于所述提示信息发送的评价信息后，向所述学生端发送所述评价信息，以对学生端对应的学生进行提示，从而提高了学生的学习效果。
为便于对本实施例进行理解，首先对本公开实施例所公开的一种行为评价***进行详细介绍，本公开实施例所提供的行为评价***涉及服务器、至少一个教师端以及至少一个学生端，所述至少一个学生端和至少一个教师端可以为具有一定计算能力的终端设备，所述终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等。
参见图1所示，为本公开实施例提供的行为评价***的流程图，包括步骤S101～S105，其中：
S101：学生端采集与当前学生端相对应的目标视频，并将所述目标视频上传至所述服务器。
S102：服务器基于所述目标视频，确定所述学生的目标专注度分数。
S103：服务器向教师端发送与所述目标专注度分数相匹配的提示信息。
S104：教师端在接收到所述提示信息后，向服务器发送针对所述学生端的评价信息。
S105：服务器在接收到教师端发送的评价信息后，将所述评价信息发送至所述学生端。
其中，不论是教师端还是学生端，都可以是一个或者两个以上，具体的配置可根据实际需求灵活设置。比如一对一教学，可能是一个教师端、一个学生端；大班课可能是两个教师端(一个主讲、一个辅导老师)、多个学生端；小班课可能是一个教师端、多个学生端等，此处不再限定。
这里，服务器在向至少一个教师端发送与所述目标专注度分数相匹配的提示信息时，若所述目标专注度分数满足预设专注度条件，则向所述至少一个教师端发送用于表示奖励的第一提示信息；或者，若所述目标专注度分数不满足预设专注度条件，则向所述至少一个教师端发送用于表示惩罚的第二提示信息，关于所述行为评价***中服务器的其他具体实施内容，详见后文以执行主体为服务器的行为评价方法的详细描述，在此不再展示说明。
需要说明的是，专注度分数可以根据一整堂课时的表现统计得到，也可以实时计算，或者每个设定时长计算一次。设定市场可根据实际需求灵活设定，如10min、5min、1min等，此处不做赘述。
另外，除了二分法的将学生分为专注可以奖励的学生和不专注可以惩罚的学生之外，还可根据专注度分数将学生划分为高于第一分数的专注学生、介于第二分数和第一分数之间的一般学生、低于第二分数的不专注学生，并对专注学生进行奖励，对不专注学生进行惩罚，对一般学生进行鼓励或者不做反馈。
进一步的，教师端在接收到所述第一提示信息后，可以向所述服务器发送奖励信息；在接收到所述第二提示信息后，可以向所述服务器发送惩罚信息。
其中，所述奖励信息包括动画奖励信息、音视频奖励信息、文字奖励信息以及图片奖励信息中的至少一种；所述惩罚信息包括动画惩罚信息、音视频惩罚信息、文字惩罚信息以及图片惩罚信息中的至少一种。
参见图2所示，为本公开实施例提供的行为评价方法的流程图，执行主体可为服务器，所述方法包括步骤S201～S204，其中：
S201：获取学生端采集的目标视频。
S202：基于所述目标视频，确定所述学生端对应的学生的目标专注度分数；其中，所述目标专注度分数用于表示所述学生的专注程度。
S203：向至少一个教师端发送与所述目标专注度分数相匹配的提示信息。
S204：在接收到所述至少一个教师端基于所述提示信息发送的评价信息后，向所述学生端发送所述评价信息。
下面将对本公开实施例中各个步骤及对应的实施方法进行详细说明。
针对S201，所述目标视频可以是基于学生端对应的终端设备上的摄像模组实时获取的。例如可以录取之后先存在本地，也可直接上传。
实际应用中，学生可以在学生端输入登录信息，服务器在接收到所述登录信息并验证成功后，可以根据预设的学生与教师的对应关系，在学生端展示对应的教师的教学直播；另外，还可以基于学生端用户提前签署的授权协议，控制学生端打开前置摄像模组，实时获取学生端采集的包含人物的目标视频。
一种可能的实施方式中，在获取学生端采集的目标视频之后，基于所述目标视频，确定所述学生端对应的学生的目标专注度分数之前，参见图3所示，可以通过以下步骤对学生端的用户身份进行匹配。
S301：提取所述目标视频中的人脸特征。
其中，所述人脸特征可以是人脸上的多个部位的特征，比如眼睛、脸颊、下巴、额头等，通过在这些部位设置对应的特征采集点，可以提取到所述目标视频中的人脸特征。
S302：将提取的所述人脸特征与预先存储的所述学生端对应的人脸特征进行匹配。
具体实施中，学生端可以在用户进行账号注册时，对学生端用户进行人脸特征采集。在进行匹配时，当所述提取的所述人脸特征与预先存储的所述学生端对应的人脸特征完全相同时，则认为匹配成功，否则认为匹配失败。
一种可能的实施方式中，还可以直接将当前提取的所述人脸特征作为对照样本存入缓存，与后续实时提取的所述人脸特征进行匹配，从而可以减少因为频繁调用权限较高且较为复杂的身份认证功能，所导致的计算资源的浪费。
这样，通过上述步骤可以对学生端的用户身份进行匹配，从而确定出当前在学生端的用户是不是与学生端对应的学生本人。
在一些可能的实施方式中，还可根据学生端预先设置的密码或者指纹等，对学生端用户进行身份认证，对此不做任何限定。
具体实施中，在获取学生端采集的目标视频后，可以根据步骤S202确定所述学生端对应的学生的目标专注度分数，具体描述如下所示。
S202：基于所述目标视频，确定所述学生端对应的学生的目标专注度分数；其中，所述目标专注度分数用于表示所述学生的专注程度。
一种可能的实施方式中，在基于所述目标视频，确定所述学生端对应的学生的目标专注度分数时，参见图4所示，可以通过以下两个步骤：
S401：对所述目标视频进行采样，得到多个采样视频帧。
其中，在进行采样时，可以通过预先设置的采样频率，比如每秒1次对目标视频进行采样，从而得到多个采样视频帧。
S402：将所述多个采样视频帧输入预先训练好的神经网络，确定所述目标视频中学生的目标专注度分数。
其中，所述预先训练好的神经网络可以是基于深度卷积的神经网络，可以基于输入的特征信息，输出所述目标视频中学生的目标专注度分数。
所述神经网络的训练包括：获取多个样本训练数据以及对应的标注信息，所述标注信息用于表示样本训练数据对应的样本用户是否专注；然后将所述样本训练数据输入至神经网络，得到神经网络输出的对应的样本专注度分数，然后，基于所述样本专注度分数和所述标注信息计算本次执行过程中的损失值，并在计算出的损失值不满足预设损失条件的情况下，调整本次执行过程中神经网络的参数，并返回继续进行执行过程。
具体实施中，在将所述多个采样视频帧输入预先训练好的神经网络，确定所述目标视频中学生的目标专注度分数时，参见图5所示，可以通过以下三个步骤：
S501：将所述多个采样视频帧输入预先训练好的神经网络，确定所述学生的第一专注度分数。
S502：获取所述学生的互动特征信息，并基于所述互动特征信息，确定所述学生的第二专注度分数。
其中，所述互动特征信息包括以下至少一种：
互动次数、互动响应速度、互动时长、互动请求次数。
具体实施中，所述互动特征信息可以由学生端进行采集，比如教师在教师端发起提问请求后，可以在学生端页面上展示一个举手按钮，点击举手按钮后，可以根据学生点击举手按钮和点击后进行回答的时间确定相应的所述互动响应速度以及互动时长，并根据点击举手按钮的次数和实际被教师选中进行回答问题的次数(这里可以是教师端向学生端发送回答指令的次数)，确定出所述互动次数和互动请求次数。
在获取到学生的所述互动特征信息后，可以针对不同的所述互动特征信息划分不同的得分标准，比如，每增加1次互动次数，对应的所述第二专注度分数增加2分；每增加1次互动请求次数，对应的所述第二专注度分数增加1分；在上述基础上，互动响应速度在10秒内，对应的所述第二专注度分数额外增加1分，互动响应速度在10秒以外的则不额外加分；在上述基础上，互动时长在10秒以上，对应的所述第二专注度分数额外增加1分，互动时长在10秒以下的则不额外加分。
示例性的，学生A在5秒内点击了举手按钮，并被教师选中进行互动，互动时长为20秒，则基于该学生本次互动的互动特征信息，可以得到的所述第二专注度分数为2+1+1＝4分。
进一步的，对每个学生在每堂课的所述互动特征信息进行求和与统计，并通过预设的得分标准进行转换，从而确定每个所述学生的第二专注度分数。
S503：基于所述第一专注度分数和所述第二专注度分数，确定所述学生的目标专注度分数。
这里，可以对所述第一专注度分数和第二专注度分数进行直接求和，或者按照不同的权重对所述第一专注度分数和第二专注度分数进行加权求和。
示例性的，学生A的第一专注度分数为80分，第二专注度分数为20分，以预设的权重第一专注度分数占80％，第二专注度分数占20％为例，得到的所述目标专注度分数为80×80％+20×20％＝68分。
进一步的，在得到所述专注度分数后，可以预设的等级划分标准对不同目标专注度分数对应的学生进行等级划分，比如目标专注度分数在0～60分之间的为专注度较低学生；目标专注度分数在60～80分之间的为专注度正常学生；目标专注度分数在80～100分之间的为专注度较高学生。
一种可能的实施方式中，还可以将所述多个采样视频帧输入预先训练好的神经网络，直接得到神经网络输出的专注度等级。
通过上述步骤，可以在相同标准下得到可供对比的所述目标专注度分数，且得到的所述目标专注度分数较为精确。
具体实施中，在根据步骤S202确定所述学生端对应的学生的目标专注度分数之后，可以根据步骤S203对目标专注度分数进行检测和对应的处理，具体描述如下所示。
S203：向至少一个教师端发送与所述目标专注度分数相匹配的提示信息。
这里，可以在所述目标专注度分数满足预设专注度条件时，向所述至少一个教师端发送用于表示奖励的第一提示信息；在所述目标专注度分数不满足预设专注度条件时，向所述至少一个教师端发送用于表示惩罚的第二提示信息。
其中，预设专注度条件可以是所述目标专注度分数高于预设分值比如60分，也可以是所述目标专注度分数在该学生所在班级排名达到一定条件，比如排名前50％或者排名前20，本公开实施例对此不做限定；所述第一提示信息包括，所述目标专注度分数满足预设专注度条件的学生的基础属性信息，比如姓名、年级、学部、学号、性别等，还包括该学生在课堂各个时间段内对应的专注度分数和/或对应的专注度等级。
具体的，在向至少一个教师端发送与所述目标专注度分数相匹配的提示信息时，可以向与所述学生端具有关联关系的教师端发送所述提示信息，其中，所述学生端具有关联关系的教师端可以是与当前教师端不同的其他教师的教师端，比如学生A正在上英语课，在该学生的所述目标专注度分数满足预设的专注度条件时，除了可以向该学生对应的英语教师对应的教师端发送所述第一专注度信息之外，还可以向该学生对应的数学教师、班主任、助教等对应的教师端发送该学生的所述第一专注度信息。
在检测到所述目标专注度分数不满足所述预设专注度条件时，可以向所述教师端发送第二提示信息。
其中，所述第二提示信息包括所述目标专注度分数不满足预设专注度条件的学生的基础属性信息，比如姓名、年级、学部、学号、性别等，还包括该学生在课堂各个时间段内对应的专注度分数以及对应的专注度等级。
需要说明的是，所述第一提示信息和第二提示信息可以发送给相同的客户端，比如助教、任课教师和班主任对应的教师端，对于任一学生端，同一评价周期内仅有对应的第一提示信息或第二提示信息中的一种，所述评价周期可以是预设的一个目标视频采集周期，以一节课45分钟为例，所述评价周期可以是能将课堂平均划分为前、中、后端时间的15分钟，每个15分钟内，可以随机设置一个目标视频采集时段，基于该采集时段确定的目标专注度分数作为确定所述第一提示信息或第二提示信息的依据。
一种可能的实施方式中，所述第一提示信息和第二提示信息可以发送给不同的客户端，比如可以将表征学生专注度较低的第二提示信息发送给数据管理人员所在的管理端，用于对专注度较低的学生进行统计，并可以在课后组织相应的辅导，提升专注度较低的学生的专注度；另一方面，还可以将所述表征学生专注度较低的第二提示信息发送对应的学生家长，使得学生家长对学生的专注度有清楚的认识，并可以在日后的家庭生活中帮助学生提高专注度。
具体实施中，在根据步骤S203向与所述学生端具有关联关系的教师端发送与所述学生端对应的提示信息之后，可以根据步骤S204接收教师端的评价请求，并将与所述评价请求对应的评价信息发送至所述学生端。
S204：在接收到所述至少一个教师端基于所述提示信息发送的评价信息后，向所述学生端发送所述评价信息。
具体实施中，教师端在接收到提示信息后，可以相应的展示统计的班级内所有的所述提示信息，用于教师做进一步处理。
示例性的，一节课45分钟，以15分钟为一个标准时间段，在第15分钟和第30分钟，教师端可以收到统计好的表征对应学生专注度低的所述第二提示信息，和表征对应学生专注度高的第一提示信息，对应的展示页面可以是班内所有学生，基于对应的提示信息，按照目标专注度分数从高到低的排列页面；
或者，可以使用不同的颜色标注不同的提示信息，比如可以使用红色标注专注度较低的第二提示信息，使用绿色标注专注度较高的第一提示信息。在得到不同专注度的提示信息后，教师可以通过点击预设的提示信息触发按钮对其中专注度较低的学生发送对应的提示信息，或者直接点击学生姓名，***会自动基于该学生的提示信息发送对应的评价信息。
所述评价信息包括以下信息中的至少一种：
音视频评价信息、文字评价信息、动画评价信息、图片评价信息。
示例性的，音频评价信息可以是一段预先录制的音视频，比如“学习状态真不错，继续保持哦”；文字评价信息可以是一段展示在学生端页面上的文字，比如“学习状态真不错，继续保持哦”；动画评价信息可以是一段预先设置的动画特效，比如送小红花的动画特效；图片评价信息可以是有奖励意义的图片，比如一张带有对应学生姓名的奖状。
一种可能的实施方式中，还可以接收所述教师端基于所述第二提示信息发送的评价请求，并将与所述评价请求对应的评价信息发送至所述学生端。
具体实施中，接收所述教师端基于所述第二提示信息发送的评价请求，与接收所述第一提示信息发送的评价请求方法类似，在此不做赘述。
需要说的是，与第一提示信息对应的评价信息不同，第二提示信息对应的评价信息，从对上课专注认真的鼓励变为了劝勉好好学习。
具体体现为，音视频评价信息可以是一段预先录制的音频，比如“好好上课，老师在看着你哦”；文字评价信息可以是一段展示在学生端页面上的文字，比如“好好上课，老师在看着你哦”；动画评价信息可以是一段预先设置的动画特效，比如扔粉笔头的动画特效；图片评价信息可以是有教育意义的图片，比如主题为“为中华之崛起而读书”的宣传图片。通过上述评价信息，可以使得学生感受到来着教师的压力，提升上课时的专注度，达到提高学习效率的效果。
进一步的，所述评价信息除了可以展示在对应的学生端，还可以展示在其他学生的学生端，比如学生A得到了一朵小红花，在学生B的学生端页面上可以展示一个小红花送给了学生A的动画特效，从而可以对学生B产生激励作用，鼓励其上课认真听讲。
具体实施中，为了起到正面的榜样效应，同时鼓励学生之间的良性竞争，可以对学生得到小红花和粉笔头进行计数，展示在每个学生端界面的预设位置。
一种可能的实施方式中，所述学生端在获取到对应的评价信息后，还可以对预设时间段内所述学生端对应的目标专注度分数进行统计，并将统计结果发送至与所述学生端绑定的用户端。
其中，所述与学生端绑定的用户端可以是对应的教师端或家长端，并在课后对学生进行相应的辅导，比如对专注度较低的学生进行加强专注度的训练。
示例性的，以一节课45分钟，15分钟为一个标准时间段为例，统计每个时间段内所述学生端对应的目标专注度分数，比如每3分钟会对学生的专注度分数进行一次确定，将整节课内确定的多个目标专注度分数进行统计，生成对应的统计结果。
这里，所述统计结果可以表征这一节课中学生专注度的变化情况，通过对多个学生对应的统计结果的对比，找到学生专注度普遍较低的时刻，并对其进行分析，可以得到对应的教学改进方案。
示例性的，全班学生在15-18分钟这一时间段内的专注度普遍较低，经分析是该时间段内教师在讲解数学公式时趣味性较低，不能使学生产生学习兴趣，可以给该教师提出对应的教学改进方案，比如多讲解相关历史典故和奇闻趣事，以加强教学内容趣味性。
本公开实施例提供的行为评价方法，可以基于学生端采集的目标视频，对学生端对应的学生的专注程度进行检测，确定目标专注度分数，并向教师端发送与所述目标专注度分数相匹配的提示信息，这样可以使得教师及时了解到学生是否专注，并对当前教学内容做针对性的调整，以提升学生的专注度，进而提高了老师的教学效果；另一方面，在接收到所述至少一个教师端基于所述提示信息发送的评价信息后，向所述学生端发送所述评价信息，以对学生端对应的学生进行提示，从而提高了学生的学习效果。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一发明构思，本公开实施例中还提供了与行为评价方法对应的行为评价装置，由于本公开实施例中的装置解决问题的原理与本公开实施例上述行为评价方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
参照图6所示，为本公开实施例提供的一种行为评价装置的示意图，所述装置包括：获取模块601、确定模块602、第一发送模块603、第二发送模块604；其中，
获取模块601，用于获取学生端采集的目标视频；
确定模块602，用于基于所述目标视频，确定所述学生端对应的学生的目标专注度分数；其中，所述目标专注度分数用于表示所述学生的专注程度；
第一发送模块603，用于向至少一个教师端发送与所述目标专注度分数相匹配的提示信息；
第二发送模块604，用于在接收到所述至少一个教师端基于所述提示信息发送的评价信息后，向所述学生端发送所述评价信息。
一种可能的实施方式中，所述确定模块602，在基于所述目标视频，确定所述学生端对应的学生的目标专注度分数之前，还用于：
提取所述目标视频中的人脸特征；
将提取的所述人脸特征与预先存储的所述学生端对应的人脸特征进行匹配，在匹配成功之后，基于所述目标视频，确定所述学生端对应的学生的目标专注度分数。
一种可能的实施方式中，所述确定模块602，在所述基于所述目标视频，确定所述学生端对应的学生的目标专注度分数时，用于：
对所述目标视频进行采样，得到多个采样视频帧；
将所述多个采样视频帧输入预先训练好的神经网络，确定所述目标视频中学生的目标专注度分数。
一种可能的实施方式中，所述确定模块602，在所述将所述多个采样视频帧输入预先训练好的神经网络，确定所述目标视频中学生的目标专注度分数时，用于：
将所述多个采样视频帧输入预先训练好的神经网络，确定所述学生的第一专注度分数；
获取所述学生的互动特征信息，并基于所述互动特征信息，确定所述学生的第二专注度分数；
基于所述第一专注度分数和所述第二专注度分数，确定所述学生的目标专注度分数。
一种可能的实施方式中，所述互动特征信息包括以下至少一种：
互动次数、互动响应速度、互动时长、互动请求次数。
一种可能的实施方式中，所述第一发送模块603，在向至少一个教师端发送与所述目标专注度分数相匹配的提示信息时，用于：
在所述目标专注度分数满足预设专注度条件时，向所述至少一个教师端发送用于表示奖励的第一提示信息；
在所述目标专注度分数不满足预设专注度条件时，向所述至少一个教师端发送用于表示惩罚的第二提示信息。
一种可能的实施方式中，所述第二发送模块604，还用于：
对预设时间段内所述学生端对应的目标专注度分数进行统计，并将统计结果发送至与所述学生端绑定的用户端。
本公开实施例提供的行为评价装置，可以基于学生端采集的目标视频，对学生端对应的学生的专注程度进行检测，确定目标专注度分数，并向教师端发送与所述目标专注度分数相匹配的提示信息，这样可以使得教师及时了解到学生是否专注，并对当前教学内容做针对性的调整，以提升学生的专注度，进而提高了老师的教学效果；另一方面，在接收到所述至少一个教师端基于所述提示信息发送的评价信息后，向所述学生端发送所述评价信息，以对学生端对应的学生进行提示，从而提高了学生的学习效果。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明，这里不再详述。
基于同一技术构思，本公开实施例还提供了一种计算机设备。参照图7所示，为本公开实施例提供的计算机设备700的结构示意图，包括处理器701、存储器702、和总线703。其中，存储器702用于存储执行指令，包括内存7021和外部存储器7022；这里的内存7021也称内存储器，用于暂时存放处理器701中的运算数据，以及与硬盘等外部存储器7022交换的数据，处理器701通过内存7021与外部存储器7022进行数据交换，当计算机设备700运行时，处理器701与存储器702之间通过总线703通信，使得处理器701在执行以下指令：
获取学生端采集的目标视频；
基于所述目标视频，确定所述学生端对应的学生的目标专注度分数；其中，所述目标专注度分数用于表示所述学生的专注程度；
向至少一个教师端发送与所述目标专注度分数相匹配的提示信息；
在接收到所述至少一个教师端基于所述提示信息发送的评价信息后，向所述学生端发送所述评价信息。
一种可能的实施方式中，处理器701执行的指令中，在基于所述目标视频，确定所述学生端对应的学生的目标专注度分数之前，还包括：
提取所述目标视频中的人脸特征；
将提取的所述人脸特征与预先存储的所述学生端对应的人脸特征进行匹配，在匹配成功之后，基于所述目标视频，确定所述学生端对应的学生的目标专注度分数。
一种可能的实施方式中，处理器701执行的指令中，所述基于所述目标视频，确定所述学生端对应的学生的目标专注度分数，包括：
对所述目标视频进行采样，得到多个采样视频帧；
将所述多个采样视频帧输入预先训练好的神经网络，确定所述目标视频中学生的目标专注度分数。
一种可能的实施方式中，处理器701执行的指令中，所述将所述多个采样视频帧输入预先训练好的神经网络，确定所述目标视频中学生的目标专注度分数，包括：
将所述多个采样视频帧输入预先训练好的神经网络，确定所述学生的第一专注度分数；
获取所述学生的互动特征信息，并基于所述互动特征信息，确定所述学生的第二专注度分数；
基于所述第一专注度分数和所述第二专注度分数，确定所述学生的目标专注度分数。
一种可能的实施方式中，处理器701执行的指令中，所述互动特征信息包括以下至少一种：
互动次数、互动响应速度、互动时长、互动请求次数。
一种可能的实施方式中，处理器701执行的指令中，所述向至少一个教师端发送与所述目标专注度分数相匹配的提示信息，包括：
在所述目标专注度分数满足预设专注度条件时，向所述至少一个教师端发送用于表示奖励的第一提示信息；
在所述目标专注度分数不满足预设专注度条件时，向所述至少一个教师端发送用于表示惩罚的第二提示信息。
一种可能的实施方式中，处理器701执行的指令中，还包括：
对预设时间段内所述学生端对应的目标专注度分数进行统计，并将统计结果发送至与所述学生端绑定的用户端。
本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的行为评价方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例还提供一种计算机程序产品，该计算机程序产品承载有程序代码，所述程序代码包括的指令可用于执行上述方法实施例中所述的行为评价方法的步骤，具体可参见上述方法实施例，在此不再赘述。
其中，上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本公开所提供的几个实施例中，应该理解到，所揭露的***、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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，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单元来实现本实施例方案的目的。
另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本公开的具体实施方式，用以说明本公开的技术方案，而非对其限制，本公开的保护范围并不局限于此，尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应所述以权利要求的保护范围为准。

Claims (14)

1.一种行为评价***，适用于在线教育直播场景，其特征在于，所述行为评价***包括服务器、至少一个教师端以及至少一个学生端，其中：
针对任一学生端，所述学生端用于采集与当前学生端相对应的目标视频，并将所述目标视频上传至所述服务器；
所述服务器，用于基于所述目标视频，确定所述学生的目标专注度分数，并向所述至少一个教师端发送与所述目标专注度分数相匹配的提示信息；以及，在接收到所述至少一个教师端发送的评价信息后，将所述评价信息发送至所述学生端；
所述至少一个教师端，用于在接收到所述提示信息后，向所述服务器发送针对所述学生端的评价信息。
2.根据权利要求1所述的***，其特征在于，所述服务器，在向所述至少一个教师端发送与所述目标专注度分数相匹配的提示信息时，具体用于：
在所述目标专注度分数满足预设专注度条件时，向所述至少一个教师端发送用于表示奖励的第一提示信息；
在所述目标专注度分数不满足预设专注度条件时，向所述至少一个教师端发送用于表示惩罚的第二提示信息。
3.根据权利要求2所述的***，其特征在于，所述至少一个教师端，在接收到所述提示信息后，向所述服务器发送针对所述学生端的评价信息时，具体用于：
在接收到所述第一提示信息后，向所述服务器发送奖励信息；在接收到所述第二提示信息后，向所述服务器发送惩罚信息。
4.根据权利要求3所述的***，其特征在于，所述奖励信息包括动画奖励信息、音视频奖励信息、文字奖励信息以及图片奖励信息中的至少一种；
所述惩罚信息包括动画惩罚信息、音视频惩罚信息、文字惩罚信息以及图片惩罚信息中的至少一种。
5.一种行为评价方法，其特征在于，包括：
获取学生端采集的目标视频；
基于所述目标视频，确定所述学生端对应的学生的目标专注度分数；其中，所述目标专注度分数用于表示所述学生的专注程度；
向至少一个教师端发送与所述目标专注度分数相匹配的提示信息；
在接收到所述至少一个教师端基于所述提示信息发送的评价信息后，向所述学生端发送所述评价信息。
6.根据权利要求5所述的方法，其特征在于，在基于所述目标视频，确定所述学生端对应的学生的目标专注度分数之前，所述方法还包括：
提取所述目标视频中的人脸特征；
将提取的所述人脸特征与预先存储的所述学生端对应的人脸特征进行匹配，在匹配成功之后，基于所述目标视频，确定所述学生端对应的学生的目标专注度分数。
7.根据权利要求5所述的方法，其特征在于，所述基于所述目标视频，确定所述学生端对应的学生的目标专注度分数，包括：
对所述目标视频进行采样，得到多个采样视频帧；
将所述多个采样视频帧输入预先训练好的神经网络，确定所述目标视频中学生的目标专注度分数。
8.根据权利要求7所述的方法，其特征在于，所述将所述多个采样视频帧输入预先训练好的神经网络，确定所述目标视频中学生的目标专注度分数，包括：
将所述多个采样视频帧输入预先训练好的神经网络，确定所述学生的第一专注度分数；
获取所述学生的互动特征信息，并基于所述互动特征信息，确定所述学生的第二专注度分数；
基于所述第一专注度分数和所述第二专注度分数，确定所述学生的目标专注度分数。
9.根据权利要求8所述的方法，其特征在于，所述互动特征信息包括以下至少一种：
互动次数、互动响应速度、互动时长、互动请求次数。
10.根据权利要求5所述的方法，其特征在于，所述向至少一个教师端发送与所述目标专注度分数相匹配的提示信息，包括：
在所述目标专注度分数满足预设专注度条件时，向所述至少一个教师端发送用于表示奖励的第一提示信息；
在所述目标专注度分数不满足预设专注度条件时，向所述至少一个教师端发送用于表示惩罚的第二提示信息。
11.根据权利要求5～10任一所述的方法，其特征在于，所述方法还包括：
对预设时间段内所述学生端对应的目标专注度分数进行统计，并将统计结果发送至与所述学生端绑定的用户端。
12.一种行为评价装置，其特征在于，包括：
获取模块，用于获取学生端采集的目标视频；
确定模块，用于基于所述目标视频，确定所述学生端对应的学生的目标专注度分数；其中，所述目标专注度分数用于表示所述学生的专注程度；
第一发送模块，用于向至少一个教师端发送与所述目标专注度分数相匹配的提示信息；
第二发送模块，用于在接收到所述至少一个教师端基于所述提示信息发送的评价信息后，向所述学生端发送所述评价信息。
13.一种计算机设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求5至11任一所述行为评价方法的步骤。
14.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求5至11任一项所述行为评价方法的步骤。
CN202110069243.0A 2021-01-19 2021-01-19 一种行为评价方法、装置及*** Pending CN112861650A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110069243.0A CN112861650A (zh) 2021-01-19 2021-01-19 一种行为评价方法、装置及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110069243.0A CN112861650A (zh) 2021-01-19 2021-01-19 一种行为评价方法、装置及***

Publications (1)

Publication Number Publication Date
CN112861650A true CN112861650A (zh) 2021-05-28

Family

ID=76007350

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110069243.0A Pending CN112861650A (zh) 2021-01-19 2021-01-19 一种行为评价方法、装置及***

Country Status (1)

Country Link
CN (1) CN112861650A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113709568A (zh) * 2021-08-31 2021-11-26 维沃移动通信有限公司 专注度提醒方法和装置
CN113727074A (zh) * 2021-08-31 2021-11-30 维沃移动通信有限公司 监控信息提示方法、装置和电子设备
CN114442900A (zh) * 2022-01-28 2022-05-06 上海橙掌信息科技有限公司 显示装置以及学习效果获取方法
CN114549249A (zh) * 2022-02-24 2022-05-27 江苏兴教科技有限公司 一种高校用在线教学资源库管理***及方法
CN115879820A (zh) * 2022-12-31 2023-03-31 华中师范大学 一种基于在线教学反馈信息的师生联结质量评价方法及***

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104835356A (zh) * 2015-05-31 2015-08-12 深圳市采集科技有限公司 一种学生听讲专注度的测量方法及***
WO2017181862A1 (zh) * 2016-04-20 2017-10-26 中兴通讯股份有限公司 一种在线教育互动的方法、客户端以及服务器
CN108091192A (zh) * 2017-12-14 2018-05-29 尹子悦 交互式在线教学***及方法、教师***以及学生***
CN110428678A (zh) * 2019-08-12 2019-11-08 重庆工业职业技术学院 一种计算机在线教学管理***
CN111046823A (zh) * 2019-12-19 2020-04-21 东南大学 基于课堂视频的学生课堂参与度分析***
CN111047481A (zh) * 2019-09-29 2020-04-21 云知声智能科技股份有限公司 一种具有监督功能的在线学习***
CN111402096A (zh) * 2020-04-03 2020-07-10 广州云从鼎望科技有限公司 一种在线授课质量管理方法、***、设备和介质
WO2020215966A1 (zh) * 2019-04-26 2020-10-29 北京大米科技有限公司 一种远程教学互动方法、服务器、终端以及***
CN111931585A (zh) * 2020-07-14 2020-11-13 东云睿连(武汉)计算技术有限公司 一种课堂专注度的检测方法及装置
CN111967350A (zh) * 2020-07-30 2020-11-20 广州光大教育软件科技股份有限公司 远程课堂专注度分析方法、装置、计算机设备及存储介质
CN112116841A (zh) * 2020-09-10 2020-12-22 广州大学 一种基于深度学习的个性化远程教育***及方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104835356A (zh) * 2015-05-31 2015-08-12 深圳市采集科技有限公司 一种学生听讲专注度的测量方法及***
WO2017181862A1 (zh) * 2016-04-20 2017-10-26 中兴通讯股份有限公司 一种在线教育互动的方法、客户端以及服务器
CN108091192A (zh) * 2017-12-14 2018-05-29 尹子悦 交互式在线教学***及方法、教师***以及学生***
WO2020215966A1 (zh) * 2019-04-26 2020-10-29 北京大米科技有限公司 一种远程教学互动方法、服务器、终端以及***
CN110428678A (zh) * 2019-08-12 2019-11-08 重庆工业职业技术学院 一种计算机在线教学管理***
CN111047481A (zh) * 2019-09-29 2020-04-21 云知声智能科技股份有限公司 一种具有监督功能的在线学习***
CN111046823A (zh) * 2019-12-19 2020-04-21 东南大学 基于课堂视频的学生课堂参与度分析***
CN111402096A (zh) * 2020-04-03 2020-07-10 广州云从鼎望科技有限公司 一种在线授课质量管理方法、***、设备和介质
CN111931585A (zh) * 2020-07-14 2020-11-13 东云睿连(武汉)计算技术有限公司 一种课堂专注度的检测方法及装置
CN111967350A (zh) * 2020-07-30 2020-11-20 广州光大教育软件科技股份有限公司 远程课堂专注度分析方法、装置、计算机设备及存储介质
CN112116841A (zh) * 2020-09-10 2020-12-22 广州大学 一种基于深度学习的个性化远程教育***及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
M. ALI AKBER DEWAN 等: "Engagement detection in online learning: a review", 《SMART LEARNING ENVIRONMENTS》, pages 1 - 20 *
李振华 等: "基于模型集成的在线学习投入评测方法研究", 《中国远程教育》, pages 9 - 16 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113709568A (zh) * 2021-08-31 2021-11-26 维沃移动通信有限公司 专注度提醒方法和装置
CN113727074A (zh) * 2021-08-31 2021-11-30 维沃移动通信有限公司 监控信息提示方法、装置和电子设备
CN114442900A (zh) * 2022-01-28 2022-05-06 上海橙掌信息科技有限公司 显示装置以及学习效果获取方法
CN114549249A (zh) * 2022-02-24 2022-05-27 江苏兴教科技有限公司 一种高校用在线教学资源库管理***及方法
CN114549249B (zh) * 2022-02-24 2023-02-24 江苏兴教科技有限公司 一种高校用在线教学资源库管理***及方法
CN115879820A (zh) * 2022-12-31 2023-03-31 华中师范大学 一种基于在线教学反馈信息的师生联结质量评价方法及***
CN115879820B (zh) * 2022-12-31 2023-12-05 华中师范大学 一种基于在线教学反馈信息的师生联结质量评价方法及***

Similar Documents

Publication Publication Date Title
CN112861650A (zh) 一种行为评价方法、装置及***
TWI529673B (zh) 用於可適性知識評鑑及學習之系統及方法
CN109637233B (zh) 一种智能教学的方法及***
KR20010090552A (ko) 컴퓨터를 이용한 학습 자료 제공 방법
CN110807962A (zh) 一种智能组卷考试***
CN113377200B (zh) 基于vr技术的交互式培训方法及装置、存储介质
KR20110079252A (ko) 온라인 강의를 위한 학습관리 시스템 및 그 방법
CN108447329A (zh) 学习效果测试方法、教育资源管理装置、***及客户端
CN110738885A (zh) 一种未来互动课堂教学***
Anindhita et al. Designing interaction for deaf youths by using user-centered design approach
CN110223552A (zh) 一种基于手机app的航海类船员考试培训教育***
CN113129186A (zh) 一种基于物联网的教育平台互动***
CN113257060A (zh) 一种答疑解决方法、装置、设备和存储介质
CN114120731A (zh) 一种智慧课堂答疑交互***
CN112101231A (zh) 学习行为的监控方法、终端、小程序以及服务器
Mohanna Using knowledge engineering for modeling mobile learning systems
CN108846558A (zh) 一种教育教学中学生核心能力评价调研分析***
CN110853432A (zh) 一种高职院校移动学习平台
CN111506805A (zh) 语言课程信息推送方法、***、电子设备和存储介质
CN110660280A (zh) 一种基于移动互联网的互动学习平台
CN113128421A (zh) 学习状态检测方法、***、学习终端、服务器及电子设备
KR101754012B1 (ko) 오프라인 수강 전에 수행하는 온라인 학습을 관리하는 학습관리시스템 운영방법
Kastner Incorporating Students' Self-Efficacy and Subject Value in the Evaluation of Audience Response Systems
Rivera-Pelayo et al. LIM app: Reflecting on audience feedback for improving presentation skills
CN116886656B (zh) 面向聊天室的舞蹈知识推送方法及其装置

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