CN112862639A - 一种基于大数据分析的在线教育方法及在线教育平台 - Google Patents

一种基于大数据分析的在线教育方法及在线教育平台 Download PDF

Info

Publication number
CN112862639A
CN112862639A CN202110016118.3A CN202110016118A CN112862639A CN 112862639 A CN112862639 A CN 112862639A CN 202110016118 A CN202110016118 A CN 202110016118A CN 112862639 A CN112862639 A CN 112862639A
Authority
CN
China
Prior art keywords
teacher
teaching
student
students
teachers
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.)
Granted
Application number
CN202110016118.3A
Other languages
English (en)
Other versions
CN112862639B (zh
Inventor
葛新
龙斌
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.)
Shanghai Zhidao Knowledge Digital Technology Co ltd
Original Assignee
Shanghai Zhidao Knowledge Digital Technology 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 Shanghai Zhidao Knowledge Digital Technology Co ltd filed Critical Shanghai Zhidao Knowledge Digital Technology Co ltd
Priority to CN202110016118.3A priority Critical patent/CN112862639B/zh
Publication of CN112862639A publication Critical patent/CN112862639A/zh
Application granted granted Critical
Publication of CN112862639B publication Critical patent/CN112862639B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/71—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/735—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B5/00—Electrically-operated educational appliances
    • G09B5/08—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Tourism & Hospitality (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明涉及一种基于大数据分析的在线教育方法及在线教育平台。本发明中的在线教育方法及在线教育平台通过采集学生学习过程作为基础数据，根据预设的判断策略可以获得学生整个学习过程所处状态，并根据判断结果输出一视频影像，上述视频影像可以被老师和管理者访问，教师可以根据输出的视频影像了解自己的教学过程，得到学生的反馈信息，从而可以改进自己的教学方式和或备课方式。另外，管理者也可以通过获取的视频影像实时了解学生角色在学习过程中所处状态，方便课后辅导教育等。同时，还可以根据判断结果为学生匹配最佳的老师，提高学生的学习激情和学习效率。另外，还可以确定老师的最佳授课内容，方便老师间的相互学习和交流。同时，还可将上述最佳授课内容以视频的形式输出，方便管理者查看，了解教学质量。

Description

一种基于大数据分析的在线教育方法及在线教育平台
技术领域
本发明涉及互动教学领域，具体地，涉及一种基于大数据分析的在线教育方法及在线教育平台。
背景技术
在线培训是一种网络化学***台，通过网络进行选课、听课等实现学习过程的一种全新的学习方式。特别由于今年新冠疫情的影响，导致不能进行集中培训学习，凸出显示了在线培训学习的优势。
然而由于现有的在线教育平台是通过网络进行学***台监控学生的整个学习状态，然而并不能切实有效地提高学生的学习效率和学习激情。同时，也无法帮助教师进行自查，提高教学质量。
发明内容
本发明的目的在于解决现有技术中存在的问题，通过本发明提供的基于大数据分析的在线教育方法及在线教育平台，可以有效地提高学生的学习效率和学习激情。同时帮助教师进行自查，提高教学质量，并且企业培训管理者可以随时了解学生学习状态，方便课后跟踪和辅导等。
为了实现上述发明目的，本发明提供了以下技术方案：
一种基于大数据分析的在线教育平台，其中，该在线教育平台包括：
在线教育***、老师终端、企业培训管理者终端、学生终端、服务器；所述在线教育***、老师终端、企业培训管理者终端、学生终端、服务器通过网络连接，进行数据通信；其中，所述终端包括但不限于：摄像机、智能手机、PC、平板；其中，所述老师终端和学生终端用于对学生的学习过程和老师的授课过程进行数据采集；包括以视频的方式全程采集学生的学习过程和老师的授课过程、以及以声音的形式全程采集学生的声音和老师的声音；其中，所述所述采集的数据被传输至服务器进行存储。
优选地，所述在线教育***包括：数据分析模块，所述数据分析模块用于根据预设的判断策略对所述学生终端采集的数据进行分析，并输出判断结果；评估模块，所述评估模块用于根据所述数据分析模块输出的结果确定所述学生与所述老师的最佳匹配结果和/或老师最佳授课内容结果。
另外，本发明还提出一种基于大数据分析的在线教育方法，包括如下步骤：
用户通过在线教育平台输入注册信息、身份验证，所述在线教育平台根据用户输入的注册信息进行权限管理；其中，所述用户具体包括学生、老师和企业培训管理者。
对学生和/或老师进行数据采集；其中，以视频的形式全程采集学生的学习过程和/或老师的授课过程；以音频的形式全程采集学生的声音和/或老师的声音；
根据预设的判断策略对采集的学生的所述数据进行分析并输出判断结果；其中，在输出所述判断结果时，还记录所述判断结果当前的时间序列信息；根据所述判断结果和/或所述时间序列信息和/或所述授课过程输出所述学生与所述老师的最佳匹配结果和/或所述老师最佳授课内容结果。
与现有技术相比，本发明的在线教育平台提供了一个企业管理培训者、学校或老师、学生实时或异时的互动交流、学***台，加强了三者之间的沟通交流。
本发明基于用户终端获得的大量样本数据，根据预设的判断策略和规则，对样本数据进行分析，从而确定学生学习状态。本发明提出的判断策略具有如下优势：判断方法简单，根据采集到的数据经简单的计算即可得到对学生所处的状态，避免了现有算法中复杂的判断过程，节约了算力。判断结果明确，通过本发明提出的判断方法能得出明确的判断结果，避免了似是而非的结果对后续的分析造成干扰。
本发明根据不同实际情况采用不同的方式确定了学生与老师之间的最佳匹配结果，由此可以个性化地为学生分配老师，由此可以显著提高学生的学习激情和学习效率。同时，本发明还可根据不同情况确定老师的最佳授课内容，方便老师间的相互学习和交流。同时，还可将上述最佳授课内容以视频的形式输出至服务器中，方便企业培训管理者查看，了解教学质量。
其次，本发明的方案对于现有技术而言：首先发现了直接统计专注时长不够准确这一技术问题，并进一步的提出了相应的技术方案，解决避免了因同一教学内容授课先后顺序对匹配结果造成的不利影响，使得匹配结果更加精准。对于课外培训机构而言，采用本发明提出的技术方案，能通过对不同授课老师的试听课快速确定最匹配的授课老师，提高了授课的质量。
另外，本发明的技术方案还具有以下优势：(1)采用抽样学生提前学***学生最为匹配的任课老师，为特定群体适配其合适的资源，保证了学习效果；(2)针对不同老师擅长的教学内容不同，为学生配置最优的教学内容，保证了教学资源的最优配置。
附图说明：
图1为本发明基于大数据分析的在线教育平台；
图2为本发明中的分析评估模块；
图3为本发明时间序列信息示意图；
图4为本发明合成的视频影像效果图
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图，对本发明实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。
因此，以下对本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的部分实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征和技术方案可以相互组合。
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。
在本发明的描述中，需要说明的是，术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，或者是本领域技术人员惯常理解的方位或位置关系，这类术语仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
现结合附图，对本发明的较佳实施例作详细说明。
参见图1，图1示出本发明的一种基于大数据分析的在线教育平台。其中，该在线教育平台主要包括：
优选地，在线教育***1、老师终端2、企业培训管理者终端3、学生终端4、服务器5；所述在线教育***1、老师终端2、企业培训管理者终端3、学生终端4、服务器5通过网络连接，进行数据通信；其中，所述老师终端2操作设备包括但不限于：投影仪21、摄像机22、智能手机23、PC24、平板25；所述企业培训管理者终端3操作设备包括但不限于：智能手机31、PC32、平板33；所述学生终端4操作设备包括但不限于：智能手机41、PC42、平板43。
其中，用户通过所述终端输入注册信息、身份验证以及权限管理。其中，注册信息具体包括但不限于：用户的姓名、年龄、联系方式等；权限管理用于学生、企业培训管理者和老师中各个角色对该在线教育平台中不同模块使用权限进行管理，例如老师可以访问服务器中的视频以便了解自己的教学过程，得到学生的反馈信息等，企业培训管理者则可以访问服务器中的视频以便了解老师培训质量等，方便企业培训的实时调整，具体将在后续说明。
优选地，所述老师终端2和学生终端4可用于对学生的学习过程和老师的授课过程进行数据采集。包括以视频的方式全程采集学生的学习过程和老师的授课过程、以及以声音的形式全程采集学生的声音和老师的声音。其中，所述所述采集的数据被传输至服务器5进行存储。
优选地，如附图2所示，所述在线教育***1包括分析评估模块，所述分析评估模块包括：数据分析模块11，所述数据分析模块11用于根据预设的判断策略对所述学生终端4采集的样本数据进行分析，并输出判断结果。其中，在本发明中的一个实施例中，采用以下判断方法构建所述判断策略，输入的状态参数包括眼部状态、嘴部状态以及声音状态。具体地，本发明中构建的判断方法如下表所示：
Figure BDA0002886787080000061
如上表所示的，以眼部状态为例，根据眨眼状态判断人员所处状态。具体地，人在处于正常状态时会以一定的频率眨眼，一般而言在每分钟10-15次左右；然而当人在瞌睡是眼睛处于闭眼状态，困倦状态时眼睛处于缓慢眨眼状态，而当眼睛处于不眨眼状态时，此处有可能处于卡顿状态或者此时可能出现以图片代替学生的特殊情况，因此此时输出结果为失效。综上，以眨眼频率作为眼部状态的判断阈值，以10-15次/分作为正常值，超过正常值范围可认为处于缓慢眨眼状态。当然，此处只是示例性地示出上述判断阈值，本领域技术人员还可根据实际情况进行适当的调整。其同样地，当人处于正常学习状态或者困倦等状态时，一般嘴部处于闭合状态，当处于启闭交替状态时说明此时交谈或者说话状态，并且还可根据声音信息进行判断，例如当存在呼噜声或者环境音时说明此时可能处于瞌睡等困倦状态或者专注学习等状态，当出现人声时说明处于交谈或者说话状态，具体如上表所示。上表只是本实施例中判断方法的示意性参考，本领域技术人员还可根据实际需要进行调整，例如可将困倦和瞌睡归为一种疲劳状态等，在此不做赘述。
本发明中提出的判断方法具有如下优势：判断方法简单，根据采集到的数据经简单的计算即可得到对学生所处的状态，避免了现有算法中复杂的判断过程，节约了算力。判断结果明确，通过本发明提出的判断方法能得出明确的判断结果，避免了似是而非的结果对后续的分析造成干扰。
优选地，数据分析模块11包括特征信息提取模块111和判断模块112，其中，特征信息提取模块111用于提取所述判断策略所需的特征信息，判断模块112用于根据所述特征信息提取模块111提取的特征信息根据预设判断策略输出判断结果。具体地，特征信息提取模块111用于提取眼部状态、嘴部状态和声音状态。
优选地，通过抽取视频中关键帧的方式完成提取。具体地，以一段记录了150帧的图像为例，可以每5帧进行一次抽取，一共抽取30帧图像，并将这30帧图像作为样本数据，确定每一帧图像中人员的眼部状态、嘴部状态，同时通过所述学生终端4实时采集的声音信息判断声音状态，最后确定30帧图像里每一帧中人员的眼部状态、嘴部状态和声音状态，将上述结果输入至判断模块112并根据预设的判断方法确定此时人员所处的状态(例如瞌睡、困倦、专注、分神等状态)，即确定了30帧里每一帧中人员的状态。当然，上述参数设置仅仅示例，在实际应用过程中可根据具体的视频信息进行相应的调整，以确保判断结果的准确性。
优选地，所述判断模块112根据预设判断策略输出所述判断结果，同时还记录所述判断结果当前的时间序列信息，并且上述时间序列信息还被传输至数据转换模块113。所述判断模块112还用于将所述时间序列信息以不同的颜色进行标记，所述数据转换模块113将上述以不同颜色标记的时间序列信息以时间序列合成至采集的所述老师的授课过程的视频影像中。具体地，如附图3中示出了本发明的时间序列信息，其中，所述时间序列信息包括按照时间顺序输出的所述判断结果的持续时间，以及所述判断结果的代表颜色，例如红色代表瞌睡或者困倦；黄色代表分神；绿色代表专注等。所述判断模块112将以不同颜色标记的所述时间序列信息传输至数据转换模块113中，所述数据转换模块113将所述以不同颜色标记的所述时间序列信息合成至所述老师终端2采集的老师教学视频中，并将上述合成的视频影像输出至服务器5中，合成的视频影像效果图如附图4所示。上述输出的视频影像可以被老师和企业培训管理者访问，教师可以根据输出的视频影像了解自己的教学过程，得到学生的反馈信息，从而可以改进自己的教学方式和或备课方式，同时还可根据上述时间序列信息或者视频影像为学生匹配最佳老师。另外，企业培训管理者也可以通过获取的视频影像实时了解学生角色在学习过程中所处状态，方便课后跟踪和辅导教育等。
优选地，所述在线教育***1还具备评估模块12，所述评估模块12用于获取所述判断模块112输出的多个所述时间序列信息和/或所述老师终端2采集的多个所述授课过程。需要说明的是，上述多个所述授课过程包括多个不同老师的授课过程，其中，所述授课过程可以是相同的教学内容或不相同的教学内容。与之相对的是，上述多个所述时间序列信息包括多个学生对上述授课过程输出的时间序列信息，具体可参见下表所示：以学生A为例，评估模块12可以获取学生A对老师A的教学内容a、b、c、d……对应的时间序列信息或者老师B的教学内容a、b、c、d……对应的时间序列信息，其余老师和学生依次类推。可以知晓的是，可以根据具体需要，获取不同学生与不同老师的各个教学内容对应的时间序列信息，具体将在后续实施例中说明。
Figure BDA0002886787080000091
优选地，所述评估模块12用于根据所述时间序列信息确定所述学生与所述老师的最佳匹配结果和/或老师最佳授课内容结果。
优选地，确定同一学生对不同老师同一和/或不同教学内容的授课过程输出的时间序列信息中专注状态持续时间T的长短，并将所述专注状态持续时间T按照大小进行排序，将T值最大的老师与所述学生进行匹配，从而确定所述学生与所述老师的最佳匹配结果。
具体地，确定同一学生对不同老师同一教学内容的授课过程输出的时间序列信息中专注状态持续时间T的长短。例如，确定学生A对授课老师A的教学内容a的专注状态持续时间TA，确定学生A对授课老师B的教学内容a的专注状态持续时间TB，确定学生A对授课老师C的教学内容a的专注状态持续时间TC，确定学生A对授课老师D的教学内容a的专注状态持续时间TD，其余依此类推。具体如下表所示：
Figure BDA0002886787080000101
比较TA、TB、TC、TD……的大小，上述T值较大说明老师与该学生的匹配度更好，因此将T值最大的老师与该学生匹配。
优选地，确定同一学生对不同老师不同教学内容的授课过程输出的时间序列信息中专注状态持续时间T的长短。例如，确定学生A对授课老师A的教学内容a、b、c、d……专注状态持续时间之和tA，确定学生A对授课老师B的教学内容a、b、c、d……专注状态持续时间之和tB，确定学生A对授课老师C的教学内容a、b、c、d……专注状态持续时间之和tC，确定学生A对授课老师D的教学内容a、b、c、d……的专注状态持续时间tD，其余依此类推。具体如下表所示
Figure BDA0002886787080000111
其中，ti＝∑Tj，i＝A，B，C，D…；j＝a，b，c，d…；比较tA、tB、tC、tD……的大小，上述t值较大说明老师与该学生的匹配度更好，因此将t值最大的老师与该学生匹配。
优选地，在按照上述方式确定学生与老师的最佳匹配时，存在一定的误差。具体的，在统计学生对于不同授课老师同一授课内容的专注状态持续时间时，对于同一授课内容，学生随着听课次数增加使得专注程度下降，这将导致所得的匹配结果不够准确。为此，本发明进一步提出了一种按照老师授课的先后顺序对T值进行修正的技术方案。具体的，按照授课的先后顺序，对上述专注状态持续时间T乘以平衡系数pn，平衡系数pn按照授课的先后顺序逐步增大，对修正后的专注状态持续时间T进行排序，以确定最佳匹配结果。例如：分别获取学生A对授课老师A-C的教学内容a的专注状态持续时间T，其中授课顺序为老师A、老师B、老师C，则修正后的专注状态持续时间tA＝p1×TA、tB＝p2×TB、tc＝p3×TC。其中p1-p3依次增大，优选的，可选p1＝1；p2＝1.1；p3＝1.3。通过比较修正后的专注状态持续时间tA、tB、tC的大小，选择t数值最大的老师作为与学生A的匹配老师。当然，对于不同的授课内容，可以采用同样的方式进行修正，不再赘述，修正参数亦可根据实际教学情况进行进一步确定。
上述方案相较现有技术而言：首先发现了直接统计专注时长不够准确这一技术问题，并进一步的提出了相应的技术方案，解决避免了因同一教学内容授课先后顺序对匹配结果造成的不利影响，使得匹配结果更加精准。对于课外培训机构而言，采用本发明提出的技术方案，能通过对不同授课老师的试听课快速确定最匹配的授课老师，提高了授课的针对性，进而提高授课质量。
优选地，由于不同基础的学生适合的老师不同。此外，不同老师擅长的教学内容也不同。因此，为充分发挥现有教育资源的优势，为提升整体匹配效果，本发明提出采用以下方法安排授课：
步骤1：每季度进行摸底考试，确定全体学生的成绩排名；
步骤2：通过对学生群体按照成绩顺序进行排序，并对上述排序进行分段，在每一分段中随机抽取n名样本学生，样本学生数量n与授课老师数量m相等，样本学生的学习进度领先该分段中其他学生一天；
步骤3：每一分段中的n名样本学生学习第Q天的学习内容，n名样本学生分别学习m名授课老师的相同教学内容，确定每一分段n名样本学生分别对应的专注状态持续时间的结果，从而确定该分段学生与m名授课老师对于第Q天学习内容的匹配结果，其中Q初始化为1；
步骤4：根据步骤3中确定的匹配老师，安排下一天该分段中其他学生的授课老师，具体的，步骤3中确定的匹配老师即为下一天该分段中其他学生的授课老师，该分段中其他学生学习所述授课老师的第Q天的学习内容；
步骤5：如果未完成一季度的学习，则返回步骤3，且令Q＝Q+1；如完成一季度的学习，则返回步骤1。
优选的，步骤3中的判断方法如下：对于每一个分段而言，将该分段n名学生随机分配m名老师中一名老师并对该老师第Q天的课程进行学习(由于m与n的数量相等，因此，保证每名学生仅对应其中一名老师的课程)，并获得n名学生的专注状态持续时间。对该分段下n名学生的专注状态持续时间进行排序，以专注状态持续时间最长的老师作为该分段的匹配老师。结合下表以分段1为例说明上述技术方案：在第1天的学习中，将该分段n名学生随机分配m名老师中一名老师并对该老师第1天的课程进行学习，并得到n名学生的专注状态持续时间：T1A(即学生n1在学习老师A课程的专注状态持续时间)、T1B、T1C、T1D。将T1A、T1B、T1C、T1D进行排序，以数值最大的专注状态持续时间对应的老师作为该分段的匹配老师。
Figure BDA0002886787080000131
为清楚地说明上述技术方案，举例如下：设全体学生为300名，授课老师为4名，每季度进行摸底考试，确定300学生的成绩排名(步骤1)；通过对学生群体按照成绩顺序进行排序，并对上述排序分为3个分段，即分段1-分段3，每个分段100人，在每一分段中随机抽取4名样本学生，样本学生的学习进度领先该分段中其他学生一天(步骤2)；每一分段的中的4名样本学生分别学习4名授课老师的相同学习内容，确定每一分段4名样本学生分别对应的专注状态持续时间的结果，从而确定该分段学生与4名授课老师的最佳匹配结果(步骤3)；根据步骤3中确定的匹配老师，安排下一天该分段中其他学生的授课老师；如果未完成一季度的学习，则返回步骤3；如完成一季度的学习，则返回步骤1。
相较现有技术而言，本发明的技术方案具有以下优势：(1)采用抽样学生提前学***学生最为匹配的任课老师，为特定群体适配其合适的资源，保证了学习效果；(2)针对不同老师擅长的教学内容不同，为学生配置最优的教学内容，保证了教学资源的最优配置。
优选地，通过确定不同学生对同一和/或不同老师同一和/或不同教学内容的授课过程输出的时间序列信息中专注状态持续时间的大小，并将所述专注状态持续时间按照大小进行排序，将处于所述专注状态持续时间最大的授课内容作为所述老师的最佳授课内容，并输出所述老师最佳授课内容结果。
具体地，确定不同学生对同一老师不同教学内容的授课过程输出的时间序列信息中专注状态持续时间T。例如，分别确定学习老师A的教学内容a的学生A、学生B、学生C……的专注状态持续时间TAa、TBa、TCa；确定学习老师A的教学内容b的学生A、学生B、学生C……的专注状态持续时间TAb、TBb、TCb；确定学习老师A的教学内容c的学生A、学生B、学生C……的专注状态持续时间TAc、TBc、TCc；其余依此类推。具体如下表所示：
Figure BDA0002886787080000141
Figure BDA0002886787080000151
分别计算不同学生对同一老师相同教学内容的授课过程输出的专注状态持续时间之和t，其中tj＝∑Tij，i＝A，B，C，…；j＝a，b，c，…，比较ta、tb、tc……的大小。将所述t值中最大的教学内容作为老师最佳授课内容结果。
相较现有技术而言，本发明的技术方案具有以下优势：充分利用获取的学生专注状态持续时间，确定某一老师擅长和不太擅长的教学内容，为老师提高教学水平提供明确指引。
进一步地，还可通过确定不同学生对不同老师同一和/或不同教学内容的授课过程输出的时间序列信息中专注状态持续时间的大小，用于输出所述老师最佳授课内容结果。示例性地，确定不同学生对不同老师同一教学内容的授课过程输出的时间序列信息中专注状态持续时间的大小，更具体地，确定上述不同学生对同一老师同一教学内容的授课过程输出的时间序列信息中专注状态持续时间之和t，例如，分别确定老师A的教学内容a中学生A、学生B、学生C……输出的时间序列信息中专注状态持续时间的大小TAA、TAB、TAC……，并计算上述专注状态持续时间之和tA；确定老师B的教学内容a中学生A、学生B、学生C……输出的时间序列信息中专注状态持续时间的大小TBA、TBB、TBC……并计算上述专注状态持续时间之和tB；确定老师C的教学内容a中学生A、学生B、学生C……输出的时间序列信息中专注状态持续时间的大小TCA、TCB、TCC……并计算上述专注状态持续时间之和tC，具体参见下表，其中：
ti＝∑Tij，i＝A，B，C，…；j＝A，B，C，…
Figure BDA0002886787080000161
比较tA、tB、tC……的大小。将所述t值中最大的老师对应的教学内容确定为该老师的最佳授课内容结果。
相较现有技术而言，本发明的技术方案具有以下优势：充分利用获取的学生专注状态持续时间，确定对某一教学内容的最佳授课老师，为学生选课提供明确指引。
优选地，由于实际教学过程中还存在并不是所有的学生均会对不同老师的同一教学内容进行学习，因此将不同老师的同一教学内容所对应的学生进行分组，分别统计不同组别下的学生与其对应的老师的同一教学内容的专注状态持续时间之和，根据上述结果输出所述老师最佳授课内容结果。例如，确定老师A的教学内容a下的分组1(该分组中包括学生A、学生B)下的专注状态持续时间之和t1、以及老师B的教学内容a下的分组2(该分组中包括学生a、学生b)下的专注状态持续时间之和t2，其余以此类推，为保证结果准确，每一分组中的学生数量相同，具体参见下表，其中：
ti＝∑Tij，i＝1，2，3，…；j＝A，B，C，…或a，b，c…
Figure BDA0002886787080000171
比较t1、t2……的大小，将所述t值中最大的老师对应的教学内容确定为该老师的最佳授课内容结果。对于上述实施例，还可采用计算不同分组下老师的教学内容的授课过程输出的时间序列信息中专注状态持续时间平均值，根据上述平均值的大小确定最佳授课内容结果，由此避免因学生人数不同造成的不利影响，具体计算方法不再赘述。
上述方案相较现有技术而言，采用分组的方式用于确定不同老师最佳授课内容的方式，使得输出结果更加精准。对于课外培训机构而言，利用上述方式可以快速方便地确定不同老师的最佳授课内容，方便对其进行成果展示或宣传等。
如上所述的，本发明根据不同实际情况采用不同的方式确定了学生与老师之间的最佳匹配结果，由此可以个性化地为学生分配老师，由此可以显著提高学生的学习激情和学习效率。同时，本发明还可根据不同情况确定老师的最佳授课内容，方便老师间的相互学习和交流。同时，还可将上述最佳授课内容以视频的形式输出至服务器中，方便企业培训管理者查看，了解教学质量。
服务器5，其对所述在线教育平台中采集和/或输出的各种数据进行存储。具体地，所述服务器5可以存储所述老师终端2、企业培训管理者终端3、学生终端4输入的各种注册信息；所述老师终端2和学生终端4采集的所述视频和/或声音信息；数据分析模块11分析处理后的所述特征信息、所述视频影像、所述时间序列信息；所述评估模块12输出的所述专注状态持续时间和/或所述学生与所述老师的最佳匹配结果和或所述老师最佳授课内容结果等。
另外，对于本发明而言，还可以基于神经网络模型构建所述判断策略，具体如下：
采集样本数据，其中所述样本数据包括具有人脸区域的视频数据；
对所述视频数据中的眼部区域和嘴部区域的关键点进行标注，确定训练的目标区域；
基于所述视频数据中的不同眼部区域和嘴部区域的特征及上述特征分别对应人员所处状态类别生成训练样本集；
基于所述训练样本集对构造的网络模型进行训练，得到所述判断策略，所述判断策略使得所述训练样本集中每个眼部特征、嘴部特征与对应人员所处状态类别相关联。
随后，将上述构建的神经网络模型用于对学生终端4采集的样本数据进行分析，并输出所述判断结果。
另外，在通过上述判断策略获得判断结果时，还可将采集的音频数据对所述判断结果进行进一步验证。通过判断结果与所述音频数据所显示的学生状态是否匹配，对上述判断结果进行进一步地修正。
如上所述地，本发明提供了一种基于大数据分析的在线教育平台。另外，本发明还提出一种基于大数据分析的在线教育方法。具体方式如下：
用户通过在线互动教育平台中输入注册信息、身份验证，所述在线互动教育平台根据用户输入的注册信息进行权限管理；其中，所述用户具体包括学生、老师和企业培训管理者。
对学生和或老师进行数据采集；其中，以视频的形式全程采集学生的学习过程和/或老师的授课过程；以音频的形式全程采集学生的声音和/或老师的声音。
根据预设的判断策略对采集的学生的所述数据进行分析并输出判断结果；其中，所述判断策略的输入的状态参数包括眼部状态、嘴部状态以及声音状态，输出的所述判断结果为当时学生所处状态，包括但不限于瞌睡、困倦、分神、专注状态。其中，在输出所述判断结果的同时，还输出所述判断结果所处的时间序列信息。
如上所述的，本发明根据不同实际情况采用不同的方式确定了学生与老师之间的最佳匹配结果，由此可以个性化地为学生分配老师，由此可以显著提高学生的学习激情和学习效率。同时，本发明还可根据不同情况确定老师的最佳授课内容，方便老师间的相互学习和交流。同时，还可将上述最佳授课内容以视频的形式输出至服务器中，方便企业培训管理者查看，了解教学质量。
以上实施例仅用以说明本发明而并非限制本发明所描述的技术方案，尽管本说明书参照上述的各个实施例对本发明已进行了详细的说明，但本发明不局限于上述具体实施方式，因此任何对本发明进行修改或等同替换；而一切不脱离发明的精神和范围的技术方案及其改进，其均涵盖在本发明的权利要求范围当中。

Claims (9)

1.一种基于大数据分析的在线教育平台，其特征在于，该教育平台包括：
在线教育***、老师终端、企业培训管理者终端、学生终端、服务器；所述在线教育***、老师终端、企业培训管理者终端、学生终端、服务器通过网络连接，进行数据通信；其中，所述终端包括但不限于：摄像机、智能手机、PC、平板；其中，所述老师终端和学生终端用于对学生的学习过程和老师的授课过程进行数据采集；包括以视频的方式全程采集学生的学习过程和老师的授课过程、以及以声音的形式全程采集学生的声音和老师的声音；其中，所述采集的数据被传输至服务器进行存储。
2.如权利要求1所述的一种基于大数据分析的在线教育平台，其特征在于：所述在线教育***包括：数据分析模块，所述数据分析模块用于根据预设的判断策略对所述学生终端采集的数据进行分析，并输出判断结果；评估模块，所述评估模块用于根据所述数据分析模块输出的判断结果确定所述学生与所述老师的最佳匹配结果和/或老师最佳授课内容结果。
3.如权利要求2所述的一种基于大数据分析的在线教育平台，其特征在于：所述数据分析模块包括判断模块、数据转换模块；所述判断模块在输出判断结果时，还记录所述判断结果当前的时间序列信息；其中，所述时间序列信息被传输至所述数据转换模块，所述数据转换模块用于将上述时间序列信息合成至所述老师终端采集的老师教学视频中；其中，所述判断模块还用于将所述时间序列信息以不同的颜色进行标记，所述数据转换模块将上述以不同颜色标记的时间序列信息以时间序列合成至采集的所述老师的授课过程的视频影像中，并将上述合成的视频影像存储至服务器中，上述合成的视频影像根据用户的不同权限进行访问或查看。
4.如权利要求3所述的一种基于大数据分析的在线教育平台，其特征在于：所述评估模块用于获取所述判断模块输出的多个所述时间序列信息和/或所述老师终端采集的多个所述授课过程；所述评估模块基于多个所述时间序列信息和/或多个所述授课过程输出所述学生与所述老师的最佳匹配结果和/或老师最佳授课内容结果。
5.一种如权利要求1-4所述的一种基于大数据分析的在线教育平台的教育方法，其特征在于，包括如下步骤：
用户通过在线教育平台输入注册信息、身份验证，所述在线教育平台根据用户输入的注册信息进行权限管理；其中，所述用户具体包括学生、老师和企业培训管理者。
对学生和/或老师进行数据采集；其中，以视频的形式全程采集学生的学习过程和/或老师的授课过程；以音频的形式全程采集学生的声音和/或老师的声音；
根据预设的判断策略对采集的学生的所述数据进行分析并输出判断结果；其中，在输出所述判断结果时，还记录所述判断结果当前的时间序列信息；根据所述判断结果和/或所述时间序列信息和/或所述授课过程输出所述学生与所述老师的最佳匹配结果和/或所述老师最佳授课内容结果。
6.如权利要求5所述的方法，其特征在于，输出所述学生与所述老师的最佳匹配结果和/或所述老师最佳授课内容结果具体包括：
确定同一学生对不同老师同一和/或不同教学内容的授课过程输出的时间序列信息中专注状态持续时间，并将所述专注状态持续时间按照大小进行排序，将所述专注状态持续时间最大的老师与所述学生进行匹配，从而确定所述学生与所述老师的最佳匹配结果；确定不同学生对同一和/或不同老师同一和/或不同教学内容的授课过程输出的时间序列信息中专注状态持续时间的大小，并将所述专注状态持续时间按照大小进行排序，将处于所述专注状态持续时间最大的授课内容作为所述老师的最佳授课内容，并输出所述老师最佳授课内容结果。
7.如权利要求5-6所述的方法，其特征在于，确定所述学生与所述老师的最佳匹配结果还包括：在统计学生对于不同授课老师同一授课内容的专注状态持续时间时，按照授课的先后顺序，对上述专注状态持续时间分别乘以平衡系数pn，所述平衡系数pn按照授课的先后顺序逐步增大，对修正后的所述专注状态持续时间按照大小进行排序，以确定最佳匹配结果。
8.如权利要求5-7所述的方法，其特征在于确定所述学生与所述老师的最佳匹配结果还包括：
步骤1：每季度进行摸底考试，确定全体学生的成绩排名；
步骤2：通过对学生群体按照成绩顺序进行排序，并对上述排序进行分段，在每一分段中随机抽取n名样本学生，样本学生数量n与授课老师数量m相等，样本学生的学习进度领先该分段中其他学生一天；
步骤3：每一分段中的n名样本学生学习第Q天的学习内容，n名样本学生分别学习m名授课老师的相同教学内容，确定每一分段n名样本学生分别对应的专注状态持续时间的结果，从而确定该分段学生与m名授课老师对于第Q天学习内容的匹配结果，其中Q初始化为1；
步骤4：根据步骤3中确定的匹配老师，安排下一天该分段中其他学生的授课老师，具体的，步骤3中确定的匹配老师即为下一天该分段中其他学生的授课老师，该分段中其他学生学习所述授课老师的第Q天的学习内容；
步骤5：如果未完成一季度的学习，则返回步骤3，且令Q＝Q+1；如完成一季度的学习，则返回步骤1。
9.如权利要求5-6所述的方法，其特征在于：输出所述老师最佳授课内容结果还包括：将不同老师的同一教学内容所对应的学生进行分组，其中，所述分组中包含的学生人数相同；分别计算不同组别下的学生与其对应的老师的同一教学内容的专注状态持续时间之和，将所述专注状态持续时间之和按照大小进行排序，将所述注状态持续时间之和中最大的教学内容作为该老师的最佳授课内容结果。
CN202110016118.3A 2021-01-07 2021-01-07 一种基于大数据分析的在线教育平台的教育方法 Active CN112862639B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110016118.3A CN112862639B (zh) 2021-01-07 2021-01-07 一种基于大数据分析的在线教育平台的教育方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110016118.3A CN112862639B (zh) 2021-01-07 2021-01-07 一种基于大数据分析的在线教育平台的教育方法

Publications (2)

Publication Number Publication Date
CN112862639A true CN112862639A (zh) 2021-05-28
CN112862639B CN112862639B (zh) 2024-04-09

Family

ID=76004508

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110016118.3A Active CN112862639B (zh) 2021-01-07 2021-01-07 一种基于大数据分析的在线教育平台的教育方法

Country Status (1)

Country Link
CN (1) CN112862639B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113570484A (zh) * 2021-09-26 2021-10-29 广州华赛数据服务有限责任公司 一种基于大数据的线上小学教育管理***及方法
CN116227968A (zh) * 2022-12-13 2023-06-06 广州华翰教育科技股份有限公司 根据实时监控信息反馈分析的网络教育效果检验***
CN116580608A (zh) * 2023-04-27 2023-08-11 广东科技学院 人工智能教学***及人工智能教学方法
JP7458527B1 (ja) 2023-03-17 2024-03-29 Ｌｉｎｅヤフー株式会社 情報処理装置、情報処理方法、およびプログラム

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070037962A (ko) * 2005-10-04 2007-04-09 구자용 가정방문학습 및 학원강의형 오프라인교육과 온라인화상네트워크상의 교육시스템을 결합한 교육비즈니스모델
CN108053700A (zh) * 2018-01-02 2018-05-18 北京建筑大学 一种人工智能教学辅助***
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
CN108520661A (zh) * 2018-04-25 2018-09-11 广州国铭职业技能培训有限公司 一种基于云平台的在线教育培训***

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070037962A (ko) * 2005-10-04 2007-04-09 구자용 가정방문학습 및 학원강의형 오프라인교육과 온라인화상네트워크상의 교육시스템을 결합한 교육비즈니스모델
CN108053700A (zh) * 2018-01-02 2018-05-18 北京建筑大学 一种人工智能教学辅助***
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
CN108520661A (zh) * 2018-04-25 2018-09-11 广州国铭职业技能培训有限公司 一种基于云平台的在线教育培训***

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113570484A (zh) * 2021-09-26 2021-10-29 广州华赛数据服务有限责任公司 一种基于大数据的线上小学教育管理***及方法
CN113570484B (zh) * 2021-09-26 2022-02-08 广州华赛数据服务有限责任公司 一种基于大数据的线上小学教育管理***及方法
CN116227968A (zh) * 2022-12-13 2023-06-06 广州华翰教育科技股份有限公司 根据实时监控信息反馈分析的网络教育效果检验***
JP7458527B1 (ja) 2023-03-17 2024-03-29 Ｌｉｎｅヤフー株式会社 情報処理装置、情報処理方法、およびプログラム
CN116580608A (zh) * 2023-04-27 2023-08-11 广东科技学院 人工智能教学***及人工智能教学方法

Also Published As

Publication number Publication date
CN112862639B (zh) 2024-04-09

Similar Documents

Publication Publication Date Title
CN110991381B (zh) 一种基于行为和语音智能识别的实时课堂学生状态分析与指示提醒***和方法
CN112862639A (zh) 一种基于大数据分析的在线教育方法及在线教育平台
CN105069294B (zh) 一种用于认知能力值测试的计算和分析方法
CN108281052A (zh) 一种在线教学***及在线教学方法
CN107958351A (zh) 教学质量评估云服务平台
CN111915148B (zh) 一种基于信息技术的课堂教学评价方法和***
CN110164213A (zh) 一种基于ai视频分析的多终端远程教育培训***
US12001434B2 (en) Method for monitoring user behavior when interacting with content and a system for its implementation
CN108389446A (zh) 一种智慧黑板，及智慧教室的教学***
JP2003228272A (ja) 教材学習システム
CN105147304B (zh) 一种人格特质值测验的刺激信息编制方法
US20100120012A1 (en) System for providing online learning contents
JP4631014B2 (ja) 電子教材学習支援装置と電子教材学習支援システム及び電子教材学習支援方法並びに電子学習支援プログラム
CN112837190B (zh) 一种基于在线互动培训课堂培训装置的培训方法
CN110956376B (zh) 一种适合衡量自适应学生学习效果的分析方法及***
CN111696648A (zh) 一种基于互联网的心理咨询平台
Joe et al. A prototype public speaking skills assessment: An evaluation of human‐scoring quality
CN112001826A (zh) 一种基于大数据的教育信息智能分类***
CN113781853A (zh) 基于终端的师生远程互动教育平台
CN117745494A (zh) 一种多端融合的3d视频数字化osce考站***
CN117079772A (zh) 一种基于社区矫正对象心理评估分析的智慧矫正***及终端
CN112116841A (zh) 一种基于深度学习的个性化远程教育***及方法
CN110991943A (zh) 一种基于云计算的教学质量评价***
CN109886255A (zh) 一种具有面部情绪识别功能的智能互动教学***
CN113591796B (zh) 一种用于校园的人脸识别***

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