CN112990677A - 一种基于人工智能的教学***、计算机设备、存储介质 - Google Patents

一种基于人工智能的教学***、计算机设备、存储介质 Download PDF

Info

Publication number
CN112990677A
CN112990677A CN202110238599.2A CN202110238599A CN112990677A CN 112990677 A CN112990677 A CN 112990677A CN 202110238599 A CN202110238599 A CN 202110238599A CN 112990677 A CN112990677 A CN 112990677A
Authority
CN
China
Prior art keywords
module
learning
teaching
user
image
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
CN202110238599.2A
Other languages
English (en)
Other versions
CN112990677B (zh
Inventor
孙昊
王媛媛
张文鹏
吕志文
王凯
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.)
QINGDAO HAIKE VIRTUAL REALITY Research Institute
Original Assignee
Qingdao Haike Innovation 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 Qingdao Haike Innovation Technology Co ltd filed Critical Qingdao Haike Innovation Technology Co ltd
Priority to CN202110238599.2A priority Critical patent/CN112990677B/zh
Publication of CN112990677A publication Critical patent/CN112990677A/zh
Application granted granted Critical
Publication of CN112990677B publication Critical patent/CN112990677B/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
    • 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
    • G06Q10/06395—Quality analysis or 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
    • 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
    • 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
    • G06V40/172—Classification, e.g. identification

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Educational Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Development Economics (AREA)
  • Human Computer Interaction (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于人工智能教育技术领域，公开了一种基于人工智能的教学***、计算机设备、存储介质，基于人工智能的教学***包括：用户身份注册登录模块、用户水平选择模块、中央控制模块、初步测评模块、学习薄弱点确定模块、教学模块、图像采集模块、图像分析模块、学习监测模块、学习过程评分模块、评测模块、教学评估模块以及教学调整模块。本发明通过获取学生学习状态影响人脸图像信息，基于预设的人工智能算法模型根据学生人脸表情自动确定学生的学习状态；同根据学生的学习状态等信息来确定学生的学习内容，使得学生达到便捷、高效的学习效果；针对学生的学习进行测评与教学质量评估，能够进行教学的自适应评估。

Description

一种基于人工智能的教学***、计算机设备、存储介质
技术领域
本发明属于人工智能教育技术领域，尤其涉及一种基于人工智能的教学***、计算机设备、存储介质。
背景技术
目前：在传统的人工智能教学***中，需要对用于教学的计算机进行复杂的软件环境配置与硬件升级，同时要求学生具备一定的数学和计算机知识储备，适用范围小。
自适应教育这一学习理念已经存在了很长时间，近年来随着人工智能在教育行业的应用，基于人工智能的自适应教育应运而生。自适应教育学习模式可实时收集学生学习数据，评估学生的学习内容，做到千人千面的个性化学习，提高学习效率。基于人工智能的自适应教育目前在我国处于初步发展阶段，产业链不成熟、分工不明确，用户对其认知度低。未来随着技术的成熟，有效数据的丰富，自适应教育有望在更多学科和细分领域进行应用。
然而现有的自适应教学教学效率低下，无法监测学习状况也不能进行教学评估与适应性调整。
通过上述分析，现有技术存在的问题及缺陷为：现有的自适应教学教学效率低下，无法监测学习状况也不能进行教学评估与适应性调整。
发明内容
针对现有技术存在的问题，本发明提供了一种基于人工智能的教学***、计算机设备、存储介质。
本发明是这样实现的，一种基于人工智能的教学***，所述基于人工智能的教学***包括：
学习薄弱点确定模块，与中央控制模块连接，用于基于用户评分确定用户学习薄弱点；
教学模块，与中央控制模块连接，用于基于确定的用户学习薄弱点进行针对性教学；
图像采集模块，与中央控制模块连接，用于采集用户教学过程中的人脸图像以及身体动作图像数据；
图像分析模块，与中央控制模块连接，用于基于采集的相应图像进行分析，确定用户的学习状态；
学习监测模块，与中央控制模块连接，用于获取用户的学习数据，监测用户的学习状况；
学习过程评分模块，与中央控制模块连接，用于基于用户的学习状态、学习状况进行用户学习过程评分；
评测模块，与中央控制模块连接，用于基于教学内容进行用户本阶段测评；
教学评估模块，与中央控制模块连接，用于基于用户本阶段测评结果与初步评测结果的进步值、学习过程评分进行教学质量评估；
所述教学评估模块的教学质量评估方法包括：
首先，将用户本阶段测评结果与初步评测结果的进步值、学习过程评分作为评估因子，将因子分子与模糊数学隶属度结合得到因子隶属度，如下公式：
Figure BDA0002961653680000021
式中x0代表初步评测结果；x1代表本阶段测评结果；x代表学习过程评分；
其次，对教学质量单项指标评价；计算综合权重；
所述计算共和权重包括：
计算单个指标的权重：
Figure BDA0002961653680000031
式中：Ai代表当前指标数值；Lk代表指标能级；
使用模糊模型中统一化权重计算：
Figure BDA0002961653680000032
式中：Wk代表单一指标权重；
有n个教学质量指标，即得到教学质量综合权重矩阵B：
B＝[W1，W2，......，Wn]
最后，将矩阵R与矩阵复合计算，计算得到教学质量状况；
教学调整模块，与中央控制模块连接，用于基于教学质量评估结果调整教学任务、教学方式。
进一步，所述基于人工智能的教学***还包括：
用户身份注册登录模块，与中央控制模块连接，用于进行教学***用户身份的注册与登录；
用户水平选择模块，与中央控制模块连接，用于用户基于自身学***选择目前的学习程度；
中央控制模块，与用户身份注册登录模块、用户水平选择模块、初步测评模块、学习薄弱点确定模块、教学模块、图像采集模块、图像分析模块、学习监测模块、学习过程评分模块、评测模块、教学评估模块以及教学调整模块连接，用于利用单片机或控制器控制各个模块正常工作；
初步测评模块，与中央控制模块连接，用于基于用户选择的学***，并输出用户评分。
进一步，所述学习薄弱点确定模块确定用户学习薄弱点的方法包括：
1)基于用户初步测评分数，确定用户的错题数目，针对用户每一道错题确定错误试题的解题思路信息、错误试题的规范解题信息；
2)基于错误试题的解题思路信息、错误试题的规范解题信息判断所述用户学习是否存在薄弱点。
进一步，所述基于错误试题的解题思路信息、错误试题的规范解题信息判断所述用户学习是否存在薄弱点包括：
若错误试题未没有解题思路，或者，解题思路不清晰，则判断用户存在薄弱点。
进一步，所述图像分析模块确定用户的学习状态的方法包括：
(1)采集用户学习的第一图像；分析所述第一图像中是否含有指定的内容信息；若所述第一图像中含有指定的内容信息，则采集第二图像；
(2)分析所述第二图像中是否含有人物信息；若所述第二图像中含有人物信息，则分析所述人物信息是否符合预设的人物状态标准；若否，则形成对应阅读者学习状态的第一监测结果；若是，则形成对应阅读者学习状态的第二监测结果；
(3)在第一预设时间后采集第三图像；分析所述第三图像与所述第一图像是否相同；若所述第三图像与所述第一图像相同，则采集第四图像；
(4)分析所述第四图像中是否含有人物信息；若所述第四图像中含有人物信息，则分析所述人物信息是否符合预设的人物状态标准；若所述人物信息不符合预设的人物状态标准，则形成对应所述阅读者学习状态的所述第一监测结果。
进一步，所述人物信息包括双肩与水平方向之间的角度、嘴巴的高度与宽度之比，眼睛持续闭合的时间。
进一步，所述分析人物信息是否符合预设的人物状态标准包括：
1)分析所述双肩与水平方向之间的角度是否大于第一预设角度；若所述双肩与水平方向之间的角度大于第一预设角度，则判定所述人物信息不符合预设的人物状态标准；
2)分析嘴巴的高度与宽度之比是否大于预设值；若所述嘴巴的高度与宽度之比大于预设值，则判定所述人物信息不符合预设的人物状态标准；
3)分析眼睛持续闭合的时间是否超出第二预设时间；若所述眼睛持续闭合的时间超出第二预设时间，则判定所述人物信息不符合预设的人物状态标准；
4)基于步骤1)至步骤3)的判定结果输出综合判定结果。
进一步，所述对教学质量单项指标评价公式如下：
Figure BDA0002961653680000051
建立下式：
Figure BDA0002961653680000052
其中，W为教学质量各项指标样本集合，L为教学质量各项指标污染等级集合，A为样本数值；n为指标数目；m为教学质量能级个数据；
通过下公式计算出单项指标的因子隶属度，对应n个教学质量指标得到m*n的矩阵R；
A1L1 ... A1Lm
... ... ...
R＝AnL1 ... AnLm。
本发明的另一目的在于提供一种一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述基于人工智能的教学***的功能。
本发明的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行所述基于人工智能的教学***的功能。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明通过获取学生学习状态影响人脸图像信息，基于预设的人工智能算法模型根据学生人脸表情自动确定学生的学习状态；同根据学生的学习状态等信息来确定学生的学习内容，使得学生达到便捷、高效的学习效果；针对学生的学习进行测评与教学质量评估，能够进行教学的自适应评估。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，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的附图。
图1是本发明实施例提供的基于人工智能的教学***结构示意图；
图中：1、用户身份注册登录模块；2、用户水平选择模块；3、中央控制模块；4、初步测评模块；5、学习薄弱点确定模块；6、教学模块；7、图像采集模块；8、图像分析模块；9、学习监测模块；10、学习过程评分模块；11、评测模块；12、教学评估模块；13、教学调整模块。
图2是本发明实施例提供的基于人工智能的教学方法流程图。
图3是本发明实施例提供的学习薄弱点确定模块确定用户学习薄弱点的方法流程图。
图4是本发明实施例提供的图像分析模块确定用户的学习状态的方法流程图。
图5是本发明实施例提供的分析人物信息是否符合预设的人物状态标准的方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例汉仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种基于人工智能的教学***、计算机设备、存储介质，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的基于人工智能的教学***包括：
用户身份注册登录模块1，与中央控制模块3连接，用于进行教学***用户身份的注册与登录；
用户水平选择模块2，与中央控制模块3连接，用于用户基于自身学***选择目前的学习程度；
中央控制模块3，与用户身份注册登录模块1、用户水平选择模块2、初步测评模块4、学习薄弱点确定模块5、教学模块6、图像采集模块7、图像分析模块8、学习监测模块9、学习过程评分模块10、评测模块11、教学评估模块12以及教学调整模块13连接，用于利用单片机或控制器控制各个模块正常工作；
初步测评模块4，与中央控制模块3连接，用于基于用户选择的学***，并输出用户评分；
学习薄弱点确定模块5，与中央控制模块3连接，用于基于用户评分确定用户学习薄弱点；
教学模块6，与中央控制模块3连接，用于基于确定的用户学习薄弱点进行针对性教学；
图像采集模块7，与中央控制模块3连接，用于采集用户教学过程中的人脸图像以及身体动作图像数据；
图像分析模块8，与中央控制模块3连接，用于基于采集的相应图像进行分析，确定用户的学习状态；
学习监测模块9，与中央控制模块3连接，用于获取用户的学习数据，监测用户的学习状况；
学习过程评分模块10，与中央控制模块3连接，用于基于用户的学习状态、学习状况进行用户学习过程评分；
评测模块11，与中央控制模块3连接，用于基于教学内容进行用户本阶段测评；
教学评估模块12，与中央控制模块3连接，用于基于用户本阶段测评结果与初步评测结果的进步值、学习过程评分进行教学质量评估；
教学调整模块13，与中央控制模块3连接，用于基于教学质量评估结果调整教学任务、教学方式。
如图2所示，本发明实施例提供的基于人工智能的教学方法包括：
S101，通过用户身份注册登录模块进行教学***用户身份的注册与登录；通过用户水平选择模块用户基于自身学***选择目前的学习程度；通过中央控制模块利用单片机或控制器控制各个模块正常工作；
S102，通过初步测评模块基于用户选择的学***，并输出用户评分；通过学习薄弱点确定模块基于用户评分确定用户学习薄弱点；
S103，通过教学模块基于确定的用户学习薄弱点进行针对性教学；通过图像采集模块采集用户教学过程中的人脸图像以及身体动作图像数据；通过图像分析模块基于采集的相应图像进行分析，确定用户的学习状态；
S104，通过学习监测模块获取用户的学习数据，监测用户的学习状况；通过学习过程评分模块基于用户的学习状态、学习状况进行用户学习过程评分；通过评测模块基于教学内容进行用户本阶段测评；
S105，通过教学评估模块基于用户本阶段测评结果与初步评测结果的进步值、学习过程评分进行教学质量评估；通过教学调整模块基于教学质量评估结果调整教学任务、教学方式。
教学调整模块，与中央控制模块连接，用于基于教学质量评估结果调整教学任务、教学方式。
如图3所示，步骤S103中，本发明实施例提供的学习薄弱点确定模块确定用户学习薄弱点的方法包括：
S201，基于用户初步测评分数，确定用户的错题数目，针对用户每一道错题确定错误试题的解题思路信息、错误试题的规范解题信息；
S202，基于错误试题的解题思路信息、错误试题的规范解题信息判断所述用户学习是否存在薄弱点。
本发明实施例提供的基于错误试题的解题思路信息、错误试题的规范解题信息判断所述用户学习是否存在薄弱点包括：
若错误试题未没有解题思路，或者，解题思路不清晰，则判断用户存在薄弱点。
如图4所示，步骤S103中，本发明实施例提供的图像分析模块确定用户的学习状态的方法包括：
S301，采集用户学习的第一图像；分析所述第一图像中是否含有指定的内容信息；若所述第一图像中含有指定的内容信息，则采集第二图像；
S302，分析所述第二图像中是否含有人物信息；若所述第二图像中含有人物信息，则分析所述人物信息是否符合预设的人物状态标准；若否，则形成对应阅读者学习状态的第一监测结果；若是，则形成对应阅读者学习状态的第二监测结果；
S303，在第一预设时间后采集第三图像；分析所述第三图像与所述第一图像是否相同；若所述第三图像与所述第一图像相同，则采集第四图像；
S304，分析所述第四图像中是否含有人物信息；若所述第四图像中含有人物信息，则分析所述人物信息是否符合预设的人物状态标准；若所述人物信息不符合预设的人物状态标准，则形成对应所述阅读者学习状态的所述第一监测结果。
本发明实施例提供的人物信息包括双肩与水平方向之间的角度、嘴巴的高度与宽度之比，眼睛持续闭合的时间。
如图5所示，本发明实施例提供的分析人物信息是否符合预设的人物状态标准包括：
S401，分析所述双肩与水平方向之间的角度是否大于第一预设角度；若所述双肩与水平方向之间的角度大于第一预设角度，则判定所述人物信息不符合预设的人物状态标准；
S402，分析嘴巴的高度与宽度之比是否大于预设值；若所述嘴巴的高度与宽度之比大于预设值，则判定所述人物信息不符合预设的人物状态标准；
S403，分析眼睛持续闭合的时间是否超出第二预设时间；若所述眼睛持续闭合的时间超出第二预设时间，则判定所述人物信息不符合预设的人物状态标准；
S404，基于步骤S401至步骤S403的判定结果输出综合判定结果。
步骤S105中，本发明实施例提供的通过教学评估模块基于用户本阶段测评结果与初步评测结果的进步值、学习过程评分进行教学质量评估包括：
首先，将用户本阶段测评结果与初步评测结果的进步值、学习过程评分作为评估因子，将因子分子与模糊数学隶属度结合得到因子隶属度，如下公式：
Figure BDA0002961653680000101
式中x0代表初步评测结果；x1代表本阶段测评结果；x代表学习过程评分；
其次，对教学质量单项指标评价：
Figure BDA0002961653680000102
建立下式：
Figure BDA0002961653680000103
其中，W为教学质量各项指标样本集合，L为教学质量各项指标污染等级集合，A为样本数值；n为指标数目；m为教学质量能级个数据；
通过下公式计算出单项指标的因子隶属度，对应n个教学质量指标得到m*n的矩阵R；
A1L1 ... A1Lm
... ... ...
R＝AnL1 ... AnLm；
然后，计算综合权重；
所述计算共和权重包括：
计算单个指标的权重：
Figure BDA0002961653680000111
式中：Ai代表当前指标数值；Lk代表指标能级；
使用模糊模型中统一化权重计算：
Figure BDA0002961653680000112
式中：Wk代表单一指标权重；
有n个教学质量指标，即得到教学质量综合权重矩阵B：
B＝[W1，W2，......，Wn]
最后，将矩阵R与矩阵复合计算，计算得到教学质量状况。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行***，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述，仅为本发明较优的具体的实施方式，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，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种基于人工智能的教学***，其特征在于，所述基于人工智能的教学***包括：
学习薄弱点确定模块，与中央控制模块连接，用于基于用户评分确定用户学习薄弱点；
教学模块，与中央控制模块连接，用于基于确定的用户学习薄弱点进行针对性教学；
图像采集模块，与中央控制模块连接，用于采集用户教学过程中的人脸图像以及身体动作图像数据；
图像分析模块，与中央控制模块连接，用于基于采集的相应图像进行分析，确定用户的学习状态；
学习监测模块，与中央控制模块连接，用于获取用户的学习数据，监测用户的学习状况；
学习过程评分模块，与中央控制模块连接，用于基于用户的学习状态、学习状况进行用户学习过程评分；
评测模块，与中央控制模块连接，用于基于教学内容进行用户本阶段测评；
教学评估模块，与中央控制模块连接，用于基于用户本阶段测评结果与初步评测结果的进步值、学习过程评分进行教学质量评估；具体包括：首先，将用户本阶段测评结果与初步评测结果的进步值、学习过程评分作为评估因子，将因子分子与模糊数学隶属度结合得到因子隶属度，如下公式：
Figure FDA0002961653670000011
式中x0代表初步评测结果；x1代表本阶段测评结果；x代表学习过程评分；
其次，对教学质量单项指标评价；计算综合权重；所述计算综合权重包括：
计算单个指标的权重：
Figure FDA0002961653670000021
即
Figure FDA0002961653670000022
式中：Ai代表当前指标数值；Lk代表指标能级；
使用模糊模型中统一化权重计算：
Figure FDA0002961653670000023
式中：Wk代表单一指标权重；
有n个教学质量指标，即得到教学质量综合权重矩阵B：
B＝[W1，W2，......，Wn]
最后，将矩阵R与矩阵复合计算，计算得到教学质量状况；
所述单项指标评价公式如下：
Figure FDA0002961653670000024
建立下式：
Figure FDA0002961653670000025
其中，W为教学质量各项指标样本集合，L为教学质量各项指标污染等级集合，A为样本数值；n为指标数目；m为教学质量能级个数据；
通过下公式计算出单项指标的因子隶属度，对应n个教学质量指标得到m*n的矩阵R；
Figure FDA0002961653670000026
教学调整模块，与中央控制模块连接，用于基于教学质量评估结果调整教学任务、教学方式。
2.如权利要求1所述基于人工智能的教学***，其特征在于，所述基于人工智能的教学***还包括：
用户身份注册登录模块，与中央控制模块连接，用于进行教学***用户身份的注册与登录；
用户水平选择模块，与中央控制模块连接，用于用户基于自身学***选择目前的学习程度；
中央控制模块，与用户身份注册登录模块、用户水平选择模块、初步测评模块、学习薄弱点确定模块、教学模块、图像采集模块、图像分析模块、学习监测模块、学习过程评分模块、评测模块、教学评估模块以及教学调整模块连接，用于利用单片机或控制器控制各个模块正常工作。
3.如权利要求1所述基于人工智能的教学***，其特征在于，所述基于人工智能的教学***还包括：
初步测评模块，与中央控制模块连接，用于基于用户选择的学***，并输出用户评分。
4.如权利要求1所述基于人工智能的教学***，其特征在于，所述学习薄弱点确定模块确定用户学习薄弱点的方法包括：
1)基于用户初步测评分数，确定用户的错题数目，针对用户每一道错题确定错误试题的解题思路信息、错误试题的规范解题信息；
2)基于错误试题的解题思路信息、错误试题的规范解题信息判断所述用户学习是否存在薄弱点。
5.如权利要求4所述基于人工智能的教学***，其特征在于，所述基于错误试题的解题思路信息、错误试题的规范解题信息判断所述用户学习是否存在薄弱点包括：
若错误试题未没有解题思路，或者，解题思路不清晰，则判断用户存在薄弱点。
6.如权利要求1所述基于人工智能的教学***，其特征在于，所述图像分析模块确定用户的学习状态的方法包括：
(1)采集用户学习的第一图像；分析所述第一图像中是否含有指定的内容信息；若所述第一图像中含有指定的内容信息，则采集第二图像；
(2)分析所述第二图像中是否含有人物信息；若所述第二图像中含有人物信息，则分析所述人物信息是否符合预设的人物状态标准；若否，则形成对应阅读者学习状态的第一监测结果；若是，则形成对应阅读者学习状态的第二监测结果；
(3)在第一预设时间后采集第三图像；分析所述第三图像与所述第一图像是否相同；若所述第三图像与所述第一图像相同，则采集第四图像；
(4)分析所述第四图像中是否含有人物信息；若所述第四图像中含有人物信息，则分析所述人物信息是否符合预设的人物状态标准；若所述人物信息不符合预设的人物状态标准，则形成对应所述阅读者学习状态的所述第一监测结果。
7.如权利要求6所述基于人工智能的教学***，其特征在于，所述人物信息包括双肩与水平方向之间的角度、嘴巴的高度与宽度之比，眼睛持续闭合的时间。
8.如权利要求6所述基于人工智能的教学***，其特征在于，所述分析人物信息是否符合预设的人物状态标准包括：
1)分析所述双肩与水平方向之间的角度是否大于第一预设角度；若所述双肩与水平方向之间的角度大于第一预设角度，则判定所述人物信息不符合预设的人物状态标准；
2)分析嘴巴的高度与宽度之比是否大于预设值；若所述嘴巴的高度与宽度之比大于预设值，则判定所述人物信息不符合预设的人物状态标准；
3)分析眼睛持续闭合的时间是否超出第二预设时间；若所述眼睛持续闭合的时间超出第二预设时间，则判定所述人物信息不符合预设的人物状态标准；
4)基于步骤1)至步骤3)的判定结果输出综合判定结果。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1-7任意一项所述基于人工智能的教学***的功能。
10.一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1-7任意一项所述基于人工智能的教学***的功能。
CN202110238599.2A 2021-03-04 2021-03-04 一种基于人工智能的教学***、计算机设备、存储介质 Active CN112990677B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110238599.2A CN112990677B (zh) 2021-03-04 2021-03-04 一种基于人工智能的教学***、计算机设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110238599.2A CN112990677B (zh) 2021-03-04 2021-03-04 一种基于人工智能的教学***、计算机设备、存储介质

Publications (2)

Publication Number Publication Date
CN112990677A true CN112990677A (zh) 2021-06-18
CN112990677B CN112990677B (zh) 2022-03-01

Family

ID=76352558

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110238599.2A Active CN112990677B (zh) 2021-03-04 2021-03-04 一种基于人工智能的教学***、计算机设备、存储介质

Country Status (1)

Country Link
CN (1) CN112990677B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113761030A (zh) * 2021-09-07 2021-12-07 辽宁铂阳科技集团有限公司 一种错题统计分析***
CN113778454A (zh) * 2021-09-22 2021-12-10 重庆海云捷迅科技有限公司 一种人工智能实验平台的自动评测方法及***
CN114038256A (zh) * 2021-11-29 2022-02-11 西南医科大学 一种基于人工智能的教学互动***
CN116453027A (zh) * 2023-06-12 2023-07-18 深圳市玩瞳科技有限公司 用于教育机器人的ai识别管理方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109658673A (zh) * 2018-12-12 2019-04-19 深圳市沃特沃德股份有限公司 学习状态监测方法、装置、可读存储介质及智能设备
CN110069707A (zh) * 2019-03-28 2019-07-30 广州创梦空间人工智能科技有限公司 一种人工智能自适应互动教学***
CN110322134A (zh) * 2019-06-26 2019-10-11 刘玉静 基于学生学习收获的教师教学质量评估***
US20190362138A1 (en) * 2018-05-24 2019-11-28 Gary Shkedy System for Adaptive Teaching Using Biometrics
CN111079113A (zh) * 2019-12-13 2020-04-28 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
CN111681479A (zh) * 2020-06-24 2020-09-18 中国科学院自动化研究所 自适应情境化人工智能教学***、方法及装置
CN111861204A (zh) * 2020-07-20 2020-10-30 山东劳动职业技术学院（山东劳动技师学院） 基于智能平台的课程移动学习评价***及方法
CN111931598A (zh) * 2020-07-20 2020-11-13 湖北美和易思教育科技有限公司 一种基于人脸识别的课堂智能实时分析方法及***

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190362138A1 (en) * 2018-05-24 2019-11-28 Gary Shkedy System for Adaptive Teaching Using Biometrics
CN109658673A (zh) * 2018-12-12 2019-04-19 深圳市沃特沃德股份有限公司 学习状态监测方法、装置、可读存储介质及智能设备
CN110069707A (zh) * 2019-03-28 2019-07-30 广州创梦空间人工智能科技有限公司 一种人工智能自适应互动教学***
CN110322134A (zh) * 2019-06-26 2019-10-11 刘玉静 基于学生学习收获的教师教学质量评估***
CN111079113A (zh) * 2019-12-13 2020-04-28 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
CN111681479A (zh) * 2020-06-24 2020-09-18 中国科学院自动化研究所 自适应情境化人工智能教学***、方法及装置
CN111861204A (zh) * 2020-07-20 2020-10-30 山东劳动职业技术学院（山东劳动技师学院） 基于智能平台的课程移动学习评价***及方法
CN111931598A (zh) * 2020-07-20 2020-11-13 湖北美和易思教育科技有限公司 一种基于人脸识别的课堂智能实时分析方法及***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
唐立 等: ""基于综合加权融合算法的学习评价方法及其证实"", 《辽东学院学报( 自然科学版)》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113761030A (zh) * 2021-09-07 2021-12-07 辽宁铂阳科技集团有限公司 一种错题统计分析***
CN113778454A (zh) * 2021-09-22 2021-12-10 重庆海云捷迅科技有限公司 一种人工智能实验平台的自动评测方法及***
CN113778454B (zh) * 2021-09-22 2024-02-20 重庆海云捷迅科技有限公司 一种人工智能实验平台的自动评测方法及***
CN114038256A (zh) * 2021-11-29 2022-02-11 西南医科大学 一种基于人工智能的教学互动***
CN116453027A (zh) * 2023-06-12 2023-07-18 深圳市玩瞳科技有限公司 用于教育机器人的ai识别管理方法
CN116453027B (zh) * 2023-06-12 2023-08-22 深圳市玩瞳科技有限公司 用于教育机器人的ai识别管理方法

Also Published As

Publication number Publication date
CN112990677B (zh) 2022-03-01

Similar Documents

Publication Publication Date Title
CN112990677B (zh) 一种基于人工智能的教学***、计算机设备、存储介质
CN105761183A (zh) 知识点体系教学方法及基于知识点测度的自适应教学***
CN111626372A (zh) 一种线上教学监督管理方法及***
CN107845300A (zh) 一种实时监控的安全考试***
CN107741978A (zh) 一种个性化学习资源推送方法及其***
Han A Fuzzy Logic and Multilevel Analysis‐Based Evaluation Algorithm for Digital Teaching Quality in Colleges and Universities
CN113869749B (zh) 模拟飞行器的飞行训练质量评估***及方法
CN107818707A (zh) 一种自动出题的考试***
CN111369140B (zh) 一种教学评价***及方法
Li et al. Research on the big data analysis of MOOCs in a flipped classroom based on attention mechanism in deep learning model
CN105336235A (zh) 一种用于智能学习***的分值设定方法
CN112015830B (zh) 适用于自适应学习的题目存储方法
CN112016829B (zh) 一种基于眼动信息的在线课程学习评估方法
Shi Deep Learning for College English Education Evaluation
CN112529746A (zh) 辅助教师的实时学习监督、提醒及分析的方法
Nebot et al. Fuzzy predictive models to help teachers in e-learning courses
Dreyfus et al. Frictionless forecasting is a fiction
Liao et al. Predicting learners' multi-question performance based on neural networks
Liu et al. Survey of Computerized Adaptive Testing: A Machine Learning Perspective
CN111415089B (zh) 一种基于学***板学习结果预警方法
Tarmudi et al. Evaluation of pre-diploma students using fuzzy approach
Zang et al. Adaptive Artificial Intelligent Technique to Improve Acquisition of Knowledge in the Educational Environment
Dong et al. Construction and Application of Automatic Scoring Index System for College English Multimedia Teaching Based on Neural Network
EL FOUKI et al. A new parameter optimization strategy to improve students’ performances
Sheng Check for updates Evaluation Method of College Students' Education Based on Artificial Neural Networks

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: 20220208

Address after: 266100 802, block B, No. 1, Keyuan Weiyi Road, Laoshan District, Qingdao, Shandong

Applicant after: QINGDAO HAIKE VIRTUAL REALITY Research Institute

Address before: Room 802, block B, International Innovation Park, No.1 Keyuan Weiyi Road, Laoshan District, Qingdao City, Shandong Province 266000

Applicant before: Qingdao Haike Innovation Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant