CN115658255B - 任务处理方法、电子设备以及可读存储介质 - Google Patents
任务处理方法、电子设备以及可读存储介质 Download PDFInfo
- Publication number
- CN115658255B CN115658255B CN202211157924.3A CN202211157924A CN115658255B CN 115658255 B CN115658255 B CN 115658255B CN 202211157924 A CN202211157924 A CN 202211157924A CN 115658255 B CN115658255 B CN 115658255B
- Authority
- CN
- China
- Prior art keywords
- user
- subtask
- task
- duration
- result
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- User Interface Of Digital Computer (AREA)
Abstract
本申请实施例提供了一种任务处理方法、电子设备以及可读存储介质,该方法中,在用户执行任务中的第一子任务的过程中,获取用户行为数据;当所述用户完成所述第一子任务时,根据所述用户行为数据,获取所述第一子任务的第一完成结果;向第二设备发送所述第一完成结果。本申请实施例中,可以根据用户在完成任务中每个子任务的用户行为数据,获取每个子任务的完成结果,这样第二设备在显示任务完成结果时,可以显示每个子任务的完成结果,丰富了任务完成的结果的输出。
Description
技术领域
本申请实施例涉及数据处理技术领域,尤其涉及一种任务处理方法、电子设备以及可读存储介质。
背景技术
电子设备上的教育类应用程序(application,APP),考试类APP,以及学***板等可以为用户提供不同类型的任务,用户通过完成任务可以学习知识、复习知识等,给用户生活带来了便利。
目前用户完成任务后,电子设备可以显示任务完成的结果,该结果输出单一。
发明内容
本申请实施例提供一种任务处理方法、电子设备以及可读存储介质,可以输出用户完成任务中每个子任务的完成结果,丰富了任务完成的结果的输出。
第一方面,本申请实施例提供一种任务处理方法,执行该方法的执行主体可以为第一设备或云服务器,下述以云服务器为例进行说明,其中,第一设备为用户执行任务的设备。在该方法中,在用户执行任务中的第一子任务的过程中,云服务器可以获取用户行为数据,且当所述用户完成所述第一子任务时,根据所述用户行为数据,获取所述第一子任务的第一完成结果,以及向第二设备发送所述第一完成结果。
本申请实施例中,第二设备是与第一设备绑定的设备。示例性的,第一设备是孩子使用的设备,第二设备可以为家长使用的设备。第二设备与第一设备绑定也可以理解为:在第一设备上登录的第一账号与在第二设备上登录的第二账号相同,或者在第一设备上登录的第一账号与在第二设备上登录的第二账号预先绑定。应理解,云服务器中可以存储第二设备和第一设备的绑定关系(或映射关系),或第一账号和第二账号的绑定关系(或映射关系)。
本申请实施例中,可以根据用户在完成任务中子任务的用户行为数据,获取子任务的完成结果,这样第二设备在显示任务完成结果时,可以显示任务中子任务的完成结果,丰富了任务完成的结果的输出。这样,用户可以根据子任务的完成结果,更有针对性地进行练习,以更好地完成任务。
本申请实施例中,用户在第一设备上完成第一子任务,第二设备上可以显示第一子任务的第一完成结果,这样可以实现远程实时得到第一完成结果,便于远程监督用户完成任务。
在一种可能的实现方式中,用户在第一设备上开始执行任务中的第一子任务时,第一设备可以采集用户行为数据。所述用户行为数据包括:所述用户执行所述第一子任务的过程中的录屏数据,以及所述用户执行所述第一子任务的过程中的用户的视频。
第一设备可以向云服务器发送用户行为数据,如此,云服务器可以获取用户行为数据。
下面对云服务器获取第一子任务的第一完成结果的方法进行说明:
其一,所述第一完成结果包括:视频合成结果,所述录屏数据包括:所述第一子任务的桌面视频。
云服务器可以将所述第一子任务的桌面视频和所述用户的视频进行合成,得到所述视频合成结果。视频合成结果中包括第一子任务的桌面视频和所述用户的视频进行合成的视频。
其二,所述第一完成结果包括:疲劳度检测结果,所述录屏数据包括:所述用户的语音。
云服务器可以将所述用户的语音和所述用户的视频,输入至疲劳度检测模型,得到所述疲劳度检测结果。
在一种示例中,云服务器可以根据任务的类型,将所述用户的语音和所述用户的视频,输入至任务的类型对应的疲劳度检测模型,以得到所述疲劳度检测结果。在该示例中,云服务器使用的疲劳度检测模型是适配于任务的类型的,因此云服务器可以得到准确性更高的疲劳度检测结果。
其三,所述第一完成结果还包括:有效学习时长评估结果。
云服务器可以根据所述第一子任务的桌面视频,获取所述用户完成所述第一子任务所用的时长,进而根据所述第一子任务的时长,以及所述用户完成所述第一子任务所用的时长,获取所述有效学习时长评估结果。
在一种示例中,有效学习时长评估结果可以包括:异常或正常。
本申请实施例中,云服务器可以获取多个维度的第一子任务的第一完成结果,用户可以针对第一完成结果,更有针对性地改正错误,以更好地完成任务。
其中,在云服务器获取用户行为数据之前,还可以获取任务的信息。在一种示例中,云服务器中可以存储任务的信息。或者,在一种示例中,用户在所述第一设备上开始执行所述任务时,第一设备可以获取任务的信息,进而向云服务器发送任务的信息。其中,所述任务的信息中包括:所述第一子任务的时长。
在一种示例中,任务为目标APP中的任务,第一设备中可以设置业务APP,业务APP可以通过目标APP中的APP SDK获取目标APP中任务的信息。
在一种可能的实现方式中,任务的信息中还可以包括:应用的标识、任务的标识、任务中包括子任务的标识、每个子任务的标识,每个子任务的时长等。
在一种可能的实现方式中,云服务器在获取第一完成结果后,还可以向所述第一设备发送所述第一完成结果,在该种实现方式中,第一设备可以在用户完成所述任务时,显示所述任务中每个第一子任务的第一完成结果。
在该种实现方式中,用户在第一设备上完成任务时,用户可以在第一设备上看到任务中每个子任务的完成结果,这样用户可以针对第一完成结果,更有针对性进行训练,以更好地完成任务。
在一种可能的实现方式中,云服务器还可以将所述用户的语音和所述用户的视频作为训练数据,更新所述疲劳度检测模型,得到所述任务对应的疲劳度检测模型,所述任务对应的疲劳度检测模型,用于获取所述用户执行与所述任务相同类型的任务时的疲劳度检测结果。
云服务器可以根据用户的语音和所述用户的视频,不断更新疲劳度检测模型,这样可以使得疲劳度检测模型更为适配该用户,进而可以得到准确性更高的疲劳度检测结果。
在一种可能的实现方式中,云服务器还可以根据所述用户完成所述第一子任务所用的时长,更新所述第一子任务的时长,更新后的所述第一子任务的时长用于获取有效学习时长评估结果。具体的,更新后的所述第一子任务的时长,用于获取后续用户在完成所述第一子任务的有效学习时长评估结果。
在该种可能的实现方式中,云服务器可以结合用户完成第一子任务的实际时长,更新第一子任务的时长,因此对于同一用户来说,在不同时间完成第一子任务时,用于获取第一子任务有效学习时长评估结果的第一子任务的时长可以不同,以更为准确地获取有效学习时长评估结果。对于不同的用户来说,云服务器可以更新每个用户完成第一子任务的时长,以根据每个用户的第一子任务的时长,获取每个用户的有效学习时长评估结果。其中,不同的用户具有不同的检测标准(如不同的第一子任务的时长),这样可以更为贴合用户的习惯,可以提高有效学习时长评估结果的准确性。
第二方面,本申请实施例提供一种电子设备,该电子设备可以包括:处理器、存储器。存储器用于存储计算机可执行程序代码,程序代码包括指令;当处理器执行指令时,指令使所述电子设备执行如第一方面中的方法。
第三方面,本申请实施例提供一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述第一方面中的方法。
第四方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述第一方面中的方法。
上述第二方面至第四方面的各可能的实现方式,其有益效果可以参见上述第一方面所带来的有益效果,在此不加赘述。
附图说明
图1为已有的一种教育类APP的界面示意图;
图2为本申请实施例提供的一种***架构的示意图;
图3为本申请实施例提供的任务处理方法的一种实施例的流程示意图;
图4为本申请实施例提供的第一设备的界面示意图;
图5为本申请实施例提供的任务处理方法的另一种实施例的流程示意图;
图6为本申请实施例提供的合成视频中任一视频帧的示意图;
图7为本申请实施例提供的第二设备的界面示意图;
图8为本申请实施例提供的任务处理方法的另一种实施例的流程示意图;
图9为本申请实施例提供的电子设备的一种结构示意图。
具体实施方式
本申请实施例涉及到的术语释义:
任务:可以包括但不限于学习任务、健身任务、游戏任务。本申请实施例中的任务中可以包括多个子任务,即用户完成该多个子任务可以看作完成任务。示例性的,以学习任务为英语学习任务为例,英语学习任务可以包括:读、写、练等多个子任务。以健身任务为腿部运动任务为例,腿部运动任务可以包括:深蹲、跨立、高抬腿等多个子任务。本申请实施例对任务的类型,以及任务中包括的子任务不做限制。
教育类应用程序(application,APP):可以包括但不限于英语学习类APP、拼音学习类APP、语文学习类APP、数学学习类APP。
电子设备:可以称为用户设备(user equipment,UE)、终端(terminal)等。例如,当任务为学***板电脑(portable android device,PAD)、个人数字处理(personal digital assistant,PDA)、智能学***板电脑、个人数字处理、健身镜等设备。应理解,任务不同,用于执行任务的电子设备的形态可以不同,本申请实施例对电子设备的形态不做限制。
下述实施例中以任务为学***板为例进行示例说明。
图1为已有的一种教育类APP的界面示意图。参照图1,图1中以电子设备为智能学习平板,任务为拼音学习任务为例,拼音学习任务中可以包括:玩、认、说、拼、练、写6个子任务。图1中的a所示的为“玩”子任务的界面101,示例性的,在该界面101上可以包括下一任务控件11,用户点击下一任务控件11,电子设备可以显示“玩”子任务的下一子任务“认”的界面102,如图中的b所示。应理解,图1中并未示出说、拼、练、写这四个子任务的界面。应理解,图1中并未示出“玩”子任务的界面101和“认”的界面102中包含的具体内容。
当用户完成拼音学习任务中的多个子任务后,电子设备可以显示如图1中的c所示的界面103。界面103上可以显示用户学习的拼音数量、学习天数,以及掌握拼音数量等结果。但目前电子设备输出的结果单一,如并未显示用户在完成每个子任务时的结果,且也并未根据用户在完成每个子任务的实际情况,得到用户在完成每个子任务时的结果,这样会导致用户无法及时掌握自己对每个子任务的学习情况,不能及时有效地调整学习方法。
示例性的,用户在完成拼音学习任务时,电子设备刚显示“玩”子任务的界面101,用户就点击下一任务控件11,实际上用户并未真正完成“玩”子任务,但是电子设备会记录用户完成该子任务,进而电子设备所示的结果无法准确地反应用户的学习情况,导致用户无法及时掌握自己的学习情况,同时也会导致用户的家长无法掌握孩子的学习情况。
另外,家长在查看孩子完成任务的情况时,只能在孩子学习完成后看到如界面103所示的结果,不能实时得到孩子在完成每个子任务时的情况,且家长也无法远程实时获取孩子在完成每个子任务时的情况。
本申请实施例提供一种任务处理方法,在用户完成任务的过程中,结合用户完成每个子任务时的用户行为数据,分析得到用户完成每个子任务的结果,进而在用户完成任务时,可以有效反馈用户对每个子任务的完成情况,结果输出更全面。其中,如用户可以针对完成差的任务,及时多加练习,针对完成好的任务,适应性减少练习,可以提高用户体验。
在介绍本申请实施例提供的任务处理方法之前,先对本申请实施例适用的***架构进行说明:
参照图2,本申请实施例适用的***架构包括:第一设备、第二设备,以及云服务器。
第一设备为包含有教育类APP、学习类APP或健身类APP的设备。用户通过第一设备可以执行学习任务、健身任务等。
在一种示例中,可以将教育类APP、学习类APP或健身类APP等用于为用户提供任务的APP称为目标APP。示例性的,图1中以第一设备中的目标APP包括拼音学习类APP和英语学习类APP为例进行说明。
目标APP中可以包括APP软件开发工具包(software development kit,SDK),目标APP中的APP SDK可以为业务APP提供数据访问接口。
第一设备中还包括:业务APP。业务APP,用于通过目标APP中的APP SDK,获取目标APP的任务信息。在一种示例中,任务信息可以包括但不限于:任务的名称、任务包括的子任务的个数,以及每个子任务的名称。
业务APP,还用于获取用户在完成任务中每个子任务时的用户行为数据,且将该用户行为数据发送给云服务器。
第二设备为:与使用第一设备执行任务的用户关联的用户的设备。示例性的,第一设备为孩子执行学习任务的设备,第二设备可以为家长的设备。在一种示例中,第一设备与第二设备可以为同一设备,或第一设备与第二设备可以为不同的设备。
在一种示例中,第二设备中包括:业务APP管理服务。该业务APP管理服务可以为业务APP提供的一项服务,或者该业务APP管理服务可以为一个APP,本申请实施例对此不作限制。其中,当第一设备和第二设备为同一设备时,第一设备中还可以包括业务APP管理服务。下述实施例中以第一设备和第二设备为不同的设备为例进行说明。
云服务器,用于根据来自业务APP的用户行为数据,获取用户在完成任务中每个子任务时的完成结果。
在一种示例中,云服务器中可以包括:业务APP服务端和处理模块。业务APP服务端,用于接收来自业务APP的用户行为数据。处理模块,用于根据用户行为数据,获取用户在完成任务中每个子任务的完成结果。应理解的是,云服务器中模块的划分为一种示例说明,并不构成对云服务器的限制。
在一种示例中,云服务器可以将用户在完成任务中每个子任务的完成结果发送给第一设备。在该示例中,第一设备可以保存用户在完成每个子任务的完成结果,且在用户完成任务时,可以显示用户完成每个子任务的完成结果。
在一种示例中,云服务器可以将用户在完成任务中每个子任务的完成结果发送给第二设备,第二设备可以实时显示用户完成每个子任务的完成结果。
在一种实施例中,云服务器中可以存储第一用户的标识和第二用户的标识的映射关系,进而服务器在获取第一用户在完成每个子任务的完成结果时,可以根据该第一用户的标识和第二用户的标识的映射关系,确定第二用户的标识,以将第一用户完成每个子任务的完成结果发送给第二用户的第二设备。
应注意,第一用户为使用第一设备的用户,第二用户为使用第二设备的用户。第一用户的标识可以包括但不限于:在第一设备上登录业务APP的账号,或在第一设备上登录目标APP的账号。第二用户的标识可以包括但不限于:在第二设备上使用业务APP管理服务的账号,或者在第二设备上登录业务APP管理服务应用的账号。
以业务APP管理服务为APP为例说明,家长可以在第二设备的业务APP管理服务中注册第二账号,且第二设备可以将第二账号上报至云服务器。另,家长可以在第一设备的业务APP上注册第一账号,且第一设备可以将第一账号上报至云服务器。如此,云服务器可以对应存储第一账号和第二账号,云服务器中存储的第一用户的标识和第二用户的标识的映射关系可以为:第一账号和第二账号的映射关系。在一种示例中,第一账号和第二账号可以相同,如均为用户的手机号码,或者第一账号和第二账号可以不同,如第一账号为业务APP分配的账号,第二账号为业务APP管理服务分配的账号。
下面结合具体的实施例对本申请实施例提供的任务处理方法进行说明。下面这几个实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图3为本申请实施例提供的任务处理方法的一种实施例的流程示意图。参照图3,本申请实施例提供的任务处理方法可以包括:
S301,当用户使用目标APP执行任务时,第一设备获取任务的信息。
用户使用目标APP执行任务可以理解为:用户打开第一设备上的目标APP开始执行任务。示例性的,参照图4中的a,第一设备的桌面上显示有拼音学习类APP的图标,以及英语学习类APP,用户点击拼音学习类APP的图标,可以触发用户使用目标APP执行任务。或者,用户点击拼音学习类APP的图标,可以触发第一设备显示拼音学习类APP的主页面,用户可以在拼音学习类APP的主页面上可以选择一个任务,可以触发用户使用目标APP执行任务,本申请实施例对用户如何使用目标APP执行任务的方式不做限制,图4为一种示例说明。
示例性的,当用户点击拼音学习类APP的图标后,第一设备可以显示任务界面,用户可以开始执行任务,任务界面可以如图4中的b所示。应理解,图4中的b与图1中的a相同,可以参照图1中的相关描述。
任务的信息可以理解为:目标APP中包含的任务的信息。在一种示例中,目标APP中可以包括至少一项任务。示例性的,以拼音学习类APP为例,拼音学习类APP中可以包括拼音学习一项任务,或者,拼音学习类APP中可以包括初级拼音学习任务、中级拼音学习任务,以及高级拼音学习任务等多项任务。
对于一项任务来说,任务的信息可以包括:任务的名称、任务中包括的子任务的个数,以及子任务的名称。在一种示例中,任务的信息可以以五元组的形式表征,任务的信息可以包括:用户的标识、目标APP的名称、子任务的编号、子任务的名称,以及子任务的时长。用户的标识可以为账号,如user ID1。在一种示例中,目标APP的名称还可以以目标APP的标识表征,目标APP的标识除了目标APP的名称之外,还可以为目标APP图标,版本号等。子任务的编号和子任务的名称均可以称为子任务的标识。
在一种示例中,当目标APP中包括多个任务时,任务的信息中还可以包括任务的名称,以用于区分目标APP中不同的任务,本申请实施例中以目标APP包括一个任务为例进行说明,任务的信息中未包括任务的名称。
示例性的,以拼音学习类APP为例,任务的信息中可以包括:用户的标识user ID1、拼音学习类APP、子任务的编号包括1-6,子任务的名称分别为玩、认、说、拼、练、写,子任务1-6的时长分别为60s、60s、30s、60s、90s以及30s。示例性的,拼音学习类APP中任务的信息可以如下表一所示:
表一
应注意,当用户首次使用目标APP时,任务的信息中“子任务的时长”是预定义的时长。以“玩”子任务为例,“玩”子任务的时长60s为预定义的时长,60s如可以为经验值,如“玩”子任务的时长60s可以表征:大部分用户完成“玩”子任务所用的时长为60s。
本申请实施例中,对于不同的用户来说,当用户首次使用目标APP时,任务的信息中子任务的时长是相同的,如对于用户1和用户2来说,用户1首次使用目标APP时,以及用户2首次使用目标APP时,任务的信息中,“玩”子任务的时长均为60s,“认”子任务的时长均为60s,……,以及“写”子任务的时长均为30s。随着每个用户后续执行子任务的不同情况,第一设备可以适应性调整子任务的时长,可以参照下述实施例中的相关描述。
这里结合图5,对第一设备的内部交互过程进行说明:
参照图5,S301可以包括步骤1)-步骤4):
1)、当用户使用目标APP执行任务时,第一设备运行目标APP,即目标APP启动。
2)、目标APP通过目标APP的APP SDK向业务APP发送目标APP启动的消息。
3)、业务APP响应于目标APP启动的消息,启动。
4)、业务APP获取任务的信息。
其中,业务APP在启动后,可以调用目标APP的APP SDK,获取任务的信息。
在一种示例中,目标APP中可以静态配置任务的信息,业务APP可以调用目标APP的APP SDK,以获取任务的信息。
在一种示例中,目标APP的服务端中配置有任务的信息,目标APP的APP SDK中内置接入目标APP的服务端的账号。业务APP在调用目标APP的APP SDK时,目标APP的APP SDK可以根据内置的账号,接入目标APP的服务端,以向目标APP的服务端请求获取任务的信息。在目标APP的APP SDK从目标APP的服务端获取任务的信息后,可以向业务APP发送任务的信息。
在一种示例中,第一设备的本地***中可以配置有任务的信息。示例性的,本地***中可以存储有不同目标APP的名称,以及不同目标APP对应的任务的信息。在该种示例中,业务APP可以请求本地***,以获取任务的信息。
示例性的,本地***可以在目标APP的软件目录中配置任务的信息,如在目标APP的config文件中配置任务的信息。或者,本地***可以在本地数据库中配置目标APP的任务的信息。
S302,第一设备缓存任务的信息。
在一种实施例中,当用户使用目标APP执行任务时,第一设备可以获取任务的信息,且第一设备可以确定第一设备中是否已存储任务的信息。其中,若第一设备中已存储任务的信息,则第一设备可以不再存储新获取的任务的信息,以减少任务的信息对第一设备的内存空间的占用。若第一设备中未存储任务的信息,则第一设备可以存储获取的任务的信息。
在一种实施例中,如目标APP为拼音学习类APP,随着拼音学习类APP的版本的更新,若任务中包含的子任务改变,或子任务数量增加或减少,均可以引起任务的信息的改变。因此,本申请实施例中,当第一设备确定第一设备中已存储任务的信息时,第一设备还可以检测已存储的任务的信息是否与第一设备新获取的任务的信息相同。其中,若第一设备中已存储的任务的信息与第一设备新获取的任务的信息相同,则第一设备可以不再存储新获取的任务的信息,以减少任务的信息对第一设备的内存空间的占用。若第一设备中已存储的任务的信息与第一设备新获取的任务的信息不同,则第一设备可以将已存储的任务的信息更新为新获取的任务的信息,以存储准确的任务的信息。
如上两种实施例中,第一设备可以以目标APP的名称作为输入,以检测第一设备中是否已存储任务的信息,或检测第一设备中已存储的任务的信息是否与第一设备新获取的任务的信息相同。其中,当第一设备中已存储任务的信息,或检测第一设备中已存储的任务的信息与第一设备新获取的任务的信息相同,第一设备可以不再缓存新获取的任务的信息。可以理解的是,因为第一设备在每次获取任务的信息后,会向云服务器发送任务的信息,因此,当第一设备中已存储任务的信息,或检测第一设备中已存储的任务的信息与第一设备新获取的任务的信息相同时,第一设备可以不向云服务器发送新获取的任务的信息。换句话说,云服务器中已存储有目标APP的任务的信息,在该种实施例中,第一设备可以不执行S302-S303,而是直接执行S305,因为云服务器中已存储有目标APP的任务的信息,因此云服务器可以执行S306。
参照图5,S302可以包括步骤5):
5)、业务APP在获取任务的信息后,缓存任务的信息。示例性的,业务APP可以缓存五元组(user ID、目标App的名称、子任务的编号、子任务的名称、子任务的时长)。
其中,业务APP在缓存任务的信息时,可以以目标App的名称为输入,以检测第一设备中是否已缓存目标App的任务的信息,或者检测第一设备已缓存的目标App的任务的信息是否与第一设备新获取的目标App的任务的信息相同。
S303,第一设备向云服务器发送任务的信息。
第一设备在获取任务的信息之后,可以向云服务器发送任务的信息。
参照图5,S303可以包括步骤6):
6)、业务APP向云服务器中的业务APP服务端发送任务的信息。
S304,在用户执行任务中第一子任务的过程中,第一设备获取用户行为数据。
第一子任务为任务中的子任务。示例性的,目标APP为拼音学习类APP时,第一子任务可以为“玩”子任务、“认”子任务、“说”子任务、“拼”子任务、“练”子任务、或“写”子任务。应理解,任务中的每个子任务均可以称为第一子任务,第一设备对任一第一子任务的处理步骤均相同。
在用户执行任务中第一子任务的过程中,第一设备可以获取用户行为数据。
在一种示例中,用户行为数据可以包括但不限于:用户完成第一子任务的视频,以及用户完成第一子任务所用的时长。其中,用户完成第一子任务所用的时长可以称为:用户完成第一子任务所用的实际时长。
在一种示例中,用户行为数据可以包括但不限于:用户完成第一子任务的视频、语音,以及用户完成第一子任务所用的时长。在一种示例中,用户行为数据可以包括:用户完成第一子任务的视频和语音,在该种示例中,云服务器可以根据用户完成第一子任务的视频,获取用户完成第一子任务所用的时长,可以参照S304中第一设备获取用户完成第一子任务所用的时长的相关描述。
在一种示例中,用户完成第一子任务的视频可以包括:第一子任务的桌面视频,以及用户的视频。用户完成第一子任务的语音可以包括:第一子任务中第一设备输出的语音,以及用户的语音。其中,第一设备可以录屏,获取第一子任务的桌面视频、第一子任务中第一设备输出的语音,以及用户的语音。
在一种示例中,第一设备上可以设置有摄像头,第一设备可以在用户使用目标APP执行任务时打开摄像头,以采集用户的视频。在一种示例中,第一设备可以与第一设备所处环境中的摄像头连接,摄像头用于采集用户的视频。在该示例中,第一设备可以在用户使用目标APP执行任务时打开摄像头,以采集用户的视频,摄像头可以向第一设备发送摄像头采集的用户的视频。
其中,在第一设备录屏的过程中,第一设备可以根据第一子任务的桌面视频,确定第一子任务。示例性的,第一设备可以在桌面视频中的视频帧中,识别第一子任务的标识,以确定当前子任务为第一子任务的。第一子任务的标识可以包括但不限于:图片、文字等形式。
如图1中的a所示的为“玩”子任务的界面101中,包含有用于标识第一子任务“玩”的文字12,第一设备可以根据“玩”子任务的桌面视频中的视频帧,确定用户执行的第一子任务为“玩”子任务。相应的,第一设备还可以获取用户完成“玩”子任务所用的时长。示例性的,第一设备可以检测包含有“玩”的文字12的视频帧的持续时长,进而将包含有“玩”的文字12的视频帧的持续时长,作为用户完成“玩”子任务所用的时长。
或者,第一设备还可以根据第一子任务的桌面视频,检测用户对第一子任务的桌面的操作,进而确定用户完成第一子任务所用的时长。如当第一设备检测到包含有“玩”的文字12的视频帧时,可以开始计时,直至用户点击界面101上的下一任务控件11,计时结束。第一设备可以将计时得到的时长,作为用户完成“玩”子任务所用的时长。
或者,第一设备还可以根据用户的语音,获取用户完成第一子任务所用的时长。如当第一设备首次检测到包含有“玩”的文字12的视频帧时,可以开始计时,直至用户说出“下一任务”,或者“跳过任务”等语音时,计时结束。第一设备可以将计时得到的时长,作为用户完成“玩”子任务所用的时长。
应理解的是,第一设备在采集的第一子任务的桌面视频、第一子任务中第一设备输出的语音、用户的语音,以及用户的视频时,可以标注对应的采集时间,以便于云服务器(或第一设备)可以根据采集时间,对齐第一子任务的桌面视频、第一子任务中第一设备输出的语音、用户的语音,以及用户的视频。
参照图5,S304可以包括步骤7):
7)、在用户完成任务中第一子任务的过程中,业务APP采集用户行为数据。
其中,业务APP可以启动第一设备中的录屏组件,以获取第一子任务的桌面视频、第一子任务中第一设备输出的语音、用户的语音。另,业务APP还可以触发第一设备启动第一设备的摄像头,以获取用户的视频。
S305,当用户完成第一子任务时,第一设备向云服务器上报用户行为数据。
如S304中的相关描述,第一设备可以获取用户完成第一子任务的时长,相应的,第一设备确定用户完成第一子任务的时刻,进而第一设备可以在用户完成第一子任务时,向云服务器上报用户行为数据。
参照图5,S305可以包括步骤8):
8)、当用户完成第一子任务时,业务APP向业务APP服务端上报用户行为数据。
在一种示例中,可以将第一设备录屏得到的“第一子任务的桌面视频、第一子任务中第一设备输出的语音,以及用户的语音”称为录屏数据,可以将第一设备的摄像头采集的用户的视频称为视频数据。录屏数据和视频数据可以称为用户行为数据。
在用户完成第一子任务时,业务APP可以向业务APP服务端上报两路数据,该两路数据可以称为用户行为数据。其中一路数据包括:user ID、目标App的名称、第一子任务的编号、第一子任务的名称、完成第一子任务所用的时长,以及录屏数据。另一路数据可以包括:user ID、目标App的名称、第一子任务的编号、第一子任务的名称、完成第一子任务所用的时长,以及视频数据。
在一种示例中,当第一设备未根据第一子任务的桌面视频获取完成第一子任务所用的时长时,业务APP可以向业务APP服务端上报两路数据,该两路数据可以称为用户行为数据。其中一路数据包括:user ID、目标App的名称、第一子任务的编号、第一子任务的名称,以及录屏数据。另一路数据可以包括:user ID、目标App的名称、第一子任务的编号、第一子任务的名称,以及视频数据。
在一种示例中,业务APP服务端可以保存用户行为数据。如业务APP服务端可以建立数据表,该数据表以user ID、目标App的名称,以及第一子任务的编号(或第一子任务的名称)为主键,包含有“录屏数据”项和“视频数据”项。
业务APP服务端可以将来自业务APP的两路数据,按照user ID、目标App的名称,以及第一子任务的编号的主键,分别将录屏数据存储在“录屏数据”项中,以及将视频数据存储在“视频数据”项中。应理解,业务APP服务端以数据表的形式保存用户行为数据为一种示例说明,本申请实施例对业务APP服务端保存用户行为数据的方式不做限制。
S306,云服务器根据用户行为数据,获取用户完成第一子任务的第一完成结果。
在一种示例中,第一完成结果中可以包括:视频合成结果、有效学习时长评估结果,以及疲劳度检测结果。
在一种实施例中,云服务器可以根据用户行为数据,获取视频合成结果。示例性的,云服务器可以根据用户行为数据中的采集时间,将第一子任务的桌面视频和用户的视频进行合成,以得到视频合成结果。视频合成结果中包含有:第一子任务的桌面视频和用户的视频合成的视频,可以称为合成视频。参照图6,云服务器可以根据采集时间,将同一采集时间采集的第一子任务的桌面视频帧,以及用户的视频帧进行合成,得到合成的视频。示例性的,如云服务器可以将用户的视频帧合成在第一子任务的桌面视频帧的右上角,以得到视频合成结果。应理解,第一子任务的桌面视频帧为第一子任务的桌面视频中的视频帧,用户的视频帧为用户的视频中的视频帧。
在一种实施例中,云服务器可以根据用户行为数据,获取疲劳度检测结果。示例性的,云服务器还可以根据用户完成第一子任务的用户的语音,以及用户的视频,检测用户的疲劳度,以得到疲劳度检测结果。示例性的,云服务器可以将用户的语音和用户的视频输入至疲劳度检测模型中,以便于疲劳度检测模型可以对用户的疲劳度进行检测,得到疲劳度检测结果。应理解,疲劳度检测模型可以采用目前已有的疲劳度检测模型,本申请实施例对疲劳度检测模型的检测原理不作赘述。示例性的,疲劳度检测模型可以根据用户的表情、口型,以及语音特征等,获取用户的疲劳度。
与现有技术中不同的是,本申请实施例中,云服务器可以针对不同类型的任务,设置不同的疲劳度检测模型,以便于根据不同类型的任务,采用不同的疲劳度检测模型检测用户的疲劳度,以得到准确的疲劳度检测结果。示例性的,对于语文学习任务和数学学习任务来说,疲劳度检测模型中用于判断用户在执行语文学习任务中是否疲劳的特征,与疲劳度检测模型中用于判断用户在执行数学学习任务中是否疲劳的特征不同。如此,对于不同的任务,云服务器可以采用任务对应的疲劳度检测模型,获取用户的疲劳度检测结果。
在一种示例中,疲劳度检测结果可以采用“疲劳”和“不疲劳”进行表征,或者采用具体的疲劳度的具体数值进行表征,本申请实施例对此不作限制,下述实施例中以“疲劳”和“不疲劳”表征疲劳度检测结果为例进行说明。
在一种实施例中,云服务器可以根据任务的信息,以及用户行为数据,获取有效学习时长评估结果。在一种示例中,云服务器可以根据用户行为数据中的用户完成第一子任务所用的时长,以及任务的信息中的第一子任务的时长,获取第一子任务的有效学习时长评估结果。需要注意的是,在一种示例中,当用户行为数据中未包括用户完成第一子任务所用的时长时,云服务器可以根据用户行为数据中的录屏数据(如桌面视频),获取用户完成第一子任务所用的时长,进而根据用户完成第一子任务所用的时长,以及任务的信息中的第一子任务的时长,获取第一子任务的有效学习时长评估结果。
其中,云服务器可以根据第一子任务的桌面视频,确定第一子任务。示例性的,第一设备可以在桌面视频中的视频帧中,识别第一子任务的标识,进而将第一子任务的标识出现的时长,作为用户完成第一子任务所用的时长。第一子任务的标识可以包括但不限于:图片、文字等。示例性的,以第一子任务的标识为文字为例,云服务器可以检测包含有“玩”的文字12的视频帧的持续时长,进而将包含有“玩”的文字12的视频帧的持续时长,作为用户完成“玩”子任务所用的时长。
在一种示例中,云服务器获取用户完成第一子任务所用的时长,还可以参照S304中第一设备获取用户完成第一子任务所用的时长的相关描述。
其中,若用户完成第一子任务所用的时长小于时长阈值,则确定用户未有效完成第一子任务,第一子任务的有效学习时长评估结果为:异常。应理解,有效学习时长评估结果可以包括异常和正常。在一种示例中,还可以采用分值的形式或其他形式来表征有效学习时长评估结果。
示例性的,时长阈值可以为5s,若用户完成第一子任务所用的时长小于时长阈值,表征用户刚开始执行第一子任务,就跳过该第一子任务,进入第一子任务的下一子任务。应理解,时长阈值5s为示例说明,时长阈值可以自定义设置。
示例性的,如第一子任务为“玩”子任务,根据表一所示,“玩”子任务的时长为60s,若用户完成“玩”子任务的时长为3s,则云服务器可以确定用户完成“玩”子任务的时长小于时长阈值,可以确定第一子任务的有效学习时长评估结果为“异常”。
其中,若用户完成第一子任务所用的时长处于第一子任务的时长范围内,则确定用户有效完成第一子任务,第一子任务的有效学习时长评估结果为:正常。示例性的,如第一子任务为“玩”子任务,根据表一所示,“玩”子任务的时长为60s,可以设置第一子任务的时长范围为30s-70s,只要用户完成“玩”子任务的时长处于30s-70s的时长范围内,则云服务器可以确定第一子任务的有效学习时长评估结果为“正常”。若用户完成“玩”子任务的时长处于30s-70s的时长范围之外,则云服务器可以确定第一子任务的有效学习时长评估结果为“异常”。
在一种实施例中,云服务器可以根据第一完成结果,得到用户完成第一子任务的综合检测结果。示例性的,当有效学习时长评估结果为正常,以及疲劳度检测结果为不疲劳时,综合检测结果可以为正常。当有效学习时长评估结果为异常或疲劳度检测结果为疲劳时,综合检测结果可以为异常。应理解,综合检测结果可以采用“正常”和“异常”进行表征,或者采用具体的分值进行表征,本申请实施例对此不作限制。
对于任务中的每个子任务,云服务器均可以采用与第一子任务相同的方法,获取每个第一子任务的完成结果,如下表二所示:
表二
如上表二所示,可以得出:用户在执行“拼”子任务时,未进行有效学习,可能是跳过了该子任务。如“拼”子任务的实际时长为2s,“拼”子任务的综合检测结果为异常。通过表二,用户可以准确地获取用户完成任务时每个子任务的完成情况,进而可以针对性地进行学习。
参照图5,S306可以包括步骤9)-10):
9)、业务APP服务端向处理模块发送任务的信息,以及用户行为数据。
10)、处理模块根据用户行为数据,获取用户完成第一子任务的第一完成结果。
其中,处理模块获取用户完成第一子任务的第一完成结果的方式,可以参照第一设备获取用户完成第一子任务的第一完成结果的相关描述。
S307,云服务器向第二设备发送第一完成结果。
云服务器可以根据任务的信息,确定第一用户的标识,如user ID1。云服务器可以根据第一用户的标识和第二用户的标识的映射关系,确定第二用户的标识,进而向第二用户的第二设备发送第一完成结果。
参照图5,S307可以包括步骤11):
11)、处理模块向业务APP服务端发送第一完成结果。
12)、业务APP服务端向业务APP管理服务发送第一完成结果。
S308,第二设备显示第一完成结果。
本申请实施例中,用户在第一设备上每完成一个第一子任务,第二设备均可以接收到来自云服务器的该第一子任务的第一完成结果。换句话说,用户可以在第二设备上实时看到每个子任务的完成结果。示例性的,如孩子在第一设备(如智能学习平板)上完成任务,每当孩子完成任务中的一个子任务,家长可以在第二设备(如手机)上看到每个子任务的完成结果,可以实现远程监督。
示例性的,参照图7,以第一子任务为“玩”子任务为例,当用户在第一设备上完成“玩”子任务时,第二设备可以接收来自云服务器的“玩”子任务的完成结果。第二设备可以显示如表三所示的“玩”子任务的完成结果。应理解,图7中以第二设备为手机为例进行说明,图7中并未示出表三中的全部内容,示例说明了子任务的名称、用户完成子任务的实际时长,以及疲劳度检测结果。
表三
相应的,参照图5,S308可以包括步骤13):
13)、业务APP管理服务显示第一完成结果。
S308,第二设备响应于用户的操作,播放合成视频。
第一完成结果中包括视频合成结果,因此第二设备在显示第一完成结果时,可以显示视频合成结果。示例性的,如图7所示,第二设备可以显示合成视频的标识,该合成视频的标识用于指示视频合成结果。图7中以合成视频的标识为合成视频中的任一个视频帧71为例,如视频帧71可以为合成视频中的第一个视频帧。其中,用户操作该视频帧,可以触发第二设备播放合成视频,用户操作该视频帧的方式可以包括但不限于:点击、双击、长按等,本申请实施例对此不作赘述。
在一种实施例中,云服务器在获取第一完成结果后,还可以向第一设备发送第一完成结果。这样,用户在第一设备上完成任务后,可以显示该任务中每个第一子任务的第一完成结果,第一完成结果可以如表二所示。
在一种实施例中,图5中所示的部分步骤为可选步骤,且步骤可以相互组合。
本申请实施例中,在用户完成任务的过程中,可以获取用户完成每个子任务时的用户行为数据,进而云服务器可以根据用户完成每个子任务时的用户行为数据,分析得到用户完成每个子任务的结果。一方面,在用户每完成一个子任务时,云服务器可以向第二设备发送子任务的结果,这样第二设备可以实时输出子任务的结果,且结果输出的粒度更细,更全面。另一方面,用户可以在第二设备上实时看到每个子任务的结果,便于远程监督。
在一种实施例中,第一设备中可以设置业务APP服务端以及处理模块。在该实施例中,第一设备可以与第二设备直接交互,以实现本申请实施例提供的任务处理方法。其中,第一设备可以执行图3中云服务器执行的操作,以在第一设备获取第一子任务的第一完成结果时,可以向第二设备发送第一完成结果。
综上所述,执行本申请实施例提供的任务处理方法的执行主体可以为第一设备或云服务器,图8中以执行主体为云服务器为例进行说明。参照图8,本申请实施例提供的任务处理方法可以包括:
S801,在用户执行任务中的第一子任务的过程中,获取用户行为数据。
其中,第一设备可以在用户执行任务中的第一子任务的过程中,采集用户行为数据。当执行主体为云服务器时,第一设备可以向云服务器发送用户行为数据,如此云服务器可以在用户执行任务中的第一子任务的过程中,获取用户行为数据。第一设备获取用户行为数据,可以参照S304中的相关描述。
S802,当用户完成第一子任务时,根据用户行为数据,获取第一子任务的第一完成结果。
S803,向第二设备发送第一完成结果。
应理解,执行S801-S803的执行主体可以为第一设备或云服务器,S801、S802,以及S803可以分别参照S304、S306,以及S307中的相关描述。
应理解,本申请实施例提供的任务处理方法与图3所示的实施例、图5所示的实施例具有相同的技术效果,在此不做赘述。
在一种实施例中,云服务器中可以设置初始疲劳度检测模型。在云服务器接收到来自第一设备的用户行为数据后,云服务器可以任务的类型,将任务对应的用户行为数据作为训练数据,来更新初始疲劳度检测模型,以得到不同类型的任务对应的疲劳度检测模型。
示例性的,用户在第一设备上执行语文学习任务,云服务器可以接收到来自第一设备的第一用户行为数据,云服务器可以将第一用户行为数据作为训练数据,输出至初始疲劳度检测模型进行训练,更新初始疲劳度检测模型,以得到语文学习任务对应的疲劳度检测模型。语文学习任务对应的疲劳度检测模型,可以用于获取语文类学习任务的用户的疲劳度。示例性的,用户在第一设备上执行数学学习任务,云服务器可以接收到来自第一设备的第二用户行为数据,云服务器可以将第二用户行为数据作为训练数据,输出至初始疲劳度检测模型进行训练,更新初始疲劳度检测模型,以得到数学学习任务对应的疲劳度检测模型。数学学习任务对应的疲劳度检测模型可以用于检测数学类学习任务的用户的疲劳度。
如此,云服务器中可以存储不同类型的任务对应的疲劳度检测模型,以便于用户在第一设备上执行某一类型的任务时,云服务器可以采用该类型的任务对应的疲劳度检测模型,对用户的疲劳度进行检测,以得到准确的用户的疲劳度。
示例性的,参照图5,云服务器中的处理模块还可以执行14):
14)、处理模块根据用户行为数据,更新疲劳检测模型。
本申请实施例中,云服务器可以不断根据用户执行任务时的用户行为数据,更新任务对应的疲劳度检测模型,以得到更为准确的、且符合任务的疲劳度检测模型,以提高疲劳度检测的准确性。
在一种实施例中,针对同一用户,云服务器可以不断优化表一中所示的任务中子任务的时长,而不是一直采用相同的子任务的时长。应理解,针对同一任务来说,随着用户对任务中每个子任务的熟练度的增加,用户完成每个子任务所用的时长也会相应地减少,因此云服务器可以更新任务中每个子任务的时长。示例性的,云服务器可以将表一所示的子任务的时长更新为表四所示:
表四
如表四所示,随着用户对任务中每个子任务的熟练度的增加,用户完成拼音学习类APP的任务中每个子任务的时长也会相应地减少,相应的,云服务器可以减少每个子任务的时长。示例性的,以“玩”子任务为例,云服务器可以将“玩”子任务的时长从60s减少至40s。换句话说,云服务器可以更新检测“用户是否有效完成子任务”的时长标准,以便于更为准确地检测用户是否有效完成子任务。
示例性的,当云服务器更新任务中每个子任务的时长后,云服务器可以更新每个子任务的时长范围,时长范围用于检测用户是否有效完成子任务。示例性的,“玩”子任务的时长从60s减少至40s,相应的,云服务器可以将“玩”子任务的时长范围可以从30s-70s更新为“20s-50s”。这样,云服务器可以使用更新后的“玩”子任务的时长范围,准确地获取用户执行“玩”子任务的有效学习时长评估结果。
在该实施例中,因为云服务器可以结合用户完成每个子任务的实际时长,更新任务中每个子任务的时长。因此对于同一用户来说,在不同时间完成第一子任务时,用于获取第一子任务有效学习时长评估结果的第一子任务的时长可以不同,以更为准确地获取有效学习时长评估结果。因此针对不同的用户来说,云服务器可以存储有效学习时长评估结果的不同的检测标准,以更为准确地获取用户完成每个子任务的有效学习时长评估结果。这样,针对不同的用户,本申请实施例可以提供适配于用户习惯的有效学习时长评估结果的检测标准,以更为贴合用户的习惯,提高检测准确性。
因为第一设备可以为用户提供多种类型的任务,针对同一用户来说,云服务器中可以存储用户完成多种类型的任务的完成结果。在一种实施例中,云服务器可以综合用户完成多种类型的任务的完成结果,可以输出一个综合结果。该综合结果中可以包括:用户完成每个类型的任务的完成结果,以及云服务器提供的建议。建议如可以用于指示用户完成好的任务,以及完成差的任务,以及后续用户的学习建议。
示例性的,云服务器可以每隔预设时长,综合用户完成多种类型的任务的完成结果。或者,当用户完成的任务的类型超过阈值时,云服务器可以综合用户完成多种类型的任务的完成结果,本申请实施例对此不作限制。
本申请实施例中,云服务器可以综合用户完成每个类型的任务的完成结果,对用户完成各类任务进行总结以及给出相应的建议,以提高用户体验。
在一种实施例中,本申请实施例还提供一种电子设备,该电子设备可以为上述实施例中所述的第一设备、第二设备,以及云服务器。参照图9,该电子设备中可以包括:处理器901(例如CPU)、存储器902。存储器902可能包含高速随机存取存储器(random-accessmemory,RAM),也可能还包括非易失性存储器(non-volatile memory,NVM),例如至少一个磁盘存储器,存储器902中可以存储各种指令,以用于完成各种处理功能以及实现本申请的方法步骤。
可选的,本申请涉及的电子设备还可以包括:电源903、通信总线904以及通信端口905。上述通信端口905用于实现电子设备与其他外设之间进行连接通信。在本申请实施例中,存储器902用于存储计算机可执行程序代码,程序代码包括指令;当处理器901执行指令时,指令使电子设备的处理器901执行上述方法实施例中的动作,其实现原理和技术效果类似,在此不再赘述。
在一种实施例中,电子设备中还可以包括显示屏906。显示屏906用于显示电子设备的界面。
需要说明的是,上述实施例中所述的模块或部件可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个专用集成电路(application specificintegrated circuit,ASIC),或,一个或多个微处理器(digital signal processor,DSP),或,一个或者多个现场可编程门阵列(field programmable gate array,FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(central processing unit,CPU)或其它可以调用程序代码的处理器如控制器。再如,这些模块可以集成在一起,以片上***(system-on-a-chip,SOC)的形式实现。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时,全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
本文中的术语“多个”是指两个或两个以上。本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,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,本文中字符“/”,一般表示前后关联对象是一种“或”的关系;在公式中,字符“/”,表示前后关联对象是一种“相除”的关系。另外,需要理解的是,在本申请的描述中,“第一”、“第二”等词汇,仅用于区分描述的目的,而不能理解为指示或暗示相对重要性,也不能理解为指示或暗示顺序。
可以理解的是,在本申请的实施例中涉及的各种数字编号仅为描述方便进行的区分,并不用来限制本申请的实施例的范围。
可以理解的是,在本申请的实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请的实施例的实施过程构成任何限定。
Claims (8)
1.一种任务处理方法,其特征在于,包括:
在用户执行任务中的第一子任务的过程中,接收来自第一设备的用户行为数据,所述第一设备为所述用户执行所述任务的设备,所述用户行为数据包括:所述用户执行所述第一子任务的过程中的录屏数据,以及所述用户执行所述第一子任务的过程中的用户的视频;
当所述用户完成所述第一子任务时,根据所述用户行为数据,获取所述第一子任务的第一完成结果;
向第二设备发送所述第一完成结果,所述第二设备为与使用所述第一设备执行任务的用户关联的用户设备,所述第二设备与所述第一设备为同一设备或不同的设备;
所述第一完成结果包括:视频合成结果,所述录屏数据包括:所述第一子任务的桌面视频;
所述根据所述用户行为数据,获取所述第一子任务的第一完成结果,包括:
将所述第一子任务的桌面视频和所述用户的视频进行合成,得到所述视频合成结果;
所述第一完成结果包括:疲劳度检测结果,所述录屏数据包括:所述用户的语音;
所述根据所述用户行为数据,获取所述第一子任务的第一完成结果,包括:
将所述用户的语音和所述用户的视频,输入至疲劳度检测模型,得到所述疲劳度检测结果;
所述第一完成结果还包括:有效学习时长评估结果;
所述根据所述用户行为数据,获取所述第一子任务的第一完成结果,包括:
根据所述第一子任务的桌面视频,获取所述用户完成所述第一子任务所用的时长;
根据所述第一子任务的时长,以及所述用户完成所述第一子任务所用的时长,获取所述有效学习时长评估结果;
所述方法还包括:
将所述用户的语音和所述用户的视频作为训练数据,更新所述疲劳度检测模型,得到所述任务对应的疲劳度检测模型,所述任务对应的疲劳度检测模型,用于获取所述用户执行与所述任务相同类型的任务时的疲劳度检测结果。
2.根据权利要求1所述的方法,其特征在于,所述获取用户行为数据之前,还包括:
接收来自所述第一设备的所述任务的信息,所述任务的信息中包括:所述第一子任务的时长,所述任务的信息为所述用户在所述第一设备上开始执行所述任务时发送的。
3.根据权利要求1或2所述的方法,其特征在于,所述获取所述第一子任务的第一完成结果之后,还包括:
向所述第一设备发送所述第一完成结果,以在所述用户在所述第一设备上完成所述任务时所述第一设备显示所述任务中每个第一子任务的第一完成结果。
4.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
根据所述用户完成所述第一子任务所用的时长,更新所述第一子任务的时长,更新后的所述第一子任务的时长用于获取有效学习时长评估结果。
5.根据权利要求1或2所述的方法,其特征在于,所述任务为学习任务或健身任务。
6.根据权利要求1或2所述的方法,其特征在于,所述第二设备为与使用所述第一设备执行任务的用户关联的用户设备,所述第二设备与所述第一设备为同一设备或不同的设备。
7.一种电子设备,其特征在于,包括:处理器和存储器;
所述存储器存储计算机指令;
所述处理器执行所述存储器存储的计算机指令,使得所述处理器执行如权利要求1-6中任一项所述的方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序或指令,当所述计算机程序或指令被运行时,实现如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211157924.3A CN115658255B (zh) | 2022-09-22 | 2022-09-22 | 任务处理方法、电子设备以及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211157924.3A CN115658255B (zh) | 2022-09-22 | 2022-09-22 | 任务处理方法、电子设备以及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115658255A CN115658255A (zh) | 2023-01-31 |
CN115658255B true CN115658255B (zh) | 2023-06-27 |
Family
ID=84984968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211157924.3A Active CN115658255B (zh) | 2022-09-22 | 2022-09-22 | 任务处理方法、电子设备以及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115658255B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108711320A (zh) * | 2018-08-06 | 2018-10-26 | 北京导氮教育科技有限责任公司 | 一种基于网络的沉浸式在线教育***和方法 |
CN112131977A (zh) * | 2020-09-09 | 2020-12-25 | 湖南新云网科技有限公司 | 学习监督方法、装置、智能设备及计算机可读存储介质 |
CN112306832A (zh) * | 2020-10-27 | 2021-02-02 | 北京字节跳动网络技术有限公司 | 用户状态响应方法、装置、电子设备及存储介质 |
CN112511818A (zh) * | 2020-11-24 | 2021-03-16 | 上海哔哩哔哩科技有限公司 | 视频播放质量检测方法、装置 |
CN112783330A (zh) * | 2021-03-16 | 2021-05-11 | 展讯通信(上海)有限公司 | 电子设备的操作方法、装置和电子设备 |
CN113949933A (zh) * | 2021-09-30 | 2022-01-18 | 卓尔智联(武汉)研究院有限公司 | 一种播放数据分析方法、装置、设备以及存储介质 |
CN115067945A (zh) * | 2022-08-22 | 2022-09-20 | 深圳市海清视讯科技有限公司 | 疲劳检测方法、装置、设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7533081B2 (en) * | 2004-02-06 | 2009-05-12 | General Electric Company | Systems, methods and apparatus to determine relevance of search results in whole/part search |
KR20130122535A (ko) * | 2010-06-07 | 2013-11-07 | 어펙티바,아이엔씨. | 웹서비스들을 이용한 심리 상태 분석 |
-
2022
- 2022-09-22 CN CN202211157924.3A patent/CN115658255B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108711320A (zh) * | 2018-08-06 | 2018-10-26 | 北京导氮教育科技有限责任公司 | 一种基于网络的沉浸式在线教育***和方法 |
CN112131977A (zh) * | 2020-09-09 | 2020-12-25 | 湖南新云网科技有限公司 | 学习监督方法、装置、智能设备及计算机可读存储介质 |
CN112306832A (zh) * | 2020-10-27 | 2021-02-02 | 北京字节跳动网络技术有限公司 | 用户状态响应方法、装置、电子设备及存储介质 |
CN112511818A (zh) * | 2020-11-24 | 2021-03-16 | 上海哔哩哔哩科技有限公司 | 视频播放质量检测方法、装置 |
CN112783330A (zh) * | 2021-03-16 | 2021-05-11 | 展讯通信(上海)有限公司 | 电子设备的操作方法、装置和电子设备 |
CN113949933A (zh) * | 2021-09-30 | 2022-01-18 | 卓尔智联(武汉)研究院有限公司 | 一种播放数据分析方法、装置、设备以及存储介质 |
CN115067945A (zh) * | 2022-08-22 | 2022-09-20 | 深圳市海清视讯科技有限公司 | 疲劳检测方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
Learning process and learning outcomes of video podcasts including the instructor and PPT slides: A Chinese case;Pi Z 等;《Innovations in Education and Teaching International》;第53卷(第2期);135-144 * |
夏令.互联网+教育"背景下巧用学习类APP.《教育实践与研究》.2019,(第21期),42-44. * |
Also Published As
Publication number | Publication date |
---|---|
CN115658255A (zh) | 2023-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11836453B2 (en) | Virtual assistant domain functionality | |
US10928976B2 (en) | Virtual assistant acquisitions and training | |
CN109800320B (zh) | 一种图像处理方法、设备及计算机可读存储介质 | |
CN109948882B (zh) | 基于区块数据结构的任务处理方法及相关设备 | |
CN111918386B (zh) | 定位方法、装置、存储介质及电子设备 | |
CN112101231A (zh) | 学习行为的监控方法、终端、小程序以及服务器 | |
US20140157147A1 (en) | Feedback system, feedback method and recording media thereof | |
CN115658255B (zh) | 任务处理方法、电子设备以及可读存储介质 | |
US11475387B2 (en) | Method and system for determining productivity rate of user in computer-implemented crowd-sourced environment | |
CN114066098B (zh) | 学习任务的完成时长的预估方法及设备 | |
CN116611401A (zh) | 文案生成方法及相关装置、电子设备和存储介质 | |
CN116089439A (zh) | 一种动态表单的修改方法及装置 | |
CN112906387B (zh) | 风险内容识别方法、装置、设备、介质和计算机程序产品 | |
CN111796846B (zh) | 信息更新方法、装置、终端设备及可读存储介质 | |
US11810022B2 (en) | Contact center call volume prediction | |
WO2021142607A1 (zh) | 一种车辆诊断过程回放方法、设备及可读存储介质 | |
CN112948017A (zh) | 引导信息展示方法、装置、终端及存储介质 | |
CN113407829A (zh) | 在线学习资源推荐方法、装置、设备及存储介质 | |
CN110765326A (zh) | 推荐方法、装置、设备及计算机可读存储介质 | |
CN110992574A (zh) | 网络投票方法、***、电子设备及计算机可读存储介质 | |
CN115981711B (zh) | 一种代码处理方法及电子设备 | |
CN109189465B (zh) | 一种用户感知度确定方法、装置及电子设备 | |
CN109492695B (zh) | 数据建模的样本处理方法、装置、电子设备及可读介质 | |
CN106649096A (zh) | 基于自动化测试的更改设备信息的方法及装置 | |
KR101835367B1 (ko) | 티칭어사인먼트를 활용한 미국 회계사 시험의 온라인 교육 시스템 및 방법 |
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 |