一种英语教学交互控制系统及其控制方法技术方案

技术编号:34449229 阅读:35 留言:0更新日期:2022-08-06 16:48
本发明专利技术涉及教学技术领域,具体涉及一种英语教学交互控制系统及其控制方法,所述方法包括:建立服务端与若干个VR头显的通信连接;分别向每个VR头显发送一组相同的情景对话视频,并接收每个VR头显反馈的应答视频;基于预先训练得到的神经网络模型对每个VR头显反馈的应答视频进行分类,得到多个分类组;确定各个分类组的弱势项目,根据各个分类组的弱势项目匹配对应的场景教学视频,向各个分类组发送对应的场景教学视频;本发明专利技术能够有针对性的进行英语教学。语教学。语教学。

【技术实现步骤摘要】
一种英语教学交互控制系统及其控制方法


[0001]本专利技术涉及教学
,具体涉及一种英语教学交互控制系统及其控制方法。

技术介绍

[0002]相比其他科目的教学,由于缺乏母语环境,英语教学需要通过口语表达,情景对话来持续提升学生的实际应用能力,而现有的英语教学系统形式单一,缺乏灵活性,大多采用播放视频或者音频的方式教学,尤其在进行线上教学时,不能将教师和学生形成有针对性的互动。
[0003]因此,如何研发一种适用于远程教学,且具有针对性的英语教学交互方案,是亟待解决的问题。

技术实现思路

[0004]本专利技术目的在于提供一种英语教学交互控制系统及其控制方法,以解决现有技术中所存在的一个或多个技术问题,至少提供一种有益的选择或创造条件。
[0005]为了实现上述目的,本专利技术提供以下技术方案:
[0006]一种英语教学交互控制方法,所述方法包括以下步骤:
[0007]步骤S100、建立服务端与若干个VR头显的通信连接;
[0008]步骤S200、分别向每个VR头显发送一组相同的情景对话视频,并接收每个VR头显反馈的应答视频;
[0009]步骤S300、基于预先训练得到的神经网络模型对每个VR头显反馈的应答视频进行分类,得到多个分类组;其中,每个分类组对应至少一个VR头显;
[0010]步骤S400、确定各个分类组的弱势项目,根据各个分类组的弱势项目匹配对应的场景教学视频,向各个分类组发送对应的场景教学视频。
[0011]进一步,步骤S300中,所述基于预先训练得到的神经网络模型对每个VR头显反馈的应答视频进行分类,得到多个分类组,包括:
[0012]步骤S310、获取每个VR头显反馈的应答视频;
[0013]步骤S320、基于预先训练得到的神经网络模型对每个VR头显反馈的应答视频进行识别,得到每个VR头显对应的综合评价信息;
[0014]步骤S330、对每个VR头显对应的综合评价信息进行聚类,得到多个分类组。
[0015]进一步,步骤S320中,所述基于预先训练得到的神经网络模型对每个VR头显反馈的应答视频进行识别,得到每个VR头显对应的综合评价信息,包括:
[0016]步骤S321、将VR头显反馈的应答视频进行语音识别,得到文字应答数据;将文字应答数据输入预先训练得到的文本分类模型,得到第一指标;其中,所述第一指标为以下其中一种:无应答、应答不准、应答准确;
[0017]步骤S322、将VR头显反馈的应答视频进行语音分离,得到语音应答数据;将语音应答数据输入预先训练得到的语音分类模型,得到第二指标;其中,所述第二指标为以下其中
一种:发音不准、发音不连贯、发音准确;
[0018]步骤S323、将VR头显反馈的应答视频进行图像分离,得到图像应答数据;将图像应答数据输入预先训练得到的图像分类模型,得到第三指标;其中,所述第三指标为以下其中一种:静止、轻微移动、表情符合设定;
[0019]步骤S324、将所述第一指标、所述第二指标和所述第三指标形成一组三元数据,作为该VR头显对应的综合评价信息。
[0020]进一步,所述方法还包括:
[0021]构建第一神经网络模型,采用多组第一训练数据对所述第一神经网络模型进行训练,得到文本分类模型;其中,所述多组第一训练数据中的每一组训练数据均包括:文字应答数据、至少一个文本答案和文本差异的标识信息,所述文本差异为文字应答数据和各个文本答案的差异信息;
[0022]构建第二神经网络模型,采用多组第二训练数据对所述第二神经网络模型进行训练,得到语音分类模型;其中,所述多组第二训练数据中的每一组训练数据均包括:语音应答数据、至少一个语音答案和语音差异的标识信息,所述语音差异为语音应答数据和各个语音答案的差异信息;
[0023]构建第三神经网络模型,采用多组第三训练数据对所述第三神经网络模型进行训练,得到图像分类模型;其中,所述多组第三训练数据中的每一组训练数据均包括:图像应答数据、至少一个图像答案和图像差异的标识信息,所述图像差异为图像应答数据和各个图像答案的差异信息。
[0024]进一步,步骤S330中,所述对每个VR头显对应的综合评价信息进行聚类,得到多个分类组,包括:
[0025]将相同三元数据对应的VR头显划分为一组,得到多个分类组。
[0026]进一步,步骤S400中,所述确定各个分类组的弱势项目,根据各个分类组的弱势项目匹配对应的场景教学视频,向各个分类组发送对应的场景教学视频,包括:
[0027]确定各个分类组对应的三元数据;
[0028]确定所述三元数据对应的第一指标、第二指标和第三指标,若所述第一指标为无应答或应答不准,则将语义培养作为弱势项目;若所述第二指标为发音不准或发音不连贯,则将发音培养作为弱势项目;若所述第三指标为静止或轻微移动,则将表情培养作为弱势项目。
[0029]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上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的英语教学交互控制方法的步骤。
[0030]一种英语教学交互控制系统,所述系统包括:
[0031]至少一个处理器;
[0032]至少一个存储器,用于存储至少一个程序;
[0033]当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现上述任一项所述的英语教学交互控制方法。
[0034]本专利技术的有益效果是:本专利技术公开一种英语教学交互控制系统及其控制方法,本专利技术在建立服务端与若干个VR头显的通信连接后,分别向每个VR头显发送一组相同的情景
对话视频,并接收每个VR头显反馈的应答视频,从而基于预先训练得到的神经网络模型对每个VR头显反馈的应答视频进行分类,得到多个分类组;进而确定各个分类组的弱势项目,根据各个分类组的弱势项目匹配对应的场景教学视频,向各个分类组发送对应的场景教学视频。本专利技术通过结合VR头显教学英语教学,并根据应答视频进行分类,能够有针对性的进行英语教学。
附图说明
[0035]为了更清楚地说明本专利技术实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本专利技术的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
[0036]图1是本专利技术实施例中英语教学交互控制方法的流程示意图;
[0037]图2是本专利技术实施例中英语教学交互控制系统的连接框图。
具体实施方式
[0038]以下将结合实施例和附图对本申请的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本申请的目的、方案和效果。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
[0039]参考图1,如图1所示为本申请实施例提供的一种英语教学交互控制方法,所述本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种英语教学交互控制方法,其特征在于,所述方法包括以下步骤:步骤S100、建立服务端与若干个VR头显的通信连接;步骤S200、分别向每个VR头显发送一组相同的情景对话视频,并接收每个VR头显反馈的应答视频;步骤S300、基于预先训练得到的神经网络模型对每个VR头显反馈的应答视频进行分类,得到多个分类组;其中,每个分类组对应至少一个VR头显;步骤S400、确定各个分类组的弱势项目,根据各个分类组的弱势项目匹配对应的场景教学视频,向各个分类组发送对应的场景教学视频。2.根据权利要求1所述的一种英语教学交互控制方法,其特征在于,步骤S300中,所述基于预先训练得到的神经网络模型对每个VR头显反馈的应答视频进行分类,得到多个分类组,包括:步骤S310、获取每个VR头显反馈的应答视频;步骤S320、基于预先训练得到的神经网络模型对每个VR头显反馈的应答视频进行识别,得到每个VR头显对应的综合评价信息;步骤S330、对每个VR头显对应的综合评价信息进行聚类,得到多个分类组。3.根据权利要求2所述的一种英语教学交互控制方法,其特征在于,步骤S320中,所述基于预先训练得到的神经网络模型对每个VR头显反馈的应答视频进行识别,得到每个VR头显对应的综合评价信息,包括:步骤S321、将VR头显反馈的应答视频进行语音识别,得到文字应答数据;将文字应答数据输入预先训练得到的文本分类模型,得到第一指标;其中,所述第一指标为以下其中一种:无应答、应答不准、应答准确;步骤S322、将VR头显反馈的应答视频进行语音分离,得到语音应答数据;将语音应答数据输入预先训练得到的语音分类模型,得到第二指标;其中,所述第二指标为以下其中一种:发音不准、发音不连贯、发音准确;步骤S323、将VR头显反馈的应答视频进行图像分离,得到图像应答数据;将图像应答数据输入预先训练得到的图像分类模型,得到第三指标;其中,所述第三指标为以下其中一种:静止、轻微移动、表情符合设定;步骤S324、将所述第一指标、所述第二指标和所述第三指标形成一组三元数据,作为该VR头显对应的综合评价信息。4.根据权利要求1所述的一种英语教学交互控制方法,其特征在于,所述方法还包括...

【专利技术属性】
技术研发人员:麦艺瑜宋勖元
申请(专利权)人:广东职业技术学院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1