一种课堂协作学习角色判定方法技术

一种课堂协作学习角色判定方法，包括以下步骤：采集课堂协作学习者的骨骼点数据；基于所述骨骼点数据提取每个时间窗口下每个学习者的骨骼特征向量；基于每个时间窗口下每个学习者的骨骼特征向量构建每个时间窗口下每个学习者的自回归模型和学习者间的联合回归模型，基于自回归模型和联合回归模型采用因果关系检验法构建每个时间窗口下的交互关系图；基于所述自回归模型、联合回归模型和交互关系图计算每个时间窗口下每个学习者的交互强度；基于每个时间窗口下的交互关系图和每个学习者的交互强度对每个学习者进行角色判定。的交互强度对每个学习者进行角色判定。的交互强度对每个学习者进行角色判定。

【技术实现步骤摘要】
一种课堂协作学习角色判定方法


[0001]本专利技术涉及协作角色判定
，尤其涉及一种课堂协作学习角色判定方法。

技术介绍

[0002]互动关系的形成是一种重要的协作学习途径，也是协作学习的基础。互动是指学生和自己所处的环境在试图改变学生的行为以达到学习目标的过程中相互影响而发生的互惠事件。在各种学习情况下的互动被认为是构建一个有意义的学习体验的关键。近年来，随着教育信息化及教育智能化的飞速发展，采用视频分析技术，针对学生的课堂行为及表情实现学生课堂参与度和投入程度的研究，已经获得了丰富的研究成果，但是视频分析的对象主要针对师生之间的课堂互动行为，较少开展学生与学生之间——即课堂协作学习行为及协作角色的研究。
[0003]目前对协作学习的交互过程主分析主要采用社会网络分析(Social Network Analysis，SNA)方法，例如，针对混合模式下基于“合作”和“复制”两种学习取向的五种合作学习模式进行研究；采用基于IIS图分析法和社会网络分析法来分析智慧教室下和常规教室下协作学习的交互过程。在上述基于SNA的方法中，构建交互矩阵或社会交互网络，需要通过问卷或人工处理的方式，存在较强的主观性，且不适用于智慧教室环境、或大规模网络学习场景中的协作关系的自动化、实时分析。

技术实现思路

[0004]鉴于上述的分析，本专利技术实施例旨在提供一种课堂协作学习角色判定方法，用以解决现有技术对课堂协作学习交互分析主观性强，无法实现自动的、实时的进行协作关系分析的问题。
[0005]一方面，本专利技术实施例提供了一种课堂协作学习角色判定方法，包括以下步骤：
[0006]采集课堂协作学习者的骨骼点数据；基于所述骨骼点数据提取每个时间窗口下每个学习者的骨骼特征向量；
[0007]基于每个时间窗口下每个学习者的骨骼特征向量构建每个时间窗口下每个学习者的自回归模型和学习者间的联合回归模型，基于自回归模型和联合回归模型采用因果关系检验法构建每个时间窗口下的交互关系图；基于所述自回归模型、联合回归模型和交互关系图计算每个时间窗口下每个学习者的交互强度；
[0008]基于每个时间窗口下的交互关系图和每个学习者的交互强度对每个学习者进行角色判定。
[0009]基于上述方法的进一步改进，所述基于所述骨骼点数据提取每个时间窗口下每个学习者的骨骼特征向量，包括：
[0010]提取当前时间窗口下的每个学习者的骨骼点数据；采用多级子窗口的方式提取每个子窗口下每个学习者的骨骼点数据，计算每个子窗口下每个学习者的骨骼点数据的协方差矩阵；
[0011]对于每个学习者，将当前时间窗口下所有子窗口的协方差矩阵拼接构建该时间窗口下该学习者的骨骼特征向量。
[0012]进一步地，基于每个时间窗口下每个学习者的骨骼特征向量构建每个时间窗口下每个学习者的自回归模型和学习者间的联合回归模型，包括：
[0013]采用BIC准则确定学习者i的自回归模型的滞后量p
*
，构建学习者i的自回归模型其中，λ
l
表示自回归模型中第l阶滞后量的参数，μ1表示噪声，表示第t
‑
l个时间窗口下学习者i的骨骼特征向量；
[0014]采用BIC准则确定联合回归模型的滞后量p，将学习者j的p阶滞后量加入学习者i的自回归模型中，构建学习者i与学习者j的联合回归模型其中，δ
l
表示联合回归模型中学习者j的第l阶滞后量的参数，μ2表示噪声，表示第t
‑
l个时间窗口下学习者j的骨骼特征向量。
[0015]进一步地，基于所述自回归模型和联合回归模型采用因果关系检验法构建每个时间窗口下的交互关系图，包括：
[0016]计算当前时间窗口下学习者i的自回归模型的残差平方和RSS
r
以及学习者i与学习者j的联合回归模型的残差平方和RSS
u
，根据以下公式构造F统计量，其中，p
*
表示自回归模型的滞后量，p表示联合回归模型的滞后量，n表示骨骼特征向量的元素数量；
[0017]根据所述F统计量判断所述自回归模型的残差平方和与联合回归模型的残差平方和的差异性是否显著，若否，则当前时间窗口下学习者j对学习者i没有因果作用关系，否则，当前时间窗口下学习者j对学习者i有因果作用关系；
[0018]基于当前时间窗口下学习者间的因果作用关系构建当前时间窗口下的交互关系图。
[0019]进一步地，基于所述自回归模型、联合回归模型和交互关系图计算每个时间窗口下每个学习者的交互强度，包括：
[0020]基于当前时间窗口下每个学习者的自回归模型和学习者间的联合回归模型计算当前时间窗口下学习者间的作用强度；
[0021]基于当前时间窗口下的交互关系图计算当前时间窗口下每个学习者的节点介数；
[0022]基于每个时间窗口下的交互关系图中每个学习者的出度和入度计算每个学习者的交互频率；
[0023]基于每个学习者的交互频率、当前时间窗口下学习者间的作用强度和每个学习者的节点介数计算当前时间窗口下每个学习者的交互强度。
[0024]进一步地，
[0025]采用公式计算当前时间窗口下学习者j对学习者i的作用强
度，其中，var(η
i
)表示当前时间窗口下学习者i的自回归模型的估计方差，var(ε
i,j
)表示当前时间窗口下学习者i与学习者j的联合回归模型的估计方差。
[0026]进一步地，
[0027]根据公式基于当前时间窗口下的交互关系图计算当前时间窗口下每个学习者的节点介数，其中g
k
表示当前时间窗口下的交互关系图中节点k的节点介数，N表示所述交互关系图的节点总数，c(i,j)表示所述交互关系图中节点i和节点j之间最短路径的数量，c
k
(i,j)表示所述交互关系图中经过节点k的节点i和节点j之间最短路径的数量。
[0028]进一步地，根据公式根据计算每个学习者的交互频率，其中，表示第t个时间窗口下的交互关系图中节点i的出度，表示第t个时间窗口下的交互关系图中节点i的入度，T表示时间窗口的数量。
[0029]进一步地，基于每个学习者的交互频率、当前时间窗口下学习者间的作用强度和每个学习者的节点介数计算当前时间窗口下每个学习者的交互强度，包括：
[0030]根据公式IF
i
→
j
＝FC
i
→
j
×
FC
j
→
i
×
g
i
×
f
i
计算当前时间窗口下学习者i对学习者j的影响因子；
[0031]根据公式计算当前时间窗口下学习者i的交互强度；
[0032]其中，FC
i
→
j
表示当前时间窗口下学习者i对学习者j的作用强度，FC本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种课堂协作学习角色判定方法，其特征在于，包括以下步骤：采集课堂协作学习者的骨骼点数据；基于所述骨骼点数据提取每个时间窗口下每个学习者的骨骼特征向量；基于每个时间窗口下每个学习者的骨骼特征向量构建每个时间窗口下每个学习者的自回归模型和学习者间的联合回归模型，基于自回归模型和联合回归模型采用因果关系检验法构建每个时间窗口下的交互关系图；基于所述自回归模型、联合回归模型和交互关系图计算每个时间窗口下每个学习者的交互强度；基于每个时间窗口下的交互关系图和每个学习者的交互强度对每个学习者进行角色判定。2.根据权利要求1所述的课堂协作学习角色判定方法，其特征在于，所述基于所述骨骼点数据提取每个时间窗口下每个学习者的骨骼特征向量，包括：提取当前时间窗口下的每个学习者的骨骼点数据；采用多级子窗口的方式提取每个子窗口下每个学习者的骨骼点数据，计算每个子窗口下每个学习者的骨骼点数据的协方差矩阵；对于每个学习者，将当前时间窗口下所有子窗口的协方差矩阵拼接构建该时间窗口下该学习者的骨骼特征向量。3.根据权利要求1所述的课堂协作学习角色判定方法，其特征在于，基于每个时间窗口下每个学习者的骨骼特征向量构建每个时间窗口下每个学习者的自回归模型和学习者间的联合回归模型，包括：采用BIC准则确定学习者i的自回归模型的滞后量p
*
，构建学习者i的自回归模型其中，λ
l
表示自回归模型中第l阶滞后量的参数，μ1表示噪声，表示第t
‑
l个时间窗口下学习者i的骨骼特征向量；采用BIC准则确定联合回归模型的滞后量p，将学习者j的p阶滞后量加入学习者i的自回归模型中，构建学习者i与学习者j的联合回归模型其中，δ
l
表示联合回归模型中学习者j的第l阶滞后量的参数，μ2表示噪声，表示第t
‑
l个时间窗口下学习者j的骨骼特征向量。4.根据权利要求1所述的课堂协作学习角色判定方法，其特征在于，基于所述自回归模型和联合回归模型采用因果关系检验法构建每个时间窗口下的交互关系图，包括：计算当前时间窗口下学习者i的自回归模型的残差平方和RSS
r
以及学习者i与学习者j的联合回归模型的残差平方和RSS
u
，根据以下公式构造F统计量，其中，p
*
表示自回归模型的滞后量，p表示联合回归模型的滞后量，n表示骨骼特征向量的元素数量；根据所述F统计量判断所述自回归模型的残差平方和与联合回归模型的残差平方和的差异性是否显著，若否，则当前时间窗口下学习者j对学习者i没有因果作用关系，否则，当前时间窗口下学习者j对学习者i有因果作用关系；
基于当前时间窗口下学习者间的因果作用关系构建当前时间窗口下的交互关系图。5.根据权利要求1所述的课堂协作学习角色判定方法，其特征在于，基于所述自回归模型、联合回归模型和交互关系图计算每个时间窗口下每个学习者的交互强度，包括：基于当前时间窗口下每个学习者的自回归模型和学习者间的联合回归模型计算当前时间窗口下学习者间的作用强度；基于当前时间窗口下的交互关系图计算当前时间窗口下每个学习者的节点介数；基于每个时间窗口下的交互关系图中每个学习者的出度和入度计算每个...

【专利技术属性】
技术研发人员：闫秋艳，高扬，高岩，芮晓彬，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：