【技术实现步骤摘要】
本专利技术涉及计算机人工智能领域和教育领域，特别是涉及一种基于aigc课堂行为反馈教学系统，通过人工智能技术，来实现虚拟私人老师的教学。
技术介绍
1、随着科技的不断进步，人工智能在教育领域的应用逐渐引起了人们的关注。在当今社会，对于受教育程度的重视与日俱增，许多家长为孩子们争取更好的学习资源，例如请家教或进行一对一辅导答疑。然而，寻找合适的名师并进行面对面的教学是一项相当困难的任务。
2、在这一背景下，一种基于aigc课堂行为反馈教学系统迎来了发展机遇。这个系统相当于一个24小时不间断的私人虚拟老师，能够随时回答各科目的问题，讲授多学科的课程，为学生提供个性化的学习支持。这种新型的教育方式有望减轻学生们的学业压力，同时也能够减少家长们的焦虑，为学生创造更加自由灵活的学习环境。
技术实现思路
0、
技术实现思路
：
1、根据现有的技术存在的问题，本专利技术提供一种基于aigc课堂行为反馈教学系统，将教学界面一分为二，一部分是虚拟老师，可以是卡通人物、社会名人等，另一部分是可视化教学界面，展示教学内容，辅助用户更好理解教学内容；而且该系统分为慕课教学部分和1v1答疑部分，其中每个部分又分为学生端、管理员端和数据库，分别发挥不同的功效。
2、进一步地包括慕课教学部分和1v1答疑部分：
3、慕课教学部分，分为学生端、管理员端和数据库，学生端用户登录，进行慕课学习、选择虚拟老师；管理员端负责调取数据库资源，返回给学生端，且收集学生端学生信息存储到
4、1v1教学部分，分为学生端、管理员端和数据库，学生端用户登录，选择1v1教学部分，讲述疑惑；管理员端负责将学生端的语音等信息进行收集分析，经过大语言模型和ai模型的处理返回答疑视频，并且对于用户行为进行分析，判断提问结束，返回相应结束语。
5、进一步地还包括数据库部分：
6、创建教师数据库、教学资料数据库、学生行为数据库，其中教师数据库包括虚拟老师进行教学的视频；教学资料数据库包括老师讲课相关资料、教学可视化资料，辅助教学进行；学生行为数据库包括，收集学生相关信息。
7、较佳的，本专利技术慕课教学部分具体包括以下步骤：
8、步骤s1：采集老师讲课时的面部信息和语音信息。
9、步骤s2：对于步骤s1中的面部信息和语音信息进行数据预处理。
10、步骤s3：对于步骤s2中的面部信息进行特征提取，语音信息进行特征提取和转化为文本信息：
11、对于面部信息提取其面部表情信息；
12、对于语音信息提取其音调信息。
13、步骤s4：对于步骤s3中的特征信息存储到教师数据库中。
14、步骤s5：利用编程技术制作教学可视化视频，辅助理解知识点；收集课程相关知识点资料，存储到教学资料数据库。
15、步骤s6：用户在学生端登录，选择“慕课教学”部分，选择具体的课程和选择虚拟老师的形象。
16、步骤s7：对于步骤s6中的“慕课教学”信号，管理员端接收到后，接收用户选择的虚拟老师形象，调取教师数据库相关教师的数据信息，通过aigc进行拟合，形成虚拟老师教学视频；且调取教学资源数据库相关课程的资料，返回学生端界面虚拟老师教学视频和可视化教学视频，将课程相关知识点资料以pdf格式返回用户。
17、步骤s8：对于步骤s7返回的视频用户开始观看后，将视频信息按照时间每十秒进行一次切片，采集用户的面部信息和眼动信息，存储到学生行为数据库并对其进行数据预处理和特征提取：
18、对于眼动信息提取其眼动轨迹、瞳孔变化和注视点变化；
19、对于面部信息提取其面部表情信息、嘴巴开合程度。
20、步骤s9：对于步骤s8中获取的用户信息，通过机器学习进行分析，得到评估用户是否听懂的模型、评估用户专注度的模型，对于判断没有听懂的部分在教学资料数据库知识点资料上进行标注、对于专注度和听懂比例结合生成课堂报告，将课堂报告存储在学生行为数据库内，并在课堂结束时反馈给用户。
21、较佳的，本专利技术1v1教学部分包括以下步骤：
22、步骤w1：用户在学生端登录，选择“1v1教学”部分，选择虚拟老师的形象。
23、步骤w2：对于步骤w1中的“1v1教学”信号，管理员端接收到后，接受用户选择的虚拟教师形象，将视频按照时间，每十秒进行一次切片，传递到管理员端，开始接收用户的语音信息、面部信息和眼动信息。
24、步骤w3：对于步骤w2中获取的语音信息、面部信息和眼动信息进行数据预处理，并且将语音信息转化为文本信息。
25、步骤w4：对于步骤w3中处理好的语音信息、面部信息、眼动信息和文本信息进行特征提取：
26、对于面部信息提取其唇动信息、面部表情信息和嘴巴开合程度；
27、对于眼动信息提取其眼动轨迹、瞳孔变化；
28、对于音调信息提取其频率轮廓、音调轮廓和音调特征向量；
29、对于文本信息提取其语境情感；
30、完成后进入步骤w6。
31、步骤w5：对于s3获取的文本信息传输给大语言模型，返回相应的回答，将其与步骤s2中获取的虚拟老师的形象放入ai模型，生成虚拟老师视频，返回到学生端。
32、步骤w6：将w4中特征提取完成的数据放入到机器学习进行学习，形成判断提问结束的模型，若判断结束对话则返回相应的结束语，若未结束对话则继续接收。
33、进一步地，步骤s9具体包括以下步骤：
34、步骤s91：将步骤s8获得的眼动信息的眼动轨迹、瞳孔变化特征用卷积神经网络(cnn)模型进行训练、预测，输出是否对于知识点有疑惑。
35、步骤s92：将步骤s8获得的面部信息的面部表情信息特征用svm进行训练、预测，输出是否对于知识点有疑惑。
36、步骤s93：将步骤s8获得的面部信息的嘴巴开合程度特征用svm进行训练、预测，输出是否对于知识点有疑惑。
37、步骤s94：将步骤s91、s92和s93输出的特征值放入以下公式做出最终判断，公式如下：
38、
39、
40、
41、p＝p1∩p2
42、其中x为向量特征矩阵，每一列表示1个特征值(一共3个特征值)，每一行表示1个样本，形成了n*3的矩阵。对于每一个样本特征进行贴标签处理(听懂1/没听懂0)，建立矩阵y；
43、θi为对于赋予每个特征值一个权重(通过训练过程找到最好的θi值)，∑i＝1n(θ1yi1+θ2yi2+θ3yi3)、∑i＝1n(yji)、∑j＝13(qj)、p1、p2为：若结果达到预设阈值(通过训练过程找到最好的阈值)及以上视为“听懂”，标记为1，若未达到预设阈值视为“没听懂”标记为0；
44、p1为通过样本判断是否听懂的结果，qj为根据每本文档来自技高网...
【技术保护点】
1.一种基于AIGC课堂行为反馈教学系统，其特征在于：将教学界面一分为二，一部分是虚拟老师，可以是卡通人物、社会名人等，另一部分是可视化教学界面，展示教学内容，辅助用户更好理解教学内容；而且该系统分为慕课教学部分和1v1答疑部分，其中每个部分又分为学生端、管理员端和数据库，分别发挥不同的功效。
2.根据权利要求1所述的一种基于AIGC课堂行为反馈教学系统，其特征在于：
3.根据权利要求2所述的一种基于AIGC课堂行为反馈教学系统，其特征在于，还包括创建数据库：
4.根据权利要求2、3所述的一种基于AI模型的虚拟老师教学系统，其特征在于，慕课教学部分包括以下步骤：
5.根据权利要求2、3所述的一种基于AI模型的虚拟教学系统，其特征在于，1v1教学部分主要包括以下步骤：
6.根据权利要求4所述的一种基于AIGC课堂行为反馈教学系统，其特征在于：步骤S9具体包括以下步骤：
7.根据权利要求6所述的一种基于AIGC课堂行为反馈教学系统，其特征在于，步骤W6具体如下：
【技术特征摘要】
1.一种基于aigc课堂行为反馈教学系统，其特征在于：将教学界面一分为二，一部分是虚拟老师，可以是卡通人物、社会名人等，另一部分是可视化教学界面，展示教学内容，辅助用户更好理解教学内容；而且该系统分为慕课教学部分和1v1答疑部分，其中每个部分又分为学生端、管理员端和数据库，分别发挥不同的功效。
2.根据权利要求1所述的一种基于aigc课堂行为反馈教学系统，其特征在于：
3.根据权利要求2所述的一种基于aigc课堂行为反馈教学系统，其特征在于，还...
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。