【技术实现步骤摘要】
本专利技术实施例涉及信息化教学，具体涉及一种课堂效果评估方法、装置及计算机可读存储介质。
技术介绍
1、网课是一种新兴的学习方式，是为学习者提供的以互联网为平台、内容包含视频、图片、文字互动等多种形式的系列学习教程。网课是服务机构提供的在线学习课程。区别于线下课堂教授，网课具有方式多样，灵活便捷等优点，越来越多的学生群体和育儿父母的开始使用。
2、但由于网课没有面对面课堂，课堂教师及其他教务人员难以获取学生课堂状态，从而无法判断课堂效果。在专利文献《cn111242049a-一种基于面部识别的学生网课学习状态评价方法及系统》公开了通过获取学生面部图像、学生回答问题情况以及学生信息，从而判断学生的学习状态。但在实际教学过程中，除了观看网课，还存在查阅教材、书写笔记等等其他学习行为，其他行为容易被上述专利文献公开的评价方法误判，导致学习评价不准确。同时，当学生直视屏幕时，难以准确判断学生是否处于专注学习状态，上述专利文献所公开方案无法准确有效的判断课堂效果，不利于教学计划实施。
技术实现思路
1、鉴于上述问题，本专利技术实施例提供了一种课堂效果评估方法、装置及计算机可读存储介质，用于解决现有技术中存在无法准确有效的判断课堂效果，不利于教学计划实施的问题。
2、根据本专利技术实施例的一个方面，提供了一种课堂效果评估方法，其特征在于，所述方法包括：
3、通过视觉模块获取并分析用户图像数据，获得视觉评估结果；
4、通过脑机模块获取并分析用户脑电
5、根据所述视觉评估结果、脑电评估结果，获取用户课堂效果，并计算当前课堂的用户课堂效果的正向比例，获得课堂效果评估分数。
6、在一种可选的方式中，所述通过视觉模块获取并分析用户图像数据，获得视觉评估结果，包括：
7、通过视觉模块在预设时间间隔内，连续获取用户图像数据；
8、将用户图像数据输入到视觉评估模型进行学习行为判定，其中，用户图像数据判定为学习状态则用户图像数据为正向图像，否则用户图像为负向图像；
9、在预设课堂时长中，若正向图像占所有的用户图像数据比例为80％，则认定当前用户的视觉评估结果为正向。
10、在一种可选的方式中，所述视觉评估模型为卷积神经网络，视觉评估模型通过用户图像数据进行训练，具体包括：
11、对视觉评估模型进行权值初始化；
12、将用户图像数据输入到视觉评估模型，通过卷积层、池化层、全连接层的向前传播得到输出值；
13、求出视觉评估模型的输出值与目标值之间的误差；
14、当误差大于预设期望值时，将误差传回视觉评估模型中，依次求得全连接层、池化层、卷积层的误差；
15、根据求得误差进行权值更新，通过不同的用户图像数据对权值进行持续更新。
16、在一种可选的方式中，所述通过脑机模块获取并分析用户脑电数据，获取脑电评估结果，具体包括：
17、通过脑机模块在预设时间间隔内，连续采集用户脑电数据；
18、对所述用户脑电数据进行信号处理及特征提取，获取特征信号；
19、通过fisher线性判别模型对特征信号频进行判定，其中，用户脑电数据判定为专注状态则用户脑电数据为正向脑电，否则用户图像为负向脑电；
20、在预设课堂时长中，若正向脑电占所有的用户脑电数据比例为80％，则认定当前用户的脑电评估结果为正向。
21、在一种可选的方式中，对所述用户脑电数据进行信号处理，具体包括：
22、通过移动窗口中值滤波技术去除用户脑电数据的基线漂移；
23、通过butterworth低通滤波器去除用户脑电数据的高频信号；
24、对低通滤波后的用户脑电数据，通过eica算法滤除生理伪迹；获取中间脑电数据。
25、在一种可选的方式中，对所述用户脑电数据进行特征提取通过共空间模型获取特征信号，具体包括：
26、将用户脑电数据中的脑电信号组成一个n*t的点云矩阵，其中，n为导联的数量，t为采样点数据；
27、计算每个点云矩阵的协方差，分别对两组数据的协方差求平均，获得两个协方差矩阵；
28、将两个协方差矩阵相加求和得到合成协方差矩阵，并通过求合成协方差矩阵的特征值、特征向量，获得白化转换矩阵；
29、根据所述白化转换矩阵，计算出两个协方差矩阵的线性变换矩阵；
30、通过线性变换矩阵将每个点云矩阵映射到另一空间上，计算每个点云在另一个空间不同维度的方差，得到特征信号。
31、在一种可选的方式中，所述通过fisher线性判别模型，通过以下步骤建立：
32、载入训练数据，并对训练数据进行归一化处理，得到每个类的均值向量；
33、计算每个类的总离散度，并计算总离散度的逆矩阵；
34、根据总离散度的逆矩阵，计算投影方向w和阈值y0，并构建线性判别函数；
35、通过线性判别函数对特征信号进行判定。
36、在一种可选的方式中，所述根据所述视觉评估结果、脑电评估结果，获取用户课堂效果，并计算当前课堂的用户课堂效果的正向比例，获得课堂效果评估分数，包括：
37、若所述视觉评估结果为正向、脑电评估结果为正向，则用户课堂效果为正向；否则用户课堂效果为负向；
38、在当前课堂内，若用户授课效果为正向的比例占总参与用户的比值高于80％，则课堂效果评估为优等；若用户授课效果为正向的比例占总参与用户的比值在60％-80％，则课堂效果评估为中等；若用户授课效果为正向的比例占总参与用户的比值低于60％，则课堂效果评估为差等。
39、根据本专利技术实施例的另一方面，提供了一种课堂效果评估装置，所述方法包括：
40、视觉评估模块，用于通过视觉模块获取并分析用户图像数据，获得视觉评估结果；
41、脑电评估模块，用于通过脑机模块获取并分析用户脑电数据，获取脑电评估结果；
42、课堂效果评估模块，根据所述视觉评估结果、脑电评估结果，获取用户课堂效果，并计算当前课堂的用户课堂效果的正向比例，获得课堂效果评估分数。
43、根据本专利技术实施例的又一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令在课堂效果评估装置上运行时，使得课堂效果评估装置执行如上述的课堂效果评估方法的操作。
44、本专利技术实施例通过视觉模块采集用户的用户图像数据、通过脑机模块获取用户脑电数据，并根据用户图像数据、用户脑电数据，得到视觉评估结果、脑电评估结果，从而根据视觉评估结果、脑电评估结果判断当前用户的用户课堂效果；并通过统计所有用户的用户课堂效果，获得课堂效果评估分数。
45、本专利技术与现有技术相比，具有如下优点和有益效果:
46、1.本专利技术结合了视觉评估、脑电评估，在视觉监测的基础本文档来自技高网...
【技术保护点】
1.一种课堂效果评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的课堂效果评估方法，其特征在于，所述通过视觉模块获取并分析用户图像数据，获得视觉评估结果，包括：
3.根据权利要求2所述的课堂效果评估方法，其特征在于，所述视觉评估模型为卷积神经网络，视觉评估模型通过用户图像数据进行训练，具体包括：
4.根据权利要求1所述的课堂效果评估方法，其特征在于，所述通过脑机模块获取并分析用户脑电数据，获取脑电评估结果，具体包括：
5.根据权利要求4所述的课堂效果评估方法，其特征在于，对所述用户脑电数据进行信号处理，具体包括：
6.根据权利要求4所述的课堂效果评估方法，其特征在于，对所述用户脑电数据进行特征提取通过共空间模型获取特征信号，具体包括：
7.根据权利要求4所述的课堂效果评估方法，其特征在于，所述通过Fisher线性判别模型，通过以下步骤建立：
8.根据权利要求1所述的课堂效果评估方法，其特征在于，所述根据所述视觉评估结果、脑电评估结果，获取用户课堂效果，并计算当前课堂的用户课堂效果的正向
9.一种课堂效果评估装置，其特征在于，所述装置包括：
10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一可执行指令，所述可执行指令在课堂效果评估装置上运行时，使得课堂效果评估装置执行如权利要求1-8任意一项所述的课堂效果评估方法的操作。
...【技术特征摘要】
1.一种课堂效果评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的课堂效果评估方法，其特征在于，所述通过视觉模块获取并分析用户图像数据，获得视觉评估结果，包括：
3.根据权利要求2所述的课堂效果评估方法，其特征在于，所述视觉评估模型为卷积神经网络，视觉评估模型通过用户图像数据进行训练，具体包括：
4.根据权利要求1所述的课堂效果评估方法，其特征在于，所述通过脑机模块获取并分析用户脑电数据，获取脑电评估结果，具体包括：
5.根据权利要求4所述的课堂效果评估方法，其特征在于，对所述用户脑电数据进行信号处理，具体包括：
6.根据权利要求4所述的课堂效果评估方法，其特征在于，对所述用...
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。