System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据处理。更具体地,本专利技术涉及教学质量智能监测分析方法及系统。
技术介绍
1、课堂上学生的认真状态能够直观反映出教学效果。通过实时检测和分析学生的状态,教师可以得到及时的反馈,进而根据需要修改教学策略,以完成教学质量监测。
2、公开号为cn113963406a的中国专利申请文件公开了一种基于人脸表情分析的课堂教学质量监测方法,包括:网络模型训练:预先收集大量课堂参与者表情图像并进行表情类别设定,构建深度人脸表情识别神经网络,获得表情分类模型;人脸检测及表情分析:进行课堂参与者人脸实时采集,并将采集到的数据输入获得的表情分类模型进行表情识别,获得所有采集到的课堂参与者的人脸对应的表情类别结果;数据分析:对获得的课堂参与者的表情类别进行数据统计与分析,计算出不同表情类别的占比,进而对课堂教学质量进行评估。
3、上述方案通过获取课堂上学生的情绪状态,作为教师教学质量监测结果的方法,由于学生学习态度不一,如果直接将学生的学习状态直接作为教师教学质量监测结果,则较容易收到生源质量的影响,无法准确获取教师的教学质量,导致教师难以准确获取学生的反馈信息,用于教学方案优化调整,并且学生上课的情绪受个人原因以及课程内容等多因素影响,会导致其学习状态不佳。
技术实现思路
1、本专利技术提出了教学质量智能监测分析方法及系统,用以解决将学生的情绪状态作为检测结果导致获取的反馈信息准确度较低的问题。
2、第一方面,本专利技术提供的教学质量智能监测分析方法
3、将每个学生的人脸图像输入至训练好的认真状态识别网络得到每个学生的认真状态;
4、计算教学质量评分值,若教学质量评分值小于预设的阈值,输出代表教学质量差的信号;
5、其中,教学质量评分值的计算方法为:
6、根据当前的认真状态与历史的认真状态的第一差值得到认真状态的变化值,变化值与第一差值正相关,根据变化值和变化值均值的第二差值得到相对变化值,相对变化值与第二差值正相关,将变化值与相对变化值乘积的归一化结果作为学习效果值;
7、计算当前时刻所有学生的认真状态的总体评分值,总体评分值与当前时刻学生的认真状态、学习效果值正相关;
8、将预设时间段内不同时刻的总体评分值的均值与预设的相关系数的乘积作为教学质量评分值。
9、其效果在于,通过对学生的认真状态进行分析,得到当前学生的学习效果值,进而根据学生的学习效果值数据,得到每一节课教师教学质量评分值,根据教学质量评分值判断教师的教学质量,降低了由于学生个人原因导致学习状态下降对教师教学质量监测的影响,提高了教学质量监测的精确度,能够准确反映教师的教学质量,而且能够对教师教学质量进行监测,有利于对教学内容的准确优化改进。
10、优选的,学习效果值的表达式为:
11、
12、
13、
14、式中,为第个教室内第个学生当前的学习效果值,为第个教室内第个学生认真状态的变化值,为第个教室内所有学生认真状态的变化值的均值,为第个教室内第个学生当前的认真状态,为第个教室内第个学生历史认真状态,为第个教室内第个学生认真状态相对变化值,()为激活函数。
15、其效果在于,通过对比单个学生当前时刻与历史时刻的认真状态,以及对比单个学生与所有学生的认真状态,能够判断出学生的当前学习状态变差是因为个人原因还是教学质量原因,提高了教学质量评分值的准确性。
16、优选的,总体评分值的表达式为:
17、
18、式中,为第个教室当前时刻的总体评分值,为第个教室内第个学生当前的认真状态,为第个教室内第个学生当前的学习效果值,为第个教室内排除第个学生后剩余学生的当前认真状态的均值,j为教室内学生总数。
19、其效果在于,当学生因为个人原因导致学习效果较差时,对总体评分值的贡献主要来源于教室内剩余学生的贡献,以减弱因为个人原因对总体评分值的影响;当学生的学习效果较好时,此时,对总体评分值的贡献主要来源于学生个人,以此保证了总体评分值的准确度。
20、优选的,总体评分值的表达式为:
21、
22、式中,为第个教室当前时刻的总体评分值,为第个教室内第个学生当前的认真状态,为第个教室内第个学生当前的学习效果值,为教室内学生总数。
23、优选的,教学质量评分值的表达式为:
24、
25、式中,为教学质量评分值,为预设的相关系数,表示预设时间段内不同时刻总体评分值均值。
26、其效果在于,通过教学质量评分值能够直观地了解当前时刻教师的教学质量,能够实现对教师教学质量的监督,便于了解教师的教学情况。
27、优选的,相关系数的计算方法为:
28、根据不同时刻和相应的总体评分值构建评分曲线;
29、对评分曲线上的数据点进行聚类获得多个聚类簇,每个聚类簇对应一个时间戳,分别计算每个聚类簇的时间戳的均值,按照均值递增的方式对聚类簇进行排序;计算排序后相邻两个聚类簇内数据点总体评分值的均值的差值,获得多个差值的累计之和,根据累计之和得到相关系数;
30、相关系数的表达式为:,式中exp()为以e为底的指数函数,表示相邻两个聚类簇内数据点总体评分值均值的差值累计之和。
31、其效果在于,通过构建评分曲线,根据评分曲线的走势能够直观地了解学生的学习状态以及学生学习状态的变化情况,利于教师把握教学节奏,提高教学质量。
32、优选的,利用dbscan聚类方法对评分曲线上的数据点进行聚类。
33、第二方面,教学质量智能监测分析系统,包括:处理器和存储器,所述存储器存储有计算机程序指令,当所述计算机程序指令被所述处理器执行时实现所述的教学质量智能监测分析方法。
34、本专利技术的有益效果为:
35、本专利技术的方案通过对学生的认真状态进行分析,得到当前学生的学习效果值,进而根据学生的学习效果值数据,得到每一节课教师教学质量评分值,当学生因为个人原因导致学习效果较差时,对总体评分值的贡献主要来源于教室内剩余学生的贡献,以减弱因为个人原因对总体评分值的影响;另外,根据教学质量评分值判断教师的教学质量,提高了教学质量监测的精确度,能够准确反映教师的教学质量,而且能够对教师教学质量进行监测,有利于对教学内容的准确优化改进。
本文档来自技高网...【技术保护点】
1.教学质量智能监测分析方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的教学质量智能监测分析方法,其特征在于,学习效果值的表达式为:
3.根据权利要求2所述的教学质量智能监测分析方法,其特征在于,总体评分值的表达式为:
4.根据权利要求2所述的教学质量智能监测分析方法,其特征在于,总体评分值的表达式为:
5.根据权利要求1所述的教学质量智能监测分析方法,其特征在于,教学质量评分值的表达式为:
6.根据权利要求5所述的教学质量智能监测分析方法,其特征在于,相关系数的计算方法为:
7.根据权利要求6所述的教学质量智能监测分析方法,其特征在于,利用DBSCAN聚类方法对评分曲线上的数据点进行聚类。
8.教学质量智能监测分析系统,其特征在于,包括:处理器和存储器,所述存储器存储有计算机程序指令,当所述计算机程序指令被所述处理器执行时实现根据权利要求1-7任一项所述的教学质量智能监测分析方法。
【技术特征摘要】
1.教学质量智能监测分析方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的教学质量智能监测分析方法,其特征在于,学习效果值的表达式为:
3.根据权利要求2所述的教学质量智能监测分析方法,其特征在于,总体评分值的表达式为:
4.根据权利要求2所述的教学质量智能监测分析方法,其特征在于,总体评分值的表达式为:
5.根据权利要求1所述的教学质量智能监测分析方法,其特征在于,教学质量评分值的表...
【专利技术属性】
技术研发人员:朱达华,徐宋传,陈晓宇,
申请(专利权)人:广东光大信息科技股份有限公司,
类型:发明
国别省市:
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。