【技术实现步骤摘要】
本申请涉及智能管理领域，且更为具体地，涉及一种基于人工智能的线上教育管理方法及系统。
技术介绍
1、线上教育，作为信息技术飞速进步的产物，正逐步成为现代教育体系中不可或缺的一环。线上教育依托网络平台，实现了教师远程授课与学生在线学习的无缝对接，彻底颠覆了传统教育中师生必须面对面交流的教学模式，极大地拓宽了教与学的空间边界，让知识传播与学习体验变得更加灵活与便捷。
2、然而，线上教育的这一空间无界性特点，也对其教学管理提出了严峻挑战。在线上学习环境中，学生容易受到如社交媒体、游戏等各种非学习因素的干扰，影响其专注度，导致学习效率下降。同时，由于师生之间缺乏直观的面对面互动，教师难以及时捕捉到学生的学习动态，如注意力分散、疑惑困惑等，从而无法提供及时有效的教学反馈和指导，使得线上教育的质量保障面临着比传统教育更大的困难。
3、因此，期待一种基于人工智能的线上教育管理方法，能够监测和评估学生的学习专注度，及时发现并干预学生的非专注行为，以提升线上教育的教学质量和效果。
技术实现思路
1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于人工智能的线上教育管理方法及系统，其通过利用基于深度学习的计算机视觉技术对摄像头采集的学生头部状态监控视频进行语义分析，挖掘出视频中各个关键帧的头部状态语义特征表示，进而通过对学生的头部状态进行全局时序行为模式分析，从而智能评估学生是否专注听讲，以便于实施有效的教学管理干预。这样，可以实现对线上教育环境中学生专注度的实
2、根据本申请的一个方面，提供了一种基于人工智能的线上教育管理方法，其包括：
3、获取由摄像头采集的被监控学生对象的头部状态监控视频；
4、对所述头部状态监控视频进行关键帧语义编码以得到头部状态语义编码特征向量的时间序列；
5、将所述头部状态语义编码特征向量的时间序列输入基于特征能级度量关联辐射的语义关联强化器以得到强化头部状态语义编码特征向量的时间序列；
6、基于所述强化头部状态语义编码特征向量的时间序列的头部状态时序行为模式特征，确定所述被监控学生对象是否专注；
7、响应于所述识别结果为被监控学生对象不专注，生成提醒字幕以提示教师关注所述被监控学生对象的学习状态。
8、根据本申请的另一个方面，提供了一种基于人工智能的线上教育管理系统，其包括：
9、监控视频获取模块，用于获取由摄像头采集的被监控学生对象的头部状态监控视频；
10、关键帧语义编码模块，用于对所述头部状态监控视频进行关键帧语义编码以得到头部状态语义编码特征向量的时间序列；
11、语义关联强化模块，用于将所述头部状态语义编码特征向量的时间序列输入基于特征能级度量关联辐射的语义关联强化器以得到强化头部状态语义编码特征向量的时间序列；
12、专注状态确定模块，用于基于所述强化头部状态语义编码特征向量的时间序列的头部状态时序行为模式特征，确定所述被监控学生对象是否专注；
13、提醒字幕生成模块，用于响应于所述识别结果为被监控学生对象不专注，生成提醒字幕以提示教师关注所述被监控学生对象的学习状态。
14、与现有技术相比，本申请提供的一种基于人工智能的线上教育管理方法及系统，其通过利用基于深度学习的计算机视觉技术对摄像头采集的学生头部状态监控视频进行语义分析，挖掘出视频中各个关键帧的头部状态语义特征表示，进而通过对学生的头部状态进行全局时序行为模式分析，从而智能评估学生是否专注听讲，以便于实施有效的教学管理干预。这样，可以实现对线上教育环境中学生专注度的实时监测，提高教师对学生学习状态的感知能力，及时发现并纠正学生的分心行为，从而提升线上教学的质量和效果。
本文档来自技高网...【技术保护点】
1.一种基于人工智能的线上教育管理方法，其特征在于，包括：
2.根据权利要求1所述的基于人工智能的线上教育管理方法，其特征在于，对所述头部状态监控视频进行关键帧语义编码以得到头部状态语义编码特征向量的时间序列，包括：
3.根据权利要求2所述的基于人工智能的线上教育管理方法，其特征在于，将所述头部状态监控关键帧的时间序列中的各个头部状态监控关键帧分别进行语义文本化表达以得到头部状态文本描述的时间序列，包括：
4.根据权利要求3所述的基于人工智能的线上教育管理方法，其特征在于，将所述头部状态语义编码特征向量的时间序列输入基于特征能级度量关联辐射的语义关联强化器以得到强化头部状态语义编码特征向量的时间序列，包括：
5.根据权利要求4所述的基于人工智能的线上教育管理方法，其特征在于，计算所述头部状态语义编码特征向量的时间序列中的各个头部状态语义编码特征向量的特征能级系数以得到特征能级系数的序列，包括：
6.根据权利要求5所述的基于人工智能的线上教育管理方法，其特征在于，基于所述强化头部状态语义编码特征向量的时间序列的头部状态时序
7.根据权利要求6所述的基于人工智能的线上教育管理方法，其特征在于，对所述强化头部状态语义编码特征向量的时间序列进行全局时序行为模式分析以得到头部状态时序行为模式语义表示向量，包括：
8.根据权利要求7所述的基于人工智能的线上教育管理方法，其特征在于，还包括训练步骤：对所述基于编码器-解码器结构的头部语义文本表达器、所述基于特征能级度量关联辐射的语义关联强化器、所述基于Bi-LSTM模型的头部状态时序行为模式特征提取器和所述基于分类器的状态识别器进行训练。
9.根据权利要求8所述的基于人工智能的线上教育管理方法，其特征在于，所述训练步骤，包括：
10.一种基于人工智能的线上教育管理系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于人工智能的线上教育管理方法，其特征在于，包括：
2.根据权利要求1所述的基于人工智能的线上教育管理方法，其特征在于，对所述头部状态监控视频进行关键帧语义编码以得到头部状态语义编码特征向量的时间序列，包括：
3.根据权利要求2所述的基于人工智能的线上教育管理方法，其特征在于，将所述头部状态监控关键帧的时间序列中的各个头部状态监控关键帧分别进行语义文本化表达以得到头部状态文本描述的时间序列，包括：
4.根据权利要求3所述的基于人工智能的线上教育管理方法，其特征在于，将所述头部状态语义编码特征向量的时间序列输入基于特征能级度量关联辐射的语义关联强化器以得到强化头部状态语义编码特征向量的时间序列，包括：
5.根据权利要求4所述的基于人工智能的线上教育管理方法，其特征在于，计算所述头部状态语义编码特征向量的时间序列中的各个头部状态语义编码特征向量的特征能级系数以得到特征能级系数的序列，包括：<...
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。