[發明專利]基于韋伯-費希納拓廣定律的學習環境質量評估系統和方法

在審

• 申請號: 201910909996.0
• 申請日: 2019-09-25
• 公開（公告）號: CN112557585A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 朱春;林坤森;劉思坦;楊晨杰;臧宗超
• 申請（專利權）人: 上海迪勤智能科技有限公司;上海迪勤傳感技術有限公司
• 主分類號: G01N33/00
• 分類號: G01N33/00;G01N15/06;G01D21/02;G06Q10/06;G06Q50/26
• 代理公司: 上海華誠知識產權代理有限公司 31300
• 代理人: 肖華

1.一種學習環境質量評估系統，其特征在于，包括：

處理器；

計算機可讀存儲介質，所述計算機可讀存儲介質通信地連接到所述處理器，并存儲由所述處理器執行的指令；以及

當由所述處理器執行所述指令時，所述指令使得所述學習環境質量評估系統：

收集環境信息，所述環境信息包括指示環境中與學習效率相關聯的多種參數的測量值，其中，所述多種參數包括：光照、噪聲、溫度、空氣相對濕度(RH)、細顆粒物(PM_2.5)、甲醛、二氧化碳(CO₂)和總揮發性有機物(TVOC)；

通過學習環境質量評估模型對所述環境信息進行評估，確定所述環境適宜學習的等級，其中，所述學習環境質量評估模型包括所述多種參數中每一種參數的影響指數模型、影響權重系數模型和加權指數，并且其中，所述影響指數模型基于韋伯-費希納拓廣定律建立；以及

在圖形用戶界面顯示所述多種參數的所述測量值以及所述等級。

2.根據權利要求1所述的學習環境質量評估系統，其特征在于，通過學習環境質量評估模型對所述環境信息進行評估，確定所述環境適宜學習的等級進一步包括：

基于所述多種參數中每一種的所述影響指數模型，獲得所述多種參數中每一種參數的影響指數；

根據所述每一種參數的所述影響指數和所述每一種參數的影響權重系數，獲得所述每一種參數的所述加權指數，其中，所述影響權重系數基于所述影響權重系數模型確定；

對所述多種參數中的所述每一種參數的所述加權指數進行求和，獲得學習環境質量評估指數；以及

將所述學習環境質量評估指數與閾值進行比較，確定所述等級。

3.根據權利要求1-2中任一項所述的學習環境質量評估系統，其特征在于，所述影響指數模型還包括：

其中，H_P表示所述多種參數中各個參數對應的影響指數，所述影響指數是對人體影響的無量綱表示，P表示所述多種參數中的任一種，C為影響常數，n為監測值，n₀為比較值。

4.根據權利要求1-3中任一項所述的學習環境質量評估系統，其特征在于，所述影響權重系數模型還包括：

其中，K_P表示所述多種參數中各個參數對應的權重系數，P表示所述多種參數中的任一種，S_P表示所述多種參數中各個參數對應的效率因子，N表示所述多種參數的數量。

5.根據權利要求1-4中任一項所述的學習環境質量評估系統，其特征在于，所述加權指數還包括：

I_P＝H_P×K_P

其中，I_P表示所述多種參數中各個參數對應的加權指數，H_P表示所述多種參數中各個參數對應的影響指數，K_P表示所述多種參數中各個參數對應的權重系數，P表示所述多種參數中的任一種。

6.根據權利要求1-4中任一項所述的學習環境質量評估系統，其特征在于，學習環境質量評估模型還包括：

其中，I表示學習環境質量評估指數，I_P表示所述多種參數中各個參數對應的加權指數，P表示所述多種參數中的任一種，N表示所述多種參數的數量。

7.根據權利要求1-6中任一項所述的學習環境質量評估系統，其特征在于，所述系統還包括監測設備，所述監測設備與所述處理器通信地連接，所述監測設備包括：

一個或多個傳感器，用于檢測所述環境信息中的所述多種參數；

收發單元，用于經由無線網絡，將針對所述環境的測量的所述多種參數發送到所述系統。

8.根據權利要求1-7中任一項所述的學習環境質量評估系統，其特征在于，所述系統還包括：一個或多個顯示設備，用于呈現所述圖形用戶界面。