[發明專利]一種視頻觀看行為的在線異步教學反饋分析方法及系統

有效

• 申請號: 202110316228.1
• 申請日: 2021-03-24
• 公開（公告）號: CN113065023B
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 吳江;賀超城;徐周燦;孫樸
• 申請（專利權）人: 武漢大學
• 主分類號: G06F16/75
• 分類號: G06F16/75;G06V10/764;G06V10/774;G06V10/80;G06V10/82;G06Q50/20
• 代理公司: 武漢華之喻知識產權代理有限公司 42267
• 代理人: 李君;廖盈春

1.一種視頻觀看行為的在線異步教學反饋分析方法，其特征在于，包括以下步驟：

對視頻觀看行為數據進行特征提取與融合，獲取視頻觀看行為樣本數據；

利用XGBoost方法，在視頻觀看行為樣本數據中篩選出異常數據；

采用隨機森林和神經網絡模型對異常數據進行行為分類，獲取反饋信息；

基于反饋信息，提供在線異步教學建議；

其中，所述異常數據包括反復觀看引起的數據和跳看引起的數據；

所述視頻觀看行為數據的獲取方法，包括以下步驟：

采用數據庫調用或API接口調用方式獲取觀看操作數據和時間熱度數據；

基于貝葉斯推理對觀看操作數據和時間熱度數據的缺失值進行填充；

通過異常值檢測，對填充后的觀看操作數據和時間熱度數據消除噪音，獲取視頻觀看行為數據；

其中，觀看操作數據為用戶觀看時在視頻時間進度條上的操作數據；時間熱度數據為視頻某一段內容被觀看次數的數據；

提取的特征包括視頻屬性特征、統計型特征和變化特征；

所述視頻屬性特征包括視頻的類別、長度、總觀看量和總觀看點擊數；

所述統計型特征包括視頻觀看操作數據或時間熱度數據的整體平均值、方差；

所述變化特征包括根據數據繪制的時間曲線計算在某個時間點上的斜率和導數；

所述反饋信息包括認知困難反饋、內容跳過反饋、課外因素反饋和重點認知參考；

所述認知困難反饋為用戶對視頻中某分某秒至某分某秒需要反復觀看理解；

所述內容跳過反饋為用戶因不感興趣或內容不重要，跳過視頻中的某個時間段；

所述課外因素反饋為用戶在視頻的某個時間段，被非教學因素吸引而產生的異常觀看行為；

所述重點認知參考為用戶在完成視頻學習后，對認知中的重點內容進行回看，以用來完成作業或復習考試。

2.根據權利要求1所述的在線異步教學反饋分析方法，其特征在于，對視頻中用戶的異常觀看行為進行人工標注，使用交叉驗證的方法訓練隨機森林、XGBoost和神經網絡。

3.一種視頻觀看行為的在線異步教學反饋分析系統，其特征在于，包括樣本數據獲取模塊、異常數據檢測模塊、行為分類模塊和建議提供模塊；

所述樣本數據獲取模塊用于對視頻觀看行為數據進行特征提取與融合，獲取視頻觀看行為樣本數據；

所述異常數據檢測模塊用于利用XGBoost方法，在視頻觀看行為樣本數據中篩選出異常數據；

所述行為分類模塊用于采用隨機森林和神經網絡模型對異常數據進行行為分類，獲取反饋信息；

所述建議提供模塊用于基于反饋信息，提供在線異步教學建議；

其中，所述異常數據包括反復觀看引起的數據和跳看引起的數據；

所述樣本數據獲取模塊包括數據調度單元、數據填充單元和數據消噪單元；

所述數據調度單元用于采用數據庫調用或API接口調用方式獲取觀看操作數據和時間熱度數據；

所述數據填充單元用于基于貝葉斯推理對觀看操作數據和時間熱度數據的缺失值進行填充；

所述數據消噪單元用于通過異常值檢測，對填充后的觀看操作數據和時間熱度數據消除噪音，獲取視頻觀看行為數據；

其中，觀看操作數據為用戶觀看時在視頻時間進度條上的操作數據；時間熱度數據為視頻某一段內容被觀看次數的數據；

提取的特征包括視頻屬性特征、統計型特征和變化特征；

所述視頻屬性特征包括視頻的類別、長度、總觀看量和總觀看點擊數；

所述統計型特征包括視頻觀看操作數據或時間熱度數據的整體平均值、方差；

所述變化特征包括根據數據繪制的時間曲線計算在某個時間點上的斜率和導數；

所述反饋信息包括認知困難反饋、內容跳過反饋、課外因素反饋和重點認知參考；

所述認知困難反饋為用戶對視頻中某分某秒至某分某秒需要反復觀看理解；

所述內容跳過反饋為用戶因不感興趣或內容不重要，跳過視頻中的某個時間段；

所述課外因素反饋為用戶在視頻的某個時間段，被非教學因素吸引而產生的異常觀看行為；

所述重點認知參考為用戶在完成視頻學習后，對認知中的重點內容進行回看，以用來完成作業或復習考試。