[發明專利]一種基于人工智能的教學互動系統

有效

• 申請號: 202111434776.0
• 申請日: 2021-11-29
• 公開（公告）號: CN114038256B
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 楊夢婷;張紅超
• 申請（專利權）人: 西南醫科大學
• 主分類號: G09B5/14
• 分類號: G09B5/14;G06N3/04;G06N3/08
• 代理公司: 廣東省中源正拓專利代理事務所(普通合伙) 44748
• 代理人: 王明亮

1.一種基于人工智能的教學互動系統，其特征在于，包括在線監控模塊、教學分析模塊、教學評估模塊、自主訓練模塊和訓練分析模塊；

所述在線監控模塊用于在認證成功后通過網絡控制學生端的攝像頭和音頻采集單元采集學生學習過程中的特征數據，并將采集到的特征數據發送至學習分析模塊；所述特征數據包括聲音信息和人臉圖像信息；

所述學習分析模塊用于將特征數據輸入至學習狀態評估模型中獲取學習狀態標簽，并將學習狀態標簽發送至教師端，所述教師端用于對接收到的學習狀態標簽進行確認/修改并反饋至控制器；控制器接收到學習狀態標簽后根據學習狀態標簽發送對應的學習提醒信息至學生端；

所述教學分析模塊與學習分析模塊相連接，用于實時獲取所有學生的學習狀態標簽并進行教學值分析，具體分析步驟如下：

實時獲取所有學生的學習狀態標簽，得到各個標簽的占比；結合數據庫中存儲的各個標簽對教學吸引度評價的影響因子，計算對應教師的教學吸引度Qs；其中學習狀態標簽包括專注、互動、抗拒和迷茫；

建立教學吸引度Qs隨時間變化的曲線圖，若Qs≥預設吸引度閾值，則在對應的曲線圖中截取對應的曲線段并標注為紅色，記為吸引曲線段；

統計吸引曲線段的數量為W1，將所有的吸引曲線段對時間進行積分得到吸引能量E1，利用公式GX=W1×a1+E1×a2計算得到對應教師的教學值GX，其中a1、a2均為系數因子；

若教學值GX小于預設教學閾值，則生成提醒信息至教師端，提醒教師對當前教學課程的教學內容或教學方式作出改動；所述教學分析模塊還用于將教學值GX打上時間戳存儲至數據庫；

所述教學評估模塊用于根據數據庫內存儲的帶有時間戳的教學值對教師的教學水平進行綜合評估，具體評估方法為：

根據時間戳，獲取同一教師在系統當前時間前三十天的教學值；

對教學值進行等級評判得到評價信號，所述評價信號包括優秀、一般、不合格；具體過程如下：

將教學值GX與等級閾值相比較，等級閾值包括X2、X3；當GX≥X2時，此時評價信號為優秀，當X3＜GX＜X2時，此時評價信號為一般；當GX≤X3時，此時評價信號為不合格；其中X2、X3均為固定數值且X2＞X3；

統計優秀、一般以及不合格信號各自出現的次數，并分別標記為C1、C2和C3；利用公式GP=(C1×3+C2)/(C3×a3)計算得到教師的教學評值GP，其中a3為系數因子；所述教學評估模塊用于將教學評值GP傳輸至控制器；

所述控制器用于根據教學評值GP對教師信息進行排序，并將排序后的教師信息和教學評值GP傳輸至顯示模塊進行實時顯示，為學生和家長根據教師的教學水平選擇教師進行教學提供依據；

所述自主訓練模塊用于學生課后進行模擬題訓練，并記錄訓練信息，所述訓練分析模塊用于獲取學生的訓練信息并進行進步系數分析，若進步系數G7＜進步系數閾值，則表明學生當前自主訓練的效果差，建議學生改變學習方式，并通過互動教學模塊與教師進行溝通。

2.根據權利要求1所述的一種基于人工智能的教學互動系統，其特征在于，教師端和學生端分別與認證模塊相連接，所述認證模塊用于驗證教師端和學生端的登錄請求；驗證方式為人臉識別或指紋識別。

3.根據權利要求1所述的一種基于人工智能的教學互動系統，其特征在于，還包括評估修正模塊，所述評估修正模塊用于根據教師端反饋的學習狀態標簽和對應的特征數據對學習狀態評估模型進行迭代修正。

4.根據權利要求1所述的一種基于人工智能的教學互動系統，其特征在于，所述學習狀態評估模型的具體構建步驟為：

獲取標準訓練數據；其中，標準訓練數據包括歷史特征數據以及對應的學習狀態標簽；構建深度卷積神經網絡模型，將標準訓練數據按照設定比例劃分為訓練集、測試集和校驗集；設定比例包括2:1:1、3:1:1和4:3:1；

將訓練集、測試集和校驗集經過數據歸一化之后對深度卷積神經網絡模型進行訓練、測試和校驗；將訓練完成的深度卷積神經網絡模型標記為學習狀態評估模型。

5.根據權利要求1所述的一種基于人工智能的教學互動系統，其特征在于，所述訓練分析模塊的具體分析步驟為：

針對同一訓練科目，獲取學生每次訓練的訓練成績，依次標記為B1、B2、B3、…、Bn；統計Bi≥B(i-1)的次數為G1；

當Bi≥B(i-1)時，將Bi與B(i-1)進行差值計算得到第二進步值G2，將Bi和B(i-1)分別與對應訓練科目的考核閾值進行差值計算得到第一均值差G3和第二均值差G4；利用公式G5=G2×g1+G3×g2+G4×g3獲取得到單次值G5，其中g1、g2、g3均為預設系數；

將所有的單次值進行求和得到進步超值并標記為G6；利用公式G7=G1×g4+G6×g5獲取得到學生的進步系數G7，其中g4、g5均為預設系數。