[發明專利]一種基于云計算的教學質量評估系統在審
| 申請號: | 202210032625.0 | 申請日: | 2022-01-12 |
| 公開(公告)號: | CN114549242A | 公開(公告)日: | 2022-05-27 |
| 發明(設計)人: | 張玉春 | 申請(專利權)人: | 張玉春 |
| 主分類號: | G06Q50/20 | 分類號: | G06Q50/20;G06Q10/06 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 610011 四*** | 國省代碼: | 四川;51 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 計算 教學質量 評估 系統 | ||
1.一種基于云計算的教學質量評估系統,其特征在于,其包括:教師終端和課堂氛圍分析平臺,各教師終端與課堂氛圍分析平臺具有通信連接;
課堂氛圍分析平臺包括:課堂數據獲取模塊、音頻分析模塊、文字分析模塊、視頻分析模塊、特征級聯模塊、課堂氛圍分析模塊和數據庫,各模塊間具有通信連接;
教師終端發送課堂氛圍分析請求到課堂氛圍分析平臺;
課堂數據獲取模塊根據所述課堂氛圍分析請求中目標課程的課程標識符獲取目標課程的課堂視頻數據和課堂音頻數據;
音頻分析模塊根據課堂音頻數據得到課堂音頻特征時序序列;
文字分析模塊提取課堂音頻數據的課堂文字數據和時間序列信號,并將課堂文字數據進行分詞,然后提取每個分詞的語義特征以得到每個分詞的詞向量;
文字分析模塊將所有詞向量進行處理進行文字特征矩陣;
文字分析模塊將文字特征矩陣中的文本特征映射到高維特征空間,并提取時間序列信號的時間特征;
文字分析模塊將時間序列信號的時間特征映射到與文本特征維數相同的高維特征空間;
文字分析模塊將文本特征與時間特征在所述高維特征空間中進行關聯以得到課堂文字特征時序序列;
視頻分析模塊提取課堂視頻數據的課堂視頻特征和時間序列信號,并分別將課堂視頻特征和時間序列信號映射到多維空間以得到多維視頻特征和多維時間特征,并將多維空間中的多維視頻特征和多維時間特征進行特征關聯處理以得到課堂視頻特征時序序列;
特征級聯模塊對課堂音頻特征時序序列、課堂文字特征時序序列和課堂視頻特征時序序列進行特征級聯以得到課堂氛圍特征向量;
課堂氛圍分析模塊根據課堂氛圍特征向量進行課堂氛圍分析生成課堂氛圍數據,并將其發送到相應教師終端。
2.根據權利要求1所述的系統,其特征在于,所述教師終端為教師使用的具有通信功能和數據傳輸功能的智能設備,其包括:智能手機、平板電腦、筆記本電腦和臺式電腦。
3.根據權利要求2所述的系統,其特征在于,所述課堂氛圍分析請求包括目標課程的課程標識符、授課時間、授課地點、授課教師和課程名稱;所述課程標識符用于對課程進行唯一標識。
4.根據權利要求1至3之一所述的系統,其特征在于,音頻分析模塊根據課堂音頻數據得到課堂音頻特征時序序列包括:
音頻分析模塊根據課堂音頻數據得到課堂音頻序列,并提取課堂音頻序列中每個音頻的聲學特征;
音頻分析模塊去除所述聲學特征中的冗余情感信息以得到每個音頻的標準聲學特征;
音頻分析模塊根據高斯混合模型和時間序列信號將課堂音頻序列的所有標準聲學特征按照時間順序進行特征合并以得到課堂音頻特征時序序列。
5.根據權利要求4所述的系統,其特征在于,音頻分析模塊根據課堂音頻數據得到課堂音頻序列包括:
音頻分析模塊對課堂音頻數據進行信號轉換處理得到課堂音頻信號,并提取課堂音頻數據的時間序列信號;
音頻分析模塊對時間序列信號和課堂音頻信號進行信號融合處理以得到課堂音頻序列。
6.根據權利要求5所述的系統,其特征在于,音頻分析模塊對課堂音頻數據進行信號轉換處理得到課堂音頻信號包括:
音頻分析模塊對課堂音頻數據進行下采樣和量化操作,并對下采樣和量化后的課堂音頻數據進行濾波處理以得到第一課堂音頻預信號;
音頻分析模塊通過對信號分割窗口函數和信號分割窗口對第一課堂音頻預信號進行信號分割以得到第二課堂音頻預信號;
音頻分析模塊識別第二課堂音頻預信號的第一端點和第二端點,并提取出第二課堂音頻預信號有聲片段以得到課堂音頻信號,所述第一端點為第二課堂音頻預信號中有聲片段的起點,第二端點為第二課堂音頻預信號中有聲片段的終點。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于張玉春,未經張玉春許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202210032625.0/1.html,轉載請聲明來源鉆瓜專利網。





