一种在线教学交互方法、装置、存储介质及电子设备与流程

本申请涉及计算机
技术领域：
，尤其涉及一种在线教学交互方法、装置、存储介质及电子设备。
背景技术：
：随着社会的发展，越来越多的人会选择学习各种各样的知识来不断扩充自己。其中，由于传统的学生与教师面对面授课均需要双方在路上耗费大量的时间及精力。因此，随着通信时代的发展，网络授课已被广大的用户所接受。现有的一对多在线教学模式，无论是录播课，还是老师在线对多个学生直播授课，当老师在出示教学内容后学生进行作答，例如很多小朋友答题或跟读，而由于学生人数众多，无法针对每个学生的答案给与及时、合适的课堂反馈，降低了课堂的交互体验。技术实现要素：本申请实施例提供了一种在线教学交互方法、装置、存储介质及电子设备，可以针对每个学生的答案给与及时、合适的课堂反馈，从而提高了课堂的交互体验。所述技术方案如下：第一方面，本申请实施例提供了一种在线教学交互方法，所述方法包括：获取至少一个学生针对同一教学内容的输入信息；提取所述输入信息对应的第一特征信息；基于所述第一特征信息，计算所述输入信息的评价结果；基于所述评价结果，生成显示动画。第二方面，本申请实施例提供了一种在线教学交互装置，所述装置包括：输入信息获取模块，用于获取至少一个学生针对同一教学内容的输入信息；第一特征提取模块，用于提取所述输入信息对应的第一特征信息；评价结果计算模块，用于基于所述第一特征信息，计算所述输入信息的评价结果；显示动画生成模块，用于基于所述评价结果，生成显示动画。第三方面，本申请实施例提供一种计算机存储介质，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行上述的方法步骤。第四方面，本申请实施例提供一种电子设备，可包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行上述的方法步骤。本申请一些实施例提供的技术方案带来的有益效果至少包括：获取至少一个学生针对同一教学内容的输入信息，并提取所述输入信息对应的第一特征信息，基于所述第一特征信息，计算所述输入信息的评价结果，从而生成显示动画。通过对学生输入信息进行解析以智能输出相应的显示动画，可以针对每个学生的答案给与及时、合适的课堂反馈，从而提高了课堂的交互体验。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施例提供的一种在线教学交互系统的网络架构示意图；图2是本申请实施例提供的一种在线教学交互方法的流程示意图；图3是本申请实施例提供的一种在线教学交互方法的流程示意图；图4是本申请实施例提供的一种测评试题显示界面的举例示意图；图5是本申请实施例提供的一种测评试题显示界面的举例示意图；图6是本申请实施例提供的一种评价信息输出方式的举例示意图；图7是本申请实施例提供的一种在线教学交互方法的流程示意图；图8是本申请实施例提供的一种在线教学交互装置的结构示意图；图9是本申请实施例提供的一种电子设备的结构示意图。具体实施方式为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施例方式作进一步地详细描述。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。在本申请的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。下面结合具体的实施例对本申请进行说明。请参见图1，为本申请实施例提供的一种在线教学交互系统的网络架构示意图。如图1所示，所述网络架构可以包括服务器1000以及用户终端集群；所述用户终端集群可以包括老师的用户终端2000以及多个学生的用户终端，如图1所示，学生的用户终端具体包括用户终端3000a、用户终端3000b、…、用户终端3000n；老师和学生分别通过各自的用户终端向服务器1000上传信息，并分别接收服务器1000基于所上传信息进行处理后下发的处理信息，以实现网络授课。在本申请实施例中，老师上传的信息可以为教学内容，服务器1000将教学内容发送至各个学生的用户终端后进行显示，学生输入针对该教学内容的输入信息，并将该输入信息作为上传信息发送至服务器1000。为便于理解，本申请实施例可以图1所示的用户终端3000a作为本方案的执行主体，以图1中的用户终端3000a、用户终端3000b、用户终端3000c和用户终端3000d为同一教室学生为例进行描述。其中，所述服务器为具备语音、文本等识别及匹配功能的服务器。所述用户终端包括但不限于：智能手机、个人电脑、平板电脑、手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备等。如图1所示，老师与学生1、学生2、学生3和学生4在同一网络教室，形成1v4教学模式，老师通过用户终端2000与学生1的用户终端3000a、学生2的用户终端3000b、学生3的用户终端3000c以及学生4的用户终端3000d进行交互，从而实现网络授课。具体的，通过老师的操作，用户终端2000向服务器1000发送教学内容，服务器1000将该教学内容分别发送至用户终端3000a以及其它用户终端，用户终端3000a在接收到教学内容后进行显示，学生1以及其它学生可以进行作答并输入相关作答信息(如跟读等语音信息)，提取所述输入信息的第一特征信息，基于所述第一特征信息，计算所述输入信息的评价结果。其中，可获取所述教学内容对应的第二特征信息，并计算所述第一特征信息与所述第二特征信息的第一相似度，基于所述第一相似度，确定所述输入信息的评价结果。进一步的，基于所述第一相似度和所述学生的历史评价结果，确定所述评价结果，所述历史评价结果基于所述学生的历史输入信息确定。可选的，计算至少一个第一特征信息中各第一特征信息之间的第二相似度集合；获取所述第二相似度集合中大于相似度阈值的第二相似度，基于所述第二相似度，确定所述输入信息的评价结果。进一步的，基于所述第二相似度和所述学生的历史评价结果，确定所述评价结果，所述历史评价结果基于所述学生的历史输入信息确定。采用训练好的神经网络模型计算所述第一相似度和/或所述第二相似度。所述神经网络模型可以为卷积神经网络(convolutionalneuralnetworks,cnn，ordeepconvolutionalneuralnetworks,dcnn)、反卷积神经网络(deconvolutionalnetworks，dn)，也叫做逆向图网络(inversegraphicsnetworks，ign)、循环神经网络(recurrentneuralnetworks，rnn)、长短时记忆网络(long/shorttermmemory，lstm)等。最后，用户终端3000a基于所述评价结果，生成显示动画。所述显示动画即为与所述评价结果相对应的动画效果。可以为针对当前学生一个人的评价结果，如excellent、verygood、givemefive、comeon和fighting等，也可以为针对当前学生与同一教室的其他学生的的作答比对结果，如和a学生相比，awin之类的动画，或者a学生跟你的输入信息一致之类的动画。获取至少一个学生针对同一教学内容的输入信息，并提取所述输入信息对应的第一特征信息，基于所述第一特征信息，计算所述输入信息的评价结果，从而生成显示动画。通过对学生输入信息进行解析以智能输出相应的显示动画，可以针对每个学生的答案给与及时、合适的课堂反馈，从而提高了课堂的交互体验。下面将结合附图2-附图7，对本申请实施例提供的在线教学交互方法进行详细介绍。该方法由在线教学交互装置执行，其中，在线教学交互装置可以是图1所示的用户终端3000a、3000b、…、3000n中的任一个或多个。请参见图2，为本申请实施例提供的一种在线教学交互方法的流程示意图。如图2所示，本申请实施例的所述在线教学交互方法可以包括以下步骤：s101，获取至少一个学生针对同一教学内容的输入信息；教学内容可以为老师向学生在线授课的教学课件，其中包括问答题、测评题以及与学生的互动交互等内容。这些教学内容可以为老师在制作教学课件时设置的，也可以为在制作教学课件时系统推送的。其中，测评题或问答题或互动交互等可以包括至少一个，其类型可以为口语跟读、口语发音、文本段落默写等。当然，这多个测评试题可以为同一难度等级，也可以为不同难度等级。一种可行的实现场景为，老师将同一教学内容通过服务器下发至与该老师处于同一网络在线教室的学生，学生在接收到教学内容后进行作答，输入相关答案信息。所述学生即为处于同一网络在线教室的学生，包括至少一个。例如，若当前的课程为口语跟读课，当在用户终端上演示该口语发音后，学生跟着读，该学生的跟读发音即为输入信息。另一种可行的实现场景为，服务器将课件中教学内容与录播视频中老师的操作(如点击操作、与学生的互动操作等)进行合成，并将合成后的课件发送至学生端展示，学生针对所展示的教学内容及老师的操作进行作答以生成输入信息，然后发送至服务器。s102，提取所述输入信息对应的第一特征信息；第一特征信息与输入信息的内容有关，例如，输入信息可以为语音信息、文本信息、图片信息等。以教学内容为语句跟读为例，输入信息为语音信息，那么第一特征信息可以包括开始作答的停留时长、跟读的总时长、节奏特征、重音特征、韵律特征、清晰度等。其中，开始作答的停留时长即为用户终端的显示界面播放完某个词语或者语句后，以及用户开始作答前之间的时长。该停留时长为可以反映学生的敏捷度或对词语发音的熟练度。跟读的总时长即为跟读某个语句或者词语的总时长。节奏特征是指用户发音时在词与词或者音节与音节之间的停顿位置以及停顿时长。重音是指因场景改变而引起的发音音调加重，是指在一整句话中应当重读哪个单词，或者在一个单词中应当重读哪个音节。韵律特征是指对发音抑扬顿挫的表示，可以包括每个词的韵律、每个句子的韵律、每个段落的韵律等。清晰度是指每个字或者词的发音要字正腔圆，不存在发不出或者发不清尾音。又例如，以教学内容为默写文本段落为例，输入信息为文本信息，那么第一特征信息可以包括组成字母、单词顺序等。其中，组成字母即为一个单词由哪些字母组成，这些字母的先后顺序关系。单词顺序为表达一句话(一个意思)组成的各个单词的先后顺序。在可行的实现方式中，对所述输入信息进行解析，并提取解析结果中该输入信息的第一特征信息。s103，基于所述第一特征信息，计算所述输入信息的评价结果。评价结果可以为评判结果、测评分数，测评级别。例如，评判结果可以包括excellent、verygood、givemefive、comeon和fighting等，或者为多个比赛每个人的排名，还可以为输出与当前学生处于相同教学水平的其他学生信息等。测评分数可以为80、90、100等在打分范围内的具体分值。测评级别可以为优、良好、及格、差等。可以理解的是，不同特征信息对应不同的评价结果。基于特征信息与评价结果的对应关系，先确定与第一特征信息相匹配的目标特征信息，从而可得到对应的评价结果，该评价结果即为输入信息对应的评价结果。一种可行的实现方式为，获取所述教学内容对应的第二特征信息(参考答案对应的特征信息)，计算所述第一特征信息与所述第二特征信息的第一相似度，基于所述第一相似度，确定所述输入信息的评价结果。其中，可采用训练好的神经网络模型计算所述第一相似度。所述神经网络模型可以为cnn、dcnn、dn、rnn、lstm等。另一种可行的实现方式为，计算至少一个第一特征信息(至少一个学生的输入信息分别对应的第一特征信息)中各第一特征信息之间的第二相似度集合，获取所述第二相似度集合中大于相似度阈值的第二相似度，基于所述第二相似度，确定所述输入信息的评价结果。也就是找到与当前学生在同一教室的教学水平或教学等级相当的学生，并生成评价结果的过程。s104，基于所述评价结果，生成显示动画。显示动画可以为动画手势、动画表情包、动画文字等。显示动画与评价结果一一对应。可以理解的是，所生成的显示动画可以由服务器生成并发送至学生端显示，也可以由学生的用户终端解析并自动生成。若由服务器生成，则服务器根据每个学生的评价结果分别生成一显示动画，然后分别发送至不同的学生端进行显示；若由用户终端生成，则当前用户终端只需要生成当前学生的显示动画即可。当然，用户终端还可以接收服务器发送的各个学生的评价结果，通过比较评价结果后生成相应的显示动画。所生成的显示动画可以在显示界面的任一区域显示，如左下角、右下角等。显示方式不作具体限定，如从左下角逐渐放大显示并停留几秒后隐藏。获取至少一个学生针对同一教学内容的输入信息，并提取所述输入信息对应的第一特征信息，基于所述第一特征信息，计算所述输入信息的评价结果，从而生成显示动画。通过对学生输入信息进行解析以智能输出相应的显示动画，可以针对每个学生的答案给与及时、合适的课堂反馈，从而提高了课堂的交互体验。请参见图3，为本申请实施例提供的一种在线教学交互方法的流程示意图。该在线教学交互方法可以包括以下步骤：s201，获取至少一个学生针对同一教学内容的输入信息；至少一个学生为在同一网络在线教室的学生，至少一个学生针对同一教学内容作答，并输入相关的作答信息。同一教学内容可以为老师向学生推送的教学课件中的内容，当需要学生作答时，学生可输入作答结果。如老师与学生的互动试题，即老师提问，学生作答。输入的作答结果可以为语音输入、文本输入等。例如，如图4所示为一种服务器向用户终端推送教学内容后用户终端的显示界面示意图，其中教学内容即为课标区域中课件上显示的内容，在该显示区域当前显示有“请跟读：1、happinessisawaystationbetweentoomuchandtoolittle.2、whateverisworthdoingisworthdoingwell.3、yourhappypasser-byallknows,mydistressedthereisnoplacehides.”，在课前热身区域显示有老师针对该课件的录播视频，即老师在当前时刻之前针对该课件的讲解视频，代号a为当前用户终端所属的学生，代号b以及其它代号为与代号a在同一网络在线教室的学生。学生a在跟读完第1句后，用户终端保存该跟读信息或发送至服务器，同样的，当学生a在跟读完第2句后，用户终端保存该跟读信息或发送至服务器。又例如，如图5所示为另一种服务器向用户终端推送教学内容后用户终端的显示界面示意图，其中教学内容即为课标区域中课件上显示的内容，具体为“请跟读：1、happinessisawaystationbetweentoomuchandtoolittle.”，在课前热身区域显示有老师针对该课件的录播视频，即老师在当前时刻之前针对该课件的讲解视频，代号a为当前用户终端所属的学生，代号b以及其它代号为与代号a在同一网络在线教室的学生。学生a在跟读完成后，若对跟读结果不满意，可选择repeat控件重新跟读一次，若确认跟读完成，当点击next控件后，用户终端保存该跟读信息或发送至服务器。s202，提取所述输入信息对应的第一特征信息；第一特征信息与输入信息的内容有关，例如，输入信息可以为语音信息、可以为文本信息、可以为图片信息等。以教学内容为语句跟读为例，输入信息为语音信息，那么第一特征信息可以包括开始作答的停留时长、跟读的总时长、节奏特征、重音特征、韵律特征、清晰度等。其中，开始作答的停留时长即为用户终端的显示界面播放完某个词语或者语句后，以及用户开始作答前之间的时长。该停留时长为可以反映学生的敏捷度或对词语发音的熟练度。跟读的总时长即为跟读某个语句或者词语的总时长。例如，若跟读内容为跟读语句“goodmorning”，那么跟读的总时长为学生跟读“goodmorning”的时长。又例如，若跟读内容为跟读单词“good”，那么跟读的总时长为学生跟读“good”的时长。节奏特征是指用户发音时在词与词或者音节与音节之间的停顿位置以及停顿时长。重音是指因场景改变而引起的发音音调加重，是指在一整句话中应当重读哪个单词，或者在一个单词中应当重读哪个音节。韵律特征是指对发音抑扬顿挫的表示，可以包括每个词的韵律、每个句子的韵律、每个段落的韵律等。清晰度是指每个字或者词的发音要字正腔圆，不存在发不出或者发不清尾音。具体实现中，用户终端可对所保存的输入信息进行解析，从而提取其中的第一特征信息。或者，用户终端将所保存的输入信息发送至服务器，由服务器进行解析后将提取的第一特征信息发送至用户终端。s203，获取所述教学内容对应的第二特征信息，采用训练好的神经网络模型计算所述第一特征信息与所述第二特征信息的第一相似度；第二特征信息为该教学内容对应的参考信息的特征，可以理解为参考答案的特征。一种可行的实现方式为，向服务器请求第二特征信息，并将该第二特征信息与第一特征信息逐一进行比对，得到两者的第一相似度。第一相似度越高，正确率也越高。另一种可行的实现方式为，计算第一特征信息与所述第二特征信息之间的距离，并根据距离得到第一相似度。例如，将计算得到的距离的倒数作为第一相似度，计算的距离越大，第一相似度越低，或者通过进行特征向量的余弦相似度计算第一相似度，等等。其中，需要将第一特征信息与第二特征信息进行对齐后逐一比对。节奏可通过停顿时长表示，若停顿0.4秒，则该词的节奏为0.4。若1表示重音，0表示非重音，则该句子在用户语音中对应的语音段的重音特征可以表示为向量(1,0,0,0)。对于韵律以及清晰度，也可通过向量编码表示。然后将每个词按照预定顺序将各特征信息以行向量或者列向量的形式表示，从而得到每个句子对应的矩阵，然后将每个对应的矩阵对齐比对即可。需要说明的是，当该测评试题为跟读段落时，可以逐句计算两者之间的相似度，最后按照权重得到最终的第一相似度。当该教学内容为跟读句子时，可以逐词计算两者之间的相似度，获取每个词的相似度，最后按照权重得到最终的第一相似度。当该教学内容为跟读单词时，可以逐个字母计算两者之间的相似度，获取每个字母的正确率，最后按照权重得到最终的第一相似度。s204，基于所述第一相似度和所述学生的历史评价结果，确定所述评价结果，所述历史评价结果基于所述学生的历史输入信息确定；评价结果是指对每个教学内容输入信息的评价结果。可以包括评判结果、测评分数，测评级别等。例如，教学内容为单词跟读，这多个教学内容分别为跟读“whatever”、“is”、“worth”、“doing”、“is”、“worth”、“doing”、“well”。那么第一个教学内容为跟读“whatever”，并在跟读完成后，输出对应的评价结果(例如为excellent)，然后再跟读“is”，输出相应的评价结果(例如为verygood)，按照相同的方式依次处理“worth”、“doing”、“is”、“worth”、“doing”、“well”这多个跟读。而并非是在跟读“whateverisworthdoingisworthdoingwell.”后输出每个单词的评价结果或者输出一个评价结果。又例如，教学内容为语句跟读，这多个教学内容分别为跟读“whateverisworthdoingisworthdoingwell.”、“happinessisawaystationbetweentoomuchandtoolittle.”以及“yourhappypasser-byallknows,mydistressedthereisnoplacehides.”那么在学生跟读完“whateverisworthdoingisworthdoingwell.”后输出对整个句子的评价结果(例如为verygood)，然后再按照相同的方式处理另外两个跟读语句。所述历史评价结果可以为针对同一教学内容的历史输入信息的评价结果，例如，教学内容为跟读“whatever”，那么历史评价结果即为在当前时刻之前的某一时刻或多个时刻输入的跟读“whatever”的评价结果，如excellent。所述历史评价结果还可以为针对不同教学内容的历史输入信息的评价结果，如good。具体实现中，结合第一相似度和历史评价结果，计算当前的评价结果。其中，第一相似度即为当前输入信息与参考信息的相似度，第一相似度越高，表明用户作答准确率越高，通过结合历史评价结果，基于历史评价结果与第一相似度对应的评价结果的权重，可以更准确的判定当前的评价结果。例如，如表1所示，不同的第一相似度对应不同的评价结果，若第一相似度为93％，对应的评价结果为prefect，历史评价结果为prefect，则确定当前的评价结果为prefect。若第一相似度为71％，对应的评价结果为excellent，历史评价结果为verygood，则确定当前的评价结果为excellent。表1第一相似度评价结果大于80％prefect80％～40％excellent40％～0％goodjob0％timeup/keeptryings205，基于所述评价结果，生成显示动画。动画的概念不同于一般意义上的动画片，动画是一种综合艺术，它是集合了绘画、电影、数字媒体、摄影、音乐、文学等众多艺术门类于一身的艺术表现形式。也就是通过把人物的表情、动作、变化等分解后画成许多动作瞬间的画幅，再连续拍摄成一系列画面，给视觉造成连续变化的图画。例如，当确定图5中第1题的评价结果为“excellent”时，服务器将该评价结果发送至用户终端，或用户终端生成该评价结果，此时，控制界面中左下角的卡通放大并输出“excellent”的手势，如图6所示，同时可以语音或文本方式输出“excellent”。获取至少一个学生针对同一教学内容的输入信息，并提取所述输入信息对应的第一特征信息，基于所述第一特征信息，计算所述输入信息的评价结果，从而生成显示动画。通过对学生输入信息进行解析以智能输出相应的显示动画，可以针对每个学生的答案给与及时、合适的课堂反馈，从而提高了课堂的交互体验。请参见图7，为本申请实施例提供的一种在线教学交互方法的流程示意图。该在线教学交互方法可以包括以下步骤：s301，获取至少一个学生针对同一教学内容的输入信息；s302，提取所述输入信息对应的第一特征信息；s301-s302具体可参见s201-s202，此处不再赘述。s303，采用训练好的神经网络模型计算至少一个第一特征信息中各第一特征信息之间的第二相似度集合；可以理解的是，将多个第一特征信息分别输入至神经网络模型中，从而可以得到每两个第一特征信息之间的第二相似度。例如，包括a、b、c、d共4个第一特征信息，则可得到ab之间的相似度为s1、ac之间的相似度为s2、ad之间的相似度为s3、bc之间的相似度为s4、bd之间的相似度为s5，cd之间的相似度为s6。s304，获取所述第二相似度集合中大于相似度阈值的第二相似度；若当前学生x1的第一特征信息为a，且s1和s2均大于相似度阈值s0，b对应学生x2，c对应学生x3，则确定x1与x2以及x3的作答结果相近。s305，基于所述第二相似度和所述学生的历史评价结果，确定所述评价结果，所述历史评价结果基于所述学生的历史输入信息确定；可以理解的是，在找出与当前学生作答结果相近的学生后，并基于该学生的历史评价结果，生成当前的评价结果。例如，历史评价结果为verygood，则生成的评价结果可以为“学生x2以及x3与你的输入信息相似，均为verygood”。从而可方便x1与x2以及x3交流讨论。s306，基于所述评价结果，生成显示动画。具体可参见s205，此处不再赘述。获取至少一个学生针对同一教学内容的输入信息，并提取所述输入信息对应的第一特征信息，基于所述第一特征信息，计算所述输入信息的评价结果，从而生成显示动画。通过对学生输入信息进行解析以智能输出相应的显示动画，可以针对每个学生的答案给与及时、合适的课堂反馈，从而提高了课堂的交互体验。下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。请参见图8，其示出了本申请一个示例性实施例提供的在线教学交互装置的结构示意图。该在线教学交互装置可以通过软件、硬件或者两者的结合实现成为用户终端的全部或一部分。该装置1包括输入信息获取模块10、第一特征提取模块20、评价结果计算模块30和显示动画生成模块40。输入信息获取模块10，用于获取至少一个学生针对同一教学内容的输入信息；第一特征提取模块20，用于提取所述输入信息对应的第一特征信息；评价结果计算模块30，用于基于所述第一特征信息，计算所述输入信息的评价结果；显示动画生成模块40，用于基于所述评价结果，生成显示动画。可选的，所述第一特征提取模块20，具体用于：获取所述教学内容对应的第二特征信息，计算所述第一特征信息与所述第二特征信息的第一相似度；基于所述第一相似度，确定所述输入信息的评价结果。可选的，所述第一特征提取模块，具体用于：基于所述第一相似度和所述学生的历史评价结果，确定所述评价结果，所述历史评价结果基于所述学生的历史输入信息确定。可选的，所述第一特征提取模块，具体用于：计算至少一个第一特征信息中各第一特征信息之间的第二相似度集合；获取所述第二相似度集合中大于相似度阈值的第二相似度，基于所述第二相似度，确定所述输入信息的评价结果。可选的，所述第一特征提取模块，具体用于：采用训练好的神经网络模型计算所述第一相似度和/或所述第二相似度。可选的，所述第一特征提取模块，具体用于：基于所述第二相似度和所述学生的历史评价结果，确定所述评价结果，所述历史评价结果基于所述学生的历史输入信息确定。可选的，所述输入信息包括学生的语音信息。需要说明的是，上述实施例提供的在线教学交互装置在执行在线教学交互方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的在线教学交互装置与在线教学交互方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。获取至少一个学生针对同一教学内容的输入信息，并提取所述输入信息对应的第一特征信息，基于所述第一特征信息，计算所述输入信息的评价结果，从而生成显示动画。通过对学生输入信息进行解析以智能输出相应的显示动画，可以针对每个学生的答案给与及时、合适的课堂反馈，从而提高了课堂的交互体验。本申请实施例还提供了一种计算机存储介质，所述计算机存储介质可以存储有多条指令，所述指令适于由处理器加载并执行如上述图1-图7所示实施例的方法步骤，具体执行过程可以参见图1-图7所示实施例的具体说明，在此不进行赘述。请参见图9，为本申请实施例提供了一种电子设备的结构示意图。如图9所示，所述电子设备1000可以包括：至少一个处理器1001，至少一个网络接口1004，用户接口1003，存储器1005，至少一个通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。其中，用户接口1003可以包括显示屏(display)、摄像头(camera)，可选用户接口1003还可以包括标准的有线接口、无线接口。其中，网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。其中，处理器1001可以包括一个或者多个处理核心。处理器1001利用各种借口和线路连接整个电子设备1000内的各个部分，通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集，以及调用存储在存储器1005内的数据，执行电子设备1000的各种功能和处理数据。可选的，处理器1001可以采用数字信号处理(digitalsignalprocessing，dsp)、现场可编程门阵列(field-programmablegatearray，fpga)、可编程逻辑阵列(programmablelogicarray，pla)中的至少一种硬件形式来实现。处理器1001可集成中央处理器(centralprocessingunit，cpu)、图像处理器(graphicsprocessingunit，gpu)和调制解调器等中的一种或几种的组合。其中，cpu主要处理操作系统、用户界面和应用程序等；gpu用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器1001中，单独通过一块芯片进行实现。其中，存储器1005可以包括随机存储器(randomaccessmemory，ram)，也可以包括只读存储器(read-onlymemory)。可选的，该存储器1005包括非瞬时性计算机可读介质(non-transitorycomputer-readablestoragemedium)。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图9所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及在线教学交互应用程序。在图9所示的电子设备1000中，用户接口1003主要用于为用户提供输入的接口，获取用户输入的数据；而处理器1001可以用于调用存储器1005中存储的在线教学交互应用程序，并具体执行以下操作：获取至少一个学生针对同一教学内容的输入信息；提取所述输入信息对应的第一特征信息；基于所述第一特征信息，计算所述输入信息的评价结果；基于所述评价结果，生成显示动画。在一个实施例中，所述处理器1001在执行基于所述第一特征信息，计算所述输入信息的评价结果时，具体执行以下操作：获取所述教学内容对应的第二特征信息，计算所述第一特征信息与所述第二特征信息的第一相似度；基于所述第一相似度，确定所述输入信息的评价结果。在一个实施例中，所述处理器1001在执行基于所述第一相似度，确定所述输入信息的评价结果时，具体执行以下操作：基于所述第一相似度和所述学生的历史评价结果，确定所述评价结果，所述历史评价结果基于所述学生的历史输入信息确定。在一个实施例中，所述处理器1001在执行基于所述第一特征信息，计算所述输入信息的评价结果时，具体执行以下操作：计算至少一个第一特征信息中各第一特征信息之间的第二相似度集合；获取所述第二相似度集合中大于相似度阈值的第二相似度，基于所述第二相似度，确定所述输入信息的评价结果。在一个实施例中，所述处理器1001还执行以下操作：采用训练好的神经网络模型计算所述第一相似度和/或所述第二相似度。在一个实施例中，所述处理器1001在执行基于所述第二相似度，确定所述输入信息的评价结果时，具体执行以下操作：基于所述第二相似度和所述学生的历史评价结果，确定所述评价结果，所述历史评价结果基于所述学生的历史输入信息确定。在一个实施例中，所述输入信息包括学生的语音信息。获取至少一个学生针对同一教学内容的输入信息，并提取所述输入信息对应的第一特征信息，基于所述第一特征信息，计算所述输入信息的评价结果，从而生成显示动画。通过对学生输入信息进行解析以智能输出相应的显示动画，可以针对每个学生的答案给与及时、合适的课堂反馈，从而提高了课堂的交互体验。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。当前第1页12