一种教学质量预测方法、装置、设备及产品与流程

1.本发明涉及教育领域，尤其涉及一种教学质量预测方法、装置、设备及产品。


背景技术：

2.当前的教学质量评估方式多限于人工查课，通过人工观察学生的表情判断学生有没有好好听讲、有没有理解教学内容。这种教学质量评估方式对人的依赖很大，导致评估效率很低，无法大规模推广。
3.随着大数据和人工智能技术的广泛应用，针对学习质量评估的课题成为对学生精准评估的个性化指导的关键因素，也成为教育数字化转型的核心命题之一。鉴于此，本发明旨在提供基于大数据的教学质量评估方案。


技术实现要素：

4.本发明提供一种教学质量预测方法、装置、设备及产品，实现历史学习质量与历史学习成绩做关联分析，预测学生的学习成绩，提前指导学生短板，实现智能分析教学质量，智能预测学习成绩，支撑学生短板分析，提前预备，指导教学工作的开展。
5.本发明提供一种教学质量预测方法，包括以下步骤：
6.获取待预测学生的待预测视频信息；
7.将所述待预测视频信息输入至学习信息识别模型中，得到所述学习信息识别模型输出的待预测学生的学习信息；其中，所述学习信息包括学生的第一行为信息、第二行为信息、面部表情、眼动信息和学籍信息，所述第一行为信息为发生后直接认定的行为，所述第二行为信息为发生后需要在预设时间内进行持续记录的行为，所述学习信息识别模型是基于样本视频信息训练得到的；
8.将所述学习信息输入至学习质量分析模型中，得到所述学习质量分析模型输出的待预测学生的学习质量；其中，所述学习质量分析模型是基于样本学习信息、样本学习成绩和样本学习质量训练得到的；
9.将所述学习质量输入至学习成绩预测模型中，得到所述学习成绩预测模型输出的预测学习成绩；其中，所述学习成绩预测模型是基于样本学习成绩和样本学习质量训练得到的；
10.根据所述预测学习成绩，生成预测教学质量。
11.根据本发明提供的一种教学质量预测方法，所述学习信息识别模型通过以下步骤训练得到：
12.获取样本学生的样本视频信息；
13.将所述样本视频信息作为训练使用的输入数据，采用深度学习的方式进行训练，得到用于生成待预测学生的所述学习信息的所述学习信息识别模型。
14.根据本发明提供的一种教学质量预测方法，所述学习质量分析模型通过以下步骤训练得到：
15.获取样本学生的样本学习信息；
16.确定所述样本学习信息对应的所述样本学习成绩和所述样本学习质量；
17.将所述样本学习信息作为训练使用的输入数据，将样本学习成绩和所述样本学习质量作为标签，采用深度学习的方式进行训练，得到用于生成待预测学生的所述学习质量的所述学习质量分析模型。
18.根据本发明提供的一种教学质量预测方法，所述学习成绩预测模型通过以下步骤训练得到：
19.获取样本学生的样本学习成绩；
20.确定所述样本学习成绩对应的所述样本学习质量；
21.将所述样本学习成绩作为训练使用的输入数据，将所述样本学习质量作为标签，采用深度学习的方式进行训练，得到用于待预测学生的所述预测教学质量的所述学习成绩预测模型。
22.根据本发明提供的一种教学质量预测方法，所述样本学习质量为主观评定生成的，所述样本学习成绩为客观评定生成的。
23.根据本发明提供的一种教学质量预测方法，根据所述预测学习成绩，生成预测教学质量，具体包括：
24.所述预测学习成绩与所述预测教学质量成正比关系，所述预测学习成绩越高代表所述预测教学质量越高。
25.本发明还提供一种教学质量预测装置，包括：
26.采集模块，用于获取待预测学生的待预测视频信息；
27.第一获取模块，用于将所述待预测视频信息输入至学习信息识别模型中，得到所述学习信息识别模型输出的待预测学生的学习信息；其中，所述学习信息包括学生的第一行为信息、第二行为信息、面部表情、眼动信息和学籍信息，所述第一行为信息为发生后直接认定的行为，所述第二行为信息为发生后需要在预设时间内进行持续记录的行为，所述学习信息识别模型是基于样本视频信息训练得到的；
28.第二获取模块，用于将所述学习信息输入至学习质量分析模型中，得到所述学习质量分析模型输出的待预测学生的学习质量；其中，所述学习质量分析模型是基于样本学习信息、样本学习成绩和样本学习质量训练得到的；
29.第三获取模块，用于将所述学习质量输入至学习成绩预测模型中，得到所述学习成绩预测模型输出的预测学习成绩；其中，所述学习成绩预测模型是基于样本学习成绩和样本学习质量训练得到的；
30.第四获取模块，用于根据所述预测学习成绩，生成预测教学质量。
31.本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述教学质量预测方法的步骤。
32.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述教学质量预测方法的步骤。
33.本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述教学质量预测方法的步骤。
34.本发明提供的教学质量预测方法、装置、设备及产品，通过将学生发生后直接认定的行为以及发生后需要在预设时间内进行持续记录的行为、面部表情、眼动信息和学籍信息，建立学习质量分析模型，再将该学习质量分析模型应用于基层学校教育质量评定，实现历史学习质量与历史学习成绩做关联分析，预测学生的学习成绩，提前指导学生短板，实现智能分析教学质量，智能预测学习成绩，支撑学生短板分析，提前预备，指导教学工作的开展。
附图说明
35.为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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。
36.图1是本发明提供的教学质量预测方法的流程示意图；
37.图2是本发明提供的教学质量预测装置的结构示意图；
38.图3是本发明提供的电子设备的结构示意图。
具体实施方式
39.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
40.下面结合图1描述本发明的教学质量预测方法，该方法包括以下步骤：
41.s100、获取待预测学生的待预测视频信息，在该方法中，可以通过摄像头等视频信息采集设备去采集学生的视频信息，学生包括待预测学生和样本学生，视频信息则包括待预测视频信息和样本视频信息。
42.s200、将待预测视频信息输入至学习信息识别模型中，得到学习信息识别模型输出的待预测学生的学习信息。学习信息包括学生的第一行为信息、第二行为信息、面部表情、眼动信息和学籍信息，学习信息识别模型是基于样本视频信息训练得到的。
43.第一行为信息为发生后直接认定的行为，包括举手、起立、趴桌子、打哈欠、打闹、玩手机、传纸条、聊天等行为，第一行为信息认为在教学过程中除了举手、起立外都是需要减少或禁止的行为，因此需要统计该类行为发生的次数，分析发生集中的时间区域，作为评估教学质量的依据之一；第二行为信息为发生后需要在预设时间内进行持续记录的行为，包括回答问题、听讲、阅读、书写等行为，第二行为信息是正常教学行为，需要统计不同学生该类型行为的时长，并在后续分析该类行为时长与学习成绩的内在关系，后续用于指导学生学习；面部表情包括困惑、微笑、生气等表情；眼动信息即统计教室内课堂上内学生眼睛在预设统计时间内注视黑板的次数；学籍信息包括学生所在地市、学校、年级等基本信息。
44.具体的，该方法中学习信息识别模型通过以下步骤训练得到：
45.a100、获取样本学生的样本视频信息，同步骤s100，可以通过摄像头等视频信息采集设备去采集样本学生的样本视频信息。
46.a200、将样本视频信息作为训练使用的输入数据，采用深度学习的方式进行训练，得到用于生成待预测学生的学习信息的学习信息识别模型。
47.s300、将学习信息输入至学习质量分析模型中，得到学习质量分析模型输出的待预测学生的学习质量k2。学习质量分析模型是基于样本学习信息、样本学习成绩和样本学习质量k1训练得到的。
48.s400、将学习质量k2输入至学习成绩预测模型中，得到学习成绩预测模型输出的预测学习成绩x2。学习成绩预测模型是基于样本学习成绩x1和样本学习质量k1训练得到的。
49.具体的，该方法中学习质量分析模型通过以下步骤训练得到：
50.b100、获取样本学生的样本学习信息。
51.b200、确定样本学习信息对应的样本学习成绩x1和样本学习质量k1。
52.b300、将样本学习信息作为训练使用的输入数据，将样本学习成绩x1和样本学习质量k1作为标签，采用深度学习的方式进行训练，得到用于生成待预测学生的学习质量k2的学习质量分析模型。
53.s500、根据预测学习成绩x2，生成预测教学质量。预测学习成绩x2与预测教学质量成正比关系，即预测学习成绩x2越高代表预测教学质量越高。
54.具体的，该方法中学习成绩预测模型通过以下步骤训练得到：
55.c100、获取样本学生的样本学习成绩x1。
56.c200、确定样本学习成绩对应的样本学习质量k1；
57.c300、将样本学习成绩x1作为训练使用的输入数据，将样本学习质量k1作为标签，采用深度学习的方式进行训练，得到用于待预测学生的预测教学质量的学习成绩预测模型。
58.在本实施例中，样本学习质量为主观评定生成的，样本学习成绩为客观评定生成的。
59.本发明提供的教学质量预测方法，通过将学生发生后直接认定的行为以及发生后需要在预设时间内进行持续记录的行为、面部表情、眼动信息和学籍信息，建立学习质量分析模型，再将该学习质量分析模型应用于基层学校教育质量评定，实现历史学习质量与历史学习成绩做关联分析，预测学生的学习成绩，提前指导学生短板，实现智能分析教学质量，智能预测学习成绩，支撑学生短板分析，提前预备，指导教学工作的开展。
60.下面对本发明提供的教学质量预测装置进行描述，下文描述的教学质量预测装置与上文描述的教学质量预测方法可相互对应参照。
61.下面结合图2描述本发明的教学质量预测装置，该装置包括：
62.采集模块100，用于获取待预测学生的待预测视频信息，在该装置中，可以通过摄像头等视频信息采集设备去采集学生的视频信息，学生包括待预测学生和样本学生，视频信息则包括待预测视频信息和样本视频信息。
63.第一获取模块200，用于将待预测视频信息输入至学习信息识别模型中，得到学习信息识别模型输出的待预测学生的学习信息。学习信息包括学生的第一行为信息、第二行为信息、面部表情、眼动信息和学籍信息，学习信息识别模型是基于样本视频信息训练得到的。
64.第一行为信息为发生后直接认定的行为，包括举手、起立、趴桌子、打哈欠、打闹、
玩手机、传纸条、聊天等行为，第一行为信息认为在教学过程中除了举手、起立外都是需要减少或禁止的行为，因此需要统计该类行为发生的次数，分析发生集中的时间区域，作为评估教学质量的依据之一；第二行为信息为发生后需要在预设时间内进行持续记录的行为，包括回答问题、听讲、阅读、书写等行为，第二行为信息是正常教学行为，需要统计不同学生该类型行为的时长，并在后续分析该类行为时长与学习成绩的内在关系，后续用于指导学生学习；面部表情包括困惑、微笑、生气等表情；眼动信息即统计教室内课堂上内学生眼睛在预设统计时间内注视黑板的次数；学籍信息包括学生所在地市、学校、年级等基本信息。
65.具体的，该装置中学习信息识别模型通过以下模块训练得到：
66.第一训练模块a100，用于获取样本学生的样本视频信息，同采集模块100，可以通过摄像头等视频信息采集设备去采集样本学生的样本视频信息。
67.第二训练模块a200，用于将样本视频信息作为训练使用的输入数据，采用深度学习的方式进行训练，得到用于生成待预测学生的学习信息的学习信息识别模型。
68.第三获取模块300，用于将学习信息输入至学习质量分析模型中，得到学习质量分析模型输出的待预测学生的学习质量k2。学习质量分析模型是基于样本学习信息、样本学习成绩和样本学习质量k1训练得到的。
69.第四获取模块400，用于将学习质量k2输入至学习成绩预测模型中，得到学习成绩预测模型输出的预测学习成绩x2。学习成绩预测模型是基于样本学习成绩x1和样本学习质量k1训练得到的。
70.具体的，该装置中学习质量分析模型通过以下模块训练得到：
71.第三训练模块b100，用于获取样本学生的样本学习信息。
72.第四训练模块b200，用于确定样本学习信息对应的样本学习成绩x1和样本学习质量k1。
73.第五训练模块b300，用于将样本学习信息作为训练使用的输入数据，将样本学习成绩x1和样本学习质量k1作为标签，采用深度学习的方式进行训练，得到用于生成待预测学生的学习质量k2的学习质量分析模型。
74.第四获取模块500，用于根据预测学习成绩x2，生成预测教学质量。预测学习成绩x2与预测教学质量成正比关系，即预测学习成绩x2越高代表预测教学质量越高。
75.具体的，该装置中学习成绩预测模型通过以下模块训练得到：
76.第六训练模块c100，用于获取样本学生的样本学习成绩x1。
77.第七训练模块c200，用于确定样本学习成绩对应的样本学习质量k1；
78.第八训练模块c300，用于将样本学习成绩x1作为训练使用的输入数据，将样本学习质量k1作为标签，采用深度学习的方式进行训练，得到用于待预测学生的预测教学质量的学习成绩预测模型。
79.在本实施例中，样本学习质量为主观评定生成的，样本学习成绩为客观评定生成的。
80.本发明提供的教学质量预测装置，通过将学生发生后直接认定的行为以及发生后需要在预设时间内进行持续记录的行为、面部表情、眼动信息和学籍信息，建立学习质量分析模型，再将该学习质量分析模型应用于基层学校教育质量评定，实现历史学习质量与历史学习成绩做关联分析，预测学生的学习成绩，提前指导学生短板，实现智能分析教学质
量，智能预测学习成绩，支撑学生短板分析，提前预备，指导教学工作的开展。
81.图3示例了一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)810、通信接口(communications interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行教学质量预测方法，该方法包括以下步骤：
82.s100、获取待预测学生的待预测视频信息；
83.s200、将所述待预测视频信息输入至学习信息识别模型中，得到所述学习信息识别模型输出的待预测学生的学习信息；其中，所述学习信息包括学生的第一行为信息、第二行为信息、面部表情、眼动信息和学籍信息，所述第一行为信息为发生后直接认定的行为，所述第二行为信息为发生后需要在预设时间内进行持续记录的行为，所述学习信息识别模型是基于样本视频信息训练得到的；
84.s300、将所述学习信息输入至学习质量分析模型中，得到所述学习质量分析模型输出的待预测学生的学习质量；其中，所述学习质量分析模型是基于样本学习信息、样本学习成绩和样本学习质量训练得到的；
85.s400、将所述学习质量输入至学习成绩预测模型中，得到所述学习成绩预测模型输出的预测学习成绩；其中，所述学习成绩预测模型是基于样本学习成绩和样本学习质量训练得到的；
86.s500、根据所述预测学习成绩，生成预测教学质量。
87.此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
88.另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的教学质量预测方法，该方法包括以下步骤：
89.s100、获取待预测学生的待预测视频信息；
90.s200、将所述待预测视频信息输入至学习信息识别模型中，得到所述学习信息识别模型输出的待预测学生的学习信息；其中，所述学习信息包括学生的第一行为信息、第二行为信息、面部表情、眼动信息和学籍信息，所述第一行为信息为发生后直接认定的行为，所述第二行为信息为发生后需要在预设时间内进行持续记录的行为，所述学习信息识别模型是基于样本视频信息训练得到的；
91.s300、将所述学习信息输入至学习质量分析模型中，得到所述学习质量分析模型输出的待预测学生的学习质量；其中，所述学习质量分析模型是基于样本学习信息、样本学习成绩和样本学习质量训练得到的；
92.s400、将所述学习质量输入至学习成绩预测模型中，得到所述学习成绩预测模型输出的预测学习成绩；其中，所述学习成绩预测模型是基于样本学习成绩和样本学习质量训练得到的；
93.s500、根据所述预测学习成绩，生成预测教学质量。
94.又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的教学质量预测方法，该方法包括以下步骤：
95.s100、获取待预测学生的待预测视频信息；
96.s200、将所述待预测视频信息输入至学习信息识别模型中，得到所述学习信息识别模型输出的待预测学生的学习信息；其中，所述学习信息包括学生的第一行为信息、第二行为信息、面部表情、眼动信息和学籍信息，所述第一行为信息为发生后直接认定的行为，所述第二行为信息为发生后需要在预设时间内进行持续记录的行为，所述学习信息识别模型是基于样本视频信息训练得到的；
97.s300、将所述学习信息输入至学习质量分析模型中，得到所述学习质量分析模型输出的待预测学生的学习质量；其中，所述学习质量分析模型是基于样本学习信息、样本学习成绩和样本学习质量训练得到的；
98.s400、将所述学习质量输入至学习成绩预测模型中，得到所述学习成绩预测模型输出的预测学习成绩；其中，所述学习成绩预测模型是基于样本学习成绩和样本学习质量训练得到的；
99.s500、根据所述预测学习成绩，生成预测教学质量。
100.以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
101.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
102.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。