教学影像评价系统以及教学影像评价方法与流程

本发明关于一种影像分析技术，且特别是关于一种教学影像评价系统以及教学影像评价方法。

背景技术：

1、对于现有技术的教学影像评价，多是以人为进行评价或利用粗糙的分析模型来进行评价，因此导致评价的标准不公正且缺乏效率。随着线上授课以及对于授课品质要求的提升，如何有效且以相同标准来评价各类型教学风格的教学影像，以有效提升教学品质以及教学管理是本领域目前重要的课题之一。

2、举例而言，基于bp神经网路的课堂教学评价模型通常是建立一个三层的网路结构，输入层为所有评价指标，输出层为1个节点，即评价总分。该模型确实能够较好地建模评价过程的非线性，从而取得较好的评价效果。但是，目前训练资料集的标签(评价总分)是人为指定的，而机器学习方法是一种资料驱动的方法，即学习结果的好坏很大程度上取决于训练资料集的品质好坏，因此目前的人为标签界定方式会导致学到的神经网路模型带有个人的主观偏向，即教学评价结果不是公正的。

3、本“背景技术”段落只是用来帮助了解本
技术实现要素：
，因此在“背景技术”段落所公开的内容可能包含一些没有构成本领域技术人员所知道的现有技术。在“背景技术”段落所公开的内容，不代表该内容或者本发明一个或多个实施例所要解决的问题，在本发明申请前已被本领域技术人员所知晓或认知。

技术实现思路

1、本发明提供一种教学影像评价系统以及教学影像评价方法，可评价教学影像资料，并且判断教学影像资料的教学风格类型，以及计算教学的评价总分，用以评价教学的品质。

2、本发明的其他目的和优点可以从本发明所公开的技术特征中得到进一步的了解。

3、为达到上述之一或部分或全部目的或是其他目的，本发明的教学影像评价系统包括储存装置以及处理器，储存装置储存教学风格分类器模型以及总分计算模型。处理器耦接储存装置，并且执行教学风格分类器模型以及总分计算模型。处理器取得教学影像资料，并且将教学影像资料输入至教学风格分类器模型，以使教学风格分类器模型根据教学影像资料输出对应于多个教学风格类型的多个预测概率值。处理器将多个预测概率值输入至总分计算模型，以使总分计算模型根据多个预测概率值输出评价总分。

4、为达到上述之一或部分或全部目的或是其他目的，本发明的教学影像评价方法包括以下步骤：借由处理器取得教学影像资料，并且将教学影像资料输入至教学风格分类器模型；借由教学风格分类器模型根据教学影像资料输出对应于多个教学风格类型的多个预测概率值；借由处理器将多个预测概率值输入至总分计算模型；以及借由总分计算模型根据多个预测概率值输出评价总分。

5、基于上述，本发明的教学影像评价系统以及教学影像评价方法可自动且快速地评价教学影像资料，可产生此教学影像资料的教学风格类型的判断结果，以及输出对应的评价总分。

6、为让本发明的上述特征和优点能更明显易懂，下文特举实施例，并配合附图作详细说明如下。

技术特征：

1.一种教学影像评价系统，其特征在于，所述教学影像评价系统包括储存装置以及处理器，其中

2.根据权利要求1所述的教学影像评价系统，其特征在于，所述处理器根据所述多个预测概率值中的最高的一者来决定所述教学影像资料的所述教学风格类型。

3.根据权利要求1所述的教学影像评价系统，其特征在于，所述总分计算模型根据对应于所述多个教学风格类型的不同的多个权重值以及所述多个预测概率值计算所述评价总分。

4.根据权利要求1所述的教学影像评价系统，其特征在于，所述教学风格分类器模型为反向传播神经网路模型。

5.根据权利要求1所述的教学影像评价系统，其特征在于，所述储存装置还储存聚类模型，以及所述处理器还执行聚类模型，并且将训练资料集输入至所述聚类模型，以将所述训练资料集分类为多个教学风格类别，以输出聚类结果，其中所述处理器根据所述聚类结果以及所述训练资料集分别的多个评价指标训练并测试所述教学风格分类器模型。

6.根据权利要求5所述的教学影像评价系统，其特征在于，所述处理器根据所述训练资料集的各个评价指标分别计算所述多个教学风格类别所分别对应的多个指标均值，并且所述处理器根据所述多个指标均值对所述多个教学风格类别进行排序，以决定所述聚类结果的次序。

7.根据权利要求5所述的教学影像评价系统，其特征在于，所述处理器借由所述训练资料集的一部分来训练所述教学风格分类器模型，并且借由所述训练资料集的另一部分来测试所述教学风格分类器模型。

8.根据权利要求5所述的教学影像评价系统，其特征在于，所述聚类模型包括k均值聚类演算法。

9.根据权利要求1所述的教学影像评价系统，其特征在于，所述处理器根据所述教学影像资料的所述多个评价指标的其中一部分来产生雷达图，并输出所述雷达图。

10.根据权利要求9所述的教学影像评价系统，其特征在于，所述处理器计算训练资料集的每一个样本取值点的各个评价指标的灵敏度，并且计算各个评价指标在不同样本取值点的所述灵敏度的多个均值，其中所述处理器根据所述多个均值对所述多个评价指标进行排序，以决定所述多个评价指标的所述其中一部分用于产生所述雷达图。

11.一种教学影像评价方法，其特征在于，所述教学影像评价方法包括：

12.根据权利要求11所述的教学影像评价方法，其特征在于，所述教学影像评价方法还包括：

13.根据权利要求11所述的教学影像评价方法，其特征在于，借由所述总分计算模型根据所述多个预测概率值输出所述评价总分的步骤包括：

14.根据权利要求11所述的教学影像评价方法，其特征在于，所述教学风格分类器模型为反向传播神经网路模型。

15.根据权利要求11所述的教学影像评价方法，其特征在于，所述教学影像评价方法还包括：

16.根据权利要求15所述的教学影像评价方法，其特征在于，输出所述聚类结果的步骤还包括：

17.根据权利要求15所述的教学影像评价方法，其特征在于，训练并测试所述教学风格分类器模型的步骤包括：

18.根据权利要求15所述的教学影像评价方法，其特征在于，所述聚类模型包括k均值聚类演算法。

19.根据权利要求11所述的教学影像评价方法，其特征在于，所述教学影像评价方法还包括：

20.根据权利要求19所述的教学影像评价方法，其特征在于，所述教学影像评价方法还包括：

技术总结
本发明提出一种教学影像评价系统以及教学影像评价方法。教学影像评价系统包括储存装置以及处理器。储存装置储存教学风格分类器模型以及总分计算模型。处理器执行教学风格分类器模型以及总分计算模型。处理器取得教学影像资料，并且将教学影像资料输入至教学风格分类器模型，以使教学风格分类器模型根据教学影像资料输出对应于多个教学风格类型的多个预测概率值。处理器将多个预测概率值输入总分计算模型，以使总分计算模型根据多个预测概率值输出评价总分，用以评价教学的品质。

技术研发人员：柯佳武,宋昀静,许顺源
受保护的技术使用者：奥图码数码科技(上海)有限公司
技术研发日：
技术公布日：2024/1/15