一种基于人工智能的教学互动系统的制作方法

本发明涉及教学互动，更具体地说，它涉及一种基于人工智能的教学互动系统。

背景技术：

1、在传统教育体系中，课堂教学通常遵循一种相对固定的模式，即教师根据既定的教学大纲和计划进行讲解，而学生则被期望以一致的注意力水平参与学习过程，然而，这一模式忽视了学生间存在的显著差异（不同的学习基础、个人兴趣、精力状态和课堂参与态度），这些因素都会直接影响学生在课堂上的专注程度，专注度的高低不仅关乎学生对知识的吸收效率，也是评估教学互动效果和调整教学策略的重要指标。

2、常见的方法就是采集学生的面部图像然后对其进行分析，获得学生的专注度，然而，上述方法没有考虑到学生在专注度下降时做出的动作和发出的声音会影响到周围的学生的专注度，因此，提出一种基于人工智能的教学互动系统。

技术实现思路

1、本发明提供一种基于人工智能的教学互动系统，解决上述背景技术中的技术问题。

2、本发明提供了一种基于人工智能的教学互动系统，包括：

3、图像采集模块，其用于实时获取上课时的课堂图像数据，并对其进行预处理；

4、专注度计算模块，其用于根据预处理后的课堂图像数据分析每个学生在上课时n个时段的专注度；

5、专注度修正模块，其用于根据专注度计算模块的输出修正专注度计算模块的输出；

6、反馈模块，其用于将每个学生在n个时段的专注度情况反馈给教师。

7、进一步地，图像采集模块包括摄像单元和图像预处理单元；

8、其中，摄像单元基于摄像设备构建，实时获取的课堂图像数据；图像预处理单元用于对课堂图像数据进行预处理，其包括：标记和提取关键帧。

9、进一步地，图像预处理单元对课堂图像数据进行预处理的具体步骤如下：

10、步骤s501，在课堂图像数据中均匀抽取m个关键帧，m为自定义参数；

11、步骤s502，采用yolo算法对每个关键帧中的每个学生进行标记，生成动作图像数据，每个动作图像数据的大小相同；

12、步骤s503，如果有关键帧中出现动作图像数据的分辨率低于预设分辨率阈值时，则选取该关键帧在课堂图像数据中的相邻帧中的同一位置的动作图像数据替换，预设分辨率阈值为自定义参数。

13、进一步地，专注度计算模块包括一个第一隐藏层、一个第二隐藏层和一个分类器；

14、第一隐藏层包括m个隐藏单元；

15、其中一个学生的第i个动作图像数据输入第i个隐藏单元，输出第一更新特征；

16、第一隐藏层输出的所有第一更新特征输入第二隐藏层，输出第二更新特征；

17、第二更新特征输入分类器，输出该学生在上课时n个时段的专注度；

18、1≤i≤m，n为自定义参数。

19、进一步地，专注度计算模块的第一隐藏层的m个隐藏单元均基于卷积神经网络构建，第二隐藏层基于长短时记忆网络构建。

20、进一步地，专注度计算模块的训练样本具体如下：

21、选取l个成绩相近的学生同时上一节测试课程，并获取l个学生在上测试课程时的课堂图像数据，然后对其进行预处理，生成l个测试动作图像数据集，每个测试动作图像数据集中包含m个关键帧，每个测试动作图像数据集为一个训练样本的样本数据；

22、测试课程分为n个互不相关的内容，依次播放，n个测试课程和n个时段一一对应设置；

23、上完测试课程之后，根据测试课程n个内容分别出考题，每个学生对每个内容的得分为一个训练样本的样本标签；

24、l为自定义参数。

25、进一步地，专注度修正模块修正专注度计算模块的输出的计算方法具体如下：

26、；

27、式中，表示专注度计算模块输出的某一学生在某一时段的专注度；表示修正后的该学生在该时段的专注度；if表示教室中专注度最低的学生的专注度影响系数；d表示该学生和室中专注度最低的学生之间的距离；lpdf表示教室中专注度最低的学生的关注度和上一个关键帧中自己的专注度之间差值。

28、进一步地，if的计算公式具体如下：

29、；

30、式中，baseinfluence表示教室中专注度最低的学生的平均影响力常数；historicalbehavior表示教室中专注度最低的学生历史行为因子；和表示关于第一和第二权重参数；baseinfluence、historicalbehavior、和均为自定义参数。

31、进一步地，反馈模块根据每个时段中每个学生的专注度生成热度图，并将其实时传输至教师的客户端。

32、进一步地，专注度计算模块的第二隐藏层的计算公式包括：

33、；

34、；

35、；

36、；

37、；

38、；

39、式中，、、、、和分别表示专注度计算模块的第二隐藏层的输入门、遗忘门、输出门、候选记忆状态、记忆状态和隐藏状态；其中，、和分别表示专注度计算模块的第二隐藏层的输入门对应的第一权重参数、第二权重参数和偏执参数；、和分别表示专注度计算模块的第二隐藏层的遗忘门对应的第一权重参数、第二权重参数和偏执参数；、和分别表示专注度计算模块的第二隐藏层的输出门对应的第一权重参数、第二权重参数和偏执参数；、和分别表示专注度计算模块的第二隐藏层的候选记忆状态对应的第一权重参数、第二权重参数和偏执参数；表示sigmoid函数；tanh表示双曲正切函数；表示点乘操作；表示专注度计算模块的第二隐藏层的输入；表示上一个隐藏状态。

40、本发明的有益效果在于：实时获取教室中每个学生在各个时间段的图像数据，然后计算每个学生在每个时段的专注度，并根据教室中专注度最低的学生对其他学生的影响修正其他学生的专注度，相较于一般的专注度计算方法来说，对学生的专注度的计算更加精准，进而提高后期生成的热度图的准确性，便于提高教师调整自己的授课风格和节奏。

技术特征：

1.一种基于人工智能的教学互动系统，其特征在于，包括：

2.根据权利要求1所述的一种基于人工智能的教学互动系统，其特征在于，图像采集模块（10）包括摄像单元（101）和图像预处理单元（102）；

3.根据权利要求2所述的一种基于人工智能的教学互动系统，其特征在于，图像预处理单元（102）对课堂图像数据进行预处理的具体步骤如下：

4.根据权利要求1所述的一种基于人工智能的教学互动系统，其特征在于，专注度计算模块（20）包括一个第一隐藏层、一个第二隐藏层和一个分类器；

5.根据权利要求4所述的一种基于人工智能的教学互动系统，其特征在于，专注度计算模块（20）的第一隐藏层的m个隐藏单元均基于卷积神经网络构建，第二隐藏层基于长短时记忆网络构建。

6.根据权利要求4所述的一种基于人工智能的教学互动系统，其特征在于，专注度计算模块（20）的训练样本具体如下：

7.根据权利要求1所述的一种基于人工智能的教学互动系统，其特征在于，专注度修正模块（30）修正专注度计算模块（20）的输出的计算方法具体如下：

8.根据权利要求7所述的一种基于人工智能的教学互动系统，其特征在于，if的计算公式具体如下：

9.根据权利要求1所述的一种基于人工智能的教学互动系统，其特征在于，反馈模块（40）根据每个时段中每个学生的专注度生成热度图，并将其实时传输至教师的客户端。

10.根据权利要求5所述的一种基于人工智能的教学互动系统，其特征在于，专注度计算模块（20）的第二隐藏层的计算公式包括：

技术总结
本发明涉及教学互动技术领域，公开了一种基于人工智能的教学互动系统，包括：图像采集模块，其用于实时获取上课时的课堂图像数据，并对其进行预处理；专注度计算模块，其用于根据预处理后的课堂图像数据分析每个学生在上课时n个时段的专注度；专注度修正模块，其用于根据专注度计算模块的输出修正专注度计算模块的输出。本发明实时获取教室中每个学生在各个时间段的图像数据，然后计算每个学生在每个时段的专注度，并根据教室中专注度最低的学生对其他学生的影响修正其他学生的专注度，相较于一般的专注度计算方法来说，对学生的专注度的计算更加精准，进而提高后期生成的热度图的准确性，便于提高教师调整自己的授课风格和节奏。

技术研发人员：麻卫东,钟成军,肖尚,韩昱,池浩,马堉鎮,刘通,王明月,郑晓龙,王欣慰
受保护的技术使用者：吉视传媒股份有限公司
技术研发日：
技术公布日：2025/3/24