一种基于学习终端的辅导系统的制作方法

1.本发明涉及一种基于学习终端的辅导系统，属于教育设备领域。

背景技术：

2.课后辅导是教学系统运行的环节之一，是课内教学的辅助、补充形式，有利于教师和家长了解学生情况、沟通情感、因材施教。但教师和家长通常没有足够的时间、精力或能力对学生进行课后辅导。
3.现有多种课后辅导方案，如各种搜题软件、答题软件、家教机中的课本内容辅导：课文朗读等、课文预习等，缺点在于：只针对学生的学习内容进行辅导，无法在结合学生课后学习过程中的学习行为及学习状态来对学生进行针对性的学习管理与学生行为管理，并且家长未能参与课后辅导过程，不能及时了解学生课后学习情况。
4.公开号为cn111918133a的专利《辅导和监督学生写作业的方法、电视机和存储介质》公开了：控制电视机进入作业辅导模式，获取作业的辅导需求；根据所述辅导需求获取对应的辅导内容，基于所述辅导内容对学生执行作业的辅导操作；获取所述学生在作业辅导过程中的图像信息，根据所述图像信息监测所述学生的学习状态；若监测到的学习状态不满足预设的学习状态，则发送提醒信息。解决了现有的辅导学生写作业的学习方法仅是用于作业的辅导，并没有兼备监督学生写作业的功能，达到了在辅导学生写作业的同时监督学生学习，提高了学习效率。但该专利通过判断学习行为是否满足预设值来监测学生，所监测的学习状态不够全面且难以提高对学习状态的识别精度。

技术实现要素：

5.为了解决上述现有技术中存在的问题，本发明提供一种基于学习终端的辅导系统，通过学习终端获取学生的学习行为数据，根据学习行为数据分析学生是否存在异常的学习行为，若存在异常学习行为则发送请求监督提示至教师端，有效监督学生的课后学习情况，有助于学生养成良好的学习习惯。同时形成家长—教师—学生三个角的职能交互，不止单一的对学生的学习进行监督，同时可以让家长实时了解孩子的学习状况以及教师能够实时对学生做出辅导与督促。
6.本发明的技术方案如下：
7.一种基于学习终端的辅导系统，包括：学习终端、服务器和教师用智能终端；
8.学习终端获取学生的学习行为数据并将其发送至服务器；
9.服务器中预设有深度学习模型；服务器将所述学习行为数据输入至所述深度学习模型，得到学生的行为参数；根据学生的行为参数判断是否存在异常的学习行为，若存在异常的学习行为，则服务器发送请求监督提示至教师用智能终端。
10.进一步的，所述学生的行为参数包括学生的笔尖停留位置；
11.服务器预设有时间阈值；若笔尖在同一位置停留时间超过时间阈值，则认为存在异常的学习行为。
12.进一步的，所述学习行为参数包括学生姿态；
13.服务器中预设有姿态移动范围；若学生姿态不在姿态移动范围，则认为存在异常的学习行为。
14.进一步的，所述学习行为参数包括学生表情；
15.服务器中预设有若干个异常表情，若学生表情为异常表情，则认为存在异常的学习行为。
16.进一步的，还包括：
17.若深度学习模型无法识别某一学习行为数据，则服务器发送该学习行为数据至教师用智能终端；
18.教师根据学习行为数据，标注学生的学习行为类型；教师用智能终端将标注后的学习行为数据返回服务器；服务器利用标注后的学习行为数据训练所述深度学习模型。
19.进一步的，还包括：
20.服务器发送学习行为参数和学习行为数据至教师用智能终端；若学习行为参数错误，则教师根据学习行为数据，修正学习行为参数；教师用智能终端将修正后的学习行为参数返回服务器；服务器利用学习行为数据和修正后的学习行为参数训练所述深度学习模型。
21.进一步的，还包括：学生通过学习终端发送答疑申请至服务器；服务器为该学生分配一教师进行答疑。
22.进一步的，还包括，学习终端采集学生纸质作业图像并发送至服务器；服务器根据纸质作业图像进行自动批改并将批改结果发送至智能终端。
23.进一步的，还包括，根据所述学习行为，计算学习状态评分f：
[0024][0025]
式中，t为学生学习的总时长，t1、t2、
……
、tn分别表示n个行为参数所占的时长；ω1、ω2、
……
、ωn表示权重。
[0026]
10、根据权利要求1所述的一种基于学习终端的辅导系统，其特征在于，还包括家长用智能终端；若学习终端发送请求监督提示至教师端的次数超过阈值，则学习终端发送提示至家长端。
[0027]
本发明具有如下有益效果：
[0028]
1、本发明通过学习终端获取学生的学习行为数据，根据学习行为数据分析学生是否存在异常的学习行为，若存在异常学习行为则发送请求监督提示至教师端，有效监督学生的课后学习情况，有助于学生养成良好的学习习惯。同时形成家长—教师—学生三个角的职能交互，不止单一的对学生的学习进行监督，同时可以让家长实时了解孩子的学习状况以及教师能够实时对学生做出辅导与督促；
[0029]
2、笔尖停留时间较长时学生的学习行为数据更具有代表性，相比起在任一时刻获取的学习行为数据更能体现学生的学习状态，本发明通过深度学习模型分析该时刻的学习行为数据，其得到的行为参数能更为准确的表示学生整个学习过程中的学习状态；
[0030]
3、在教师监督学生的过程中，本发明利用教师标注较具有代表性的、不能识别或识别错误的学习行为数据，则深度学习模型可以不断学习当前用户的学习情况，不断提高
识别精度；同时，在一定程度上，节约人工标注成本；
[0031]
4、本发明自动批改作业，加快作业批改速度，学生能更快得到作业结果反馈，同时减少教师负担；
[0032]
5、不同的学习状态对学生的学习效率影响的程度不同，本发明通过监测学生整个学生过程中的不同学习状态，对不同学习状态匹配对应的权重，最终得出学生的学习状态评分能反映学生的学习效率。
附图说明
[0033]
图1为本发明所述辅导系统示意图。
具体实施方式
[0034]
下面结合附图和具体实施例来对本发明进行详细的说明。
[0035]
实施例一
[0036]
一种基于学习终端的辅导系统，包括：学习终端(学习终端设有显示屏和摄像头，如家教机)、服务器、家长用智能终端和教师用智能终端(如手机、平板等)，下文中简称为家长端和教师端。
[0037]
学习终端获取学生的学习行为数据并将其发送至服务器。
[0038]
服务器中预设有深度学习模型。服务器将学习行为数据输入至所述深度学习模型，得到学生的行为参数。根据学生的行为参数判断是否存在异常的学习行为，若存在异常的学习行为，则服务器发送请求监督提示和对应学习行为数据至教师端。
[0039]
若学习终端发送请求监督提示至教师端的次数超过阈值，则学习终端发送请求监督提示和对应学习行为数据至家长端。
[0040]
本实施例的有益效果在于，通过学习终端获取学生的学习行为数据，根据学习行为数据分析学生是否存在异常的学习行为，若存在异常学习行为则发送请求监督提示至教师端，有效监督学生的课后学习情况，有助于学生养成良好的学习习惯。同时形成家长—教师—学生三个角的职能交互，不止单一的对学生的学习进行监督，同时可以让家长实时了解孩子的学习状况以及教师能够实时对学生做出辅导与督促。
[0041]
实施例二
[0042]
学习终端上的摄像头每隔20s采集学习行为数据，学习行为数据包括学生人脸图像、学生姿态图像和学生桌面图像(桌面图像中含有纸质作业图像)。学习终端将学习行为数据发送至服务器；
[0043]
服务器中预设有第一深度学习模型、第二深度学习模型、第三深度学习模型。
[0044]
将学生桌面图像输入至第一深度学习模型，得到学生的笔尖停留位置(具体可参见申请号为cn202011034464.6的专利《一种学习状态的处理方法、装置以及书桌》)，将其与由上一张学生桌面图像得到的笔尖停留位置进行比对，若两者的笔尖停留位置相同或位置距离差值小于距离阈值，则时间参数t＝t+20s；否则令时间参数t＝0。当时间参数t超过时间阈值(本实施例中时间阈值为60s)时，认为该学生存在异常的学习行为。服务器发送学习行为数据(本实施例中具体为学生人脸图像、学生姿态图像、学生桌面图像)至教师端，并附注笔尖持续未移动超过60秒。
[0045]
教师可以根据笔尖停留时间，对学习行为数据进行标注，如学生表情为发呆、思考、昏睡等；学生姿态为正确坐姿、睡觉、离开座位、玩手机等。教师端将标注后的学习行为数据返回至服务器。
[0046]
服务器中的第二、第三深度学习模型利用标注后的数据再次进行迭代训练，以进一步提高第二、第三深度学习模型的正确率。
[0047]
将学生姿态图像输入至第二深度学习模型，得到学生姿态。若学生姿态不在姿态移动范围，则认为存在异常的学习行为。
[0048]
将学生人脸图像输入至第三深度学习模型，得到学生表情。若学生表情为异常表情，则认为存在异常的学习行为。本实施例中，发呆、哭泣为异常表情。若第三深度学习模型无法识别学生人脸图像中的表情，则服务器发送该学生人脸图像至教师用智能终端；
[0049]
教师标注该学生人脸图像的人脸表情，教师端将标注后的学生人脸图像返回服务器；服务器利用标注后的学生人脸图像训练第三深度学习模型。
[0050]
服务器判断存在任一异常的学习行为，则服务器均发送请求监督提示至教师端。
[0051]
本实施例的有益效果在于：
[0052]
1、笔尖停留时间较长时学生的学习行为数据更具有代表性，相比起在任一时刻获取的学习行为数据更能体现学生的学习状态，通过深度学习模型分析该时刻的学习行为数据，其得到的行为参数能更为准确的表示学生整个学习过程中的学习状态。
[0053]
2、在教师监督学生的过程中，利用教师标注较具有代表性的、不能识别或识别错误的学习行为数据，则深度学习模型可以不断学习当前用户的学习情况，不断提高识别精度；同时，在一定程度上，节约人工标注成本。
[0054]
实施例三
[0055]
服务器中预设有题库；服务器根据纸质作业图像，通过ocr识别算法获取题目信息，并通过第三方搜题软件和题库查题目对应的答案。若查不到题目对应的答案，则将该题目发送至教师端，教师在教师端输入答案，教师端返回答案至服务器。服务器保存题目及其对应答案在题库内，并根据答案进行作业批改(通过ocr识别算法获取学生答题信息并将其与答案进行一一对比)。
[0056]
本实施例的有益效果在于，自动批改作业，加快作业批改速度，学生能更快得到作业结果反馈，同时减少教师负担。
[0057]
实施例四
[0058]
根据所述学习行为，计算学习状态评分f：
[0059][0060]
式中，t为学生学习的总时长，t1、t2、
……
、tn分别表示不同学习行为的时长；ω1、ω2、
……
、ωn表示权重。
[0061]
例如，经检测学生此次学习总时长为1小时；发呆占10分钟；玩手机占20分钟；有效学习时间为30分钟(将未出现异常学习状态的时间认为是有效学习时间)；
[0062]
则
[0063]
本实施例的进步之处在于，不同的学习状态对学生的学习效率影响的程度不同，
通过监测学生整个学生过程中的不同学习状态，对不同学习状态匹配对应的权重，最终得出学生的学习状态评分能反映学生的学习效率。
[0064]
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

技术特征：

1.一种基于学习终端的辅导系统，其特征在于，包括：学习终端、服务器和教师用智能终端；学习终端获取学生的学习行为数据并将其发送至服务器；服务器中预设有深度学习模型；服务器将所述学习行为数据输入至所述深度学习模型，得到学生的行为参数；根据学生的行为参数判断是否存在异常的学习行为，若存在异常的学习行为，则服务器发送请求监督提示至教师用智能终端。2.根据权利要求1所述的一种基于学习终端的辅导系统，其特征在于，所述学生的行为参数包括学生的笔尖停留位置；服务器预设有时间阈值；若笔尖在同一位置停留时间超过时间阈值，则认为存在异常的学习行为。3.根据权利要求1所述的一种基于学习终端的辅导系统，其特征在于，所述学习行为参数包括学生姿态；服务器中预设有姿态移动范围；若学生姿态不在姿态移动范围，则认为存在异常的学习行为。4.根据权利要求1所述的一种基于学习终端的辅导系统，其特征在于，所述学习行为参数包括学生表情；服务器中预设有若干个异常表情，若学生表情为异常表情，则认为存在异常的学习行为。5.根据权利要求1所述的一种基于学习终端的辅导系统，其特征在于，还包括：若深度学习模型无法识别某一学习行为数据，则服务器发送该学习行为数据至教师用智能终端；教师根据学习行为数据，标注学生的学习行为类型；教师用智能终端将标注后的学习行为数据返回服务器；服务器利用标注后的学习行为数据训练所述深度学习模型。6.根据权利要求1所述的一种基于学习终端的辅导系统，其特征在于，还包括：服务器发送学习行为参数和学习行为数据至教师用智能终端；若学习行为参数错误，则教师根据学习行为数据，修正学习行为参数；教师用智能终端将修正后的学习行为参数返回服务器；服务器利用学习行为数据和修正后的学习行为参数训练所述深度学习模型。7.根据权利要求1所述的一种基于学习终端的辅导系统，其特征在于，还包括：学生通过学习终端发送答疑申请至服务器；服务器为该学生分配一教师进行答疑。8.根据权利要求1所述的一种基于学习终端的辅导系统，其特征在于，还包括，学习终端采集学生纸质作业图像并发送至服务器；服务器根据纸质作业图像进行自动批改并将批改结果发送至智能终端。9.根据权利要求1所述的一种基于学习终端的辅导系统，其特征在于，还包括，根据所述学习行为，计算学习状态评分f：式中，t为学生学习的总时长，t1、t2、
……
、t
n
分别表示n个行为参数所占的时长；ω1、ω2、
……
、ω
n
表示权重。10.根据权利要求1所述的一种基于学习终端的辅导系统，其特征在于，还包括家长用
智能终端；若学习终端发送请求监督提示至教师端的次数超过阈值，则学习终端发送提示至家长端。

技术总结

本发明涉及一种基于学习终端的辅导系统，包括学习终端、服务器和教师用智能终端；学习终端获取学生的学习行为数据并将其发送至服务器；服务器中预设有深度学习模型；服务器将所述学习行为数据输入至所述深度学习模型，得到学生的行为参数；根据学生的行为参数判断是否存在异常的学习行为，若存在异常的学习行为，则服务器发送请求监督提示至教师用智能终端。端。端。