虚拟现实的课堂模拟方法及装置

摘要: 本发明属于智能教育的,具体而言涉及一种虚拟现实的课堂模拟方法及装置。背景技术:1、目前,虚拟现实教学广泛应用于在线课程教学中,学生通过观看虚拟现实课堂就能够在沉...
虚拟现实的课堂模拟方法及装置

本发明属于智能教育的,具体而言涉及一种虚拟现实的课堂模拟方法及装置。

背景技术:

1、目前,虚拟现实教学广泛应用于在线课程教学中,学生通过观看虚拟现实课堂就能够在沉浸式的环境同时进行知识课程的学习,这不仅有利于提高学生的学习兴趣,并且还有助于改善学生的学习效率。

2、目前,现有虚拟现实课堂教学系统通常通过采集学习者的交互数据(如答题正确率、操作轨迹、注视点等),评估学习状态后调整教学内容的难度、呈现方式或节奏。例如,部分专利通过计算用户的掌握程度,结合间隔重复算法动态调整内容的呈现频率和时间间隔。以进行内容调整。

3、在上述相关技术中,检测到学习状态下降后再进行调整。这种“事后补救”模式存在固有滞后性,导致教学系统无法及时有效响应,教学系统控制不及时,效率低下,无法在认知衰退到来之前进行预防性干预,影响教学效果。

技术实现思路

1、本技术实施例提供一种虚拟现实的课堂模拟方法及装置,能够及时有效响应,提高控制效率和教学效果。

2、一方面,本技术实施例提供一种虚拟现实的课堂模拟方法方法,方法包括:

3、获取虚拟课堂中学习者群体的多模态生理信号;

4、基于所述多模态生理信号提取节律特征参数,建立群体认知节律模型,计算当前群体的认知节律相位并预测未来时间窗口内的认知节律相位演化趋势;所述认知节律相位至少包括注意力上升期、注意力平台期、注意力衰退期和注意力低谷期;

5、监测学习者群体对当前知识点的理解状态,识别薄弱知识点;

6、基于所述薄弱知识点的特征、当前学习者群体的认知节律相位及未来相位的相位演化趋势,确定时间锚点干扰策略;

7、在时间锚点干扰策略确定为实施时间锚点干扰的情况下,通过vr多感官操控手段调控学习者的主观时间感知,使所述薄弱知识点的主观停留时间被拉伸和/或已掌握知识点的主观停留时间被压缩;所述vr多感官操控手段包括视觉刷新率梯度调制、空间参照系位移、多感官延迟调制和动态时间参照系嵌入中的一种或多种;

8、评估所述时间锚点干扰策略实施后的学习效果,得到评估结果,并基于评估结果更新所述群体认知节律模型的参数。

9、可选地,所述多模态生理信号包括心率变异性信号、皮肤电导信号和眼动数据,所述基于所述多模态生理信号提取节律特征参数,包括:

10、对心率变异性信号进行频域分析,提取低频成分与高频成分的比值,作为自主神经系统活动状态的指标;

11、对皮肤电导信号提取相位性皮肤电反应的频率和幅度,作为警觉度指标;

12、对眼动数据提取瞳孔直径的波动频率和注视时长的分布特征,作为注意力集中度指标;

13、将所述自主神经系统活动状态的指标、所述警觉度指标和所述注意力集中度指标输入预训练的认知节律相位分类模型,得到当前群体的认知节律相位。

14、可选地,所述计算当前群体的认知节律相位,包括:

15、对所述多模态生理信号进行时间窗口滑动采样,在每个滑动窗口内提取群体层面的多维节律特征;所述多维节律特征至少包括:心率变异性频域特征、皮肤电导时域特征和眼动空间特征;

16、将所述多维节律特征分别输入对应的相位概率评估子模型,获得各模态独立判定的相位概率分布;

17、将所述各模态独立判定的相位概率分布按照预设的动态置信权重进行加权融合,得到当前群体的认知节律相位;所述动态置信权重根据各模态生理信号在当前时间窗口内的信噪比动态调整,信噪比高的模态分配更高的融合权重。

18、可选地,所述预测未来时间窗口内的认知节律相位演化趋势,包括:

19、以当前时间窗口之前连续n个时间窗口的历史相位序列作为输入,通过时间序列预测模型输出未来时间窗口内各相位的预测概率分布以及相位转移时刻的预测值;

20、所述相位转移时刻的预测值至少包括:当前相位预计持续时长、下一相位预计到达时间、以及从当前相位转移至下一相位的转移概率;

21、所述时间序列预测模型同时输出所述预测值的预测置信度区间,所述预测置信度区间根据当前群体认知节律模型的拟合优度和历史预测误差动态计算;

22、基于所述预测置信度区间,确定认知相位演化趋势。

23、可选地,所述监测学习者群体对当前知识点的理解状态,识别薄弱知识点,包括:

24、获取群体中每个学习者在当前知识点处的个体理解程度指数;

25、基于所述个体理解程度指数计算群体层面的理解状态统计特征;所述群体层面的理解状态统计特征包括群体理解程度均值、群体理解程度方差、群体理解熵值以及个体理解程度指数与群体理解程度均值之间的个体偏差值中的至少一种;所述群体理解熵值用于量化群体在当前知识点处理解状态的一致性程度;

26、基于所述群体层面的理解状态统计特征,确定当前知识点的薄弱类型;所述薄弱类型至少包括以下中的一种:群体理解程度均值低于第一阈值且群体理解熵值低于第二阈值时的共性薄弱知识点、群体理解程度均值低于第一阈值且群体理解熵值高于第三阈值时的分化薄弱知识点、以及个体偏差值超过预设个体偏差阈值的个体偏离学习者所对应的个体薄弱标记;

27、对于所述共性薄弱知识点,启动群体统一的时间锚点干扰策略;对于所述分化薄弱知识点,在群体统一的时间锚点干扰基础上叠加个体差异化参数;对于所述个体薄弱标记,为对应的个体学习者生成个体化的干扰参数。

28、可选地,所述基于所述薄弱知识点的特征、当前学习者群体的认知节律相位及未来相位的相位演化趋势,确定时间锚点干扰策略,包括:

29、构建以认知节律相位和薄弱知识点的特征为坐标轴的多维认知状态空间;所述多维认知状态空间至少包含认知节律相位维度和知识点认知复杂度维度;

30、将当前学习者群体的认知节律相位及未来相位的预测结果映射至所述多维认知状态空间,确定当前群体在所述认知状态空间中的位置坐标和运动轨迹;

31、基于所述位置坐标和运动轨迹,从预设的认知状态空间决策图中查询对应的最优时间锚点干扰策略;所述认知状态空间决策图为预先通过强化学习训练获得的、表征认知状态空间各区域与最优干扰策略之间映射关系的决策图。

32、可选地,所述构建以认知节律相位和薄弱知识点的特征为坐标轴的多维认知状态空间,包括:

33、构建虚拟课堂模拟环境,在所述模拟环境中以仿真学习者群体执行多次模拟教学;

34、在每次模拟教学中,以认知状态空间中的位置坐标作为状态输入,以时间锚点干扰策略的各维度参数作为动作输出,以模拟教学后的学习效果增益值作为奖励信号;

35、采用深度强化学习算法对策略网络进行训练,所述策略网络以认知状态空间位置坐标为输入,输出时间锚点干扰策略各维度的最优参数组合;

36、训练完成后,将所述策略网络的输入-输出映射关系固化所述多维认知状态空间。

37、可选地,所述评估所述时间锚点干扰策略实施后的学习效果,得到评估结果,包括:

38、在所述时间锚点干扰策略实施结束后的第一预设时间点,采集学习者群体对所述薄弱知识点的第一理解程度指数,作为即时评估结果;

39、在所述时间锚点干扰策略实施结束后的第二预设时间点,采集学习者群体对所述薄弱知识点的第二理解程度指数,作为延迟评估结果;所述第二预设时间点晚于所述第一预设时间点;

40、基于所述即时评估结果和所述延迟评估结果,综合计算所述时间锚点干扰策略的综合学习效果评估值。

41、可选地,所述综合计算所述时间锚点干扰策略的综合学习效果评估值,包括:

42、获取所述薄弱知识点对应的预设遗忘曲线参数,所述遗忘曲线参数基于所述薄弱知识点的知识点类型和认知复杂度等级预先标定;

43、基于所述即时评估结果、所述延迟评估结果以及所述预设遗忘曲线参数,计算所述薄弱知识点的实际遗忘速率;

44、将所述实际遗忘速率与所述预设遗忘曲线参数中的标准遗忘速率进行比较,得到遗忘抑制效果系数;

45、基于所述即时评估结果和所述遗忘抑制效果系数,计算所述综合学习效果评估值。

46、另一方面,本技术实施例提供了一种虚拟现实的课堂模拟方法装置,装置包括:

47、获取模块,用于获取虚拟课堂中学习者群体的多模态生理信号;

48、建立模块,用于基于所述多模态生理信号提取节律特征参数,建立群体认知节律模型,计算当前群体的认知节律相位并预测未来时间窗口内的认知节律相位演化趋势;所述认知节律相位至少包括注意力上升期、注意力平台期、注意力衰退期和注意力低谷期;

49、识别模块,用于监测学习者群体对当前知识点的理解状态,识别薄弱知识点;

50、确定模块,用于基于所述薄弱知识点的特征、当前学习者群体的认知节律相位及未来相位的相位演化趋势,确定时间锚点干扰策略;

51、调控模块,用于在时间锚点干扰策略确定为实施时间锚点干扰的情况下,通过vr多感官操控手段调控学习者的主观时间感知,使所述薄弱知识点的主观停留时间被拉伸和/或已掌握知识点的主观停留时间被压缩;所述vr多感官操控手段包括视觉刷新率梯度调制、空间参照系位移、多感官延迟调制和动态时间参照系嵌入中的一种或多种;

52、评估模块,用于评估所述时间锚点干扰策略实施后的学习效果,得到评估结果,并基于评估结果更新所述群体认知节律模型的参数。

53、再一方面,本技术实施例提供了一种电子设备,所述设备包括:处理器以及存储有计算机程序指令的存储器;

54、所述处理器执行所述计算机程序指令时实现如第一方面所述的虚拟现实的课堂模拟方法方法。

55、再一方面,本技术实施例提供了一种计算机存储介质,所述计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如第一方面所述的虚拟现实的课堂模拟方法方法。

56、再一方面,本技术实施例提供了一种计算机程序产品,述计算机程序产品中的指令由电子设备的处理器执行时,使得所述电子设备执行如第一方面所述的虚拟现实的课堂模拟方法方法。

57、本技术实施例的虚拟现实的课堂模拟方法及装置,首先获取虚拟课堂中学习者群体的多模态生理信号,通过多模态生理信号提取节律特征参数,建立群体认知节律模型,以识别未来事件窗口内的认知相位演化趋势,并识别薄弱知识点,之后通过薄弱知识点的特征、当前学习者群体的认知节律相位及未来相位的相位演化趋势,确定时间锚点干扰策略,通过时间锚点干扰策略来主动调控学习者的主观时间感知,增强学习者的学习效率,实现了对学习过程的预防性干预,避免了传统“事后补救”模式的滞后性,从而在虚拟现实课堂环境中提升了教学的及时性、有效性和学习效果。