一种学习机用户界面人机交互方法及系统与流程

摘要: 本发明涉及人机交互,尤其涉及一种学习机用户界面人机交互方法及系统。背景技术:1、人机交互技术领域主要涉及用户通过触摸屏、按键、语音输入等方式向终端输入操作信息,...
一种学习机用户界面人机交互方法及系统与流程

本发明涉及人机交互,尤其涉及一种学习机用户界面人机交互方法及系统。

背景技术:

1、人机交互技术领域主要涉及用户通过触摸屏、按键、语音输入等方式向终端输入操作信息,终端对点击位置、输入内容、操作时序和设备状态进行采集、识别、判断、存储及界面调用,并通过文字、图像、动画或音频向用户输出交互内容。其中,传统学习机用户界面人机交互方法是指学习机在识字练习过程中接收用户选字、书写、点击或语音作答,记录作答内容、正确率、作答耗时、点击次数和练习进度,将作答结果与题库中的标准答案及预设规则进行比较,再按照正确、错误、超时或连续作答状态调用预先配置的提示文字、语音说明、示范动画或跳转页面,并将题目编号、作答结果和操作时间存入本地存储区或上传至服务器,供后续练习内容选择和学习记录查询。

2、传统学习机识字练习界面多依据单次作答结果与预设规则调用文字提示、语音说明或示范动画,反馈内容与播放方式主要由正确、错误、超时及连续作答状态确定,作答耗时、点击次数和练习记录虽被存储或上传,但不同时间段的交互动作与学习表现缺少关联分析,错误成因难以按近期行为区分,统一反馈容易与用户掌握状态和回忆过程不匹配,反馈期间产生的误触或诱发点击还会混入学习记录,影响后续练习判断和界面控制依据。

技术实现思路

1、本发明的目的是解决现有技术中存在的缺点,而提出的一种学习机用户界面人机交互方法及系统。

2、为了实现上述目的,本发明采用了如下技术方案,一种学习机用户界面人机交互方法,包括以下步骤:

3、s1:通过学习机识字练习界面采集连续交互数据和学习表现数据,并根据近期时间窗口对连续交互数据和学习表现数据进行聚合,生成近期行为序列和多维状态向量;

4、s2:响应错误作答信号,基于所述近期行为序列判断当前错误类型为短耗时高掌握错误、回忆延迟错误或重复低正确率错误,并根据所述多维状态向量计算动态认知能力指数;

5、s3:根据所述近期行为序列、所述当前错误类型和所述动态认知能力指数,筛选归属短耗时高掌握错误或回忆延迟错误并且对应完整动画反馈的错误记录,统计所述错误记录的数量、完整动画反馈平均播放时长和无效点击频率,根据所述错误记录的数量、所述完整动画反馈平均播放时长和所述无效点击频率计算反馈失配指数,并根据反馈失配指数与预设失配阈值的比较结果确定目标反馈层级和纠错强度;

6、s4:调用所述目标反馈层级和所述纠错强度调整反馈内容的展示深度、展示时长、强制播放属性和跳转属性,输出学习机的界面反馈内容,生成反馈输出记录;

7、s5:基于所述反馈输出记录,采集反馈输出期间和反馈输出后的交互动作,并将交互动作与预设的界面诱发行为特征进行匹配,得到界面诱发行为标记;

8、s6:根据所述界面诱发行为标记和所述反馈输出记录,对所述连续交互数据中的反馈期间交互动作和所述学习表现数据中的作答耗时与错误记录进行修正,得到学习行为记录,并基于学习行为记录更新所述近期行为序列和实时多维状态向量。

9、作为本发明的进一步方案,所述s1的过程具体为:

10、s101:通过学习机识字练习界面的事件监听接口采集答题行为数据、反馈交互数据和承接作答数据作为连续交互数据,针对每条答题行为数据关联字词标识、作答结果、作答耗时、原始交互耗时和反馈交互数据,所述作答耗时以及所述作答结果为错误时对应的错误记录构成学习表现数据;

11、s102:根据所述连续交互数据和所述学习表现数据,结合近期时间窗口进行时间排序,筛选落入近期时间窗口的连续交互数据和学习表现数据,按照字词标识关联所述连续交互数据和所述学习表现数据中的作答结果和作答耗时,生成近期行为序列;

12、s103:根据所述近期行为序列统计每个字词标识对应的作答结果、作答耗时,结合所述反馈交互数据,计算每个字词标识对应的近期正确率,并计算整体近期正确率、平均作答耗时、反馈期间平均无效点击次数和错误分布离散度,生成多维状态向量。

13、作为本发明的进一步方案,所述s2的过程具体为:

14、s201:根据所述近期行为序列中当前作答字词对应的作答结果统计得到当前作答字词对应的近期正确率,读取当前作答字词对应的当前作答耗时,读取学习机题目记录中的题目基准平均作答耗时,计算当前作答耗时与题目基准平均作答耗时的耗时比值,得到错误判定数据;

15、s202:根据所述错误判定数据,将近期正确率与预设正确率阈值进行比较,将耗时比值与预设耗时阈值进行比较,在短耗时高掌握错误、回忆延迟错误与重复低正确率错误中确定当前错误类型;

16、s203:根据所述多维状态向量读取整体近期正确率、平均作答耗时和错误分布离散度,对平均作答耗时进行负相关归一化处理,得到归一化耗时数据,计算整体近期正确率与归一化耗时数据的加权和,按照错误分布离散度修正加权和,得到动态认知能力指数。

17、作为本发明的进一步方案,所述s3的过程具体为:

18、s301:根据所述近期行为序列和所述当前错误类型,筛选当前错误类型为短耗时高掌握错误或回忆延迟错误的错误记录,读取每条错误记录对应的反馈播放类型,筛选反馈播放类型为完整动画反馈的错误记录,得到候选错误记录;

19、s302:根据所述候选错误记录统计错误记录数量,统计得到完整动画反馈平均播放时长和无效点击频率,计算错误记录数量与完整动画反馈平均播放时长对应的播放时长总量,计算播放时长总量与无效点击频率对应的累计无效点击量,计算反馈失配指数;

20、s303:根据所述反馈失配指数与预设失配阈值进行比较,根据比较结果、所述动态认知能力指数和所述当前错误类型,确定目标反馈层级和纠错强度。

21、作为本发明的进一步方案,所述反馈失配指数的计算过程具体为:

22、从所述候选错误记录读取每条候选错误记录对应的反馈开始时间、反馈结束时间和反馈期间点击事件,计算所述反馈开始时间与所述反馈结束时间对应的单次反馈播放时长,统计发生于所述反馈开始时间与所述反馈结束时间之间并且位于预设界面功能控件区域之外的反馈期间点击事件数量,得到单次无效点击次数,计算各条候选错误记录对应的所述单次反馈播放时长的平均值,得到完整动画反馈平均播放时长,计算各条候选错误记录对应的所述单次无效点击次数之和与各条候选错误记录对应的所述单次反馈播放时长之和的比值,得到无效点击频率,计算所述候选错误记录的错误记录数量与所述完整动画反馈平均播放时长对应的播放时长总量,计算所述播放时长总量与所述无效点击频率对应的累计无效点击量,根据所述累计无效点击量与预设失配归一化基准的比值,得到所述反馈失配指数。

23、作为本发明的进一步方案,所述s4的过程具体为:

24、s401:根据所述目标反馈层级和所述纠错强度,建立目标反馈层级、纠错强度与展示深度、展示时长、强制播放属性、跳转属性之间的关联,生成反馈控制参数;

25、s402:根据所述反馈控制参数调整反馈内容的展示深度、展示时长、强制播放属性和跳转属性,关联反馈内容与学习机识字练习界面的输出位置,输出界面反馈内容;

26、s403:根据所述界面反馈内容采集开始时间、结束时间和播放状态,建立所述界面反馈内容、开始时间、结束时间与播放状态之间的关联,生成反馈输出记录。

27、作为本发明的进一步方案,所述s5的过程具体为:

28、s501:根据所述反馈输出记录读取开始时间、结束时间和播放状态,通过学习机识字练习界面的事件监听接口采集反馈输出期间和反馈输出后的交互动作,关联交互动作与所述反馈输出记录,得到交互动作记录;

29、s502:获取预设界面诱发行为特征,提取所述交互动作记录中的点击频率、点击位置、滑动轨迹和作答间隔,将点击频率、点击位置、滑动轨迹和作答间隔分别与预设界面诱发行为特征进行匹配,得到界面诱发行为标记。

30、作为本发明的进一步方案,所述界面诱发行为标记的获取过程具体为:

31、从所述交互动作记录读取点击频率、点击位置、滑动轨迹和作答间隔,将所述点击频率与预设点击频率范围进行比较,得到点击频率命中数据,将所述点击位置与预设非功能区域范围进行比较,得到点击位置命中数据,将所述滑动轨迹与预设滑动轨迹特征进行比较,得到滑动轨迹命中数据,将所述作答间隔与预设作答间隔阈值进行比较,得到作答间隔命中数据,统计所述点击频率命中数据、所述点击位置命中数据、所述滑动轨迹命中数据和所述作答间隔命中数据中的命中项数量,将所述命中项数量与预设命中数量阈值进行比较,根据比较结果得到所述界面诱发行为标记。

32、作为本发明的进一步方案,所述s6的过程具体为:

33、s601:根据所述界面诱发行为标记和所述反馈输出记录,从所述连续交互数据中筛选反馈期间交互动作,关联反馈期间交互动作与所述界面诱发行为标记,得到干扰动作记录;

34、s602:根据所述干扰动作记录统计得到反馈等待时长和无效点击时长,从原始交互耗时中扣减反馈等待时长与无效点击时长,得到纯净认知耗时,并以纯净认知耗时作为修正后的作答耗时,计算所述错误记录与所述界面诱发行为标记对应的权重调整值,根据修正后的作答耗时和权重调整值生成修正作答数据;

35、s603:将所述修正作答数据写入所述近期行为序列,按照写入后的所述近期行为序列更新所述多维状态向量,建立所述修正作答数据与所述近期行为序列之间的关联,得到学习行为记录。

36、一种学习机用户界面人机交互系统,所述学习机用户界面人机交互系统用于执行上述学习机用户界面人机交互方法,所述系统包括:

37、行为状态聚合模块:通过学习机识字练习界面采集连续交互数据和学习表现数据,并根据近期时间窗口对连续交互数据和学习表现数据进行聚合,生成近期行为序列和多维状态向量;

38、认知诊断与评估模块:响应错误作答信号,基于所述近期行为序列判断当前错误类型为短耗时高掌握错误、回忆延迟错误或重复低正确率错误,并根据所述多维状态向量计算动态认知能力指数;

39、失配反馈决策模块:根据所述近期行为序列、所述当前错误类型和所述动态认知能力指数,筛选归属短耗时高掌握错误或回忆延迟错误并且对应完整动画反馈的错误记录,统计所述错误记录的数量、完整动画反馈平均播放时长和无效点击频率,根据所述错误记录的数量、所述完整动画反馈平均播放时长和所述无效点击频率计算反馈失配指数,并根据反馈失配指数与预设失配阈值的比较结果确定目标反馈层级和纠错强度;

40、反馈界面调节模块:调用所述目标反馈层级和所述纠错强度调整反馈内容的展示深度、展示时长、强制播放属性和跳转属性,输出学习机的界面反馈内容,生成反馈输出记录;

41、诱发行为捕获模块:基于所述反馈输出记录,采集反馈输出期间和反馈输出后的交互动作,并将交互动作与预设的界面诱发行为特征进行匹配,得到界面诱发行为标记;

42、行为记录更新模块:根据所述界面诱发行为标记和所述反馈输出记录,对所述连续交互数据中的反馈期间交互动作和所述学习表现数据中的作答耗时与错误记录进行修正,得到学习行为记录,并基于学习行为记录更新所述近期行为序列和实时多维状态向量。

43、与现有技术相比,本发明的优点和积极效果在于:

44、本发明中,通过近期时间窗口聚合连续交互数据和学习表现数据,形成近期行为序列与多维状态向量,区分短耗时高掌握错误、回忆延迟错误和重复低正确率错误,使反馈依据覆盖行为与认知状态。基于错误记录数量、完整动画反馈平均播放时长和无效点击频率形成反馈失配指数,按照阈值确定目标反馈层级与纠错强度,调整展示深度、展示时长、强制播放属性和跳转属性,使反馈与错误类型相匹配。利用界面诱发行为标记与反馈输出记录修正交互动作、作答耗时和错误记录,减少误触及反馈诱发操作对学习记录的干扰,为状态更新提供数据基础。