一种基于ARCS学习动机模型的学情管理系统

一种基于arcs学习动机模型的学情管理系统
技术领域
1.本发明涉及一种学情管理技术领域，具体涉及一种基于arcs学习动机模型的学情管理系统。


背景技术：

2.互联网技术的迅速发展为传统的学习模式带来的变个性的改变，终生学习的意识提升、特殊情况下网络在线学习，使得云课堂广泛的发展起来。云课堂的对象的学情复杂，学习效果难以得到保证，如何激发学生的内生动机，提高自我效能，提升自主学习动机，使学生对学习效果产生的满足感，增强学生学习的信心，促进积极学习健康发展，具有现实意义。
3.相关研究表明，学生学习成绩中16％～20％，甚至30％的差异，是由学习动机造成的。心理学研究表明，学习动机强度与学习效率之间的关系并不是一种线性关系，而是倒∪型曲线关系，学习动机对学习效率的影响存在最佳值。在最佳值以前，学生的学习动机越强，学习效率越高；当学生持有中等强度的学习动机时，学习效率达到最优，有利于完成学习任务；一旦学习动机超过了最佳值，将导致学习效率下降，影响学生完成任务，因为动机水平过强，会造成人们内心过度焦虑和紧张的状态，以致干扰了正常的学习记忆和思维活动。
4.21世纪以来，arcs理论广泛应用于实践教学并得出了大量理论总结，特别是随着互联网技术的普及应用和移动“互联网 教育”的兴起，arcs学习动机理论与新兴教育模式相互融合，形成了教育改革的前沿阵地。因此，理解动机原理并在教学中加以运用对教师来说尤为重要。在arcs理论的发展过程中，注重教师对动机原理的理解和运用，但从学生角度运用的较少，如图1所示。关于课堂效果的研究，主要基于直接的调查问卷，或与授课班级的部分学生进行访谈，得出研究的调查问卷，因此数据真实性和实效性较差，且单方面的为教师进行教学设计所用，然而对于以学生为主体的课堂来说，为能够发挥学生的自我效能，理解arcs动机原理同样重要。


技术实现要素：

5.发明目的：为了克服现有技术的不足，本发明提供一种基于arcs学习动机模型的学情管理系统，该系统解决了上述的技术问题。
6.技术方案：本发明基于arcs学习动机模型的学情管理系统，该系统包括教师端和学生端，学生端包括：
7.arcsd评价模块，用于对学生图像进行采集，分析典型特征情绪开心的强度，从启动评价模块中提取每个学生的学习动机的评价打分后，生成相关的评价数据；
8.arcsd自评模块，用于存储学生自己评价学习动机的数据，并与所述拟合模块连接，调取所述关联曲线；
9.教师端包括：
10.启动arcsd评价模块，其对学习动机进行五个维度的评价打分，并将arcsd评价模块的结果数据进行存储分析，所述五个维度包括：注意a、关联r、信心c和满意s和课堂任务难度d；
11.学习效果评价模块，用于根据arcsd评价模块中的相关评价数据对学生进行学习效果的评价；
12.拟合模块，用于根据学习动机和学习效率之间的关系特征采用多项式拟合模型进行拟合。
13.进一步的，包括：
14.arcsd评价模块中，所述对学生图像进行采集，分析典型特征情绪开心的强度包括以下步骤：
15.s1采用摄像头采集学生的正面五种强度的基本情绪和图片，并利用基本情绪提取学生面部区域几何模型；
16.s2建立学生特征情绪强度库，并进行特征强度的等级划分以及等级打分；
17.s3判断学生面部区域几何模型是否为正面，如果是正面，则进入步骤s4，否则，进入步骤s5；
18.s4进行面部特征提取，并结合学生特征情绪强度库进行面部特征相似度对比，确定最匹配和次匹配情绪等级并结合步骤s2中的特征强度等级分数，确定情绪强度分数；
19.s5将非正面图像记录为不集中项，并结合情绪强度分数进行arcsd学情评价。
20.进一步的，包括：
21.所述将相关数据进行存储分析包括：arcs四个维度按权重加权计算为arcs学习动机水平，学习任务难度根据统计学特性计算为课堂难度评价ed。
22.进一步的，包括：
23.所述拟合模块中的拟合方法包括：
24.利用arcsd自评模块和学习效果评价模块收集到的不同个体arcsd学情和学习效果数据，绘制课堂学情折线图，同时根据数值分析原理对arcs学习动机效果曲线进行拟合，即将学习动机水平x与学习效果y之间的倒u型曲线关系拟合为二次多项式，y＝ax2 bx c，且a≠0；arcs学习动机与效果曲线体现了任务的难度水平，则x＝-b/(2a)提取为难度系数因子td，该难度系数因子td为课堂实测难度，与预设难度pd和课堂难度评价ed应属线性关系，经过多次课堂实测统计，拟合得到难度分析线性关系函数。
25.进一步的，包括：
26.所述建立学生特征情绪强度库包括：采集学生的一种开心的基本情绪的图像，情绪强度分为一点也不开心、有点不开心、平和、开心、很开心五个等级，建立等级分为0、25、50、75、100特征数据库。
27.有益效果：本发明与现有技术相比，其显著优点是：通过随堂收集不同个体arcs四维度的学习动机，建立arcs与学习效率和学习效果的直观模型，学习动机影响学习行为和学习效果的模式如图2所示。一方面，实时评估在教学过程中激发和维持学生学习动机的方法和技巧的有效性，另一方面，使学生发现自我学习动机与学习效果之间的联系，促使学生自主调节学习动机，以增强整体的学习效果；动机的最佳水平不是固定的，依据任务的难度不同会有所改变，为学生摆在学习心态，提供合适的动机水平，促进学习效率，提供了实时
数据依据。
附图说明
28.图1为现有技术中arcs学习动机模型在教育中的一般应用模式；
29.图2为本发明实施例所述的学习动机影响学习效率和学习效果示意图；
30.图3为本发明实施例所述的arcs学习动机模型的应用模式示意图；
31.图4为本发明实施例所述的学情管理系统的结构示意图；
32.图5为本发明实施例所述的arcsd情绪分析方法流程图；
33.图6为本发明实施例所述的arcs学情管理数据表；
34.图7为本发明实施例所述的arcs学习动机与效果关系曲线图；
35.图8为本发明实施例所述的难度分析曲线示图；
36.图9为本发明实施例所述的个体学情和学习效果的趋势变化曲线图；
37.图10为本发明实施例所述的个体arcs学习动机与效果分析曲线图；
38.图11为本发明实施例所述的学情管理系统的应用结构示意图。
具体实施方式
39.下面对本发明技术方案进行详细说明。
40.本发明所述的基于arcs学习动机模型的学情管理系统，包括教师端和学生端，学生端：学生用户能够在课堂中完成arcsd自评，查看自己在课程中的学习动机及学习效果评价的关联曲线，以及详细数据，为学生提供自我动机管理的个性化指导。
41.学生端包括学生arcsd自动评价模块：学生用户进入课堂，在教师发起各维度评价后，完成学习动机和任务难度评价。arcsd情绪分析把arcs动机形象的转化为学习情绪，即学生从注意(attention)、关联(relevance)、信心(confidence)、满意(satisfaction)，以及学习任务难度(difficulty)5个维度对课堂进行评估时直接产生的情绪，并使用色彩对情绪产生的作用，做学生更好的参与动机调查。学生可查看自己在课程中的学习动机及学习效果评价的关联曲线，以及详细数据。
42.具体的，学生用户进入课堂，在教师发起各维度评价后，系统启用摄像头权限，在调查期间采集学生的图像照片；首先解决图像是否正面的问题，通过轮廓、眼睛和嘴部的识别，判断正面脸图像，采集期间多张随机图像中其正面率占有比，反应了学习注意力(attention)情况；进一步的，arcsd情绪分析把arcs动机形象的转化为学习情绪，即采集学生图像，分析典型特征情绪开心的强度，提取关联、信心、满意和难度的评价等级，完成对课堂实施的实时的更为有效的评估，如图5。系统首先判断学期调查阶段，区分知识联系(relevance)、任务实施信(confidence)、学习成果满意度(satisfaction)，分别完成学特征提取。此处我们采用轻量级的计算方法，即只使用基本情绪开心的情绪强度特征进行对比。建立实施准备阶段，进行学情特征情绪强度库的建设，采集学生的一种基本情绪——开心的图像，情绪强度分为一点也不开心、有点不开心、平和、开心、很开心五个等级，建立等级分为0、25、50、75、100特征数据库。学期调查阶段使用个人特征数据进行特征对比，由特征相似度对比，确定情绪强度等级区间，进一步转换为学习动机和任务难度的评价分数。各维度初始由教师设定，在采集不到正面图像的情况下，系统据此采集学情特征强度，自动给
出评价。特殊情况下，学生在系统许可条件下可以根据自身情况进行修改，教师依据个体情况不同进行具体分析学情，学生可查看自己在课程中的学习动机及学习效果评价的关联曲线，以及详细数据，如图6所示。
43.学生端还包括学情-学习效果评价模块：学生端在本模块中由集体的学情动机和学习效果构成一条倒u型曲线，同时给出学生个体的arcs学情评价数据。经过阶段性统计，可以得到个体的学习动机和学习效果曲线。二者之间的关系受到不同任务难度的制约，提供课堂实测难度曲线，为学生动机调节提供依据。
44.学生端在本模块中由集体的学情动机和学习效果构成一条倒u型曲线，同时给出学生个体的arcs学情评价数据，如图9所示。arcs学习动机与效果曲线体现了任务的难度水平，学生可以查看个人的难度评价，并与课堂难度评价统计值、课堂实测难度因子进行对比评估。个体可通过查看自己的动机构成和所处整体水平的位置，分析自身的不足，进行个性化调整，以达到自我学情管理的目的。经过阶段性学习，学生可以得到自己的学习动机和学习效果曲线，如图10所示。二者之间的关系受到不同任务难度的制约，提供课堂实测难度曲线，为学生动机调节提供依据。
45.教师端包括：启动学生arcsd自动评价模块：教师用户在课堂中发起学生学情自评，将学习动机分为arcs四个维度，即注意(attention)、关联(relevance)、信心(confidence)和满意(satisfaction)；并进行课堂任务难度(difficulty)的评价。教师用户可选择在课程环境中在系统内添加学生自评节点，使得学生可以从arcsd五个维度进行评价打分。每个维度可单独发起评价，也可整体发起评价，其中任务难度初始值可由教师根据教师设计进行设定，以备后续对比分析。对学生arcsd自动评价模块进行结果回收，每个评价关联了课程、课堂、学生和回收时间，回收并记录学生的评价反馈。arcs四个维度按权重加权计算为arcs学习动机水平。学习任务难度根据统计学特性计算为课堂难度评价ed；
46.学习效果评价模块：教师对学生进行学习效果评价，例如随堂测验、单元测验、实操训练等可反馈为效果评价。收集课堂个体学习效果数据，结合arcs学习动机水平和任务难度因子，存储为一次课程中的学习动机、学习效果、任务难度的数据，如图6所示。
47.arcs学习动机与效果曲线拟合模块：根据学习动机和学习效率之间的关系特征选择数学模型进行拟合，有助于量化分析，本发明选择的是多项式拟合模型。arcs学习动机与学习效果之间为非线性关系，一组arcs学情管理数据，可由不同个体的arcs学情动机和学习效果构成一条arcs学习动机效果曲线。本模块利用arcsd自评模块和学习效果评价模块收集到的不同个体arcsd学情和学习效果数据，绘制课堂学情折线图，同时根据数值分析原理对arcs学习动机效果曲线进行拟合，即将学习动机水平x与学习效果y之间的倒u型曲线关系拟合为二次多项式，y＝ax2 bx c(且a≠0)，如图7所示。arcs学习动机与效果曲线体现了任务的难度水平，则x＝-b/(2a)提取为难度系数因子td。该难度系数因子td为课堂实测难度，与预设难度pd和课堂难度评价ed应属线性关系，经过多次课堂实测统计，可以拟合得到难度分析线性关系函数，如图8所示。教师可以根据不同维度的动机水平进行课堂反思和改进。
48.arcs学情管理统计模块：教师端在本模块中统计并查看同一课程不同课堂的学情数据，包括集体和个体的学习动机、学习效果和任务难度的详细数据。不同集体在每次课堂中获得的任务难度因子不同，绘制的arcs学习动机与效果曲线不同，即在教学过程中任务
的难度、所采用的激发和维持学生学习动机的方法和技巧的有效性不同；对于个体学生，将得到在不同课堂中学情和学习效果的趋势变化曲线，二者之间的关系受到不同任务难度的制约。其经过阶段性统计，教师可以得到不同学情群体的学习动机和学习效果曲线，作为施教不同学习群体的难度设置、知识关联、教学设计等方案调整的数据支撑。帮助教师掌握学情和进行教学设计持续优化。
49.如图11所示，当教师用户在课堂环节中添加学生自评节点，结合课堂的课前导学、课前测验、课中学习、课程讨论、随堂测验、课后总结等环节发起学习动机调查，系统采用图像识别技术，提取一维特征情绪强度，根据教师发起的自评内容分别从注意(attention)和关联(relevance)、信心(confidence)和满意(satisfaction)、学习任务难度(difficulty)五个维度进行系统识别，通过正面脸部图像占有率提取多点注意力特征，首先解决了图像是否正面的问题，将其作为有效数据；并在教师发起各维度评价后，进一步的分析典型特征情绪开心的强度，提取关联、信心、满意和难度的评价等级，完成对课堂实施的实时的更为有效的评估。采用轻量级的计算方法，即只使用基本情绪开心的情绪强度特征进行对比，更有利于系统的广泛运用。学情分析后，进一步拟合arcs学习动机强度与学习效果之间的非线性关系，为教师提供集体和个体的学情与课堂效果画像，为教师提供改进教学设计的参考。arcsd自评模块的统计详细数据分析，帮助教师掌握学情和进行教学设计持续优化。同时，学情-效果分析模块，使得个体可通过查看自己的动机构成和所处整体水平的位置，分析自身的不足，进行个性化调整，以达到自我学情管理的目的。