一种智能教室教学质量评测系统及方法

1.本发明涉及信息处理技术领域，具体而言，涉及一种智能教室教学质量评测系统及方法。


背景技术：

2.现代科技与经济的高速发展需要大批掌握一定知识和专业技能的高素质技能型劳动者，高等职业教育责无旁贷担负起培养我国现代化建设所需要的在生产、服务与管理一线的数以亿计的高级技术应用型人才的历史重任。但是，高等教育从精英教育到大众化教育的转变，使进入高职院校的学生其学习能力与 学习自觉性相对较差，而社会经济的高速发展则对人才质量提出了更高的要求。这种“入口”与“出口”落差的加大，给现在的学生和教师都带来了明显的不适应与困惑，也给高等职业教育教学质量的评价与监控提出了新问题。
3.当前高校教育改革逐渐深入,如何提高教学质量已经成为当前高校教学的工作重点。目前对于教学质量的评价主要依靠专家经验进行评估，评价带有很大的主观随意性，评价结果与实际值往往存在较大偏差，并且翻转课堂教学质量评价系统是一项系统工程，具有高度非线性、较强的时滞性和不确定性，如果仍单一采取传统评价方法，难以对课堂教学质量作出公正、客观、精准的评价。


技术实现要素：

4.本发明的目的在于提供一种智能教室教学质量评测系统及方法，其能够快速且准确的对教学质量进行评价，促进学校教学质量的快速提高。
5.本发明的实施例是这样实现的：第一方面，本技术实施例提供一种智能教室教学质量评测系统，包括建模模块、指标获取模块、特征提取模块和评价模块：上述建模模块用于建立教学评价模型；上述指标获取模块用于获取在教学过程中老师的教学指标和学生的听课指标以作为待评价样本；上述特征提取模块用于利用lpp局部保留投影算法对上述待评价样本进行降维和特征提取，以获得评价特征；上述评价模块用于将上述评价特征输入至上述教学评价模型中，以得到教学质量等级。
6.在本发明的一些实施例中，上述指标获取模块包括信息采集子模块、存储子模块和标准化子模块：上述信息采集子模块用于采集教师的教学视频、学生的听课视频及课堂实时音频；上述存储子模块用于将上述教学视频、上述听课视频和上述课堂实时音频打包为教学资源包并存储于数据库内；上述标准化子模块用于利用教学评分规则对上述教学资源包进行标准化评分，以获得上述教学指标和上述听课指标。
7.在本发明的一些实施例中，上述信息采集子模块包括身份确认单元、定位单元和录制单元：上述身份确认单元用于当教师位于检测区域时，检测教师人脸信息，对教师进行身份确认；上述定位单元用于对确认身份后的教师进行定位，以获取实时位置坐标信息；上
述录制单元用于根据教师的上述实时位置坐标信息，对其进行跟踪录制，以获得实时的上述教学视频。
8.在本发明的一些实施例中，上述智能教室教学质量评测系统还包括考勤特征库、出勤统计模块、出勤指标计算模块和出勤融合模块：上述考勤特征库内存储有多个学生的人脸信息和身份信息；上述出勤统计模块用于获取教室内所有学生的人脸信息，并将多个人脸信息与考勤数据库内的人员进行匹配，统计匹配人数，根据上述匹配人数以获得课堂出勤率；上述出勤指标计算模块用于根据课堂出勤率，得到出勤指标；上述出勤融合模块用于将上述出勤指标与上述听课指标进行信息融合以作为上述待评价样本。
9.在本发明的一些实施例中，上述智能教室教学质量评测系统还包括行为检测模块、行为指标计算模块和行为融合模块：上述行为检测模块用于从学生的上述听课视频中获取学生仪态；上述行为指标计算模块用于根据上述学生仪态判断当前学生是否出现异常行为，统计上述异常行为的次数，并根据上述异常行为次数生成学生行为评价指标；上述行为融合模块用于将上述学生行为评价指标与上述听课指标进行信息融合以作为上述待评价样本。
10.在本发明的一些实施例中，上述建模模块包括初始子模块、特征提取子模块和训练子模块：上述初始子模块用于获取初始样本；上述特征提取子模块用于利用lpp局部保留投影算法对初始样本进行特征提取，以获取多个样本特征值；上述训练子模块用于将上述样本特征值输入至神经网络进行训练，以获得上述教学评价模型。
11.第二方面，本技术实施例提供一种智能教室教学质量评测方法，包括以下步骤：建立教学评价模型；获取在教学过程中老师的教学指标和学生的听课指标以作为待评价样本；利用lpp局部保留投影算法对上述待评价样本进行信息融合和特征提取，以获得评价特征；将上述评价特征输入至上述教学评价模型中，以得到教学质量评价结果。
12.在本发明的一些实施例中，获取在教学过程中教室内的老师的教学指标和学生的听课指标，包括：采集教师的教学视频、学生的听课视频及课堂实时音频；将上述教学视频、上述听课视频和上述课堂实时音频打包为教学资源包并存储于数据库内；利用教学评分规则上述教学资源包并进行标准化评分，以获得上述教学指标和上述听课指标。
13.第三方面，本技术实施例提供一种电子设备，其包括存储器，用于存储一个或多个程序；处理器。当一个或多个程序被处理器执行时，实现如上述第一方面中任一项的方法。
14.第四方面，本技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面中任一项的方法。
15.相对于现有技术，本发明的实施例至少具有如下优点或有益效果：第一方面，本技术实施例提供一种智能教室教学质量评测系统，包括建模模块、指标获取模块、特征提取模块和评价模块：上述建模模块用于建立教学评价模型；上述指标获取模块用于获取在教学过程中老师的教学指标和学生的听课指标以作为待评价样本；上述特征提取模块用于利用lpp局部保留投影算法对上述待评价样本进行降维和特征提取，以获得评价特征；上述评价模块用于将上述评价特征输入至上述教学评价模型中，以得到教学质量等级。
16.针对第一方面，通过指标获取模块用于获取整个教学过程老师的教学指标，学生的听课指标，从而能够获得更全面的待评价样本，进而能够获得更为客观的结果。在获取教
学指标和学生的听课指标后利用lpp局部投影算对其进行降维和特征提取，通过对教学指标和听课指标进行降维处理，从而能够将教学指标和听课指标内的局部特征及非线性结构进行保留，进而获得降维后的评价特征。将降维后的评价特征输入至教学评价模型，从而可以获得更快的判别速度，能够更加准确且快速的获得教学质量等级。通过所获得的教学质量等级，从而便于学校找出自身的不足，帮助学校提升自身教学能力。
17.第二方面，本技术实施例提供一种智能教室教学质量评测方法，包括以下步骤：建立教学评价模型；获取在教学过程中老师的教学指标和学生的听课指标以作为待评价样本；利用lpp局部保留投影算法对上述待评价样本进行信息融合和特征提取，以获得评价特征；将上述评价特征输入至上述教学评价模型中，以得到教学质量评价结果。
18.第三方面，本技术实施例提供一种电子设备，其包括存储器，用于存储一个或多个程序；处理器。当一个或多个程序被处理器执行时，实现如上述第二方面中任一项的方法。
19.第四方面，本技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第二方面中任一项的方法。
20.针对第二～第四方面，本技术实施例与第一方面的原理及有益效果相同，在此不必重复描述。
附图说明
21.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
22.图1为本发明实施例一种智能教室教学质量评测系统原理图；图2为本发明实施例一种智能教室教学质量评测方法流程图；图3为本发明实施例一种电子设备的示意性结构框图。
23.图标：101-存储器，102-处理器，103-通信接口，201-数据获取模块，202-建模模块，203-指标采集模块，204-计算模块，205-评估模块，206-智能教室教学质量评测系统。
具体实施方式
24.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。
25.因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
26.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
27.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
28.在本技术的描述中，需要说明的是，术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该申请产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本技术的限制。
29.在本技术的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本技术中的具体含义。
30.下面结合附图，对本技术的一些实施方式作详细说明。在不冲突的情况下，下述的各个实施例及实施例中的各个特征可以相互组合。
31.实施例1请参阅图1，图1所示为本技术实施例提供的一种智能教室教学质量评测系统206原理图；一种智能教室教学质量评测系统206，包括建模模块202、指标获取模块、特征提取模块和评价模块：上述建模模块202用于建立教学评价模型；上述指标获取模块用于获取在教学过程中老师的教学指标和学生的听课指标以作为待评价样本；上述特征提取模块用于利用lpp局部保留投影算法对上述待评价样本进行降维和特征提取，以获得评价特征；上述评价模块用于将上述评价特征输入至上述教学评价模型中，以得到教学质量等级。
32.具体的，建模模块202用于建立教学评价模型。其中，指标获取模块用于获取整个教学过程老师的教学指标，其中教学指标可以为老师授课时的教学态度、备课内容，与学生的互动数、授课仪态或教学反馈中的一项或多项，学生的听课指标可以为其考试成绩、课堂回答问题次数、交谈次数和课后作业完成情况中的一项或多项，其中每个指标均用优、良、中和差四个等级进行分级。在获取教学指标和学生的听课指标后利用lpp局部投影算对其进行降维和特征提取，通过对教学指标和听课指标进行降维处理，从而能够将教学指标和听课指标内的局部特征及非线性结构进行保留，在lpp局部投影算法中，将多个不同的教学指标和听课指标作为输入特征值，构建特征值矩阵，将构建的特征值矩阵输入至lpp进行信息融合和特征提取，从而获得降维后的评价特征。将降维后的评价特征输入至教学评价模型，从而可以获得更快的判别速度，教学评价模型根据上述评价特征进行判别以获的教学质量的不同评价等级，其可以为优、良、中和差，从而便于学校找出自身的不足，帮助其提升自身教学能力。
33.在本发明的一些实施例中，上述指标获取模块包括信息采集子模块、存储子模块
和标准化子模块：上述信息采集子模块用于采集教师的教学视频、学生的听课视频及课堂实时音频；上述存储子模块用于将上述教学视频、上述听课视频和上述课堂实时音频打包为教学资源包并存储于数据库内；上述标准化子模块用于利用教学评分规则对上述教学资源包进行标准化评分，以获得上述教学指标和上述听课指标。
34.具体的，信息采集子模块可以为智能摄像头，且可以为多个。其中的一个或多个用于采集教师的教学视频，即其在进行授课时的仪态和所讲课件的内容，学生听课视频包括有全部学生在教室内的上课视频。课堂实时音频为教师讲课内容和与学生对话的内容。其中，存储子模块将所获取的听课视频、教学视频和课堂实时音频打包为教学资源包存储在数据库内，从而能够对教学资源进行累计，能够随时调用回放，且能够作为网课使用。标准化子模块用于利用教学评分规则对教学资源包进行标准化评分。示例性的，如教学视频内，老师与学生的互动次数在五次以上，则可以评分为优，在三到五次则为良，在一到三次为中，一次没有则为差。教学态度可以为学生评价，如好评率在百分之九十以上则为优，在百分之七十到九十则为良，在百分之六十到百分之七十则为中，在百分之六十以下则为差。其中，在听课视频和课堂实施音频中，可以获取学生回答问题次数，其中优表示回答问题3次以上，两到三次则为良，一次为中，一次都没有则为差。通过教学评分规则进行标准化评分所获得的教学指标和听课指标，能够给保证其拥有同样量级，从而便于进行特征提取，进而保证教学评价模型的识别准确率。
35.在本发明的一些实施例中，上述信息采集子模块包括身份确认单元、定位单元和录制单元：上述身份确认单元用于当教师位于检测区域时，检测教师人脸信息，对教师进行身份确认；上述定位单元用于对确认身份后的教师进行定位，以获取实时位置坐标信息；上述录制单元用于根据教师的上述实时位置坐标信息，对其进行跟踪录制，以获得实时的上述教学视频。
36.具体的，检测区域可以为教室，其中当教师进入到教室内后，采集教师的人脸信息，对其进行身份确认，从而可以实现教师考勤，避免教师未出勤或走错教室的情况。其中，在对教师身份进行确认后，对教师进行定位。实施获取其位置坐标信息，录制单元可以为智能摄像头，其能够进行跟随拍摄，从而根据教师的实时位置进行实时录制，能够保证所获得教师全程出现在教学视频中，便于获取其仪态或与学生进行互动的教学指标。
37.在本发明的一些实施例中，上述智能教室教学质量评测系统206还包括行为检测模块、行为指标计算模块204和行为融合模块：上述行为检测模块用于从学生的上述听课视频中获取学生仪态；上述行为指标计算模块204用于根据上述学生仪态判断当前学生是否出现异常行为，统计上述异常行为的次数，并根据上述异常行为次数生成学生行为评价指标；上述行为融合模块用于将上述学生行为评价指标与上述听课指标进行信息融合以作为上述待评价样本。
38.具体的，特征库内存储有多个学生的人脸信息和身份信息，在对饮课程中，出勤统计模块通过采集教室全景，以获取教室内的所有学生的人脸信息，在获取教室内人脸信息后，将其与特征库内所存储的多个学生的人脸信息进行匹配，以确认身份。若匹配成功，则为出勤。通过统计获得总的出勤人数后，即可以通过出勤人数获得该堂课的出勤率，根据出勤率可以得到出勤指标。示例性的，如出勤率在在百分之九十五以上则为优，在百分之九十以上则为良，在百分之八十到百分之九十则为中，在百分之八十以下则为差。在获取出勤指
标后，将其与听课指标进行信息融合，从而能够将其也作为待评价样本进行特征提取，进而作为教学质量评价模型的评价特征值，进一步的提升了评判的准确性。
39.在本发明的一些实施例中，上述智能教室教学质量评测系统206还包括行为检测模块、行为指标计算模块204：上述行为检测模块用于从学生的上述听课视频中获取学生仪态；上述行为指标计算模块204用于根据上述学生仪态判断当前学生是否出现异常行为，统计上述异常行为的次数，并根据上述异常行为次数生成学生行为评价指标；上述行为融合模块用于将上述学生行为评价指标与上述听课指标进行信息融合。
40.具体的，学生仪态可以包括正常坐姿、趴桌、回头和交头接耳等多种。其中，异常行为可以为趴桌、回头和交头接耳等行为，通过听课视频可以判断学生的异常行为，并统计其次数，根据异常行为次数生成学生行为评价指标，其中学生行为评价指标的评价标准，示例性的，如趴桌超过三次为差、两次为中、一次为良，一次都没有则为优。在获取学生行为评价指标后，将其与听课指标进行信息融合，从而将学生行为评价指标与听课指标综合起来，进而将学生评价指标也可作为教学质量评价模型的评判样本，进一步的提升了评判的准确性。
41.在本发明的一些实施例中，上述建模模块202包括初始子模块、特征提取子模块和训练子模块：上述初始子模块用于获取初始样本；上述特征提取子模块用于利用lpp局部保留投影算法对初始样本进行特征提取，以获取多个样本特征值；上述训练子模块用于将上述样本特征值输入至神经网络进行训练，以获得上述教学评价模型。
42.详细的，可以选取上述采集的教学指标、听课指标、出勤指标和学生行为指标中的多个作为初始样本，将选取的初始样本利用lpp局部投影算法进行特征提取，从而获取样本特征值，将获得多个样本特征值输入到神经网络进行训练，得到教学评价模型，从而能够大幅提高同类内的识别效果，提升对于教学质量等级的判别精确度。
43.实施例2请参阅图2，图2为本发明实施例提供一种智能教室教学质量评测方法的流程图；一种智能教室教学质量评测方法，包括以下步骤：s110：建立教学评价模型；s120：获取在教学过程中老师的教学指标和学生的听课指标以作为待评价样本；s130：利用lpp局部保留投影算法对上述待评价样本进行信息融合和特征提取，以获得评价特征；s140：将上述评价特征输入至上述教学评价模型中，以得到教学质量评价结果。
44.上述实施例与实施例1的原理及有益效果相同，在此不必重复描述。
45.在本发明的一些实施例中，获取在教学过程中教室内的老师的教学指标和学生的听课指标，包括：采集教师的教学视频、学生的听课视频及课堂实时音频；将上述教学视频、上述听课视频和上述课堂实时音频打包为教学资源包并存储于数据库内；从上述数据库提取上述教学资源包并进行标准化评分，以获得上述教学指标和上述听课指标。
46.上述实施例与实施例1的原理及有益效果相同，在此不必重复描述。
47.实施例3请参阅图3，图3为本技术实施例提供的电子设备的一种示意性结构框图。电子设备包括存储器101、处理器102和通信接口103，该存储器101、处理器102和通信接口103相互
之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器101可用于存储软件程序及模块，如本技术实施例所提供的智能教室教学质量评测206对应的程序指令/模块，处理器102通过执行存储在存储器101内的软件程序及模块，从而执行各种功能应用以及数据处理。该通信接口103可用于与其他节点设备进行信令或数据的通信。
48.其中，存储器101可以是但不限于，随机存取存储器（random access memory，ram），只读存储器（read only memory，rom），可编程只读存储器（programmable read-only memory，prom），可擦除只读存储器（erasable programmable read-only memory，eprom），电可擦除只读存储器（electric erasable programmable read-only memory，eeprom）等。
49.处理器102可以是一种集成电路芯片，具有信号处理能力。该处理器102可以是通用处理器，包括中央处理器（central processing unit，cpu）、网络处理器（network processor，np）等；还可以是数字信号处理器（digital signal processing，dsp）、专用集成电路（application specific integrated circuit，asic）、现场可编程门阵列（field－programmable gate array，fpga）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
50.可以理解，图3所示的结构仅为示意，电子设备还可包括比图3中所示更多或者更少的组件，或者具有与图3所示不同的配置。图3中所示的各组件可以采用硬件、软件或其组合实现。
51.在本技术所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本技术的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
52.另外，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
53.所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、磁碟或者光盘等各种可以存储程序代码的介质。
54.综上所述，本技术实施例提供的一种智能教室教学质量评测系统206及方法，其通过指标获取模块用于获取整个教学过程老师的教学指标，学生的听课指标，从而能够获得
更全面的待评价样本，进而能够获得更为客观的结果。在获取教学指标和学生的听课指标后利用lpp局部投影算对其进行降维和特征提取，通过对教学指标和听课指标进行降维处理，从而能够将教学指标和听课指标内的局部特征及非线性结构进行保留，进而获得降维后的评价特征。将降维后的评价特征输入至教学评价模型，从而可以获得更快的判别速度，能够更加准确且快速的获得教学质量等级。通过所获得的教学质量等级，从而便于学校找出自身的不足，帮助学校提升自身教学能力。
55.以上所述仅为本技术的优选实施例而已，并不用于限制本技术，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。
56.对于本领域技术人员而言，显然本技术不限于上述示范性实施例的细节，而且在不背离本技术的精神或基本特征的情况下，能够以其它的具体形式实现本技术。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本技术的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本技术内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。