[发明专利]智能插入笔记的在线教学系统有效

专利信息
申请号: 202010000320.2 申请日: 2020-01-02
公开(公告)号: CN111079714B 公开(公告)日: 2020-10-30
发明(设计)人: 樊星 申请(专利权)人: 上海松鼠课堂人工智能科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06F16/387;G10L15/26;G10L15/30;G06Q50/20
代理公司: 暂无信息 代理人: 暂无信息
地址: 200237 上海市徐*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 智能 插入 笔记 在线 教学 系统
【说明书】:

发明提供了一种智能插入笔记的在线教学系统,该智能插入笔记的在线教学系统通过设置教学内容识别模块、语音识别模块、插入确定模块和笔记插入操作模块,对当前在线教学过程中对应的教学内容和授课语音信息分别进行文本识别处理和语音识别处理,以获得相应的文本识别结果和语音结果,再通过确定插入笔记信息的位置信息以执行后续的笔记信息插入操作,该智能插入笔记的在线教学系统能够根据当前在线教学内容对其进行适应性的分析处理,以自动确定该当前在线教学内容需要插入的笔记内容及其对应的插入位置,这能够帮助学生在在线教学过程中快速地和及时地进行笔记记录,从而提高该智能插入笔记的在线教学系统的教学质量和人性化程度。

技术领域

本发明涉及智能教学的技术领域,特别涉及一种智能插入笔记的在线教学系统。

背景技术

随着多媒体技术和远程通信技术的发展,教学方式已经从传统的面对面课堂教学向多媒体远程模式逐渐发展,其中,由于在线教学模式能够便于学生根据自身实际需要选择合适的时间和地点进行课程学习,这使得在线教学模式越来越受学生的青睐。但是,在线教学模式通常是针对多个学生同时进行课程教授的,并且在线教学过程都是根据预设程序进行授课的,这可能导致一部分学生在听课过程中无法及时的掌握相应的知识点,从而发生听课进度落后的情况。虽然现有的在线教学方式能够同步地提供相应的知识点解答信息,但是这些知识点解答信息都是通过单独的页面进行显示,其不能根据在线教学的进程同步地进行笔记信息的插入操作,这并不利于提高学生对知识点的掌握程度和改善在线教学的人性化程度。

发明内容

针对现有技术存在的缺陷,本发明提供一种智能插入笔记的在线教学系统,该智能插入笔记的在线教学系统通过设置教学内容识别模块、语音识别模块、插入确定模块和笔记插入操作模块,对当前在线教学过程中对应的教学内容和授课语音信息分别进行文本识别处理和语音识别处理,以获得相应的文本识别结果和语音结果,再通过确定插入笔记信息的位置信息以执行后续的笔记信息插入操作,该智能插入笔记的在线教学系统能够根据当前在线教学内容对其进行适应性的分析处理,以自动确定该当前在线教学内容需要插入的笔记内容及其对应的插入位置,这能够帮助学生在在线教学过程中快速地和及时地进行笔记记录,从而提高该智能插入笔记的在线教学系统的教学质量和人性化程度。

本发明提供一种智能插入笔记的在线教学系统,

所述智能插入笔记的在线教学系统包括教学内容识别模块、语音识别模块、插入确定模块和笔记插入操作模块;其中,

所述教学内容识别模块用于对当前在线教学过程中对应的教学内容进行文本化识别处理,以生成关于所述教学内容的文本识别结果;

所述语音识别模块用于对当前在线教学过程中对应授课语音信息进行语音识别处理,以获得对应的语音识别结果;

所述插入确定模块用于根据所述文本识别结果,确定插入笔记信息的位置信息;

所述笔记插入模块用于根据确定插入笔记信息的位置信息,当前在线教学过程中插入相应的笔记信息;

进一步,所述教学内容识别模块包括教学信息抓取子模块、信息预处理子模块、信息学习分析子模块和文本识别结果生成子模块;其中,

所述教学信息抓取子模块用于对当前在线教学过程中对应的教学信息进行抓取处理;

所述信息预处理子模块用于对所述抓取处理得到的教学信息进行关于信息分区的预处理,以获得若干不同分区的预处理信息;

所述信息学习分析子模块用于通过预设神经网络模型对所述若干不同分区的预处理信息进行学习分析处理,以获得教学信息学习分析结果;

所述文本识别结果生成子模块用于对所述教学信息学习分析结果进行文本转换处理,以获得关于所述教学内容的文本识别结果;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海松鼠课堂人工智能科技有限公司,未经上海松鼠课堂人工智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010000320.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top