[发明专利]基于回归分析的教学评价方法及系统

权利要求书

1.一种基于回归分析的教学评价方法，其特征在于：包括以下步骤：

获取待评估学生相邻的两次成绩名次以及待评估时间段的所有学生全景视频数据；

根据获取的所有学生全景视频数据和预设的学生情感表情识别模型，得到每个学生的心理状态识别结果；

根据相邻的两次成绩排名和回归分析得到名次增量模型，根据某一个学生集合所有学生的平均基础名次和名次增量模型，得到基础名次对名次增量的影响；利用原始平均名次增量减去基础名次对名次增量的影响，得到去除基础影响后的名次增量；

对获取的去除基础影响后的名次增量和学生的心理状态识别结果进行加权求和，得到最终的评估结果；

利用回归分析的方法确定了名次增量和基础名次的关系，进而消除了教学班基础差异对增量评估的影响，结合了各个学生每节课的心理状态评估结果，实现了更准确更全面的教学评价；

其中，得到去除基础影响后的名次增量的方法为：

(1)设年级共有学生n人，学生i的基础名次记做x_i，i＝1,2,…,n.经过一段时间的教学，学生i的年级名次变为x′_i，i＝1,2,…,n；

(2)学生i获得的名次增量为y_i＝x_i-x′_i，i＝1,2,…,n；

(3)名次增量和基础名次有关，设函数关系式为y＝f(x)，其中x表示基础名次，y表示名次增量；

(4)函数y＝f(x)中含有未知参数，利用回归分析结合给出的数据(x_i，y_i),i＝1,2,…,n，确定函数中的未知参数；

(5)设年级共有m个教学班，教学班k所有学生的平均基础名次为X_k，k＝1,2,…,m，经过一段时间的教学，教学班k所有学生获得的原始平均名次增量为Y_k，k＝1,2,…,m；

(6)将教学班k的平均基础名次X_k代入函数y＝f(x)，计算出基础名次对名次增量的影响Y_k^*＝f(X_k)，k＝1,2,…,m；

(7)从原始名次增量Y_k中去掉基础名次的影响Y_k^*，记Z_k＝Y_k－Y_k^*，k＝1,2,…,m，则Z_k为去除班级学生基础影响后的名次增量；

(8)利用Z_k对不同的教学班或者教师进行教学质量的评估。

2.如权利要求1所述的基于回归分析的教学评价方法，其特征在于：

根据相邻两次的成绩排名结果，构建名次增量模型，利用回归分析的方法得到名次增量模型的参数。

3.如权利要求1所述的基于回归分析的教学评价方法，其特征在于：

接收学生全景视频并对所述学生全景视频进行畸变校正及网格映射得到每位学生的学生目标视频；

输入所述每位学生的学生目标视频至所述学生情感表情识别模型中进行识别得到每位学生的激活度和愉悦度；

根据所述每位学生的学生目标视频计算每位学生的活跃度；

接收预设音频采集设备采集的每位学生的音频并根据所述每位学生的音频计算每位学生的负面情绪；

根据所述激活度、愉悦度、活跃度及负面情绪分析每位学生的心理状态。

4.如权利要求3所述的基于回归分析的教学评价方法，其特征在于：

对所述学生全景视频进行畸变校正及网格映射得到每位学生的学生目标视频包括：

采用视频动态畸变校正算法对所述学生全景视频进行畸变校正得到标准学生全景视频；

对所述标准学生全景视频进行分帧处理得到多张学生全景图像；

根据学生座位位置ID背景图像对每张学生全景图像进行网络映射得到学生ID全景图像；

分割出每张学生ID全景图像中的每一个学生ID对应的目标学生图像；

按照时间顺序将同一个学生ID对应的所有目标学生图像拼接为学生目标视频。