[发明专利]一种基于多源数据融合的在线教育用专注度评价方法

说明书

本申请属于计算机视觉与智慧教育的技术领域，尤其涉及一种基于多源数据融合的在线教育用专注度评价方法，包括：构建专注度多层模糊评估模型；获取实际视频信息并且对实际视频信息进行预处理，得到预处理视频信息；依据预处理视频信息，确定学习者在学习过程中的离开时长、头部姿态角度、眨眼频率和闭眼时长、打哈欠频率和学习者表情；代入所述离开时长、头部姿态角度、眨眼频率、闭眼时长、打哈欠频率和学习者表情至专注度多层模糊评估模型，得到学习者的学习专注度。本申请通过获取的学习视频作为信息来源，所以不会打扰到教学过程，能够保持课堂教学的原生态，通过无扰观察得出真实的课堂评价结果，实现客观量化和公平公正的评价。

技术领域

本申请属于计算机视觉与智慧教育的技术领域，尤其涉及一种基于多源数据融合的在线教育用专注度评价方法。

背景技术

人工智能技术飞速发展，已经形成与各行各业深度融合的趋势，在智慧教育背景下，高校教学中对学生专注度开展自动化分析，智能化评估是实现智慧教育的关键环节，势在必行。在线学习成为了目前大多数学校和教育机构的应对方案。但是在线学习中，教师对于学生的学习状态掌握不够，因此如何评估在线学习中的学生专注度具有重要现实意义。

但是，现有课堂评价方法主要以人工方式进行，具有评价费用高、难以进行持久、主观性较强和评价结论不客观等缺陷，此外基于课堂观察的课堂评价可能会给教学过程带来干扰。

发明内容

本申请提供了一种基于多源数据融合的在线教育用专注度评价方法，能够解决现有技术中存在的评价费用高、难以进行持久、主观性较强和评价结论不客观等缺陷，以及基于课堂观察的课堂评价可能会给教学过程带来干扰的问题。

本申请的技术方案是一种基于多源数据融合的在线教育用专注度评价方法，包括：

S1：构建基于在线教育学习者的离开时长、头部姿态角度、眨眼频率、闭眼时长、打哈欠频率和学习者表情的专注度多层模糊评估模型；

S2：获取关于在线教育学习者的实际视频信息，以及对所述实际视频信息进行预处理，得到预处理视频信息；

S3：依据所述预处理视频信息，确定学习者在学习过程中的离开时长；

S4：依据所述预处理视频信息，确定学习者在学习过程中的头部姿态角度；

S5：依据所述预处理视频信息，确定学习者在学习过程中的眨眼频率和闭眼时长；

S6：依据所述预处理视频信息，确定学习者在学习过程中的打哈欠频率；

S7：依据所述预处理视频信息以及基于预设的表情判断模型，确定学习者在学习过程中的学习者表情；

S8：代入所述离开时长、头部姿态角度、眨眼频率、闭眼时长、打哈欠频率和学习者表情至专注度多层模糊评估模型，得到学习者的学习专注度。

可选地，所述步骤S1包括：

S101：通过层次分析法，建立包括离开时长、头部姿态角度、眨眼频率、闭眼时长、打哈欠频率、学习者表情的多源数据对专注度影响的层次结构模型；

S102：根据比较标度，构建判断矩阵；

S103：计算出判断矩阵的特征向量和特征根，以及对特征向量归一化处理，得到相应于多源数据的权重值；

104：基于预设的期待阈值，对所述判断矩阵进行一致性检验，如果检验结果不符合预期的期待阈值，调整所述判断矩阵的权重。

可选地，所述预处理视频信息包括：处理帧图像；

以及，所述步骤S2包括：