[发明专利]教师内隐经验的多模态析取方法、系统及存储介质

权利要求书

1.教师内隐经验的多模态析取方法，其特征在于：包括以下步骤：

S100：获取优秀教师的授课原始数据；

S200：从授课原始数据中提取优秀教师内隐经验相关的多个维度的行为特征，分别生成多个维度下的行为特征集合；

S300：构建关于行为特征的内隐经验表达模型，将多个维度下行为特征集合汇入内隐经验表达模型；

S400：重复S100-S300，基于内隐经验表达模型，提取多个优秀教师的内隐经验表征并存储形成经验库。

2.根据权利要求1所述的教师内隐经验的多模态析取方法，其特征在于：所述S200包括以下步骤：

S210：从授课原始数据中提取优秀教师的言语特征；

S211：通过语义识别分别对言语特征进行分类，根据言语特征分类结果建立言语特征集合。

3.根据权利要求2所述的教师内隐经验的多模态析取方法，其特征在于：

所述S211包括以下步骤：

S2111：按照预设规则提取言语特征中的独立特征、统计类特征以及组合类特征，所述独立特征包括提问类特征和陈述类特征；

S2112：建立言语特征集合S＝[(S₁,S₂,S₃,S₄,S₅,S₆）,(S₇,S₈),S₉]；

其中S₁-S₄为提问类特征，S₁表示聚焦学科内容的提问，S₂表示激发元认识的提问，S₃表示激发学生参与的提问，S₄表示聚焦评价的提问，S₅-S₆表示陈述类特征，S₅表示对内容、语气、语速的表达，S₆表示回应学生的提问；

S₇-S₈为统计类特征，S₇表示聚焦学科内容的提问类型统计，S₈聚焦实际答案的首个提问类型；

S₉为组合类特征，表示提问和回答的组合。

4.根据权利要求2所述的教师内隐经验的多模态析取方法，其特征在于：所述S200还包括以下步骤：

S220：从授课原始数据中提取优秀教师的非言语特征；

S221：通过视觉识别分析提取非言语特征中的体态特征和情绪特征，分别生成体态特征集合和情绪特征集合。

5.根据权利要求4所述的教师内隐经验的多模态析取方法，其特征在于：所述S221包括以下步骤：

S2211：根据识别结果将体态特征划分为非移动体态和移动体态；

S2212：建立体态特征集合B＝[B_nm,B_m]

其中B_nm为非移动特征，包括站姿和坐姿，B_m为移动特征，包括头部姿态、手势以及步伐姿态。

6.根据权利要求5所述的教师内隐经验的多模态析取方法，其特征在于：所述S221还包括以下步骤：

S2213：根据识别结果将情绪特征类型；

S2214：建立情绪特征集合E＝H_appy，S_ad，A_nger，F_ear，H_ate，S_urprise，N_eutral]

其中H_appy表示高兴情绪，S_ad表示悲伤情绪，A_nger表示愤怒情绪，F_ear表示恐惧情绪，H_ate表示厌恶情绪，S_urprise表示惊讶情绪，N_eutral表示中性情绪。