[发明专利]基于学习效率的高校非母语教室声环境的综合评估方法

权利要求书

1.基于学习效率的高校非母语教室声环境的综合评估方法，其特征在于：它包括以下步骤：

S1、确定非母语环境下教室声环境控制指标及影响因素；

S2、获取一段某种语言，以及多个教室的声学参数；

S3、根据S2中语言和多个教室的声学参数，在每个教室内采用录音重放的方法对语言清晰度进行计算，得到对应教室的语言清晰度得分；

根据各声学参数和语言清晰度得分得到各声学参数和语言清晰度的关系；

根据各声学参数和语言清晰度的关系、语言清晰度得分构建声学预测模型，将某个教室的各声学参数和语言输入声学预测模型内，输出对应教室的语言清晰度得分；

S4、确定非母语环境下教室声环境对声舒适度的影响因素，根据影响因素建立多级教室声环境舒适评价模型，并制作声舒适度的受访者问卷，通过受访者问卷和多级教室声环境舒适评价模型得到声环境舒适度得分；

S5、根据非母语环境下教室内的不同的教学模式，建立不同难度的学习任务模式，获取每种学习任务模式的任务完成速度和正确率，根据不同学习任务模式的任务完成速度和正确率、语言清晰度得分、声舒适度得分建立声环境学习效率模型，根据S1中的控制指标及影响因素建立学习效率测试，基于学习效率测试结果和声环境学习效率模型计算学习效率百分数，完成对教室的声环境评估。

2.根据权利要求1中所述的基于学习效率的高校非母语教室声环境的综合评估方法，其特征在于：S1的控制指标及影响因素为：

在声场层面，以混响时间、早期衰减时间、早迟声能比、语言传输指数、有益有害声能比、信噪比为控制指标；

在声源方面，以声源的分布情况、声源类型、声源频率特性、声源声压级、声源混响条件、声源组成比例为影响因素，声源的分布情况包括声源的分布位置和数量，声源类型包括人声、自然声、交通噪声，声源组成比例为不同声源类型的组成比例；

在使用者感知方面，以使用者的社会特征、教室设施产生噪声的声感知评价、教室内部声环境感知评价、教室外部声环境感知评价、教学方式为影响因素，使用者的社会特征包括使用者性别、年龄、学历教育、声音敏感性。

3.根据权利要求2中所述的基于学习效率的高校非母语教室声环境的综合评估方法，其特征在于：S2具体过程为：

S21、根据某语言国际标准建立某语言清晰度测试材料，测试材料为发音相似的单音字，邀请以某语言为母语的人员在全消声室内录制语言清晰度测试材料，得到录音，利用声学分析软件将录音编辑为固定语速、固定声级、固定间隔时间，得到语言清晰度测试样本；

S22、根据声学采集系统和声级计，以及语言清晰度测试样本测量某个教室a的声学参数：语言传输指数、信噪比、混响时间、早期衰减时间、明晰度。

4.根据权利要求3中所述的基于学习效率的高校非母语教室声环境的综合评估方法，其特征在于：S3具体过程为：

S31、在教室a中公放语言清晰度测试样本，并选取一部分人为听音人，听音人对公放的语言清晰度测试样本进行区分和评价，计算被听音人正确识别的单音字的百分数，得到教室a的语言清晰度得分；

S32、收集典型教室的各声学参数和对应教室内多测量点的语言清晰度得分，利用数据分析方法获得各声学参数和语言清晰度的关系；

S33、根据各声学参数和语言清晰度的关系、语言清晰度得分构建声学预测模型，声学预测模型为逻辑回归模型，将典型教室的各声学参数和语言输入声学预测模型内进行训练，根据各声学参数和语言清晰度的关系，输出对应教室的语言清晰度得分，直至满足迭代最大次数上限或loss损失不变，得到训练好的声学预测模型。

5.根据权利要求4中所述的基于学习效率的高校非母语教室声环境的综合评估方法，其特征在于：S3中声学预测模型为

其中，SI表示语言清晰度得分，STI表示语言传输指数，SNR表示信噪比，EDT表示早期衰减时间，C₈₀表示明晰度；在进行实际计算时，获取的声学参数可能是一个或多个，可以根据上述一个或多个声学预测模型计算语言清晰度得分，若选择多个声学预测模型，则将多个声学预测模型的结果进行平均，得到最终的语言清晰度得分。