System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及算法的领域,尤其涉及一种学习注意力及专注度识别方法。
技术介绍
1、随着信息技术的发展,利用计算机监测分析课堂学习行为的方法系统也在不断出现。在呼叫中心话务员的培训过程中,由于话务员培训群体很大,而且大部分是远程培训,话务员学生的学习注意力经常不集中,目前学生姿态信息采集系统主站具备终端动作事件的展示和动作判断功能,但是很难从大量的动作信息中有效的提取所需的监控信息。后继开发的计量动作在线监测子系统中对不同动作信息进行了分类,但也主要以查询方式为主,所以本专利技术提出一种学习注意力及专注度识别方法用于对学生学习时进行监控,当学生出现疲劳时即时提醒,保证学生学习效率。
技术实现思路
1、本专利技术提供一种学习注意力及专注度识别方法,以解决现有技术中的一项或多项缺失。
2、本专利技术提供一种学习注意力及专注度识别方法,所述方法包括:从学生姿态信息采集系统获取学生的微表情数据、学生姿态反应速度数据及在单位时间范围内的学生姿态动作数据;利用所述学生姿态动作数据中的不同动作,从所述学生姿态信息采集系统获取所述不同动作的历史学生姿态动作数据;利用所述微表情数据,从所述学生姿态信息采集系统获取在所述设定时间内相似学生的学生姿态动作数据;利用所述学生姿态动作数据、所述学生姿态反应速度数据、所述历史学生姿态动作数据及所述相似学生的学生姿态动作数据生成所述学生姿态动作数据中不同动作的注意力及专注度下降出现的可能原因及注意力及专注度下降休息意见。
3、一个实施例中,
4、一个实施例中,所述相似学生与所述学生的学生姿态四肢动作、学生姿态眉形形态、眼部观看时间及笔记记录情况中的一个或多个相同。
5、一个实施例中,利用所述初始出现时间及其持续时长、所述初始出现频次及学习效率、所述再次出现时间及其持续时长、所述再次出现频次及所述学生姿态反应速度数据,生成所述注意力及专注度下降出现的可能原因,包括:分别利用所述再次出现时间及其持续时长和所述再次出现频次,设置时间范围、持续时长范围及频次范围;利用所述初始出现时间及其持续时长分别处于所述设定时间范围和所述设定持续时长范围内,或所述初始出现频次处于所述设定频次范围内,判断所述注意力及专注度下降出现的可能原因为所述学生的学生姿态四肢动作的问题、所述学生姿态眉形形态的问题、所述眼部观看时间的问题及所述笔记记录情况的问题中的一个或多个;利用所述学生姿态反应速度数据中的异常学生姿态次数大于设定值,判断所述注意力及专注度下降出现的可能原因为所述学生的用。
6、一个实施例中,所述方法还包括:根据相同学生姿态四肢动作的所述相似学生的学生姿态动作数据,判断所述注意力及专注度下降出现的可能原因为学生姿态四肢动作注意力及专注度下降。
7、一个实施例中,所述方法还包括:根据相同学生姿态眉形形态的所述相似学生的学生姿态动作数据,判断所述注意力及专注度下降出现的可能原因为学生姿态眉形形态注意力及专注度下降。
8、一个实施例中,所述方法还包括:根据相同眼部观看时间的所述相似学生的学生姿态动作数据,判断所述注意力及专注度下降出现的可能原因为眼部观看时间的问题。
9、一个实施例中,所述方法还包括:根据相同笔记记录情况的所述相似学生的学生姿态动作数据,判断所述注意力及专注度下降出现的可能原因为笔记记录情况的问题。
10、一个实施例中,生成所述学生姿态动作数据中不同动作的注意力及专注度下降休息意见,包括:利用所述分析结果,判断是否将所述学生列入系统动作重点监测学生,是否将所述设定时间范围列入系统动作重点监测时间范围;利用所述注意力及专注度下降出现的可能原因,生成包含休息提示指令;利用所述不同动作的注意力及专注度下降类型及所述学生的微表情数据,生成包含注意力及专注度下降不同学生的学习效率数据。
11、一个实施例中,在利用所述不同动作的注意力及专注度下降类型及所述学生的微表情数据,生成包含注意力及专注度下降不同学生的学习效率数据之后,还包括:利用所述不同动作的注意力及专注度下降类型及所述相似学生的学生姿态动作数据,生成包括复查频次建议和注意力及专注度下降可能影响范围的注意力及专注度下降排查建议。
12、本专利技术的一种学习注意力及专注度识别方法,可按照学生反应速度,统计分析历史动作诊断记录情况,支持对学生微表情、学生反应速度情况、历史动作、历史处理记录表、相似学生动作记录等信息,实现关联查询,可辅助开展注意力及专注度下降观察操作,可向学生推荐注意力及专注度下降休息意见。本专利技术可对学生姿态行为的统计分析能力,对业务数据进行监控展示,具备指标监控、趋势分析、关联分析、记录表处理以及采集观察摄像头管控功能,并能实现对学生各类信息的关联和分析,对学生行为进行预测。
本文档来自技高网...【技术保护点】
1.一种学习注意力及专注度识别方法,其特征在于,所述方法包括:
2.如权利要求1所述的一种学习注意力及专注度识别方法,其特征在于,利用所述学生姿态动作数据、所述学生姿态反应速度数据、所述历史学生姿态动作数据及所述相似学生的学生姿态动作数据生成所述学生姿态动作数据中不同动作的注意力及专注度下降出现的可能原因,包括:
3.如权利要求2所述的一种学习注意力及专注度识别方法,其特征在于,所述相似学生与所述学生的学生姿态四肢动作、学生姿态眉形形态、眼部观看时间及笔记记录情况中的一个或多个相同。
4.如权利要求3所述的一种学习注意力及专注度识别方法,其特征在于,利用所述初始出现时间及其持续时长、所述初始出现频次及学习效率、所述再次出现时间及其持续时长、所述再次出现频次及所述学生姿态反应速度数据,生成所述注意力及专注度下降出现的可能原因,包括:
5.如权利要求4所述的一种学习注意力及专注度识别方法,其特征在于,所述方法还包括:根据相同学生姿态四肢动作的所述相似学生的学生姿态动作数据,判断所述注意力及专注度下降出现的可能原因为学生姿态四肢动作注意力
6.如权利要求4所述的一种学习注意力及专注度识别方法,其特征在于,所述方法还包括:根据相同学生姿态眉形形态的所述相似学生的学生姿态动作数据,判断所述注意力及专注度下降出现的可能原因为学生姿态眉形形态注意力及专注度下降。
7.如权利要求4所述的一种学习注意力及专注度识别方法,其特征在于,所述方法还包括:根据相同眼部观看时间的所述相似学生的学生姿态动作数据,判断所述注意力及专注度下降出现的可能原因为眼部观看时间的问题。
8.如权利要求4所述的一种学习注意力及专注度识别方法,其特征在于,所述方法还包括:根据相同笔记记录情况的所述相似学生的学生姿态动作数据,判断所述注意力及专注度下降出现的可能原因为笔记记录情况的问题。
9.如权利要求1至8任一项所述的一种学习注意力及专注度识别方法,其特征在于,生成所述学生姿态动作数据中不同动作的注意力及专注度下降休息意见,包括:
10.如权利要求9所述的一种学习注意力及专注度识别方法,其特征在于,在利用所述不同动作的注意力及专注度下降类型及所述学生的微表情数据,生成包含注意力及专注度下降不同学生的学习效率数据之后,还包括:
...【技术特征摘要】
1.一种学习注意力及专注度识别方法,其特征在于,所述方法包括:
2.如权利要求1所述的一种学习注意力及专注度识别方法,其特征在于,利用所述学生姿态动作数据、所述学生姿态反应速度数据、所述历史学生姿态动作数据及所述相似学生的学生姿态动作数据生成所述学生姿态动作数据中不同动作的注意力及专注度下降出现的可能原因,包括:
3.如权利要求2所述的一种学习注意力及专注度识别方法,其特征在于,所述相似学生与所述学生的学生姿态四肢动作、学生姿态眉形形态、眼部观看时间及笔记记录情况中的一个或多个相同。
4.如权利要求3所述的一种学习注意力及专注度识别方法,其特征在于,利用所述初始出现时间及其持续时长、所述初始出现频次及学习效率、所述再次出现时间及其持续时长、所述再次出现频次及所述学生姿态反应速度数据,生成所述注意力及专注度下降出现的可能原因,包括:
5.如权利要求4所述的一种学习注意力及专注度识别方法,其特征在于,所述方法还包括:根据相同学生姿态四肢动作的所述相似学生的学生姿态动作数据,判断所述注意力及专注度下降出现的可能原因为学生姿态四肢动作注意力及专注度下降。
<...【专利技术属性】
技术研发人员:张小朝,周文,廖志鹏,
申请(专利权)人:新国脉文旅科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。