个人学习路径生成方法、设备及可读存储介质技术

本发明专利技术公开了一种个人学习路径生成方法、设备及可读存储介质，所述个人学习路径生成方法通过采集并分析当前学生用户在学习过程中实时的动作反馈信息、情绪反馈信息与学习反馈信息，打破了现有的智能教学系统仅采集学生的学习成绩反馈数据的局限；通过预设识别算法对学生在学习过程中的动作还有情绪实时进行识别，能够更加精准地分析学生的学习状态与教学的效率；基于学生在学习过程中的动作、情绪与学习反馈的分析结果、基于教学大纲所指定的教育知识结构以及预设的学习模式效果响应库，对学生的学习路径进行规划，生成各学生专属的个人学习路径，提升了个人学习路径对于对应学生的适配度，进而提高了学生的学习效率。

Personal learning path generation method, device and readable storage medium

【技术实现步骤摘要】
个人学习路径生成方法、设备及可读存储介质
本专利技术涉及智能教学
，尤其涉及一种个人学习路径生成方法、设备及可读存储介质。
技术介绍
随着科学技术的迅速发展，教育系统越来越趋向于智能化。但现有的智能教学系统依然停留在通过收集分析学生用户的学习成绩反馈信息对目标用户进行学习引导，而无法准确获知学生的学习状态与教学效率，因而无法根据学生制定符合自身学习情况的个人学习路径，学生基于不适合自身的学习路径进行学习的效率往往也比较低下，从而导致了解决了现有智能教学系统根据个人学习数据所定制的个人化学习路径的适用性差的技术问题。上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
本专利技术的主要目的在于提供一种个人学习路径生成方法，旨在解决现有智能教学系统根据个人学习数据所定制的个人化学习路径的适用性差的技术问题。为实现上述目的，本专利技术提供一种个人学习路径生成方法，所述个人学习路径生成方法应用于个人学习路径生成设备，所述个人学习路径生成方法包括以下步骤：获取当前用户基于预设智能学习设备所做出的反馈信息，其中，反馈信息至少包括情绪反馈信息、动作反馈信息与学习反馈信息；基于预设识别算法与预设标准反馈规则分析所述情绪反馈信息、动作反馈信息与学习反馈信息，获取分析结果；结合分析结果、预设教育知识结构以及学习模式效果响应库，生成当前用户的个人学习路径。可选地，所述获取当前用户基于预设智能学习设备所做出的反馈信息的步骤包括：<br>基于所述预设智能学习设备中的摄像设备获取当前用户的情绪反馈信息与动作反馈信息；基于所述预设智能学习设备中的选项感应器获取当前用户的学习反馈信息。可选地，所述基于所述预设智能学习设备中的选项感应器获取当前用户的学习反馈信息的步骤包括：基于预设选项感应器获取当前用户对于每一选项勾选指令的勾选次数与勾选正误信息，将所述勾选次数与勾选正误信息作为所述学习反馈信息。可选地，所述基于预设识别算法与预设标准反馈规则分析所述情绪反馈信息、动作反馈信息与学习反馈信息，获取分析结果的步骤包括：基于预设动作情绪匹配规则，识别所述情绪反馈信息的情绪类别；基于预设识别算法中的动作识别算法与预设标准反馈规则，判断当前用户对于指定动作指令的动作反馈类型；基于预设标准反馈规则判断所述学习反馈信息所指向知识点的熟练程度，其中，所述情绪类别、动作反馈类型与熟练程度为所述分析结果。可选地，所述基于预设识别算法中的动作识别算法与预设标准反馈规则，判断当前用户对于指定动作指令的动作反馈类型的步骤包括：基于所述动作识别算法，判断当前用户在翻页动作指令发出后的预设第一时长内是否做出翻页动作；若当前用户在所述预设第一时长内做出翻页动作，则判定所述翻页动作指令对应的动作反馈类型为正确反馈类型；若当前用户在所述预设第一时长内未做出翻页动作，则判断当前用户是否在预设第二时长内做出翻页动作，其中，所述预设第二时长大于所述预设第一时长。可选地，所述若当前用户在所述预设第一时长内未做出翻页动作，则判断当前用户是否在预设第二时长内做出翻页动作的步骤之后，还包括：若当前用户在所述预设第二时长内做出翻页动作，则判定所述翻页动作指令对应的动作反馈类型为滞后反馈类型；若当前用户在所述预设第二时长内未做出翻页动作或做出非翻页动作，则判定所述翻页动作指令对应的动作反馈类型为错误反馈类型。可选地，所述结合分析结果、预设教育知识结构以及学习模式效果响应库，生成当前用户的个人学习路径的步骤包括：基于指向知识点的所述熟练程度生成当前用户的个人知识结构；对比预设教育知识结构与所述个人知识结构，确定所述个人学习路径中的待掌握知识点，以基于所述待掌握知识点为当前用户制定碎片化学习内容；基于所述情绪类别、动作反馈类型与学习模式效果响应库，确定所述个人学习路径中的学习阶段规划与学习内容优先级。可选地，所述获取当前用户基于预设智能学习设备所做出的反馈信息的步骤之前，还包括：基于预设图像边缘算法对预存人物图像进行边缘处理，生成目标教师形象；对所述目标教师形象进行表情匹配，生成动态虚拟教师形象，以将所述动态虚拟教师形象运用于虚拟课堂，并通过所述预设智能学习设备中的家庭智能电视放映。此外，为实现上述目的，本专利技术还提供一种个人学习路径生成设备，所述个人学习路径生成设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的个人学习路径生成程序，所述个人学习路径生成程序被所述处理器执行时实现如上述的个人学习路径生成方法的步骤。此外，为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有个人学习路径生成程序，所述个人学习路径生成程序被处理器执行时实现如上述的个人学习路径生成方法的步骤。本专利技术提供一种个人学习路径生成方法、设备及计算机可读存储介质。所述个人学习路径生成方法通过获取当前用户基于预设智能学习设备所做出的反馈信息，其中，反馈信息至少包括情绪反馈信息、动作反馈信息与学习反馈信息；基于预设识别算法与预设标准反馈规则分析所述情绪反馈信息、动作反馈信息与学习反馈信息，获取分析结果；结合分析结果、预设教育知识结构以及学习模式效果响应库，生成当前用户的个人学习路径。通过上述方式，本专利技术通过采集并分析当前学生用户在学习过程中实时的动作反馈信息、情绪反馈信息与学习反馈信息，打破了现有的智能教学系统仅采集学生的学习成绩反馈数据的局限，使得学生在学习过程中的动作与情绪也能够作为考量学习情况的部分依据；通过预设识别算法对学生在学习过程中的动作还有情绪实时进行识别，能够更加精准地分析学生的学习状态与教学的效率；基于学生在学习过程中的动作、情绪与学习反馈的分析结果与预设的学习模式效果响应库，以及基于教学大纲所指定的教育知识结构，对学生的学习路径进行规划，生成各学生专属的个人学习路径，提升了个人学习路径对于对应学生的适配度，进而提高了学生的学习效率，从而解决了现有智能教学系统根据个人学习数据所定制的个人化学习路径的适用性差的技术问题。附图说明图1是本专利技术实施例方案涉及的硬件运行环境的设备结构示意图；图2为本专利技术个人学习路径生成方法第一实施例的流程示意图；图3为本专利技术个人学习路径生成方法第二实施例的流程示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。如图1所示，图1是本专利技术实施例方案涉及的硬件运行环境的终端结构示意图。本专利技术实施例终端可以是PC，也可以是智能手机、平板电脑、电子书阅读器、MP3(MovingPictureExpertsGroupAudioLayerIII，动态影像专家压缩标准音频层面3)播放器、MP4(MovingPictureExpe本文档来自技高网...

【技术保护点】
1.一种个人学习路径生成方法，其特征在于，所述个人学习路径生成方法包括：/n获取当前用户基于预设智能学习设备所做出的反馈信息，其中，反馈信息至少包括情绪反馈信息、动作反馈信息与学习反馈信息；/n基于预设识别算法与预设标准反馈规则分析所述情绪反馈信息、动作反馈信息与学习反馈信息，获取分析结果；/n结合分析结果、预设教育知识结构以及学习模式效果响应库，生成当前用户的个人学习路径。/n

【技术特征摘要】
1.一种个人学习路径生成方法，其特征在于，所述个人学习路径生成方法包括：
获取当前用户基于预设智能学习设备所做出的反馈信息，其中，反馈信息至少包括情绪反馈信息、动作反馈信息与学习反馈信息；
基于预设识别算法与预设标准反馈规则分析所述情绪反馈信息、动作反馈信息与学习反馈信息，获取分析结果；
结合分析结果、预设教育知识结构以及学习模式效果响应库，生成当前用户的个人学习路径。


2.如权利要求1所述的个人学习路径生成方法，其特征在于，所述获取当前用户基于预设智能学习设备所做出的反馈信息的步骤包括：
基于所述预设智能学习设备中的摄像设备获取当前用户的情绪反馈信息与动作反馈信息；
基于所述预设智能学习设备中的选项感应器获取当前用户的学习反馈信息。


3.如权利要求2所述的个人学习路径生成方法，其特征在于，所述基于所述预设智能学习设备中的选项感应器获取当前用户的学习反馈信息的步骤包括：
基于预设选项感应器获取当前用户对于每一选项勾选指令的勾选次数与勾选正误信息，将所述勾选次数与勾选正误信息作为所述学习反馈信息。


4.如权利要求1所述的个人学习路径生成方法，其特征在于，所述基于预设识别算法与预设标准反馈规则分析所述情绪反馈信息、动作反馈信息与学习反馈信息，获取分析结果的步骤包括：
基于预设动作情绪匹配规则，识别所述情绪反馈信息的情绪类别；
基于预设识别算法中的动作识别算法与预设标准反馈规则，判断当前用户对于指定动作指令的动作反馈类型；
基于预设标准反馈规则判断所述学习反馈信息所指向知识点的熟练程度，其中，所述情绪类别、动作反馈类型与熟练程度为所述分析结果。


5.如权利要求4所述的个人学习路径生成方法，其特征在于，所述基于预设识别算法中的动作识别算法与预设标准反馈规则，判断当前用户对于指定动作指令的动作反馈类型的步骤包括：
基于所述动作识别算法，判断当前用户在翻页动作指令发出后的预设第一时长内是否做出翻页动作；
若当前用户在所述预设第一时长内做出翻页动作，则判定所述翻页动作指令对应的动作反馈类型为正确反馈类型；
若当前用户在所述预设第一时...

【专利技术属性】
技术研发人员：杨思洋，
申请(专利权)人：深圳泺息科技有限公司，
类型：发明
国别省市：广东;44