一种线上课堂学生情绪分析方法和系统技术方案

本发明专利技术公开了一种线上课堂学生情绪分析方法，应用于包含教师客户端、学生客户端和在线教学系统服务器的教学系统中，所述方法包括：读取课堂教学过程数据；基于课堂教学音频、视频数据识别学生上课情绪；基于课堂教学音频、视频、行为日志的相关数据分析教学过程互动性；分析课堂学生情绪与教学过程互动性的关系；输出分析结果用于指导后续教学活动。还公开了一种线上课堂学生情绪分析系统，包括采集模块、存储模块、读取模块、计算模块和显示模块。本发明专利技术通过分析学生在课堂上的情绪与教学过程互动性之间的关联，可以发现教学过程中存在的问题，有效提高教师的教学水平，为教育机构实施有效的教学活动提供了可行方向。

【技术实现步骤摘要】
一种线上课堂学生情绪分析方法和系统
本专利技术涉及在线教育
，具体涉及一种线上课堂学生情绪分析方法和系统。
技术介绍
互联网和信息技术带来了教育资源的跨时空整合、教育资源利用率的提高和教学质量的提升。在线教育正推动本行业产生广泛和深刻的变革，在线组卷和题库系统、在线1对1和在线直播等在线资源和教学方式极大方便和改变了人们的学习方式。教育的一个重要目的是提高教学效果，让学习者能够有效快速掌握知识。而在上课过程中，学生的学习情绪对课程的学习效果有着直接的影响。在传统的线下教学中，学生在课上的学习情绪通常由老师直观的观察，并没有相关的完整数据用于指导老师。对于线上课程，为了更好的确保教学水平，提高学生的学习效果，需要提供一种方法用于分析学生的学习情绪和教学过程中互动性之间的关联性，从而更加直观的评价老师的教学水平，也为老师的教学改进提供了有效依据，可以更加迅速的提高老师的教学水准，更好地在课程中激发学生的积极情绪。目前的在线教育中没有相关研究，缺乏可以多维度地分析学生的学习情绪与课堂教学过程的关联性，不能有效识别课堂中学生的情绪，以及学生情绪与教学过程互动性的关系。
技术实现思路
有鉴于此，本专利技术的目的是针对现有技术的不足，提供一种线上课堂学生情绪分析方法，该方法可以高效地发现学生课堂情绪与教学过程互动性的关联，为教育机构改善、提高教学质量提供可行方向，有效提高学生的学习效果。本专利技术还提供了一种线上课堂学生情绪分析系统。为达到上述目的，本专利技术采用以下技术方案：<br>一种线上课堂学生情绪分析方法，应用于包含教师客户端、学生客户端和在线教学系统服务器的教学系统中，所述方法包括：S110、读取课堂教学过程数据：基于在线教学系统服务器，获取的课堂教学过程数据包括：课堂教学音频、视频、行为日志和手写白板的相关数据；S120、基于课堂教学音频、视频数据识别学生上课情绪；S130、基于课堂教学音频、视频、行为日志的相关数据分析教学过程互动性；S140、分析课堂学生情绪与教学过程互动性的关系；S150、输出分析结果用于指导后续教学活动。优选的，所述在线教学系统服务器运行有数据库，所述数据库为关系型数据库MySQL或非关系型数据库MongoDB，用于记录课堂教学过程数据。优选的，步骤S120中所述的学生上课情绪采用Pekrun编制的教学学业情绪量表进行判断，其中包括的学生情绪分为高兴、自豪、生气、焦虑、羞愧、无助和厌倦7个维度。优选的，学生上课情绪的判断方法采用支持向量机（SVM）或深度神经网络（DNN）方法。优选的，判断学生上课情绪的步骤包括：S310：从数据库中读取每个课堂教学过程的音频、视频数据；S320：截取课堂中音频、视频数据中的学生音频和视频；S330：对学生音频中含有的所述教学学业情绪量表中的情绪特征进行提取；S340：对学生视频中含有的所述教学学业情绪量表中的情绪特征进行提取；S350：结合学生音频和视频中提取出来的特征，采用语音识别和图像识别技术对每个课堂上学生情绪进行分类。优选的，步骤S130中教学过程互动性的特征内容包括：学生-课程内容交互频度、学生-教师交互频度、学生-系统交互频度和课程内容切换频率的教学过程互动信息。优选的，获取教学过程互动性的方法，包括以下步骤：S210：从数据库中读取每个课堂教师和学生的音频数据；S220：将上述音频数据以一定的采样时间间隔分段截取采样；S230：对每段的采样音频进行特征提取；S240：根据每段采样音频的特征判别属于教师言语还是学生言语；S250：结合课件切换、白板书写、鼠标点击频率的数据来统计教学过程互动性。优选的，步骤S140中学生情绪与教学过程互动性关系的分析采用统计分析算法，将每种学生情绪对应的所有课堂中的教学过程互动信息求均值向量，从而得出每种情绪对应的学生-课程内容交互频度、学生-教师交互频度、学生-系统交互频度、课程内容切换频率。一种线上课堂学生情绪分析系统，包括：用于录入课堂教学过程数据的采集模块、用于存储课堂教学过程数据的存储模块、用于读取课堂教学过程数据的读取模块、用于对读取的课堂教学过程数据进行分析的计算模块和显示模块，所述显示模块将计算模块所得的计算结果推送给教学相关人员，用于指导后续教学服务；所述采集模块、存储模块、读取模块、计算模块和显示模块分别通过程序接口依次相连接。本专利技术的有益效果是：本专利技术首先通过在线教学系统服务器对课堂教学过程数据进行记录，方便教学过程中学生情绪的分析和学生情绪与教学过程互动性关系的分析；通过对学生情绪与教学过程互动性分析，可以清楚直观的展现出教学过程中存在的问题，为改善教学方式和提高老师的教学水平提供参考；同时根据学生的情绪和教学互动性可以更好的把握学生对相关知识的掌握情况，进一步掌握学生的学习情况，方便老师了解学生的不足之处，而做针对性的加强。本专利技术的分析方法精确性高，分析提取过程简单。本专利技术的系统通过采集模块将课堂教学过程数据录入，并存储在存储模块内，然后由读取模块读取课堂教学过程数据，再由计算模块对读取模块读取的信息进行学生情绪与教学过程互动性之间关联性的分析；最终由显示模块将计算所得的相关结果显示给教务人员、教师等相关人员，用于指导后续教学服务。附图说明图1是本专利技术一实施例提出的线上课堂学生情绪分析方法流程示意图；图2是本专利技术获取教学过程互动性的方法流程示意图；图3是本专利技术学生上课情绪分析方法的流程示意图；图4是本专利技术教学过程互动信息示例图；图5是教学学业情绪量表中学生情绪分类示意图；图6是本专利技术实施例所应用的场景示例图；图7是本专利技术线上课堂学生情绪分析系统的连接示意图；图8是本专利技术运行计算机的连接示意图。具体实施方式为了对本专利技术的技术特征、目的和效果有更加清楚的理解，下面结合附图和实施例对本专利技术作进一步描述。实施例1本专利技术实施例的一个可选应用场景为一对一在线教学，如图6所示，一个线上教学系统所能实施的示意环境100包括：教师客户端设备131、学生客户端设备121和在线教学系统服务器141，且它们均通过程序接口通过网络110相连。网络110：在线学生、教师和在线教学系统服务器均通过该网络进行相关数据交互、传输，该网络包括但不限于有线网、无线网、Internet广义网等。学生通过学生客户端设备121进行上课，学生客户端设备121包括但不限于个人电脑、平板电脑和智能手机等。学生客户端设备121上可运行在线上课软件122，学生可以通过该软件进行线上课程学习。教师通过教师客户端设备131进行教学，教师客户端设备131包括但不限于个人电脑、平板电脑和智能手机等。教师客户端设备上运行有线上教学软件632，教师可以通过该软件录入相关个人信息，开展线上教学活动。...

【技术保护点】
1.一种线上课堂学生情绪分析方法，应用于包含教师客户端、学生客户端和在线教学系统服务器的教学系统中，其特征在于，所述方法包括：/nS110、读取课堂教学过程数据：基于在线教学系统服务器，获取的课堂教学过程数据包括：课堂教学音频、视频、行为日志和手写白板的相关数据；/nS120、基于课堂教学音频、视频数据识别学生上课情绪；/nS130、基于课堂教学音频、视频、行为日志的相关数据分析教学过程互动性；/nS140、分析课堂学生情绪与教学过程互动性的关系；/nS150、输出分析结果用于指导后续教学活动。/n

【技术特征摘要】
1.一种线上课堂学生情绪分析方法，应用于包含教师客户端、学生客户端和在线教学系统服务器的教学系统中，其特征在于，所述方法包括：
S110、读取课堂教学过程数据：基于在线教学系统服务器，获取的课堂教学过程数据包括：课堂教学音频、视频、行为日志和手写白板的相关数据；
S120、基于课堂教学音频、视频数据识别学生上课情绪；
S130、基于课堂教学音频、视频、行为日志的相关数据分析教学过程互动性；
S140、分析课堂学生情绪与教学过程互动性的关系；
S150、输出分析结果用于指导后续教学活动。


2.根据权利要求1所述的线上课堂学生情绪分析方法，其特征在于，所述在线教学系统服务器运行有数据库，所述数据库为关系型数据库MySQL或非关系型数据库MongoDB，用于记录课堂教学过程数据。


3.根据权利要求1所述的线上课堂学生情绪分析方法，其特征在于，步骤S120中所述的学生上课情绪采用Pekrun编制的教学学业情绪量表进行判断，其中包括的学生情绪分为高兴、自豪、生气、焦虑、羞愧、无助和厌倦7个维度。


4.根据权利要求3所述的线上课堂学生情绪分析方法，其特征在于，学生上课情绪的判断方法采用支持向量机（SVM）或深度神经网络（DNN）方法。


5.根据权利要求4所述的线上课堂学生情绪分析方法，其特征在于，判断学生上课情绪的步骤包括：
S310：从数据库中读取每个课堂教学过程的音频、视频数据；
S320：截取课堂中音频、视频数据中的学生音频和视频；
S330：对学生音频中含有的所述教学学业情绪量表中的情绪特征进行提取；
S340：对学生视频中含有的所述教学学业情绪量表中的情绪特征...

【专利技术属性】
技术研发人员：刘建伟，
申请(专利权)人：上海复岸网络信息科技有限公司，
类型：发明
国别省市：上海;31