一种基于深度学习的个性化远程教育系统及方法技术方案

本发明专利技术公开了一种基于深度学习的个性化远程教育系统及方法，该系统包括教师端、远程教育端、学生端、个性化题库分析模块、学生专注度检测模块和学生信息库；学生端通过网络学习平台连接远程教育端；教师端用于教师直播或录播上课，学生端用于学生学习，远程教育端用于辅助教师教学，个性化题库分析模块用于根据学员的学习进度、学习错误题目和题库加载的高频错误点进行统计，针对每位同学推送对应题目，学生专注度检测模块用于将视觉图像送入深度学习框架进而分析学习者的专心程度。本发明专利技术在传统的高效远程教育管理系统基础上增加了个性化题库分析模块，实现对不同的用户端，不同的学习目的进行自适应的适配，达到智能教学的目的。

【技术实现步骤摘要】
一种基于深度学习的个性化远程教育系统及方法
本专利技术涉及远程教育
，具体涉及一种基于深度学习的个性化远程教育系统及方法。
技术介绍
随著互联网应用的发展，人们越来越多地把学习过程放到网络上来，而不再局限于传统的教室学习。网络学习特有的即时性和功能性使它成为许多远程学习者的首选。远程教育的特点决定了学生以自学为主，学生和教师、同学相互分离，课堂的氛围缺失，教师无法实时了解到学生状态等多方面因素导致远程教育学习效果差、辍学率高。另外，传统的远程教育以系统自身为中心，忽略受教育时象之间存在鲜明的个性特征差异，学生只能被动地接受完全相同的学习内容，而不能主动地根据自己的需要选择、调度、控制自己的学习过程，如此一来，丰富的教育资源未能得到充分利用，造成了交互性差、教学效果不明显等诸多问题。虽然多种名校名师在线教学优质资源极大丰富，但大多数学生学习仍缺少归属感和成就感，自主学习能力不高。因此，如何促进学生自主学习，保证学习效果，构建有效的远程教育系统一直是远程教育院校不断研究探索的难题。专利
技术实现思路
为本文档来自技高网...

【技术保护点】
1.一种基于深度学习的个性化远程教育系统，其特征在于，包括：教师端、远程教育端、学生端、个性化题库分析模块、学生专注度检测模块和学生信息库；/n所述学生端通过网络学习平台连接远程教育端；/n所述教师端用于教师直播或录播上课，所述学生端用于学生学习，所述远程教育端用于辅助教师教学，所述个性化题库分析模块用于根据学员的学习进度、学习错误题目和题库加载的高频错误点进行统计，针对每位同学推送对应题目，所述学生专注度检测模块用于将视觉图像送入深度学习框架进而分析学习者的专心程度。/n

【技术特征摘要】
1.一种基于深度学习的个性化远程教育系统，其特征在于，包括：教师端、远程教育端、学生端、个性化题库分析模块、学生专注度检测模块和学生信息库；
所述学生端通过网络学习平台连接远程教育端；
所述教师端用于教师直播或录播上课，所述学生端用于学生学习，所述远程教育端用于辅助教师教学，所述个性化题库分析模块用于根据学员的学习进度、学习错误题目和题库加载的高频错误点进行统计，针对每位同学推送对应题目，所述学生专注度检测模块用于将视觉图像送入深度学习框架进而分析学习者的专心程度。


2.根据权利要求1所述的基于深度学习的个性化远程教育系统，其特征在于，所述教师端和学生端均采用电脑、手机或者平板中的任意一种。


3.根据权利要求1或2所述的基于深度学习的个性化远程教育系统的实现方法，其特征在于，包括下述步骤：
学生端进行人脸识别验证通过后，通过互联网登入远程教育端；
在进行远程教育的过程中，调用摄像头对学生的学习状态进行录像，并将信号分解为按时间排序的图像序列，传入学生专注度检测模块进行专注度检测；
将学生在上课学习过程中的随堂检测情况和专注度评级一起存入学生信息库，供教师端查看；
构建个性化题库分配模块，根据学员的学习进度和上次学习错误题目，以及题库加载的高频错误点进行统计，针对每位同学推送对应题目。


4.根据权利要求3所述的基于深度学习的个性化远程教育系统的实现方法，其特征在于，所述传入学生专注度检测模块进行专注度检测，具体步骤包括：
采用Adaboost算法通过迭代的方法挑选出合适的Ha...

【专利技术属性】
技术研发人员：朱静，王茹皓，吕敏玲，李浩明，明家辉，邓海燕，杨强，
申请(专利权)人：广州大学，
类型：发明
国别省市：广东;44