基于大数据的学生学习行为分析系统技术方案

本发明专利技术涉及行为分析技术领域，具体涉及基于大数据的学生学习行为分析系统，包括服务器和设于教室内的监控组，服务器存储有各个学生的各期成绩数据、成绩差异阈值、各个学生的正常面部信息和对应的身份信息；服务器用于根据监控组上传的画面，识别学生身份；通过学生面部特征识别处于睡觉状态下和走神状态下的学生，并对其打上睡觉学生和走神可以学生的标记；通过学生姿态，识别坐姿不良的学生，并将该学生标记为病态坐姿学生；用于定期比对学生的成绩，计算成绩差异值；在成绩差异值大于成绩差异阈值时，计算各项标记数据与上期的差别，以此解决上课时老师精力有限，之后很难找出学生学习成绩出现起落的具体原因的问题，本发明专利技术主要用于学校。

【技术实现步骤摘要】
基于大数据的学生学习行为分析系统
本专利技术涉及行为分析
，具体涉及基于大数据的学生学习行为分析系统。
技术介绍
学生是学习的主体，其学习行为包括使用课程资源的持续时间、重复次数、完成情况、测试结果等数据。这些学习行为数据既反映了学生个体对特定知识点的掌握情况，同时也能从整体层面定量分析出全体学生对某一知识点的学习状态。现有教学系统获得学习行为数据的方式，主要依靠作业、课堂提问等方式，而这样的方式获取的学生学习行为数据，太过片面和局限，并不能有效的分析出学生的学习状态，更不能分析出学生成绩和学习行为的关联性。而学生的学习行为最主要体现在上课阶段，上课走神、睡觉、讲话等不好的行为往往体现了一个学生的学习行为习惯，而老师上课的时候，并不会有过多的精力用在每个学生的身上，因此大多数学生上课的学习行为，往往会被老师所忽略，在老师不提醒的情况下，往往会出现学习行为不好的学生将会越来越糟糕的现象。并且当学生的成绩突然有大幅度的上升或下降时，老师也只能分析出该学生最近阶段上课比较认真导致成绩大幅提高，或上课行为不端导致成绩大幅下降的现象，而无法做出更加深层的判断，更无法找到学生成绩突然上升或下降的细节原因。
技术实现思路
本专利技术的目的在于提供一种基于大数据的学生学习行为分析系统，解决上课时老师没有过多的精力对大多数学生的学习行为进行监控和分析，很难找出学生学习成绩出现起落的具体原因的问题。为解决上述技术问题，本专利技术的基础方案如下：基于大数据的学生学习行为分析系统，包括服务器和设于教室内的监控组，所述服务器包括数据库、面部识别模块、面部分析模块、姿态分析模块、比对模块和差异性分析模块；数据库：存储有各个学生的各期成绩数据、成绩差异阈值、各个学生的正常面部信息和对应的身份信息；监控组：用于将拍摄的教室内画面上传给服务器；面部识别模块：用于根据监控组上传的画面，并根据其内的学生面部，识别学生身份；面部分析模块：通过拍摄的学生面部特征，识别处于睡觉状态下和走神状态下的学生，并将处于睡觉状态下的学生标记为睡觉学生，处于走神状态下的学生标记为走神可疑学生；姿态分析模块：通过拍摄的学生姿态，识别坐姿不良的学生，并将该学生标记为病态坐姿学生；比对模块：用于定期比对学生的成绩，并计算成绩差异值；差异性分析模块：用于在成绩差异值大于成绩差异阈值时，计算被标记学生其本期内的学生睡觉次数、学生走神可疑次数和学生病态坐姿次数分别与上一期的学生睡觉次数、学生走神可疑次数和学生病态坐姿次数的差别。进一步，所述面部分析模块还包括特征统计子模块、特征标记子模块和特征计算子模块；所述数据库还存储有睡觉眨眼阈值、眼皮距离阈值和走神眨眼阈值；特征统计子模块：用于统计学生的眨眼频率；特征标记子模块：用于在学生眨眼频率超过睡觉眨眼阈值时，将该学生标记为睡觉可疑学生，在学生眨眼频率小于走神眨眼阈值时，将该学生标记为走神可疑学生；特征计算子模块：计算睡觉可疑学生睁眼时其上眼皮和下眼皮距离；特征标记子模块：还用于在该学生上眼皮和下眼皮距离超过眼皮距离阈值时，将该学生标记为睡觉学生。进一步，姿态分析模块包括姿态计算子模块病态坐姿标记子模块；数据库还存储有夹角阈值；姿态计算子模块：用于计算学生眉心与两肩的连线距离和两肩之间的间隔连线距离，并计算两肩之间连线与眉心至两肩连线的夹角大小；病态坐姿标记子模块：用于在学生两肩之间连线与眉心至两肩连线的夹角大小大于夹角阈值时，将该学生标记为病态坐姿学生。进一步，还包括设置于学生座位下方地板上的压力传感器组，服务器还包括抖腿识别模块，抖腿识别模块包括压力频率计算子模块和抖腿标记子模块，所述数据库还存储有频率变化阈值；压力频率计算子模块：用于根据压力传感器组上传的压力位置坐标和次数，计算在同一连续区域位置处，出现压力变化的频率；抖腿标记子模块：用于在压力变化频率大于频率变化阈值时，将该学生标记为抖腿学生。进一步，服务器还包括走神学生标记模块；走神学生标记模块：用于在学生在同一时间被标记为走神可疑学生且还被标记为抖腿学生时，将该学生标记为走神学生；差异性分析模块：用于在成绩差异值大于成绩差异阈值时，计算被标记学生其本期内的学生睡觉次数、学生走神次数和学生病态坐姿次数分别与上一期的学生睡觉次数、学生走神次数和学生病态坐姿次数的差别。进一步，所述服务器还包括讲话分析模块，讲话分析模块包括嘴部动作频率计算子模块和讲话标记子模块；嘴部动作频率计算子模块：通过拍摄的面部特征计算学生张嘴闭嘴的频率；讲话标记子模块：用于将张嘴和闭嘴频率超过动作频率阈值的学生，标记为讲话学生；差异性分析模块：还用于在成绩差异值大于成绩差异阈值时，计算本期内被标记为讲话学生的次数与上期被标记为讲话学生次数的差别。进一步，服务器还包括讲话次数调取模块和影响因素判定模块；讲话次数调取模块：用于调取中间位置学生及其前后左右四个位置学生的被标记为讲话学生的次数；影响因素判定模块：若前后左右四个位置学生有任意一个学生的讲话次数超过中间位置学生的讲话次数，且也有讲话次数小于中间位置的学生，则判定中间位置学生为受影响源学生，也为影响源学生；若前后左右四个位置学生的讲话次数都超过中间位置学生的讲话次数，则判定中间位置学生为受影响源学生；若前后左右四个位置学生的讲话次数都小于中间位置学生的讲话次数，则判定中间位置学生为影响源学生。本方案在学生上课时通过对学生面部特征的分析，将睡觉和疑似走神的学生打上标记，当学生成绩在一个周期内上升或下降很多时，分析其上课状态，其睡觉和疑似走神的次数相较于上个成绩周期的变化，以此就可得出该学生成绩和上课状态的相关性，不仅可以解决上课时老师没有过多的精力对大多数学生的学习行为进行监控和分析，很难找出学生学习成绩出现起落的具体原因的问题，而且在学生成绩下滑严重时，通过具体数据，更加可以警示该学生注意上课时的学习状态。并且本方案在判断学生上课出现疑似走神状态时，通常会出现抖腿的不良习惯，因此若该学生在被判断出疑似走神，且又出现了抖腿的现象，则可以大概率断定该学生上课走神，此时将该学生标记为走神学生会更加准确。并且考虑到一个人的坐姿习惯，对其听课的专注程度有很大的影响，因此通过对学生姿态的分析，判断其坐姿是否存在问题，也是判断学生成绩波动的原因之一。而且考虑到，学生周围的学习环境，也会对学生成绩起到很大的影响，因此通过对某一学生周围学生的学习素质进行分析，能够使对于学生成绩影响的分析更加彻底，而学生的学习素质主要体现在上课有没有讲话行为，从而影响到周围学生的学习。因此通过对某一学生周围学生上课讲话次数的对比分析，能够判断该学生到底是由于受到坏的学习环境的影响多，还是本身的学习素质存在问题，即表现为是受到周围学生讲话的影响，还是本身就是影响别人学习的源头。附图说明图1本文档来自技高网...

【技术保护点】
1.一种基于大数据的学生学习行为分析系统，包括服务器和设于教室内的监控组，其特征在于：所述服务器包括数据库、面部识别模块、面部分析模块、姿态分析模块、比对模块和差异性分析模块；/n数据库：存储有各个学生的各期成绩数据、成绩差异阈值、各个学生的正常面部信息和对应的身份信息；/n监控组：用于将拍摄的教室内画面上传给服务器；/n面部识别模块：用于根据监控组上传的画面，并根据其内的学生面部，识别学生身份；/n面部分析模块：通过拍摄的学生面部特征，识别处于睡觉状态下和走神状态下的学生，并将处于睡觉状态下的学生标记为睡觉学生，处于走神状态下的学生标记为走神可疑学生；/n姿态分析模块：通过拍摄的学生姿态，识别坐姿不良的学生，并将该学生标记为病态坐姿学生；/n比对模块：用于定期比对学生的成绩，并计算成绩差异值；/n差异性分析模块：用于在成绩差异值大于成绩差异阈值时，计算被标记学生其本期内的学生睡觉次数、学生走神可疑次数和学生病态坐姿次数分别与上一期的学生睡觉次数、学生走神可疑次数和学生病态坐姿次数的差别。/n

【技术特征摘要】
1.一种基于大数据的学生学习行为分析系统，包括服务器和设于教室内的监控组，其特征在于：所述服务器包括数据库、面部识别模块、面部分析模块、姿态分析模块、比对模块和差异性分析模块；
数据库：存储有各个学生的各期成绩数据、成绩差异阈值、各个学生的正常面部信息和对应的身份信息；
监控组：用于将拍摄的教室内画面上传给服务器；
面部识别模块：用于根据监控组上传的画面，并根据其内的学生面部，识别学生身份；
面部分析模块：通过拍摄的学生面部特征，识别处于睡觉状态下和走神状态下的学生，并将处于睡觉状态下的学生标记为睡觉学生，处于走神状态下的学生标记为走神可疑学生；
姿态分析模块：通过拍摄的学生姿态，识别坐姿不良的学生，并将该学生标记为病态坐姿学生；
比对模块：用于定期比对学生的成绩，并计算成绩差异值；
差异性分析模块：用于在成绩差异值大于成绩差异阈值时，计算被标记学生其本期内的学生睡觉次数、学生走神可疑次数和学生病态坐姿次数分别与上一期的学生睡觉次数、学生走神可疑次数和学生病态坐姿次数的差别。


2.根据权利要求1所述的基于大数据的学生学习行为分析系统，其特征在于：所述面部分析模块还包括特征统计子模块、特征标记子模块和特征计算子模块；
所述数据库还存储有睡觉眨眼阈值、眼皮距离阈值和走神眨眼阈值；
特征统计子模块：用于统计学生的眨眼频率；
特征标记子模块：用于在学生眨眼频率超过睡觉眨眼阈值时，将该学生标记为睡觉可疑学生，在学生眨眼频率小于走神眨眼阈值时，将改学生标记为走神可疑学生；
特征计算子模块：计算睡觉可疑学生睁眼时其上眼皮和下眼皮距离；
特征标记子模块：还用于在该学生上眼皮和下眼皮距离超过眼皮距离阈值时，将该学生标记为睡觉学生。


3.根据权利要求1所述的基于大数据的学生学习行为分析系统，其特征在于：姿态分析模块，包括姿态计算子模块和病态坐姿标记子模块；
数据库还存储有夹角阈值；
姿态计算子模块：用于计算学生眉心与两肩的连线距离和两肩之间的间隔连线距离，并计算两肩之间连线与眉心至两肩连线的夹角大小；
病态坐姿标记子模块：用于在学生两肩之间连线与眉心至两肩连线的夹角大小大于夹角阈值时，将该学生标记为病态坐姿学生。

【专利技术属性】
技术研发人员：葛俊海，戴成杰，赵永杰，胡亮，
申请(专利权)人：国为南京软件科技有限公司，
类型：发明
国别省市：江苏;32