一种教师教学风格的判断方法和系统技术方案

本发明专利技术涉及一种教师教学风格的判断方法和系统。所述教师教学风格的判断方法，在对待预测教师的教学视频数据进行特征提取得到模态特征后，对模态特征进行特征融合得到多模态特征，然后，将多模态特征输入至风格预测模型就可以快速、精确的得到待预测教师的教学风格。格。格。

【技术实现步骤摘要】
一种教师教学风格的判断方法和系统


[0001]本专利技术涉及数据处理
，特别是涉及一种教师教学风格的判断方法和系统。

技术介绍

[0002]教学风格即教师在进行教学活动时的特点，是教师人格特征、教学行为和与其匹配的教学能力在教育过程中独特的、和谐的结合和规律的表现，教学风格的形成是教师教学艺术趋于成熟的标志。良好的教学风格对帮助学生取得学业成功起着重要作用，在实际教学过程中，教师主要通过多个渠道的语言和非语言行为来帮助学生实现学习目标。教学风格对于老师来说，不仅是老师特定的教学标签，也是工作出色的象征；对于学生而言，则是喜爱某位教师的原因，也有利于教学内容的深入理解。同时，教学风格也是教师课堂教学质量的体现，学校也可以通过教师的教学风格初步考察教师的教学质量。
[0003]现有的教师教学风格评判方法大多依赖于人工评判与问卷调查，如专利CN110070232B公布了一种基于教师风格预测学生成绩，该专利技术通过教师风格量化表进行人工填写从而判断课程教师的教学风格，再进行之后的智能预测。这样的方法缺陷在于较为依赖人工，浪费人力物力，带来本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种教师教学风格的判断方法，其特征在于，包括：对待预测教师的教学视频数据进行特征提取得到模态特征；所述模态特征包括：表情特征、语音特征和动作特征；所述表情特征包括表情局部特征和表情整体特征；对所述模态特征进行特征融合得到多模态特征；将所述多模态特征输入至风格预测模型得到待预测教师的教学风格。2.根据权利要求1所述的教师教学风格的判断方法，其特征在于，所述对待预测教师的教学视频数据进行特征提取得到模态特征，具体包括：采用facenet提取所述教学视频数据中待预测老师面部的表情局部特征；所述表情局部特征包括：面部关键点和相同面部关键点间的坐标移动距离；采用CNN网络基于所述教学视频数据识别到待预测老师面部的表情整体特征；所述表情整体特征包括：表情占比、表情真数量和表情变化次数；所述表情包括：严肃、失望、害怕、高兴、悲伤和惊讶；采用使用pyAnalysis工具实时提取所述教学视频数据中的语音特征；采用OpenPose提取所述教学视频数据中待预测老师的动作特征；所述动作特征包括关节点的坐标和置信度。3.根据权利要求1所述的教师教学风格的判断方法，其特征在于，在对所述模态特征进行特征融合得到多模态特征之前，还包括：采用特征向量平均值填充所述模态特征中的缺失值；将填充后的所述模态特征进行拼接、归一化和标准化处理，得到处理后的所述模态特征。4.根据权利要求3所述的所述的教师教学风格的判断方法，其特征在于，所述对所述模态特征进行特征融合得到多模态特征，具体包括：采用多模态融合模型融合处理后的所述模态特征得到多模态特征；所述多模态融合模型包括：特征选择结构和多阶段特征融合结构。5.一种教师教学风格的判断系统，其特征在于，包括：模态特征提取模块，...

【专利技术属性】
技术研发人员：王崇文，唐文，陈旵明，郑治伟，王淼，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：