基于人工智能的自适应教育系统技术方案

本发明专利技术公开了基于人工智能的自适应教育系统，涉及网络教育技术领域，解决了对学员的考虑成面太少以及学员与教师之间并不能进行更换的技术问题，对所获取的画面数据进行分析处理，得到对应学员的学习习惯参数，再获取对应学员的成绩，将成绩数值进行均值处理，得到待处理均值，将学习习惯参数与待处理均值进行合并处理，获取得到属于不同学员的分选值，根据分选值的不同，将不同的学员标记进行分区，再通过不同分区的学员标记，匹配不同等级的教师，采用此种方式，将学员与不同的教师进行匹配，便也改变了成绩分选的方式，将对应学员的学习习惯考虑在内，以此提升分选效果，同时提升整个教育平台的教育水平。升整个教育平台的教育水平。升整个教育平台的教育水平。

【技术实现步骤摘要】
基于人工智能的自适应教育系统


[0001]本专利技术属于网络教育
，具体是基于人工智能的自适应教育系统。

技术介绍

[0002]人工智能，英文缩写为AI，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学；
[0003]专利公开号为CN111179666B的专利技术提供了基于人工智能的自适应教育系统，该基于人工智能的自适应教育系统通过设置教师应用端、学生应用端、线上知识管理端和教育测试端来在教师层面、学生层面、知识数据层面和测试实践层面上分别对教育系统进行相应的人工智能关联调整，以使该自适应教育系统能够根据不同教师对象和/或不同学生对象进行适应性的教育数据和/或教育场景的改变，从而提高该自适应教育系统的教育质量、教育效率和教育智能化水平。
[0004]随着人工智能的逐渐普及，在网络教育的自适应教育过程中，一般根据学员的成绩参数，匹配不同等级的教师，并将不同等级的教师显示于选择页面内，对不同等级的教师进行选择，但此种分配方式，仍存在以下不足需进行改进：
[0005]因不同学员的学习习惯均不同，若单纯考虑成绩因素，会导致在进行具体分选过程中，学习习惯较好、但成绩并不拔尖的学员会匹配与之不符合的教师，便会影响整体的教学效果；
[0006]同时，在具体教学过程中，若学员不喜欢对应教师的教学方式，对应教师不喜欢对应学员的学习方式，且学员与教师之间并不能进行更换，便会影响后续的教学效果。

技术实现思路

[0007]本专利技术旨在至少解决现有技术中存在的技术问题之一；为此，本专利技术提出了基于人工智能的自适应教育系统，用于解决对学员的考虑成面太少以及学员与教师之间并不能进行更换的技术问题。
[0008]为实现上述目的，根据本专利技术的第一方面的实施例提出基于人工智能的自适应教育系统，包括数据采集端、公开课监测端和适应管控中心；
[0009]所述适应管控中心包括成绩参数分析单元、状态参数分析单元、评价单元以及主分配单元；
[0010]所述公开课监测端，通过设立公开课，对正在进行公开课听讲的学员的画面数据进行获取，其中获取的主要方式通过监控设备获取监控画面，并将不同学员的画面数据传输至适应管控中心内；
[0011]所述适应管控中心内部的状态参数分析单元，且状态参数分析单元根据不同学员的画面数据与所设定的人脸模板进行匹配并进行分析处理，从而对不同学员的学习习惯参数进行评定，并将所评定的学习习惯参数传输至主分配单元内；
[0012]所述数据采集端，用于对学生的成绩数值进行获取，所获取的成绩数值为所选学
科的学年成绩数值，并将所获取的成绩数值传输至适应管控中心内；
[0013]所述适应管控中心内部的成绩参数分析单元，所述成绩参数分析单元对所接收到学生的成绩数值进行均值处理，得到待处理均值，将待处理均值传输至主分配单元内；
[0014]所述主分配单元，根据所接收到的不同学员的学习习惯参数以及待处理均值，对不同学员的整体参数进行处理，得到属于不同学员的分选值，再将获取得到的分选值与对应的预设阈值进行匹配，根据分选值的不同，将不同学员分选至不同的分区内，再将不同分区的学员与不同级别的教师进行捆绑，完成教师与学员之间的匹配工作。
[0015]优选的，所述状态参数分析单元对不同学员的画面数据进行具体分析的方式为：
[0016]将不同学员的画面数据标记为HM
i
，其中i代表不同的学员；
[0017]将画面数据与人脸模板相匹配，其中，人脸模板内设置有坐标参数，且人脸模板中心位置处设置有中心点，以及中心点坐标ZX(X1，Y1)；
[0018]从画面数据HM
i
获取不存在人脸图像的时间参数，并将其标记为SJ
i
；
[0019]再从画面数据HM
i
获取人脸图像，并将人脸图像与人脸模板进行匹配，获取人脸图像的限定点XZ
i
(X
i
，Y
i
)，限定点便是人脸图像的中心点；
[0020]将限定点XZ
i
(X
i
，Y
i
)与中心点坐标ZX(X1，Y1)进行合并处理，获取两点之间的间距参数，采用得到间距参数JL
i
，将间距参数JL
i
与预设参数YS进行比对，具体比对方式为：
[0021]当JL
i
＜YS时，不生成任何信号，代表间距参数处于正常范围内；
[0022]当JL
i
≥YS时，生成时间提取信号，根据时间提取信号，将间距参数大于等于预设参数的持续时长进行获取，并将其标记为CS
i
；
[0023]采用XG
i
＝SJ
i
×
C1+CS
i
×
C2得到学习习惯参数XG
i
，其中C1和C2均为预设的固定系数因子，并将获取得到的学习习惯参数XG
i
传输至主分配单元内。
[0024]优选的，所述成绩参数分析单元对所获取的成绩数值进行均值处理的方式为：
[0025]将不同学生的成绩数值标记为CJ
i
‑
k
，其中i代表不同的学员，k代表不同的阶段的测验成绩；
[0026]将不同学生的成绩数值CJ
i
‑
k
进行均值处理，得到待处理均值DCJ
i
，并将待处理均值DCJ
i
传输至主分配单元内。
[0027]优选的，所述主分配单元，将学员与老师进行匹配的具体方式为：
[0028]将学习习惯参数XG
i
与待处理均值DCJ
i
进行提取，采用得到分选值FX
i
；
[0029]将分选值FX
i
与预设阈值Y1以及Y2进行比对，且Y1＜Y2，并将带有不同分选值FX
i
的学员标记进行区分捆绑，具体比对方式为：
[0030]当FX
i
＜Y1时，将带有对应分选值的学员标记选至第一分区内；
[0031]当Y1≤FX
i
＜Y2时，将带有对应分选值的学员标记选至第二分区内；
[0032]当Y2≤FX
i
时，将带有对应分选值的学员标记选至第三分区内；
[0033]将带有不同级别的教师编号依次与对应的分区进行捆绑，其中教师级别分为A、B以及C，且教师的等级由系统自行给出，根据教学经验以及教学资质进行评价，其中将判定
为C级教师的教师编号传输至第三分区内，将判定为B级教师的教师编号传输至第二分区内，将判定为A级教师的教师编号传输至第一分区内，对应学员便可在对应分区内选择对应的授课教师。
[0034]优选的，还包括学生端以及教师端，所述学本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工智能的自适应教育系统，其特征在于，包括数据采集端、公开课监测端和适应管控中心；所述适应管控中心包括成绩参数分析单元、状态参数分析单元、评价单元以及主分配单元；所述公开课监测端，通过设立公开课，对正在进行公开课听讲的学员的画面数据进行获取，其中获取的主要方式通过监控设备获取监控画面，并将不同学员的画面数据传输至适应管控中心内；所述适应管控中心内部的状态参数分析单元，且状态参数分析单元根据不同学员的画面数据与所设定的人脸模板进行匹配并进行分析处理，从而对不同学员的学习习惯参数进行评定，并将所评定的学习习惯参数传输至主分配单元内；所述数据采集端，用于对学生的成绩数值进行获取，所获取的成绩数值为所选学科的学年成绩数值，并将所获取的成绩数值传输至适应管控中心内；所述适应管控中心内部的成绩参数分析单元，所述成绩参数分析单元对所接收到学生的成绩数值进行均值处理，得到待处理均值，将待处理均值传输至主分配单元内；所述主分配单元，根据所接收到的不同学员的学习习惯参数以及待处理均值，对不同学员的整体参数进行处理，得到属于不同学员的分选值，再将获取得到的分选值与对应的预设阈值进行匹配，根据分选值的不同，将不同学员分选至不同的分区内，再将不同分区的学员与不同级别的教师进行捆绑，完成教师与学员之间的匹配工作。2.根据权利要求1所述的基于人工智能的自适应教育系统，其特征在于，所述状态参数分析单元对不同学员的画面数据进行具体分析的方式为：将不同学员的画面数据标记为HM
i
，其中i代表不同的学员；将画面数据与人脸模板相匹配，其中，人脸模板内设置有坐标参数，且人脸模板中心位置处设置有中心点，以及中心点坐标ZX(X1，Y1)；从画面数据HM
i
获取不存在人脸图像的时间参数，并将其标记为SJ
i
；再从画面数据HM
i
获取人脸图像，并将人脸图像与人脸模板进行匹配，获取人脸图像的限定点XZ
i
(X
i
，Y
i
)，限定点便是人脸图像的中心点；将限定点XZ
i
(X
i
，Y
i
)与中心点坐标ZX(X1，Y1)进行合并处理，获取两点之间的间距参数，采用得到间距参数JL
i
，将间距参数JL
i
与预设参数YS进行比对，具体比对方式为：当JL
i
＜YS时，不生成任何信号，代表间距参数处于正常范围内；当JL
i
≥YS时，生成时间提取信号，根据时间提取信号，将间距参数大于等于预设参数的持续时长进行获取，并将其标记为CS
i
；采用XG
i
＝SJ
i
×
C1+CS
i
×
C2得到学习习惯参数XG
i
，其中C1和C2均为预设的固定系数因子，并将获取得到的学习习惯参数XG
i
传输至主分配单元内。3.根据权利要求2所述的基于人工智能的自适应教育系统，其特征在于，所述成绩参数分析单元对所获取的成绩数值进行均值处理的方式为：将不同学生的成...

【专利技术属性】
技术研发人员：韩立旗，
申请(专利权)人：苏州互讯信息技术开发有限公司，
类型：发明
国别省市：