一种汉语智慧教学方法技术

本申请提供一种汉语智慧教学方法，包括：获取学生普通话发音的语音材料；结合语音分析数据，识别学生语音材料中的普通话的音节错误，确定学生在普通话音节上的错误特征和频率分布；根据不同地域学生的方言发音特点，判断学生的汉语发音错误是否与学生方言发音有关；采用音韵学分析方法，获取不同方言与普通话的音节差异，判断不同方言语种对学生普通话的音节错误的影响；根据不同方言语种对学生普通话的音节错误的影响，预测不同方言语种的学生可能存在的普通话音节错误；根据不同方言语种学生普通话中可能存在的的声母、韵母、声调错误和不同方言语种所属地区的文化背景，设计针对不同方言语种的汉语练习题。不同方言语种的汉语练习题。不同方言语种的汉语练习题。

【技术实现步骤摘要】
一种汉语智慧教学方法


[0001]本专利技术涉及信息
，尤其涉及一种汉语智慧教学方法。

技术介绍

[0002]各地经济的交流使各地区人发生交流的机率变大，在和其他地区人的交流中，大多数人会选用普通话。使用普通话可以消除不同方言间的隔阂，利于提高交际能力。每个地区有自己的方言，方言中的音节与普通话有区别，会影响教学。学生对于方言中较少出现而普通话中使用到的音节缺乏练习，发音不准，导致普通话发音不准确。不准确的普通话影响了人与人之间的交流。目前的汉语教学较为常规，缺少对地方的针对性。方言与普通话发音相近的地区对于普通话学习容易轻视，方言与普通话发音差异大的地区对于普通话教学容易畏难。根据地方语音针对性设计汉语教学，增加学生的学习兴趣，减少学生的学习难度。因此如何让汉语教学能够更好的适应学生的特点，自定义教学内容，是一个未解决的问题。

技术实现思路

[0003]本专利技术提供了一种汉语智慧教学方法，主要包括：
[0004]获取学生普通话发音的语音材料；结合语音分析数据，识别学生语音材料中的普通话的音节错误，确定学生在普通话音节上的错误特征和频率分布；根据不同地域学生的方言发音特点，判断学生的汉语发音错误是否与学生方言发音有关，具体包括：基于层次聚类算法，将学生按照方言发音特征进行聚类，确定每个聚类的方言发音特征；采用音韵学分析方法，获取不同方言与普通话的音节差异，判断不同方言语种对学生普通话的音节错误的影响，所述采用音韵学分析方法，获取不同方言与普通话的音节差异，判断不同方言语种对学生普通话的音节错误的影响，具体包括：根据不同方言与普通话的音节资料，采用凝聚性方法构建聚类层次结构，确定它们之间的差异性，基于深度神经网络模型，确定不同方言语种对学生普通话的音节错误的影响；根据不同方言语种对学生普通话的音节错误的影响，预测不同方言语种的学生可能存在的普通话音节错误，具体包括：根据不同方言语种声调、声母、韵母发音的差异，获取学生可能存在的声母、韵母、声调问题，并确定需要重点指导的声母、韵母、声调发音；根据不同方言语种学生普通话中可能存在的的声母、韵母、声调错误和不同方言语种所属地区的文化背景，设计针对不同方言语种的汉语练习题；根据学生的汉语发音音节特点，判断方言语种，并匹配学生方言语种的汉语练习题，包括：根据不同方言的音节特点，获取不同方言语种音节的共性，对于无法判别的方言语种匹配和该方言语种具有共性的方言语种的汉语练习题。
[0005]进一步可选地，所述获取学生普通话发音的语音材料包括：
[0006]根据学生管理系统获取学生的籍贯信息，确定学生所处的方言区域，获得学生方言语种；收集学生普通话发音的语音材料，所述学生普通话发音的语音材料包括学生的汉语发音录音；采用语音信号的分析与处理技术，对语音信号进行去噪、语音端点检测、语音分割处理，获取干净的语音信号数据。
[0007]进一步可选地，所述结合语音分析数据，识别学生语音材料中的普通话的音节错误，确定学生在普通话音节上的错误特征和频率分布包括：
[0008]获取学生语音材料，并使用语音转换工具Audacity软件将其转换为数字化的语音文件；利用语音分析工具Praat软件对学生语音材料进行基本频率、声调、音素方面的分析，确定音节错误的位置；对于确定的音节错误位置，使用语音识别工具Kaldi和DeepSpeech软件，对该位置的语音进行识别，并将结果与标准的普通话音节进行比较，确定是否存在音节错误；对于存在音节错误的语音材料，进行标注并记录具体的错误类型和位置；对记录下的错误进行统计分析，确定学生在普通话音节上的错误特征和频率分布。
[0009]进一步可选地，所述根据不同地域学生的方言发音特点，判断学生的汉语发音错误是否与学生方言发音有关包括：
[0010]构建方言发音库和普通话发音库，获得发言发音特征和普通话发音特征；采用智能化语音识别技术对学生发音进行判别，得到学生的发音错误列表；根据层次聚类算法，将学生按照方言发音特征进行聚类；通过聚类结果，获取每个聚类中的学生列表，确定每个聚类的方言发音特征；判断学生发音错误是否符合其所在聚类的方言发音特征；根据判断结果确定学生发音错误是否与方言发音有关；包括：基于层次聚类算法，将学生按照方言发音特征进行聚类，确定每个聚类的方言发音特征；
[0011]所述基于层次聚类算法，将学生按照方言发音特征进行聚类，确定每个聚类的方言发音特征，具体包括：
[0012]使用语音识别软件和标注工具收集学生的语音数据。提取相应的方言发音特征，包括声母、韵母、声调。将每个学生的方言发音特征表示为向量形式，每个向量对应一个学生。计算每对学生之间的余弦相似度，并构建距离矩阵或相似度矩阵。初始时，将每个学生看作一个簇，将距离或相似度最近的两个簇合并为一个新的簇，直至所有学生都被合并到一个簇中，形成一个完整的层次结构。最终，根据生成的层次结构，选择不同的聚类结果。通过聚类结果，获取每个聚类中的学生列表，确定每个聚类的方言发音特征。
[0013]进一步可选地，所述采用音韵学分析方法，获取不同方言与普通话的音节差异，判断不同方言语种对学生普通话的音节错误的影响包括：
[0014]确定不同方言和普通话的语音特征，包括声母、韵母、声调；获取不同方言和普通话的语音材料，并转换为数字化格式；使用软件工具对录音分别分段、标注每个音节的声母、韵母和声调信息；采用凝聚性方法构建聚类层次结构，对方言和普通话音节的声母、韵母和声调进行比较，统计出它们的出现频率和比例；根据音韵学规律，分析不同方言与普通话的音节差异，包括声母、韵母和声调的异同；收集各方言语种学生的语音数据，对收集到的录音数据进行分析，比较不同方言语种学生的普通话音节错误；同时，记录影响学生发音的方言语音特点，包括声母、韵母、声调；通过对数据进行分析，得出不同方言语种学生在普通话音节中存在的音节差异；采用深度神经网络模型，确定不同方言语种对学生普通话的音节错误的影响；包括：根据不同方言与普通话的音节资料，采用凝聚性方法构建聚类层次结构，确定它们之间的差异性；基于深度神经网络模型，确定不同方言语种对学生普通话的音节错误的影响；
[0015]所述根据不同方言与普通话的音节资料，采用凝聚性方法构建聚类层次结构，确定它们之间的差异性，具体包括：
[0016]根据语音识别技术，获取不同方言与普通话的音节数据。采用欧氏距离度量方法，计算每对音节之间的相似度或距离，并得到距离矩阵。根据距离矩阵，采用凝聚性方法构建聚类层次结构，逐步合并最相似的音节。在每次合并聚类后，通过完全链接合并策略，更新距离矩阵；根据聚类层次结构，判断不同方言与普通话的音节之间的差异性，并得到聚类结果，确定它们之间的差异性。
[0017]所述基于深度神经网络模型，确定不同方言语种对学生普通话的音节错误的影响，具体包括：
[0018]根据业务需求，收集学生的普通话发音录音数据，包括不同方言语种的学生录音数据。采用语音识别技术，将录音数据转换为文本数据，并根据录音数据对应的方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种汉语智慧教学方法，其特征在于，所述方法包括：获取学生普通话发音的语音材料；结合语音分析数据，识别学生语音材料中的普通话的音节错误，确定学生在普通话音节上的错误特征和频率分布；根据不同地域学生的方言发音特点，判断学生的汉语发音错误是否与学生方言发音有关，具体包括：基于层次聚类算法，将学生按照方言发音特征进行聚类，确定每个聚类的方言发音特征；采用音韵学分析方法，获取不同方言与普通话的音节差异，判断不同方言语种对学生普通话的音节错误的影响，所述采用音韵学分析方法，获取不同方言与普通话的音节差异，判断不同方言语种对学生普通话的音节错误的影响，具体包括：根据不同方言与普通话的音节资料，采用凝聚性方法构建聚类层次结构，确定它们之间的差异性，基于深度神经网络模型，确定不同方言语种对学生普通话的音节错误的影响；根据不同方言语种对学生普通话的音节错误的影响，预测不同方言语种的学生可能存在的普通话音节错误，具体包括：根据不同方言语种声调、声母、韵母发音的差异，获取学生可能存在的声母、韵母、声调问题，并确定需要重点指导的声母、韵母、声调发音；根据不同方言语种学生普通话中可能存在的的声母、韵母、声调错误和不同方言语种所属地区的文化背景，设计针对不同方言语种的汉语练习题；根据学生的汉语发音音节特点，判断方言语种，并匹配学生方言语种的汉语练习题，包括：根据不同方言的音节特点，获取不同方言语种音节的共性，对于无法判别的方言语种匹配和该方言语种具有共性的方言语种的汉语练习题。2.根据权利要求1所述的方法，其中，所述获取学生普通话发音的语音材料，包括:根据学生管理系统获取学生的籍贯信息，确定学生所处的方言区域，获得学生方言语种；收集学生普通话发音的语音材料，所述学生普通话发音的语音材料包括学生的汉语发音录音；采用语音信号的分析与处理技术，对语音信号进行去噪、语音端点检测、语音分割处理，获取干净的语音信号数据。3.根据权利要求1所述的方法，其中，所述结合语音分析数据，识别学生语音材料中的普通话的音节错误，确定学生在普通话音节上的错误特征和频率分布，包括:获取学生语音材料，并使用语音转换工具Audacity软件将其转换为数字化的语音文件；利用语音分析工具Praat软件对学生语音材料进行基本频率、声调、音素方面的分析，确定音节错误的位置；对于确定的音节错误位置，使用语音识别工具Kaldi和DeepSpeech软件，对该位置的语音进行识别，并将结果与标准的普通话音节进行比较，确定是否存在音节错误；对于存在音节错误的语音材料，进行标注并记录具体的错误类型和位置；对记录下的错误进行统计分析，确定学生在普通话音节上的错误特征和频率分布。4.根据权利要求1所述的方法，其中，所述根据不同地域学生的方言发音特点，判断学生的汉语发音错误是否与学生方言发音有关，包括:构建方言发音库和普通话发音库，获得发言发音特征和普通话发音特征；采用智能化语音识别技术对学生发音进行判别，得到学生的发音错误列表；根据层次聚类算法，将学生按照方言发音特征进行聚类；通过聚类结果，获取每个聚类中的学生列表，确定每个聚类的方言发音特征；判断学生发音错误是否符合其所在聚类的方言发音特征；根据判断结果确定学生发音错误是否与方言发音有关；包括：基于层次聚类算法，将学生按照方言发音特征进行聚类，确定每个聚类的方言发音特征。
5.根据权利要求1所述的方法，其中，所...

【专利技术属性】
技术研发人员：张伟，马文耀，
申请(专利权)人：广东海洋大学，
类型：发明
国别省市：