System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及教育,尤其涉及一种学生参与度的计算方法、系统及可读存储介质。
技术介绍
1、在现代教育环境中,学生的课堂参与度被广泛认为是课堂教学效果的重要指标。随着教育技术的发展,教师和研究者开始尝试使用各种工具和方法来定量地测量和评估学生的课堂参与度。
2、相关技术中,例如专利技术名称为“一种分析课堂学生参与度的方法”,申请号为“cn202210482804.4”的中国专利技术专利,公开了一种“一种基于课堂行为分析的学生参与度计算方法”,包括以下步骤:获取课堂教学视频数据;获取识别结果:根据课堂教学视频识别学生行为,得到识别结果;进行行为归类:对识别结果进行归类,得到归类结果,其中学生行为的类别包含:听讲、读写、学生互动、举手、应答;计算权重占比率:根据学生行为对学生参与度的影响程度为学生行为分配权重值,计算单次识别结果的学生行为权重占比率;计算参与度:根据归类结果进行参与度计算。
3、然而,相关技术提供的分析课堂学生参与度的方法存在一个显著的问题,即它没有明确考虑课堂场景类别,实际上,学生的行为和参与度与当前的可能课堂活动类型是直接相关的。例如,在师生讨论环节,积极发言可能被视为积极参与,而在老师讲授环节,同样的发言行为可能被视为干扰行为。因此相关技术没有考虑到课堂场景对学生参与度的影响,其提供的分析课堂学生参与度的方法可能会导致对学生参与度的误判,从而影响学生参与度结果的准确性。
技术实现思路
1、本申请提供了一种学生参与度的计算方法、系统及可读存储介质,
2、第一方面,本申请提供了一种学生参与度的计算方法,包括:
3、根据预设的第一采样策略确定第一采样时刻,对于每个第一采样时刻,分析教学过程数据,识别预设学生行为,统计得到学生行为分布;
4、根据预设的第二采样策略确定第二采样时刻,对于每个第二采样时刻,分析教学过程数据,根据第二采样时刻前后预设时间段内的各种课堂活动参量的分布情况,确定课堂场景类别;根据课堂场景类别生成整个教学过程的课堂场景序列;
5、根据预设学生行为与课堂场景的符合性确定参与度权重表;
6、根据参与度权重表、学生行为分布和课堂场景序列计算每个课堂时刻的学生参与度值。
7、在上述实施例中,通过分析教学过程数据和课堂活动参量,明确考虑了课堂场景类别与学生参与度的相关性。通过生成整个教学过程的课堂场景序列,并根据预设学生行为与课堂场景的符合性确定参与度权重表,能够更准确地反映学生在不同课堂场景下的实际参与度。同时,由于本专利技术能够在每个课堂时刻计算出学生的参与度值,综上,减少对学生参与度的误判,提高学生参与度结果的准确性。
8、结合第一方面的一些实施例,在一些实施例中,第一采样策略和第二采样策略相同。
9、在上述实施例中,采用相同的第一采样策略和第二采样策略,能够减少数据处理的复杂度,并提高效率。
10、结合第一方面的一些实施例,在一些实施例中,根据预设的第一采样策略确定第一采样时刻,对于每个第一采样时刻,分析教学过程数据,识别预设学生行为,统计得到学生行为分布的步骤,具体包括:
11、根据预设的第一采样策略确定第一采样时刻;
12、对于每个第一采样时刻,分析教学过程数据中的学生区画面,识别学生区画面中的预设学生行为;
13、根据预设的可信度算法计算每个预设学生行为的可信度;
14、提取可信度大于预设可信度阈值的预设学生行为;
15、统计每个第一采样时刻的学生行为分布。
16、在上述实施例中,通过采用预设的第一采样策略确定每个第一采样时刻,并在每个采样时刻分析教学过程的数据,识别教学过程中的学生区画面中的预设学生行为。利用预设的可信度算法计算每个预设学生行为的可信度,并只提取出可信度大于预设可信度阈值的预设学生行为。不仅提高了识别学生行为的准确性,减少了误识别对学生参与度计算的影响。
17、结合第一方面的一些实施例,在一些实施例中,课堂活动参量包括老师行为、学生行为、课件行为和课堂声音;课堂声音包括老师声音、学生单人声、学生讨论声、学生齐声、静音中一种或多种。
18、在上述实施例中,这种全面且细致的参数定义可以更深入、更全面地捕捉课堂活动的特征,从而提高学生参与度计算的准确性。
19、结合第一方面的一些实施例,在一些实施例中,课堂场景类别包括老师讲授、课件演示、师生问答、学生练习、生生互动、学生上台展示、课堂组织中两种或两种以上。
20、在上述实施例中,这种全面且细致的参数定义可以更深入、更全面地捕捉课堂场景类别的特征,从而提高学生参与度计算的准确性。
21、结合第一方面的一些实施例,在一些实施例中,根据预设的第二采样策略确定第二采样时刻,对于每个第二采样时刻,分析教学过程数据,根据第二采样时刻前后预设时间段内的各种课堂活动参量的分布情况,确定课堂场景类别的步骤,具体包括:
22、根据预设的第二采样策略确定第二采样时刻;
23、对于每个第二采样时刻,分析教学过程数据,识别课堂活动参量,生成课堂活动参量数据集;对于当前第二采样时刻,根据预设的时间窗口选择策略,确定包含当前第二采样时刻的若干个时间窗口;当前第二采样时刻为任一第二采样时刻;
24、对于当前时间窗口,根据课堂活动参量数据集统计课堂活动参量的分布情况,计算课堂活动特征值,当前时间窗口为任一时间窗口;
25、根据课堂活动特征值确定当前第二采样时刻的课堂场景类别。
26、在上述实施例中,通过使用预设的第二采样策略和时间窗口选择策略,能够采集和分析大量的教学过程数据,包括课件画面、讲台区画面、学生区画面和课堂声音等,从而生成更为详尽和准确的课堂活动参量数据集。同时,不只分析单一的第二采样时刻的课堂活动参量分布情况,而且还分析了其前后预设时间段内的课堂活动参量分布情况,这样避免单一时刻所带来的误差问题,增强了课堂场景类别的全面性。
27、结合第一方面的一些实施例,在一些实施例中,根据预设的第二采样策略确定第二采样时刻,对于每个第二采样时刻,分析教学过程数据,根据第二采样时刻前后预设时间段内的各种课堂活动参量的分布情况,确定课堂场景类别的步骤,具体包括:
28、根据预设的第二采样策略确定第二采样时刻;
29、对于每个第二采样时刻,将第二采样时刻前后预设时间段内的教学过程数据输入预设课堂场景分类模型,获得课堂场景类别,课堂场景分类模型的训练样本为历史教学过程数据,训练样本的每个课堂时刻的课堂场景类别根据该课堂时刻前后一段时间内的课堂活动参量的分布情况确定。
30、在上述实施例中,这种基于模型的课堂场景分类方法可以大大提高教学过程数据的处理效率和准确性。
31、第二方面,本申请实施例提供了一种学生参与度的计算系统,包括计算机,计本文档来自技高网...
【技术保护点】
1.一种学生参与度的计算方法,其特征在于,包括:
2.根据权利要求1所述的学生参与度的计算方法,其特征在于:
3.根据权利要求1所述的学生参与度的计算方法,其特征在于,所述根据预设的第一采样策略确定第一采样时刻,对于每个第一采样时刻,分析教学过程数据,识别预设学生行为,统计得到学生行为分布的步骤,具体包括:
4.根据权利要求1所述的学生参与度的计算方法,其特征在于:
5.根据权利要求1所述的学生参与度的计算方法,其特征在于:
6.根据权利要求1所述的学生参与度的计算方法,其特征在于,所述根据预设的第二采样策略确定第二采样时刻,对于每个第二采样时刻,分析教学过程数据,根据第二采样时刻前后预设时间段内的各种课堂活动参量的分布情况,确定课堂场景类别的步骤,具体包括:
7.根据权利要求1所述的学生参与度的计算方法,其特征在于,所述根据预设的第二采样策略确定第二采样时刻,对于每个第二采样时刻,分析教学过程数据,根据第二采样时刻前后预设时间段内的各种课堂活动参量的分布情况,确定课堂场景类别的步骤,具体包括:
9.一种学生参与度的计算系统,其特征在于,包括:一个或多个处理器和存储器;
10.一种计算机可读存储介质,包括指令,其特征在于,当所述指令在学生参与度的计算系统上运行时,使得所述学生参与度的计算系统执行如权利要求1-7中任一项所述的方法。
...【技术特征摘要】
1.一种学生参与度的计算方法,其特征在于,包括:
2.根据权利要求1所述的学生参与度的计算方法,其特征在于:
3.根据权利要求1所述的学生参与度的计算方法,其特征在于,所述根据预设的第一采样策略确定第一采样时刻,对于每个第一采样时刻,分析教学过程数据,识别预设学生行为,统计得到学生行为分布的步骤,具体包括:
4.根据权利要求1所述的学生参与度的计算方法,其特征在于:
5.根据权利要求1所述的学生参与度的计算方法,其特征在于:
6.根据权利要求1所述的学生参与度的计算方法,其特征在于,所述根据预设的第二采样策略确定第二采样时刻,对于每个第二采样时刻,分析教学过程数据,根据第二采样时刻前后预设时间段内...
【专利技术属性】
技术研发人员:杨超峰,
申请(专利权)人:北京中庆现代技术股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。