【技术实现步骤摘要】
本专利技术涉及指标评价，特别涉及一种混合式教学ai评价系统。
技术介绍
1、目前，ai评价系统可以通过记录教师的教学结果，根据不同指标经评估，自动化完成评价过程。但是，由于检测教师的教学结果不是实时检测教师的教学行为，会使得教学评价存在偏差，而且只通过教学结果判断教师的教学是比较单一的，会降低对教师的评价准确性。
2、因此本专利技术提出了一种混合式教学ai评价系统。
技术实现思路
1、本专利技术提供一种一种混合式教学ai评价系统，用以通过ai实时检测并判断教师的教学行为，并且结合教师周围群体对教师的主观评价，对教师进行综合的教学评价，为评估教师的教学质量提供参考和依据，提高了对教师综合评价的效率。
2、本专利技术提供一种混合式教学ai评价系统，包括：
3、第一采集模块：根据教师的身份信息匹配教师的预指定教学行为，同时，采集所述教师的实际教学行为，并将所述预指定教学行为与实际教学行为匹配，获取到所述教师的基本行为数据；
4、第二采集模块：获取对所述教师的群体评价数据，并对所述群体评价数据按照不同评价群体进行分类，获取到所述教师的基本群体数据；
5、数据分析模块：对基本行为数据和基本群体数据进行初始化处理，并依据所述教师的个人基本信息生成所述教师的第一评价分数和第二评价分数，其中第一评价分数对应基本行为数据，第二评价分数对应基本群体数据；
6、评价生成模块：根据所述教师的第一评价分数和第二评价分数，结合ai评价模型
7、在一种可能实现的方式中，还包括：标识码生成模块，用于根据教学平台录入的所述教师的个人基本信息，生成所述教师的唯一身份标识码。
8、在一种可能实现的方式中，所述第一采集模块，包括：
9、身份信息识别单元：基于所述教师的唯一身份标识码，确定所述教师的身份信息，并从身份-行为数据库中获取所述教师的预指定教学行为，并向所述预指定教学行为中不同指定教学时期的行为进行第一编号；
10、采集数据单元：采集所述教师的实际教学行为，并对所述实际教学行为进行行为解析确定所述实际教学行为中存在的涉及教学时期，来对每个涉及教学时期的行为进行第二编号；
11、编号匹配单元：将所述第一编号以及第二编码进行编号匹配以及规范标注，生成所述教师的基本行为数据。
12、在一种可能实现的方式中，所述采集数据单元，包括：
13、规范标注单元：从模型数据库中获取与每个第一编号匹配的ai标注模型，并基于所述ai标注模型对与第一编号匹配的第二编号的实际教学时期的行为进行遍历，进而对存在的不规范行为进行规范标注；
14、基本行为数据生成单元：根据规范标注结果，且结合所述实际教学行为，生成所述教师的基本行为数据。
15、在一种可能实现的方式中，所述第二采集模块，包括：
16、采集评价模块：通过问卷调查的形式收集对指定教师的人群评价，并按照预设评价类型获取到不同评价方向的人群主观评价数据；
17、数据处理模块：将人群主观评价数据按照不同评价群体进行分类，获取到每个评价群体下对应的不同评价方向数据；
18、数据分析模块：设每个评价群体下共有n类评价方向的数据，并设每个评价群体的评分向量组，则对应评价群体下的综合评分为：
19、
20、其中，表示对应评分向量组中第i个评分的评价权重，根据评分类型-权重映射表得到，表示对应评分向量组中第i个评分，表示对应评分向量组的最大评分，表示对应评分向量组的最小评分，表示对应评分向量组的均值评分，表示指数运算；表示第j个评价群体的综合评分；表示所有中的最小值；表示评分调节量；
21、排序单元：将所有综合评分进行大小排序并按照划分规则将排序结果进行评分划分，计算每两个相邻划分类下的类间距，并计算得到相应相邻划分类下的聚合度：
22、
23、
24、其中，表示相邻划分类j1与j2的类间距；表示第j1划分类下的综合评分个数；表示第j2划分类下的综合评分个数；表示第j1划分类下第k1个综合评分；表示第j2划分类下第k2个综合评分；表示距离阈值；表示第j1划分类下的所有综合评分的方差；表示第j2划分类下的所有综合评分的方差；表示相邻划分类j1与j2的聚合度；
25、分析单元：若，则相邻划分类j1与j2归为一类，其中，为预设度；
26、否则，继续对下一相邻划分类进行分析判断；
27、将最后归类结果作为所述教师的基本群体数据。
28、在一种可能实现的方式中，所述数据分析模块，包括：
29、数据获取单元：获取指定教师的基本行为数据中的教学行为图像和教学行为语音；
30、特征提取单元：对所述教学行为图像中被标注的部分进行图像特征提取，获取到特征图像组，依据预指定教学行为对特征图像组进行分类，并获取每个分类图像下的标准相似度；
31、基于获取的教学行为语音中的标注语音生成用词统计直方图，获取到对应不同特定词汇的出现次数，根据词汇-情绪-积极度对照映射表，对所述特定词汇进行积极度匹配，则所述教学行为语音数据最终积极度为：
32、
33、其中，表示所述教学行为语音数据最终积极度，表示第t个特定词汇对应的积极度，表示第t个特定词汇对应的出现次数；w表示一共有w种特定词汇；
34、第一分数获取单元：基于所有标准相似度与最终积极度，计算得到所述教师的第一评价分数为：；
35、其中，a1为预设线性系数；表示所有sy的累加和求取平均后的平均值；表示基于最终积极度的匹配常数。
36、在一种可能实现的方式中，所述数据分析模块，还包括：
37、平均计算单元：基于最后归类结果计算得到每个归类下的平均评分；
38、第二分数获取单元：基于所有平均评分计算得到第二评价分数。
39、在一种可能实现的方式中，所述评价生成模块，包括：
40、ai评价模型单元：结合ai评价模型向标注图像与标注语音设置第一评价指标以及向最后归类结果设置第二评价指标，并基于第一评价指标评价得到标注图像与标注语音的第一值以及基于第二评价指标评价得到最后归类结果的第二值；
41、最后评价单元：基于第一值、第二值且结合第一评价分数以及第二评价分数，计算得到最后评价成绩。
42、在一种可能实现的方式中，ai评价模型单元，包括：
43、
44、
45、其中，表示第一值，表示ai评价模型得到的第jk个第一评价指标对标注图像与标注语音的评分，表示ai评价模型得到的第jk个第一评价指标的评价误差值，表示第一评价指标下的最小评分，表示第一评价指标下的最大评分。
46、与现有技术相比，本申请的有益效果如下：
47、该教师评价方法采本文档来自技高网...
【技术保护点】
1.一种混合式教学AI评价系统，其特征在于，包括：
2.根据权利要求1所述的一种混合式教学AI评价系统，其特征在于，还
3.根据权利要求2所述的一种混合式教学AI评价系统，其特征在于，所
4.根据权利要求3所述的一种混合式教学AI评价系统，其特征在于，所
5.根据权利要求3所述的一种混合式教学AI评价系统，其特征在于，所
6.根据权利要求5所述的一种混合式教学AI评价系统，其特征在于，所
7.根据权利要求6所述的一种混合式教学AI评价系统，其特征在于，所
8.根据权利要求7所述的一种混合式教学AI评价系统，其特征在于，所
9.根据权利要求8所述的一种混合式教学AI评价系统，其特征在于，AI评价模型单元，包括：
【技术特征摘要】
1.一种混合式教学ai评价系统，其特征在于，包括：
2.根据权利要求1所述的一种混合式教学ai评价系统，其特征在于，还
3.根据权利要求2所述的一种混合式教学ai评价系统，其特征在于，所
4.根据权利要求3所述的一种混合式教学ai评价系统，其特征在于，所
5.根据权利要求3所述的一种混合式教学ai评价系统，...
【专利技术属性】
技术研发人员：丁泉龙，谢德暄，袁红丽，龚小峰，
申请(专利权)人：北京同方艾威康科技有限公司，
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。