【技术实现步骤摘要】
本专利技术涉及数据处理，尤其是涉及一种基于内容掩盖的教学行为信息提取及处理方法和设备。
技术介绍
1、在人工智能发展还未兴起时期，对于教师教学行为的收集与分析多为人工进行标注，例如常用的课堂教学行为分析方法—学生和教师课堂行为分析法(s-t课堂分析法)、弗兰德斯互动分析体系(fias)采用人工编码、计时的方式采集数据，这种方式的虽然精度高，但是所花费的成本巨大。
2、当前，随着大模型技术的迅速发展，数据在其中的重要性日益凸显。尤其是非结构化数据，如文本、图像、视频等，在大模型训练中的价值不可忽视。然而，将这些非结构化数据转化为结构化数据不仅涉及数据质量的保障，还涉及成本控制，这成为了一个重要的挑战。
3、教学行为是指教师在授课过程中的教学方式其中有对知识的讲解方式、对学生的指令等的一些教学行为，以语文课堂为例其中可以包含：学法指导、引导、讲解课文内容等。
4、当前，人工智能已经在许多领域展现出强大的数据处理能力。特别是在自然语言处理和计算机视觉方面，先进的算法和模型使得对视频数据中的关键信息进行提取和...
【技术保护点】
1.一种基于内容掩盖的教学行为信息提取及处理方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于内容掩盖的教学行为信息提取及处理方法，其特征在于，所述的步骤S1中，切片处理的过程包括：
3.根据权利要求1所述的一种基于内容掩盖的教学行为信息提取及处理方法，其特征在于，所述的步骤S1中，通过对所述授课课堂内容数据进行命名实体识别，得到教学内容实体集合的过程包括：
4.根据权利要求3所述的一种基于内容掩盖的教学行为信息提取及处理方法，其特征在于，所述的内容实体的标签包括教学内容人物、教学内容场景、教学内容事件、教学内容物品
【技术特征摘要】
1.一种基于内容掩盖的教学行为信息提取及处理方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于内容掩盖的教学行为信息提取及处理方法，其特征在于，所述的步骤s1中，切片处理的过程包括：
3.根据权利要求1所述的一种基于内容掩盖的教学行为信息提取及处理方法，其特征在于，所述的步骤s1中，通过对所述授课课堂内容数据进行命名实体识别，得到教学内容实体集合的过程包括：
4.根据权利要求3所述的一种基于内容掩盖的教学行为信息提取及处理方法，其特征在于，所述的内容实体的标签包括教学内容人物、教学内容场景、教学内容事件、教学内容物品中的至少一种。
5.根据权利要求1所述的一种基于内容掩盖的教学行为信息提取及处理方法，其特征在于，所述的步骤s2包括：
6.根据权利要求1所述的一种基于内容掩盖的教学行为信息...
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。