一种基于机器人的教学方法及系统与流程

1.本技术涉及智能机器人技术领域，尤其涉及一种基于机器人的教学方法及系统。


背景技术：

2.随着互联网通讯、大数据和人工智能技术的不断发展，教育机器人现已应用至日常教学中。但是，目前市场上提供的教育机器人都只能是基于简单的语音交互参与教学过程，互动模式单一，且在教学过程中不易了解教学效果，参与度较差。


技术实现要素：

3.本技术实施例提供了一种基于机器人的教学方法及系统，用以解决现有的教学机器人功能模式单一，且交互性差的技术问题。
4.一方面，本技术实施例提供了一种基于机器人的教学方法，包括：机器人接收教师端发送的教学指令，并根据教学指令所处的教学阶段，选择对应的执行策略；基于执行策略，确定对应的教学设备；控制教学设备从数据中心中获取针对教学指令的课程数据，以通过课程数据进行教学辅导；接收各学生端根据课程数据分别发送的反馈信息，并根据反馈信息，得到课程数据对教学指令的还原度；其中，反馈信息包括各学生端的答题数据、作答时间，还原度用于评估机器人对教学指令的执行情况。
5.在本技术的一种实现方式中，控制教学设备从数据中心中获取针对教学指令的课程数据，以通过课程数据进行教学辅导，具体包括：控制多媒体设备，从数据中心中获取针对教学指令的课件数据和/或问答题目数据；控制多媒体设备将课件数据和/或问答题目数据进行展示。
6.在本技术的一种实现方式中，接收各学生端根据课程数据分别发送的反馈信息，并根据反馈信息，得到课程数据对教学指令的还原度，具体包括：根据教学指令，确定对应的教学目标；基于边缘计算，根据各学生端分别发送的反馈信息，得到学生端对课程数据的掌握程度；根据掌握程度和教学目标，确定课程数据对所述教学指令的还原度。
7.在本技术的一种实现方式中，基于边缘计算，根据各学生端分别发送的反馈信息，得到学生端对课程数据的掌握程度，具体包括：反馈信息包括各学生端的答题数据、作答时间；根据各学生端的答题数据，确定已完成问题作答的学生端数量，以计算问题的作答率；若作答率高于第一预设阈值，根据各学生端的答题数据和对应的问答题目数据中的标准答案，计算问题的正确率，以及根据各学生端的作答时间，计算问题的平均作答效率；根据平均作答效率、正确率，确定学生端对课程数据的掌握程度。
8.在本技术的一种实现方式中，计算问题的作答率之后，方法还包括：若作答率低于第一预设阈值，通过内置的摄像头或教室环境传感器，获取各学生端的人脸图像信息；其中，人脸图像信息包括若干人脸识别关键点；将人脸图像信息输入至预设的人脸特征识别模型中，确定各人脸识别关键点对应的姿态特征；将姿态特征输入至预设的专注度估计模型中，得到相应的专注度估计值；若专注度估计值低于第二预设阈值，向学生端发出警告。
9.在本技术的一种实现方式中，机器人接收教师端发送的教学指令之前，方法还包括：对教师端上传的教案进行实例提取，获取对应的教学实例；根据教学实例，确定对应课程的教学章节，以及教学章节对应的知识点；抽取知识点，并将其添加至预先构建的课程图谱中。
10.在本技术的一种实现方式中，方法还包括：在学生端对任一知识点的掌握程度未达到预设条件的情况下，根据预先构建的知识点关联网络，从与知识点相连的边中，确定权重最大的边所对应的其他知识点为待巩固知识点；控制多媒体设备展示待巩固知识点对应的课程数据，以使各学生端对知识点及与其相关联的其他知识点进行巩固。
11.在本技术的一种实现方式中，得到课程数据对教学指令的还原度之后，方法还包括：按照各学生端所在的位置将其划分为若干分布区域，并针对各分布区域，确定分布区域内课程数据对教学指令的区域还原度；将区域还原度与还原度进行对比，确定出对应的区域还原度低于还原度的目标分布区域，并对目标分布区域内的学生端进行辅助教学。
12.在本技术的一种实现方式中，控制教学设备从数据中心中获取针对教学指令的课程数据，具体包括：根据教学指令，确定所要获取的课程数据对应的第一课程资源关键词第二课程资源关键词和第三课程资源关键词；其中，第一课程资源关键词、第二课程资源关键词和第三课程资源关键词，分别对应预先构建的课程图谱中课程、教学章节及知识点所在的课程资源节点；根据第一课程资源关键词，从课程图谱中确定课程所在的课程资源节点；通过第二课程资源关键词、第三课程资源关键词，从课程所在的课程资源节点中，依次确定课程对应的教学章节和知识点所在的课程资源节点，以获取相应的课程数据。
13.另一方面，本技术实施例还提供了一种基于机器人的教学系统，系统包括：机器人，用于接收教师端发送的教学指令，并根据教学指令所处的教学阶段，选择对应的执行策略；基于执行策略，确定对应的教学设备；控制教学设备从数据中心中获取针对教学指令的课程数据，以通过课程数据进行教学辅导；接收各学生端根据课程数据分别发送的反馈信息，并根据反馈信息，得到课程数据对教学指令的还原度；其中，反馈信息包括各学生端的答题数据、作答时间，还原度用于评估机器人对教学指令的执行情况；教师端，用于发送教学指令至机器人；多媒体设备，用于从数据中心中获取针对教学指令的课件数据和/或问答题目数据；将课件数据和/或问答题目数据进行展示；学生端，用于根据课程数据生成相应的反馈信息，并将反馈信息发送至机器人；云管理平台，存有课程数据，用于协调控制机器人、教师端、多媒体设备和学生端。
14.本技术实施例提供的一种基于机器人的教学方法及系统，至少具备以下有益效果：机器人通过与教师端、学生端、教学设备之间的交互，可接收教师端发送的教学指令，据此控制教学设备获取课程数据从而对学生进行教学辅导，并通过学生端的反馈信息计算对于教学指令的还原度，从而来判断当前教学成果，实现了教学内容的多样性输出，丰富了互动模式。并且，教师端也可通过教学指令对当前教学进行干预，相较于传统的作为教学主体进行教学辅导的方式来说，更为便利。
附图说明
15.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
16.图1为本技术实施例提供的一种基于机器人的教学方法流程图；
17.图2为本技术实施例提供的一种基于机器人的教学系统整体架构图；
18.图3为本技术实施例提供的另一种基于机器人的教学系统整体架构图。
具体实施方式
19.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
20.下面通过附图对本技术实施例提出的技术方案进行详细的说明。
21.图1为本技术实施例提供的一种基于机器人的教学方法流程图。如图1所示，本技术实施例提供的基于机器人的教学方法可以主要包括以下步骤：
22.s101：机器人接收教师端发送的教学指令，并根据教学指令所处的教学阶段，选择对应的执行策略。
23.在本技术实施例中，教师端不仅可以直接参与到与教学设备的交互中，还可以通过下发教学指令实现教学设备的调用，以及教学内容的反馈。其中，教学指令包括触发指令和语音指令，教师端可通过移动终端触发不同的教学指令，或是发出语音指令至机器人。机器人接收到相应的触发指令或是通过识别语音指令中的关键词之后，便可确定该教学指令对应的教学阶段，从而选择对应的执行策略。教学阶段指的是教案或教师设置的教学流程中的各阶段，执行策略则是针对教学阶段的应用需求，机器人所要执行的教学操作。比如，课前回顾阶段，该阶段对应的执行策略可以为提问或是课前测试。又或是讲授新知识阶段，该阶段对应的执行策略可以是小组讨论或是屏幕展示课件。
24.需要说明的是，当教师端发送的教学指令为开始上课，且后续未继续进行指令的下发时，机器人可按照教学流程进行教学，自动根据当前所在的教学阶段，选择对应的执行策略。其中，教学流程可根据数据中心中教师端上传的教案信息确定，或是机器人自行确定。
25.s102：基于所述执行策略，确定对应的教学设备。
26.教学设备，指的是直接用于教学，或间接辅助教学的设备。比如，多媒体设备(包括屏幕、音响)能够直接向学生展示画面或是播放语音，来进行直接教学。当然，教学设备也可以包括智能化窗帘等辅助教学设备，其能够在播放视频的时候控制窗帘开闭，减少外部光线的干扰，为学生创造一个良好的学习环境，达到辅助教学的作用。
27.s103：控制教学设备从数据中心中获取针对教学指令的课程数据，以通过课程数据进行教学辅导。
28.数据中心中存有不同课程的课程数据，而课程数据通过课程图谱以结构化的形式表现出来。课程图谱融合了课程数据以及云端百科知识，教学设备在获取课程数据时，通过课程图谱中各节点之间的关联关系，可快速定位到相应的课程数据，从而对学生端进行教学辅导。
29.在一个实施例中，在机器人接收教师端发送的教学指令之前，云管理平台作为协调其他组件的总控制中心，会预先根据教师端上传的历史教案信息，构建面向多个课程的
课程图谱，以便后续获取课程数据。
30.具体地，云管理平台对教师端上传的教案进行实例提取，获取对应的教学实例。之后，根据教学实例，确定该教学实例在对应课程中所在的教学章节，以及教学章节对应的知识点。最后，抽取上述知识点，并将其添加至预先构建的课程图谱中。
31.在一个实施例中，机器人在选择好教学设备后，可控制多媒体设备，从数据中心中获取针对教学指令的课件数据和/或问答题目数据，然后控制多媒体设备将课件数据和/或问答题目数据进行展示。
32.具体地，数据中心中的课程数据从课程、教学章节和知识点等多个层面展现。在获取课程数据时，机器人控制教学设备根据教学指令，确定所要获取的课程数据对应的第一课程资源关键词第二课程资源关键词和第三课程资源关键词；其中，第一课程资源关键词、第二课程资源关键词和第三课程资源关键词，分别对应预先构建的课程图谱中课程、教学章节及知识点所在的课程资源节点；根据第一课程资源关键词，从课程图谱中确定课程所在的课程资源节点；通过第二课程资源关键词、第三课程资源关键词，从课程所在的课程资源节点中，依次确定所述课程对应的教学章节和知识点所在的课程资源节点，以获取相应的课程数据。
33.多媒体设备从数据中心中获取数据的过程就相当于遍历课程图谱，按照节点等级由高到低的顺序，依次确定出课程、教学章节、知识点所在的课程资源节点，从而找到对应的课程数据。比如，本节课所要讲授的是勾股定理，隶属于数学课程第二章下的勾股定理知识点，其对应的第一课程资源关键词为数学，第二课程资源关键词为第二章，第三课程资源关键词为勾股定理。需要说明的是，若课件数据链接于教学章节所在的课程资源节点下，通过第一课程资源关键词和第二课程资源关键词便可定位到对应的课程资源节点。
34.例如，教师端设有移动终端，移动终端上包括“展示课件”“小组讨论”“题目问答”等按键。教师在点击“题目问答”按键后，机器人会接收到相应的教学指令，并确定当前所要执行的策略为进行题目问答。之后，控制多媒体设备从数据中心中获取本节课程对应的问答题目数据，并将题目展示于多媒体设备屏幕上。学生端可通过各自的电子白板进行相关题目的作答，作答完毕后即可将相应的答题数据反馈给机器人和教师端。
35.s104：机器人接收各学生端根据课程数据分别发送的反馈信息，并根据反馈信息，得到课程数据对教学指令的还原度。
36.机器人根据教师端发送的教学指令进行相应的教学辅导后，会接收学生端对其作出的反馈信息，并据此计算对于教学指令的还原度，以评估当前学习成果。
37.在一个实施例中，机器人首先根据教学指令，确定对应的教学目标。比如，当教师端下发的教学指令为展示课件时，教学目标为使学生端看清课件数据。又或者是教师端发出语音指令“下面进行相关题目的测试，需要全班同学都掌握”，此时的教学目标便为学生端对某一知识点下的问答题目掌握程度为100％。
38.之后，机器人可基于其自身的边缘计算能力，根据各学生端分别发送的反馈信息，得到学生端对课程数据的掌握程度。
39.具体地，反馈信息包括各学生端的答题数据和作答时间。机器人可设定答题时长，当到达答题时长后，回收各学生端的答题数据。通过判断各学生端的答题数据是否为空，便能够确定出已完成问题作答的学生端数量，从而计算出作答率。需要说明的是，这里所说的
反馈信息也可以包括语音反馈，比如，教师端当前的应用需求为展示课件数据时，学生端会对其进行是否能够看清楚的反馈，并通过语音回复“看得清”或是“看不清”。机器人在得到该反馈信息后，就会得到学生端当前对于课件程度的掌握程度。
40.进一步地，若作答率高于第一预设阈值，说明当前课堂秩序良好，此时获取的答题数据具有参考性，则根据各学生端的答题数据和对应的问答题目数据中的标准答案，计算问题的正确率。同时，根据各学生端的作答时间，计算问题的平均作答效率。
41.更进一步地，在衡量学生端的掌握程度时，机器人会综合作答效率和正确率进行评估。即根据平均作答效率、正确率，确定学生端对课程数据的掌握程度。通常情况下，掌握程度呈对数曲线趋势增长，前期增长速度快，后期随着时间的推移增长速度逐渐减慢并趋于稳定。
42.最后，在得到学生端对于课程数据的掌握程度后，机器人可根据掌握程度以及教学指令对应的教学目标，确定课程数据对所述教学指令的还原度。
43.例如，若教师端发送的教学指令为题目问答，该教学指令对应的教学目标设为学生端掌握程度超过80％。假设班级学生为60人，第一预设阈值设为90％。当到达答题时长后，机器人将回收各学生端的反馈信息，若完成问答的学生端个数为56人，此时作答率已超过第一预设阈值。那么，机器人可综合计算正确率和平均作答效率，得到学生端对课程数据的掌握程度。若掌握程度超过了80％，说明此时已经完成了教学目标，对于教学指令的还原度为100％。
44.在本技术实施例中，还原度用于衡量机器人对教学指令的执行情况，当还原度高于预设阈值时，表明学生端对于当前教师端发送的教学指令所做出的反馈是符合预期期望的，此时，机器人对于教学指令的执行情况较为良好，教师端或机器人可按照教学流程继续教学。当还原度低于预设阈值时，机器人可根据还原度对课堂做出一定程度的干预，以采用相应的教学措施使学习成果尽可能满足教师预期。机器人通过及时获取学生的反馈信息并做出相应的教学调整，在提高了教学效果的同时还有利于教学流程的推进，提升了教学效率。
45.在一个实施例中，机器人可分区获取教学指令的还原度，即按照各学生端所在的位置将其划分为若干分布区域，并针对各分布区域，确定分布区域内课程数据对教学指令的区域还原度。将各区域还原度与整体的还原度进行对比，可以确定出区域还原度低于整体还原度的目标分布区域，则说明目标分布区域的还原度未达到平均水平，此时，机器人需对该目标分布区域进行专门的辅助教学。比如，可按照教室内的排数对学生端进行均匀划分，假设学生共分为6排，可将每两排划分为不同的分布区域，若1、2排对应的区域还原度为90％，3、4排对应的区域还原度为95％，5、6排对应的区域还原度为80％，则说明当前5、6排内的学生端掌握程度并未达到班级平均水平，需进行专门的辅助教学。
46.造成区域还原度较低的原因有多种，例如，可能是由于该区域离多媒体设备较远，学生端难以看清屏幕，也可能是由于该区域内学生端学习能力较差。机器人可相应的控制多媒体设备展示数据的字号大小，或通过对目标分布区域内的学生端进行课后辅导的方式实现辅助教学。
47.在一个实施例中，在学生端对任一知识点的掌握程度未达到预设条件的情况下，为保证教学效果，机器人会通过预先构建的知识点关联网络，从与该知识点相连的边中，确
定权重最大的边所对应的其他知识点为待巩固知识点，也就是确定与该知识点关联最强的其他知识点。然后控制多媒体设备展示待巩固知识点对应的课程数据，从而使各学生端对知识点及与其相关联的其他知识点进行巩固。
48.需要说明的是，知识点关联网络是云管理平台基于云端知识点集合和课程图谱预先构建的。云管理平台首先会通过云端知识点集合和课程图谱，确定各知识点之间的关联度。然后将知识点作为节点，将知识点之间的关联关系作为边，将边的权重表示为各知识点之间的关联度，构建知识点关联网络。边的权重越大，其连接的两知识点之间的关联度便越强。
49.通过知识点关联网络将各知识点之间进行关联，可直观得到各知识点的关联程度，这样在进行教学辅导时可通过某一知识点的相关知识点，对该知识点进行全面的讲解，教学效果更佳。
50.在一个实施例中，在进行题目问答时，若作答率低于第一预设阈值，则说明当前未完成答题的学生端数量较多。此时，机器人需对学生进行专注度检测，判断当前是否为学生端不专注导致的问题作答率较低，以便采取相应的干预措施，提高学生课堂专注度。
51.具体地，机器人通过内置的摄像头或教室环境传感器，获取各学生端的人脸图像信息。其中，人脸图像信息包括若干人脸识别关键点，比如鼻子、眼睛、嘴巴。然后将人脸图像信息输入至预设的人脸特征识别模型中，确定各人脸识别关键点对应的姿态特征。在得到各人间关键点对应的姿态特征后，将姿态特征输入至预设的专注度估计模型中，得到相应的专注度估计值。当专注度估计值低于第二预设阈值时，说明当前学生端专注度较差，需机器人进行额外的教学干预，此时，机器人会向学生端发出警告，警告方式包括语音警告或动作提示。
52.以上为本技术提出的方法实施例。基于同样的发明构思，本技术实施例还提供了一种基于机器人的教学系统，其整体架构如图2所示。
53.本技术实施例提供的一种基于机器人的教学系统，包括教师端、机器人、学生端、多媒体设备(数字化环境)和云管理平台(图中未示出)。云管理平台作为教学系统的控制中心，其对应的数据中心中存有针对教学资源的课程图谱，以及班级、教师、学生等相关信息。教师端设有移动终端，学生端设有电子白板等智能教学设备。
54.机器人、教师端和学生端首先在局域网内自动组网，教师端可通过移动终端或是语音发送教学指令至机器人。机器人作为教学主体，可接收教师端发送的教学指令，并根据教学指令进行相应的数据处理，确定对应的执行策略，然后根据执行策略调用数字化环境中的教学设备对学生端进行教学辅导，实现策略的实施。其中，教学设备包括电子课桌、电子白板、多媒体设备、教室环境传感器、智能移动终端和其他设备。相应的，学生端会对教学设备获取的课程数据做出反馈，并将反馈信息返回至机器人和教师端。机器人响应于教师端的请求，根据该反馈信息确定课程数据对于教学指令的还原度。同时，教师端也可根据学生端的反馈信息对教学流程做出中断或调整，对学生端进行教学引导。
55.在一个实施例中，机器人，用于接收教师端发送的教学指令，并根据教学指令所处的教学阶段，选择对应的执行策略；基于执行策略，确定对应的教学设备；控制教学设备从数据中心中获取针对教学指令的课程数据，以通过课程数据进行教学辅导；接收各学生端根据课程数据分别发送的反馈信息，并根据反馈信息，得到课程数据对教学指令的还原度；
其中，反馈信息包括各学生端的答题数据、作答时间，还原度用于评估机器人对教学指令的执行情况。
56.教师端，用于发送教学指令至机器人；多媒体设备，用于从数据中心中获取针对教学指令的课件数据和/或问答题目数据；将课件数据和/或问答题目数据进行展示；学生端，用于根据课程数据生成相应的反馈信息，并将反馈信息发送至机器人；云管理平台，存有课程数据，用于协调控制机器人、教师端、多媒体设备和学生端。
57.图3为本技术实施例提供的另一种基于机器人的教学系统整体架构图。如图3所示，机器人可根据教学指令确定教师端的应用需求，并基于教师端的应用需求及其自身的辅助需求，控制数字化环境中的教学设备进行教学辅导。学生端在获取相应的教学资源后可对教师端、机器人做出相应的反馈，同时还可反馈给教学设备。教师端在教学过程中也可直接控制教学工具对当前课堂做出干预。教学设备处于数字化环境下，可与该环境下的其他教学设备进行交互，也可接受机器人和教师端的调度。
58.本技术中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
59.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
60.以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。