一种人工智能自适应互动教学系统的制作方法

1.本发明涉及教学系统技术领域，特别涉及一种人工智能自适应互动教学系统。


背景技术：

2.自适应教育这一学习理念已经存在了很长时间，近年来随着人工智能在教育行业的应用，基于人工智能的自适应教育应运而生。自适应教育学习模式可实时收集学生学习数据，评估学生的学习内容，做到千人千面的个性化学习，提高学习效率。基于人工智能的自适应教育目前在我国处于初步发展阶段，产业链不成熟、分工不明确，用户对其认知度低。未来随着技术的成熟，有效数据的丰富，自适应教育有望在更多学科和细分领域进行应用。
3.现有的自适应教育技术，太过依赖传统的人机互动工具例如键盘或触摸屏，难以做到高效，自由和便捷的人机交流；同时现有的自适应教育算法的发展缓慢，无法充分利用用户的学习状态等信息确定学习内容，学习效率低下。故此，我们提出了一种人工智能自适应互动教学系统。


技术实现要素：

4.本发明的主要目的在于提供一种人工智能自适应互动教学系统，可以有效解决背景技术中的问题。
5.为实现上述目的，本发明采取的技术方案为：
6.一种人工智能自适应互动教学系统，互动教学模块，用于以教学视频播放携带动态对话的模式实现互动教学，并实现学习进度的实时追踪；
7.信息处理模块，内置有人工智能算法模型，根据学生学习状态确定所述推送训练试题；
8.学习障碍点检测模块，调用对应的学习情况检测试题和学习障碍点检测模型实现用户学习障碍点的检测，得到用户的学习障碍点；
9.学习资料配置模块，用于根据检测所得的学习障碍点实现用户学习资料的配置，每一个学习障碍点对应一组学习资料；
10.学习任务生成模块：用于根据每一个学习障碍点对应的学习资料生成对应的学习任务。
11.优选的，所述互动教学模块包括：
12.教学视频播放单元，用于实现教学视频的播放；
13.学习状态获取单元，用于获取学生的人脸图像信息和声音信息；
14.知识点提问单元，用于根据教学视频的播放进度，以弹出对话框的模式展示对应知识点的训练试题。
15.优选的，所述人脸图像通过摄像头获取，所述声音信息通过麦克风获取。
16.优选的，所述信息处理模块包括：
17.人脸状态分析单元，用于使用人脸识别算法对所述人脸图像信息进行识别，得到所述学习状态；
18.声音状态分析单元，用于使用声音识别算法对所述声音信息进行识别和处理，得到所述声音文本；
19.人工智能演算单元，用于使用预先构建的人工智能算法模型，根据学习状态推送训练试题。
20.优选的，所述学习状态包括人脸情绪信息、人脸专注信息或人脸类别信息中的一种或多种，所述声音识别信息包括声音文本和声学特征。
21.优选的，所述人工智能算法模型包括：
22.影像动作算法模型，用于分析学生的所述学习状态，判断学生的学习专注程度；
23.知识图谱算法模型，设置有预设的知识图谱，用于根据学生的所述声音文本确定学生的学习进度、学习效率和认知水平，对所述知识图谱进行更新，并确定下一步应推送的所述学习内容。
24.优选的，所述学习障碍点检测模型采用inception_v4神经网络模型，基于学习情况检测试题及其对应的知识点训练所得。
25.优选的，所述人工智能自适应互动教学系统还包括：
26.个人信息登记模块，用于登记学生的个人姓名、年龄、所在年级、身份证号、手机号信息；
27.错题汇总模块，用于实现互动教学、学习障碍点检测过程中所存在的错题汇总，每一道错题均携带其对应的解析资料；
28.后台管理模块，用于对授权人员提供管理界面，以对整个系统进行管理和维护。
29.与现有技术相比，本发明具有如下有益效果：
30.1、本发明通过信息处理模块获得学生的声音信息和人脸图像信息，预设的人工智能算法模型可以根据学生的声音和人脸表情自动确定学生的学习状态，并通过推送训练试题对学生进行实时的反馈，可以很好地避免学习过程中存在的开小差等情况导致的知识点遗漏的情况，从而提高学习效率；
31.2、本发明通过人工智能算法模型可以根据学生的学习状态等信息来确定学生的学习内容，使得学生达到便捷、高效的学习效果，且自适应学习算法也使得人工智能算法模型可以随着训练不断自我优化，达到更好的学习效果；
32.3、本发明可以根据每一个用户的学习进度实现当前学习障碍点的准确掌握，从而可以根据不同的学习障碍点为每一位用户配置对应的学习资源，真正的实现了因材施教，大大提高了学习效率。
附图说明
33.图1为本发明一种人工智能自适应互动教学系统的框图。
具体实施方式
34.为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
35.在本发明的描述中，需要说明的是，术语“上”、“下”、“内”、“外”“前端”、“后端”、“两端”、“一端”、“另一端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
36.在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“设置有”、“连接”等，应做广义理解，例如“连接”，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
37.实施例
38.一种人工智能自适应互动教学系统，包括：
39.互动教学模块，用于以教学视频播放携带动态对话的模式实现互动教学，并实现学习进度的实时追踪；
40.信息处理模块，内置有人工智能算法模型，根据学生学习状态确定所述推送训练试题；
41.学习障碍点检测模块，调用对应的学习情况检测试题和学习障碍点检测模型实现用户学习障碍点的检测，得到用户的学习障碍点；
42.学习资料配置模块，用于根据检测所得的学习障碍点实现用户学习资料的配置，每一个学习障碍点对应一组学习资料；
43.学习任务生成模块：用于根据每一个学习障碍点对应的学习资料生成对应的学习任务。
44.所述互动教学模块包括：
45.教学视频播放单元，用于实现教学视频的播放；
46.学习状态获取单元，用于获取学生的人脸图像信息和声音信息；
47.知识点提问单元，用于根据教学视频的播放进度，以弹出对话框的模式展示对应知识点的训练试题。
48.所述人脸图像通过摄像头获取，所述声音信息通过麦克风获取。
49.所述信息处理模块包括：
50.人脸状态分析单元，用于使用人脸识别算法对所述人脸图像信息进行识别，得到所述学习状态；
51.声音状态分析单元，用于使用声音识别算法对所述声音信息进行识别和处理，得到所述声音文本；
52.人工智能演算单元，用于使用预先构建的人工智能算法模型，根据学习状态推送训练试题。
53.所述学习状态包括人脸情绪信息、人脸专注信息或人脸类别信息中的一种或多种，所述声音识别信息包括声音文本和声学特征。
54.所述人工智能算法模型包括：
55.影像动作算法模型，用于分析学生的所述学习状态，判断学生的学习专注程度；
56.知识图谱算法模型，设置有预设的知识图谱，用于根据学生的所述声音文本确定学生的学习进度、学习效率和认知水平，对所述知识图谱进行更新，并确定下一步应推送的所述学习内容。
57.所述学习障碍点检测模型采用inception_v4神经网络模型，基于学习情况检测试题及其对应的知识点训练所得。
58.所述人工智能自适应互动教学系统还包括：
59.个人信息登记模块，用于登记学生的个人姓名、年龄、所在年级、身份证号、手机号信息；
60.错题汇总模块，用于实现互动教学、学习障碍点检测过程中所存在的错题汇总，每一道错题均携带其对应的解析资料；
61.后台管理模块，用于对授权人员提供管理界面，以对整个系统进行管理和维护。
62.本发明通过信息处理模块获得学生的声音信息和人脸图像信息，预设的人工智能算法模型可以根据学生的声音和人脸表情自动确定学生的学习状态，并通过推送训练试题对学生进行实时的反馈，可以很好地避免学习过程中存在的开小差等情况导致的知识点遗漏的情况，从而提高学习效率；通过人工智能算法模型可以根据学生的学习状态等信息来确定学生的学习内容，使得学生达到便捷、高效的学习效果，且自适应学习算法也使得人工智能算法模型可以随着训练不断自我优化，达到更好的学习效果；可以根据每一个用户的学习进度实现当前学习障碍点的准确掌握，从而可以根据不同的学习障碍点为每一位用户配置对应的学习资源，真正的实现了因材施教，大大提高了学习效率。
63.以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。