教师教学的测评方法和系统与流程

本发明涉及信息处理技术领域，尤其涉及一种教师教学的测评方法和系统。

背景技术

在日常的教学活动中，讲师的教学质量评价是教学质量测评的关环节，对提高教学质量和办公效率具有重要意义，因此，只有建立完善的教学质量测评系统才能够较为全面准确的评价讲师的教学工作，全面提高教学水平。

相关技术中，主要采用学生打分的方式，作为教师的教学测评的主要参考，比如，学生对教师的教学测评的评分普遍偏低，则教师的教学测评对应的测评结果较差，又比如，学生对教师的教学测评的评分普遍较高，则教师的教学测评对应的测评结果较高，然而，这种测评方式至少具有以下两个缺陷：其一在于评分需要在教学完毕后实施，但是有很多学生上课完毕后即离开课堂，评分信息难以采集完全，其二在于评分是一个相对主观的打分方式，在一些场景下，即使教育质量较高，但是当某些学生不喜欢教师本人时，也可能会在打分的时候给出较低的分数，以上两个缺陷将导致教学的测评的结果不准确。

技术实现要素：

本发明提供一种教师教学的测评方法和系统，以解决现有技术中，教师的教学测评不准确的技术问题。

本发明实施例提供一种教师教学的测评方法，包括以下步骤：获取学生在教师授课时段内的实时生理反应信号；根据所述实时生理反应信号确定所述学生听课的实时专注度；根据所述学生听课的实时专注度生成兴趣评分，并根据所述兴趣评分获取所述教师的教学测评结果。

本发明另一实施例提供一种教师教学的测评系统，包括：生理反应信号采集设备和处理器，其中，所述生理反应信号采集设备和所述处理器连接，其中，所述生理反应信号采集设备，用于获取学生在教师授课时段内的实时生理反应信号；处理器，用于根据所述实时生理反应信号确定所述学生听课的实时专注度，根据所述学生听课的实时专注度生成兴趣评分，并根据所述兴趣评分获取所述教师的教学测评结果。

本发明又一实施例提供一种非临时性计算机可读存储介质，所述计算机程序被处理器执行时实现如上述实施例所述的教师教学的测评方法。

本发明还一实施例提供一种计算机程序产品，当所述计算机程序产品中的指令由处理器执行时，执行如上述实施例所述的教师教学的测评方法。

本发明实施例提供的技术方案可以包括以下有益效果：

获取学生在教师授课时段内的实时生理反应信号，根据实时生理反应信号确定学生听课的实时专注度，进而，根据学生听课的实时专注度生成兴趣评分，并根据兴趣评分获取教师的教学测评结果。由此，以学生难以自主更改的生理反应信号为依据，获取教师的教学测评结果，保证了教师教学的测评结果的准确性，且能够根据当前获取的学生的生理反应信号对当前教师的教学进行实时测评，对教师的教学的提高具有重要意义。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1是根据本发明第一个实施例的教师教学的测评方法的流程图；

图2是根据本发明第二个实施例的教师教学的测评方法的流程图；

图3是根据本发明第三个实施例的教师教学的测评方法的流程图；

图4是根据本发明一个实施例的教师教学的测评方法的应用场景示意图；

图5是根据本发明一个实施例的教师教学的测评系统的结构示意图；以及

图6是根据本发明另一个实施例的教师教学的测评系统的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

基于以上分析可知，相关技术中，通过获取学生打分的方式进行教师教学测评，而这种打分方式一方面在采集较难，另一方面打分与实际教师教学质量可能有出入，当学生打分时，受到其他因素影响时可能给出的分数并不能完全反应教师教学质量。

为了解决上述技术问题，本发明提出了一种教师教学的测评方法，该方法通过检测学生在听课过程中的不能自主的控制的生理反应信号，获取学生的专注度，进而根据每个学生的专注度获取教师教学的测评结果，由此，不但可以实时获知学生在听课过程中的专注度，而且基于生理反应信号确定的学生专注度与教师教学的质量较为一致。

下面参考附图描述本发明实施例的教师教学的测评方法和系统。

图1是根据本发明第一个实施例的教师教学的测评方法的流程图，如图1所示，该方法包括：

步骤101，获取学生在教师授课时段内的实时生理反应信号。

其中，生理反应信号，包括皮肤电导信号、心率信号、心电信号、眼动信号、脑电信号中的一种或者多种信号组合。具体地，在本发明的实施例中，可通过皮肤传感器设备采集学生的生理反应信号，其中，根据应用场景的不同，皮肤传感器设备可以为不同的设备，比如，可以为包含皮肤传感器的腕带、帽子、手套、项链、脸部贴纸等能直接接触到的学生皮肤的设备。

应当理解的是，步骤101中获取学生在听课过程中的生理反应信号的应用场景，可以发生在实际的教学场景中，在该场景下，听课的每一个学生佩戴包含皮肤传感器的设备，也可以发生在远程教学等线上课程的教学场景中，在该场景下，听课的每一个学生佩戴包含皮肤传感器的设备，由包含皮肤传感器的设备将采集到的皮肤导电数据上传到系统。

需要强调的是，在实际应用中，教师的讲课时段通常分为知识点讲解、难题解答等授课时段，以及，包括点名等非授课时段，显然，教师在授课时段的教学质量与教师的教学息息相关，因而，在本发明的实施例中，针对教师的授课时段进行教学的测评。

在不同的应用场景下，确定授课时段的方式包括但不限于，由教师本人根据备课情况预先设置，或者，根据检测到的授课语音信息进行分析确定等等。

步骤102，根据实时生理反应信号确定学生听课的实时专注度。

其中，在不同的应用场景下，各学生的专注度可以以具体的数值表示，比如以百分制中的数字表示，数值越大代表学生越专注，比如以等级制度中的等级表示，等级越大代表学生越专注，又比如以具体的符号标志(星星符号、花朵符号、心形符号等)的数量来表示，符号数量越多代表学生越专注。

可以理解，学生的生理反应信号会真实的反应学生的专注度，当生理反应信号包括皮肤电导信号时，皮肤会对电流或者电压呈现一定的电阻，而电阻的大小会随着情绪变化而变化，通常，在较为轻松的状态下，学生可能当前在走神，听课并不是很专注，人体皮肤的电阻较大，从而皮肤电导信号较低，在精神紧张或专注时，学生可能当前正在专注的听课，人体皮肤的电阻较小，从而人体皮肤电导信号较高，这是由于交感和副交感神经根据大脑的认知状态的变化进行拮抗式的调节，而交感和副交感神经的活动会影响皮肤电阻。

又比如，当生理反应信号包括心率信号时，如果学生的心率波动较小，则表明学生越是专注于当前教学内容，如果学生的心率变化比较大，则表明对当前教学内容越是不专注。

需要说明的是，在不同的应用场景下，可采用不同的方式实现根据学生的生理反应信号确定各学生的专注度，示例说明如下：

第一种示例：

在本示例中，预先根据大量实验数据，获取并存储专注度和生理反应信号的对应关系，从而，在获取生理反应信号后，查询上述对应关系，以获取匹配的学生的专注度。

第二种示例：

预先根据大量实验数据，构造生理反应信号的深层网络模型，该模型的输入为生理反应信号，输出为学生的专注度，从而，将获取的学生的生理反应信号输入该深层网络模型，得到输出的学生的专注度。

第三种示例：

在本示例中，如图2所示，上述步骤102包括：

步骤201，根据预设策略分析学生在所述授课时段内的实时生理反应信号，并提取学生的专注特征信息。

应当理解的是，在不同的应用场景下，上述分析学生的生理反应信号的预设策略不同，从而提取到的学生的专注特征信息不同：

作为一种可能的实现方式，专注特征信息为专注次数，则可以检测生理反应信号大于预设阈值的次数提取专注次数。

当生理反应信号为皮肤电导信号时，由于在实际应用中，学生对当前教学越专注，则学生的脑神经活动越丰富,受到教学内容的刺激以及交感神经活动的影响，会使得皮肤表面的导电度改变(其成因与交感神经和汗腺活动度有关)，精神状态越专注，皮肤电导越大，根据此原理从而检测获知的皮肤电导信号越大。

举例而言，当生理反应信号为眼动信号时，由于在实际应用中，学生对当前教学内容越专注，则学会的眼睛越是会随着教师而移动，从而检测到的眼动信号变化率较高，学生对当前的教学内容越不专注，则学生的眼睛不会随着教师移动或者视线没有集中在屏幕或黑板上，从而检测到的眼动信号变化率较低或者注视点超出屏幕或黑板以外。

因而，在本示例中，预先根据大量实验数据设置皮肤电导信号对应的预设阈值，提取皮肤电导信号大于预设阈值的次数提取专注次数。

作为另一种可能的实现方式，可以检测生理反应信号大于预设阈值的时间提取专注时间。

当生理反应信号为皮肤电导信号时，由于在实际应用中，学生对当前教学越专注，则学生的脑神经活动越丰富,受到教学内容的刺激以及交感神经活动的影响，会使得皮肤表面的导电度改变(其成因与交感神经和汗腺活动度有关)，精神状态越专注，皮肤电导越大，根据此原理从而检测获知的皮肤电导信号越大。

因而，在本示例中，还可以检测皮肤电导信号大于预设阈值的时间提取专注时间。

作为又一种可能的实现方式，可以检测生理反应信号大于预设阈值的幅度提取专注强度。

当生理反应信号为皮肤电导信号时，由于在实际应用中，学生对当前教学越专注，则学生的脑神经活动越丰富，受到教学内容的刺激以及交感神经活动的影响，会使得皮肤表面的导电度改变(其成因与交感神经和汗腺活动度有关)，精神状态越专注，皮肤电导越大，根据此原理从而检测获知的皮肤电导信号越大。

因而，在本示例中，还可以检测皮肤电导信号大于预设阈值的幅度提取专注强度，如预设阈值为a,当前的皮肤电导信号为大于a的b，则可以将b-a作为专注强度。

其中，在不同的应用场景下，上述三种示例采集的学生的专注特征信息可以作为单独的参考因素，用于进一步确定学生的专注度，也可以将上述三种示例采集的学生的专注特征信息的任意两种的组合作为参考因素，用于进一步确定学生的专注度，也可以将上述三种示例采集的学生的专注特征信息作为参考因素，用于进一步确定学生的专注度。

另外，为了保证进一步确定学生的专注度的准确度，在本发明的一个实施例中，上述与生理反应信号进行比较的预设阈值还可以根据学生的体质类型设置，比如当生理反应信号为皮肤电导信号时，对于女性学生和男性学生、或者不同年龄段的学生来讲，其皮肤表面的角质和干燥度等不同，因而，在同样的专注度下测量得到的皮肤电导信号是不同，为了补偿这种学生体质上的差别，还可以根据大量实验数据获取这种差别数据，针对不同体质学生设置不同的预设阈值，比如，由于男性汗腺一般比女性更加发达，导电性更强，因而设置的预设阈值相对高一些等。

当然，在这种应用场景下，需要预先对学生的体质类型进行获取，获取方式也可以根据应用场景的不同而不同，比如，可以借助于课堂中的摄像头获取当前参与教学听讲的学生的图像信息，根据图像信息识别对应位置的学生身份，从而将学生的基本属性及特质与对应位置的皮肤传感器相关联，即可根据不同学生的体质类型采用不同的预设阈值进行专注特征信息的获取。

步骤202，应用预设算法对学生的专注特征信息进行计算，确定学生听课的实时专注度。

具体而言，根据应用场景的不同，应用预设算法对各学生的专注特征信息进行计算获取各学生的专注度的方式不同，下面结合不同的应用场景进行举例：

场景一：

在该场景下，学生的专注特征信息为单一的特征信息，比如仅仅为专注次数，或者，专注时间，或者，专注强度。

由于学生的专注特征信息对应的数据值越大，比如专注次数越大，表示学生越专注于当前教学，因此，本场景下的预设算法为与专注特征信息对应的线性运算算法，比如，该算法可以为y＝a*x，其中，y为学生的专注度，x为专注特征信息对应的数据值，a可以为任意大于0的数。

其中，可以考虑专注特征信息包含不同的内容时与学生专注度的相关性的不同，比如，在确定学生的专注度时，通常学生的专注时间相比于专注次数的参考意义更大，因为有的时候，学生虽然多次专注于当前课程，但是持续时间较短，还是认为学生没有专注于当前教学，因此，上述a还可以对应于不同的专注特征信息的权重值，比如，当专注特征信息为专注次数时，对应的a为0.6，当专注特征信息为专注时间时，对应的a为0.8。

场景二：

在该场景下，学生的专注特征信息为多个特征信息，比如包括专注次数和专注时间，或者，专注时间和专注强度，或者，专注次数、专注时间和专注强度等。

由于学生的专注特征信息对应的数据值越大，比如专注次数越大，表示学生越专注于当前教学，因此，对应的预设算法与学生的专注特征信息对应的数据值正相关，比如，y＝a1*x1+…+an*xn，其中，n为大于等于2的正整数，a1到an为正数，a1到an可以相等，也可以不相等，当a1到an不相等时，可以用于表示不同的学生的专注特征信息对专注度的不同的参考意义的权重值，x1到xn表示不同的学生特征信息对应的数据值。

当然，在实际操作过程中，该场景中的预设算还可以是任意体现学生的专注特征信息对应的数据值正相关的算法表达，在此不一一列举。

步骤103，根据学生听课的实时专注度生成兴趣评分，并根据兴趣评分获取教师的教学测评结果。

可以理解，学生的专注度与教学质量密切相关，通常学生会更加专注于教学质量较高的课程，因此，根据学生的专注度对获取教师的教学测评结果较为准确。

其中，在实际执行过程中，测评结果可以根据应用场景的不同而不同，比如，该测评结果可以为百分制的分数表示，还可以为等级制表示等，作为一种可能的实现方式，在当前测评结果对应于百分制评分时，可以应用预设的算法对各学生对每节课的专注度进行计算，获取与每节课对应的各学生的兴趣评分，比如，预先建立专注度与兴趣评分的对应关系，从而，在获取学生对每节课的专注度后，查询上述对应关系，获取到对应的兴趣评分，进而，根据与每节课对应的各学生的兴趣评分获取教师的教学测评结果，比如，将每节课对应的各学生的兴趣评分进行加权平均获取教学质量的测评结果等。

在实际应用中，在学生听课的实时专注度之后，还可以根据学生听课的实时专注度进行额外的教学辅助工作，以帮助学生理解相关知识点。

具体地，如图3所示，在上述步骤103之后，该方法包括：

步骤301，判断实时专注度是否大于预设阈值。

步骤302，若判断获知实时专注度大于预设阈值时，录制并存储对应时段的授课内容。

其中，预设阈值是根据大量实验标注的，其中，当实时专注度大于预设阈值时，则表明学生集中注意力听当前授课内容，可能是当前教学内容比较重要或者学生理解难度大，因而，为了给予学生更好的听课体验，判断获知实时专注度大于预设阈值时，录制并存储对应时段的授课内容，以便于学生对对应时段的授课内容重复播放以消化对应的教学内容，或者，以便于教师在回看对应时段的授课内容时进行再次讲解或者讲解的优化等。

当然，为了进一步提高学生的听课体验，在本发明的一个实施例中，实时专注度小于预设阈值时，还可实时对教师进行提醒，以便于教师及时进行教学内容的调整。

具体地，继续参照图3，在上述步骤301之后，该方法包括：

步骤303，若判断获知实时专注度等于小于预设阈值时，查询预设的控制信息，获取与实时专注度对应的控制指令。

步骤304，根据控制指令控制反馈设备发出提示警告，以使教师调整教学内容。

其中，本发明实施例中的反馈设备包括可进行提示警告的智能灯、气球、蜂鸣器等。

根据应用场景的不同，反馈设备不同，从而与反馈设备的对应的控制指令不同，比如，当反馈设备为智能灯泡时，则对应的控制指令可以为颜色变化控制指令。

具体地，预先设置针对反馈设备的控制信息，该控制信息包括实时专注度和控制指令的对应关系，从而，在获取到实时专注度等于小于预设阈值时，查询控制信息，获取对应的控制指令，根据控制指令控制反馈设备发出提示警告，以使教师调整教学内容。

为了进一步清楚的描述本发明实施例的实施方式，下面以反馈设备为智能灯为例进行说明，说明如下：

举例而言，如图4所示，在实际教学场景中，听讲的学生为学生1-4，当反馈设备是学生所在区域上方的智能灯时，该智能灯的颜色可以变化，在教师授课时段内对学生1-4的生理反应信号进行采集，根据采集的生理反应信号确定各学生的专注度之后，根据各学生的实时专注度生成兴趣评分，根据兴趣评分获取教师的教学测评结果。

其中，在获取到各学生的实时专注度后，若判断获知实时专注度等于小于预设阈值时，则根据与实时专注度对应的控制指令控制智能灯进行颜色变化提醒教师，比如智能灯由绿色变为红色等。

综上所述，本发明实施例的教师教学的测评方法，获取学生在教师授课时段内的实时生理反应信号，根据实时生理反应信号确定学生听课的实时专注度，进而，根据学生听课的实时专注度生成兴趣评分，并根据兴趣评分获取教师的教学测评结果。由此，以学生难以自主更改的生理反应信号为依据，获取教师的教学测评结果，保证了教师教学的测评结果的准确性，且能够根据当前获取的学生的生理反应信号对当前教师的教学进行实时测评，对教师的教学的提高具有重要意义。

为了实现上述实施例，本发明还提出了一种教师教学的测评系统，图5是根据本发明一个实施例的教师教学的测评系统，如图5所示，该系统包括：生理反应信号采集设备和处理器200，其中，生理反应信号采集设备100和处理器200连接，

生理反应信号采集设备100，用于获取学生在教师授课时段内的实时生理反应信号。

处理器200，用于根据实时生理反应信号确定学生听课的实时专注度，根据学生听课的实时专注度生成兴趣评分，并根据兴趣评分获取教师的教学测评结果。

在本发明的一个实施例中，如图6所示，处理器200包括提取单元210和获取单元220。

其中，提取单元210，用于根据预设策略分析学生在授课时段内的实时生理反应信号，并提取学生的专注特征信息；

获取单元220，用于应用预设算法对学生的专注特征信息进行计算，确定学生听课的实时专注度。

需要说明的是，前述对教师教学的测评方法实施例的解释说明也适用于该实施例的教师教学的测评系统，本发明教师教学的测评系统实施例中未公布的细节，此处不再赘述。

综上所述，本发明实施例的教师教学的测评系统，获取学生在教师授课时段内的实时生理反应信号，根据实时生理反应信号确定学生听课的实时专注度，进而，根据学生听课的实时专注度生成兴趣评分，并根据兴趣评分获取教师的教学测评结果。由此，以学生难以自主更改的生理反应信号为依据，获取教师的教学测评结果，保证了教师教学的测评结果的准确性，且能够根据当前获取的学生的生理反应信号对当前教师的教学进行实时测评，对教师的教学的提高具有重要意义。

为了实现上述实施例，本发明还提出一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器被执行时，使得能够执行如上述实施例所述的教师教学的测评方法。

为了实现上述实施例，本发明还提出一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行如上述实施例所述的教师教学的测评方法。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

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或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。