一种基于微表情识别的教学评价和实时反馈系统的制作方法

本发明涉及教学评价反馈领域，尤其涉及一种基于微表情识别的教学评价和实时反馈系统。

背景技术：

在传统的教师教学质量评估方式中，学生带着感情色彩打分的现象非常普遍，其评价结果的准确性和可靠性受主观意识影响，无法准确实时跟踪课堂时效，因此，利用表情识别技术和语音识别技术对学生的学习过程和教师的教学过程进行精确采样和智能分析与评价就显得尤为重要，但现有的课堂教学评价系统中并没有将学生学习状态信息实时反馈给教师，并且教师无法根据学生的状态及时作出相应的调整。

技术实现要素：

本发明所要解决的技术问题是针对现有技术的不足，提供一种基于微表情识别的教学评价和实时反馈系统。

本发明解决上述技术问题的技术方案如下：一种基于微表情识别的教学评价和实时反馈系统，包括：评价系统建立模块、信息采集模块、教学评价与反馈模块，所述评价系统建立模块用于构建由图像处理及微表情评价所搭建的模型，所述信息采集模块用于接收学生及教师信息并将学生及教师的信息输出至所述评价系统建立模块，所述教学评价与反馈模块用于实时获取课堂状况并将所述课堂状况发送至所述评价系统建立模块，根据所述评价系统建立模块反馈的信息及时进行教学调整。

本发明的有益效果是：利用表情识别技术和语音识别技术对学生的学习过程和教师的教学过程进行精确采样和智能分析与评价，并且将学生学习状态信息实时反馈给教师，教师根据学生的状态及时作出相应的调整，提高了课堂教学的灵活性同时也对于教师的考核给与了一定的数据支撑。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述评价系统建立模块包括：声音图像处理子模块、微表情评价子模块及模型建立子模块；

所述声音图像处理子模块用于将教室摄像设备拍摄的教师和学生课堂影像进行声音和面部图像数据的提取及处理；

所述微表情评价子模块用于对教师和学生的微表情信息进行评价，通过学生的微表情信息评价结果判断学生听课的专注度，将教师的微表情信息评价结果与所述学生的微表情信息评价结果结合判断教师教学的接受度；

所述模型建立子模块用于将所述声音图像处理子模块和所述微表情评价子模块得出的数据输入深度卷积神经网络模型中，建立教学评价系统。

进一步，所述教学评价与反馈模块包括：实时评价子模块，所述实时评价子模块用于将教师和学生实时课堂情况输入到所述模型建立子模块中，并将评价结果输出至所述模型建立子模块，所述评价结果中包含学生课堂表现以及学生面部图像数据，所述模型建立子模块将所述学生面部图像数据传输至所述声音图像处理子模块，所述声音图像处理子模块将处理结果反馈至所述模型建立子模块，所述模型建立子模块将所述声音图像处理子模块将处理结果与所述学生课堂表现匹配输出。

采用上述进一步方案的有益效果是：可以及时有效的将学生及教师的状态进行反馈并给出相应的处理意见，有助于提高课堂的教学质量。

进一步，所述信息采集模块包括：教务信息输入子模块及人工信息输入子模块；

所述教务信息输入子模块用于将教务系统中的学生姓名、学号、照片和考试成绩录入并存储发送至所述评价系统建立模块；

所述人工信息输入子模块用于人工输入学生作业成绩、课堂回答问题情况和请假情况并存储发送至所述评价系统建立模块。

进一步，所述教学评价与反馈模块还包括：实时反馈子模块，所述实时反馈子模块用于将所述结果反馈至所述评价系统建立模块，所述实时反馈子模块根据所述评价系统建立模块反馈回来的结果提出教学调整方案。

进一步，所述教学评价与反馈模块还包括：评价信息储存子模块，所述评价信息储存子模块用于将所述实时评价子模块中的教师和学生的实时评价进行储存。

采用上述进一步方案的有益效果：方便日后调取学生及教师的课堂信息，便于考评。

本发明附加的方面的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，或通过本发明实践了解到。

附图说明

图1为本发明一种基于微表情识别的教学评价和实时反馈系统实施例提供的结构框架图；

图2为本发明一种基于微表情识别的教学评价和实时反馈系统实施例提供的课堂教学评价原理图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实施例只用于解释本发明，并非用于限定本发明的范围。

如图1所示，本发明一种基于微表情识别的教学评价和实时反馈系统实施例提供的结构框架图，包括：评价系统建立模块100、信息采集模块200、教学评价与反馈模块300，评价系统建立模块100用于构建由图像处理及微表情评价所搭建的模型，信息采集模块200用于接收学生及教师信息并将学生及教师的信息输出至所述评价系统建立模块100，教学评价与反馈模块300用于实时获取课堂状况并将所述课堂状况发送至所述评价系统建立模块100，根据所述评价系统建立模块100反馈的信息及时进行教学调整。

利用表情识别技术对学生的学习过程和教师的教学过程进行精确采样和智能分析与评价，并且将学生学习状态信息实时反馈给教师，教师根据学生的状态及时作出相应的调整，提高了课堂教学的灵活性同时也对于教师的考核给与了一定的数据支撑。

需要注意的是，教学评价与反馈模块具体用于对学生和教师课堂状态的历史记录信息进行影像和声音提取和处理，同时根据教育心理学理论，结合微表情评价的方法对学生听课专注度和教师教学接受度进行评价，然后将对影像和声音的处理结果以及评价的结果转换为建模数据，输入深度卷积神经网络模型中，模型通过对建模数据学习后即可根据历史信息对教师和学生实时教学状态进行评价。然后信息采集模块200会将教务系统中学生的姓名、学号、年级、照片等信息导入教学评价系统中，教师也可以在信息采集模块200中输入学生课堂回答问题的情况、平时作业完成情况和迟到早退等情况，对学生的各方面信息进行全面的收集。在教学课堂上，教室的摄像设备会对教师和学生的上课状态进行采集，然后输入教学评价模型中，如图2所示，教学评价模型对学生听课的专注度和教师教学的接受度进行实时评价，例如：根据评分对学生或教师进行等级划分，再将划分结果集中权重计算最终结合课堂内容等进行综合评价，然后根据这些评价判断课堂状态并给出教学调整建议，实时评价信息和教学调整建议会通过教室的多媒体设备及时反馈给教师，以便于教师及时进行教学调整，使教学效率达到最高。该教学评价系统还会对实时评价信息进行储存，在课堂结束时给出课堂教学评价，在学期末时还会结合学生的考试成绩进行学生课程成绩总评和教师课程教学总评。

优选地，在上述任意实施例中，评价系统建立模块100包括：声音图像处理子模块110、微表情评价子模块120及模型建立子模块130；

声音图像处理子模块110用于将教室摄像设备拍摄的教师和学生课堂影像进行声音和面部图像数据的提取及处理；

微表情评价子模块120用于对教师和学生的微表情信息进行评价，通过学生的微表情信息评价结果判断学生听课的专注度，将教师的微表情信息评价结果与所述学生的微表情信息评价结果结合判断教师教学的接受度；

模型建立子模块130用于将所述声音图像处理子模块110和所述微表情评价子模块120得出的数据输入深度卷积神经网络模型中，建立教学评价系统。

优选地，在上述任意实施例中，教学评价与反馈模块300包括：实时评价子模块310，实时评价子模块310用于将教师和学生实时课堂情况输入到所述模型建立子模块130中，并将评价结果输出至所述模型建立子模块130，评价结果中包含学生课堂表现以及学生面部图像数据，模型建立子模块130将学生面部图像数据传输至声音图像处理子模块110，声音图像处理子模块110将处理结果反馈至模型建立子模块130，模型建立子模块130将声音图像处理子模块110将处理结果与所述学生课堂表现匹配输出。

可以及时有效的将学生及教师的状态进行反馈并给出相应的处理意见，有助于提高课堂的教学质量。

优选地，在上述任意实施例中，信息采集模块200包括：教务信息输入子模块210及人工信息输入子模块220；

教务信息输入子模块210用于将教务系统中的学生姓名、学号、照片和考试成绩录入并存储发送至所述评价系统建立模块100；

人工信息输入子模块220用于人工输入学生作业成绩、课堂回答问题情况和请假情况并存储发送至评价系统建立模块100。

优选地，在上述任意实施例中，教学评价与反馈模块300还包括：实时反馈子模块320，实时反馈子模块320用于将结果反馈至评价系统建立模块100，实时反馈子模块320根据评价系统建立模块100反馈回来的结果提出教学调整方案。

优选地，在上述任意实施例中，教学评价与反馈模块300还包括：评价信息储存子模块330，评价信息储存子模块330用于将实时评价子模块310中的教师和学生的实时评价进行储存。

方便日后调取学生及教师的课堂信息，便于考评

读者应理解，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。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。