一种英语教学交互控制系统及其控制方法

1.本发明涉及教学技术领域，具体涉及一种英语教学交互控制系统及其控制方法。


背景技术：

2.相比其他科目的教学，由于缺乏母语环境，英语教学需要通过口语表达，情景对话来持续提升学生的实际应用能力，而现有的英语教学系统形式单一，缺乏灵活性，大多采用播放视频或者音频的方式教学，尤其在进行线上教学时，不能将教师和学生形成有针对性的互动。
3.因此，如何研发一种适用于远程教学，且具有针对性的英语教学交互方案，是亟待解决的问题。


技术实现要素：

4.本发明目的在于提供一种英语教学交互控制系统及其控制方法，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
5.为了实现上述目的，本发明提供以下技术方案：
6.一种英语教学交互控制方法，所述方法包括以下步骤：
7.步骤s100、建立服务端与若干个vr头显的通信连接；
8.步骤s200、分别向每个vr头显发送一组相同的情景对话视频，并接收每个vr头显反馈的应答视频；
9.步骤s300、基于预先训练得到的神经网络模型对每个vr头显反馈的应答视频进行分类，得到多个分类组；其中，每个分类组对应至少一个vr头显；
10.步骤s400、确定各个分类组的弱势项目，根据各个分类组的弱势项目匹配对应的场景教学视频，向各个分类组发送对应的场景教学视频。
11.进一步，步骤s300中，所述基于预先训练得到的神经网络模型对每个vr头显反馈的应答视频进行分类，得到多个分类组，包括：
12.步骤s310、获取每个vr头显反馈的应答视频；
13.步骤s320、基于预先训练得到的神经网络模型对每个vr头显反馈的应答视频进行识别，得到每个vr头显对应的综合评价信息；
14.步骤s330、对每个vr头显对应的综合评价信息进行聚类，得到多个分类组。
15.进一步，步骤s320中，所述基于预先训练得到的神经网络模型对每个vr头显反馈的应答视频进行识别，得到每个vr头显对应的综合评价信息，包括：
16.步骤s321、将vr头显反馈的应答视频进行语音识别，得到文字应答数据；将文字应答数据输入预先训练得到的文本分类模型，得到第一指标；其中，所述第一指标为以下其中一种：无应答、应答不准、应答准确；
17.步骤s322、将vr头显反馈的应答视频进行语音分离，得到语音应答数据；将语音应答数据输入预先训练得到的语音分类模型，得到第二指标；其中，所述第二指标为以下其中
一种：发音不准、发音不连贯、发音准确；
18.步骤s323、将vr头显反馈的应答视频进行图像分离，得到图像应答数据；将图像应答数据输入预先训练得到的图像分类模型，得到第三指标；其中，所述第三指标为以下其中一种：静止、轻微移动、表情符合设定；
19.步骤s324、将所述第一指标、所述第二指标和所述第三指标形成一组三元数据，作为该vr头显对应的综合评价信息。
20.进一步，所述方法还包括：
21.构建第一神经网络模型，采用多组第一训练数据对所述第一神经网络模型进行训练，得到文本分类模型；其中，所述多组第一训练数据中的每一组训练数据均包括：文字应答数据、至少一个文本答案和文本差异的标识信息，所述文本差异为文字应答数据和各个文本答案的差异信息；
22.构建第二神经网络模型，采用多组第二训练数据对所述第二神经网络模型进行训练，得到语音分类模型；其中，所述多组第二训练数据中的每一组训练数据均包括：语音应答数据、至少一个语音答案和语音差异的标识信息，所述语音差异为语音应答数据和各个语音答案的差异信息；
23.构建第三神经网络模型，采用多组第三训练数据对所述第三神经网络模型进行训练，得到图像分类模型；其中，所述多组第三训练数据中的每一组训练数据均包括：图像应答数据、至少一个图像答案和图像差异的标识信息，所述图像差异为图像应答数据和各个图像答案的差异信息。
24.进一步，步骤s330中，所述对每个vr头显对应的综合评价信息进行聚类，得到多个分类组，包括：
25.将相同三元数据对应的vr头显划分为一组，得到多个分类组。
26.进一步，步骤s400中，所述确定各个分类组的弱势项目，根据各个分类组的弱势项目匹配对应的场景教学视频，向各个分类组发送对应的场景教学视频，包括：
27.确定各个分类组对应的三元数据；
28.确定所述三元数据对应的第一指标、第二指标和第三指标，若所述第一指标为无应答或应答不准，则将语义培养作为弱势项目；若所述第二指标为发音不准或发音不连贯，则将发音培养作为弱势项目；若所述第三指标为静止或轻微移动，则将表情培养作为弱势项目。
29.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的英语教学交互控制方法的步骤。
30.一种英语教学交互控制系统，所述系统包括：
31.至少一个处理器；
32.至少一个存储器，用于存储至少一个程序；
33.当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现上述任一项所述的英语教学交互控制方法。
34.本发明的有益效果是：本发明公开一种英语教学交互控制系统及其控制方法，本发明在建立服务端与若干个vr头显的通信连接后，分别向每个vr头显发送一组相同的情景
对话视频，并接收每个vr头显反馈的应答视频，从而基于预先训练得到的神经网络模型对每个vr头显反馈的应答视频进行分类，得到多个分类组；进而确定各个分类组的弱势项目，根据各个分类组的弱势项目匹配对应的场景教学视频，向各个分类组发送对应的场景教学视频。本发明通过结合vr头显教学英语教学，并根据应答视频进行分类，能够有针对性的进行英语教学。
附图说明
35.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
36.图1是本发明实施例中英语教学交互控制方法的流程示意图；
37.图2是本发明实施例中英语教学交互控制系统的连接框图。
具体实施方式
38.以下将结合实施例和附图对本技术的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本技术的目的、方案和效果。需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。
39.参考图1，如图1所示为本技术实施例提供的一种英语教学交互控制方法，所述方法包括以下步骤：
40.步骤s100、建立服务端与若干个vr头显的通信连接；
41.在一些实施例中，学生通过vr头显登录客户端，在登录时，提交vr头显的id信息以及对应的学生身份信息；
42.步骤s200、分别向每个vr头显发送一组相同的情景对话视频，并接收每个vr头显反馈的应答视频；
43.需要说明的是，一组相同的情景对话视频中包含多种类别、难度的情景对话问答题，所述情景对话问答题包含一个问题及与该问题对应的至少一个答案，通过一组相同的情景对话视频能够测试出各个学生多维度的英语水平。
44.步骤s300、基于预先训练得到的神经网络模型对每个vr头显反馈的应答视频进行分类，得到多个分类组；其中，每个分类组对应至少一个vr头显；
45.步骤s400、确定各个分类组的弱势项目，根据各个分类组的弱势项目匹配对应的场景教学视频，向各个分类组发送对应的场景教学视频。
46.在一个优选的实施例中，步骤s300中，所述基于预先训练得到的神经网络模型对每个vr头显反馈的应答视频进行分类，得到多个分类组，包括：
47.步骤s310、获取每个vr头显反馈的应答视频；
48.步骤s320、基于预先训练得到的神经网络模型对每个vr头显反馈的应答视频进行识别，得到每个vr头显对应的综合评价信息；
49.步骤s330、对每个vr头显对应的综合评价信息进行聚类，得到多个分类组。
50.在一个优选的实施例中，步骤s320中，所述基于预先训练得到的神经网络模型对
每个vr头显反馈的应答视频进行识别，得到每个vr头显对应的综合评价信息，包括：
51.步骤s321、将vr头显反馈的应答视频进行语音识别，得到文字应答数据；将文字应答数据输入预先训练得到的文本分类模型，得到第一指标；其中，所述第一指标为以下其中一种：无应答、应答不准、应答准确；
52.步骤s322、将vr头显反馈的应答视频进行语音分离，得到语音应答数据；将语音应答数据输入预先训练得到的语音分类模型，得到第二指标；其中，所述第二指标为以下其中一种：发音不准、发音不连贯、发音准确；
53.步骤s323、将vr头显反馈的应答视频进行图像分离，得到图像应答数据；将图像应答数据输入预先训练得到的图像分类模型，得到第三指标；其中，所述第三指标为以下其中一种：静止、轻微移动、表情符合设定；
54.步骤s324、将所述第一指标、所述第二指标和所述第三指标形成一组三元数据，作为该vr头显对应的综合评价信息。
55.需要说明的是，步骤s321至步骤s323的顺序不做限定，可以同步或异步执行，也可以按任何顺序组合执行。
56.在一个优选的实施例中，所述方法还包括：
57.构建第一神经网络模型，采用多组第一训练数据对所述第一神经网络模型进行训练，得到文本分类模型；其中，所述多组第一训练数据中的每一组训练数据均包括：文字应答数据、至少一个文本答案和文本差异的标识信息，所述文本差异为文字应答数据和各个文本答案的差异信息；
58.构建第二神经网络模型，采用多组第二训练数据对所述第二神经网络模型进行训练，得到语音分类模型；其中，所述多组第二训练数据中的每一组训练数据均包括：语音应答数据、至少一个语音答案和语音差异的标识信息，所述语音差异为语音应答数据和各个语音答案的差异信息；
59.构建第三神经网络模型，采用多组第三训练数据对所述第三神经网络模型进行训练，得到图像分类模型；其中，所述多组第三训练数据中的每一组训练数据均包括：图像应答数据、至少一个图像答案和图像差异的标识信息，所述图像差异为图像应答数据和各个图像答案的差异信息。
60.具体而言，所述文本分类模型、语音分类模型、图像分类模型均为神经网络模型，所述神经网络模型通过多组训练数据训练获得，所述神经网络模型即机器学习中的神经网络模型，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性学习系统。所述神经网络模型通过训练数据训练的过程本质上为监督学习的过程。
61.以文本分类模型为例，在获得文字应答数据、至少一个文本答案的情况下，神经网络模型会输出文本差异的标识信息，通过对神经网络模型输出的文本差异进行校验，如果神经网络模型输出的文本差异同标识的文本差异在预设范围内，则本数据监督学习完成，则进行下一组数据监督学习；如果输出的文本差异同标识的文本差异超出预设范围，则神经网络模型自身进行调整，直到神经网络模型达到预期的准确率后，进行下一组数据的监督学习。通过训练数据使神经网络模型自身不断地修正、优化，通过监督学习的过程来提高神经网络模型处理所述数据的准确性，进而使得文本差异更加准确。
62.在一个优选的实施例中，步骤s330中，所述对每个vr头显对应的综合评价信息进
行聚类，得到多个分类组，包括：
63.将相同三元数据对应的vr头显划分为一组，得到多个分类组。
64.在一个优选的实施例中，步骤s400中，所述确定各个分类组的弱势项目，根据各个分类组的弱势项目匹配对应的场景教学视频，向各个分类组发送对应的场景教学视频，包括：
65.确定各个分类组对应的三元数据；
66.确定所述三元数据对应的第一指标、第二指标和第三指标，若所述第一指标为无应答或应答不准，则将语义培养作为弱势项目；若所述第二指标为发音不准或发音不连贯，则将发音培养作为弱势项目；若所述第三指标为静止或轻微移动，则将表情培养作为弱势项目。
67.与图1的方法相对应，参考图2，本发明实施例还提供一种英语教学交互控制系统，所述系统包括：存储器11、处理器12及存储在存储器11上并可在处理器12上运行的计算机程序。
68.处理器12和存储器11可以通过总线或者其他方式连接。
69.实现上述实施例的英语教学交互控制方法所需的非暂态软件程序以及指令存储在存储器11中，当被处理器12执行时，执行上述实施例中的英语教学交互控制方法。
70.上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
71.此外，本发明的一个实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个处理器或控制器执行，例如，被上述电子设备实施例中的一个处理器执行，可使得上述处理器执行上述实施例中的英语教学交互控制方法。
72.本领域普通技术人员可以理解，上文中所发明方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于ram、rom、eeprom、闪存或其他存储器技术、cd-rom、数字多功能盘(dvd)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
73.以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本发明权利要求所限定的范围内。