CN112370039A - 一种基于智慧课堂的课堂质量检测方法及装置 - Google Patents

Abstract

本发明公开了一种基于智慧课堂的课堂质量检测方法及装置，应用于一智能穿戴设备，其中，所述方法包括：分别获得第一学生和第一老师的脉搏波信号和皮肤电信号信息，并对所述电信号进行滤波处理；由训练模型获得所述第一学生和第一老师生理信号所对应的第一特征信息和第二特征信息；由所述电信号的特征信息依次获得N组分数信息，将所述N组分数信息进行排序，获得处于第一阈值内的M个学生信息；判断分数信息在第一阈值内的持续时间超过第二阈值的学生上课质量为不合格，并获得第一提醒信息，通过所述智能穿戴设备提醒所述第二学生注意听课。实现了能够实时监测课堂质量，及时发现问题并进行提醒，从而提高课堂教学质量的技术目的。

Description

一种基于智慧课堂的课堂质量检测方法及装置

技术领域

本发明涉及课堂质量检测技术领域，尤其涉及一种基于智慧课堂的课堂质量检测方法及装置。

背景技术

所谓智慧课堂，是以建构主义学习理论为依据，以“互联网+”的思维方式和大数据、云计算等新一代信息技术打造的智能、高效的课堂。采用现代化的分析工具和分析方法对数据进行加工、挖掘和分析，据此进行教学决策，依靠数据精准地掌握学情和调整教学策略。学生上课注意力不集中是发生最普遍、最直接影响课堂质量的一种现象，目前对这一现象还没有行之有效的解决办法。

但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

课堂质量难以实时监测，课堂管理薄弱，发现问题难以及时解决等。

发明内容

本申请实施例通过提供一种基于智慧课堂的课堂质量检测方法及装置，解决了现有技术中课堂质量难以实时监测，课堂管理薄弱，发现问题难以及时解决等技术问题，实现了能够实时监测课堂质量，及时发现问题并提醒，从而提高课堂教学质量的技术目的。

本申请实施例通过提供一种基于智慧课堂的课堂质量检测方法，其中，所述方法包括:获得第一电生理信号信息，其中，所述第一电生理信号信息为第一学生的脉搏波信号和皮肤电信号信息；获得第二电生理信号信息，其中，所述第二电生理信号信息为第一老师的脉搏波信号和皮肤电信号信息；对所述第一电生理信号进行滤波预处理，获得第三电生理信号信息，所述第三电生理信号信息为进行预处理后的所述第一电生理信号信息；获得第四电生理信号信息，所述第四电生理信号信息为进行预处理后的所述第二电生理信号信息；将所述第三电生理信号信息、所述第四电生理信号信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第三电生理信号信息、所述第四电生理信号信息、所述第一特征信息的标识信息和所述第二特征信息的标识信息；获得所述第一训练模型的第一输出信息和第二输出信息，其中。所述第一输出信息为所述第三电生理信号的第一特征信息，所述第二输入信息为所述第四电生理信号的第二特征信息；依据所述第一特征信息和第二特征信息获得第一学生与第一老师的第一分数信息，其中，所述第一分数为0-100之间的任一数值；依次获得N组分数信息，其中，每组分数信息均包括第N个学生与第一老师的分数信息和第N个学生与其他N-1个学生之间的分数信息；将所述N组分数信息进行排序，获得处于第一阈值内的M个学生信息；判断第二学生的分数信息在第一阈值内的持续时间是否处于第二阈值内；若所述第二学生的分数信息在所述第一阈值内的持续时间不处于所述第二阈值内，获得第一提醒信息，所述第一提醒信息用于通过所述智能穿戴设备提醒所述第二学生的上课质量不合格。

另一方面，本申请还提供了一种基于智慧课堂的课堂质量检测装置，其中，所述装置包括：第一获得单元，所述第一获得单元用于获得第一电生理信号信息，其中，所述第一电生理信号信息为第一学生的脉搏波信号和皮肤电信号信息；第二获得单元，所述第二获得单元用于获得第二电生理信号信息，其中，所述第二电生理信号信息为第一老师的脉搏波信号和皮肤电信号信息；第三获得单元，所述第三获得单元用于对所述第一电生理信号进行滤波预处理，获得第三电生理信号信息，所述第三电生理信号信息为进行预处理后的所述第一电生理信号信息；第四获得单元，所述第四获得单元用于获得第四电生理信号信息，所述第四电生理信号信息为进行预处理后的所述第二电生理信号信息；第一输入单元，所述第一输入单元用于将所述第三电生理信号信息、所述第四电生理信号信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第三电生理信号信息、所述第四电生理信号信息、所述第一特征信息的标识信息和所述第二特征信息的标识信息；第五获得单元，所述第六获得单元用于获得所述第一训练模型的第一输出信息和第二输出信息，其中。所述第一输出信息为所述第三电生理信号的第一特征信息，所述第二输入信息为所述第四电生理信号的第二特征信息；第六获得单元，所述第六获得单元用于依据所述第一特征信息和第二特征信息获得第一学生与第一老师的第一分数信息，其中，所述第一分数为0-100之间的任一数值；第七获得单元，所述第七获得单元用于依次获得N组分数信息，其中，每组分数信息均包括第N个学生与第一老师的分数信息和第N个学生与其他N-1个学生之间的分数信息；第八获得单元，所述第八获得单元用于将所述N组分数信息进行排序，获得处于第一阈值内的M个学生信息；第一判断单元，所述第一判断单元用于判断第二学生的分数信息在第一阈值内的持续时间是否处于第二阈值内；第九获得单元，所述第九获得单元用于若所述第二学生的分数信息在所述第一阈值内的持续时间不处于所述第二阈值内，获得第一提醒信息，所述第一提醒信息用于通过所述智能穿戴设备提醒所述第二学生的上课质量不合格。

另一方面，本申请实施例还提供了一种基于智慧课堂的课堂质量检测装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述第一方面所述方法的步骤。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于采用了基于物联网技术，通过所述智能穿戴设备获得所述老师和学生的电生理信号，并对信号进行处理、计算，以获得用于评估学生的课堂质量的指标信息，从而对学生课堂质量进行实时的监测，并能够对课堂质量不合格的情况进行及时提醒，从而实现了能够实时监测课堂质量，及时发现问题并提醒，从而提高课堂教学质量的技术目的。

上述说明是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例一种基于智慧课堂的课堂质量检测方法的流程示意图；

图2为本申请实施例一种基于智慧课堂的课堂质量检测装置的结构示意图；

图3为本申请实施例示例性电子设备的结构示意图。

附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第一输入单元15，第五获得单元16，第六获得单元17，第七获得单元18，第八获得单元19，第一判断单元20，第九获得单元21，总线300，接收器301，处理器302，发送器303，存储器304，总线接口306。

具体实施方式

本申请实施例通过提供一种基于智慧课堂的课堂质量检测方法及装置，解决了现有技术中课堂质量难以实时监测，课堂管理薄弱，发现问题难以及时解决等技术问题，实现了能够实时监测课堂质量，及时发现问题并提醒，从而提高课堂教学质量的技术目的。下面，将参考附图详细的描述本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。

申请概述

智慧课堂能够采用现代化的分析工具和分析方法对数据进行加工、挖掘和分析，据此进行教学决策，依靠数据精准地掌握学情和调整教学策略。学生上课注意力不集中是发生最普遍、最直接影响课堂质量的一种现象，目前还没有行之有效的解决办法。现有技术中存在着课堂质量难以实时监测，课堂管理薄弱，发现问题难以及时解决等技术问题。

针对上述技术问题，本申请提供的技术方案总体思路如下：

本申请实施例通过提供一种基于智慧课堂的课堂质量检测方法，其中，所述方法包括:获得第一电生理信号信息，其中，所述第一电生理信号信息为第一学生的脉搏波信号和皮肤电信号信息；获得第二电生理信号信息，其中，所述第二电生理信号信息为第一老师的脉搏波信号和皮肤电信号信息；对所述第一电生理信号进行滤波预处理，获得第三电生理信号信息，所述第三电生理信号信息为进行预处理后的所述第一电生理信号信息；获得第四电生理信号信息，所述第四电生理信号信息为进行预处理后的所述第二电生理信号信息；将所述第三电生理信号信息、所述第四电生理信号信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第三电生理信号信息、所述第四电生理信号信息、所述第一特征信息的标识信息和所述第二特征信息的标识信息；获得所述第一训练模型的第一输出信息和第二输出信息，其中。所述第一输出信息为所述第三电生理信号的第一特征信息，所述第二输入信息为所述第四电生理信号的第二特征信息；依据所述第一特征信息和第二特征信息获得第一学生与第一老师的第一分数信息，其中，所述第一分数为0-100之间的任一数值；依次获得N组分数信息，其中，每组分数信息均包括第N个学生与第一老师的分数信息和第N个学生与其他N-1个学生之间的分数信息；将所述N组分数信息进行排序，获得处于第一阈值内的M个学生信息；判断第二学生的分数信息在第一阈值内的持续时间是否处于第二阈值内；若所述第二学生的分数信息在所述第一阈值内的持续时间不处于所述第二阈值内，获得第一提醒信息，所述第一提醒信息用于通过所述智能穿戴设备提醒所述第二学生的上课质量不合格。

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

实施例一

如图1所示，本申请实施例提供了一种基于智慧课堂的课堂质量检测方法，应用于一智能穿戴设备，其中，所述方法包括：

步骤S100：获得第一电生理信号信息，其中，所述第一电生理信号信息为第一学生的脉搏波信号和皮肤电信号信息；

步骤S200：获得第二电生理信号信息，其中，所述第二电生理信号信息为第一老师的脉搏波信号和皮肤电信号信息；

具体而言，所述智能穿戴设备内置有一皮肤电传感器和一脉搏波传感器，所述传感器通过接触人体的探测部位进行信号采集，将被测部位的微小变化转换为电信号，通过所述传感器获得所述第一学生的脉搏波信号和皮肤电信号信息，为准确检测所述学生的课堂质量奠定了基础。

步骤S300：对所述第一电生理信号进行滤波预处理，获得第三电生理信号信息，所述第三电生理信号信息为进行预处理后的所述第一电生理信号信息；

步骤S400：获得第四电生理信号信息，所述第四电生理信号信息为进行预处理后的所述第二电生理信号信息；

具体而言，所述智能穿戴设备将所述传感器采集的电生理信号输入至内置滤波器，将原始信号进行进一步降噪处理，去除或保留某一阈值的信号，以避免其他因素造成的电磁干扰或其他生理信号干扰，加强有用信息，并复原由干扰信息造成的信息退化。保证了所获得的电生理信号的准确性。

步骤S500：将所述第三电生理信号信息、所述第四电生理信号信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第三电生理信号信息、所述第四电生理信号信息、所述第一特征信息的标识信息和所述第二特征信息的标识信息；

具体而言，所述机器模型通过多组训练数据训练获得，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。所述多组中的训练数据中的每一组训练数据均包括：所述第三电生理信号信息、所述第四电生理信号信息、所述第一特征信息的标识信息和所述第二特征信息的标识信息；在获得所述第三电生理信号信息、所述第四电生理信号信息的情况下，机器学习模型会输出标识的第一特征信息和第二特征信息来对机器学习模型输出的第一特征信息和第二特征信息进行校验，如果输出的第一特征信息和第二特征信息信息同标识的第一特征信息和第二特征信息相一致，则本数据监督学习完成，则进行下一组数据监督学习；如果输出的第一特征信息和第二特征信息同标识的第一特征信息和第二特征信息不一致，则机器学习模型自身进行调整，直到机器学习模型达到预期的准确率后，进行下一组数据的监督学习。通过训练数据使机器学习模型自身不断地修正、优化，通过监督学习的过程来提高机器学习模型处理所述数据的准确性，进而使所获得的第一特征信息和第二特征信息更为准确，通过对所述第一特征信息和第二特征信息准确的获取，为后续检测所述学生的课堂质量奠定了基础。

进一步而言，由对原始信号进行降噪处理获得第三电生理信号与第四电生理信号之后，所述训练模型首先对对所得数据进行标准化处理；继而从所述第三、第四电生理信号的频域中提取出最能代表所述信号变化范围的统计特征，构成频域特征集；为了方便统一比较，方便数据的统计分布，将所述数据进行归一化处理，从而由所述训练模型完成特征提取。

步骤S600：获得所述第一训练模型的第一输出信息和第二输出信息，其中。所述第一输出信息为所述第三电生理信号的第一特征信息，所述第二输入信息为所述第四电生理信号的第二特征信息；

具体而言，所述第一特征信息、第二特征信息均包括皮肤电信号特征和脉搏波信号特征。所提取的所述皮肤电信号特征主要包括皮肤电导水平(SCL)、皮肤电导反应(SCR)。所述特征值SCL为无任何环境激励下的皮肤电导基线，SCL的上升与下降随着个体的反应、皮肤干燥程度或自主调节能力不同而变化；所述特征值SCR为相位反应在基础水平之上，变化幅度更高、速度更快，以“GSR突发”或“GSR峰值”的形式显示。所提取的所述皮肤脉搏波信号特征主要包括心率和心率变异性，由所述训练模型对所获得的频域特征进行计算获得。通过所述机器学习模型对数据进行分析处理，实现了更为准确的数据获取，进而提高了信息处理的准确性和高效性。

步骤S700：依据所述第一特征信息和第二特征信息获得第一学生与第一老师的第一分数信息，其中，所述第一分数为0-100之间的任一数值；

具体而言，根据所述训练模型所获得的特征指标，计算所述第一老师和第一学生之间的相关性，所述相关性分析的方法包括皮尔逊相关分析、小波变换相关性、相位锁定值分析三种方法。由相关性分析获得所述第一老师与第一学生的相关系数，继而通过构构建老师与学生之间的一致性方程获得所述第一学生与第一老师之间的分数信息，其中，所述分数为0-100之间的任一数值。为判断所述第一学生的课堂质量是否合格奠定了基础。

步骤S800：依次获得N组分数信息，其中，每组分数信息均包括第N个学生与第一老师的分数信息和第N个学生与其他N-1个学生之间的分数信息；

具体而言，所述N组分数信息的每一组都包括所述第一学生与所述第一老师之间的分数信息，以及所述第一学生与其余每个学生之间的分数信息，以此类推，依次获得N组分数信息。为准确判断所述第一学生的课堂质量奠定了基础。

步骤S900：依据所述N组分数信息对N个学生进行排序，获得处于第一阈值内的M个学生信息；

具体而言，通过结合每一学生与学生之间、学生与老师之间的分数信息对所述N个学生进行排序，获得排名处于最后1％区域的M个学生信息，所述第一阈值为排名区域的最后1％区间，通过获得所述M个学生信息，为进一步分析所述学生的上课质量奠定了基础。

步骤S1000：判断第二学生的分数信息在第一阈值内的持续时间是否处于第二阈值内；

具体而言，所述第二阈值为15秒，通过获得所述第二学生的实时分数信息，若通过判断，所述第二学生的分数在第一阈值内的持续时间超过15秒，则判定所述第二学生的上课质量不合格。

步骤S1100：若所述第二学生的分数信息在所述第一阈值内的持续时间不处于所述第二阈值内，获得第一提醒信息，所述第一提醒信息用于通过所述智能穿戴设备提醒所述第二学生的上课质量不合格。

具体而言，若所述智能穿戴设备的智能数据处理中心判定所述第二学生为上课质量不合格，则自动获得第一提醒信息，由所述第一穿戴设备通过震动等方式提醒所述第二学生注意听课。实现了能够实时监测课堂质量，及时发现问题并提醒，从而提高课堂教学质量的技术目的。

进一步而言，为了实现对所述电生理信号进行滤波处理，本申请实施例S300还包括：

步骤S301：获得所述电生理信号的波频数据库信息；

步骤S302：根据所述波频数据库获得第一滤波器信息；

步骤S303：获得第一滤波阈值；

步骤S304：将所述第一电生理信号和第二电生理信号输入至所述第一滤波器；

步骤S305：获得所述第一滤波器的输出信号信息，其中所述输出信号信息包括所述第三电生理信号和第四电生理信号。

具体而言，由所述智能穿戴设备的数据处理中心自动获得所述皮肤电信号和脉搏波信号的波频数据库信息，继而由所述波频数据库获得所述电生理信号的频率阈值信息，从而确定所述电生理信号所需要过滤的频率信息。所述第一滤波阈值为0.05Hz-20Hz，将所述第一电生理信号和所述第二电生理信号输入至所述第一滤波器，由所述第一滤波器对所述第一、第二电生理信号进行降噪、过滤处理，保留波频在所述第一滤波阈值内的信号，从而输出更为准确的电生理信号信息。

为了获得第一相关系数，本申请实施例步骤S600还包括：

步骤S601：将所述第一特征信息、所述第二特征信息输入第二训练模型，其中，所述第二训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：第一特征信息、第二特征信息和第一相关系数的标识信息；

步骤S602：获得所述第二训练模型的第三输出信息，其中，所述第三输出信息为所述第一学生与第一老师之间的第一相关系数P，所述第一相关系数P为-1至1之间的数值。

具体而言，所述机器模型通过多组训练数据训练获得，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。所述多组中的训练数据中的每一组训练数据均包括：第一特征信息、第二特征信息和第一相关系数的标识信息；在获得所述第一特征信息、第二特征信息的情况下，机器学习模型会输出标识的第一相关系数信息来对机器学习模型输出的第一相关系数信息进行校验，如果输出的第一相关系数信息同标识的第一相关系数信息相一致，则本数据监督学习完成，则进行下一组数据监督学习；如果输出的第一相关系数信息同标识的第一相关系数信息不一致，则机器学习模型自身进行调整，直到机器学习模型达到预期的准确率后，进行下一组数据的监督学习。通过训练数据使机器学习模型自身不断地修正、优化，通过监督学习的过程来提高机器学习模型处理所述数据的准确性。

进一步而言，所述第二训练模型通过对所述第一老师和第一学生进行相关性分析，所述相关性分析的方法包括皮尔逊相关分析、小波变换相关性、相位锁定值分析三种方法。由相关性分析获得所述第一老师与第一学生的相关系数，即所述第一相关系数P，所述第一相关系数P为-1至1之间的数值。为后续进行检测所述第一学生的课堂质量奠定了基础。

为了获得老师与学生之间的一致性分数信息，本申请实施例步骤S602还包括：

步骤S6021：获得第一回归模型信息；

步骤S6022：获得第一群体一致性方程信息；

步骤S6023：根据所述第一群体一致性方程信息获得第一分数信息；

步骤S6024：依次获得N组分数信息，其中，每组分数信息均包括第N个学生与第一老师的分数信息和第N个学生与其他N-1个学生之间的分数信息。

具体而言，所述第一回归模型为多变量回归模型，根据所述多变量回归模型构建所述第一学生与第一老师之间的群体一致性方程。由所述方程获得用于表征所述第一学生与第一老师之间一致性的分数信息，所即述第一分数信息。以此类推，分别获得N组分数信息，其中，每组分数信息均包括第N个学生与第一老师的分数信息和第N个学生与其他N-1个学生之间的分数信息。通过获得所述分数信息，为准确分析所述学生的课堂质量是否合格奠定了基础。

为了进一步监测学生的上课质量信息，本申请实施例步骤S1100还包括：

步骤S1101a：获得第三时间阈值内所述第二学生课堂质量不合格的第一次数信息；

步骤S1102a：判断所述第一次数信息是否超过第四阈值；

步骤S1103a：若超过，则获得第二提醒信息；

步骤S1104a：将所述第二提醒信息发送给所述第一老师。

具体而言，所述第三时间阈值为预设的检查所述第二学生课堂质量的时间范围，通过获得第三时间阈值内所述第二学生课堂质量不合格的次数信息，从而对所述第二学生在第四时间阈值内的课堂听课质量总体情况进行判断，所述第四阈值为所述第三阈值内听课质量的评估指标，若超过这一指标，则代表所述第二学生在第三时间阈值内的听课质量整体较差，需要引起重视，则由所述智能穿戴设备自动获取第二提醒信息，并将所述第二提醒信息发送给所述第一老师。实现了通过监测课堂质量，及时发现问题并进行提醒，从而进一步提高课堂教学质量的技术目的。

为了通过监测教师讲课质量来提高课堂质量，本申请实施例步骤S1100还包括：

步骤S1101b：获得第一课堂的时长信息；

步骤S1102b：获得在第一课堂中被检测为课堂质量不合格的第一学生数量信息；

步骤S1103b：判断所述第一学生数量信息是否超过第五阈值；

步骤S1104b：若所述第一学生数量信息超过第五阈值，获得第三提醒信息，用于提醒所述第一老师注意课堂质量。

具体而言，所述第一学生数量信息为在第一课堂中被检测为课堂质量不合格的学生数量。通过获得第一课堂的时长，分析所述学生上课注意力不集中的概率，从而获得第五阈值信息，所述第五阈值为通过获得第一课堂中课堂质量不合格的学生数量评估所述第一老师讲课质量的阈值信息。若通过评估，所述第一学生数量信息超过第五阈值，则获得第三提醒信息，并将所述第三提醒信息发送至第一老师，用于提醒所述第一老师注意课堂质量。实现了及时发现老师教学中存在的问题并进行提醒，从而提高课堂教学质量的技术目的。

为了通过对课堂质量进行分析来提高课堂质量，本申请实施例步骤S1100还包括：

步骤S1101c：获得第二学生被检测为课堂质量不合格时的第一图像信息；

步骤S1102c：根据所述第一图像信息获得所述第二学生课堂质量不合格的第一行为类别信息；

步骤S1103c：依次获得第一课堂内所有课堂质量不合格学生的行为类别信息；

步骤S1104c：获得第一课堂内学生课堂质量不合格的行为类别分析报告；

步骤S1105c：将所述行为类别分析报告发送给所述第一老师。

具体而言，由所述智能穿戴设备的智能图像捕捉装置获得所述第二学生被检测为课堂质量不合格时的第一图像信息，通过数据处理中心对所述第一图像进行分析，获得所述第二学生的行为类别，如发呆、讲话、睡觉等。依次获得第一课堂内所有课堂质量不合格学生的行为类别信息，生成行为类别分析报告，并将报告发送至第一老师。实现了通过分析学生课堂质量不合格的原因，从而发现问题并通过采取相应措施来提高课堂质量的技术目的。

综上所述，本申请实施例所提供的一种基于智慧课堂的课堂质量检测方法具有如下技术效果：

1、由于采用了基于物联网技术，通过所述智能穿戴设备获得所述老师和学生的电生理信号，并对信号进行处理、计算，以获得用于评估学生的课堂质量的指标信息，从而对学生课堂质量进行实时的监测，并能够对课堂质量不合格的情况进行及时提醒，从而实现了能够实时监测课堂质量，及时发现问题并提醒，从而提高课堂教学质量的技术目的。

2、由于采用了运用机器学习模型获取数据的方法，基于训练模型自身能不断优化学习、获得“经验”来处理数据更准确的特点，从而获得更为准确的电信号的特征信息和相关系数信息，使用于评估学生课堂质量的分数获得更为准确，从而实现了对学生课堂质量能够进行准确评估的技术目的。

实施例二

基于与前述实施例中一种基于智慧课堂的课堂质量检测方法同样发明构思，本发明还提供了一种基于智慧课堂的课堂质量检测装置，如图2所示，所述装置包括：

第一获得单元11，所述第一获得单元11用于获得第一电生理信号信息，其中，所述第一电生理信号信息为第一学生的脉搏波信号和皮肤电信号信息；

第二获得单元12，所述第二获得单元12用于获得第二电生理信号信息，其中，所述第二电生理信号信息为第一老师的脉搏波信号和皮肤电信号信息；

第三获得单元13，所述第三获得单元13用于对所述第一电生理信号进行滤波预处理，获得第三电生理信号信息，所述第三电生理信号信息为进行预处理后的所述第一电生理信号信息；

第四获得单元14，所述第四获得单元14用于获得第四电生理信号信息，所述第四电生理信号信息为进行预处理后的所述第二电生理信号信息；

第一输入单元15，所述第一输入单元15用于将所述第三电生理信号信息、所述第四电生理信号信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第三电生理信号信息、所述第四电生理信号信息、所述第一特征信息的标识信息和所述第二特征信息的标识信息；

第五获得单元16，所述第六获得单元16用于获得所述第一训练模型的第一输出信息和第二输出信息，其中。所述第一输出信息为所述第三电生理信号的第一特征信息，所述第二输入信息为所述第四电生理信号的第二特征信息；

第六获得单元17，所述第六获得单元17用于依据所述第一特征信息和第二特征信息获得第一学生与第一老师的第一分数信息，其中，所述第一分数为0-100之间的任一数值；

第七获得单元18，所述第七获得单元18用于依次获得N组分数信息，其中，每组分数信息均包括第N个学生与第一老师的分数信息和第N个学生与其他N-1个学生之间的分数信息；

第八获得单元19，所述第八获得单元19用于将所述N组分数信息进行排序，获得处于第一阈值内的M个学生信息；

第一判断单元20，所述第一判断单元20用于判断第二学生的分数信息在第一阈值内的持续时间是否处于第二阈值内；

第九获得单元21，所述第九获得单元21用于若所述第二学生的分数信息在所述第一阈值内的持续时间不处于所述第二阈值内，获得第一提醒信息，所述第一提醒信息用于通过所述智能穿戴设备提醒所述第二学生的上课质量不合格。

进一步的，所述装置还包括：

第十获得单元，所述第十获得单元用于获得所述电生理信号的波频数据库信息；

第十一获得单元，所述第十一获得单元用于根据所述波频数据库获得第一滤波器信息；

第十二获得单元，所述第十二获得单元用于获得第一滤波阈值；

第二输入单元，所述第二输入单元用于将所述第一电生理信号和第二电生理信号输入至所述第一滤波器；

第十三获得单元，所述第十三获得单元用于获得所述第一滤波器的输出信号信息，其中所述输出信号信息包括所述第三电生理信号和第四电生理信号。

进一步的，所述装置还包括：

第三输入单元，所述第三输入单元用于将所述第一特征信息、所述第二特征信息输入第二训练模型，其中，所述第二训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：第一特征信息、第二特征信息和第一相关系数的标识信息；

第十四获得单元，所述第十四获得单元用于获得所述第二训练模型的第三输出信息，其中，所述第三输出信息为所述第一学生与第一老师之间的第一相关系数P，所述第一相关系数P为-1至1之间的数值。

进一步的，所述装置还包括：

第十五获得单元，所述第十五获得单元用于获得第一回归模型信息；

第十六获得单元，所述第十六获得单元用于获得第一群体一致性方程信息；

第十七获得单元，所述第十七获得单元用于根据所述第一群体一致性方程信息获得第一分数信息；

第十八获得单元，所述第十八获得单元用于依次获得N组分数信息，其中，每组分数信息均包括第N个学生与第一老师的分数信息和第N个学生与其他N-1个学生之间的分数信息。

进一步的，所述装置还包括：

第十八获得单元，所述第十八获得单元用于获得第三时间阈值内所述第二学生课堂质量不合格的第一次数信息；

第二判断单元，所述第二判断单元用于判断所述第一次数信息是否超过第四阈值；

第十九获得单元，所述第十九获得单元用于若所述第一次数信息超过第四阈值，则获得第二提醒信息；

第一发送单元，所述第一发送单元用于将所述第二提醒信息发送给所述第一老师。

进一步的，所述装置还包括：

第二十获得单元，所述第二十获得单元用于获得第一课堂的时长信息；

第二十一获得单元，所述第二十一获得单元用于获得在第一课堂中被检测为课堂质量不合格的第一学生数量信息；

第三判断单元，所述第三判断单元用于判断所述第一学生数量信息是否超过第五阈值；

第二十二获得单元，所述第二十二获得单元用于若所述第一学生数量信息超过第五阈值，获得第三提醒信息，用于提醒所述第一老师注意课堂质量。

进一步的，所述装置还包括：

第二十三获得单元，所述第二十三获得单元用于获得第二学生被检测为课堂质量不合格时的第一图像信息；

第二十四获得单元，所述第二十四获得单元用于根据所述第一图像信息获得所述第二学生课堂质量不合格的第一行为类别信息；

第二十五获得单元，所述第二十五获得单元用于依次获得第一课堂内所有课堂质量不合格学生的行为类别信息；

第二十六获得单元，所述第二十六获得单元用于获得第一课堂内学生课堂质量不合格的行为类别分析报告；

第二发送单元，所述第二发送单元用于将所述行为类别分析报告发送给所述第一老师。

前述图1实施例一中的一种基于智慧课堂的课堂质量检测方法的各种变化方式和具体实例同样适用于本实施例的一种基于智慧课堂的课堂质量检测装置，通过前述对一种基于智慧课堂的课堂质量检测方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于智慧课堂的课堂质量监测装置，所以为了说明书的简洁，在此不再详述。

示例性电子设备

下面参考图3来描述本申请实施例的电子设备。

图3图示了根据本申请实施例的电子设备的结构示意图。

基于与前述实施例中一种基于智慧课堂的课堂质量检测方法的发明构思，本发明还提供一种基于智慧课堂的课堂质量检测装置，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种基于智慧课堂的课堂质量检测方法的任一方法的步骤。

其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。

处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。

本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种基于智慧课堂的课堂质量检测方法，应用于一智能穿戴设备，其中，所述方法包括：

获得第一电生理信号信息，其中，所述第一电生理信号信息为第一学生的脉搏波信号和皮肤电信号信息；

获得第二电生理信号信息，其中，所述第二电生理信号信息为第一老师的脉搏波信号和皮肤电信号信息；

对所述第一电生理信号进行滤波预处理，获得第三电生理信号信息，所述第三电生理信号信息为进行预处理后的所述第一电生理信号信息；

获得第四电生理信号信息，所述第四电生理信号信息为进行预处理后的所述第二电生理信号信息；

将所述第三电生理信号信息、所述第四电生理信号信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第三电生理信号信息、所述第四电生理信号信息、所述第一特征信息的标识信息和所述第二特征信息的标识信息；

获得所述第一训练模型的第一输出信息和第二输出信息，其中。所述第一输出信息为所述第三电生理信号的第一特征信息，所述第二输入信息为所述第四电生理信号的第二特征信息；

依据所述第一特征信息和第二特征信息获得第一学生与第一老师的第一分数信息，其中，所述第一分数为0-100之间的任一数值；

依次获得N组分数信息，其中，每组分数信息均包括第N个学生与第一老师的分数信息和第N个学生与其他N-1个学生之间的分数信息；

将所述N组分数信息进行排序，获得处于第一阈值内的M个学生信息；

判断第二学生的分数信息在第一阈值内的持续时间是否处于第二阈值内；

若所述第二学生的分数信息在所述第一阈值内的持续时间不处于所述第二阈值内，获得第一提醒信息，所述第一提醒信息用于通过所述智能穿戴设备提醒所述第二学生的上课质量不合格。

2.如权利要求1所述的方法，其中，所述方法还包括：

获得所述电生理信号的波频数据库信息；

根据所述波频数据库获得第一滤波器信息；

获得第一滤波阈值；

将所述第一电生理信号和第二电生理信号输入至所述第一滤波器；

获得所述第一滤波器的输出信号信息，其中所述输出信号信息包括所述第三电生理信号和第四电生理信号。

3.如权利要求1所述的方法，其中，获得所述训练模型的输出信息之后，所述方法还包括：

将所述第一特征信息、所述第二特征信息输入第二训练模型，其中，所述第二训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：第一特征信息、第二特征信息和第一相关系数的标识信息；

获得所述第二训练模型的第三输出信息，其中，所述第三输出信息为所述第一学生与第一老师之间的第一相关系数P，所述第一相关系数P为-1至1之间的数值。

4.如权利要求3所述的方法，其中，获得所述第二训练模型的第三输出信息之后，所述方法还包括：

获得第一回归模型信息；

获得第一群体一致性方程信息；

根据所述第一群体一致性方程信息获得第一分数信息；

依次获得N组分数信息，其中，每组分数信息均包括第N个学生与第一老师的分数信息和第N个学生与其他N-1个学生之间的分数信息。

5.如权利要求1所述的方法，其中，所述方法还包括：

获得第三时间阈值内所述第二学生课堂质量不合格的第一次数信息；

判断所述第一次数信息是否超过第四阈值；

若所述第一次数信息超过第四阈值，则获得第二提醒信息；

将所述第二提醒信息发送给所述第一老师。

6.如权利要求1所述的方法，其中，所述方法还包括：

获得第一课堂的时长信息；

获得在第一课堂中被检测为课堂质量不合格的第一学生数量信息；

判断所述第一学生数量信息是否超过第五阈值；

若所述第一学生数量信息超过第五阈值，获得第三提醒信息，用于提醒所述第一老师注意课堂质量。

7.如权利要求5所述的方法，应用于一智能图像捕捉装置，其中，所述方法还包括：

获得第二学生被检测为课堂质量不合格时的第一图像信息；

根据所述第一图像信息获得所述第二学生课堂质量不合格的第一行为类别信息；

依次获得第一课堂内所有课堂质量不合格学生的行为类别信息；

获得第一课堂内学生课堂质量不合格的行为类别分析报告；

将所述行为类别分析报告发送给所述第一老师。

8.一种基于智慧课堂的课堂质量检测装置，其中，所述装置包括：

第一获得单元，所述第一获得单元用于获得第一电生理信号信息，其中，所述第一电生理信号信息为第一学生的脉搏波信号和皮肤电信号信息；

第二获得单元，所述第二获得单元用于获得第二电生理信号信息，其中，所述第二电生理信号信息为第一老师的脉搏波信号和皮肤电信号信息；

第三获得单元，所述第三获得单元用于对所述第一电生理信号进行滤波预处理，获得第三电生理信号信息，所述第三电生理信号信息为进行预处理后的所述第一电生理信号信息；

第四获得单元，所述第四获得单元用于获得第四电生理信号信息，所述第四电生理信号信息为进行预处理后的所述第二电生理信号信息；

第一输入单元，所述第一输入单元用于将所述第三电生理信号信息、所述第四电生理信号信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第三电生理信号信息、所述第四电生理信号信息、所述第一特征信息的标识信息和所述第二特征信息的标识信息；

第五获得单元，所述第六获得单元用于获得所述第一训练模型的第一输出信息和第二输出信息，其中。所述第一输出信息为所述第三电生理信号的第一特征信息，所述第二输入信息为所述第四电生理信号的第二特征信息；

第六获得单元，所述第六获得单元用于依据所述第一特征信息和第二特征信息获得第一学生与第一老师的第一分数信息，其中，所述第一分数为0-100之间的任一数值；

第七获得单元，所述第七获得单元用于依次获得N组分数信息，其中，每组分数信息均包括第N个学生与第一老师的分数信息和第N个学生与其他N-1个学生之间的分数信息；

第八获得单元，所述第八获得单元用于将所述N组分数信息进行排序，获得处于第一阈值内的M个学生信息；

第一判断单元，所述第一判断单元用于判断第二学生的分数信息在第一阈值内的持续时间是否处于第二阈值内；

第九获得单元，所述第九获得单元用于若所述第二学生的分数信息在所述第一阈值内的持续时间不处于所述第二阈值内，获得第一提醒信息，所述第一提醒信息用于通过所述智能穿戴设备提醒所述第二学生的上课质量不合格。

9.一种基于智慧课堂的课堂质量检测装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述1-7所述方法的步骤。

Images