一种基于文本分析和人脸识别的教学质量管理方法和系统

技术领域

本发明属于数据分析领域，尤其涉及一种基于文本分析和人脸识别的教学质量管理方法和系统。

背景技术

当前，课堂是实施学校教育最基本的场所，而课堂教学是学校教育最基本的教学活动。课堂教学质量水平是影响人才培养质量的直接因素。现有的课堂教学工作主要由任课教师主观决定教学进度计划和教学内容，使得合理且及时地从第三方的角度评价教师的课堂教学质量和干预教师的课堂教学工作变得困难。

发明内容

本申请实施例提供了一种基于文本分析和人脸识别的教学质量管理方法和系统，以至少解决现有技术方案进行课堂教学评价时存在的主观性强的问题。

第一方面，本申请实施例提供了一种基于文本分析和人脸识别的教学质量管理方法，包括：文本收集步骤，收集一用于课堂教学的预设文本信息，并将所述预设文本信息存储至一数据库；语音收集步骤，收集所述课堂教学场景下的语音数据，并将所述语音数据存储至所述数据库；第一评价步骤，对所述语音数据与所述预设文本信息进行比对，根据所述比对的相似度，基于一第一预设标准对所述课堂教学进行评价。

优选的，所述语音收集步骤包括，通过一佩戴式语音收集设备收集所述语音数据，并将所述语音数据传输并存储至所述数据库。

优选的，所述第一评价步骤包括：语音转化步骤，使用一ASR引擎将所述语音数据转化为课堂文本信息；文本处理步骤，对所述预设文本信息和所述课堂文本信息进行自然语言处理；信息比对步骤，根据所述自然语言处理的结果对所述课堂文本信息和所述预设文本信息进行所述比对。

优选的，所述文本处理步骤包括，使用一分词算法对所述预设文本信息和所述课堂文本信息进行分词，得到所述预设文本信息分词结果和所述课堂文本信息分词结果。

优选的，所述文本处理步骤还包括，使用一词向量表示算法得到所述预设文本信息分词结果和所述课堂文本信息分词结果的词向量。

优选的，所述信息比对步骤包括，根据所述预设文本信息和所述课堂文本信息的所述词向量，使用一训练好的语义匹配模型进行文本相似度计算。

优选的，所述方法还包括一第二评价步骤，根据所述课堂教学的时间信息，基于一第二预设标准对所述课堂教学进行评价。

优选的，所述方法还包括一第三评价步骤，收集所述课堂教学中的人脸信息，并根据所述人脸信息，基于一第三预设标准对所述课堂教学进行评价。

优选的，所述方法还包括一评价利用步骤，将所述第一评价步骤、所述第二评价步骤和所述第三评价步骤所得到的对所述课堂教学进行评价的结果发送至一终端，用于对所述评价的结果进行利用。

第二方面，本申请实施例提供了一种基于文本分析和人脸识别的教学质量管理系统，适用于上述一种基于文本分析和人脸识别的教学质量管理方法，包括：文本收集单元，收集一用于课堂教学的预设文本信息，并将所述预设文本信息存储至一数据库；语音收集单元，收集所述课堂教学场景下的语音数据，并将所述语音数据存储至所述数据库；第一评价单元，对所述语音数据与所述预设文本信息进行比对，根据所述比对的相似度，基于一第一预设标准对所述课堂教学进行评价；第二评价单元，根据所述课堂教学的时间信息，基于一第二预设标准对所述课堂教学进行评价；第三评价单元，收集所述课堂教学中的人脸信息，并根据所述人脸信息，基于一第三预设标准对所述课堂教学进行评价；评价利用单元，将所述第一评价步骤、所述第二评价步骤和所述第三评价步骤所得到的对所述课堂教学进行评价的结果发送至一终端，用于对所述评价的结果进行利用。

相比于相关技术，本申请实施例提供的一种基于文本分析和人脸识别的教学质量管理方法通过基于图像识别和文本分析技术，对课堂教学工作开展PDCA(P(Plan，计划)、D(Do，实施与执行)、C(Check，检查与评价)、A(Action，处置与改进))流程，并不断循环PDCA流程来帮助学校管理者和教师评价课堂教学质量水平，并有据可依地对课堂教学质量进行优化改进。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本发明的基于文本分析和人脸识别的教学质量管理方法流程图；

图2为图1中步骤S3的分步骤流程图；

图3为本发明的基于文本分析和人脸识别的教学质量管理系统的框架图；

图4为本发明的电子设备的框架图；

以上图中：

1、文本收集单元；2、语音收集单元；3、第一评价单元；4、第二评价单元；5、第三评价单元；6、评价利用单元；31、语音转化模块；32、文本处理模块；33、信息比对模块；60、总线；61、处理器；62、存储器；63、通信接口。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。

在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。

除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

以下，结合附图详细介绍本发明的实施例：

图1为本发明的基于文本分析和人脸识别的教学质量管理方法流程图，请参见图1，本发明基于文本分析和人脸识别的教学质量管理方法包括如下步骤：

S1：收集一用于课堂教学的预设文本信息，并将所述预设文本信息存储至一数据库。

在具体实施中，本实施例所提到的预设文本信息为教案的形式；基于课堂教学工作的历史教案文本信息，人工制定新一期课堂教学工作的电子版标准教案，特别是课时安排、每课时的讲授知识点、知识点测试练习，并将电子版标准教案储存进服务器数据库。

S2：收集所述课堂教学场景下的语音数据，并将所述语音数据存储至所述数据库。

可选的，通过一佩戴式语音收集设备收集所述语音数据，并将所述语音数据传输并存储至所述数据库。

在具体实施中，使用佩戴式语音收集设备，收集实际的课堂教学语音数据，并通过佩戴式语音收集设备将语音数据传输至服务器数据库；可选的，语音数据的传输方式包括但不限于蓝牙传输、WiFi传输以及有线连接传输。

S3：对所述语音数据与所述预设文本信息进行比对，根据所述比对的相似度，基于一第一预设标准对所述课堂教学进行评价。

可选的，图2为图1中步骤S3的分步骤流程图，请参见图2：

S31：使用一ASR引擎将所述语音数据转化为课堂文本信息。

在具体实施中，服务器使用基于ASR引擎的语音/文本转换模块，将数据库中收集到的语音数据转换成文本数据。

S32：对所述预设文本信息和所述课堂文本信息进行自然语言处理；可选的，使用一分词算法对所述预设文本信息和所述课堂文本信息进行分词，得到所述预设文本信息分词结果和所述课堂文本信息分词结果；使用一词向量表示算法得到所述预设文本信息分词结果和所述课堂文本信息分词结果的词向量。

在具体实施中，将步骤S1的电子版标准教案的文本信息使用分词算法进行分词处理，分词完成后，再使用词向量表示算法得到电子版标准教案中每个分词的词向量结果，并储存进服务器数据库。在具体实施中，本申请实施例所使用的分词算法包括但不限于jieba分词算法；在具体实施中，本申请实施例所使用的词向量标识算法包括但不限于word2vec算法。

在具体实施中，将步骤S31的课堂教学文本数据使用Jieba分词算法进行分词处理，分词完成后，再使用Word2vec算法得到教学课堂文本数据中每个分词的词向量结果，并储存进服务器数据库。

S33：根据所述自然语言处理的结果对所述课堂文本信息和所述预设文本信息进行所述比对；可选的，根据所述预设文本信息和所述课堂文本信息的所述词向量，使用一训练好的语义匹配模型进行文本相似度计算。

在具体实施中，在每次实际的课堂教学结束之后，将课堂教学文本数据的词向量结果和对应电子版标准教案的词向量结果使用提前训练好的语义匹配模型进行文本相似度计算；可选的，本申请实施例所使用的语义匹配模型包括但不限于LSTM-DSSM模型。

在具体实施中，可制定一评价标准，可选的，当文本相似度结果低于70％，系统判定教师在课堂教学过程中明显脱离教案进行授课，存在过多与教学内容无关的内容，授课效率低；当文本相似度结果高于95％，系统判定教师在课堂教学过程中过分照本宣科，授课态度和方法不当；当文本相似度结果介于70％-95％之间，系统判定教师课堂教学过程正常。

请继续参见图1：

S4：根据所述课堂教学的时间信息，基于一第二预设标准对所述课堂教学进行评价。

在具体实施中，通过对课堂教学文本数据的时间戳信息，可计算课堂教学过程的实际时长数据。系统将对实际的课堂教学时长数据和提前计划好的课时时长数据进行比较，可选的，当实际的课堂教学时长超出提前计划的课时时长10％时，系统判定教师在课堂教学过程中授课节奏拖沓，授课效率低；当实际的课堂教学时长低于提前计划的课时时长80％时，系统判定教师在课堂教学过程中授课节奏跳跃，授课方法不当；当实际的课堂教学时长介于提前计划的课时时长80％-110％时，系统判定教师在课堂教学过程中授课节奏正常。

S5：收集所述课堂教学中的人脸信息，并根据所述人脸信息，基于一第三预设标准对所述课堂教学进行评价。

在具体实施中，可设置一固定于教室的摄像头，所述摄像头会记录课堂教学过程，并通过人脸识别技术，与服务器数据库中提前记录好的学生面部信息进行比对，以记录课堂教学过程中教师和学生之间知识点测试练习的互动情况，系统将会判断互动人次结果是否达到电子版标准教案中的设定目标。

S6：将所述第一评价步骤、所述第二评价步骤和所述第三评价步骤所得到的对所述课堂教学进行评价的结果发送至一终端，用于对所述评价的结果进行利用。

在具体实施中，指定时间周期内的课堂教学工作结束后，前述对教师课堂教学质量进行评价的知识点覆盖率、课堂教学时长达标率、课堂互动率将会发送给学校管理者和教师本人，管理者和教师本人将一起针对不足之处进行讨论交流，并优化电子版标准教案，提高课堂教学过程中的知识点授课技巧，改进课堂教学授课节奏，保证课堂教学过程中的知识点测试练习互动。

需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本申请实施例提供了一种基于文本分析和人脸识别的教学质量管理系统，适用于上述的一种基于文本分析和人脸识别的教学质量管理方法。如以下所使用的，术语“单元”、“模块”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件、或者软件和硬件的组合的实现也是可能并被构想的。

图3为根据本发明的基于文本分析和人脸识别的教学质量管理系统的框架图，请参见图3，包括：

文本收集单元1：收集一用于课堂教学的预设文本信息，并将所述预设文本信息存储至一数据库。

在具体实施中，本实施例所提到的预设文本信息为教案的形式；基于课堂教学工作的历史教案文本信息，人工制定新一期课堂教学工作的电子版标准教案，特别是课时安排、每课时的讲授知识点、知识点测试练习，并将电子版标准教案储存进服务器数据库。

语音收集单元2：收集所述课堂教学场景下的语音数据，并将所述语音数据存储至所述数据库。

可选的，通过一佩戴式语音收集设备收集所述语音数据，并将所述语音数据传输并存储至所述数据库。

在具体实施中，使用佩戴式语音收集设备，收集实际的课堂教学语音数据，并通过佩戴式语音收集设备将语音数据传输至服务器数据库；可选的，语音数据的传输方式可为蓝牙传输、WiFi传输以及有线连接传输，在具体实施中，本申请实施例考虑任意一种可操作的传输方式。

第一评价单元3：对所述语音数据与所述预设文本信息进行比对，根据所述比对的相似度，基于一第一预设标准对所述课堂教学进行评价。

语音转化模块31：使用一ASR引擎将所述语音数据转化为课堂文本信息。

在具体实施中，服务器使用基于ASR引擎的语音/文本转换模块，将数据库中收集到的语音数据转换成文本数据。

文本处理模块32：对所述预设文本信息和所述课堂文本信息进行自然语言处理；可选的，使用一分词算法对所述预设文本信息和所述课堂文本信息进行分词，得到所述预设文本信息分词结果和所述课堂文本信息分词结果；使用一词向量表示算法得到所述预设文本信息分词结果和所述课堂文本信息分词结果的词向量。

在具体实施中，将文本收集单元1的电子版标准教案的文本信息使用分词算法进行分词处理，分词完成后，再使用词向量表示算法得到电子版标准教案中每个分词的词向量结果，并储存进服务器数据库。在具体实施中，本申请实施例所使用的分词算法包括但不限于jieba分词算法；在具体实施中，本申请实施例所使用的词向量标识算法包括但不限于word2vec算法。

在具体实施中，将语音转化模块31的课堂教学文本数据使用Jieba分词算法进行分词处理，分词完成后，再使用Word2vec算法得到教学课堂文本数据中每个分词的词向量结果，并储存进服务器数据库。

信息比对模块33：根据所述自然语言处理的结果对所述课堂文本信息和所述预设文本信息进行所述比对；可选的，根据所述预设文本信息和所述课堂文本信息的所述词向量，使用一训练好的语义匹配模型进行文本相似度计算。

在具体实施中，在每次实际的课堂教学结束之后，将课堂教学文本数据的词向量结果和对应电子版标准教案的词向量结果使用提前训练好的语义匹配模型进行文本相似度计算；可选的，本申请实施例所使用的语义匹配模型包括但不限于LSTM-DSSM模型。

在具体实施中，可制定一评价标准，可选的，当文本相似度结果低于70％，系统判定教师在课堂教学过程中明显脱离教案进行授课，存在过多与教学内容无关的内容，授课效率低；当文本相似度结果高于95％，系统判定教师在课堂教学过程中过分照本宣科，授课态度和方法不当；当文本相似度结果介于70％-95％之间，系统判定教师课堂教学过程正常。

第二评价单元4：根据所述课堂教学的时间信息，基于一第二预设标准对所述课堂教学进行评价。

在具体实施中，通过对课堂教学文本数据的时间戳信息，可计算课堂教学过程的实际时长数据。系统将对实际的课堂教学时长数据和提前计划好的课时时长数据进行比较，可选的，当实际的课堂教学时长超出提前计划的课时时长10％时，系统判定教师在课堂教学过程中授课节奏拖沓，授课效率低；当实际的课堂教学时长低于提前计划的课时时长80％时，系统判定教师在课堂教学过程中授课节奏跳跃，授课方法不当；当实际的课堂教学时长介于提前计划的课时时长80％-110％时，系统判定教师在课堂教学过程中授课节奏正常。

第三评价单元5：收集所述课堂教学中的人脸信息，并根据所述人脸信息，基于一第三预设标准对所述课堂教学进行评价。

在具体实施中，可设置一固定于教室的摄像头，所述摄像头会记录课堂教学过程，并通过人脸识别技术，与服务器数据库中提前记录好的学生面部信息进行比对，以记录课堂教学过程中教师和学生之间知识点测试练习的互动情况，系统将会判断互动人次结果是否达到电子版标准教案中的设定目标。

评价利用单元6：将所述第一评价步骤、所述第二评价步骤和所述第三评价步骤所得到的对所述课堂教学进行评价的结果发送至一终端，用于对所述评价的结果进行利用。

在具体实施中，指定时间周期内的课堂教学工作结束后，前述对教师课堂教学质量进行评价的知识点覆盖率、课堂教学时长达标率、课堂互动率将会发送给学校管理者和教师本人，管理者和教师本人将一起针对不足之处进行讨论交流，并优化电子版标准教案，提高课堂教学过程中的知识点授课技巧，改进课堂教学授课节奏，保证课堂教学过程中的知识点测试练习互动。

另外，结合图1描述的一种基于文本分析和人脸识别的教学质量管理方法可以由一电子设备来实现。图4为本发明的电子设备的框架图。

电子设备可以包括处理器61以及存储有计算机程序指令的存储器62。

具体地，上述处理器61可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。

其中，存储器62可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器62可包括硬盘驱动器(Hard Disk Drive，简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive，简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus，简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器62可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器62可在数据处理装置的内部或外部。在特定实施例中，存储器62是非易失性(Non-Volatile)存储器。在特定实施例中，存储器62包括只读存储器(Read-Only Memory，简称为ROM)和随机存取存储器(RandomAccess Memory，简称为RAM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory，简称为PROM)、可擦除PROM(Erasable ProgrammableRead-Only Memory，简称为EPROM)、电可擦除PROM(Electrically Erasable ProgrammableRead-Only Memory，简称为EEPROM)、电可改写ROM(Electrically Alterable Read-OnlyMemory，简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器(Static Random-Access Memory，简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory，简称为DRAM)，其中，DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode Dynamic Random Access Memory，简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic RandomAccess Memory，简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory，简称SDRAM)等。

存储器62可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器61所执行的可能的计算机程序指令。

处理器61通过读取并执行存储器62中存储的计算机程序指令，以实现上述实施例中的任意一种基于文本分析和人脸识别的教学质量管理方法。

在其中一些实施例中，电子设备还可包括通信接口63和总线60。其中，如图4所示，处理器61、存储器62、通信接口63通过总线60连接并完成相互间的通信。

通信端口63可以实现与其他部件例如：外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。

总线60包括硬件、软件或两者，将电子设备的部件彼此耦接在一起。总线60包括但不限于以下至少之一：数据总线(Data Bus)、地址总线(Address Bus)、控制总线(ControlBus)、扩展总线(Expans ion Bus)、局部总线(Local Bus)。举例来说而非限制，总线60可包括图形加速接口(Accelerated Graphics Port，简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture，简称为EISA)总线、前端总线(FrontSide Bus，简称为FSB)、超传输(Hyper Transport，简称为HT)互连、工业标准架构(Industry Standard Architecture，简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count，简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture，简称为MCA)总线、外围组件互连(Peripheral Component Interconnect，简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment，简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Associat ion Local Bus，简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线60可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。

该电子设备可以执行本申请实施例中的一种基于文本分析和人脸识别的教学质量管理方法。

另外，结合上述实施例中的一种基于文本分析和人脸识别的教学质量管理方法，本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种基于文本分析和人脸识别的教学质量管理方法。

而前述的存储介质包括：U盘、移动硬盘、只读存储器(ReadOnly Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。