一种基于儿童情绪监测的学习评价方法和系统

技术领域

本发明属于教育设备技术领域，尤其涉及一种基于儿童情绪监测的学习评价方法和系统。

背景技术

早教为根据孩子生理和心理发展的特点以及敏感期的发展特点而进行有针对性的指导和培养，为孩子多元智能和健康人格的培养打下良好的基础，同时由于儿童无法准确的反应自身的情绪，如何结合儿童的情绪监测结果进行差异化的学习策略的调整成为亟待解决的技术问题。

为了基于情绪监测结果实现对学习效果的评价，并进行动态的学习策略的调整，在发明专利CN201910306758.0《一种基于人脸情绪识别的智能辅助教学方法及系统》中通过在课堂环境中所采集到的情绪信息加以分析和统计，并推送至客户端，使教师能够全面地了解学生的精神状态与学习状态，但是却存在以下技术问题：

现有技术方案中忽视了根据孩子在学习过程中的特定情绪的识别情况进行学习结果的评价，具体的，在线上的早教平台中，往往需要针对多个孩子进行同时的在线教学，若存在多个孩子的情绪处于哭泣或者不配合等情况下，若不能结合不同的孩子的特定情绪的识别情况，则无法实现对不同的孩子的学习结果的评价。

现有技术方案中忽视了根据不同的孩子的情绪识别结果进行总体的学习结果的评价，具体的，对于存在多个情绪识别结果异常的孩子或者情绪识别结果异常的孩子的比例较高时，则此时的学习结果明显较差，因此若不能结合上述因素，则无法实现对不同的在线课程的学习结果的准确评估。

针对上述技术问题，本发明提供了涉及一种基于儿童情绪监测的学习评价方法和系统。

发明内容

为实现本发明目的，本发明采用如下技术方案：

根据本发明的一个方面，提供了一种基于儿童情绪监测的学习评价方法。

一种基于儿童情绪监测的学习评价方法，其特征在于，具体包括：

S1通过在线课堂的在线儿童用户的识别结果进行所述在线儿童用户的在线时长的确定，并基于所述在线儿童用户的掉线情况以及在线时长进行所述在线儿童用户的初始学习评价结果的确定；

S2通过所述在线儿童用户的在线监控图像确定所述在线监控图像中不存在所述在线儿童用户的异常监控图像，并根据在线儿童用户的异常监控图像的累计时长和次数进行所述在线儿童用户的异常监控量的确定；

S3利用所述在线儿童用户的在线监控图像进行情绪监测得到所述在线儿童用户的在线监控图像中存在异常情绪的异常情绪监控图像，并根据所述异常情绪监控图像的时长进行有效图像的确定，基于所述有效图像以及异常情绪监控图像的监控数据确定所述在线儿童用户的异常情绪监控量；

S4基于所述异常监控量和异常情绪监控量确定所述在线课堂的在线儿童用户的初始学习评价结果的可信度以及可信儿童用户，并结合所述在线课堂的在线儿童用户的初始学习评价结果确定所述在线课程的学习评价结果。

本发明的有益效果在于：

1、通过基于在线儿童用户的掉线情况以及在线时长进行在线儿童用户的初始学习评价结果的确定，从而考虑到不同的用户由于掉线次数或者掉线时长的差异导致的学习结果的差异，进而实现了对不同的在线儿童用户的学习评价结果的差异化的评估。

2、通过基于异常监控量和异常情绪监控量确定在线课堂的在线儿童用户的初始学习评价结果的可信度以及可信儿童用户，既考虑到由于不同的在线儿童用户由于不在监控图像的监控范围内从而导致的学习评价结果的差异，同时考虑到不同的在线儿童用户由于情绪异常导致的学习评价结果的差异，从而实现了对不同的用户的可信度的准确评估。

3、通过结合可信儿童用户以及在线课堂的在线儿童用户的初始学习评价结果确定在线课程的学习评价结果，避免了单一的考虑学习时长或者在线情况对学习评价结果进行评价导致的准确率较低的问题，从而实现了综合多方面的因素对学习评价结果的确定，也为进一步进行差异化的教学方式的调整奠定了基础。

进一步的技术方案在于，所述在线儿童用户的在线时长根据所述在线儿童用户的网络连接状态进行确定，具体的根据所述在线儿童用户的上下行网络速度的监测结果进行所述在线儿童用户的网络连接状态的确定，并基于所述网络连接状态确定所述在线儿童用户的在线时长。

进一步的技术方案在于，所述在线儿童用户的在线监控图像根据所述在线儿童用户在参加所述在线课堂的监控图像进行确定。

另一方面，本发明提供了一种计算机系统，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时执行上述的一种基于儿童情绪监测的学习评价方法。

其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显。

图1是一种基于物联网通信装置的表箱监测方法的流程图；

图2是在线儿童用户的异常监控量的确定的方法的流程图；

图3是一种计算机系统的框架图。

具体实施方式

为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。

申请人发现，通过为电力表箱设置进行本地监测数据处理的终端可以实现对电力仪表的监测数据的本地处理，但是由于不同的电力表箱由于柜门开启数据的差异导致改造的风险存在差异，同时不同电力表计的计量负荷和电力表箱的电力表计的数量也存在差异，如何结合上述两方面因素进行本地监测数据处理终端的设置成为亟待解决的技术问题。

实施例1

为解决上述问题，根据本发明的一个方面，如图1所示，提供了一种基于儿童情绪监测的学习评价方法，其特征在于，具体包括：

S1通过在线课堂的在线儿童用户的识别结果进行所述在线儿童用户的在线时长的确定，并基于所述在线儿童用户的掉线情况以及在线时长进行所述在线儿童用户的初始学习评价结果的确定；

具体的，上述步骤S1中的所述在线儿童用户的在线时长根据所述在线儿童用户的网络连接状态进行确定，具体的根据所述在线儿童用户的上下行网络速度的监测结果进行所述在线儿童用户的网络连接状态的确定，并基于所述网络连接状态确定所述在线儿童用户的在线时长。

在其中的一个可能的实施例中，上述步骤S1中的所述在线儿童用户的初始学习评价结果的确定的方法为：

S11基于所述在线儿童用户的在线时长以及所述在线课堂的时长进行所述在线儿童用户的在线时长比的确定，并基于所述在线儿童用户的掉线情况确定所述在线儿童用户是否存在掉线，若是，则进入下一步骤，若否，则通过所述在线儿童用户的在线时长比进行所述在线儿童用户的初始学习评价结果的确定；

S12通过所述在线儿童用户的掉线情况进行所述在线儿童用户的掉线次数以及累计掉线时长的确定，并判断所述在线儿童用户的掉线次数以及累计掉线时长是否均满足要求，若是，则，若否，则进入下一步骤；

S13将所述在线儿童用户的掉线时长大于预设时长的掉线次数作为关注掉线次数，并根据所述在线儿童用户的关注掉线次数以及关注掉线次数的掉线时长的数量和进行所述在线儿童用户的掉线问题评估量的确定，并判断所述在线儿童用户的掉线问题评估量是否满足要求，若是，则通过所述在线儿童用户的在线时长比进行所述在线儿童用户的初始学习评价结果的确定，若否，则进入下一步骤；

S14利用所述在线课堂的时长进行掉线时长阈值以及掉线次数阈值的确定，并结合所述在线儿童用户的掉线次数和累计掉线时长进行所述在线儿童用户的掉线影响值的确定，并结合所述在线儿童用户的掉线问题评估量以及在线儿童用户的在线时长比进行所述在线儿童用户的初始学习评价结果的确定。

需要进一步说明的是，所述在线儿童用户的初始学习评价结果的取值范围在0到1之间，其中所述在线儿童用户的初始学习评价结果越大，则所述在线儿童用户的学习效果越好。

在另外的一个可能的实施例中，上述步骤S1中的所述在线儿童用户的初始学习评价结果的确定的方法为：

通过所述在线儿童用户的掉线情况进行所述在线儿童用户的掉线次数以及累计掉线时长的确定，利用所述在线课堂的时长进行掉线时长阈值以及掉线次数阈值的确定，并结合所述在线儿童用户的掉线次数和累计掉线时长进行所述在线儿童用户的掉线影响值的确定，基于所述在线儿童用户的在线时长以及所述在线课堂的时长进行所述在线儿童用户的在线时长比的确定；

当所述在线儿童用户的掉线影响值小于预设值时：

将所述在线儿童用户的掉线时长大于预设时长的掉线次数作为关注掉线次数，并根据所述在线儿童用户的关注掉线次数以及关注掉线次数的掉线时长的数量和进行所述在线儿童用户的掉线问题评估量的确定，当所述在线儿童用户的掉线问题评估量满足要求时：

通过所述在线儿童用户的在线时长比进行所述在线儿童用户的初始学习评价结果的确定；

当所述在线儿童用户的掉线问题评估量不满足要求时：

通过所述在线儿童用户的掉线问题评估量以及在线儿童用户的在线时长比进行所述在线儿童用户的初始学习评价结果的确定。

当所述在线儿童用户的掉线影响值大于预设值时：

通过所述在线儿童用户的掉线影响值以及在线儿童用户的在线时长比进行所述在线儿童用户的初始学习评价结果的确定。

S2通过所述在线儿童用户的在线监控图像确定所述在线监控图像中不存在所述在线儿童用户的异常监控图像，并根据在线儿童用户的异常监控图像的累计时长和次数进行所述在线儿童用户的异常监控量的确定；

进一步的，所述在线儿童用户的在线监控图像根据所述在线儿童用户在参加所述在线课堂的监控图像进行确定。

在其中的一个可能的实施例中，如图2所示，上述步骤S2中的所述在线儿童用户的异常监控量的确定的方法为：

S21获取所述在线儿童用户的异常监控图像的出现次数，并判断所述在线儿童用户的异常监控图像的出现次数是否小于预设次数，若是，则进入下一步骤，若否，则进入步骤S23；

S22基于不同的所述异常监控图像的出现次数的持续时长确定是否存在持续时长大于预设图像时长的异常监控图像，若是，则进入步骤S23，若否，则通过所述在线儿童用户的异常监控图像的出现次数进行所述在线儿童用户的异常监控量的确定；

S23将持续时长大于预设图像时长的异常监控图像作为有效监控图像，并基于所述在线儿童用户的不同的有效监控图像的持续时长的数量和以及持续时长的最大值、有效监控图像的数量进行所述在线儿童用户的有效监控图像的综合监控异常值的确定；

S24获取所述异常监控图像的持续时长的数量和以及出现次数，并结合所述在线课程的时长以及所述在线儿童用户的有效监控图像的综合监控异常值进行所述在线儿童用户的异常监控量的确定。

具体的，所述预设次数根据所述在线课程的时长进行确定，其中所述在线课程的时长越长，则所述预设次数越多。

S3利用所述在线儿童用户的在线监控图像进行情绪监测得到所述在线儿童用户的在线监控图像中存在异常情绪的异常情绪监控图像，并根据所述异常情绪监控图像的时长进行有效图像的确定，基于所述有效图像以及异常情绪监控图像的监控数据确定所述在线儿童用户的异常情绪监控量；

在其中的一个可能的实施例中，上述步骤S3中的所述在线儿童用户的异常情绪监控量的确定的方法为：

通过所述在线儿童用户的异常情绪监控图像的监控数据进行所述在线儿童用户的异常情绪监控图像的出现次数和持续时长的数量和的确定，并基于所述在线课堂的时长确定所述在线儿童用户的异常情绪监控图像的出现次数和持续时长的数量和均符合要求时：

通过所述在线课堂的时长、所述在线儿童用户的异常情绪监控图像的出现次数和持续时长的数量和进行所述在线儿童用户的异常情绪监控量的确定；

基于所述在线课堂的时长确定所述在线儿童用户的异常情绪监控图像的出现次数和持续时长的数量和任意一项不符合要求时：

通过所述有效图像的监控数据进行所述有效图像的持续时长的数量和以及持续时长的最大值的确定，并结合所述有效图像的数量进行所述在线儿童用户的有效图像的情绪评估量的确定；

基于所述在线课堂的时长确定在线儿童用户的有效图像的情绪评估量符合要求时：

通过所述在线课堂的时长、所述在线儿童用户的异常情绪监控图像的出现次数和持续时长的数量和进行所述在线儿童用户的异常情绪监控量的确定；

基于所述在线课堂的时长确定在线儿童用户的有效图像的情绪评估量不符合要求时：

通过所述在线课堂的时长、所述在线儿童用户的异常情绪监控图像的出现次数和持续时长的数量和进行所述在线儿童用户的基础异常情绪监控量的确定，并结合所述在线儿童用户的有效图像的情绪评估量进行所述在线儿童用户的异常情绪监控量的确定。

S4基于所述异常监控量和异常情绪监控量确定所述在线课堂的在线儿童用户的初始学习评价结果的可信度以及可信儿童用户，并结合所述在线课堂的在线儿童用户的初始学习评价结果确定所述在线课程的学习评价结果。

在其中的一个可能的实施例中，上述步骤S4中的所述在线课程的学习评价结果的确定的方法为：

S41通过所述在线课堂用户的在线儿童用户的初始学习评价结果进行初始学习评价结果不满足要求的问题儿童用户的确定，并基于所述问题儿童用户的数量以及在所述在线课堂用户的在线儿童用户的数量占比、所述在线课堂用户的所有的在线儿童用户的初始学习评价结果的平均值进行所述在线课程的学习结果评估值的确定；

S42获取所述在线课堂用户的在线儿童用户的数量，并基于所述可信儿童用户在所述在线课堂用户的在线儿童用户的数量的占比确定所述在线课程的学习结果评估值的准确率是否满足要求，若是，则进入下一步骤，若否，则进入步骤S44；

S43基于所述可信儿童用户的可信度进行所述可信儿童用户的可信度的平均值以及与所述可信度阈值的偏差量小于预设偏差限定值的可信儿童用户的数量的确定，并结合所述可信儿童用户的可信度的数量和进行所述可信儿童用户的可信度评估值的确定，并判断所述可信儿童用户的可信度评估值是否满足要求，若是，则通过所述在线课程的学习结果评估值进行所述在线课程的学习评价结果的确定，若否，则进入下一步骤；

S44将除去所述可信儿童用户的在线儿童用户作为不可信儿童用户，并基于所述不可信儿童用户的数量以及可信度的平均值进行所述在线儿童用户的不可信评估量的确定，并结合所述可信儿童用户的可信度评估值以及可信儿童用户在所述在线课堂用户的在线儿童用户的数量的占比进行所述在线课程的学习结果可信度的确定；

S45获取所述可信儿童用户的初始学习评价结果以及所述可信儿童用户的初始学习评价结果的数量和在所述在线儿童用户的初始学习评价结果的数量和的占比，并结合所述可信儿童用户的在线课程的学习结果可信度对所述在线课程的学习评价结果进行修正得到所述在线课程的学习评价结果。

实施例2

另一方面，如图3所示，本发明提供了一种计算机系统，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时执行上述的一种基于儿童情绪监测的学习评价方法。

通过以上实施例，主要取得以下有益效果：

1、通过基于在线儿童用户的掉线情况以及在线时长进行在线儿童用户的初始学习评价结果的确定，从而考虑到不同的用户由于掉线次数或者掉线时长的差异导致的学习结果的差异，进而实现了对不同的在线儿童用户的学习评价结果的差异化的评估。

2、通过基于异常监控量和异常情绪监控量确定在线课堂的在线儿童用户的初始学习评价结果的可信度以及可信儿童用户，既考虑到由于不同的在线儿童用户由于不在监控图像的监控范围内从而导致的学习评价结果的差异，同时考虑到不同的在线儿童用户由于情绪异常导致的学习评价结果的差异，从而实现了对不同的用户的可信度的准确评估。

3、通过结合可信儿童用户以及在线课堂的在线儿童用户的初始学习评价结果确定在线课程的学习评价结果，避免了单一的考虑学习时长或者在线情况对学习评价结果进行评价导致的准确率较低的问题，从而实现了综合多方面的因素对学习评价结果的确定，也为进一步进行差异化的教学方式的调整奠定了基础。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

以上所述仅为本说明书的一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。