智慧教育云技术领域：一种智慧教育云平台的相关探讨与发明内容

hwyzw

    技术领域

    本发明涉及智慧教育云技术，特别涉及一种智慧教育云平台。

    背景技术

    教育机构正致力于为学生提供更广泛的教育服务，因此，在线课程的重要性日益凸显。众多高校纷纷着手开发并推出在线大规模课程，同时，不少企业也开始与高校或私人机构携手，共同提供种类繁多的课程。参与在线课程的学生通常需要观看教学视频，参与讨论交流，并完成作业、练习和考试。然而，这种教育模式存在一些不足之处，比如对学生提交的作业评价及质量反馈不足，再者，由于授课方式并非面对面，有时难以核实网络那头学生的真实身份和参与程度，为了推动这种新兴且获认可的教育内容传播途径，迫切需要相应的技术手段来加以解决。

    发明内容

    为了解决上述技术难题，本发明设计了一套智能化的教育云计算平台，该平台由以下几部分构成：位于上层的云端网络层、中间的公共网络层以及底层的终端使用层。

    所述云端网络层包括云端网络，

    该终端的使用层涵盖了用户操作端与课程管理平台；学生通过操作端进行学习，而教师则通过管理平台进行教学，二者均借助公共网络层实现教学互动。

    该课程管理系统依托于云端网络层进行运作，涵盖了服务器、工作站、数据库系统、自动化课程评估子模块以及学生认证子模块；其中，自动化课程评估子模块又包含课件设计模块和课程评估模块；课件设计模块由课程设计者借助服务器、工作站、数据库系统进行构建，而课程评估模块则通过选取相应的定义特征来反映学生提交作业的质量，并据此设立评分准则。

    学生们借助用户终端设备，对课件设计模块中特定主题的教程进行学习，并将课程作业提交至课程评价模块；课程评价模块随后生成课程作业的等级曲线图以及最终评定成绩。

    用户工作端连接了通讯设备或视频捕获设备，学生认证子系统便借助这些设备对学生身份进行核实。

    课程管理系统中设有学习进度监控模块，该模块能够监控学生在各个学习阶段的进展，进而明确后续学习的内容类型及难度等级。

    此外，课件设计部分还涵盖了训练分类器的环节，这一步骤首先向分类器提供包含媒体内容的样本及其相应评分，以便进行评分的专项训练。随后，运用训练完成的分类器对课程作业进行特征提取和分类处理，最终将这些功能部署至课程评估系统中。

    更进一步，该经过训练的分类器被应用于映射以下内容：首先，单词间的音频能量分布；其次，单词间的均衡度或音质；再者，整体语句的跟读效果；最后，依据对单词拼读样本的训练，通过音频识别技术得出的音质等级或得分。

   

    更进一步，该分类器在经过训练后，能够对以下内容进行映射：一是运算类型的分布情况；二是运算的规模；三是计算过程中所关注的特定点和/或区域。

    进一步而言，对分类器进行训练后，其内部存储的内容被用作标准答案。随后，对学生通过用户端提交的作业内容进行特征提取和分类处理，这一过程与标准答案进行对照。接着，执行评分流程，将不同分类中不同特定特征的正确回答以加权方式纳入最终成绩的计算过程。

    更进一步，通过通讯工具采集学生语音以实现声纹鉴定，同时运用视频捕捉设备获取的图像来进行面部识别。

    更进一步，需对学生的各个学习阶段实施跟踪，以便明确后续学习的种类和挑战度。例如，若学习阶段监测系统评估学生当前阶段的等级曲线和最终成绩低于既定标准，便需启动对每个学习阶段的监控。随后，将为学生量身定制学习监控模块，该模块将连续记录学生的多次学习等级曲线和最终成绩。此外，还将设立学习履历更新部门和学习难度调整部门。其中，学习难度调整部门将根据学习履历更新部门提供的学习信息，对学生的下一阶段学习难度进行相应调整。

    此外，若该生的学习历程记录中升级的等级曲线图以及最终评定成绩均超过既定标准，便将终止对其各学习阶段的监控活动。

    本发明具有以下的有益效果：

    运用特征提取及分类训练技术，对学生的课程作业进行综合评估，进而绘制等级曲线图并确定最终成绩，从而有效实现了对学生学习成果的评估与教学质量的反馈。

    为提升学习效果欠佳学生的学业表现，构建学习进程监控模块，以此优化后续学习内容的种类和挑战度，确保教学能够满足个人需求。

    利用通讯工具以及或视频监控设备的身份核实机制，能有效预防不同学生提交的作业在最终成绩上出现高度相似甚至完全一致的情况，从而杜绝此类作弊行为的发生。

    附图说明

    图1示意性描绘了智慧教育云平台系统图；

    图2展示了智慧教育云平台系统中不同层级之间的数据流动情况，以及它们之间的交互和操作所依赖的关系。

    具体实施方式

    此处将参照本发明实施例所附的图表，对本发明实施例中的技术细节进行详尽且全面的阐述。显而易见，所阐述的这些实施例仅为本发明的部分实施方式，而非全部。依据本发明提供的实施例，对于本领域的一般技术人员，在未进行创新性工作的情况下，所得到的任何其他实施方式，均应纳入本发明的保护范畴之内。

   

    图1展示了本发明所涉及的智慧教育云平台系统概貌，该系统向学生提供丰富多样的多媒体教育资源，同时，它还能根据用户交互的反馈信息，识别用户身份并评估教学成效。

    智慧教育云平台系统涵盖三个主要层次：首先是云端网络层L1，其中包含云端网络4；其次是公共网络层L2；最后是终端使用层L3，它由用户工作端1和课程管理系统3构成。学生通过用户工作端1进行操作，而教师则利用课程管理系统3，二者均通过公共网络层L2实现教学互动。

    课程管理系统3由服务器5、工作站2以及数据库系统6构成，其操作涵盖了多媒体教育内容的制作、课程管理以及云平台环境的维护等方面。涉及的参与者包括教育机构、测试服务机构和认证机构等，整个系统基于云端网络层L1进行运营。

    学生14运用用户工作端1，学习并操控课程管理系统3所构建的多媒体教育资源，同时，该工作端可连接通讯设备或视频捕捉工具，如摄像机11、麦克风12、二维或三维扫描仪、音响等，以便访问特定主题课程内容、提交课程作业等。此外，这些通讯设备和/或视频捕捉设备还具备身份验证功能。

    图2展示了智慧教育云平台系统中不同层级之间的数据流动情况，以及它们之间的交互和操作依赖关系；此外，该课程管理系统还包含自动化课程评估子系统7和学生认证子系统8。

    自动化课程评估子系统由课件设计模块9和课程评价模块10构成。设计者13负责针对特定课程对课件设计模块9进行定制，这涉及多媒体教学内容的制作、课程测试的编制以及作业的布置；而课程评价模块10则挑选出相关的定义特征15，用以衡量学生提交作业的质量，并据此设立评分准则。

    在进行课件设计之前，课程设计者13必须向训练分类器18提交媒体内容样本16及其相应的评分17。这些资料将用于训练分类器18进行评分的练习。随后，经过训练的分类器18会向课程设计者13反馈训练的效果19。根据课程设计者13在课件设计组件9中设定的训练分类器18的输入特征15，我们执行了特征提取和分类器的训练过程，随后将提取出的特征和训练完成的分类器20部署至课程评估组件10。在最佳实施案例中，课程设计者将针对教师所设定的每一个元素规则，部署相应的训练后分类器。在英文语句学习的实例中，可以运用训练有素的分类器对以下内容进行映射：首先，分析所选英文语句中各个单词间的音频能量分布；其次，评估单词间的平衡性或音质；再者，综合考量整体跟读的英文语句水平；最后，依据针对单词拼读样本的训练，通过音频识别技术，确定所达到的音质水平或得分。在数学计算的具体案例中，我们可以应用已经训练好的分类器，以映射以下内容：一是运算类型的分布情况，二是运算的具体规模，三是计算过程中能够识别出的关键点或特定区域。

    学生1N通过用户工作端1递交了课程作业21，包括但不限于课程作业A、B、C……N等，这些作业随后被输入至已提取特征并经过训练的分类器20，以进行比对分析，进而生成等级曲线图21。最终，系统记录了这些提交作业21的最终得分130分22，并将该成绩信息提供给学生14。

    上述等级曲线图21和最终成绩22的生成细节如下：首先，提取特征并利用训练后的分类器20确定正确答案；其次，对学生通过用户工作端1提交的课程作业21进行特征提取和分类；最后，将分类结果与正确答案进行比对，以特定特征的正确或不正确答案形式对每个分类执行计分操作。在此时，各类别中特定特征的准确回答将以加权方式融入既定成绩计算中，旨在提升评分的精确度。最终，依据各类别中特定特征的准确回答质量，绘制出相应的等级曲线图21。在这张图中，红色部分代表错误答案的数量，并对错误答案进行了详细的评价；而蓝色部分则展示正确答案的数量。通过这样的视觉呈现，可以直观地确认各项成绩。最终，等级曲线图二十一和最终成绩二十二被传输至用户工作端一的显示屏上。

    学生认证子系统8主要负责学生身份的核实，确保特定课程作业21确实是由指定的学生所提交，以此杜绝欺诈和抄袭行为的发生。通过使用通讯工具（如麦克风12）采集学生的语音信息以实现声纹分析，同时或通过视频捕捉设备（如摄像机11）抓取学生头像进行面部识别，从而有效防止出现表面看似由不同学生提交的课程作业21，但实际成绩却显示分数高度一致或完全相同的情况。

    在优选实施例中，本发明的智慧教育云平台课程管理系统不仅包含学习阶段监测组件，更深入地涵盖了监测功能。该组件会监控学生每一个学习阶段的表现，以便精准地决定后续学习的种类和难度。一旦监测组件发现学生当前阶段的等级曲线图21和最终成绩22低于预设的阈值，便启动对每个学习阶段的监测机制。具体操作上，将针对该学生设立学习监控模块，该模块会持续记录学生的多次学习等级曲线图21和最终成绩22。此外，还会构建学习履历更新部和学习难度调整部，后者根据学习履历更新部的信息调整学生下一阶段的学习难度，如学习时间、学习间隔和学习量等。同时，还增设了学习请求部，以便在学习者需要协助时，能自动响应并支持学习者的问题咨询。学习请求部依据学生构建的解题资料以及与学生的学业经历相关的更新信息，来确认并发出学习需求，同时，可以索取系统提供的自主学习资料，或是教师提供的在线辅导资料。系统通过学习者学习监控模块所收集的信息，在硬件存储中调用与学习者请求相匹配的教师授课视频，并依据学生设定的学习目标和已有的学习经历，为学生提供个性化的辅导支持。

    为了减轻云平台的运行压力，本学习阶段的监测模块仅对那些等级曲线图21和最终成绩22低于既定阈值的学生的相关数据进行收集与运用。一旦学生的学籍信息更新，等级曲线图21和最终成绩22显示的数据超过既定阈值，监测模块将决定终止对该学生各个学习阶段的监控活动。

    本实施例旨在阐释本发明的技术构思，而非对其作出限定。一般技术人员有权对技术方案进行调整或进行等效替代，前提是不违背本发明的核心思想与边界。本发明的保护界限应以权利要求书中的内容为依据。