基于大数据分析的教学质量评估系统的制作方法

本发明属于大数据，具体是指基于大数据分析的教学质量评估系统。

背景技术：

1、随着信息技术的发展，教育领域逐渐实现信息化和数字化，从传统的黑板教学转向多媒体教学、在线学习平台等新型教学模式。这一过程产生了大量的教学活动数据，为教学质量评估提供了丰富的数据源；

2、但现有教学质量评估系统还存在一定的缺陷，现有的教学质量评估系统依赖于教师互评、学生评价、领导或专家听课等形式，很多评估体系主要关注课程结束时的考试成绩，忽视了过程性评价指标单一，不能实时反馈教学过程中存在的问题，对及时调整教学策略帮助较小对于不同学习风格和进度的学生，缺乏个性化的评估与指导方案，难以做到完全客观公正，为此，提出基于大数据分析的教学质量评估系统。

技术实现思路

1、本发明的目的在于提供基于大数据分析的教学质量评估系统，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：基于大数据分析的教学质量评估系统，包括设备模块、数据实时采集模块、数据预处理模块、情感智能分析模块、情感识别分析模块、情感反馈模块、行为预测与干预模块、行为预测模块、干预策略模块、教学质量评估模块、评估结果模块、评估报告模块、个性化建议反馈模块、音频采集采集、视频采集采集、学习行为采集、授课行为采集；

3、其中，所述设备模块用于实时收集课堂音频、表情、学习行为、授课行为信息；

4、其中，所述数据实时采集模块与数据预处理模块相无线连接，所述数据实时采集模块实时收集设备模块中教学过程中数据信息，所述数据预处理模块对实时收集的数据进行清洗、整合、分类和格式转换预处理操作；

5、其中，所述情感智能分析模块通过对处理好的数据对面部表情和语音情绪进行分析识别师生在教学过程中表现出的情感状态并进行情感反馈；

6、其中，所述行为预测与干预模块通过预处理好的数据进行预测学生和老师的行为并制定针对性干预策略；

7、其中，所述教学质量评估模块与个性化建议反馈模块相无线连接，所述教学质量评估模块综合各模块的数据信息进行对教学质量全面评估并生成评估报告，所述个性化建议反馈模块根据评估结果和报告，结合学生和教师的个性化需求，进行学习资料推荐、复习计划以及针对性改进建议并将信息及时反馈给学生和教师进行相应调整和改进。

8、其中，所述数据实时采集模块实时收集设备模块中教学过程中数据信息，包括言语、视频、学习行为、授课行为、课堂互动、答题数据数据，通过实时收集课堂多模态数据，为系统提供全面且实时的教学过程信息。

9、其中，所述数据预处理模块对实时采集的音频、视频、面部微表情数据进行清洗、去重、缺失异常预处理，在对不同格式的数据进行整合成数据集，对音频数据进行降噪标准化处理，视频和面部微表情数据进行人脸检测、特征点对齐处理，根据数据的特征和属性分为不同类别，对分好类别的数据进行格式转换。

10、其中，所述情感智能分析模块包括情感识别分析模块和情感反馈模块；

11、所述情感识别分析模块根据数据预处理模块处理后的数据进行对学生和老师的言语文本、表情和互动行为进行多拟态情感识别分析，具体运行方法，包括以下步骤：

12、a1：获取预处理过的数据多拟态情感特征信息，对视频数据捕捉师生面部表情转化为静态图；

13、a2：根据言语文本内容信息进行情绪词汇提取和分析，识别情绪的关键词和表达情感得分；

14、a3：根据视频图像数据识别师生面部特征特点情绪状态进行得分；

15、a4：综合言语文本和面部识别的情绪评分整合，根据不同模态权重构建融合模型得到综合评估最终情感倾向得分；

16、其中，a2设文本特征向量信息为wt，文本情感向量为et，文本情感编码器为encodert，实现公式为：

17、et＝encodert(wt) (1)；

18、其中，a3设面部表情特征向量为hf，面部表情情感向量为ef，面部表情情感编码器encoderf，实现公式为：

19、ef＝encoderf(hf) (2)；

20、其中，a4引入文本和面部表情模态加权融合向量，设文本注意力权重分布为αt，实现公式为：

21、αt＝soft max(wa·et+ba) (3)，

22、在公式中，αt表示文本注意力权重分布，softmax表示激活函数，wa表示为矩阵权重，ba表示偏置项，对文本进行加权，生成文本注意力权重分布αt；

23、设面部表情注意力权重分布为αf，实现公式为：

24、αf＝soft max(wb·ef+bb) (4)，

25、在公式中，αf表示面部表情注意力权重分布，softmax表示激活函数，wb表示为矩阵权重，bb表示偏置项，对面部表情进行加权，生成面部表情注意力权重分布αf；

26、根据公式(1)和公式(2)和公式(3)和公式(4)进行融合得出情感倾向得分为sfs，实现公式为；

27、sfs＝tanh(αt·et+αf·ef)·wo+bo (5)，

28、在公式中，sfs表示情感倾向得分，tanh表示双曲正切激活函数将情感倾向得分压缩到-1到1之间，wo表示输出层的权重矩阵，bo表示输出层的偏置项。

29、情感识别分析模块准确识别和理解师生在教学过程中的情绪状态，提升教学互动体验和学习氛围感知，促进情感教育的实施，及时发现和预警负面情绪，有利于心理健康的维护和干预。

30、其中，所述情感反馈模块根据情感识别分析结果生成可视化报告，当识别到异常情绪时触发预警机制，将分析报告和预警通知发送给教师。

31、其中，所述行为预测与干预模块包括行为预测模块和干预策略模块；

32、其中，行为预测模块根据预处理好的数据进行行为预测，设收集的数据集为s＝{x,y}，其中x表示学生特征向量集合，y表示学生对应的未来学业成绩，设训练监督学习模型为m(θ)，θ表示模型参数，实现公式为

33、表示为预测结果，根据公式预测学生未来的学业表现以及未来出现的学习困难点。

34、其中，所述干预策略模块根据预测结果识别各学生的学习瓶颈和风险因素，根据具体问题设定个性化干预方案，针对预测反应普遍问题进行制定教学计划和策略，运用ab测试对照实验评估不同干预措施效果，结合定量和定性评价指标，收集实证数据确认干预策略是否有效，实施定制的干预策略进行实时监测和记录学生学习行为和成效变化，过对学生学习行为的预测，提前识别出可能存在的问题或潜力点，进行精准干预，个性化定制学习方案，有效提升教学质量，降低学生学业风险，优化教育资源配置。

35、其中，所述教学质量评估模块定义评估指标，包括课程完成度、测试成绩、互动活跃度，应用统计分析量化各项指标，形成初步评价结果，结合情感分析和行为预测结果分析教学质量并进行详细的教学质量评估报告，综合运用量化指标和情感行为分析结果，对教学质量进行全面的评价。

36、其中，所述个性化建议反馈模块根据教学质量评估结果结合干预策略，制定个性化策略并反馈给教师进行教学质量改进，根据评估结果及针对性的干预策略，此模块可以生成个性化的学习资源推荐、复习计划和改进建议，这些反馈直接服务于教师的教学调整和学生的个性化需求，促进了因材施教和持续改进。

37、与现有技术相比，本发明的有益效果是：

38、1、本发明通过情感智能分析模块进行深度的情感识别和分析，能够准确捕捉师生在教学过程中的情绪状态，实现对学生和教师的多维度情感评估，并及时生成可视化报告及预警，有助于提高课堂氛围管理及心理干预的及时性；

39、2、本发明通过对预处理后的数据运用机器学习模型进行行为预测，能提前识别学生的学习瓶颈和风险因素；结合预测结果制定并实施个性化的干预策略，采用ab测试评估不同措施的效果，确保了教学干预的科学性和有效性；

40、3、本发明通过构建了全面的教学质量评估模块，不仅考虑课程完成度、测试成绩、互动活跃度指标，还引入情感分析和行为预测结果，形成更为立体、精细的教学评价，有助于深入理解教学过程中各环节的质量表现；

41、4、本发明通过集成大数据分析技术实现了从教学过程监测、情感状态识别、行为预测到教学质量评估和个性化教学干预的全流程智能化管理，不仅提高了教学质量评估的科学性和准确性，还为教学实践提供了强有力的支持和指导，有利于实现更高效、更具个性化的教育教学。