本發(fā)明涉及教學管理，更具體地說，本發(fā)明涉及一種智能教學管理系統(tǒng)。

背景技術(shù)：

1、教學管理系統(tǒng)是一個集成化的軟件平臺，旨在幫助教育機構(gòu)、學校、教師和管理人員更有效地管理、監(jiān)控和評估教學過程的各個方面，該系統(tǒng)通過自動化和優(yōu)化管理流程，提高教學效率，支持個性化學習，并促進家校之間的溝通與協(xié)作。

2、但是其在實際使用時，仍舊存在較多缺點，如，現(xiàn)有的教學管理系統(tǒng)主要依賴人工對授課場所進行管理，導致管理的覆蓋范圍不足，缺少針對授課場所、授課音頻的分析，導致現(xiàn)有的教學管理不夠智能、科學的問題。

技術(shù)實現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的上述缺陷，本發(fā)明提供一種智能教學管理系統(tǒng)，以解決上述背景技術(shù)中提出的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種智能教學管理系統(tǒng)，包括：

3、數(shù)據(jù)采集模塊，采集得到授課場所的音頻信號、每個位置的展示界面圖像和授課場所的環(huán)境參數(shù)；并將采集的信息傳輸至教學環(huán)境分析模塊、授課質(zhì)量分析模塊和教學互動質(zhì)量分析模塊；

4、教學環(huán)境分析模塊，篩選得到授課時間段的音頻信號、展示界面圖像和溫濕度參數(shù)，通過分析得到教學環(huán)境質(zhì)量評估指數(shù)hp；

5、授課質(zhì)量分析模塊，提取音頻信號，得到每節(jié)課的授課關(guān)鍵詞，獲取教學目標中提取目標關(guān)鍵詞，分析得到每節(jié)課的關(guān)聯(lián)程度參數(shù)，為每節(jié)課匹配權(quán)重系數(shù)，對每節(jié)課的權(quán)重系數(shù)和關(guān)聯(lián)程度參數(shù)進行加權(quán)求和操作，得到授課質(zhì)量評估指數(shù)sp；

6、教學互動質(zhì)量分析模塊，分析音頻信號獲取教師平均提問次數(shù)和學員平均提問次數(shù)，聯(lián)合分析得到課堂互動率；獲取每個學員的課堂互動頻次，獲取課堂互動頻次的方差；基于課堂互動率和學員活躍度方差，聯(lián)合分析得到教學互動質(zhì)量評估指數(shù)xp；

7、教學管理質(zhì)量分析模塊，接收教學環(huán)境分析模塊、授課質(zhì)量分析模塊和教學互動質(zhì)量分析模塊分析結(jié)果，聯(lián)合分析教學環(huán)境質(zhì)量評估指數(shù)、授課質(zhì)量評估指數(shù)和教學互動質(zhì)量評估指數(shù)，得到教學管理質(zhì)量系數(shù)；

8、教學管理質(zhì)量判斷模塊，用于將教學管理質(zhì)量系數(shù)和閾值進行比較，根據(jù)比較結(jié)果采取措施。

9、優(yōu)選的，所述數(shù)據(jù)采集模塊中，在授課場所安裝音視頻監(jiān)測裝置和環(huán)境監(jiān)測傳感器，通過音頻采集裝置采集得到授課場所的音頻信號，通過視頻采集裝置采集得到授課場所中每個位置的展示界面圖像，通過環(huán)境監(jiān)測傳感器采集得到授課場所的環(huán)境參數(shù)，所述環(huán)境參數(shù)包括室內(nèi)溫度、平均輻射溫度、空氣風速、空氣濕度、人體新陳代謝率和服裝熱阻。

10、優(yōu)選的，所述教學環(huán)境質(zhì)量評估指數(shù)hp的獲取方式為：

11、獲取授課場所每個位置的展示界面圖像和標準展示圖像，對比得到每個位置的展示界面圖像相對于標準展示圖像的對比度偏差平均值z1、亮度偏差平均值z2和畸變量偏差平均值z3，通過公式scz＝z1q1*z2q2*z3q3聯(lián)合分析得到授課場所的展示界面質(zhì)量參數(shù)scz；q1，q2，q3分別表示各項的影響系數(shù)；

12、分析音頻信號，對音頻信號進行濾波和降噪處理，以去除非噪音成分，使用閾值法檢測噪音段，計算檢測到的噪音段的總時長與整個音頻時長的比例，得到噪音占比scd；

13、獲取授課場所的室內(nèi)溫度、平均輻射溫度、空氣風速、空氣濕度、人體新陳代謝率和服裝熱阻，使用pmv模型獲取體感不適度scg。

14、聯(lián)合分析展示界面質(zhì)量參數(shù)、噪音占比和體感不適度，通過公式計算得到教學環(huán)境質(zhì)量評估指數(shù)，其中，w1，w2，w3分別表示各項的權(quán)重系數(shù)，基于管理人員設(shè)置。

15、優(yōu)選的，所述對比度偏差平均值的獲取方式為：讀取每個位置的展示界面圖像，將其轉(zhuǎn)換為灰度圖像，計算灰度圖像中所有像素亮度的標準差作為對比度，獲取每個位置的展示圖像對比度相對于標準展示圖像的對比度偏差，計算得到對比度偏差平均值；

16、所述亮度偏差平均值的獲取方式：讀取每個位置的展示界面圖像，進行灰度化處理，計算灰度圖像中所有像素亮度的平均值作為亮度，獲取每個位置圖像亮度相對于標準展示圖像的亮度偏差，計算得到亮度偏差平均值；

17、所述畸變量平均值的獲取方式：將標準展示圖像作為無畸變圖像，使用特征點檢測算法在每個位置的展示界面圖像和標準展示圖像中檢測并匹配對應(yīng)的特征點，使用幾何變換來擬合畸變模型，通過比較匹配的特征點在標準圖像和展示界面圖像中的位置差異來量化得到畸變量，計算畸變量平均值。

18、優(yōu)選的，所述智能教學管理系統(tǒng)包括教學環(huán)境判斷模塊，將獲取的教學環(huán)境質(zhì)量評估指數(shù)和預(yù)設(shè)值進行比較，當教學環(huán)境質(zhì)量評估指數(shù)超出預(yù)設(shè)值，表明授課場所的環(huán)境異常，向管理發(fā)出預(yù)警，提示授課場所的硬件異常；當教學環(huán)境質(zhì)量評估指數(shù)不超出預(yù)設(shè)值，表明授課場所的環(huán)境正常，不采取措施。

19、優(yōu)選的，所述授課質(zhì)量評估指數(shù)sp的獲取過程包括下列步驟：

20、步驟s11、獲取每節(jié)課的音頻信號，將音頻信號轉(zhuǎn)換為文本，利用分詞技術(shù)對文本進行處理，提取授課關(guān)鍵詞；

21、步驟s12、教學目標關(guān)鍵詞提取：獲取教學目標文本，使用分詞技術(shù)對教學目標文本進行處理，提取目標關(guān)鍵詞；

22、步驟s13、將授課關(guān)鍵詞與教學目標關(guān)鍵詞進行比較，使用文本相似度算法計算授課關(guān)鍵詞與教學目標關(guān)鍵詞之間的相似度，用相似度表示每節(jié)課的關(guān)聯(lián)程度參數(shù)；

23、步驟s14、權(quán)重系數(shù)分配：以每節(jié)課的重要性、難度為影響因子，為每節(jié)課分配權(quán)重系數(shù)；

24、步驟s15、設(shè)有n個課程，用i表示課程的編號，將第i個課程的關(guān)聯(lián)程度參數(shù)記為xs_i，將第i個課程的權(quán)重系數(shù)記為kq_i，通過公式計算得到授課質(zhì)量評估指數(shù)sp，其中，qx表示情感修正系數(shù)。

25、優(yōu)選的，所述情感修正系數(shù)的獲取方式為：

26、設(shè)每個課程中按照時間段劃分為t段，用kt表示課程的段數(shù)，將教師在時間段t的情感評分記為spt，將學員在時間段t的情感評分記為ypt，設(shè)置教師情感的影響因子為f1,學員情感的影響因子為f2,通過公式計算得到情感修正系數(shù)。

27、優(yōu)選的，搭建語音情感分析模型，將每節(jié)課的音頻信號作為語音情感分析模型輸入，提取得到每個音頻段的情感評分，匯總所有音頻段的情感評分的得到情感變化曲線，將每節(jié)課的情感變化曲線作為語音情感分析模型輸出；通過聲紋識別完成師生語音的分類，情感變化曲線包括教師的情感變化曲線和學員的情感變化曲線。

28、優(yōu)選的，所述語音情感分析模型的搭建過程包括下列步驟：

29、步驟s21、構(gòu)建語音情感數(shù)據(jù)集：通過音視設(shè)備采集得到課堂語音，對語音進行預(yù)處理后，經(jīng)過語音切片，得到若干音頻段，依賴情感量表對音頻段進行數(shù)據(jù)標注，將情感評分映射在連續(xù)坐標上，構(gòu)建得到語音情感數(shù)據(jù)集；

30、需要進行解釋的是，所述預(yù)處理包括音頻降噪、檢測并移除語音中的靜音和無關(guān)噪聲部分；情感量表至少包括：情緒積極或消極程度，個體興奮活躍程度；確保采集的語音數(shù)據(jù)覆蓋各種情感變化；標注過程可以由專家團隊完成，也可以利用機器學習輔助標注工具提高效率；

31、步驟s22、將獲取的語音情感數(shù)據(jù)集劃分為訓練集和測試集；訓練集用于長短記憶卷積神經(jīng)網(wǎng)絡(luò)訓練，測試集用于驗證長短記憶卷積神經(jīng)網(wǎng)絡(luò)性能；

32、需要進行解釋的是，采用隨機劃分或基于時間順序的劃分方法，確保訓練集和測試集之間的數(shù)據(jù)分布盡可能一致；

33、步驟s23、初始化長短記憶卷積神經(jīng)網(wǎng)絡(luò)參數(shù)，包括網(wǎng)絡(luò)結(jié)構(gòu)、學習率、迭代次數(shù)，利用語音特征提取工具，提取課堂語音特征；將訓練集對應(yīng)的課堂語音特征輸入長短記憶卷積神經(jīng)網(wǎng)絡(luò)，訓練完后測試集驗證，更新最大迭代次數(shù)；

34、步驟s24、在訓練過程中，使用損失函數(shù)來衡量長短記憶卷積神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果與實際情感標簽之間的差異，通過反向傳播算法更新長短記憶卷積神經(jīng)網(wǎng)絡(luò)參數(shù)，以最小化損失函數(shù)；訓練至長短記憶卷積神經(jīng)網(wǎng)絡(luò)滿足損失函數(shù)或最大迭代次數(shù)，輸出語音情感分析模型。

35、優(yōu)選的，所述教學互動質(zhì)量評估指數(shù)xp的獲取過程包括下列步驟：

36、步驟s31、分析音頻信號，獲取教師平均提問次數(shù)和學員平均提問次數(shù)：計算所有課堂的教師提問次數(shù)的平均值和學員提問次數(shù)的平均值；

37、步驟s32、基于課堂中的總提問次數(shù)、課堂時間和學員數(shù)量獲取課堂互動率；

38、在進一步的設(shè)計中，將教師提問次數(shù)、學員提問次數(shù)、課堂時間和學員數(shù)量，分別記為tc1，tc2，tc3和tc4，通過公式計算得到課堂互動率xh；

39、步驟s33、獲取每個學員的課堂互動頻次：記錄每個學員在課堂上發(fā)言次數(shù)，計算每個學員的課堂互動頻次，設(shè)有m個學員，用j表示學員身份編號，將第j個學員的課堂互動頻次記為hdj，計算得到課堂互動頻次的方差hs；

40、步驟s34、根據(jù)課堂互動率和學員活躍度方差，計算得到教學互動質(zhì)量評估指數(shù)。

41、優(yōu)選的，聯(lián)合分析教學環(huán)境質(zhì)量評估指數(shù)、授課質(zhì)量評估指數(shù)和教學互動質(zhì)量評估指數(shù)，通過公式計算得到教學管理質(zhì)量系數(shù)，其中，form(·)表示線性歸一化函數(shù)。

42、優(yōu)選的，教學管理質(zhì)量判斷模塊，當教學管理質(zhì)量系數(shù)低于閾值，表明教學管理異常，向管理者預(yù)警，提示增加授課場所的教學管理資源；當教學管理質(zhì)量系數(shù)不低于閾值，表明教學管理正常，不采取措施。

43、本發(fā)明的技術(shù)效果和優(yōu)點：

44、本發(fā)明提供的智能教學管理系統(tǒng)，采集得到授課場所的音頻信號、每個位置的展示界面圖像和授課場所的環(huán)境參數(shù)；通過分析授課時間段內(nèi)的音頻信號、展示界面圖像和環(huán)境參數(shù)，得到教學環(huán)境質(zhì)量評估指數(shù)hp；分析得到每節(jié)課的關(guān)聯(lián)程度參數(shù)，為每節(jié)課匹配權(quán)重系數(shù)，對每節(jié)課的權(quán)重系數(shù)和關(guān)聯(lián)程度參數(shù)進行加權(quán)求和操作，得到授課質(zhì)量評估指數(shù)sp；基于課堂互動率和學員活躍度方差，聯(lián)合分析得到教學互動質(zhì)量評估指數(shù)xp；聯(lián)合分析教學環(huán)境質(zhì)量評估指數(shù)、授課質(zhì)量評估指數(shù)和教學互動質(zhì)量評估指數(shù)，得到教學管理質(zhì)量系數(shù)；用于將教學管理質(zhì)量系數(shù)和閾值進行比較，當教學管理質(zhì)量系數(shù)低于閾值，表明教學管理異常，向管理者預(yù)警，提示增加授課場所的教學管理資源，解決現(xiàn)有的教學管理不夠智能、科學的問題。