本發明涉及智能評估，具體是一種基于局域賬戶的教學水平評估方法及系統。

背景技術：

1、隨著科技的進展以及社會的發展，人們獲取知識的欲望與途徑越來越多，課堂的形式與數量也越來越多，智慧課堂就是基于智能設備搭建的一種教學交互方式，包括線上和線下兩種方式。

2、教學交互過程中有一項很重要的行為，就是教學水平評估行為，現有的評估方式仍然是基于人工的人為評估方式，而學員的記憶力是有限的，評估的數據來源往往只是最后階段的一些教學片段，實際上，在現有的智能設備足夠普及的基礎上，引入全局且客觀的教學水平評估方案并不復雜，如何搭建全局且客觀的教學水平評估架構是本發明技術方案想要解決的技術問題。

技術實現思路

1、本發明的目的在于提供一種基于局域賬戶的教學水平評估方法及系統，以解決上述背景技術中提出的問題。

2、為實現上述目的，本發明提供如下技術方案：

3、一種基于局域賬戶的教學水平評估方法，所述方法包括：

4、向使用者發送權限獲取請求，接收使用者授予的權限；其中，所述使用者包括學員和教學者；

5、基于授予的權限獲取每個學員的使用進程及面部數據，根據使用進程確定專注度，同步訓練面部數據至專注度的神經網絡模型；其中，一個學員對應一個神經網絡模型；

6、定時采集每個學員的面部數據，基于訓練好的神經網絡模型確定每個學員的專注度；

7、接收教學者輸入的教學方案，對所述教學方案進行識別，確定不同時段的重要度，根據不同時刻的重要度以及不同時刻的每個學員的專注度確定評估分。

8、作為本發明進一步的方案：所述基于授予的權限獲取每個學員的使用進程及面部數據，根據使用進程確定專注度，同步訓練面部數據至專注度的神經網絡模型的步驟包括：

9、基于授予的權限實時獲取使用者在各時刻的瀏覽內容及操作參數，根據所述瀏覽內容及操作參數確定各時刻的專注度；

10、基于授予的權限獲取學員圖像，對學員圖像進行識別，提取面部數據；

11、對面部數據和專注度進行時域配準，基于時域配準后的面部數據和專注度作為樣本，訓練神經網絡模型；所述神經網絡模型的輸入為面部數據，輸出為專注度。

12、作為本發明進一步的方案：所述基于授予的權限實時獲取使用者在各時刻的瀏覽內容及操作參數，根據所述瀏覽內容及操作參數確定各時刻的專注度的步驟包括：

13、基于授予的權限實時獲取使用者在各時刻的瀏覽內容及操作參數；

14、在預設的參數轉換表中讀取各時刻的操作參數對應的序號；所述參數轉換表中含有操作類型項和序號項；

15、根據瀏覽內容對時刻進行聚合，得到每個瀏覽內容對應的時間段；

16、基于時間順序統計并排列時間段內的操作參數對應的序號，得到實操序號組；

17、讀取每個瀏覽內容的預設的標準序號組，比對實操序號組和標準序號組，計算相似度，根據相似度確定專注度；其中，所述專注度與所述相似度呈正比。

18、作為本發明進一步的方案：所述接收教學者輸入的教學方案，對所述教學方案進行識別，確定不同時段的重要度，根據不同時刻的重要度以及不同時刻的每個學員的專注度確定評估分的步驟包括：

19、接收教學者輸入的教學方案，對所述教學方案進行識別，確定不同時段的重要度；對所述教學方案進行識別包括關鍵詞匹配過程，不同關鍵詞對應不同的重要度，關鍵詞及其重要度均為預設的參數；

20、讀取每個學員在不同時刻的專注度，插入同一時間軸；

21、按照預設的時間步長在時間軸上截取匹配點，讀取匹配點處的專注度小于預設的專注度閾值的人數；所述匹配點為時刻點；

22、查詢匹配點對應的重要度，根據重要度和人數確定評估分。

23、作為本發明進一步的方案：所述接收教學者輸入的教學方案，對所述教學方案進行識別，確定不同時段的重要度的步驟包括：

24、接收教學者輸入的各時間段的教學關鍵詞及其重要度；

25、基于授予的權限獲取教學者的音頻信息，定位教學關鍵詞，根據定位結果修正各時間段的教學關鍵詞及其重要度。

26、作為本發明進一步的方案：所述查詢匹配點對應的重要度，根據重要度和人數確定評估分的步驟包括：

27、查詢每個重要度的人數閾值，計算人數和人數閾值的比值，根據所述比值確定每個匹配點的評分；其中，評分與比值呈反比；

28、根據每個匹配點的重要度確定權重，基于權重累計所有評分，得到最終的評估分；其中，權重與重要度呈正比。

29、本發明技術方案還提供了一種基于局域賬戶的教學水平評估系統，所述系統包括：

30、權限獲取模塊，用于向使用者發送權限獲取請求，接收使用者授予的權限；其中，所述使用者包括學員和教學者；

31、模型訓練模塊，用于基于授予的權限獲取每個學員的使用進程及面部數據，根據使用進程確定專注度，同步訓練面部數據至專注度的神經網絡模型；其中，一個學員對應一個神經網絡模型；

32、專注度識別模塊，用于定時采集每個學員的面部數據，基于訓練好的神經網絡模型確定每個學員的專注度；

33、評估分確定模塊，用于接收教學者輸入的教學方案，對所述教學方案進行識別，確定不同時段的重要度，根據不同時刻的重要度以及不同時刻的每個學員的專注度確定評估分。

34、作為本發明進一步的方案：所述模型訓練模塊包括：

35、專注度初定單元，用于基于授予的權限實時獲取使用者在各時刻的瀏覽內容及操作參數，根據所述瀏覽內容及操作參數確定各時刻的專注度；

36、面部數據提取單元，用于基于授予的權限獲取學員圖像，對學員圖像進行識別，提取面部數據；

37、訓練執行單元，用于對面部數據和專注度進行時域配準，基于時域配準后的面部數據和專注度作為樣本，訓練神經網絡模型；所述神經網絡模型的輸入為面部數據，輸出為專注度。

38、作為本發明進一步的方案：所述專注度初定單元包括：

39、數據獲取子單元，用于基于授予的權限實時獲取使用者在各時刻的瀏覽內容及操作參數；

40、序號查詢子單元，用于在預設的參數轉換表中讀取各時刻的操作參數對應的序號；所述參數轉換表中含有操作類型項和序號項；

41、時刻聚合子單元，用于根據瀏覽內容對時刻進行聚合，得到每個瀏覽內容對應的時間段；

42、序號排列子單元，用于基于時間順序統計并排列時間段內的操作參數對應的序號，得到實操序號組；

43、比對子單元，用于讀取每個瀏覽內容的預設的標準序號組，比對實操序號組和標準序號組，計算相似度，根據相似度確定專注度；其中，所述專注度與所述相似度呈正比。

44、作為本發明進一步的方案：所述評估分確定模塊包括：

45、方案識別單元，用于接收教學者輸入的教學方案，對所述教學方案進行識別，確定不同時段的重要度；對所述教學方案進行識別包括關鍵詞匹配過程，不同關鍵詞對應不同的重要度，關鍵詞及其重要度均為預設的參數；

46、專注度統計單元，用于讀取每個學員在不同時刻的專注度，插入同一時間軸；

47、人數查詢單元，用于按照預設的時間步長在時間軸上截取匹配點，讀取匹配點處的專注度小于預設的專注度閾值的人數；所述匹配點為時刻點；

48、數據應用單元，用于查詢匹配點對應的重要度，根據重要度和人數確定評估分。

49、與現有技術相比，本發明的有益效果是：本發明基于教學者的信息確定教學過程中的各階段的重要程度，基于學員的信息確定學員在各階段的專注度，這一過程實時進行，結合專注度和重要程度共同確定教學過程的評估分，全局性高，客觀性強。