(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210031571.6 (22)申请日 2022.01.12 (71)申请人 张玉春 地址 610011 四川省成 都市锦江区静祥路 上东锦城 (72)发明人 张玉春　 (51)Int.Cl. G06Q 50/20(2012.01) G06F 40/279(2020.01) G06F 40/30(2020.01) G10L 25/63(2013.01) G10L 19/26(2013.01) G10L 15/04(2013.01) (54)发明名称 基于大数据和智慧教育的课堂质 量管理方 法 (57)摘要 本发明涉及一种基于大数据和智慧教育的 课堂质量管理方法， 其包括： 教师终端发送课堂 氛围分析请求到课堂氛围分析平台， 课堂氛围分 析平台根据课程标识符获取目标课程的课堂视 频数据和课堂音频数据， 并根据课堂视频数据和 课堂音频数据进行处理得到课堂氛围特征向量， 然后根据课堂氛围特征向量进行课堂氛围分析 以生成课堂氛围数据。 本发明根据课堂视频数据 和课堂音频数据对课堂氛围进行分析， 帮助老师 调节师生关系形成和谐的师生互动以提高教学 效果。 权利要求书2页 说明书7页 附图1页 CN 114511424 A 2022.05.17 CN 114511424 A 1.一种基于大数据和智慧教育的课堂质量管理方法， 其特征在于， 接收教师终端发送 的课堂氛围分析请求， 并根据所述课堂氛围分析请求中目标课程的课程标识符获取目标课 程的课堂视频数据和课 堂音频数据； 根据课堂音频数据得到课堂音频特征时序序列， 并提取课堂音频数据的课堂文字数据 和时间序列信号， 然后根据时间序列信号对课堂文字数据进 行处理以得到课堂文字特征时 序序列； 提取课堂视频数据的课堂视频特征和时间序列信号， 并分别将课堂视频特征和时间序 列信号映射到多维空间以得到多维视频特征和多维时间特征， 然后 将多维空间中的多维视 频特征和多维时间特 征进行特征关联处 理以得到 课堂视频特征时序序列； 对课堂音频特征时序序列、 课堂文字特征时序序列和课堂视频特征时序序列中对应时 间段的课堂音频特征、 课堂文字特征和课堂视频特征进行特征级联以得到课堂级联特征时 序序列； 根据课堂级联特征时序序列得到课堂级联特征时序向量， 并将课堂级联特征时序向量 中的每个课堂级联向量进 行正交变换， 然后将正交变换后的课堂级联向量按照方差递减的 顺序进行排序并选取 方差大于阈值的课 堂级联向量进行处 理以到课堂氛围特 征向量； 根据课堂氛围特 征向量进行分析生成课 堂氛围数据， 并将其发送到相应教师终端。 2.根据权利要求1所述的方法， 其特征在于， 所述课堂氛围分析请求包括目标课程的课 程标识符、 授课时间、 授课地点、 授课教师和课程名称； 所述课程标识符用于对课程进行唯 一标识。 3.根据权利要求1或2所述的方法， 其特征在于， 所述根据课堂音频数据得到课堂音频 时序序列包括： 根据课堂音频数据得到 课堂音频序列， 并提取课 堂音频序列中每 个音频的声学 特征； 去除所述声学 特征中的冗余情感信息以得到每 个音频的标准声学 特征； 根据高斯混合模型和时间序列信号将课堂音频序列的所有标准声学特征按照时间顺 序进行特征合并以得到 课堂音频特征时序序列。 4.根据权利要求3所述的方法， 其特征在于， 根据课堂音频数据得到课堂音频序列包 括： 对课堂音频数据进行信号转换处理得到课堂音频信号， 并提取课堂音频数据的时间序 列信号； 对时间序列信号和课 堂音频信号进行信号融合处 理以得到 课堂音频序列。 5.根据权利要求4所述的方法， 其特征在于， 对课堂音频数据进行信号转换处理得到课 堂音频信号包括： 对课堂音频数据进行下采样和量化操作， 并对下采样和量化后的课堂音频数据进行滤 波处理以得到第一课 堂音频预信号； 通过对信号分割窗口函数和信号分割窗口对第一课堂音频预信号进行信号分割以得 到第二课 堂音频预信号； 识别第二课堂音频预信号的第 一端点和第 二端点， 并提取出第 二课堂音频预信号有声 片段以得到课堂音频信号， 所述第一端点为第二课堂音频预信号中有声片段 的起点， 第二 端点为第二课 堂音频预信号中有 声片段的终点。权　利　要　求　书 1/2 页 2 CN 114511424 A 26.根据权利要求1至5之一所述的方法， 其特征在于， 根据时间序列信号对课堂文字数 据进行处 理以得到 课堂文字特 征时序序列包括： 将课堂文字数据进行分词， 并提取每 个分词的语义特 征以得到每 个分词的词向量； 将所有词向量进行处 理进行文字特 征矩阵； 将文字特征矩阵中的文本特征映射到高维特征空间， 并提取时间序列信号的时间特 征； 将时间序列信号的时间特 征映射到与文本特 征维数相同的高维特 征空间； 将文本特征与时间特征在所述高维特征空间中进行关联以得到课堂文字特征时序序 列。 7.根据权利要求6所述的方法， 其特征在于， 根据课堂音频特征时序序列、 课堂文字特 征时序序列和课 堂视频特征时序序列得到 课堂级联特征时序序列包括： 分别识别 课堂音频特征时序序列、 课堂文字特征时序序列和课堂视频特征时序序列中 对应时间段的课 堂音频特征、 课堂文字特 征和课堂视频特征； 将对应时间段的课堂音频特征、 课堂文字特征和课堂视频特征进行组合并将其联合成 向量以得到 课堂联合向量； 将所有时间段的课 堂联合向量进行处 理以得到 课堂级联特征时序序列。 8.根据权利要求7所述的方法， 其特征在于， 所述课堂氛围数据包括课堂情绪分布数 据、 课堂活跃度数据和学生专 注度数据。 9.根据权利要求8所述的方法， 其特征在于， 所述课堂音频序列包括若干个课堂音频， 课堂音频为包 含时间信息的音频 数据。权　利　要　求　书 2/2 页 3 CN 114511424 A 3