一种基于5G网络的教育系统

摘要

本发明公开了一种基于5G网络的教育系统，包括：设置在教师端的第一多媒体文件采集模块；设置在学生端的第二多媒体文件采集模块；通讯模块；后台服务器用于：对第一多媒体文件进行特征提取，提取教师行为，将教师行为输入预先训练好的第一评分模型中，输出第一评分；对第二多媒体文件进行特征提取，提取学生行为，将学生行为输入预先训练好的第二评分模型中，输出第二评分；将第一评分与第二评分基于显示模块显示出来。对教师的授课行为及学生的学习行为进行准确的评测，保证在线教育的效果。

权利要求

1.一种基于5G网络的教育系统，其特征在于，包括：设置在教师端的第一多媒体文件采集模块；

设置在学生端的第二多媒体文件采集模块；

通讯模块，分别与所述教师端、学生端连接；

后台服务器，与所述通讯模块连接，用于：接收基于所述通讯模块传输的所述第一多媒体文件采集模块采集的第一多媒体文件，对所述第一多媒体文件进行特征提取，提取教师行为，将所述教师行为输入预先训练好的第一评分模型中，输出第一评分；教师行为包括教师对学生的教学方式、互动次数；

接收基于所述通讯模块传输的所述第二多媒体文件采集模块采集的第二多媒体文件，对所述第二多媒体文件进行特征提取，提取学生行为，将所述学生行为输入预先训练好的第二评分模型中，输出第二评分；

将所述第一评分与所述第二评分基于显示模块显示出来；

所述后台服务器，还用于：

基于所述第一多媒体文件，确定教师端的第二音视频状态；

根据所述第二音视频状态判断教师的教学状态是否发生异常；

在确定教师的教学状态发生异常时，标记第二异常时间节点；

从第二异常时间节点开始，获取学生的第一语音信号，对所述第一语音信号进行特征提取，获取第一语音特征，将所述第一语音特征进行处理，得到第一音素信息；

将所述第一音素信息输入预先训练好的声学模型中，得到第一语音识别结果，确定所述第一语音信号对应的目标领域；

获取所述目标领域的知识图谱，并确定所述第一语音信号在所述目标领域的知识图谱中与其他内容的关联关系；

获取学生的第二语音信号，对所述第二语音信号进行语音识别，得到第二语音识别结果，计算所述第二语音识别结果中的语义的完整度，在确定所述完整度小于预设完整度时，根据所述关联关系对所述第二语音识别结果中的语义进行补充。

2.如权利要求1所述的基于5G网络的教育系统，其特征在于，所述后台服务器，还用于：对所述第一多媒体文件进行解析，得到教师端的教育内容；

对所述教育内容根据知识点类型进行分类，划分为若干个子教育内容，并分别对若干个子教育内容进行概括总结，为每一个子教育内容确定一个关键词；

以所述关键词为索引，查询预先建立的教育知识图谱，确定所述教育知识图谱中所述关键词对应的当前难度等级；

获取所述当前难度等级的上一难度等级对应的第一内容及下一难度等级对应的第二内容，将所述第一内容及所述第二内容作为补充内容；

获取每一个关键词对应的补充内容并进行打包处理转发至教师端。

3.如权利要求1所述的基于5G网络的教育系统，其特征在于，所述后台服务器，还用于：基于所述第二多媒体文件，确定学生端的第一音视频状态；

根据所述第一音视频状态判断学生的学习状态是否发生异常；

在确定学生的学习状态发生异常时，对学生进行标记并确定第一异常时间节点；

从第一异常时间节点开始，启动信息备份任务，将教育端发出的第一多媒体文件进行处理，得到目标图像及目标音频，将所述目标图像及所述目标音频进行备份，得到备份数据；

在确定学生的学习状态恢复正常时，将所述备份数据推送至学生端进行显示。

4.如权利要求1所述的基于5G网络的教育系统，其特征在于，还包括网络检测模块，分别与所述通讯模块、后台服务器连接，用于检测所述教师端与所述学生端之间的网络连接质量，并进行评分，在确定所述评分小于预设评分时，发出报警提示至后台服务器。

5.如权利要求4所述的基于5G网络的教育系统，其特征在于，所述网络检测模块，还用于每隔单位时间检测所述教师端与所述学生端之间的网络的平均耗时并计算平均值，得到网络耗时，根据所述网络耗时与预设网络耗时，计算得到网络延迟值，在确定所述网络延迟值大于预设网络延迟值时，发送网络延迟预警提示至后台服务器。

6.如权利要求1所述的基于5G网络的教育系统，其特征在于，对所述第二多媒体文件进行特征提取，提取学生行为，包括：从所述第二多媒体文件中提取学生的面部图像及声音信号；

对所述面部图像进行特征提取，确定学生的面部特征；

对所述声音信号进行特征提取，确定学生的声音特征；

根据所述面部特征及声音特征，确定学生的情绪状态；

根据学生的情绪状态判断学生对当前的教学内容是否感兴趣，将判断结果作为学生行为。

7.如权利要求1所述的基于5G网络的教育系统，其特征在于，对所述第二多媒体文件进行特征提取，提取学生行为，包括：从所述第二多媒体文件中提取学生的眼动图像，对所述眼动图像进行特征提取，确定眼动轨迹；

计算所述眼动轨迹与预设眼动轨迹的匹配度，将所述匹配度与预设匹配度进行比较，根据比较结果确定学生对当前的教学内容是否感兴趣，将确定结果作为学生作为。

8.如权利要求6所述的基于5G网络的教育系统，其特征在于，在对所述声音信号进行特征提取，确定学生的声音特征前，还包括：对所述声音信号进行滤波处理。

9.如权利要求7所述的基于5G网络的教育系统，其特征在于，所述预设眼动轨迹为学生对当前的教学内容感兴趣时获取的。

说明书

一种基于5G网络的教育系统

技术领域

[0001] 本发明涉及教育技术领域，特别涉及一种基于5G网络的教育系统。

背景技术

[0002] 近年来，随着移动互联网和各种智能设备的普及和高速发展，在线教育的授课方式已经变的越来越方便。现有技术中实现了教师与学生的在线教育，但是存在以下技术问
题：1、人们对在线教育的效果存在一定的质疑，现有技术中并未对教师及学生的行为进行
检测及评分，不能对教师的授课行为及学生的学习行为进行准确的评测，不能知道在线教
育的效果；2、对教师的教育内容不能很好的进行补充提醒，不利于学生的在线学习，影响在
线教育的效果。

发明内容

[0003] 本发明旨在至少一定程度上解决上述技术中的技术问题之一。为此，本发明的目的在于提出一种基于5G网络的教育系统，对教师的授课行为及学生的学习行为进行准确的
评测，保证在线教育的效果。

[0004] 为达到上述目的，本发明实施例提出了一种基于5G网络的教育系统，包括：

[0005] 设置在教师端的第一多媒体文件采集模块；

[0006] 设置在学生端的第二多媒体文件采集模块；

[0007] 通讯模块，分别与所述教师端、学生端连接；

[0008] 后台服务器，与所述通讯模块连接，用于：

[0009] 接收基于所述通讯模块传输的所述第一多媒体文件采集模块采集的第一多媒体文件，对所述第一多媒体文件进行特征提取，提取教师行为，将所述教师行为输入预先训练
好的第一评分模型中，输出第一评分；

[0010] 接收基于所述通讯模块传输的所述第二多媒体文件采集模块采集的第二多媒体文件，对所述第二多媒体文件进行特征提取，提取学生行为，将所述学生行为输入预先训练
好的第二评分模型中，输出第二评分；

[0011] 将所述第一评分与所述第二评分基于显示模块显示出来。

[0012] 根据本发明的一些实施例，所述后台服务器，还用于：

[0013] 对所述第一多媒体文件进行解析，得到教师端的教育内容；

[0014] 对所述教育内容根据知识点类型进行分类，划分为若干个子教育内容，并分别对若干个子教育内容进行概括总结，为每一个子教育内容确定一个关键词；

[0015] 以所述关键词为索引，查询预先建立的教育知识图谱，确定所述教育知识图谱中所述关键词对应的当前难度等级；

[0016] 获取所述当前难度等级的上一难度等级对应的第一内容及下一难度等级对应的第二内容，将所述第一内容及所述第二内容作为补充内容；

[0017] 获取每一个关键词对应的补充内容并进行打包处理转发至教师端。

[0018] 根据本发明的一些实施例，所述后台服务器，还用于：

[0019] 基于所述第二多媒体文件，确定学生端的第一音视频状态；

[0020] 根据所述第一音视频状态判断学生的学习状态是否发生异常；

[0021] 在确定学生的学习状态发生异常时，对学生进行标记并确定第一异常时间节点；

[0022] 从第一异常时间节点开始，启动信息备份任务，将教育端发出的第一多媒体文件进行处理，得到目标图像及目标音频，将所述目标图像及所述目标音频进行备份，得到备份
数据；

[0023] 在确定学生的学习状态恢复正常时，将所述备份数据推送至学生端进行显示。

[0024] 根据本发明的一些实施例，所述后台服务器，还用于：

[0025] 基于所述第一多媒体文件，确定教师端的第二音视频状态；

[0026] 根据所述第二音视频状态判断教师的教学状态是否发生异常；

[0027] 在确定教师的教学状态发生异常时，标记第二异常时间节点；

[0028] 从第二异常时间节点开始，获取学生的第一语音信号，对所述第一语音信号进行特征提取，获取第一语音特征，将所述第一语音特征进行处理，得到第一音素信息；

[0029] 将所述第一音素信息输入预先训练好的声学模型中，得到第一语音识别结果，确定所述第一语音对应的目标领域；

[0030] 获取所述目标领域的知识图谱，并确定所述第一语音在所述目标领域的知识图谱中与其他内容的关联关系；

[0031] 获取学生的第二语音信号，对所述第二语音信号进行语音识别，得到第二语音识别结果，计算所述第二语音识别结果中的语义的完整度，在确定所述完整度小于预设完整
度时，根据所述关联关系对所述第二语音识别结果中的语义进行补充。

[0032] 根据本发明的一些实施例，还包括网络检测模块，分别与所述通讯模块、后台服务器连接，用于检测所述教师端与所述学生端之间的网络连接质量，并进行评分，在确定所述
评分小于预设评分时，发出报警提示至后台服务器。

[0033] 根据本发明的一些实施例，所述网络检测模块，还用于每隔单位时间检测所述教师端与所述学生端之间的网络的平均耗时并计算平均值，得到网络耗时，根据所述网络耗
时与预设网络耗时，计算得到网络延迟值，在确定所述网络延迟值大于预设网络延迟值时，
发送网络延迟预警提示至后台服务器。

[0034] 根据本发明的一些实施例，对所述第二多媒体文件进行特征提取，提取学生行为，包括：

[0035] 从所述第二多媒体文件中提取学生的面部图像及声音信号；

[0036] 对所述面部图像进行特征提取，确定学生的面部特征；

[0037] 对所述声音信号进行特征提取，确定学生的声音特征；

[0038] 根据所述面部特征及声音特征，确定学生的情绪状态；

[0039] 根据学生的情绪状态判断学生对当前的教学内容是否感兴趣，将判断结果作为学生行为。

[0040] 根据本发明的一些实施例，对所述第二多媒体文件进行特征提取，提取学生行为，包括：

[0041] 从所述第二多媒体文件中提取学生的眼动图像，对所述眼动图像进行特征提取，确定眼动轨迹；

[0042] 计算所述眼动轨迹与预设眼动轨迹的匹配度，将所述匹配度与预设匹配度进行比较，根据比较结果确定学生对当前的教学内容是否感兴趣，将确定结果作为学生作为。

[0043] 根据本发明的一些实施例，在对所述声音信号进行特征提取，确定学生的声音特征前，还包括：对所述声音信号进行滤波处理。

[0044] 根据本发明的一些实施例，所述预设眼动轨迹为学生对当前的教学内容感兴趣时获取的。

[0045] 本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明
书以及附图中所特别指出的结构来实现和获得。

[0046] 下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

[0047] 附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

[0048] 图1是根据本发明一个实施例的一种基于5G网络的教育系统的框图；

[0049] 图2是根据本发明又一个实施例的一种基于5G网络的教育系统的框图。

具体实施方式

[0050] 以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

[0051] 如图1所示，本发明实施例提出了一种基于5G网络的教育系统，包括：

[0052] 设置在教师端的第一多媒体文件采集模块；

[0053] 设置在学生端的第二多媒体文件采集模块；

[0054] 通讯模块，分别与所述教师端、学生端连接；

[0055] 后台服务器，与所述通讯模块连接，用于：

[0056] 接收基于所述通讯模块传输的所述第一多媒体文件采集模块采集的第一多媒体文件，对所述第一多媒体文件进行特征提取，提取教师行为，将所述教师行为输入预先训练
好的第一评分模型中，输出第一评分；

[0057] 接收基于所述通讯模块传输的所述第二多媒体文件采集模块采集的第二多媒体文件，对所述第二多媒体文件进行特征提取，提取学生行为，将所述学生行为输入预先训练
好的第二评分模型中，输出第二评分；

[0058] 将所述第一评分与所述第二评分基于显示模块显示出来。

[0059] 上述技术方案的工作原理：设置在教师端的第一多媒体文件采集模块；第一多媒体文件采集模块用于采集多媒体文件，包括图像采集模块、视频采集模块、声音采集模块。
多媒体文件包括图像数据、视频数据、声音数据。设置在学生端的第二多媒体文件采集模
块。学生端或教师端可以为智能设备，包括手机、平板等。通讯模块包括无线通讯模块、5g通
讯模块、4g通讯模块等。通讯模块可以包括设置在教师端的第一通讯模块及设置在学生端
的第二通讯模块。教师端与学生端实现的在线教育为现有技术。还包括后台服务器，用于接
收基于所述通讯模块传输的所述第一多媒体文件采集模块采集的第一多媒体文件，对所述
第一多媒体文件进行特征提取，提取教师行为，将所述教师行为输入预先训练好的第一评
分模型中，输出第一评分；接收基于所述通讯模块传输的所述第二多媒体文件采集模块采
集的第二多媒体文件，对所述第二多媒体文件进行特征提取，提取学生行为，将所述学生行
为输入预先训练好的第二评分模型中，输出第二评分；将所述第一评分与所述第二评分基
于显示模块显示出来。第一评分模块为基于样本教师行为及样本教师评分训练得到的。第
二评分模型为基于样本学生行为及样本学生评分训练得到的。教师行为包括教师对学生的
教学方式、互动次数等。学生行为包括对教师的当前的教学内容是否感兴趣，是否认真听讲
等。

[0060] 上述技术方案的有益效果：设置后台服务器，在教师端与学生端的在线教育过程中，进行监控。并对在线教育过程中教师及学生进行评分，便于教师规范自身教学行为，更
加反思自身教学，便于学生了解同学之间的学习评分，相互勉励，规范自身的学习行为，保
证在线教育的教学效果。

[0061] 根据本发明的一些实施例，所述后台服务器，还用于：

[0062] 对所述第一多媒体文件进行解析，得到教师端的教育内容；

[0063] 对所述教育内容根据知识点类型进行分类，划分为若干个子教育内容，并分别对若干个子教育内容进行概括总结，为每一个子教育内容确定一个关键词；

[0064] 以所述关键词为索引，查询预先建立的教育知识图谱，确定所述教育知识图谱中所述关键词对应的当前难度等级；

[0065] 获取所述当前难度等级的上一难度等级对应的第一内容及下一难度等级对应的第二内容，将所述第一内容及所述第二内容作为补充内容；

[0066] 获取每一个关键词对应的补充内容并进行打包处理转发至教师端。

[0067] 上述技术方案的工作原理：所述后台服务器，还用于对所述第一多媒体文件进行解析，得到教师端的教育内容；对所述教育内容根据知识点类型进行分类，划分为若干个子
教育内容，并分别对若干个子教育内容进行概括总结，为每一个子教育内容确定一个关键
词；具体的，将教育内容A根据知识点类型进行分类，得到子教育内容a、子教育内容b、子教
育内容c，分别提取关键词e、关键词r、关键词t。以所述关键词为索引，查询预先建立的教育
知识图谱，确定所述教育知识图谱中所述关键词对应的当前难度等级；获取所述当前难度
等级的上一难度等级对应的第一内容及下一难度等级对应的第二内容，将所述第一内容及
所述第二内容作为补充内容；获取每一个关键词对应的补充内容并进行打包处理转发至教
师端。教师端对补充内容进行筛选并进行讲解。教育知识图谱的构建方法，包括：获取某一
学科的教学课程框架，基于数据库确定教育知识点；基于相应的神经网络模型，确定各个教
育知识点的难度等级，并基于难度等级进行排序，确定各个教育知识点之间的关联关系。进
而确定教育知识图谱。

[0068] 上述技术方案的有益效果：便于对教师端本身讲解的教育内容进行补充，便于学生学到更多的知识。在讲解过程中，将当前难度等级的上一难度等级对应的第一内容（相比
当前内容简单），便于在在线教育过程中，对基础较差的学生补充讲解部分基础知识，便于
其理解当前的教学内容，加深学生的认知。将当前难度等级的下一难度等级对应的第二内
容（相比当前内容难），便于在在线教育过程中，对学生进行拓展教育，提高学生的知识素
养，同时也便于基础较好的学生不断进行拔尖训练，得到提高。对教育内容进行补充，有利
于保证在线教育的教学效果。

[0069] 根据本发明的一些实施例，所述后台服务器，还用于：

[0070] 基于所述第二多媒体文件，确定学生端的第一音视频状态；

[0071] 根据所述第一音视频状态判断学生的学习状态是否发生异常；

[0072] 在确定学生的学习状态发生异常时，对学生进行标记并确定第一异常时间节点；

[0073] 从第一异常时间节点开始，启动信息备份任务，将教育端发出的第一多媒体文件进行处理，得到目标图像及目标音频，将所述目标图像及所述目标音频进行备份，得到备份
数据；

[0074] 在确定学生的学习状态恢复正常时，将所述备份数据推送至学生端进行显示。

[0075] 上述技术方案的工作原理：基于所述第二多媒体文件，确定学生端的第一音视频状态；根据所述第一音视频状态判断学生的学习状态是否发生异常；在确定学生的学习状
态发生异常时，对学生进行标记并确定第一异常时间节点；学习状态异常包括学生暂时有
事离开学生端。从第一异常时间节点开始，启动信息备份任务，将教育端发出的第一多媒体
文件进行处理，得到目标图像及目标音频，将所述目标图像及所述目标音频进行备份，得到
备份数据；在确定学生的学习状态恢复正常时，将所述备份数据推送至学生端进行显示。

[0076] 上述技术方案的有益效果：实现在线教育的灵活性，在学生暂时有事离开后，对教师端的教育内容进行备份，在学生回到学生端前后，将所述备份数据推送至学生端进行显
示，学生可以快速连接教师之间讲过的知识点，便于快速联系，以避免耽误接下来的知识点
的学习，加强了前后连贯性，更加方便学生，避免学生因有事暂时离开，导致落下没有学习
的知识点，造成后面学习的困难。同时基于备份数据的形式进行呈现，便于学生在课后进行
多次学习，加深印象。

[0077] 根据本发明的一些实施例，所述后台服务器，还用于：

[0078] 基于所述第一多媒体文件，确定教师端的第二音视频状态；

[0079] 根据所述第二音视频状态判断教师的教学状态是否发生异常；

[0080] 在确定教师的教学状态发生异常时，标记第二异常时间节点；

[0081] 从第二异常时间节点开始，获取学生的第一语音信号，对所述第一语音信号进行特征提取，获取第一语音特征，将所述第一语音特征进行处理，得到第一音素信息；

[0082] 将所述第一音素信息输入预先训练好的声学模型中，得到第一语音识别结果，确定所述第一语音对应的目标领域；

[0083] 获取所述目标领域的知识图谱，并确定所述第一语音在所述目标领域的知识图谱中与其他内容的关联关系；

[0084] 获取学生的第二语音信号，对所述第二语音信号进行语音识别，得到第二语音识别结果，计算所述第二语音识别结果中的语义的完整度，在确定所述完整度小于预设完整
度时，根据所述关联关系对所述第二语音识别结果中的语义进行补充。

[0085] 上述技术方案的工作原理：所述后台服务器，还用于：基于所述第一多媒体文件，确定教师端的第二音视频状态；根据所述第二音视频状态判断教师的教学状态是否发生异
常；在确定教师的教学状态发生异常时，标记第二异常时间节点；教师的教学状态发生异
常，包括教师有事暂时离开教师端。在教师离开教师端后，对教师之前讲的知识点有疑问的
同学，可以自己进行思考或者基于后台服务器进行提问。从第二异常时间节点开始，获取学
生的第一语音信号，对所述第一语音信号进行特征提取，获取第一语音特征，基于学习算法
将所述第一语音特征进行处理，得到第一音素信息；将所述第一音素信息输入预先训练好
的声学模型中，得到第一语音识别结果，确定所述第一语音对应的目标领域；获取所述目标
领域的知识图谱，并确定所述第一语音在所述目标领域的知识图谱中与其他内容的关联关
系；获取学生的第二语音信号，对所述第二语音信号进行语音识别，得到第二语音识别结
果，计算所述第二语音识别结果中的语义的完整度，在确定所述完整度小于预设完整度时，
根据所述关联关系对所述第二语音识别结果中的语义进行补充。

[0086] 上述技术方案的有益效果：便于基于后台服务器在教师的教学状态发生异常时，为学生答疑解惑，提高学生的在线学习效果，避免学生因为等教师而白白浪费时间。在进行
解答的过程中，考虑的领域知识的特定，以及历史关联关系，不依赖于分词等基础NLP 
(Neuro‑Linguistic Programming，神经语言程序学)技术，提升了对所述第二语音识别结
果中的语义进行补充的补充效率及补充效果，进而提高了系统回答学生提问的问题的准确
性，便于学生学到有用的知识，实现为学生答疑解惑的效果，提高了学生的体验。

[0087] 如图2所示，根据本发明的一些实施例，还包括网络检测模块，分别与所述通讯模块、后台服务器连接，用于检测所述教师端与所述学生端之间的网络连接质量，并进行评
分，在确定所述评分小于预设评分时，发出报警提示至后台服务器。

[0088] 上述技术方案的工作原理：还包括网络检测模块，分别与所述通讯模块、后台服务器连接，用于检测所述教师端与所述学生端之间的网络连接质量，并进行评分，在确定所述
评分小于预设评分时，发出报警提示至后台服务器。

[0089] 上述技术方案的有益效果：在教师端与所述学生端之间的网络连接质量较差时，进行报警提示，便于对网络连接质量进行提高或者采取其他措施，保证在线教育的效果。

[0090] 根据本发明的一些实施例，所述网络检测模块，还用于每隔单位时间检测所述教师端与所述学生端之间的网络的平均耗时并计算平均值，得到网络耗时，根据所述网络耗
时与预设网络耗时，计算得到网络延迟值，在确定所述网络延迟值大于预设网络延迟值时，
发送网络延迟预警提示至后台服务器。

[0091] 上述技术方案的工作原理：所述网络检测模块，还用于每隔单位时间检测所述教师端与所述学生端之间的网络的平均耗时并计算平均值，得到网络耗时，根据所述网络耗
时与预设网络耗时，计算得到网络延迟值，在确定所述网络延迟值大于预设网络延迟值时，
发送网络延迟预警提示至后台服务器。

[0092] 上述技术方案的有益效果：对教师端与所述学生端之间的网络延时进行监控，在确定所述网络延迟值大于预设网络延迟值时，发送网络延迟预警提示至后台服务器，便于
提高在线教育效果。

[0093] 根据本发明的一些实施例，对所述第二多媒体文件进行特征提取，提取学生行为，包括：

[0094] 从所述第二多媒体文件中提取学生的面部图像及声音信号；

[0095] 对所述面部图像进行特征提取，确定学生的面部特征；

[0096] 对所述声音信号进行特征提取，确定学生的声音特征；

[0097] 根据所述面部特征及声音特征，确定学生的情绪状态；

[0098] 根据学生的情绪状态判断学生对当前的教学内容是否感兴趣，将判断结果作为学生行为。

[0099] 上述技术方案的工作原理：从所述第二多媒体文件中提取学生的面部图像及声音信号；对所述面部图像进行特征提取，确定学生的面部特征；对所述声音信号进行特征提
取，确定学生的声音特征；根据所述面部特征及声音特征，确定学生的情绪状态；根据学生
的情绪状态判断学生对当前的教学内容是否感兴趣，将判断结果作为学生行为。可以将面
部特征及声音特征输入预先训练好的情绪识别模型中，进而确定学生的情绪状态。情绪状
态包括亢奋、高兴、悲伤等。

[0100] 上述技术方案的有益效果：便于准确确定学生对教育内容是否感兴趣，便于教师调整教学方式或者教育内容，同时也便于准确确定学生行为，便于进行准确评分。

[0101] 根据本发明的一些实施例，对所述第二多媒体文件进行特征提取，提取学生行为，包括：

[0102] 从所述第二多媒体文件中提取学生的眼动图像，对所述眼动图像进行特征提取，确定眼动轨迹；

[0103] 计算所述眼动轨迹与预设眼动轨迹的匹配度，将所述匹配度与预设匹配度进行比较，根据比较结果确定学生对当前的教学内容是否感兴趣，将确定结果作为学生作为。

[0104] 上述技术方案的工作原理：从所述第二多媒体文件中提取学生的眼动图像，对所述眼动图像进行特征提取，确定眼动轨迹；计算所述眼动轨迹与预设眼动轨迹的匹配度，将
所述匹配度与预设匹配度进行比较，根据比较结果确定学生对当前的教学内容是否感兴
趣，将确定结果作为学生作为。

[0105] 上述技术方案的有益效果：便于准确确定学生对教育内容是否感兴趣，便于教师调整教学方式或者教育内容，同时也便于准确确定学生行为，便于进行准确评分。

[0106] 根据本发明的一些实施例，在对所述声音信号进行特征提取，确定学生的声音特征前，还包括：对所述声音信号进行滤波处理。

[0107] 便于保证提取出准确的声音特征，避免噪声的影响，便于确定准确的情绪状态。

[0108] 根据本发明的一些实施例，所述预设眼动轨迹为学生对当前的教学内容感兴趣时获取的。

[0109] 显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围
之内，则本发明也意图包含这些改动和变型在内。