一种基于大数据的学生学习行为数据分析系统

摘要

本发明公开了一种基于大数据的学生学习行为数据分析系统，该系统包括压力感应传感器组件、受压面积确定模块、熟悉度检测模块、行为分析判断模块、行为数据库对比模块、视线检测模块、监控视频和数据保存模块,所述熟悉度检测模块用于根据学生与预设范围内学生的动作进行分析，判断学生之间的熟悉度情况，所述行为分析判断模块用于将学生在教室所产生的动作判断学生的行为状况，以便于关注到该学生的课堂状态，所述监控视频安装在黑板正中间和学生桌面上，监控视频用于对学生状态拍照并分析，将学生的动作信息发送至行为分析判断模块中，所述行为数据库对比模块用于将学生行为与行为数据库中所保存的行为对比，了解学生上课状态。

说明书

技术领域

本发明涉及大数据学生学习技术领域，具体为一种基于大数据的学生学习行为数据分析系统。

背景技术

在公开号CN111091484A的专利公开了一种基于大数据的学生学习行为分析系统，对学生在上课时的不同状态进行检测，包括对学生在上课时的姿势判断是否会发生走神、睡觉等行为，并根据受压面积区所提取的波动信号内提取波动信号值，判断不同状态下的状态占比，从而能够最终判定出学生的状态，并将相应时间上传到存储单元进行存储；

因不同学生有着不同的状态，当某学生被确认是身体不舒服时，已经向老师申请过报告，就不能够将学生此时的状态进行判断，需要排除该学生的状态，因此，在确认学生是否发生睡觉、走神状态时，需要核对周围学生的状态，判断周围学生的状态是否与该学生相同，当检测到周围学生并没有发生与该学生一样的状态时且该学生并没有申请身体不舒服的情况时，在判断学生状态时，同时需要判断周围学生对待该学生的态度，使得判断的效果能够更加精准；

因此，需要一种基于大数据的学生学习行为数据分析系统来解决上述问题。

发明内容

本发明的目的在于提供一种基于大数据的学生学习行为数据分析系统，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的学生学习行为数据分析系统，该系统包括压力感应传感器组件、受压面积确定模块、熟悉度检测模块、行为分析判断模块、行为数据库对比模块、视线检测模块、监控视频和数据保存模块；

其中，所述压力感应传感器组件均匀分布在学生桌面上形成的若干压力传感器内部，从而能够分析出学生在上课时的状态，所述受压面积确定模块用于根据用户在桌面上受压所形成的区域面积进行描绘并判断学生上课时的状态，并将在该区域面积内所受到的压力进行分析；

所述熟悉度检测模块用于根据学生与预设范围内学生的动作进行分析，判断学生之间的熟悉度情况，从而能够分析出当其中一个学生出现与上课无关动作时，周围学生是否会提醒该学生注意言行；

所述行为分析判断模块用于将学生在教室所产生的动作判断学生的行为状况，使得教师能够接收到对应信号，以便于关注到该学生的课堂状态，所述监控视频安装在黑板正中间和对应桌面上，用于对学生的状态拍照并分析，并将学生的动作信息发送至行为分析判断模块中，所述行为数据库对比模块用于将学生行为与行为数据库中所保存的行为对比，判断出学生上课时的状态；

所述监控视频安装在黑板上的正中央位置，从而能够将每位学生的动作状态进行拍照保存并分析，当检测到学生的视线并不在黑板所在方向时，将信号发送于桌面上的监控视频装置，使得桌面上的监控视频装置能够捕捉到学生所在视线，当检测到学生在桌面上的压力值超过预设压力值时，将信号发送给监控视频装置使得平行于桌面的监控视频能够弹出桌面，使得监控视屏能够与桌面垂直，同时捕捉学生的眼神视线，根据视线判断学生的状况；

进一步的，所述受压面积确定模块的具体分析步骤为：

步骤一：将学生在不同时间段内Ti,i=1...m，在桌面上所形成的受压曲线进行拟合，判断对应曲线最大压力所形成面积与曲线轮廓面积变化比值Q，Ti表示第i分钟所形成的受压曲线；

步骤二：根据学生在桌面上所形成的轮廓面积且分析不同部位所承受压力的最大值Fmax，判断所检测到的最大承受压力值是否是面部，是，则跳转到步骤三，不是，则跳转到步骤四；

步骤三：检测学生的眼神视线是否在黑板区域或者书本区域并且检测眼部位置距离桌面的距离是否在预设值Xi内，Xi表示在数据库中所显示Ti时刻内的平均距离，并比较记录，当检测到平均距离低于预设距离Xi时，能够直接判断学生此时已进入睡觉状态；

步骤四：检测学生受压区域所停留时间占上课总时间的比值R，当R超过标准时间Xa时，进一步判断学生此时的行为和状态。

将受压面积Q最大区域进行重点检测，并将检测结果保存在数据保存模块中。

进一步的，所述行为分析判断模块与行为数据库对比模块进行对比，对比的结果如下：

步骤Z01：当接收到步骤三或步骤四的信号时，跳转到步骤Z02；

步骤Z02：对学生的行为进行检测，并与行为数据库对比模块分析，得到最终的结果，获取到不同结果，当学生睡觉的时间Di与行为数据库对比模块中的标准时间Xc相比，Di>Xc时，表示此学生是睡觉行为学生；

当学生走神的时间Do与行为数据库对比模块中的标准时间Xo相比，Do>Xo时，表示此学生是走神行为学生；

当学生影响他人的时间Wi与行为数据库对比模块中的标准时间Xk相比，Wi>Xk时，表示此学生是影响他人的学生；

步骤Z03：当在固定时间内并未捕捉到学生以上动作信号时，表示学生认真上课。

进一步的，所述监控视频的分析的具体步骤为：

步骤Z001：对班级内的任意学生所在面部进行拍照检测，检测任意学生肩部位置和头部连线在脖子处所产生的夹角，设定当前夹角度数为JZ1且标准设定持续的时间为Xg；

步骤Z002：当黑板上的感应单元感应到学生的视线时，对学生手肘与学生脸部下方的下颚所产生的夹角，设定此动作所产生的角度为JZ2且计算此动作持续的时间为Xv；

步骤Z003：对所检测到学生的距离L内，判断所检测学生与周围学生的熟悉度Yk，调取该学生与其它学生最高的熟悉度，并设定为Yi；

在步骤Z001内，检测到JZ11Xg时，表示该学生为睡觉行为学生，Xg表示学生标准的睡觉时间；

在步骤Z002内，检测到JZ22>JZ2时且Xv>Xs时，表示该学生为走神行为学生，Xs表示学生标准的走神时间，JZ22是学生标准角度大小时；

在步骤Z003内，检测到Yk

当检测到学生行为满足步骤Z001-Z003任意项时，设定以半径L以内，以满足上述任意项的学生f为中心进行判断与他人的熟悉度，通过公式S

当检测到指定学生与范围L内学生的熟悉度较好时且指定学生满足步骤Z001-Z003内的任意一项时，判断范围L内学生的行为步骤：

W01：范围L内的学生与所指定学生所满足的步骤相同时，表示该范围内的学生学习状态很差；

W02：范围L内的学生与所指定学生所满足的步骤皆不相同时，且范围L内学生肢体与指定学生肢体发生按压情况时，表示范围L内学生在提醒指定学生恢复上课状态；

W03：范围L内的学生与所指定学生所满足的步骤皆不相同时，且范围L内学生肢体并未与指定学生肢体发生按压情况时，表示指定学生是与当前任课老师有提前交流；

当检测到指定学生与范围L内学生的熟悉度一般时且指定学生满足步骤Z001-Z003内的任意一项时，判断范围L内学生的行为步骤：

W001：范围L内的学生与所指定学生所满足的步骤相同时，表示该范围内的学生学习状态很差；

W002：范围L内的学生与所指定学生所满足的步骤皆不相同时，且范围L内学生肢体并未与指定学生肢体发生按压情况，表示范围内学生并未提醒指定学生；

W003：范围L内的学生与所指定学生所满足的步骤皆不相同时，且范围L内学生肢体并未与指定学生肢体发生按压情况，且当前任课老师让范围L内学生提醒指定学生上课状态。

获取班级范围内所有学生的行为，监控视频端将学生行为拍照保存，并发送给教师，获取走神行为学生在课堂对应时间段走神占比Bi，获取睡觉行为学生在课堂对应时间段睡觉占比Ji,获取影响他人行为学生在课堂对应时间段所影响占比Yc，当所有分心学生占比超过预设值时，教师根据学生上述所有分心的开始时间Nk至结束时间Ns进行分析是否为教师所讲重点的开始时间Ci和结束时间Cv，判断

根据学生在不同教师课堂上的表现进行平时分打分，确定不同学生在课堂上不同行为的占比值，将走神行为、影响他人行为和睡觉行为的系数确定为Fa、Fb、Fc，根据不同学生在课堂上不同行为的次数，最终确定学生平时分得分值并按照平时分从大至小的排名发送给不同学生，以此警示学生平时学习的状态。

该系统包括如下步骤：

步骤VC1：使用压力感应传感器组件和受压面积确定模块，根据学生在桌面上所承受的压力判断受力面积，根据受力面积大小判断学生此时在课堂上的行为状态；

步骤VC2：使用熟悉度检测模块，根据指定学生与周围学生的熟悉度，当指定学生发生上述行为时，判断范围内学生是否会提醒指定学生上课状态，或者是被范围内学生所影响；

步骤VC3：使用行为分析判断模块和行为数据库对比模块，监控视屏拍下学生在教室内的不同状态，判断学生的行为，并将学生行为与行为数据库对比模块比较，并保存在数据保存模块中，以便于确定学生的平时分。

与现有技术相比，本发明所达到的有益效果是：

1.通过压力感应传感器组件和受压面积确定模块，根据在桌面上形成的若干感应单元判断用户在桌面上受压所形成的受压曲线和受压区域面积，同时检测受压面积最大区域是学生脸部区域还是肢体区域，当检测到为用户脸部区域时，进行检测学生的视线，当检测到学生的眼部距离桌面的距离小于预设距离时，从而能够直接判断出学生发生睡觉行为，当检测到学生肢体的区域发生变化时，从而能够进一步检测出学生行为；

2.通过熟悉度检测模块，当学生发生睡觉、走神和影响他人的行为时，根据指定学生与周围学生的熟悉度值，判断出周围学生是否会肢体提醒指定学生，从而使得指定学生能够恢复像周围学生的状态，通过此模块，能够判断出指定学生是否影响周围学生的状态，从而能够互相督学习的状态；

3.通过行为分析模块和行为数据库对比模块，能够根据学生的肢体动作判断学生的行为，从而能够判定出学生的平时分以及学习状态。

附图说明

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：

图1是本发明一种基于大数据的学生学习行为数据分析系统的模块组成示意图；

图2是本发明一种基于大数据的学生学习行为数据分析系统的步骤示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-图2，本发明提供技术方案：

该系统包括压力感应传感器组件、受压面积确定模块、熟悉度检测模块、行为分析判断模块、行为数据库对比模块、视线检测模块、监控视频和数据保存模块；

其中，所述压力感应传感器组件均匀分布在学生桌面上形成的若干压力传感器内部，从而能够分析出学生在上课时的状态，所述受压面积确定模块用于根据用户在桌面上受压所形成的区域面积进行描绘并判断学生上课时的状态，并将在该区域面积内所受到的压力进行分析；

所述熟悉度检测模块用于根据学生与预设范围内学生的动作进行分析，判断学生之间的熟悉度情况，从而能够分析出当其中一个学生出现与上课无关动作时，周围学生是否会提醒该学生注意言行；

所述行为分析判断模块用于将学生在教室所产生的动作判断学生的行为状况，使得教师能够接收到对应信号，以便于关注到该学生的课堂状态，所述监控视频安装在黑板正中间和对应桌面上，用于对学生的状态拍照并分析，并将学生的动作信息发送至行为分析判断模块中，所述行为数据库对比模块用于将学生行为与行为数据库中所保存的行为对比，判断出学生上课时的状态；

所述监控视频安装在黑板上的正中央位置，从而能够将每位学生的动作状态进行拍照保存并分析，当检测到学生的视线并不在黑板所在方向时，将信号发送于桌面上的监控视频装置，使得桌面上的监控视频装置能够捕捉到学生所在视线，当检测到学生在桌面上的压力值超过预设压力值时，将信号发送给监控视频装置使得平行于桌面的监控视频能够弹出桌面，使得监控视屏能够与桌面垂直，同时捕捉学生的眼神视线，根据视线判断学生的状况；

根据监控视频能够调取到学生在不同课堂上学习的状态，并将视频内所捕捉的状态与行为数据库对比模块中的行为进行比较，从而能够确定出学生的真实状态，根据受压面积确定模块能够根据学生在桌面上用力大小检测用力最大的区域，能够判断出用力最大的区域是否为面部区域或者是支撑面部的胳膊肘部或者其他用力区域，当检测到受力面积最大区域是肘部面积时，使用监控视频对其面部区域进行调节，从而能够分析出学生在课堂上具体的状态，因此受力面积确定模块是判断学生行为状态的先决条件，同时配合监控视屏判断学生视线是否存在于对应桌面上，实时监控学生的视线是否在对应的检测区域以及停留在检测区域的时间。

所述受压面积确定模块的具体分析步骤为：

步骤一：将学生在不同时间段内Ti,i=1...m，在桌面上所形成的受压曲线进行拟合，判断对应曲线最大压力所形成面积与曲线轮廓面积变化比值Q，Ti表示第i分钟所形成的受压曲线；

步骤二：根据学生在桌面上所形成的轮廓面积且分析不同部位所承受压力的最大值Fmax，判断所检测到的最大承受压力值是否是面部，是，则跳转到步骤三，不是，则跳转到步骤四；

步骤三：检测学生的眼神视线是否在黑板区域或者书本区域并且检测眼部位置距离桌面的距离是否在预设值Xi内，Xi表示在数据库中所显示Ti时刻内的平均距离，并比较记录，当检测到平均距离低于预设距离Xi时，能够直接判断学生此时已进入睡觉状态；

步骤四：检测学生受压区域所停留时间占上课总时间的比值R，当R超过标准时间Xa时，进一步判断学生此时的行为和状态。

在步骤三中，当检测到学生的眼神视线长时间停留在某处且停留范围超过预设时间时，对学生眼部距离与桌面的距离进行计算，并且判断学生眼部的距离是否会随着时间的增大，同时判断距离是否相应减小，进数据保存模块中所检测到的所有距离进行平均计算，判断学生眼部距离与平均距离的差值，能够判断出学生是否会在课上睡着，是否有行为发生；

在步骤四中，判断学生受压区域所停留的时间与上课总时间的比值，能够判断出学生的状态，并根据学生的状态得出下最终的平时分成绩。

将受压面积Q最大区域进行重点检测，并将检测结果保存在数据保存模块中。

所述行为分析判断模块与行为数据库对比模块进行对比，对比的结果如下：

步骤Z01：当接收到步骤三或步骤四的信号时，跳转到步骤Z02；

步骤Z02：对学生的行为进行检测，并与行为数据库对比模块分析，得到最终的结果，获取到不同结果，当学生睡觉的时间Di与行为数据库对比模块中的标准时间Xc相比，Di>Xc时，表示此学生是睡觉行为学生；

当学生走神的时间Do与行为数据库对比模块中的标准时间Xo相比，Do>Xo时，表示此学生是走神行为学生；

当学生影响他人的时间Wi与行为数据库对比模块中的标准时间Xk相比，Wi>Xk时，表示此学生是影响他人的学生；

步骤Z03：当在固定时间内并未捕捉到学生以上动作信号时，表示学生认真上课。

所述监控视频的分析的具体步骤为：

步骤Z001：对班级内的任意学生所在面部进行拍照检测，检测任意学生肩部位置和头部连线在脖子处所产生的夹角，设定当前夹角度数为JZ1且标准设定持续的时间为Xg；

步骤Z002：当黑板上的感应单元感应到学生的视线时，对学生手肘与学生脸部下方的下颚所产生的夹角，设定此动作所产生的角度为JZ2且计算此动作持续的时间为Xv；

步骤Z003：对所检测到学生的距离L内，判断所检测学生与周围学生的熟悉度Yk，调取该学生与其它学生最高的熟悉度，并设定为Yi；

在步骤Z001内，检测到JZ11Xg时，表示该学生为睡觉行为学生，Xg表示学生标准的睡觉时间；

在步骤Z002内，检测到JZ22>JZ2时且Xv>Xs时，表示该学生为走神行为学生，Xs表示学生标准的走神时间，JZ22是学生标准角度大小时；

在步骤Z003内，检测到Yk

在步骤Z001-Z003中，通过班级内任意学生的肢体状态和持续时间判断出学生的最终状态，解决了无法确定学生上课状态的问题，通过上述办法能够了解到学生对应的状态，并能凭此确定用户的平时分，使得平时分能够公平打分，而不是倚靠老师主观的打分情况。

当检测到学生行为满足步骤Z001-Z003任意项时，设定以半径L以内，以满足上述任意项的学生f为中心进行判断与他人的熟悉度，通过公式S

通过指定学生与范围内学生的熟悉度，能够判断出当指定学生满足上述步骤Z001-Z003的任意一项时，能够根据周围学生的动作判断出是否会提醒指定学生，从而能够判断出周围学生上课是否认真，并且单一的判断一个学生是否会发生上述步骤Z001-Z003的问题，并不能够判定此学生的状态，例如，某学生向教师告假，因身体不舒服但是依然在教室里听课，因此，需要判断出周围学生与指定学生的熟悉度情况，并且能够判断出指定学生是否会影响周围学生上课的行为，尤其是学生的注意力被转移。

当检测到指定学生与范围L内学生的熟悉度较好时且指定学生满足步骤Z001-Z003内的任意一项时，判断范围L内学生的行为步骤：

W01：范围L内的学生与所指定学生所满足的步骤相同时，表示该范围内的学生学习状态很差；

W02：范围L内的学生与所指定学生所满足的步骤皆不相同时，且范围L内学生肢体与指定学生肢体发生按压情况时，表示范围L内学生在提醒指定学生恢复上课状态；

W03：范围L内的学生与所指定学生所满足的步骤皆不相同时，且范围L内学生肢体并未与指定学生肢体发生按压情况时，表示指定学生是与当前任课老师有提前交流；

当检测到指定学生与范围L内学生的熟悉度一般时且指定学生满足步骤Z001-Z003内的任意一项时，判断范围L内学生的行为步骤：

W001：范围L内的学生与所指定学生所满足的步骤相同时，表示该范围内的学生学习状态很差；

W002：范围L内的学生与所指定学生所满足的步骤皆不相同时，且范围L内学生肢体并未与指定学生肢体发生按压情况，表示范围内学生并未提醒指定学生；

W003：范围L内的学生与所指定学生所满足的步骤皆不相同时，且范围L内学生肢体并未与指定学生肢体发生按压情况，且当前任课老师让范围L内学生提醒指定学生上课状态。

获取班级范围内所有学生的行为，监控视频端将学生行为拍照保存，并发送给教师，获取走神行为学生在课堂对应时间段走神占比Bi，获取睡觉行为学生在课堂对应时间段睡觉占比Ji,获取影响他人行为学生在课堂对应时间段所影响占比Yc，当所有分心学生占比超过预设值时，教师根据学生上述所有分心的开始时间Nk至结束时间Ns进行分析是否为教师所讲重点的开始时间Ci和结束时间Cv，判断

所述分心行为学生时间包括睡觉行为学生、影响他人行为学生和走神行为学生时间之和。

通过上述计算公式能够测算出学生分心的时候有无错过老师的重点内容，根据比例值能够判断出学生是否会听到部分内容，从而进行平时分打分。

根据学生在不同教师课堂上的表现进行平时分打分，确定不同学生在课堂上不同行为的占比值，将走神行为、影响他人行为和睡觉行为的系数确定为Fa、Fb、Fc，根据不同学生在课堂上不同行为的次数，最终确定学生平时分得分值并按照平时分从大至小的排名发送给不同学生，以此警示学生平时学习的状态。

该系统包括如下步骤：

步骤VC1：使用压力感应传感器组件和受压面积确定模块，根据学生在桌面上所承受的压力判断受力面积，根据受力面积大小判断学生此时在课堂上的行为状态；

步骤VC2：使用熟悉度检测模块，根据指定学生与周围学生的熟悉度，当指定学生发生上述行为时，判断范围内学生是否会提醒指定学生上课状态，或者是被范围内学生所影响；

步骤VC3：使用行为分析判断模块和行为数据库对比模块，监控视屏拍下学生在教室内的不同状态，判断学生的行为，并将学生行为与行为数据库对比模块比较，并保存在数据保存模块中，以便于确定学生的平时分。

实施例1：根据学生在课堂上的状态，将其分为：走神行为、影响他人行为以及睡觉行为，获取班级范围内所有学生的行为，监控视频端将学生行为拍照保存，并发送给教师，获取走神行为学生在课堂对应时间段走神占比Bi=0.42，获取睡觉行为学生在课堂对应时间段睡觉占比Ji=0.15,获取影响他人行为学生在课堂对应时间段所影响占比Yc=0.02，当所有分心学生占比超过预设值时，教师根据学生上述所有分心的开始时间Nk=9.10至结束时间Ns=9.25进行分析是否为教师所讲重点的开始时间Ci=9.20和结束时间Cv=9.30;

判断

实施例2：根据学生在课堂上的状态，将其分为：走神行为、影响他人行为以及睡觉行为，获取班级范围内所有学生的行为，监控视频端将学生行为拍照保存，并发送给教师，获取走神行为学生在课堂对应时间段走神占比Bi=0.25，获取睡觉行为学生在课堂对应时间段睡觉占比Ji=0.3,获取影响他人行为学生在课堂对应时间段所影响占比Yc=0.13，当所有分心学生占比超过预设值时，教师根据学生上述所有分心的开始时间Nk=9.05至结束时间Ns=9.15进行分析是否为教师所讲重点的开始时间Ci=9.10和结束时间Cv=9.20;

判断

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。