一种互联网教育的综合评定系统

摘要

本发明公开了一种互联网教育的综合评定系统，获得第一学员的基础信息，根据所述基础信息进行所述第一学员的契合度参数评估，获得第一契合度评估参数；通过图像采集单元进行所述第一学员进行互联网教育的图像采集，获得第一图像采集集合；根据所述第一图像采集集合进行所述第一学员的听课状态评估，获得第一状态评估结果；获得所述第一学员的教师反馈参数，将所述第一契合度评估参数、所述第一状态评估结果和所述教师反馈参数输入综合评定模型，获得第一输出结果；根据所述第一输出结果进行所述第一学员的互联网教育综合评定。解决了现有技术在进行互联网教育的过程中，缺少进行互联网教育的智能评定方法，导致互联网+教育良莠难分的技术问题。

说明书

技术领域

本发明涉及互联网教育相关领域，尤其涉及一种互联网教育的综合评定系统。

背景技术

随着我国的互联网+的社会形态的形成，教育正经历从有学上到上好学的质量转变。互联网+教育的出现，使得各种各样的网络学习平台不断涌现，品质也是良莠难分。

但在实现本申请中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

现有技术在进行互联网教育的过程中，缺少进行互联网教育的智能评定方法，导致互联网+教育良莠难分的技术问题。

发明内容

本申请通过提供一种互联网教育的综合评定系统，解决了现有技术在进行互联网教育的过程中，缺少进行互联网教育的智能评定方法，导致互联网+教育良莠难分的技术问题，达到深度结合教育课程和学员信息，进行课程的深度评定的技术效果。

鉴于上述问题，提出了本申请提供一种互联网教育的综合评定系统。

第一方面，本申请提供了一种互联网教育的综合评定方法，所述方法包括：获得第一学员的基础信息，其中，所述基础信息包括所述第一学员的实际课程信息和互联网课程信息；根据所述基础信息进行所述第一学员的契合度参数评估，获得第一契合度评估参数；通过图像采集单元进行所述第一学员进行互联网教育的图像采集，获得第一图像采集集合；根据所述第一图像采集集合进行所述第一学员的听课状态评估，获得第一状态评估结果；获得所述第一学员的教师反馈参数，将所述第一契合度评估参数、所述第一状态评估结果和所述教师反馈参数输入综合评定模型，获得第一输出结果；根据所述第一输出结果进行所述第一学员的互联网教育综合评定。

另一方面，本申请还提供了一种互联网教育的综合评定系统，所述系统与图像采集单元通信连接，所述系统包括：第一获得单元，所述第一获得单元用于获得第一学员的基础信息，其中，所述基础信息包括所述第一学员的实际课程信息和互联网课程信息；第一评估单元，所述第一评估单元用于根据所述基础信息进行所述第一学员的契合度参数评估，获得第一契合度评估参数；第一采集单元，所述第一采集单元用于通过所述图像采集单元进行所述第一学员进行互联网教育的图像采集，获得第一图像采集集合；第二评估单元，所述第二评估单元用于根据所述第一图像采集集合进行所述第一学员的听课状态评估，获得第一状态评估结果；第二获得单元，所述第二获得单元用于获得所述第一学员的教师反馈参数，将所述第一契合度评估参数、所述第一状态评估结果和所述教师反馈参数输入综合评定模型，获得第一输出结果；第一评定单元，所述第一评定单元用于根据所述第一输出结果进行所述第一学员的互联网教育综合评定。

第三方面，本发明提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于采用了获得第一学员的实际课程信息和互联网课程信息，对实际课程信息和互联网课程的契合度评估，根据评估结果获得第一契合度评估参数，通过图像采集单元进行所述第一学员的互联网教育过程图像采集，根据图像采集结果进行所述第一学员的听课状态评估，获得第一状态评估结果，通过对所述第一学员的教师进行反馈质量的评估，获得教师反馈参数，基于所述第一契合度评估参数、所述第一状态评估结果和所述教师反馈参数输入综合评定模型，通过第一输出结果进行所述第一用户的互联网教育的综合评定，达到深度结合教育课程和学员信息，进行课程的深度评定的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请一种互联网教育的综合评定方法的流程示意图；

图2为本申请一种互联网教育的综合评定方法的获得教师反馈参数的流程示意图；

图3为本申请一种互联网教育的综合评定方法的获得第二反馈参数的流程示意图；

图4为本申请一种互联网教育的综合评定方法的获得契合度评估参数的流程示意图；

图5为本申请一种互联网教育的综合评定系统的结构示意图；

图6为本申请一种电子设备的结构示意图。

附图标记说明：第一获得单元11，第一评估单元12，第一采集单元13，第二评估单元14，第二获得单元15，第一评定单元16，电子设备50，处理器51，存储器52，输入装置53，输出装置54。

具体实施方式

本申请通过提供一种互联网教育的综合评定系统，解决了现有技术在进行互联网教育的过程中，缺少进行互联网教育的智能评定方法，导致互联网+教育良莠难分的技术问题，达到深度结合教育课程和学员信息，进行课程的深度评定的技术效果。下面结合附图，对本申请的实施例进行描述。本领域普通技术人员可知，随着技术的发展和新场景的出现，本申请提供的技术方案对于类似的技术问题，同样适用。

本申请的说明书和权利要求书及上述附图中的术语“第一”、第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它单元。

申请概述

随着我国的互联网+的社会形态的形成，教育正经历从有学上到上好学的质量转变。互联网+教育的出现，使得各种各样的网络学习平台不断涌现，品质也是良莠难分。现有技术在进行互联网教育的过程中，缺少进行互联网教育的智能评定方法，导致互联网+教育良莠难分的技术问题。

针对上述技术问题，本申请提供的技术方案总体思路如下：

本申请提供了本申请提供了一种互联网教育的综合评定方法，所述方法包括：获得第一学员的基础信息，其中，所述基础信息包括所述第一学员的实际课程信息和互联网课程信息；根据所述基础信息进行所述第一学员的契合度参数评估，获得第一契合度评估参数；通过图像采集单元进行所述第一学员进行互联网教育的图像采集，获得第一图像采集集合；根据所述第一图像采集集合进行所述第一学员的听课状态评估，获得第一状态评估结果；获得所述第一学员的教师反馈参数，将所述第一契合度评估参数、所述第一状态评估结果和所述教师反馈参数输入综合评定模型，获得第一输出结果；根据所述第一输出结果进行所述第一学员的互联网教育综合评定。

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

实施例一

如图1所示，本申请提供了一种互联网教育的综合评定方法，所述方法包括：

步骤S100：获得第一学员的基础信息，其中，所述基础信息包括所述第一学员的实际课程信息和互联网课程信息；

步骤S200：根据所述基础信息进行所述第一学员的契合度参数评估，获得第一契合度评估参数；

具体而言，所述第一学员为通过互联网教育进行辅助学习的用户，且在所述第一学员及所述第一学员的许可的前提下，进行所述第一学员的信息采集，根据信息的采集整合结果，获得所述基础信息，所述基础信息包括所述第一学员的年级信息，在校的实际课程信息，互联网的定制课程信息，考试信息，校园的教师评价信息等，通过所述第一用户的基础信息的获取，为后续进行准确的所述第一学员的互联网教育评价提供了数据支持。

进一步而言，在进行所述第一学员的基础信息获得后，基于所述基础信息进行所述第一学员的薄弱环节分析。举例而言，以单科项目进行知识点提取，并基于知识点的提取结果即进行所述第一学员的薄弱的知识点标识，并根据掌握度进行标识区分，获得薄弱点分析结果。基于所述互联网课程信息与所述薄弱点分析结果的匹配程度，进行所述互联网课程与所述第一学员的契合程度的评估，根据评估结果获得所述第一契合度评估参数。通过进行契合度参数的评估，为后续进行准确的教育评定提供了契合度维度的支持。

步骤S300：通过所述图像采集单元进行所述第一学员进行互联网教育的图像采集，获得第一图像采集集合；

步骤S400：根据所述第一图像采集集合进行所述第一学员的听课状态评估，获得第一状态评估结果；

具体而言，所述图像采集单元为可以进行图像采集的设备，所述图像采集单元一般为监控摄像头，在所述第一学员进行互联网教育的过程中，通过所述图像采集单元进行基于区间的随机图像采集，根据随机图像采集结果获得所述第一图像采集集合。

进一步来说，根据所述第一学员的互联网教育的课程持续时间，进行各个时间段内学员注意力易分散的时间区间划分，基于划分结果获得图像采集的分隔区间。根据所述分隔区间中学员的注意力易分散的情况，进行不同区间的采样数量的确定，基于确定的采样数量获得所述第一图像采集集合。根据所述第一图像采集集合，进行动作特征匹配，即通过构建影响听课状态的动作特征集合，进行所述第一学员的听课图像集合的特征匹配，根据特征匹配结果获得所述第一状态评估结果。通过进行所述第一学员的图像采集，使得对于所述第一学员的状态评估结果更加的科学准确，进而为实现所述第一学员的准确的互联网教育综合评定提供了数据支持。

步骤S500：获得所述第一学员的教师反馈参数，将所述第一契合度评估参数、所述第一状态评估结果和所述教师反馈参数输入综合评定模型，获得第一输出结果；

步骤S600：根据所述第一输出结果进行所述第一学员的互联网教育综合评定。

具体而言，所述教师反馈参数为所述第一学员的互联网教师，对所述第一学员的反馈维度的参数，包括所述第一学员的教师反馈的时间、反馈的频率信息、反馈的内容的质量信息等，根据预定各个组成部分的占比设定，基于教师的实际反馈信息进行教师的反馈参数获取，并将所述教师反馈参数、所述第一状态评估结果所述第一契合度评估参数输入所述综合评定模型，基于所述综合评定模型获得第一输出结果。

进一步来说，所述综合评定模型为机器学习中的BP神经网络模型，它是有教师学习的模型，是可进行权值训练分布的多层网络，通过多组数据的教学训练，使得所述综合评定模型输出结果趋于稳定后，则将所述综合评定模型予以使用。通过将学员的学习状态维度参数、教师反馈维度参数、课程匹配度维度参数的评估输入，使得所述第一学员的综合评定更加全面和准确，进而实现深度结合教育课程和学员信息，进行课程的深度评定的技术效果。

进一步而言，如图2所示，本申请步骤S500还包括：

步骤S510：获得第一教师的第一反馈频率信息，根据所述第一反馈频率信息获得第一反馈参数，其中，所述第一教师为所述第一学员的互联网教育教师；

步骤S520：获得所述第一教师的第一反馈质量信息，根据所述第一反馈质量信息获得第二反馈参数；

步骤S530：获得第一预定权重设定结果，基于所述第一预定权重设定结果进行所述第一反馈参数和所述第二反馈参数的权重分布，根据权重分布结果获得所述教师反馈参数。

具体而言，对所述第一学员和第一教师进行数据采集，所述第一教师为所述第一学员的互联网教育的教师，采集的信息包括多个维度的信息，如文字互动信息、语音信息、视频信息等，通过进行所述第一学员和第一教师的信息采集结果，进行所述第一教师对于所述第一学员的教学反馈频率信息采集，根据采集结果户的第一反馈参数，所述第一反馈参数反映了所述第一教师对于所述第一学员的关注度维度的参数。

进一步而言，根据所述第一学员和所述第一教师交互的信息，对所述第一教师对于所述第一学员的反馈信息的质量维度进行评估。所述质量维度是指通过分析交互信息，分析所述第一教师对于所述第一学员的反馈信息的价值。根据价值维度的评估结果获得所述第一反馈质量信息。基于预设的第一预定权重设定结果进行所述第一反馈参数和所述第二反馈参数的权重分布，基于权重分布结果获得所述教师反馈参数。通过进行交互信息的采集，使得教师对于第一学员的分析评价、建议的评估更加合理，进而为进行准确的互联网教育的综合评定提供了数据支持。

进一步而言，如图3所示，本申请步骤S520还包括：

步骤S521：获得所述第一教师的第一反馈内容信息，根据所述基础信息获得所述第一学员的基础评价信息；

步骤S522：根据所述第一反馈内容信息和所述基础评价信息进行反馈匹配信息评估，获得第一反馈评估参数；

步骤S523：获得所述第一反馈内容信息的第一反馈时间信息，根据所述第一反馈时间信息获得第一反馈及时性评估参数；

步骤S524：根据所述第一反馈评估参数和所述第一反馈及时性评估参数获得所述第二反馈参数。

具体而言，基于大数据进行反馈内容与学员的实际学习信息数据采集，根据采集的数据集合，构建教师反馈内容与学员的匹配度评价表。通过所述第一学员的基础信息，进行所述第一学员的当前学习状态和问题点进行分析评估，获得基于系统端的所述第一学员的基础评价信息。基于所述构建的匹配度评价表，进行所述第一反馈内容信息和所述基础评价信息的匹配程度评估，根据匹配度的评估结果，获得所述第一反馈评估参数。

进一步来说，所述第一反馈评估参数是从教师的反馈信息与学员的适配度维度的评估参数，所述第一反馈评估参数值越大，表征了所述第一教师的反馈信息对于所述第一学员越适配，作用越大，效果越好。

更进一步来说，获得所述第一教师对于所述第一学员的反馈内容的反馈时间信息，一般而言，针对于发现的问题，及早发现，及早反馈，可以使得学员及时进行问题改正，避免同样错误的持续导致学习状态的下滑，提高教学效果，因此问题反馈的及时性评估至关重要。根据反馈的问题危害度获得初始分值，根据反馈的时间参数，构建随时间增长，分值越大的影响因子，基于所述初始分值和所述影响因子，获得所述第一反馈及时性评估参数。根据所述第一反馈评估参数和所述第一反馈及时性评估参数获得所述第二反馈参数。通过进行反馈的内容和时间两个维度的评估，使得获得的所述第二反馈参数更加的精细化，进而为准确进行教育效果的综合评定提供了数据支持。

进一步的，如图4所示，本申请步骤S200还包括：

步骤S210：根据所述基础信息获得所述第一学员的当前学习掌握情况进行评估，获得第一掌握评估结果；

步骤S220：根据所述基础信息获得互联网课程的补充课程信息；

步骤S230：根据所述补充课程信息进行所述第一掌握评估结果的匹配度评估，获得所述第一契合度评估参数。

具体而言，根据所述基础信息，进行所述第一学员在学校的表现进行采集，采集的数据包括所述第一学员的课程学习状态参数、所述第一学员的各个测试节点的考试成绩信息、所述第一学员的教师评价信息等，根据采集的信息，进行所述第一学员对于各个知识点的掌握程度进行评估，基于评估结果获得所述第一掌握评估结果。通过所述基础信息，获得所述第一学员的互联网的课程信息，并基于所述互联网的课程信息，进行与所述第一学员的知识点掌握情况的适配度评估，根据评估结果获得所述第一契合度评估参数。

进一步来说，所述评估过程为进行互联网课程的侧重学习部分与所述第一学员的学习薄弱点匹配评估的过程，当所述侧重部分与所述第一学员的学习薄弱点匹配度越高，表明所述互联网课程与所述第一学员越适配，当所述侧重部分与所述第一学员的学习薄弱点匹配度越低，表明所述互联网课程与所述第一学员的适配度越低。通过进行互联网课程与所述第一学员的契合度的评估，为后续进行综合评定提供了数据支持。

进一步的，本申请步骤S700还包括：

步骤S710：获得所述第一学员的第一反馈信息；

步骤S720：获得第一用户的第二反馈信息，其中，所述第一用户为所述第一学员的监护人员，根据所述第一反馈信息和所述第二反馈信息对所述第一学员的互联网教育综合评定修正。

具体而言，所述第一用户为所述第一学员的监护人，包括父母、爷爷奶奶、叔叔阿姨等，即辅导所述第一用户的主要负责人员。在进行所述第一学员的互联网教育后，通过进行所述第一学员的问卷调查，获得所述第一学员的第一反馈信息，所述第一反馈信息表征了从所述第一学员维度，对于当前的互联网教育的认可程度；通过进行所述第一用户的问卷调查，获得所述第二反馈信息，所述第二反馈信息，反映了从所述第一学员的监护人员维度，对于所述互联网教育课程的认可程度，即从提升学员分数维度的认可程度。基于获得的所述第一反馈信息和所述第二反馈信息，对所述第一学员的互联网教育的综合评定结果进行修正调整，以使得所述综合评定结果的评估包含数据的维度更加宽泛，进而使得所述综合评估结果更加的准确。

进一步的，本申请步骤S300还包括：

步骤S310：获得第一课长时间，根据所述第一课长时间进行区间分隔，获得第一区间分隔结果；

步骤S320：根据所述第一区间分隔结果进行图像采集分布分配，获得第一采样时间节点；

步骤S330：根据所述第一采样时间节点进行图像采集，获得所述第一图像采集集合。

具体而言，在进行所述第一学员的图像采样的过程中，为了能更好的反映出所述第一学员的实际听课状态，因此，根据课程时长的不同，大数据下人在听课的以分散注意力和疲劳的时间段，进行课程的区间分割。举例而言，在45分钟的课程中，在5-15分钟是学生的最佳状态听课时间区间，因此，将45分钟的互联网教育课程分为三个区间，即5-15分钟为第一区间，0-5分钟为第二区间，15-45分钟为第三区间。在第一区间中，学员的注意力比较集中，因此，需要分布较少的图像采样的权重进行图像采集，在第二区间中，学员的注意力相对于第一区间相对分散，因此分配较多的图像采集权重进行图像采样，在第三区间中，学员的注意力一般比较容易出现不集中的状态，因此将最多的采样权重分布在所述第三区间，根据采样权重的分布结果，进行图像的采样，获得所述第一图像采集集合。通过根据课程学员易出现注意力分散的时间节点进行图像采样的侧重分布，进而使得获得的学员的注意力评估结果更加的精确，进而为获得更加准确的综合评定结果提供了准确的数据支持。

进一步的，本申请步骤S400还包括：

步骤S410：构建听课状态与动作特征的关联集合；

步骤S420：根据所述关联集合中的动作特征进行所述第一图像集合的图像特征匹配，获得第一特征匹配结果；

步骤S430：根据所述第一特征匹配结果和所述关联集合获得所述第一状态评估结果。

具体而言，在进行所述第一学员的听课状态识别的过程中，为了使得状态识别更加准确，基于大数据进行课堂动作与听课状态的关联特征构建，课堂动作包括但不限于发呆、抖腿、转笔、面部表情的动作等，通过大数据收集的课堂动作对于听课状态的影响程度，获得所述关联集合。根据构建的所述关联集合中的动作特征，进行所述第一图像集合的特征遍历，根据遍历的结果，获得各个特征的匹配结果及匹配度信息，根据匹配到的特征，基于所述关联集合获得听课状态的影响结果，基于所述影响结果和所述匹配度信息，获得所述第一学员的第一状态评估结果。通过关联集合的构建，使得所述第一学员的图像识别特征匹配更加的准确，进而为后续进行准确的综合评定夯实了基础。

综上所述，本申请所提供的一种互联网教育的综合评定方法具有如下技术效果：

1、由于采用了获得第一学员的实际课程信息和互联网课程信息，对实际课程信息和互联网课程的契合度评估，根据评估结果获得第一契合度评估参数，通过图像采集单元进行所述第一学员的互联网教育过程图像采集，根据图像采集结果进行所述第一学员的听课状态评估，获得第一状态评估结果，通过对所述第一学员的教师进行反馈质量的评估，获得教师反馈参数，基于所述第一契合度评估参数、所述第一状态评估结果和所述教师反馈参数输入综合评定模型，通过第一输出结果进行所述第一用户的互联网教育的综合评定，达到深度结合教育课程和学员信息，进行课程的深度评定的技术效果。

2、通过进行交互信息的采集，使得教师对于第一学员的分析评价、建议的评估更加合理，进而为进行准确的互联网教育的综合评定提供了数据支持。

3、通过进行反馈的内容和时间两个维度的评估，使得获得的所述第二反馈参数更加的精细化，进而为准确进行教育效果的综合评定提供了数据支持。

4、基于获得的所述第一反馈信息和所述第二反馈信息，对所述第一学员的互联网教育的综合评定结果进行修正调整，以使得所述综合评定结果的评估包含数据的维度更加宽泛，进而使得所述综合评估结果更加的准确。

5、通过根据课程学员易出现注意力分散的时间节点进行图像采样的侧重分布，进而使得获得的学员的注意力评估结果更加的精确，进而为获得更加准确的综合评定结果提供了准确的数据支持。

实施例二

基于与前述实施例中一种互联网教育的综合评定方法同样发明构思，本发明还提供了一种互联网教育的综合评定系统，如图5所示，所述系统包括：

第一获得单元11，所述第一获得单元11用于获得第一学员的基础信息，其中，所述基础信息包括所述第一学员的实际课程信息和互联网课程信息；

第一评估单元12，所述第一评估单元12用于根据所述基础信息进行所述第一学员的契合度参数评估，获得第一契合度评估参数；

第一采集单元13，所述第一采集单元13用于通过所述图像采集单元进行所述第一学员进行互联网教育的图像采集，获得第一图像采集集合；

第二评估单元14，所述第二评估单元14用于根据所述第一图像采集集合进行所述第一学员的听课状态评估，获得第一状态评估结果；

第二获得单元15，所述第二获得单元15用于获得所述第一学员的教师反馈参数，将所述第一契合度评估参数、所述第一状态评估结果和所述教师反馈参数输入综合评定模型，获得第一输出结果；

第一评定单元16，所述第一评定单元16用于根据所述第一输出结果进行所述第一学员的互联网教育综合评定。

进一步的，所述系统还包括：

第三获得单元，所述第三获得单元用于获得第一教师的第一反馈频率信息，根据所述第一反馈频率信息获得第一反馈参数，其中，所述第一教师为所述第一学员的互联网教育教师；

第四获得单元，所述第四获得单元用于获得所述第一教师的第一反馈质量信息，根据所述第一反馈质量信息获得第二反馈参数；

第五获得单元，所述第五获得单元用于获得第一预定权重设定结果，基于所述第一预定权重设定结果进行所述第一反馈参数和所述第二反馈参数的权重分布，根据权重分布结果获得所述教师反馈参数。

进一步的，所述系统还包括：

第六获得单元，所述第六获得单元用于获得所述第一教师的第一反馈内容信息，根据所述基础信息获得所述第一学员的基础评价信息；

第七获得单元，所述第七获得单元用于根据所述第一反馈内容信息和所述基础评价信息进行反馈匹配信息评估，获得第一反馈评估参数；

第八获得单元，所述第八获得单元用于获得所述第一反馈内容信息的第一反馈时间信息，根据所述第一反馈时间信息获得第一反馈及时性评估参数；

第九获得单元，所述第九获得单元用于根据所述第一反馈评估参数和所述第一反馈及时性评估参数获得所述第二反馈参数。

进一步的，所述系统还包括：

第三评估单元，所述第三评估单元用于根据所述基础信息获得所述第一学员的当前学习掌握情况进行评估，获得第一掌握评估结果；

第十获得单元，所述第十获得单元用于根据所述基础信息获得互联网课程的补充课程信息；

第十一获得单元，所述第十一获得单元用于根据所述补充课程信息进行所述第一掌握评估结果的匹配度评估，获得所述第一契合度评估参数。

进一步的，所述系统还包括：

第十二获得单元，所述第十二获得单元用于获得所述第一学员的第一反馈信息；

第十三获得单元，所述第十三获得单元用于获得第一用户的第二反馈信息，其中，所述第一用户为所述第一学员的监护人员，根据所述第一反馈信息和所述第二反馈信息对所述第一学员的互联网教育综合评定修正。

进一步的，所述系统还包括：

第十四获得单元，所述第十四获得单元用于获得第一课长时间，根据所述第一课长时间进行区间分隔，获得第一区间分隔结果；

第一分配单元，所述第一分配单元用于根据所述第一区间分隔结果进行图像采集分布分配，获得第一采样时间节点；

第二采集单元，所述第二采集单元用于根据所述第一采样时间节点进行图像采集，获得所述第一图像采集集合。

进一步的，所述系统还包括：

第一构建单元，所述第一构建单元用于构建听课状态与动作特征的关联集合；

第一匹配单元，所述第一匹配单元用于根据所述关联集合中的动作特征进行所述第一图像集合的图像特征匹配，获得第一特征匹配结果；

第十五获得单元，所述第十五获得单元用于根据所述第一特征匹配结果和所述关联集合获得所述第一状态评估结果。

前述图1实施例一中的一种互联网教育的综合评定方法的各种变化方式和具体实例同样适用于本实施例的一种互联网教育的综合评定系统，通过前述对一种互联网教育的综合评定系统的详细描述，本领域技术人员可以清楚的知道本实施例中一种互联网教育的综合评定系统的实施方法，所以为了说明书的简洁，在此不再详述。

下面参考图6来描述本申请的电子设备。

图6图示了根据本申请的电子设备的结构示意图。

基于与前述实施例中一种互联网教育的综合评定系统的发明构思，本发明还提供一种电子设备，下面，参考图6来描述根据本申请的电子设备。该电子设备可以是可移动设备本身，或与其独立的单机设备，其上存储有计算机程序，该程序被处理器执行时实现前文所述方法的任一方法的步骤。

如图6所示，电子设备50包括一个或多个处理器51和存储器52。

处理器51可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备50中的其他组件以执行期望的功能。

存储器52可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器51可以运行所述程序指令，以实现上文所述的本申请的各个实施例的方法以及/或者其他期望的功能。

在一个示例中，电子设备50还可以包括：输入装置53和输出装置54，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。

本发明实施例提供的一种互联网教育的综合评定方法，所述方法包括：获得第一学员的基础信息，其中，所述基础信息包括所述第一学员的实际课程信息和互联网课程信息；根据所述基础信息进行所述第一学员的契合度参数评估，获得第一契合度评估参数；通过图像采集单元进行所述第一学员进行互联网教育的图像采集，获得第一图像采集集合；根据所述第一图像采集集合进行所述第一学员的听课状态评估，获得第一状态评估结果；获得所述第一学员的教师反馈参数，将所述第一契合度评估参数、所述第一状态评估结果和所述教师反馈参数输入综合评定模型，获得第一输出结果；根据所述第一输出结果进行所述第一学员的互联网教育综合评定。解决了现有技术在进行互联网教育的过程中，缺少进行互联网教育的智能评定方法，导致互联网+教育良莠难分的技术问题，达到深度结合教育课程和学员信息，进行课程的深度评定的技术效果。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘、U盘、移动硬盘、ROM、RAM、磁碟或者光盘等，包括若干指令用以使得一台计算机设备执行本申请各个实施例所述的方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。

所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从计算机可读存储介质向另计算机可读存储介质传输，所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid St ate Disk，SSD))等。

应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请的实施过程构成任何限定。

另外，本文中术语“系统”和“网络”在本文中常被可互换使用。本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

应理解，在本申请中，“与A相应的B”表示B与A相关联，根据A可以确定B。但还应理解，根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其它信息确定B。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

总之，以上所述仅为本申请技术方案的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。