[0001] 本发明涉及远程教育技术领域，特别涉及一种远程教育教学系统。

[0002] 远程教育教学是指通过音频、视频（直播或录像）以及包括实时和非实时在内的计算机技术或电子通信技术传播课程的一种教育教学方式。远程教育教学通常采用的同步讲授或异步讲授。同步讲授是指利用计算机网络、多媒体和虚拟现实技术，使处于远程的教师和学生通过实时的音频和视频，双向传递教学信息进行学习。异步讲授是指教师先将课程的内容编制成多媒体文件，存放于服务器上，学生通过服务器访问这些课程的信息，完成学习任务。

[0003] 远程教育教学中学生虽然可以透过电视广播、互联网、辅导专线、课研社、面授（函授）等多种不同渠道主动学习或互助学习，教师也能够通过动画、图形、影像、声音等多媒体讲授课程，但是存在教学质量监管困难的问题，教学过程中的学生的精神状态、教学的课堂氛围、教师的授课质量都不能通过数据直接体现出来，而是需要家长或管理人员通过回看教学录像得到主观的评价，这种远程教育教学质量的评价过程不仅繁琐而且不准确。

[0018] 为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

[0019] 图1是本发明实施例提供的远程教育教学系统原理图；图2是本发明实施例提供的远程教育教学系统的学习模块原理图；
图3是本发明实施例提供的远程教育教学系统的授课模块原理图；
图4是本发明实施例提供的远程教育教学系统的智能交互模块原理图；
图5是本发明实施例提供的远程教育教学系统的教学质量评估模块原理图。

[0020] 请参照图1至图5，本发明实施例提供的一种远程教育教学系统，包括：学习模块100、授课模块200、智能交互模块300、数据储存模块400和教学质量评估模块500，学习模块
100与授课模块200通过智能交互模块300通信连接；数据存储模块400与学习模块100和授课模块200通信连接，用于存储学习模块100和授课模块200生成的教学数据；智能交互模块
300用于学生和教师之间的多媒体交互;教学质量评估模块500与数据存储模块400通信连接，用于获取数据存储模块400中存储的用于评估教学质量的教学数据，并对用于评估教学质量的教学数据计算执行、对象分类、对象匹配和数据分析得出教学质量评估指标。

[0021] 在本实施例中，学习模块100包括：学习视频采集单元101、学习音频采集单元102和互动参与单元103；学习视频采集单元101用于采集学生学习时学生的视频数据，包括活动轨迹、肢体动作和面部表情；学习音频采集单元102用于采集学生学习时学生的音频数据，包括阅读和回答问题时声音的频率和音量；互动参与单元103用于采集学生学习时学生的互动参与数据，包括学习时间、学习参与度、答题时间、和答题准确率。

[0022] 在本实施例中，授课模块200包括：授课视频采集单元201、授课音频采集单元202和学生评价单元203；授课视频采集单元201用于采集教师授课时教师的视频数据，包括活动轨迹、肢体动作和面部表情；授课音频采集单元202用于采集教师授课时教师的音频数据，包括阅读和讲课时声音的频率和音量；学生评价单元203用于采集教师授课时的学生评价数据，包括学生的学习的效果、问题的数量、问题的难度、掌握的程度和学生对教师评价。

[0023] 在本实施例中，教学质量评估模块500包括：数据获取单元501、计算执行单元502、对象分类单元503、对象匹配单元504和数据分析单元505；数据获取单元501用于获取存储在数据存储模块400中的用于评估教学质量的教学数据；计算执行单元502用于对用于评估教学质量的教学数据进行计算处理，以此确定用于评估教学质量的教学数据的数据强度；对象分类单元503用于将计算执行单元502计算出的用于评估教学质量的教学数据的数据强度进行分类处理，得到用于评估教学质量的教学数据分类模型；对象匹配单元504用于将对象分类单元503分类的出的用于评估教学质量的教学数据分类模型与预先存储的教学数据模型进行匹配得到数据变化强度；数据分析单元505用于将对象匹配单元504得出的数据变化强度根据预设的转换关系进行数据分析，得到教学质量评估指标。

[0024] 具体地，用于评估教学质量的教学数据的数据强度包括：学生活动轨迹强度、学生肢体动作强度、学生面部表情强度、学生阅读声音强度、学生回答问题声音强度、学生互动参与强度，教师活动轨迹强度、教师肢体动作强度、教师面部表情强度、教师阅读声音强度、教师讲课声音强度和学生评价强度。

[0025] 在本实施例中，用于评估教学质量的教学数据包括：学生视频采集单元101和授课视频采集单元201采集的学生和教师的活动轨迹、肢体动作和面部表情数据；学生音频采集单元102和授课音频采集单元202采集的学生和教师的阅读、回答问题和讲课时声音的频率和音量数据；互动参与单元103采集的学习时间、学习参与度、答题时间、和答题准确率数据;学生评价单元203采集的学习的效果、问题的数量、问题的难度、掌握的程度和学生对教师评价数据。

[0026] 在本实施例中，用于评估教学质量的教学数据的数据强度包括任意一个数据强度下的多个分类强度。

[0027] 可选的，任意一个数据强度下的分类强度为三个强度，但本发明不以此为限制，为了得到更准确的教学质量评估指标，任意一个数据强度下的分类强度也可以是三个以上的强度。

[0028] 具体地，学生活动轨迹强度包括远距离、中距离和近距离；学生肢体动作强度包括大范围、中范围和小范围；学生面部表情强度包括高兴、疑惑、焦虑；学生阅读声音强度包括特别流畅、中等流畅、一般流畅、频率高、频率中、频率低、音量大、音量中、音量小；学生回答问题声音强度包括特别流畅、中等流畅、一般流畅、频率高、频率中、频率低、音量大、音量中、音量小；学生互动参与强度包括学习时间长、学习时间中、学习时间短、学习参与度高、学习参与度中、学习参与度低、答题时间长、答题时间中、答题时间短、答题准确率高、答题准确率中、答题准确率低；教师活动轨迹强度包括远距离、中距离和近距离；教师肢体动作强度包括大范围、中范围和小范围；教师面部表情强度包括高兴、疑惑、焦虑；教师阅读声音强度包括特别流畅、中等流畅、一般流畅、频率高、频率中、频率低、音量大、音量中、音量小；教师讲课声音强度包括特别流畅、中等流畅、一般流畅、频率高、频率中、频率低、音量大、音量中、音量小；学生评价强度包括学习的效果好、学习的效果中、学习的效果一般、问题的数量多、问题的数量中、问题的数量少、问题的难度高、问题的难度中、问题的难度低、掌握的程度高、掌握的程度中、掌握的程度低、学生对教师评价好、学生对教师评价中、学生对教师评价一般。

[0029] 在本实施例中，对象分类单元503获取用于评估教学质量的教学数据的数据强度，并将该数据强度进行分类处理，生成用于评估教学质量的教学数据分类模型，再将该分类模型输入到对象匹配单元504；用于评估教学质量的教学数据分类模型包括运动模型、动作模型、图像模型、声音模型和交互模型。

[0030] 具体地，对象分类单元503将任意一个数据强度下的多个分类强度，按照运动模型、动作模型、图像模型、声音模型和交互模型进行分类处理，使每一分类强度都对应到相应的数据分类模型。

[0031] 具体的，运动模型用于记录人体运动轨迹的强度，动作模型用于记录人体活动幅度的强度，图像模型用于记录人体画面的强度，声音模型用于记录人体声音的强度，交互模型用于记录交互行为的强度。例如：将学习时间长、学习时间中、学习时间短、学习参与度高、学习参与度中、学习参与度低、答题时间长、答题时间中、答题时间短、答题准确率高、答题准确率中、答题准确率低分类到交互模型。

[0032] 在本实施例中，对象匹配单元504获取用于评估教学质量的教学数据分类模型，将该分类模型与预先存储的教学数据模型进行匹配，生成数据变化强度，再将数据变化强度输入到数据分析单元505；对象匹配单元504包括数据库，用于存储预先教学数据模型；预先存储的教学数据模型包括预先存储的用于匹配用于评估教学质量的教学数据分类模型的多个强度等级；对象匹配单元504将用于评估教学质量的教学数据分类模型与预先存储的用于匹配用于评估教学质量的教学数据分类模型的多个强度等级进行匹配，生成数据变化强度；数据变化强度包括任意一个用于评估教学质量的教学数据分类模型的多个强度等级。

[0033] 可选的，数据变化强度为三个等级，但本发明不以此为限制，数据变化强度也可以是三个以上的强度等级。

[0034] 具体地，数据变化强度所包括的运动模型、动作模型、图像模型、声音模型和交互模型都设置为优秀、良好和一般三个强度等级。

[0035] 具体地，将分类模型与预先存储的教学数据模型进行匹配，生成数据变化强度。预先存储的教学数据模型包括运动模型、动作模型、图像模型、声音模型和交互模型的多个强度等级。例如：将交互模型中的学习的效果好、问题的数量少、问题的难度高、掌握的程度高、学生对教师评价好匹配到交互模型优秀强度等级；将学习的效果中、问题的数量中、问题的难度中、掌握的程度中、学生对教师评价中匹配到交互模型良好强度等级；将学习的效果一般、问题的数量多、问题的难度低、掌握的程度低、学生对教师评价一般匹配到交互模型一般强度等级。

[0036] 在本实施例中，数据分析单元505获取数据变化强度，根据预设的转换关系进行数据分析，得到教学质量评估指标；预设的转换关系包括任意一个数据变化强度的比例关系和计算关系；教学质量评估指标包括评估项目、评估内容、权重系数和划分等级。

[0037] 可选的，预设的转换关系是数据变化强度所包括的运动模型、动作模型、图像模型、声音模型和交互模型都设置为优秀、良好和一般三个强度等级的比例关系和计算关系。例如：运动模型优秀占比10%，动作模型优秀占比10%，图像模型优秀占比20%、声音模型优秀占比20%和交互模型优秀占比40%。

[0038] 可选的，计算关系可以是预设的可调整的对教学质量评估指标有作用的计算公式或计算方法。

[0039] 可选的，教学质量评估指标的等级可以划分为优秀、良好和一般三个等级。通过对数据变化强度根据预设的转换关系进行数据分析，可以给家长或管理人员直接呈现出教学质量评估指标的评估项目、评估内容、权重系数和划分等级数据，使得评估过程简单直观并且评估结果准确。

[0040] 在本实施例中，智能交互模块300包括脚本生成单元301、交互控制单元302和交互执行单元303。交互控制单元302用于下达指令；脚本生成单元301用于生成交互的内容；交互执行单元303用于指令执行的反馈。

[0041] 智能交互模块300用于学生和教师之间的多媒体交互。多媒体交互的内容包括教师指令学生填写表格、指令学生回答问题、指令学生观看视频，学生把填写的表格交给教师，学生对教师的评价等。

[0042] 具体地，教师可以通过操作交互控制单元302使脚本生成单元301生成交互的内容，学生通过执行交互执行单元303反馈教师指令的执行情况。学生可以通过操作交互控制单元302使脚本生成单元301生成交互的内容，教师通过执行交互执行单元303反馈学生指令的执行情况。

[0043] 本发明旨在保护一种远程教育教学系统，具有如下有益的技术效果：本发明解决了现有技术中远程教育教学的教学质量监管困难的技术问题，使得教学过程中的学生的精神状态、教学的课堂氛围、教师的授课质量都能通过教学质量评估指标直接体现出来，使得远程教育教学质量的评估过程简单直观并且评估结果准确。

[0044] 应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。