[0001] 本申请涉及数字化教学技术领域，更具体地说，本申请涉及一种数字化教学交互方法、系统、设备及存储介质。

[0002] 数字化教学是指通过电子设备和互联网技术，将传统教学内容以数字化形式进行传播和互动的一种现代教学方式，它通过引入多媒体、虚拟现实、人工智能等先进技术，极大地丰富了教学资源和手段，使教学更加生动、有趣和高效，同时，它也打破了时空限制，让学习变得更加灵活，学生可以根据自身需求和节奏进行学习，极大地提高了学习的自主性和积极性，此外，数字化教学还能够通过数据分析精准地了解学生的学习情况，提供个性化的学习路径和辅导。

[0003] 数字化教学设备是指在教育过程中使用的各种电子和智能设备，这些设备通过互联网和数字技术，支持和增强教学和学习活动，在现有的数字化教学设备中，通常设定恒定跟读速度，对于不同的学生，在阅读相同的教学文本时，由于个人能力、背景知识和阅读习惯的不同，阅读速度会有所不同，恒定跟读速度不再适用，而通过对数字化教学设备的跟读速度进行个性化调节，不仅能够提升阅读效率和效果，还能够增强学生的学习体验和积极性，通过匹配每个学生的个体需求，提供实时的反馈和调整，个性化调节为学生提供了更加灵活和高效的学习环境，能够促进学生自主学习和个性化发展，因此，在数字化教学过程中，如何匹配不同学生的认知负荷（所述认知负荷是指学生在学习新知识的过程中产生的学习压力），以实现个性化的阅读速度调节成为了业界面临的难题。

[0055] 本申请核心是通过获取的历史交互数据确定目标学生在阅读过程中交互行为的波动熵；通过当前教学文本的语义复杂度和所述波动熵对目标学生阅读当前教学文本的速度进行预测，得到阅读速度预测值；获取不同学生对当前教学文本的访问日志，进而由访问日志确定当前教学文本的交互资源矩阵，根据交互资源矩阵和历史交互数据确定目标学生与其它学生在阅读当前教学文本时阅读速度的协同调节系数；通过协同调节系数对阅读速度预测值进行调节，得到阅读速度调节值，基于阅读速度调节值对数字化教学设备中当前教学文本下一时刻的跟读速度进行调节；该方案可实现个性化的阅读速度调节。

[0056] 为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。参考图1，该图是根据本申请一些实施例所示的数字化教学交互方法的示例性流程图，该数字化教学交互方法100主要包括如下步骤：

[0057] 在步骤101中，从数字化教学设备中获取目标学生文本阅读时的历史交互数据。

[0058] 具体实现时，在启动数字化教学设备后，从数字化教学设备的数据库中获取目标学生文本阅读时的历史交互数据，所述历史交互数据是指定时间段内目标学生在阅读数字文本时的交互行为数据，其中，所述交互行为数据包括阅读速度、停顿时间和页面滚动频率，所述指定时间段可为当前时刻至过去一个月对应的时间段，在其它实施例中，指定时间段也可设置在其它范围，这里不再赘述。

[0059] 需要说明的是，本申请中可按照预设的采样频率对学生阅读教学文本时的交互行为进行监测，从而得到交互数据，其中，所述采样频率的取值范围通常在100‑500Hz之间，在其它实施例中，所述采样频率的取值范围也可设置为其它范围，这里不做限定。

[0060] 在步骤102中，在所述历史交互数据中提取目标学生的有效阅读数据，通过所述有效阅读数据确定目标学生在阅读过程中交互行为的波动熵。

[0061] 在一些实施例中，在所述历史交互数据中提取目标学生的有效阅读数据可采用下述步骤实现：

[0062] 根据人机交互行为类别将历史交互数据划分为多个行为数据段；

[0063] 选取一个行为数据段，对该个行为数据段进行标准约束，得到行为约束数据段；

[0064] 对所述行为约束数据段中的异常值进行剔除，得到该个行为数据段对应的有效行为数据段；

[0065] 重复上述步骤，得到剩余行为数据段对应的有效行为数据段；

[0066] 通过所有的有效行为数据段得到目标学生的有效阅读数据。

[0067] 需要说明的是，可根据交互数据中的类别信息设置人机交互行为类别，则在本申请中人机交互行为类别可设置为3（即：阅读速度、停顿时间和页面滚动频率），在其它实施例中人机交互行为类别可根据交互数据的类别信息进行设置为其它数值，这里不做限定。

[0068] 具体实现时，根据人机交互行为类别将历史交互数据划分为多个行为数据段可采用下述方式实现，即：将历史交互数据按照人机交互行为类别划分为多个数据群，在本申请实施例中，则可将历史交互数据划分为3个数据群，再将每个数据群均作为行为数据段；对该个行为数据段进行标准约束，得到行为数据约束数据段可采用下述方式实现，即：可采用现有技术中的标准归一化技术对该个行为数据段进行归一化处理，进而得到行为归一数据段，将所述行为归一数据段作为行为数据约束数据段，需要说明的是，本申请中对行为数据段进行标准约束是指对行为数据段中的所有行为数据进行统一尺度的归一化处理，其目的在于消除不同特征量纲的影响。

[0069] 具体实现时，对所述行为约束数据段中的异常值进行剔除，得到该个行为数据段对应的有效行为数据段可采用下述方式实现，即：可通过现有技术中的箱线图对行为约束数据段中的异常值进行检测，然后将检测为异常的行为约束数据进行剔除，再将剔除后的行为约束数据段作为有效行为数据段，在其它实施例中，也可采用其它现有异常检测技术对行为约束数据段中的异常值进行检测，这里不做限定。

[0070] 具体实现时，通过所有的有效行为数据段得到目标学生的有效阅读数据可采用下述方式实现，即：将所有的有效行为数据段的集合作为目标学生的有效阅读数据。

[0071] 在一些实施例中，通过所述有效阅读数据确定目标学生在阅读过程中交互行为的波动熵可采用下述步骤实现：

[0072] 从所述有效阅读数据中选取一个有效行为数据段；

[0073] 确定该个有效行为数据段中相邻行为数据之间的波动值；

[0074] 通过信息熵对所有的波动值进行熵特征描述，得到该个有效行为数据段的行为波动熵；

[0075] 重复上述步骤，得到剩余有效行为数据段的行为波动熵；

[0076] 通过所有的行为波动熵确定目标学生在阅读过程中交互行为的波动熵。

[0077] 具体实现时，确定该个有效行为数据段中相邻行为数据之间的波动值可采用下述方式实现，即：所述波动值用于衡量相邻行为数据之间的波动程度，其波动值越大，则表示相邻行为数据之间的波动程度越大，本申请实施例中，可将相邻行为数据之间差值的绝对值作为对应的波动值，进而得到所有的波动值。

[0078] 另外，具体实现时，通过信息熵对所有的波动值进行熵特征描述，得到该个有效行为数据段的行为波动熵可采用下述方式实现，即：计算所有波动值的信息熵，将计算得到的信息熵作为该个有效行为数据段的行为波动熵，其中，所述行为波动熵用于衡量有效行为数据段中相邻行为数据之间波动程度的不确定性或者混乱程度。

[0079] 具体实现时，通过所有的行为波动熵确定目标学生在阅读过程中交互行为的波动熵可采用下述方式实现，即：可将所有行为波动熵的平均值作为目标学生在阅读过程中交互行为的波动熵，在其它实施例中也可采用行为波动熵的加权平均值作为目标学生在阅读过程中交互行为的波动熵，这里不做限定。

[0080] 需要说明的是，本申请中的波动熵是度量目标学生在阅读过程中交互行为波动程度的指标，所述波动熵越大，则表示目标学生在阅读过程中交互行为的波动程度越大，通过波动熵可以为后续阅读速度调节提供数据基础。

[0081] 在步骤103中，确定当前教学文本的语义复杂度，通过所述语义复杂度和所述波动熵对目标学生阅读当前教学文本的速度进行预测，得到阅读速度预测值。

[0082] 在一些实施例中，确定当前教学文本的语义复杂度可采用下述步骤实现：

[0083] 确定当前教学文本中每个单词的词汇频率；

[0084] 确定当前教学文本的词汇多样性特征；

[0085] 通过所有的词汇频率和所述词汇多样性特征确定当前教学文本的语义复杂度。

[0086] 具体实现时，确定当前教学文本中每个单词的词汇频率可采用下述方式实现，即：可通过现有技术中的词频统计工具（词频统计工具例如AntConc、WordFreq）统计每个单词出现的频率，将该频率作为对应单词的词汇频率，在其它实施例中，也可采用其它方式得到教学文本中每个单词的词汇频率。

[0087] 需要说明的是，本申请中的词汇多样性特征是用于衡量教学文本中词汇多样性程度的指标，通过词汇多样性特征能够描述当前教学文本中单词的多样性，所述词汇多样性特征越大，则表示当前教学文本中单词的多样性越大，优选地，可将单词类别数与单词总个数的比值作为教学文本的词汇多样性特征。

[0088] 具体实现时，通过所有的词汇频率和所述词汇多样性特征确定当前教学文本的语义复杂度可采用下述方式实现，即：可将词汇频率作为当前教学文本中对应单词的权重，进而计算当前教学文本中所有单词的加权平均值，将所述加权平均值作为当前教学文本的语义复杂度。

[0089] 需要说明的是，本申请中的语义复杂度是度量教学文本语句结构复杂性的指标，通过语义复杂度来刻画当前教学文本在理解上的难度，所述语义复杂度越高，文本越难理解，学生的阅读速度就越慢；另外，对于不同的学生，在阅读相同的教学文本时，由于个人能力、背景知识和阅读习惯的不同，阅读速度会有所不同，通过分析不同学生对当前教学文本的访问日志，可以获取他们的实际阅读速度数据，再结合教学文本的语义复杂度，能够更加精准地评估每个学生在阅读该文本时的速度。

[0090] 在一些实施例中，参考图2所示，该图是本申请一些实施例中确定阅读速度预测值的流程示意图，本实施例中通过所述语义复杂度和所述波动熵对目标学生阅读当前教学文本的速度进行预测，得到阅读速度预测值可采用下述步骤实现：

[0091] 首先，在步骤1031中，获取目标学生的历史阅读速度数据；

[0092] 其次，在步骤1032中，对所述历史阅读速度数据进行线性拟合，进而得到目标学生阅读时速度的预测值；

[0093] 然后，在步骤1033中，通过所述波动熵对所述预测值进行特征补偿，得到预测补偿值；

[0094] 最后，在步骤1034中，根据所述预测补偿值和所述语义复杂度确定目标学生阅读当前教学文本的阅读速度预测值。

[0095] 具体实现时，获取目标学生的历史阅读速度数据可采用下述方式实现，即：从目标学生的历史访问日志中获取指定时间段内目标学生的阅读速度数据，所述指定时间段可为当前时刻至过去一个月对应的时间段，在其它实施例中，所述指定时间段也可采用其它方式确定，这里不做限定。

[0096] 另外，具体实现时，对所述历史阅读速度数据进行线性拟合，进而得到目标学生阅读时速度的预测值可采用下述方式实现，即：可将历史阅读速度数据作为线性回归模型的训练数据，用于训练阅读速度预测模型，进而使用训练好的阅读速度预测模型预测目标学生阅读时速度的预测值，在其它实施例中，也可对历史阅读速度数据进行线性拟合，将线性拟合得到的斜率与历史阅读速度数据平均值的乘积作为目标学生阅读时速度的预测值，这里不做限定。

[0097] 具体实现时，通过所述波动熵对所述预测值进行特征补偿，得到预测补偿值可采用下述方式实现，即：可将所述波动熵倒数的自然对数与所述预测值相乘，将相乘得到的乘积作为预测补偿值，其中，所述波动熵倒数的自然对数的取值范围在0‑1之间，当目标学生在阅读过程中交互行为的波动熵越大时，表示目标学生在阅读过程中交互行为越异常，从而减小目标学生阅读时速度的预测值。

[0098] 需要说明的是，本申请中的预测补偿值表示通过目标学生在阅读过程交互行为的波动程度对目标学生阅读时速度的预测值进行调节得到的预测速度调节值，通过所述预测速度调节值能够更加精准地反映目标学生在阅读过程交互行为与阅读速度之间的关系，从而有利于得到够更加精确的速度预测值。

[0099] 具体实现时，根据所述预测补偿值和所述语义复杂度确定目标学生阅读当前教学文本的阅读速度预测值可采用下述方式实现，即：可将语义复杂度作为阅读速度预测模型的特征参数，以实现根据当前文本的语义复杂度对预测补偿值进行自适应调节，从而得到更精准的阅读速度预测值，在其它实施例中，也可采用其它现有技术实现，例如，可将语义复杂度作为预测补偿值的惩罚项，进而得到预测补偿值的惩罚值，再将预测补偿值的惩罚值作为目标学生阅读当前教学文本的阅读速度预测值，即，将语义复杂度倒数的自然对数与预测补偿值的乘积作为目标学生阅读当前教学文本的阅读速度预测值，这里不做限定。

[0100] 在步骤104中，获取不同学生对当前教学文本的访问日志，进而由所述访问日志确定当前教学文本的交互资源矩阵，根据所述交互资源矩阵和所述历史交互数据确定目标学生与其它学生在阅读当前教学文本时阅读速度的协同调节系数。

[0101] 具体实现时，获取不同学生对当前教学文本的访问日志可采用下述方式实现，即：从数字化教学设备的数据库中获取指定数量的不同学生阅读当前教学文本时的访问记录，将所有访问记录组成的集合作为访问日志，其中，所述指定数量的取值范围在1000‑5000之间，其指定数量越大，后续的特征提取越精确，在其它实施例中，指定数量的取值也可设置在其它范围内，这里不做限定。

[0102] 在一些实施例中，由所述访问日志确定当前教学文本的交互资源矩阵可采用下述步骤实现：

[0103] 根据所述访问日志确定各个学生阅读当前教学文本时的交互标签对；

[0104] 对所有的交互标签对进行聚类，得到多个交互标签类；

[0105] 通过所有的交互标签类确定当前教学文本的交互资源矩阵。

[0106] 需要说明的是，本申请中的交互标签对是度量学生阅读教学文本时交互行为波动情况的指标，所述交互标签对越大，则表示学生在阅读教学文本时交互行为波动情况越大。

[0107] 具体实现时，根据所述访问日志确定各个学生阅读当前教学文本时的交互标签对可采用下述方式实现，即：从所有学生中选取一个学生，从所述访问日志中提取该个学生阅读当前教学文本时的停顿时间数据和页面滚动频率数据，可采用现有技术中的最小‑最大归一化技术对停顿时间数据和页面滚动频率数据进行归一化处理，得到停顿时间归一数据和页面滚动频率归一数据，将停顿时间归一数据的标准差与页面滚动频率归一数据的标准差之和作为该个学生阅读当前教学文本时的交互标签对，重复上述步骤，得到剩余学生阅读当前教学文本时的交互标签对。

[0108] 另外，具体实现时，对所有的交互标签对进行聚类，得到多个交互标签类可采用下述方式实现，即：可采用现有技术中的聚类算法将所有的交互标签对均分为多个数据簇，将所有的数据簇均作为交互标签类，需要说明的是，本申请中可将所有的交互标签对分为10类，在其它实施例中也可分为其它数值类，这里不做限定。

[0109] 优选地，在上述实施例中，通过所有的交互标签类确定当前教学文本的交互资源矩阵可采用下述步骤实现：

[0110] 将各个交互标签类中的交互标签对按照从大到小的顺序排列成交互标签向量；

[0111] 通过各个交互标签向量确定对应的交互标签标准向量；

[0112] 将所有交互标签标准向量组成的矩阵作为当前教学文本的交互资源矩阵。

[0113] 需要说明的是，本申请中由于各个交互标签类中的交互标签对数量存在差异性，进而导致各个交互标签向量长度不一致，因此，需要对各个交互标签向量长度进行统一处理，得到多个交互标签标准向量，作为一个优选地实施例，对各个交互标签向量长度进行统一处理，得到多个交互标签标准向量可采用下述方式实现，即：从各个交互标签向量选取向量长度最长的交互标签向量，将该交互标签向量的向量长度作为标准长度，对于向量长度小于标准长度的交互标签向量，选取其中一个交互标签向量，将该交互标签向量中所有交互标签对的平均值对该交互标签向量进行向量长度补齐，即将交互标签对的平均值作为该交互标签向量的元素，进而得到对应的交互标签标准向量，重复上述步骤，得到剩余交互标签向量对应的交互标签标准向量。

[0114] 具体实现时，将所有交互标签标准向量组成的矩阵作为当前教学文本的交互资源矩阵可采用下述方式实现，即：获取各个交互标签标准向量中所有交互标签对的平均值，将该平均值作为交互标签对均值，将各个交互标签标准向量按照对应交互标签对均值从大到小的顺序从左到右排列成矩阵，将排列得到的矩阵作为当前教学文本的交互资源矩阵。

[0115] 在一些实施例中，参考图3所示，该图是本申请一些实施例中确定协同调节系数的流程示意图，本实施例中根据所述交互资源矩阵和所述历史交互数据确定目标学生与其它学生在阅读当前教学文本时阅读速度的协同调节系数可采用下述步骤实现：

[0116] 首先，在步骤1041中，从所述历史交互数据中提取目标学生阅读当前教学文本时的交互标签对；

[0117] 然后，在步骤1042中，通过所述交互标签对和所述交互资源矩阵确定目标学生与其它各个学生在阅读当前教学文本时的行为关联度；

[0118] 最后，在步骤1043中，通过所有的行为关联度确定目标学生与其它学生在阅读当前教学文本时阅读速度的协同调节系数。

[0119] 优选地，在上述实施例中，从所述历史交互数据中提取目标学生阅读当前教学文本时的交互标签对可采用下述步骤实现：

[0120] 从所述历史交互数据中提取目标学生阅读当前教学文本时的交互数据；

[0121] 根据所述交互数据确定目标学生阅读当前教学文本时的交互标签对。

[0122] 具体实现时，从所述历史交互数据中提取目标学生阅读当前教学文本时的交互数据可采用下述方式实现，即：从访问日志中提取目标学生阅读当前教学文本时的停顿时间数据和页面滚动频率数据，将停顿时间数据和页面滚动频率数据均作为交互数据；根据所述交互数据确定目标学生阅读当前教学文本时的交互标签对可采用下述方式实现，即：可采用现有技术中的最小‑最大归一化技术对停顿时间数据和页面滚动频率数据进行归一化处理，得到停顿时间归一数据和页面滚动频率归一数据，将停顿时间归一数据的标准差与页面滚动频率归一数据的标准差之和作为目标学生阅读当前教学文本时的交互标签对。

[0123] 优选地，在上述实施例中，通过所述交互标签对和所述交互资源矩阵确定目标学生与其它各个学生在阅读当前教学文本时的行为关联度可采用下述步骤实现：

[0124] 从其它学生中选取一个学生作为指定学生；

[0125] 获取所述指定学生的交互标签对，将指定学生的交互标签对作为指定交互标签对；

[0126] 从所述交互资源矩阵中获取指定交互标签对所在的交互标签标准向量，将该交互标签标准向量作为指定交互标签标准向量；

[0127] 通过所述交互标签对和指定交互标签标准向量确定目标学生与指定学生在阅读当前教学文本时的行为关联度；

[0128] 重复上述步骤，得到目标学生与剩余其它学生在阅读当前教学文本时的行为关联度。

[0129] 具体实现时，通过所述交互标签对和指定交互标签标准向量确定目标学生与指定学生在阅读当前教学文本时的行为关联度可采用下述方式实现，即：计算所述交互标签对与指定交互标签标准向量中各个交互标签对之间的绝对差值，将各个绝对差值的倒数的自然对数均作为学生交互行为的差异度，所述差异度描述了目标学生与其它学生阅读时的行为差异，再将所有差异度的平均值作为目标学生与指定学生在阅读当前教学文本时的行为关联度。

[0130] 需要说明的是，本申请中的行为关联度是衡量学生与学生之间阅读行为属性的相似程度的指标，所述行为关联度的取值范围在0‑1之间，行为关联度越小，则表示学生与学生之间阅读行为属性的相似程度越小。

[0131] 具体实现时，通过所有的行为关联度确定目标学生与其它学生在阅读当前教学文本时阅读速度的协同调节系数可采用下述步骤实现，即：可将所有行为关联度的平均值作为目标学生与其它学生在阅读当前教学文本时阅读速度的协同调节系数。

[0132] 需要说明的是，本申请中的协同调节系数是度量目标学生与其它学生在阅读相同教学文本时，彼此之间阅读行为关联程度的指标，通过协同调节系数可以根据不同学生的阅读行为对目标学生的阅读行为进行调整，进而辅助调整数字化教学设备跟读时的跟读速度。

[0133] 在步骤105中，通过所述协同调节系数对所述阅读速度预测值进行调节，得到阅读速度调节值，基于所述阅读速度调节值对数字化教学设备中当前教学文本下一时刻的跟读速度进行梯度调节。

[0134] 在一些实施例中，通过所述协同调节系数对所述阅读速度预测值进行调节，得到阅读速度调节值可采用下述步骤实现：

[0135] 确定当前教学文本的静默阅读速度；

[0136] 通过所述协同调节系数对所述阅读速度预测值进行补偿，得到阅读速度的预测补偿值；

[0137] 由所述静默阅读速度对阅读速度的预测惩罚值进行调节，得到阅读速度调节值。

[0138] 需要说明的是，本申请中的所述静默阅读速度表示数字化教学设备静默跟读速度的最小值，在一些实施例中，确定当前教学文本的静默阅读速度可采用下述步骤实现，即：从访问日志中获取不同学生阅读当前教学文本的平均阅读速度，可将所述平均阅读速度的二分之一作为当前教学文本的静默阅读速度，在其它实施例中，也可采用其它值作为当前教学文本的静默阅读速度，这里不做限定。

[0139] 具体实现时，通过所述协同调节系数对所述阅读速度预测值进行补偿，得到阅读速度的预测补偿值可采用下述方式实现，即：可将所述协同调节系数与所述阅读速度预测值的乘积作为阅读速度的预测补偿值；由所述静默阅读速度对阅读速度的预测惩罚值进行调节，得到阅读速度调节值可采用下述方式实现，即：可将所述静默阅读速度与所述预测惩罚值的和作为阅读速度调节值。

[0140] 需要说明的是，本申请中的阅读速度调节值表示根据不同学生的阅读交互情况对目标学生当前阅读速度预测值进行调节得到的速度调节值，通过阅读速度调节值能够更加准确地衡量当前教学文本的难易程度，从而实现自适应地调节学生的阅读速度。

[0141] 在一些实施例中，基于所述阅读速度调节值对数字化教学设备中当前教学文本下一时刻的跟读速度进行调节可采用下述步骤实现：

[0142] 获取目标学生阅读当前教学文本的阅读速度，将该阅读速度作为当前阅读速度；

[0143] 当所述阅读速度调节值大于所述当前阅读速度时，将数字化教学设备中当前教学文本下一时刻的跟读速度调大至所述阅读速度调节值；

[0144] 当所述阅读速度调节值小于所述当前阅读速度时，将数字化教学设备中当前教学文本下一时刻的跟读速度调小至所述阅读速度调节值；

[0145] 当所述阅读速度调节值等于所述当前阅读速度时，保持数字化教学设备中当前教学文本的跟读速度。

[0146] 另一方面，在一些实施例中，本申请提供一种数字化教学交互系统，参考图4，该图是根据本申请一些实施例所示的数字化教学交互系统的示例性软件模块示意图，该数字化教学交互系统400包括：获取模块401、处理模块402和执行模块403，分别说明如下：

[0147] 获取模块401，本申请中获取模块401主要用于从数字化教学设备中获取目标学生文本阅读时的历史交互数据；

[0148] 处理模块402，本申请中处理模块402用于在所述历史交互数据中提取目标学生的有效阅读数据，通过所述有效阅读数据确定目标学生在阅读过程中交互行为的波动熵；

[0149] 本申请中处理模块402还用于确定当前教学文本的语义复杂度，通过所述语义复杂度和所述波动熵对目标学生阅读当前教学文本的速度进行预测，得到阅读速度预测值；

[0150] 本申请中处理模块402还用于获取不同学生对当前教学文本的访问日志，进而由所述访问日志确定当前教学文本的交互资源矩阵，根据所述交互资源矩阵和所述历史交互数据确定目标学生与其它学生在阅读当前教学文本时阅读速度的协同调节系数；

[0151] 执行模块403，本申请中执行模块403主要用于通过所述协同调节系数对所述阅读速度预测值进行调节，得到阅读速度调节值，基于所述阅读速度调节值对数字化教学设备中当前教学文本下一时刻的跟读速度进行调节。

[0152] 另外，本申请还提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有代码，所述处理器被配置为获取所述代码，并执行上述的数字化教学交互方法。

[0153] 在一些实施例中，参考图5，该图是根据本申请一些实施例所示的应用数字化教学交互方法的计算机设备的结构示意图。上述实施例中的数字化教学交互方法可以通过图5所示的计算机设备来实现，该计算机设备500包括至少一个处理器501、通信总线502、存储器503以及至少一个通信接口504。

[0154] 处理器501可以是一个通用中央处理器(central processing unit，CPU)，也可以是特定应用集成电路(application‑specific integrated circuit，ASIC)。

[0155] 通信总线502可用于在上述组件之间传送信息。

[0156] 存储器503可以是只读存储器（read‑only memory，ROM）或可存储静态信息和指令的其它类型的静态存储设备、随机存取存储器（random access memory，RAM）或者可存储信息和指令的其它类型的动态存储设备，也可以是电可擦可编程只读存储器（electrically erasable programmable read‑only memory，EEPROM）、只读光盘（compact disc read‑only Memory，CD‑ROM）或其它光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘或者其它磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其它介质，但不限于此。存储器503可以是独立存在，通过通信总线502与处理器501相连接。存储器503也可以和处理器501集成在一起。

[0157] 其中，存储器503用于存储执行本申请方案的程序代码，并由处理器501来控制执行。处理器501用于执行存储器503中存储的程序代码。程序代码中可以包括一个或多个软件模块。上述实施例中数字化教学交互方法可以通过处理器501以及存储器503中的程序代码中的一个或多个软件模块实现。

[0158] 通信接口504，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如以太网、无线接入网（radio access network，RAN）、无线局域网（wireless local area networks，WLAN）等。

[0159] 在具体实现中，作为一种实施例，计算机设备可以包括多个处理器，这些处理器中的每一个可以是一个单核（single‑CPU）处理器，也可以是一个多核（multi‑CPU）处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据（例如计算机程序指令）的处理核。

[0160] 上述的计算机设备可以是一个通用计算机设备或者是一个专用计算机设备。在具体实现中，计算机设备可以是台式机、便携式电脑、网络服务器、掌上电脑（personal digital assistant，PDA）、移动手机、平板电脑、无线终端设备、通信设备或者嵌入式设备。本申请实施例不限定计算机设备的类型。

[0161] 另外，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的数字化教学交互方法。

[0162] 尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

[0163] 显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。