摘要
本发明公开了一种利用AI多模态六维之课堂效果评估与分析的方法,包括:基于多模态历史课堂数据,获取六个维度的历史课堂数据;构建影响因素‑权重映射表;训练多模态融合神经网络模型,对六位数据进行特征融合,构建课堂效果评估模型;基于实时课堂时间获取影响因素值,并获取与当前影响因素值匹配度最高的权重分配方案;获取课堂效果评分,并基于所述评分与最佳课堂效果评分之间的差距,进行针对性改进;基于学生和老师对评估结果的修正反馈数据,通过对比学习算法计算模型输出与人工标注的差异度并触发模型增量训练。本发明的优点在于:通过融合多模态数据和影响因素自动调整权重,精准评估课堂效果,提供个性化的优化建议。
技术关键词
融合神经网络
学生
学习算法
计算机可读指令
课堂互动系统
老师
光照强度数据
多模态传感器
天气
深度传感器
处理器
时间段
传感器设备
生理反应
收集设备
模态特征
注意力
系统为您推荐了相关专利信息
基站
多臂机
缓存替换策略
边缘缓存网络
更新模型参数
情感分析方法
标签
图像数据处理
蒸馏
特征提取器
空气循环功能
洁净厂房
深度神经网络模型
调节系统
计算机视觉
导电接头
计算机可读指令
Adam算法
注意力机制
图片