大数据背景下的个性化智能教学系统设计

许俨宁

摘  要： 针对传统智能教学系统反应时间慢的问题，设计一种大数据背景下的个性化智能教学系统。硬件部分使用CCD器件设计一种影像传感器，连接激光反馈装置，使用双核处理器，采用多触电摸框技术设计一体式高清多点触摸互动镜面装置，将镜面装置连接4个可捕捉的红外光摄像头，组成镜多点的触碰平台。使用大数据技术处理学生知识掌握情况，利用贝叶斯公式归纳教学数据，使用Java编程录入教学数据，完成软件部分的设计。实验结果表明：与两种传统智能教学系统相比，大数据背景下的个性化智能教学系统在实际操作使用时，系统的反应时间为0.4 s，系统反应时间更快，更适合投入到教学中使用。

关键词： 大数据背景; 个性化; 智能教学系统; 影像传感器; 激光反馈装置; 系统反应时间

中图分类号： TN02?34; TP181                     文献标识码： A                     文章编号： 1004?373X（2020）13?0180?03

Design of personalized intelligent teaching system under background of big data

XU Yanning

（Tianjin Normal University， Tianjin 300387， China）

Abstract： In view of the slow response of the traditional intelligent teaching systems， a personalized intelligent teaching system under the background of bid data is designed. In terms of the hardware， an image sensor is designed by the CCD （charge?coupled device）， which is connected to a laser feedback device. A dual?core processor is adopted. The multi?touch frame technology is adopted to design an integrated HD multi?touch interactive mirror device， and the mirror device is connected with 4 capturable infrared cameras to form a mirror multi?touch platform. In terms of the software， the big data technology is used to deal with the problems in students′ knowledge acquisition， the Bayesian formula is used to summarize the teaching data， and the Java programming is used to entering the teaching data. The experimental results show that， in comparison with the two traditional intelligent teaching systems， the personalized intelligent teaching system under the background of big data has a response time of 0.4 s， which is faster and more suitable to put into teaching.

Keywords： big data background; personalization; intelligent teaching system; image sensor; laser feedback device; system response time

0  引  言

大数据是指无法在一定时间范围内用常规软件工具捕捉、管理和处理的一种数据集合，是结合新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产[1]。个性化智能教学以智能算法与大数据为基础，以人机交互的方式教学，系统实时采集学习数据，精准定位薄弱知识反馈给教师，教师根据反馈情况调整教学计划。本文设计了一种大数据背景下的个性化智能教学系统，可以弥补教学中的不足，提高教学效率，改善学生的学习质量，极大地提升了教学效果[2]。

1  教学系统硬件设计

智能教学系统硬件部分主要设计感应模块、显像模块与主机控制模块。感应模块使用多点触控技术，将影像传感器与镭射激发反馈装置连接，影像传感器使用影像像素在38万以上的高分辨率型的CCD器件，如图1所示。

镭射激发反馈装置采用一个激光发射器，激光发射器会发射出一束平行于操作界面的红外镭射光，镭射光组成一个光面。在实际操作时，用户接触到操作界面的操作时，会阻挡镭射光面，在操作界面上形成一个光面断点，此时形成的光面断点就可完成用户触控操作[3]。为了实现操作可在任一平面投射影像，显像部分采用微型投影器，本文采用3M公司出产的投影装置，具体参数如表1所示。

核心运算的主机使用参数为Intel Core Due 21.66 GHz的双核处理器，连接上述核心硬件。将投影机与CCD影像传感器连接在一起，并固定在一个透明、颜色较暗的盒子中，盒子放置在400 mm可伸缩支架的顶端。主机与激光发射器固定于可伸缩支架的底部[4]。连接方式如图2所示。

本文研发了一体式高清多点触摸互动镜面装置，显示器采用高清55寸LED液晶显示器，镜面采用MTW特质高透低反面镜。采用多触电摸框技术，将两个红外线扫描相机放置在触摸边框相邻角上[5]。工作时，红外线扫描相机根据红外光源的阻断来检测任何触摸其探测层的物体位置数据。触摸框边缘形成一个光层，光层照射到屏边，并由屏三个边上的定向反射条返回给相机[6]。设计一个底座将液晶镜面得以站立，整体设计的一体式高清多点触摸互动镜面装置如图3所示。

使用FTIR技术的技术要求，智能镜面多点触技术选择反射多点触摸技术，采用8 mm的树脂玻璃导光板，不断调整支撑架的滑动槽[7]。下设IR 850 nm的红外LED光条，光条间距为16.7 mm，使用超薄双面胶粘贴在固定支架的四周边缘。使用4个可捕捉的红外光摄像头放置在可调节挡板上，将USB数据线穿过液晶面板拆分后的发光层[8]。将显示器的液晶层安置在导光板的下层，将显示器的发光层安置在支架上的调节挡板上，不断调试核心组件，选择合理的组装位置。在树脂板上打出电源与数据线的出口，组装为一个镜多点触碰平台，组装后的成品如图4所示。

镜多点触碰平台外连接投影仪器，即可完成对教学系统硬件部分的设计，平台内设计大数据相关程序，完成对教学系统的个性化智能控制[9]。

2  教学系统软件设计

软件部分首先使用大数据技术处理学生知识掌握情况，使用贝叶斯公式与其一种归纳推理方法将知识情况描述为：

式中[G]是一个由随机变量知识集[X]作为顶点，函数逻辑关系为弧的有向无环图[11]。

假设[G]顶点随机变量[Xi]的知识变量合集为[πi]，[P]是[πi]事件出现前提下[Xi]事件出现的条件概率，定义随机变量知识集合[X]上联合条件分布为：

式中[Π]为联合条件系数[12]。使用Java编程实现贝叶斯网络，使用JavaBayes生成void testuntitled，使用throw delete删改生成的多余代码，利用import Java.until.*导入贝叶斯网络教学过程learn Exception*，编程Java实现智能教学过程。将贝叶斯网络使用Java编程导入后，使用KMFSM建模关键算法，将知识集合的全集通过学生的学习行为和测试表现计算出KMFSM中的节点数[13]。按照不同的教学大纲，将知识项按照不同体系分成年级、课本、单元和知识点几个层次。确定知识项之间的关系，使用历年学生情况与教师经验作为知识项的开始参数数值，不断计算更新KMFSM中对应的贝叶斯网络参数[14]。实际运用时按照以下模块对学生实现个性化智能教学，具体如图5所示。

综上，软硬件的设计实现了大数据背景下的个性化智能教学系统的设计，使用影像传感器连接激光反馈装置，使用双核处理器，采用多触电摸框技术设计一体式高清多点触摸互动镜面装置，将镜面装置安装4个可捕捉的红外光摄像头，组成镜多点的触碰平台。软件部分使用大数据技术处理学生知识掌握情况，利用贝叶斯公式归纳教学数据，使用Java编程录入教学数据，软硬件相互作用，实现个性化智能教学[15]。

3  智能教学系统测试

3.1  准备阶段

测试硬件环境为：

客户端：可安装Web浏览器和连接网络的微机;服务器端：PII以上CPU，64 MB以上内存，10 GB以上硬盘;网络：传输速率在3 MB/s以上。

软件环境为：

客户端：Windows系列操作平台、Internet Explore 4.01以上版本;服务器端：Windows NT 4.0网络操作系统（Pack6）或Windows 2000 Server MS SQL Server 7.0，MS SQL Server 7.0，Visual InterDev6，Frontpage 98/2000，Visual Basic 6，IIS 3.0以上版本。

3.2  测试结果

使用两种传统的智能教学系统与大数据背景下的个性化智能教学系统，在相同的网速下，选择教学系统中的教學模块，记录统计三种教学系统对这三种模块的反应时间，结果如图6所示。由图6可以看出，保持网速在5 MB/s的情况下，在实际操作使用时，传统智能教学系统1在进入教学模块反应时间为2.5 s，传统智能教学系统2所需反应时间为1.5 s，而使用大数据背景下的个性化智能教学系统进入教学模块的反应时间只需0.4 s，提高了系统的反应速度，缩短了系统反应时间，避免浪费不必要的课堂时间，为学生学习知识创造了更多的时间。

4  结  语

随着科技的发展，教学方式以传统式教学转变为借助计算机辅助教学的模式，这种智能教学方式以现代教育理论为基础，综合各种学科知识和方法，以计算机为媒介向学生传授各种知识。大数据背景下的个性化智能教学系统使用硬件结合软件，设计教学、知识等模块，全方面概括课堂上可涉及到的知识。实验结果表明：个性化智能教学系统的反应时间更快，时效性更强，更适合投入到实际教学中使用。

参考文献

[1] 王冰纯，毛妍捷，孙滨颐，等.基于大数据背景下的人工智能客服系统[J].电子测试，2018（13）：72?73.

[2] 龙虎，李娜.大数据背景下网络教学中的智能学习诊断研究[J].凯里学院学报，2017，35（6）：87?91.

[3] 祁明骏.基于教育大数据技术的智能自适应学习系统[J].电子测试，2019（7）：65?67.

[4] 马莲姑，杜锋，黄寿孟.基于大数据分析的MOOC智能自主学习系统设计[J].现代电子技术，2017，40（20）：64?66.

[5] 赵瑞丹.基于大数据分析的思政教学系统的设计与实现[J].自动化与仪器仪表，2018（8）：117?119.

[6] 刘淇，丁鹏，黄小青，等.基于试题网络的个性化学习推荐系统研究[J].现代教育技术，2018，28（6）：11?16.

[7] 何思桥.大数据下教务管理数据分析系统的研究与设计[J].数字技术与应用，2017（11）：160?161.

[8] 高新成，王燕，李春生，等.基于云计算的大数据教学服务平台设计[J].绥化学院学报，2017，37（8）：146?150.

[9] 付达杰.基于大数据的学习分析及其系统建构[J].佛山科学技术学院学报（自然科学版），2017，35（6）：17?20.

[10] 开浩.云计算在智慧校园研发中的设计与应用[J].长春师范大学学报，2017，36（6）：59?62.

[11] 陈琳.大数据环境下信息智能检索系统设计[J].信息与电脑，2017（6）：128?129.

[12] 上超望，韩梦，刘清堂.大数据背景下在线学习过程性评价系统设计研究[J].中国电化教育，2018（5）：90?95.

[13] 崔承毅，王开宇，高庆华，等.基于智能小车的模块化教学系统设计[J].实验技术与管理，2018，35（8）：192?195.

[14] 姚佳俊，姚凯学，何勇.面向智能社区的人体健康系统设计与实现[J].计算机测量与控制，2017，25（11）：205?207.

[15] 刘涛，闵鹏瑾，肖汉.基于JAVA的小学数学四则运算教学系统的设计与实现[J].计算机与数字工程，2018，46（4）：655?658.