基于用户画像的智慧教学辅助系统设计

叶国升 李 军

(湖南涉外经济学院信息与机电工程学院，湖南 长沙 410205)

1 国内外相关技术研究动态

目前人工智能、大数据各种流行技术和各种平台的不断发展使得各种智慧教学辅助系统应运而生。但目前在智慧教学辅助系统上也有很多的不足，比如功能太过单一、智能化不够。

相对于国内,一些国外高校及研究所起步更为早些，如雷丁大学关注互动环节，研究学生们在班级中的交互动作(2005)；德堡大学的DEBBIE项目研发了课堂笔记的自动化程序；美国亚利桑那州立大学的智能教室利用PDA、情境感知中间件(Context-Sensitive Middleware)基于泛在计算和网络技术，实现小组间的交流与合作学习[1]。

国内的智慧教学辅助系统研究的成果中有智慧教室设计和教学模式的建立等，对真正的实践应用还是缺少系统的实践，而且国内部分智慧教学辅助系统完全是利用计算机网络和一些传感设备来进行，而该系统主要是利用人工智能、大数据技术来实现教学辅助，相比利用计算机网络和传感设备，该系统成本开销少，实时、高效。目前国内比较出名的智慧教学软件包括清华大学的“雨课堂”，北京大学使用的“云课堂”及百度公司开发的智慧课堂等，利用移动设备端通过Wi-Fi或者移动数据接入互联网，便于更好地获得教学资源，教师利用多媒体教学设备连接网络随时查看学生的学习进程、个人的备课及开展科研项目等等。但对于学生的个性化需求及互动式教学过程的体现并不突出。

2 智慧教学辅助系统存在的问题

2.1 平台移植

目前，大部分的智慧教学辅助系统采用基于物联网的硬件系统，即软硬件结合的方式，但这种方法却使成本增加，所以考虑采用Android平台的用户画像、场景识别等技术，便携高效且成本较低，能够满足设想的要求，但是平台的迁移问题需后续解决，即兼容IOS系统。

2.2 学生用户画像

利用学生的一些课堂表现和互动环节分析出学生符合哪些标签[2]，并进行教学任务考核，但是在用户签到环节可能会存在无法识别是否在对应教室签到的问题，需要用户客户端与教室摄像头同步进行确认签到，但当上课人数较多时，也会因高并发存在卡顿等问题。

2.3 场景座椅等设备及学生特征检测

教室里的人员或趴或坐，姿势不一，难以找到有效的特征来判定该团块是否为人(正常的人形匹配一般对头肩部位置进行匹配)。若学生恰巧在区域边缘，则将会丢失部分轮廓，此时的特征匹配将会产生很大的误差。

2.4 语音交互及实时记录

教师提前设置好问题或者由系统根据学生的情况分析出一些问题，然后提问学生并实时记录供教师查看。但是由于课堂多种不确定因素，提前设置的问题可能与实际课堂进度不统一，需要灵活地对问题进行更改等。

3 智慧教学辅助系统的设计过程

3.1 智慧教学辅助系统的整体架构设计

智慧教学辅助系统采用C/S架构，服务器使用Tomcat,使用MySQL数据库技术完成后台数据处理。客户端目前支持Android平台，对于IOS平台暂不支持，学生与教师在客户端登录输入账号后，分别进入学生端与教师端，客户端与服务器间采用Spring MVC框架。使用ArcFaceSDK进行用户画像识别，并与用户注册信息进行比对，完成考勤等任务[3]。

3.2 基于虹软SDK实现的用户画像识别过程介绍

3.2.1 用户画像注册过程

首先导入虹软人脸SDK的包文件，自定义程序的人脸信息库,使用List容器进行信息存储，系统中体现为txt文本文件。而人脸信息保存在AFR_FSDKFace类中，为进行注册，再定义一个类将人脸信息与用户姓名关联，方便进行后台考勤登记。本系统在起初，需要用户将本人人脸信息注册到人脸库中，可以采取使用摄像头现场拍照，也可以使用用户客户端本地图片库中个人照片信息进行注册。过程如图1所示：

图1 用户画像注册过程

3.2.2 用户画像识别过程

用户画像的验证与识别使用ExtGLSurfaceView的扩展库CameraGLSurfaceView，ImageView和TextView显示检测到的人脸和相应的描述信息。将NV21的引擎图像格式，与摄像头中的NV21图像格式对应，使用EF库从摄像头识别人脸信息，调用识别函数再调用FR中的人脸信息特征提取数函数，即将人脸特征信息与系统其它信息进行比对[4-5]，当特征值大于0.6表示用户信息匹配完成，画像识别成功[6]，意味着考勤完成。过程如图2所示：

图2 用户画像识别过程

4 智慧教学辅助系统的功能模块设计

基于学生画像的智慧教学辅助系统由一个核心模块和其它功能模块组成，核心模块是用户画像识别模块，其它功能模块包括APP客户端功能模块和服务器端功能模块。

具体的APP主要功能模块如下：控制硬件来调取摄像头模块：该模块主要是控制硬件来调取摄像头捕获图像并把采集到的数据传送至服务器进行分析。教室场景识别和出勤率统计模块[7]：该模块主要是利用场景识别技术实现教室的场景识别，并统计出该教室有多少座位并统计出出勤率，让教师知晓当前课堂学生的出勤情况。学生用户画像模块：利用用户画像技术给学生贴上标签供教师作为教学依据参考。课堂教学互动坏节模块：利用语音交互技术，实现交互问题提问及语音识别记录。 APP加密模块：将获取的用户画像、语音交互产生的信息及用户的身份加密。APP通信模块：向服务器传递加密验证数据，并接收服务器的验证结果。服务器主要功能模块如下：服务器通信模块：接收从客户端传递的数据，并将数据分析模块得出的认证信息返回。服务器解密模块：对加密验证的数据进行解密，得到用户身份信息并进行分析。用户画像处理模块：接收客户端传送过来的图像并分析出该学标签属性，并返回结果。数据分析模块：完成数据的统计与分析。

系统功能结构模块如图3所示。

图3 系统功能结构模块图

5 结语

该系统的应用可以有效提高高校教师的教学质量，能够取代传统的课堂签到环节，提升课堂考勤的效率，系统也能够丰富课堂教学形式，使学生投入到课堂中，活跃课堂氛围，教师教学任务能够更好地开展，并且也能够为期末同学的综合成绩的评定起到帮助作用。相信在移动平台、用户画像、深度学习和场景识别等技术的飞速发展下，智慧教学辅助系统会有更加广泛的发展前景。同时也需注意到该系统目前存在的问题，后期进行完善时需进行多平台应用的扩展，将人脸识别的检测效率不断提高，还需要解决高并发引起的系统卡顿问题等。