[发明专利]一种基于人工智能的教学系统、计算机设备、存储介质

权利要求书

1.一种基于人工智能的教学系统，其特征在于，所述基于人工智能的教学系统包括：

学习薄弱点确定模块，与中央控制模块连接，用于基于用户评分确定用户学习薄弱点；

教学模块，与中央控制模块连接，用于基于确定的用户学习薄弱点进行针对性教学；

图像采集模块，与中央控制模块连接，用于采集用户教学过程中的人脸图像以及身体动作图像数据；

图像分析模块，与中央控制模块连接，用于基于采集的相应图像进行分析，确定用户的学习状态；

学习监测模块，与中央控制模块连接，用于获取用户的学习数据，监测用户的学习状况；

学习过程评分模块，与中央控制模块连接，用于基于用户的学习状态、学习状况进行用户学习过程评分；

评测模块，与中央控制模块连接，用于基于教学内容进行用户本阶段测评；

教学评估模块，与中央控制模块连接，用于基于用户本阶段测评结果与初步评测结果的进步值、学习过程评分进行教学质量评估；具体包括：首先，将用户本阶段测评结果与初步评测结果的进步值、学习过程评分作为评估因子，将因子分子与模糊数学隶属度结合得到因子隶属度，如下公式：

式中x0代表初步评测结果；x1代表本阶段测评结果；x代表学习过程评分；

其次，对教学质量单项指标评价；计算综合权重；所述计算综合权重包括：

计算单个指标的权重：

即

式中：Ai代表当前指标数值；Lk代表指标能级；

使用模糊模型中统一化权重计算：

式中：Wk代表单一指标权重；

有n个教学质量指标，即得到教学质量综合权重矩阵B：

B＝[W1，W2，......，Wn]

最后，将矩阵R与矩阵复合计算，计算得到教学质量状况；

所述单项指标评价公式如下：

建立下式：

其中，W为教学质量各项指标样本集合，L为教学质量各项指标污染等级集合，A为样本数值；n为指标数目；m为教学质量能级个数据；

通过下公式计算出单项指标的因子隶属度，对应n个教学质量指标得到m*n的矩阵R；

教学调整模块，与中央控制模块连接，用于基于教学质量评估结果调整教学任务、教学方式。

2.如权利要求1所述基于人工智能的教学系统，其特征在于，所述基于人工智能的教学系统还包括：

用户身份注册登录模块，与中央控制模块连接，用于进行教学系统用户身份的注册与登录；

用户水平选择模块，与中央控制模块连接，用于用户基于自身学习水平选择目前的学习程度；

中央控制模块，与用户身份注册登录模块、用户水平选择模块、初步测评模块、学习薄弱点确定模块、教学模块、图像采集模块、图像分析模块、学习监测模块、学习过程评分模块、评测模块、教学评估模块以及教学调整模块连接，用于利用单片机或控制器控制各个模块正常工作。

3.如权利要求1所述基于人工智能的教学系统，其特征在于，所述基于人工智能的教学系统还包括：

初步测评模块，与中央控制模块连接，用于基于用户选择的学习强度自动确定相应的试题测评用户当前水平，并输出用户评分。

4.如权利要求1所述基于人工智能的教学系统，其特征在于，所述学习薄弱点确定模块确定用户学习薄弱点的方法包括：

1)基于用户初步测评分数，确定用户的错题数目，针对用户每一道错题确定错误试题的解题思路信息、错误试题的规范解题信息；

2)基于错误试题的解题思路信息、错误试题的规范解题信息判断所述用户学习是否存在薄弱点。

5.如权利要求4所述基于人工智能的教学系统，其特征在于，所述基于错误试题的解题思路信息、错误试题的规范解题信息判断所述用户学习是否存在薄弱点包括：

若错误试题未没有解题思路，或者，解题思路不清晰，则判断用户存在薄弱点。