基于学生情绪计算的个性化慕课教学进度功能设计与实现

针对大规模线上课程(慕课)教学中存在的个性化教学服务不足问题,引入基于表情分析的学习者实时情绪计算技术,设计了一个能够判断学习者知识点理解程度的个性化线上教学系统原型。采用卷积神经网络框架构建mini-Xception网络模型,对慕课客户端计算机摄像头捕捉到的学习者表情进行实时情绪计算,并通过一个基于支持向量机(SVM)的监督分类模型,构建学习者理解程度判定指标,以判断学习者对于当前学习内容的理解程度。针对不同理解程度的学习者,灵活采用不同授课进度的个性化教学方案,从而更好地满足学习者的需求。对照实验证明了该技术有效地提高了学习者的平均成绩5.75分(P<0.05,N=20)。