(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211300815.2 (22)申请日 2022.10.24 (71)申请人 首都师范大学 地址 100089 北京市海淀区西三环北路10 5 号 (72)发明人 万海鹏　王琦　余胜泉　骈扬　 (74)专利代理 机构 苏州大成君 合知识产权代理 事务所(普通 合伙) 32547 专利代理师 谢层层 (51)Int.Cl. G06Q 50/20(2012.01) G06V 10/762(2022.01) G06Q 10/06(2012.01) (54)发明名称 一种在线学生异质分组系统及方法 (57)摘要 一种在线学生异质分组系统及方法， 智能终 端用于在 线学习， 服务器中运行在线学生异质分 组系统， 在线学生异质分组系统包括多模态过程 数据获取模块、 学生画像特征分析模块、 学生异 质分组计算模块和分组结果输出模块。 本发明适 用于一般在线课程学习平台， 可以实现基于学生 认知状态、 知识结构、 学习情绪和学习风格特征 的自动异质分组， 降低在线课程学习过程中协作 学习任务分组中不同小组之间的差异， 提升小组 内成员之间的协作互补程度， 充分发挥小组内成 员的各自优势， 进 而提高在线协作学习的效果。 权利要求书3页 说明书9页 附图3页 CN 115545982 A 2022.12.30 CN 115545982 A 1.一种在线学生异质分组系统， 其特征在于： 所述在线学生异质分组系统包括多模态 过程数据获取模块、 学生画像特征分析模块、 学生异质分组计算模块和分组结果输出模块， 其中： 多模态过程数据获取模块： 通过计算机自动采集学生以往和当下在在线课程学习平台 中进行学习时所产生的各种模态过程数据， 并存储于多模态过程数据库中； 所述过程数据 包括四部分数据： 交互行为数据， 讨论音视频数据， 表情动作数据， 文本发表数据； 其中， 所 述交互行为数据包括点击、 浏览、 收藏、 暂停、 回看、 提交、 或取消操作所产生的行为数据； 所 述讨论音视频数据包括在线讨论、 音视频会议、 或在线直播授课过程中所产生的音视频数 据； 所述表情动作数据文本发表数据包括课程学习过程中表现出的面部表情、 情绪情感、 或 手势动作； 所述文本发表数据包括评论、 发帖、 回帖、 编辑内容、 在线答题、 问卷填写、 或量表 填写过程中所产生的文本数据； 学生画像特征分析模块： 借助多模态过程数据获取模块中所采集的四部分数据， 从学 生的认知状态、 知识结构、 学习情绪和学习风格四个维度进 行特征分析； 所述认知状态和知 识结构维度， 主要参照由课程教师通过计算机 建立的课程学习任务与课程知识 点之间的关 联、 设计的课程学习评价方案， 利用其中的交互行为数据和文本发表数据实现对学生认知 状态和知识结构的向量表征； 所述学习情绪维度， 主要借助表情自动识别技术利用其中的 讨论音视频数据和表情动作数据实现对 学生喜爱、 愉快、 感谢、 抱怨、 愤 怒、 厌恶、 恐惧、 悲伤 八种情绪的向量表征； 所述学习风格维度， 主要参考所罗门学习风格量表指标体系， 利用其 中的交互行为数据和文本发表数据从信息加工、 感知信息、 输入信息和内容理解四个方面 实现对学生学习风格的向量表征； 学生异质分组计算模块： 课程教师设置进行学生异质分组的条件规则， 包括每个小组 人数和异质要求； 所述异质要求为参与学生异质分组计算的向量维度， 其中认知状态向量 维度和知识结构向量维度为必选项， 学习情绪向量维度和学习风格向量维度为可选项； 以 学生画像特征分析模块中所获得 的认知状态、 知识结构、 学习情绪和学习风格四个维度向 量为基础， 根据课程 教师所设置的异质要求构建学生分组特征向量矩阵， 采用K ‑means算法 将学生自动聚集为数量等同于每个小组人数的类别数， 并依次从每个类别中选取相应学生 形成组内学生之间特 征异质的课程学习小组； 分组结果输出模块： 利用学生异质分组计算模块所获得的学生分组信息， 以列表视 图 的方式展示各小组的学生人数、 男女生比例、 学生两两 之间的异质程度， 其中以文本的形式 表征学生人数、 以条形图的形式表征男女生比例、 以关系图的形式表征学生两两之间在认 知状态、 知识结构、 学习情绪和学习风格四个方面的异质程度。 2.根据权利要求1所述的在线学生异质分组系统， 其特征在于： 所述在线学生异质分组 系统运行于服 务器中， 服 务器能与装有在线学生异质分组系统客户端的智能终端通讯。 3.根据权利要求1所述的在线学生异质分组系统， 其特征在于： 所述在线学生异质分组 系统进行学生分组的依据包括认知状态和知识结构两个必选要素以及学习情绪和学习风 格两个可选要素。 4.一种在线学生异质分组方法， 其特 征在于实现步骤如下： 步骤(1)、 课程教师通过计算机在在线课程学习平台中设计在线课程学习任务， 建立在 线课程学习任务与课程知识点之间的关联， 设计在线课程学习评价方案， 嵌入基于所罗门权　利　要　求　书 1/3 页 2 CN 115545982 A 2学习风格量表开发的调查问卷； 步骤(2)、 学生利用移动终端或计算机完成在线课程学习任务、 填写所罗门学习风格量 表， 同时课程教师通过内嵌于上述移动终端或计算机中的数据采集接口、 外部音视频采集 设备捕获学生在线课程学习过程中所生成的行为交互数据、 讨论音视频数据、 表情动作数 据和文本发表数据， 并存 储于多模态过程数据获取模块； 步骤(3)、 利用步骤(2)中获取的行为交互数据、 讨论音视频数据、 表情动作数据和文本 发表数据， 从认知状态、 知识结构、 学习情绪和学习风格四个方面对学生进行画像特征分 析； 其中所述认知状态是对 学生有关课程知识习得水平的刻画， 参照步骤(1)中设计的在 线 课程学习评价方案， 由在线课程学习平台根据学生在与课程知识相关联的所有学习任务中 的得分情况进行自动评判， 所述知识结构是对学生有关课程知识之间关系习得水平的刻 画， 由在线课程学习平台根据学生对构成知识关系的两端课程知识的认知状态进 行自动评 判， 所述学习情绪是对学生在线课程学习 过程中情绪状态的刻画， 借助目前成熟 的人工智 能技术或工具， 实现对学生喜爱、 愉快、 感谢、 抱怨、 愤怒、 厌恶、 恐惧、 悲伤八种表情的自动 识别， 形成学生在上述八种表情上 的表征向量； 所述学习风格对学生在线课程学习过程中 所展示出的相对稳定的学习方式的刻画， 利用学生填写的基于所罗门学习风格量表开发的 调查问卷信息， 将学生在信息加工、 感知信息、 输入信息和内容理解四个方面的特征依次映 射为阈值集合上的某个取值； 步骤(4)、 课程教师设定异质分组规则， 即每个小组的人数N和参与异质分组计算的维 度， 其中认知状态和知识结构为必选维度、 学习情绪和学习风格为可选维度； 步骤(5)、 利用步骤(3)中获取的所有课程学生在认知状态、 知识结构、 学习情绪和学习 风格四个维度上的特 征信息和步骤(4)中设定的异质分组规则， 构建学生分组特 征向量矩阵集 合CM； 利用学生分组特征向量矩阵集合CM数据， 采用K ‑means算法将课程学生自动聚集为N 类， 并依次从N类学生群体中各选取1名学生， 形成包含N名学生的在线学习小组， 重复上述 过程直至某一类中所有学生均被分配到小组中； 对于其他N ‑1类中剩余的学生S， 则继续采 用K‑means算法将学生聚集为N类， 并依次从所述N类学生群体中各选取1名学生， 形成包含N 名学生的在线 学习小组， 重复上述过程直至某一类中所有 学生均被分配到小组中或当其他 N‑1类中剩余的学生人数满足S<N时终止； 同时， 在上述从N个聚类中依次选取学生的过程 中， 将以不同学生之 间认知状态向量和知识结构向量的差异互补程度作为异质学生选取的 重要依据； 步骤(6)、 课程教师和学生通过移动终端或者计算机查看在线学生异质分组系统生成 的分组结果信息； 将各小组的学生人数、 男女生比例、 学生两两之 间的异质程度以可视化图 形的呈现给教师和学生， 其中学生只能查看本人 所在小组的信息 。 5.如权利要求4所述的在线学生异质分组方法， 其中， 在所述课程知识习得水平刻画的 自动评判中， 如果学生在某个课程知识上 的得分超过及格分数， 则在该课程知识上 的习得 水平将被标记为掌握， 否则将被标记为没有掌握。 6.如权利要求4所述的在线学生异质分组方法， 其中， 在所述课程知识之间关系习得水 平刻画的自动评判中， 如果学生在构成某种知识关系的两端课程知识的习得水平都为掌 握， 则对该知识关系的习得水平将被标记为完全理解， 如果只是某一端的课程知识水平为权　利　要　求　书 2/3 页 3 CN 115545982 A 3