智慧教育AI大脑

让AI成为教育变革新动力

AI+学生专注力

专注力可以反映出学生是否进入学习状态。传统课堂,老师通过提高音量、增加互动、改进内容等方式提高学生的专注力,但由于教学任务重、班级人数多、精力有限,老师无法细致地了解每位学生每堂课的专注力情况。

 

利用头部姿态估计技术,建立头部三维空间姿态模型,通过头部姿态在不同坐标系之间的相互转换,有效判断头部具体朝向。再利用视线方向追踪技术,计算人眼的视线方向,对汇总数据进行二次分析。

 

在AI技术的加持下,可视化为老师呈现每堂课或者每位学生的专注力变化。老师可以利用数据调整教学设计,并测试改进效果,提升课堂教学质量。

了解详情
在线技术体验

AI+知识点

课堂知识点的梳理和提炼,是学生课后复习的重要依据。但是,传统课堂的知识点提炼无法自动化,且难以建立体系和逻辑,对学生的帮助有限。

   

利用关键词提取、知识链接等自然语言理解(Natural Language Understand,NLU)技术,提取课堂教学的关键词,再将提取到的关键词与基础教育知识图谱中的实体做关联分析,可以有效地统计老师授课知识点的分布,以及知识点之间的相关联系。

   

课前可以帮助老师准备授课内容中的知识点;课中可以分析课堂教学内容的思路与关联关系,对教学内容进行评估;课后可以为学生生成所讲授知识点的知识卡片,方便学生进行复习。

   

*清帆科技与清华大学知识工程实验室合作,目前已有大规模基础教育知识图谱1000多个概念类、160万多实例、2200万条三元组,覆盖1300本教材教辅的电子资源,100011本课外的电子书资源。

了解详情

AI+校园安防

校园安全事故责任重大,只有0次和N次的区别。自杀、霸凌、财务室被盗、学生翻墙、可疑人员闯入等都是校园危险行为。危险事故发生后,学校领导承担主要责任,学校声誉受到严重损害。校园安防以监控体系为主,传统的监控体系需要依靠人力进行视频的检索,无法在事故发生的第一时间进行预警,而多用于事后取证,是一种被动且滞后的防御系统。

  

利用目标检测、骨骼关键点检测、人体姿态估计等行为识别技术,可以精准定位行人并测定数量,识别校园里追逐打闹、离开岗位、聚众、可疑停留等多个危险行为,同时利用5G+MEC(边缘计算)在最近捕获数据的位置进行初始分析,减少延迟并提高预警效率。

  

在AI技术的帮助下,计算机将替代安保人员,时刻盯住并分析监控画面,检测校园里正在发生的各类危险行为,并在3秒内主动向安保人员发出警报,最大程度地降低对学生、教职员工和学校设施的风险。

AI+视力疲劳提醒

相关数据显示,儿童青少年近视增长最快的时期在小学,2018年全国小学一年级近视率为15.7%,六年级为59.1%,近视率在小学增加了43%,近视防控的重点应该在小学阶段。学生在课堂上的不良姿势,如趴在桌子上看书、弯腰驼背,眼睛离课本过近是引起近视的原因。


但是在传统课堂里,受到教学任务、班级人数和精力的限制,老师无法及时察觉每位学生的坐姿和视力疲劳情况。很多学生在课堂上养成错误的习惯,一时半会又很难纠正。

  

利用骨骼关键点检测、人体姿态估计等行为识别技术,对学生眼睛与书本的垂直距离、眼睛大小和眨眼次数等数据进行有针对性的采集和归纳,进一步得出视力疲劳程度。进行不良坐姿的模型训练,对不良坐姿进行分类,实现不良坐姿的实时高精度检测。

  

最终分析得出近视风险等级,将近视风险以可视化报告的形式呈现给老师与家长,辅助老师和家长判断学生的视力状况,利用AI技术对近视进行有效预防。

了解详情
在线技术体验

AI+师生发言互动

师生在课堂上的发言互动,既能反映出教师的教学模式和教学设计,又能帮助学生在交流的过程中获取知识、开发思维、锻炼社交能力。在传统课堂,师生发言互动情况无法通过全面的记录进行量化,只能凭借教师的教学经验和学生的课堂反馈,了解课堂大概的认知。

  

利用话音激活检测、说话人分类等语音分析技术,在全面记录课堂教学的基础上,首先将话音信号与各种背景噪声信号区分,提取分离各音频信号,对语音进行预处理,提高语音质量。再通过循环神经网络模型,提取语音的高维度特征,实现说话人分类,区分教师发言与学生发言。

  

师生发言互动分析,可以帮助教师了解整堂课的互动节奏以及授课模式,为教学设计的优化提供数据依据。

AI+课堂师生行为

课堂上的师生行为是沟通交流的一个重要途径。在传统课堂,师生互动行为无法被完整记录,也无法成为教师进行教学反思的依据。

            

基于骨骼关键点检测、人体姿态估计等行为识别技术,对人体的18个骨骼关键点进行检测,识别出人体头部、躯干以及四肢关键节点。通过数据建模,识别学生在课堂上抬头、低头、侧头、举手、站立、托下巴、趴桌和书写等行为,识别教师在课堂上讲授、巡视、板书、演示、提问等行为。

            

对课堂师生行为的记录与分析,有利于教师获知学生的学习状态,帮助教师进行教学反思和教学优化。例如,学生的抬头率可以反映出在一段时间内学生是否认真听讲,是否跟上教师的教学节奏。

在线技术体验

AI+学生课堂情绪

课堂情绪与学生的学习效果、心理状态关系密切。在传统课堂,教师只能凭借主观观察和教学经验判断学生的情绪变化,无法获取精确的数据反馈。

            

基于人脸识别、微表情分析等情感计算技术,利用68个面部关键点,定位出人脸面部的关键区域位置,实现人脸检测。运用人脸对齐、人脸数据增强、人脸归一化及情感特征提取等算法,可以实现6种情绪(高兴,惊喜,中性,伤心,生气,害怕)识别,3类情绪(正面情绪、中性情绪、负面情绪)占比分析,2种情绪变化状态(正面情绪变化状态、负面情绪变化状态)分析。

            

学生课堂情绪分析数据,将抽象的情绪进行量化,辅助教师了解学生的心理状态及课堂表现,在此基础上改进教学设计,提升教学效果。

在线技术体验

AI+课堂板书

课堂板书记录了课堂的知识要点与脉络、解题过程与思路。传统课堂的板书,虽然教师花费了大量的时间和精力,但课后就会被擦掉,没有得到充分有效的利用。有些学生为了记笔记,还会耽误听讲,得不偿失。

            

利用图像增强处理技术,采用自适应阈值的二值化算法,转换板书图片为白纸黑字效果。采用形态学滤波运算消除噪声内容并圆滑笔迹,采用边缘提取算法精确提取字体轮廓,极大地保留字体字迹,最终提高板书内容的可视性与使用体验。

            

提取后的板书将保存为图片,教师可以存储用于课后教学研究,可以分享给同事进行教学交流,也可以分享给家长帮助学生课后复习,也可以作为学校教学资源的积累。

AI+学生活跃状态

学生活跃状态可以反映出学生的课堂参与情况。在传统课堂,教师无法获得及时有效的活跃状态反馈,只能借助于课堂观察。

            

利用热力值分析技术,从视频中分离出背景图像,基于深度学习算法对前景内像素点的变化进行记录与分析,进一步渲染生成动作热力图。

            

通过教室热力值分析结果,教师可以在课后快速了解班级活跃状态,并将活跃状态与教学设计进行联系,辅助教师进行教学设计的优化和改进。

联系清帆售前顾问

更多相关信息或问题,请交给我们为您解答(工作日9:00 — 17:00)

拨打咨询电话
​010-83058265

填写需求
售前顾问将与您联系