资源描述
个性化智能教学系统设计分析1教学系统硬件设计 智能教学系统硬件部分主要设计感应模块、显像模块与主机控制模块。感应模块使用多点触控技术,将影像传感器与镭射激发反馈装置连接,影像传感器使用影像像素在38万以上的高分辨率型的CCD器件,如图1所示。镭射激发反馈装置采用一个激光发射器,激光发射器会发射出一束平行于操作界面的红外镭射光,镭射光组成一个光面。在实际操作时,用户接触到操作界面的操作时,会阻挡镭射光面,在操作界面上形成一个光面断点,此时形成的光面断点就可完成用户触控操作3。为了实现操作可在任一平面投射影像,显像部分采用微型投影器,本文采用3M公司出产的投影装置,具体参数如表1所示。核心运算的主机使用参数为IntelCoreDue21.66GHz的双核处理器,连接上述核心硬件。将投影机与CCD影像传感器连接在一起,并固定在一个透明、颜色较暗的盒子中,盒子放置在400mm可伸缩支架的顶端。主机与激光发射器固定于可伸缩支架的底部4。连接方式如图2所示。本文研发了一体式高清多点触摸互动镜面装置,显示器采用高清55寸LED液晶显示器,镜面采用MTW特质高透低反面镜。采用多触电摸框技术,将两个红外线扫描相机放置在触摸边框相邻角上5。工作时,红外线扫描相机根据红外光源的阻断来检测任何触摸其探测层的物体位置数据。触摸框边缘形成一个光层,光层照射到屏边,并由屏三个边上的定向反射条返回给相机6。设计一个底座将液晶镜面得以站立,整体设计的一体式高清多点触摸互动镜面装置如图3所示。使用FTIR技术的技术要求,智能镜面多点触技术选择反射多点触摸技术,采用8mm的树脂玻璃导光板,不断调整支撑架的滑动槽7。下设IR850nm的红外LED光条,光条间距为16.7mm,使用超薄双面胶粘贴在固定支架的四周边缘。使用4个可捕捉的红外光摄像头放置在可调节挡板上,将USB数据线穿过液晶面板拆分后的发光层8。将显示器的液晶层安置在导光板的下层,将显示器的发光层安置在支架上的调节挡板上,不断调试核心组件,选择合理的组装位置。在树脂板上打出电源与数据线的出口,组装为一个镜多点触碰平台,组装后的成品如图4所示。镜多点触碰平台外连接投影仪器,即可完成对教学系统硬件部分的设计,平台内设计大数据相关程序,完成对教学系统的个性化智能控制9。 2教学系统软件设计 软件部分首先使用大数据技术处理学生知识掌握情况,使用贝叶斯公式与其一种归纳推理方法将知识情况描述为:P(H|E,c)=P(H|c)P(E|H,c)P(E,c)(1)式中:c为先验信息;E为额外证据;H为信任度;P(H|E,c)为后验概率;P(H|c)是在给定c的条件下,H的先验概率;P(E|H,c)为似然度,是证据E的概率10。在H和c都为真的情况下,P(E|H,c)是比例因子,这个比例因子独立于H。为了避免数据分析不准确,定义一个贝叶斯网络形式:B=(2)式中G是一个由随机变量知识集X作为顶点,函数逻辑关系为弧的有向无环图11。假设G顶点随机变量Xi的知识变量合集为i,P是i事件出现前提下Xi事件出现的条件概率,定义随机变量知识集合X上联合条件分布为:P(X1,X2,X3,)=p(X|ii)(3)式中为联合条件系数12。使用Java编程实现贝叶斯网络,使用JavaBayes生成voidtestuntitled,使用throwdelete删改生成的多余代码,利用importJava.until.*导入贝叶斯网络教学过程learnException*,编程Java实现智能教学过程。将贝叶斯网络使用Java编程导入后,使用KMFSM建模关键算法,将知识集合的全集通过学生的学习行为和测试表现计算出KMFSM中的节点数13。按照不同的教学大纲,将知识项按照不同体系分成年级、课本、单元和知识点几个层次。确定知识项之间的关系,使用历年学生情况与教师经验作为知识项的开始参数数值,不断计算更新KMFSM中对应的贝叶斯网络参数14。实际运用时按照以下模块对学生实现个性化智能教学,具体如图5所示。综上,软硬件的设计实现了大数据背景下的个性化智能教学系统的设计,使用影像传感器连接激光反馈装置,使用双核处理器,采用多触电摸框技术设计一体式高清多点触摸互动镜面装置,将镜面装置安装4个可捕捉的红外光摄像头,组成镜多点的触碰平台。软件部分使用大数据技术处理学生知识掌握情况,利用贝叶斯公式归纳教学数据,使用Java编程录入教学数据,软硬件相互作用,实现个性化智能教学15。 3智能教学系统测试 3.1准备阶段。测试硬件环境为:客户端:可安装Web浏览器和连接网络的微机;服务器端:PII以上CPU,64MB以上内存,10GB以上硬盘;网络:传输速率在3MB/s以上。软件环境为:客户端:Windows系列操作平台、InternetExplore4.01以上版本;服务器端:WindowsNT4.0网络操作系统(Pack6)或Windows2000ServerMSSQLServer7.0,MSSQLServer7.0,VisualInterDev6,Frontpage98/2000,VisualBasic6,IIS3.0以上版本。3.2测试结果。使用两种传统的智能教学系统与大数据背景下的个性化智能教学系统,在相同的网速下,选择教学系统中的教学模块,记录统计三种教学系统对这三种模块的反应时间,结果如图6所示。由图6可以看出,保持网速在5MB/s的情况下,在实际操作使用时,传统智能教学系统1在进入教学模块反应时间为2.5s,传统智能教学系统2所需反应时间为1.5s,而使用大数据背景下的个性化智能教学系统进入教学模块的反应时间只需0.4s,提高了系统的反应速度,缩短了系统反应时间,避免浪费不必要的课堂时间,为学生学习知识创造了更多的时间。 4结语 随着科技的发展,教学方式以传统式教学转变为借助计算机辅助教学的模式,这种智能教学方式以现代教育理论为基础,综合各种学科知识和方法,以计算机为媒介向学生传授各种知识。大数据背景下的个性化智能教学系统使用硬件结合软件,设计教学、知识等模块,全方面概括课堂上可涉及到的知识。实验结果表明:个性化智能教学系统的反应时间更快,时效性更强,更适合投入到实际教学中使用。 3
展开阅读全文