基于深度学习的高等职业教育在线开放课程学习过程监测系统.pdf
《基于深度学习的高等职业教育在线开放课程学习过程监测系统.pdf》由会员分享,可在线阅读,更多相关《基于深度学习的高等职业教育在线开放课程学习过程监测系统.pdf(4页珍藏版)》请在咨信网上搜索。
1、现代计算机Modern Computer第 29 卷 第 12 期2023 年 6 月 25 日基于深度学习的高等职业教育在线开放课程学习过程监测系统肖祥林*(四川交通职业技术学院信息工程系,成都 611130)摘要:深度学习算法在人工智能领域使用广泛,将人工智能技术运用到在线开放课程学习过程监测是教育部等五部门关于加强普通高等学校在线开放课程教学管理的若干意见中的要求。对深度学习算法进行研究,设计基于深度学习的高等职业教育在线开放课程学习过程监测系统,对学习过程的监测,能更好地促进在线开放课程高质量发展。关键词:深度学习;过程;监测文章编号:10071423(2023)12011704DOI
2、:10.3969/j.issn.10071423.2023.12.022收稿日期:20230220修稿日期:20230313基金项目:四川高等职业教育研究中心项目(GZY22C10):高等职业教育在线开放课程学习过程监督策略研究作者简介:*通信作者:肖祥林(1981),男,四川隆昌人,硕士,副教授,研究方向为计算机应用技术,Email:0引言以慕课为代表的在线开放课程在我国高校中兴起以来,国家层面持续推进在线开放课程建、用、学、管。据统计,我国线上开放课程数量已超过 5.2万门,学生人数达到 8亿人次,数量和学习规模位居世界第一1。经过持续建设和发展,特别是经历2020年以来大规模在线教学实践
3、,在线教学、线上线下混合式教学已逐渐成为高等职业教育教学新常态。在线开放课程在满足个性化学习需求的同时,刷课、替课现象也时有存在。因此如何有效地监测刷课、替课现象,是亟待解决的问题。深度学习在不同领域有着不同的含义,教育研究领域中学习有深度学习和浅层学习之分;人工智能领域中,深度学习是复杂的机器学习算法,使计算机模仿人类进行识别和思考问题,在人工智能与机器视觉中应用较为广泛2。本文设计出基于深度学习的高等职业教育在线开放课程学习过程监测平台,旨在对在线开放课程学习过程中刷课、替课现象进行监测,从而提高在线开放课程学习质量。计算机深度学习的核心思想是使用卷积神经网络对数据集进行训练,计算机自主对
4、训练模型进行监测3。人脸识别技术是深度学习中应用最广泛和成熟的,目前成熟的深度学习框架有Kears、PyTorch、Tensorflow等4。1系统分析该系统结合人脸识别技术主要解决在线开放课程学习过程中刷课现象,主要实现以下功能:学习者人脸模型预测,学习过程预警监测,监测异常自动结束在线学习等5。功能描述见表1。表 1系统功能分析功能模型预测学习预警异常处理功能描述(1)人脸检测:结合学习者终端摄像头,标定出人脸位置;(2)特征提取:对检测出的人脸位置,提取区域内的人脸特征;(3)人脸识别:提取的人脸特征与数据库中的学习者特征进行对比,判断是否为合规的学习者(1)弹窗预警:摄像头监测区未检测
5、到人脸模型,弹窗预警;(2)暂停进度:弹窗预警提示后,并暂停学习进度,等待学习者回位后继续学习进度(1)结束进程:检测出异常学习者,自动结束学习进程;(2)异常信息:记录异常数据,并生成学习报告 117现代计算机2023年2系统设计2 2.1 1系统架构设计系统架构设计该学习过程监测系统主要包括人脸检测、人脸识别、弹窗预警、结束进程模块,生成部署在学习者设备终端上,系统架构框图如图1所示。开始摄像头采集是否检测到人脸捕获当前数据提取特征数据比对分析合规学习者弹窗预警结束进程否是否是图 1系统架构2 2.2 2系统功能设计系统功能设计根据需要分析结果,高等职业教育在线开放课程学习过程监测系统包含
6、用户管理、学习者人脸识别、监测事件处理等功能,其核心功能如图2所示。高等职业教育在线开放课程学习过程监测系统用户管理设置用户注册信息设置用户角色设置管理员角色采集用户人脸信息学习者人脸识别人脸识别人脸特征提取人脸规范化人脸检测监测事件处理监测分析统计生成监测报告结束学习进程弹窗预警图 2系统功能3系统实现3 3.1 1系统实现系统实现的关键技术的关键技术随着时代的发展,Python语言成熟、实用、功能强大,具有丰富的第三方库、开发高效便捷的特点,在 2023 年 1 月的 TIOBE 排行榜中,Python语言热门程度排名世界第一,Ratings为16.36%。本项目使用PyCharm开发环境
7、,是Python集成开发环境,开发效率高、调试便捷6。OpenCV是开源发行的计算机视觉库,主要应用在人机互动、人脸识别、图像分割等领域,是能被Python语言调用访问的第三方库,并且可以在 Windows、Linux、MAC OS 等平台上运行。OpenCV由C函数和C+类组成,可用于计算机视觉方面,如:图像分割与识别、人脸识别、3D构建等。如CV2中的VideoCapture 函数,能实现摄像头调用;LBPHFaceRecognizer函数,能实现对人脸的匹配检测;cvtColor函数,能实现提取视频中的帧进行处理。Kears 是基于 Theano、Tensorflow 的深度学习框架,是
8、基于Python编写的人工神经网络库,在代码结构上属于面向对象的编程方法,具有开源、可扩展、模块化的特点。在Python中安装便捷,使用 pip install keras 命令即可完成安装,支持卷积神经网络,同时支持CPU和GPU,对硬件依赖度不高,满足项目开发需求。3 3.2 2实现方法实现方法深度学习人脸检测算法分为两阶段(twostage)和单阶段(onestage)算法。twostage 算法包括FasterRCNN、MaskRCNN系列,该类算法能精准地定位与检测人脸模型,但多一个阶段的预选区域操作影响检测效率7。onestage算法包括 YOLO(you only look on
9、ce)、MTCNN 系列,该类算法候选区域一步就确定,检测速度较快,其中 YOLO 系列算法在人脸检测中运用已非常成熟,且YOLO目标检测算法模型为开源算法,本项目采用YOLOv5模型算法。开 发 环 境:Windows 11 平 台、Pycharm、OpenCV、Kears框架,CPU:i7-1260P,内存:16 GB,118肖祥林:基于深度学习的高等职业教育在线开放课程学习过程监测系统第12期显卡:RTX3050,显存:6 GB。使用OpenCV函数库中的VideoCapture(0)函数打开学习终端设备内置摄像头,采集摄像头中学习者数据帧,并使用Kears深度学习框架进行人脸特征数据提
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 深度 学习 高等职业教育 在线 开放 课程 过程 监测 系统
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。