【技術實現步驟摘要】
本專利技術涉及知識挖掘，具體為一種基于vr智慧教育的教學知識挖掘方法、系統、設備和介質。
技術介紹
1、隨著信息技術的飛速發展，在線教育和遠程教育已逐漸成為現代教育的重要組成部分。尤其是近年來，虛擬現實（vr）、增強現實（ar）、人工智能（ai）和大數據等技術的不斷進步，為教育領域帶來了新的變革。這些新興技術為教學提供了更多的可能性，打破了傳統教學方式的局限性，使學習過程更具互動性和沉浸感。然而，盡管這些技術在教育中的應用日益廣泛，當前的教學平臺在個性化和互動性方面仍存在一些顯著不足，影響了學習效果的提升。
2、在線教育平臺（如coursera、edx、udemy等）使得全球的學習者能夠通過互聯網獲取優質的教育資源。這些平臺提供了豐富的課程內容，包括視頻、文本、測驗等形式，有助于學生自主學習。然而，雖然內容豐富，這種主要基于視頻和文本的教學方式在互動性上仍然有所欠缺，難以滿足所有學習者的需求。
3、人工智能技術被廣泛應用于教育領域，以實現自動化的個性化教學。通過機器學習算法，系統可以分析學習者的行為數據，推測他們的學習狀態，從而為每個學習者推薦合適的學習內容。然而，現有的ai教育技術大多基于靜態數據的分析，難以做到實時調節和多維度交互。
4、隨著vr技術的不斷進步，其在教育中的應用逐漸增多。vr技術能夠為學習者提供沉浸式的學習體驗，尤其在科學、工程、醫學等領域的教學中得到了廣泛的應用。例如，vr可以模擬危險的化學實驗、復雜的外科手術操作等場景，幫助學生在虛擬環境中安全地進行實踐。然而，現有的v
5、盡管這些技術在教育中取得了一定的成果，但當前的教學平臺在個性化、互動性和智能化方面仍然存在一些不足，現有的大部分在線教育平臺難以根據學習者的實際情況（如學習能力、興趣愛好、健康狀況等）進行個性化的教學內容推送。許多系統只是根據學習者的歷史表現進行簡單的內容推薦，而沒有考慮多維度的數據，如情感狀態、身體健康數據、實時反饋等，導致學習路徑設計相對單一，難以滿足學習者的個性化需求。傳統的在線學習主要依賴于視頻和文本，這種單向的教學方式缺乏互動性。即使在一些vr教學系統中，雖然能夠提供身臨其境的學習體驗，但大多數系統僅支持固定的3d場景模擬，無法與學習者進行深度交互。例如，學習者無法通過語音、手勢等多種方式與系統進行交流，也無法根據自身的學習需求對虛擬場景進行自定義的調整。此外，現有系統在教學過程中的反饋較為單一，通常只能通過測驗的形式獲取學習者的表現數據，而不能動態調整教學策略。?盡管人工智能技術的引入使得個性化推薦和學習路徑的自動調整成為可能，但大多數系統仍然是基于離線數據的分析，而缺乏實時數據的處理能力。學習者在學習過程中出現的即時情感變化或健康狀態波動難以被系統快速捕捉和響應，這就導致了系統在提供個性化教學時滯后于學習者的實際需求，無法根據學習者的情緒狀態或身體狀況及時調整教學內容和難度。?現有的教育系統很少考慮到學習者的生理和心理健康狀態。盡管部分系統可以采集到用戶的一些生理數據（如心率、步數等），但這些數據通常用于健康管理領域，而非教育領域。當前的教學平臺缺乏對健康數據的深度挖掘和分析，無法根據學習者的健康狀況動態調整學習內容，忽視了學習過程中健康因素對學習效率的影響。
6、現有的教育平臺大多是按課程或學科進行內容組織，缺乏跨學科的知識關聯能力。學習者在學習過程中可能需要結合多個學科的知識來解決復雜問題，而現有系統難以自動建立這些跨學科的關聯。知識圖譜在部分平臺中有應用，但通常是靜態的，缺乏動態更新和自適應調整的能力。
技術實現思路
1、鑒于上述存在的問題，提出了本專利技術。
2、因此，本專利技術解決的技術問題是：現有的vr在線教育平臺存在個性化不足，互動性低，數據利用不充分，以及如何有效整合實時健康數據和情緒反饋以提升教學質量的問題。
3、為解決上述技術問題，本專利技術提供如下技術方案：一種基于vr智慧教育的教學知識挖掘方法，包括獲取學習者的第一行為數據，并構建vr模型。根據所述行為數據，生成一級學習路徑，并獲取各個路徑的模擬學習效果數據。采集第二行為數據，結合模擬學習效果數據，確定二級學習路徑。獲取學習后的第三行為數據和第一健康數據，并與所述二級學習路徑的模擬效果數據進行對比形成反饋結果。
4、作為本專利技術所述的基于vr智慧教育的教學知識挖掘方法的一種優選方案，其中：所述獲取學習者的第一行為數據包括通過vr設備采集學習者在虛擬學習環境中的行為數據。
5、作為本專利技術所述的基于vr智慧教育的教學知識挖掘方法的一種優選方案，其中：所述根據所述行為數據，生成一級學習路徑包括利用行為數據，生成多個具有不同內容結構和呈現順序的一級學習路徑，每個學習路徑根據學習者的個人情況進行模擬。
6、作為本專利技術所述的基于vr智慧教育的教學知識挖掘方法的一種優選方案，其中：所述獲取各個路徑的模擬學習效果數據包括基于歷史數據和相關特征來預測各個路徑的學習效果。
7、作為本專利技術所述的基于vr智慧教育的教學知識挖掘方法的一種優選方案，其中：所述采集第二行為數據包括采集學習者當前的行為數據作為第二行為數據，采集數據類型與第一行為數據相同。
8、作為本專利技術所述的基于vr智慧教育的教學知識挖掘方法的一種優選方案，其中：所述確定二級學習路徑包括比較學習者當前的行為數據和各個路徑的模擬效果數據，確定具有最佳預期效果的學習路徑，作為二級學習路徑，適應學習者的個性化需求和實時狀態。
9、作為本專利技術所述的基于vr智慧教育的教學知識挖掘方法的一種優選方案，其中：所述獲取學習后的第三行為數據和第一健康數據，并與所述二級學習路徑的模擬效果數據進行對比形成反饋結果包括通過對比實際學習過程中采集到的新行為數據與最優路徑的模擬學習效果數據，評估學習過程的有效性，將知識掌握度差異、學習效率差異以及生理負荷差異通過加權評分法，整合為一個綜合偏差評分，基于綜合評分進行知識挖掘的反饋調節，當綜合偏差評分≥0.7，且其中至少兩個維度的差異評分超過要預設的自身閾值，識別為學習者無法適應當前的學習強度和知識挖掘強度，系統立即調整學習路徑，通過降低內容難度和增加休息時間增強學習者的適應性。
10、當0.4≤綜合偏差評分<0.7識別為且生理負荷差異沒有超過預設的自身閾值，知識掌握度差異和學習效率差異僅有一項超過預設的自身閾值，通過提供額外的趣味輔助材料進行學習興趣引導進行學習效果優化。
11、當綜合偏差評分<0.4，表示學習過程接近預期效果，維持現有的學習路徑。
12、本專利技術的另外一個目的是提供一種基于vr智慧教育的教學知識挖掘系統，其能通過全面采集學習者的多種行為數據，系統可以準確地了解學習者的初始學習狀態，并根據數據分析結果構建適應其個性化需求的vr模型，為后續學習路徑的生成提供精準的基礎信息。解決了目前的vr在線教育平本文檔來自技高網...
【技術保護點】
1.一種基于VR智慧教育的教學知識挖掘方法，其特征在于，包括：
2.如權利要求1所述的基于VR智慧教育的教學知識挖掘方法，其特征在于：所述獲取學習者的第一行為數據包括通過VR設備采集學習者在虛擬學習環境中的行為數據。
3.如權利要求2所述的基于VR智慧教育的教學知識挖掘方法，其特征在于：所述根據所述行為數據，生成一級學習路徑包括利用行為數據，生成多個具有不同內容結構和呈現順序的一級學習路徑，每個學習路徑根據學習者的個人情況進行模擬。
4.如權利要求3所述的基于VR智慧教育的教學知識挖掘方法，其特征在于：所述獲取各個路徑的模擬學習效果數據包括基于歷史數據和相關特征來預測各個路徑的學習效果。
5.如權利要求4所述的基于VR智慧教育的教學知識挖掘方法，其特征在于：所述采集第二行為數據包括采集學習者當前的行為數據作為第二行為數據，采集數據類型與第一行為數據相同。
6.如權利要求5所述的基于VR智慧教育的教學知識挖掘方法，其特征在于：所述確定二級學習路徑包括比較學習者當前的行為數據和各個路徑的模擬效果數據，確定具有最佳預期效果的學
7.如權利要求6所述的基于VR智慧教育的教學知識挖掘方法，其特征在于：所述獲取學習后的第三行為數據和第一健康數據，并與所述二級學習路徑的模擬效果數據進行對比形成反饋結果包括通過對比實際學習過程中采集到的新行為數據與最優路徑的模擬學習效果數據，評估學習過程的有效性，將知識掌握度差異、學習效率差異以及生理負荷差異通過加權評分法，整合為一個綜合偏差評分，基于綜合評分進行知識挖掘的反饋調節，當綜合偏差評分≥0.7，且其中至少兩個維度的差異評分超過預設的自身閾值，識別為學習者無法適應當前的學習強度和知識挖掘強度，系統立即調整學習路徑，通過降低內容難度和增加休息時間增強學習者的適應性；
8.一種采用如權利要求1~7任一所述的基于VR智慧教育的教學知識挖掘方法的系統，其特征在于：包括數據采集模塊，學習效果評估模塊，路徑評價模塊；
9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至7中任一項所述的基于VR智慧教育的教學知識挖掘方法的步驟。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的基于VR智慧教育的教學知識挖掘方法的步驟。
...【技術特征摘要】
1.一種基于vr智慧教育的教學知識挖掘方法，其特征在于，包括：
2.如權利要求1所述的基于vr智慧教育的教學知識挖掘方法，其特征在于：所述獲取學習者的第一行為數據包括通過vr設備采集學習者在虛擬學習環境中的行為數據。
3.如權利要求2所述的基于vr智慧教育的教學知識挖掘方法，其特征在于：所述根據所述行為數據，生成一級學習路徑包括利用行為數據，生成多個具有不同內容結構和呈現順序的一級學習路徑，每個學習路徑根據學習者的個人情況進行模擬。
4.如權利要求3所述的基于vr智慧教育的教學知識挖掘方法，其特征在于：所述獲取各個路徑的模擬學習效果數據包括基于歷史數據和相關特征來預測各個路徑的學習效果。
5.如權利要求4所述的基于vr智慧教育的教學知識挖掘方法，其特征在于：所述采集第二行為數據包括采集學習者當前的行為數據作為第二行為數據，采集數據類型與第一行為數據相同。
6.如權利要求5所述的基于vr智慧教育的教學知識挖掘方法，其特征在于：所述確定二級學習路徑包括比較學習者當前的行為數據和各個路徑的模擬效果數據，確定具有最佳預期效果的學習路徑，作為二級學習路徑，適應學習者的個性化需求和實時狀態。
7.如權利要求6所述的基...
【專利技術屬性】
技術研發人員：邱澤華，李軻，范彩云，陳俊宇，何兵，周菥，陳志彬，吳丹，周承瑛，張馨月，張輝，曹欽，
申請(專利權)人：四川通信科研規劃設計有限責任公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。