李倫彬　滕海坤　鄭福妍

【摘要】TickGo是一款將人工智能、計算機(jī)視覺技術(shù)與輔助型家庭教育模式相結(jié)合的學(xué)習(xí)輔助軟件，它可通過記錄學(xué)生錯題來分析出學(xué)生學(xué)習(xí)的知識點漏洞，為學(xué)生構(gòu)建獨有的個人知識掌握情況圖，按時提醒學(xué)生溫故知新，并以家庭作業(yè)為抓手幫助學(xué)生培養(yǎng)好的學(xué)習(xí)習(xí)慣，具有一定的社會價值。

【關(guān)鍵詞】TickGo;學(xué)習(xí)助手;卷積神經(jīng)網(wǎng)絡(luò)

一、研究背景

在學(xué)習(xí)過程中，為什么在同樣的教育資源和學(xué)習(xí)時間投入下，有的學(xué)生成績顯著而有的學(xué)生成績卻不理想？大部分人認(rèn)為是由不同的學(xué)習(xí)習(xí)慣與學(xué)習(xí)方法而導(dǎo)致的。學(xué)習(xí)習(xí)慣與學(xué)習(xí)方法的養(yǎng)成不是一蹴而就的，需要學(xué)子從小有良好的學(xué)習(xí)環(huán)境、正確的引導(dǎo)和較強的自律，這并不是每一個人都能擁有的，所以這一問題至今也沒有很好的解決方法，只能更多的依賴于老師，這顯然是不合理的。TickGo旨在運用人工智能及計算機(jī)視覺技術(shù)與大數(shù)據(jù)分析相結(jié)合幫助學(xué)子培養(yǎng)良好的學(xué)習(xí)習(xí)慣和提高學(xué)生的學(xué)習(xí)效率。

二、項目需求分析

TickGo是一款基于人工智能與計算機(jī)視覺技術(shù)的智能家庭學(xué)習(xí)助手軟件，它使用tensorflow平臺開源的數(shù)據(jù)模型對項目進(jìn)行反復(fù)訓(xùn)練，可以精確識別和理解用戶在書面上書寫的文字含義，并根據(jù)云服務(wù)器中的數(shù)據(jù)對用戶的家庭作業(yè)進(jìn)行批改和注解，設(shè)置獨有的“小溫”，即溫故知新助手，并以家庭作業(yè)為抓手來幫助學(xué)生培養(yǎng)好的學(xué)習(xí)習(xí)慣，進(jìn)而提高學(xué)習(xí)成績。通過智能語音“溫故知新”助手“小溫”根據(jù)學(xué)生的日常作息，按時提醒和督促學(xué)生溫故知新，幫助學(xué)生解決學(xué)習(xí)習(xí)慣不好和自制力差的痛點;對學(xué)生每天作業(yè)完成量進(jìn)行監(jiān)控，并反饋結(jié)果，溫馨提示是否達(dá)要求，距離目標(biāo)差多少。教師批改學(xué)生作業(yè)，并可在線講解作業(yè)。根據(jù)學(xué)生的作業(yè)錯題狀況，進(jìn)行反饋分析，形成每個學(xué)生獨有的在線錯題本，并按時提醒學(xué)生重溫錯題，幫學(xué)生養(yǎng)成“看錯題”的好習(xí)慣，及時糾正錯誤，提高學(xué)生自我認(rèn)知，增強學(xué)生自信，并且使學(xué)習(xí)做到事半功倍。運用大數(shù)據(jù)手段對學(xué)生作業(yè)中出現(xiàn)的錯題、難題進(jìn)行分析、反饋、總結(jié)出學(xué)生知識掌握的漏洞和疑難點，對每個學(xué)生進(jìn)行獨有的知識網(wǎng)絡(luò)構(gòu)建，讓學(xué)生能清楚的認(rèn)識到自己的不足之處，并按時提醒學(xué)生解決和復(fù)習(xí)。

三、TickGo的研發(fā)原理

TickGo是以卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)研發(fā)原理。卷積神經(jīng)網(wǎng)絡(luò)是一種專門用來處理具有類似網(wǎng)絡(luò)結(jié)構(gòu)的數(shù)據(jù)神經(jīng)網(wǎng)絡(luò)，是深度學(xué)習(xí)的一種。卷積網(wǎng)絡(luò)是為識別二維形狀而特殊設(shè)計的一個多層感知器，這種網(wǎng)絡(luò)結(jié)構(gòu)對平移、比例縮放以及其他形式的變形具有一定不變性。在典型的CNN中，開始幾層通常是卷積層和下采樣層的交替，在靠近輸出層的最后幾層網(wǎng)絡(luò)通常是全連接網(wǎng)絡(luò)。過程主要是學(xué)習(xí)卷積層的卷積核參數(shù)和層間連接權(quán)重等網(wǎng)絡(luò)參數(shù)，預(yù)測過程主要是基于輸入圖像和網(wǎng)絡(luò)參數(shù)計算類別標(biāo)簽。卷積神經(jīng)網(wǎng)絡(luò)的關(guān)鍵是網(wǎng)絡(luò)結(jié)構(gòu)和反向傳播算法等。卷積神經(jīng)網(wǎng)絡(luò)中每層卷積層由若干卷積單元組成，每個卷積單元的參數(shù)都是通過反向傳播算法最佳化得到的。卷積運算的目的是提取輸入的不同特征，第一層卷積層可能只能提取一些低級的特征如邊緣、線條和角等層級，更多層的網(wǎng)路能從低級特征中迭代提取更復(fù)雜的特征。池化實際上是一種形式的降采樣。有多種不同形式的非線性池化函數(shù)，而其中“最大池化”是最為常見的。它是將輸入的圖像劃分為若干個矩形區(qū)域，對每個子區(qū)域輸出最大值。直覺上，這種機(jī)制能夠有效的原因在于，在發(fā)現(xiàn)一個特征之后，它的精確位置遠(yuǎn)不及它和其他特征的相對位置的關(guān)系重要。

基于機(jī)器視覺的人臉生物特征的改進(jìn)識別技術(shù)是一款以AI深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)原理，依托大數(shù)據(jù)為底層構(gòu)架的計算機(jī)視覺引擎，該引擎推翻通過對譜回歸和矩陣完整性約束的傳統(tǒng)識別方法，采用基于機(jī)器視覺的人臉生物特征的改進(jìn)識別技術(shù)，通過攝像頭取代視覺傳感器對人臉圖像進(jìn)行特征采集，構(gòu)建人臉圖像雙色反射模型，對人臉圖像進(jìn)行預(yù)處理，并將機(jī)器視覺與局部差分二值模型相結(jié)合，實現(xiàn)對人臉生物特征識別的改進(jìn)。TickGo應(yīng)用了此改進(jìn)的識別技術(shù)。

四、項目研究價值

使用智能家庭學(xué)習(xí)助手后，學(xué)生可在助手輔助下高效地學(xué)習(xí)，養(yǎng)成良好的學(xué)習(xí)習(xí)慣，提高學(xué)習(xí)效率;在學(xué)習(xí)過程中，當(dāng)遇到不會做的題目，只能通過反復(fù)練習(xí)來熟悉這類題目的做法，可深層次問題卻被人忽略，學(xué)生可能只因某個知識點掌握不扎實，而卻要花費很多時間去反復(fù)做題，可謂事倍功半。TickGo可對學(xué)生作業(yè)中出現(xiàn)的錯題、難題進(jìn)行歸納整理形成錯題本，運用大數(shù)據(jù)對其進(jìn)行分析、反饋、總結(jié)出學(xué)生知識掌握的漏洞，對每個學(xué)生的知識掌握情況進(jìn)行獨有的知識網(wǎng)絡(luò)構(gòu)建，讓學(xué)生能清楚的認(rèn)識到不足之處，并按時提醒學(xué)生復(fù)習(xí)不扎實的知識點，優(yōu)化了學(xué)習(xí)方法;通過構(gòu)建獨有的知識網(wǎng)絡(luò)，可使學(xué)生為自己更好的制定學(xué)習(xí)路線，提高學(xué)習(xí)效率，從而提高成績;當(dāng)學(xué)生更清晰的了解到自己的優(yōu)勢與不足時，便會將注意力更多的放在自我優(yōu)化和完善上，達(dá)到“自我競爭”的狀態(tài)，以降低由于學(xué)生間成績競爭而帶來的負(fù)面影響和惡性競爭。

五、總結(jié)

本項目以卷積神經(jīng)網(wǎng)絡(luò)為研發(fā)原理，以人工智能和計算機(jī)視覺技術(shù)為主要技術(shù)依托，結(jié)合大數(shù)據(jù)分析手段，設(shè)計了一款以人為本的輔助型智能家庭學(xué)習(xí)助手軟件TickGo。運用人工智能技術(shù)在家庭輔助教育系統(tǒng)領(lǐng)域構(gòu)建全新模式，在中國尚屬首例，實現(xiàn)了模式創(chuàng)新，具有一定的社會價值。

參考文獻(xiàn)：

[1]鄒濤，吳戀等.基于深度學(xué)習(xí)CNN模型的智能識車助手[J].電腦知識與技術(shù)，2018.

[2]朱耘葶.一種語音識別的智能學(xué)習(xí)助手系統(tǒng)設(shè)計[J]. 電子測試，2019.

[3]蒲路遙.基于Android的“作息學(xué)習(xí)提醒助手”APP的開發(fā)[J].科學(xué)技術(shù)創(chuàng)新，2018.

基金項目：黑河學(xué)院教改項目：數(shù)字化自主學(xué)習(xí)平臺建設(shè)與應(yīng)用研究（xjg1729）。

作者簡介：李倫彬（1982-），男，山東濟(jì)寧市，研究方向：軟件工程，本科，副教授;滕海坤（1983-），男，黑龍江省密山市，研究方向：語音識別，研究生，講師;鄭福妍（1979-），女，籍貫：黑龍江省雙鴨山市，研究方向：數(shù)據(jù)庫開發(fā)與應(yīng)用，本科，講師。