高速發(fā)展的科技，深刻地影響著人們生活的方方面面。在過去的幾十年間，科技也對(duì)教育行業(yè)產(chǎn)生了重要的影響，其中改變課堂教學(xué)模式的技術(shù)不斷涌現(xiàn)。

傳統(tǒng)課堂中，教師是知識(shí)惟一的傳授者，一塊黑板、一盒粉筆是教學(xué)過程中僅有的工具。這些年隨著國家對(duì)教育信息化的重視，越來越多的教學(xué)輔助設(shè)備出現(xiàn)在課堂上。例如將交互式一體機(jī)引入課堂進(jìn)行輔助教學(xué)，這是一種融合了計(jì)算機(jī)、電視、網(wǎng)絡(luò)的新型多媒體互動(dòng)教學(xué)終端，通過該設(shè)備可以極大地方便課堂教學(xué)。

除此之外，人們還通過集成三軸加速度計(jì)，研發(fā)新式數(shù)字筆輔助學(xué)習(xí)和教學(xué)。Hrishikesh Garud和M. Kulkami研發(fā)了一款電子筆，該電子筆集成了慣性傳感器單元，應(yīng)用隱馬爾可夫模型識(shí)別‘A’、‘B’、‘C’3個(gè)英文字母，通過記錄手腕的俯仰角等記錄了人的手寫體信息。Renqiang Xie, Juncheng Cao等人提出了一種基于加速度計(jì)的電子筆裝置，與此相對(duì)應(yīng)的終端系統(tǒng)通過訓(xùn)練前饋神經(jīng)網(wǎng)絡(luò)模型，可以識(shí)別24種手勢。

1 相關(guān)工作

本文中的學(xué)習(xí)狀態(tài)識(shí)別技術(shù)主要包含3個(gè)部分：加速度信號(hào)采集、特征提取、識(shí)別算法。在硬件方面，使用三軸加速度計(jì)、微控制器、USB傳輸模塊設(shè)計(jì)構(gòu)建智能筆，將采集到的加速度數(shù)據(jù)持續(xù)發(fā)送給終端。終端接收到加速度數(shù)據(jù)后，經(jīng)過特征提取、模型訓(xùn)練、狀態(tài)分類三個(gè)過程實(shí)現(xiàn)對(duì)用戶學(xué)習(xí)狀態(tài)的識(shí)別。

為了采集書寫過程的加速度數(shù)據(jù)，本文設(shè)計(jì)了一款智能筆，這款智能筆使用三軸加速度計(jì)測量筆在書寫過程中各個(gè)方向的加速度，并且通過USB模塊向PC終端實(shí)時(shí)傳輸數(shù)據(jù)，終端通過對(duì)接收到的數(shù)據(jù)進(jìn)行實(shí)時(shí)分析，判斷用戶當(dāng)前的學(xué)習(xí)狀態(tài)。該智能筆已申請(qǐng)專利《一種保護(hù)視力和輔助教學(xué)的智能筆》。

在提取特征之前，本文首先對(duì)加速度數(shù)據(jù)進(jìn)行預(yù)處理，從而使其波形達(dá)到本文問題的要求。首先基于滑動(dòng)平均濾波的思想，計(jì)算出加速度信號(hào)曲線每一部分對(duì)應(yīng)的方差，形成一條方差曲線，然后將方差曲線進(jìn)行分段處理，將其數(shù)據(jù)進(jìn)行0-1化，最后為了去除方差曲線中的干擾波段，將微小狀態(tài)合并到鄰近狀態(tài)中，從而將數(shù)據(jù)處理完畢。最后提取本算法需要的學(xué)習(xí)狀態(tài)指標(biāo)。

在識(shí)別學(xué)習(xí)狀態(tài)的過程中，本文選用分類回歸樹算法（classification and regression tree, CART）[5]決策樹進(jìn)行分類。決策樹算法作為機(jī)器學(xué)習(xí)的常用算法之一，具有較好的靈活性和較強(qiáng)的魯棒性，并且易于理解，分類過程也較為簡潔。首先根據(jù)提取的特征訓(xùn)練決策樹模型，將模型保存下來，之后便可以實(shí)時(shí)對(duì)用戶狀態(tài)進(jìn)行識(shí)別。

本文后面的部分，首先介紹智能筆的硬件組成，然后介紹特征提取過程，包括基于滑動(dòng)平均濾波的方差化，方差波形0-1化，微狀態(tài)整合。之后介紹決策樹模型的訓(xùn)練和測試過程。最后對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了討論，并且給出本文的結(jié)論。

2 硬件系統(tǒng)

基于加速度計(jì)的識(shí)別技術(shù)，已經(jīng)被廣泛應(yīng)用于多個(gè)方面。例如基于加速度計(jì)的手勢識(shí)別技術(shù)已被廣泛應(yīng)用于人機(jī)交互（human-computer interaction, HCI）、手語識(shí)別、醫(yī)學(xué)監(jiān)控、手寫體字符識(shí)別，智能設(shè)備控制等。基于加速度傳感器可以測量高壓斷路器速度、位移的特性，利用加速度計(jì)可以幫助監(jiān)控跌落式熔斷器的熔管狀態(tài)。

本文介紹的電子筆使用了整合性6軸運(yùn)動(dòng)處理組件MPU-6050，相較于多組件方案，免除了組合陀螺儀和加速器時(shí)間軸之差的問題，減少了大量的包裝時(shí)間。MPU-6050整合了3軸陀螺儀、3軸加速器，用戶可程式控制的加速器全格感測范圍為±2g、±4g、±8g與±16g。

MPU-6050可在不同電壓下工作，VDD供電電壓范圍為2.5V±5%、3.0V±5%或3.3V± 5%，邏輯接口VDDIO供電為1.8V±5%（MPU6000僅用VDD）。其4mm×4mm×0.9mm的小巧包裝以及其他特性使得圍繞MMA7260Q的設(shè)計(jì)非常簡便。

如圖1所示，加速度計(jì)和微控制器都固定在一個(gè)小印刷電路板上。如圖2所示，將該微型板粘附在我們的常用筆上，然后通過串口線和USB模塊連接到一臺(tái)計(jì)算機(jī)。其中串口線有兩條，一條用于計(jì)算機(jī)向電路板供電，一條用于電路板向計(jì)算機(jī)傳輸加速度信號(hào)。

圖1 印刷電路板

圖2 智能筆系統(tǒng)

3 算法和實(shí)驗(yàn)（略）

在狀態(tài)識(shí)別問題中，進(jìn)行特征提取的目的是，從原始加速度信號(hào)中采集盡可能多的與研究問題相關(guān)的信息。圖3中展示了本文用到的試卷示例，試卷中的題目均為英文單詞翻譯題，每份試卷中均有10道翻譯題。選擇10個(gè)常見單詞組成難度較低的試卷，10個(gè)復(fù)雜單詞組成難度較高的試卷，選擇5個(gè)常見單詞和5個(gè)復(fù)雜單詞組成難度適中的試卷。

表1中展示了我們采集到的部分樣本數(shù)據(jù)，其中第一列為樣本序號(hào)，第二列為采集樣本的時(shí)間，每隔0.10s采集一次加速度數(shù)據(jù)，第三、四、五列分別為X軸加速度、Y軸加速度、Z軸加速度。在本文的研究問題中，考慮到無論用戶在哪個(gè)方向繪制，每段手寫字跡都繪制在二維平面上，所以我們僅使用X軸和Y軸的數(shù)據(jù)，而不使用Z軸的數(shù)據(jù)。因此，對(duì)數(shù)據(jù)的所有處理都可以從三維空間降到二維平面。本文對(duì)數(shù)據(jù)處理的軟件流程如圖4所示。

圖3 試卷示例

表1 三軸加速度數(shù)據(jù)

圖4 智能筆數(shù)據(jù)處理流程圖

總結(jié)

通過基于三軸加速度計(jì)的智能筆采集書寫行為數(shù)據(jù)，結(jié)合本文提出的特征采集方法并結(jié)合CART算法進(jìn)行分類識(shí)別，能夠較準(zhǔn)確地判斷書寫者當(dāng)前的學(xué)習(xí)狀態(tài)。將書寫者的學(xué)習(xí)狀態(tài)分為4種類別后，識(shí)別準(zhǔn)確率可以達(dá)到93.75%，通過這種方法可以有效輔助教學(xué)，提高學(xué)生的學(xué)習(xí)效率。