基于混合现实技术的在线教育平台开发与应用

张誉耀

（舟山技师学院，浙江 舟山 316011）

在线教育成为教育领域的一大创新和突破，传统的教育模式受到了新一代学习者的挑战，其对更灵活、更个性化的学习方式的需求更迫切。在这一背景下，混合现实技术作为一种前沿的技术手段，正在逐渐应用于在线教育平台的开发。混合现实技术（MR）是一种将真实世界与虚拟世界的数字内容进行交互叠加，使用户能够与虚拟对象进行实时互动，并感知虚拟对象与真实世界融合的增强现实技术。该技术可为学习者提供视觉上的沉浸感，还可以通过声音、触感等方式增强其学习体验。在在线教育平台中，混合现实技术可以用于创造虚拟场景、交互式演示等，使学习过程更生动有趣，满足学生的个性化需求。该文对基于混合现实技术的在线教育平台开发与应用进行了研究，以期通过研究，为教育者、学习者和技术开发者提供有益的参考和启示。

1 基于混合现实技术的在线教育平台总体框架

基于混合现实技术的在线教育平台系统设计，需要构建相应的系统总框架，系统框架图如图1 所示。用户信息管理模块中包括用户信息采集和用户信息管理功能，负责收集、存储和管理平台上的用户信息。在线教学模块中包括虚拟课堂设计及交互式体验设计，以创造丰富、参与性高的学习环境，促进学生的主动学习和深入理解[1]。在学习效果评价和反馈模块中，教师通过自动化评估工具，及时了解学生的学习进展和理解程度，为学生提供针对性的指导和反馈。

图1 平台总体框架图

2 硬件设计

基于混合现实技术的在线教育平台硬件设计主要通过64 位英特尔凌动E3800 系列SOC 的处理器实现。该系列处理器配备更大的Flash 存储器，同时还具备高性能的FPU，可加速复杂算法和信号处理任务。采用ADAM-6050 信息采集器，具有6 个继电器输出通道，支持TCP/IP 协议，以提供卓越的信息采集能力和响应速度。采用Oculus Quest 2 独立式虚拟现实（VR）头戴式显示器，配备LCD 面板，分辨率为1832×1920 像素，提供清晰锐利的图像，显著改善虚拟现实体验的视觉质量和细节展示。附带一对触控手柄，可以轻松操作虚拟环境中的对象和控制器。触控手柄具有精确的位置和动作追踪，可提供更真实、自然的交互体验。采用BME280 传感器，能有效地实时感知教师与学生的动作，标准的I2C 或SPI 接口与微控制器或其他设备进行通信，便于集成到各种系统中。采用Magic 态势感知摄像机，具备多种物体和人员识别能力，包括人脸识别、行为分析等，可准确地检测和跟踪特定目标。

3 软件设计

3.1 用户信息管理模块

用户信息管理模块的开发和应用是在线教育平台运行的重要基础，负责管理和维护与平台用户相关的信息，并提供必要的功能来支持用户的注册、登录、个人信息管理和权限控制等。该模块主要通过用户信息采集和用户信息管理2个方面来实现[2]。

3.1.1 用户信息采集

平台使用AUTO 信息采集器完成对用户有效信息的采集，并将采集到的用户信息储存在Flash 存储器中。在时间上，要求信息采集系统可以实时地采集和处理数据，同时能够以极低的延迟从数据源获取数据，并及时将其传送到目标系统进行处理和分析。采用介数中心性指标衡量某个时间节点在网络中与其他时间节点进行连接的重要程度，通过计算经过该节点的最短路径数目来评估该时间节点是否为关键节点。设节点结束中心性为BCi，其计算如公式（1）所示。

式中：n为节点总数；guv为从u到V的最短路径数目；giuv为经过节点i的最短路径数目。

确定时间节点的重要程度能够有效保证用户信息采集的方便性与时效性。

3.1.2 用户信息管理功能

用户信息管理功能的主要作用是管理用户的个人信息，为后续的教育服务提供必要的用户基础数据。该功能模块的流程如图2 所示。

图2 用户信息管理流程

用户信息的基本属性包括真实姓名、性别、年龄、用户名、密码、联系方式以及电子邮件等，以上信息存储在MySQL 数据库中，采用MyBatis 进行ORM 映射。用户注册时需要对输入的用户名和密码进行加密存储，采取CSRF 攻击和SQL 注入等手段确保用户信息的安全性。登录时需要验证用户的用户名和密码，同时设置用户身份认证Token，用于后续身份验证[3]。身份验证结束后，需要根据用户的权限设置限制用户的操作和访问范围。采用数据挖掘技术实现用户信息的更新管理需要，建立索引和管理机制记录用户的操作、访问记录等数据。操作记录需要记录用户对各个模块和功能的操作，包括操作者、操作时间和类型等信息；访问记录需要记录用户的访问来源、时间、路径和IP 等信息，方便后续对用户的需求进行有效分析。

3.2 在线教学模块

3.2.1 虚拟课堂设计

在基于混合现实技术的在线教育平台中，在线教学模块的开发和应用为教师和学生提供了全新的教学体验，教师与学生借助头戴式显示器和手柄控制器感受MR技术支持下的虚拟课堂、虚拟实物的教学环境。在MR 技术支持的课堂环节中，教师可进行讲解、添加注释和演示等操作，并通过Socket 技术将视频和音频流通过网络传输给学生，帮助学生实时观看和听取教师的授课内容。MR 技术通过投影技术将不同地区学习者的虚拟形象耦合连接到同一个在线虚拟课堂环境中，并将2 个或2 个以上的虚拟形象进行线性混合，耦合性计算如公式（2）所示。

式中：Vc为耦合后的图像系数；Va和Vb分别为待耦合的2个虚拟形象系数；α为混合权重。

综合考虑虚拟形象的亮度、对比度和结构信息之间的差异，耦合后的效果计算公式可以用结构相似性指数S表示，如公式（3）所示。

式中：ka和kb分别为待比较的2 个图像的像素均值；fa和fb分别为二者的像素标准差；ha和hb为二者的像素协方差；c1和c2为常数。

上述设计旨在构建一个“混合现实教学环境”。通过该环境，参与在线课程的教师和学生可以生成虚拟形象，并在同一个MR 学习环境中实现共存。

3.2.2 交互式体验设计

基于混合现实技术的在线教育平台中的交互式体验设计旨在使学生和教师之间可以实时互动、讨论问题和解答疑惑等，以取得线上互动的教学效果。进行实时视频直播课时，利用传感器、摄像头对教师、学生所处的环境进行感知和跟踪，准确地将虚拟内容叠加到真实世界中[4]。针对上述问题，需要对感知数据进行预处理，并借助ETL 工具对感知数据进行清洗、消除和匹配等操作，利用重复性指标测量数据的分散性，其计算如公式（4）所示。

式中：α为标准差。α越大，数据分散性越大，α越小，则数据分散性越小；yi为数据输出值，i为常数；y为数据输出平均值。

然后将经过ETL 工具处理的数据内容加载到所构建的数据仓库中，再利用pandas 剪裁数据集，留下需要的字段或数据点，以便保留有用信息的和消除无用信息。借助ETL、pandas工具对感知数据进行预处理的具体流程图如图3 所示。

图3 感知数据预处理流程图

通过FFmpeg 捕捉视频流并对其进行编解码处理，将视频内容进行转换、传输，并使用均值滤波对传输信号中的某些分量进行加权平均处理，用于消除信号中的噪声，其计算如公式（5）所示。

式中：p为均值滤波；n为滤波器大小；t为原始图像；x和y为坐标轴的亮度系数；i和j为从滤波中心向左、右两边的偏移量。

对网络状况进行动态判断，调整视频流码率，以保证视频流的稳定性和流畅性。

3.3 学习效果评价和反馈模块

学习效果评价和反馈模块的开发和应用有助于提高在线教育平台的教学质量和效果。学习效果评价和反馈模块主要需要2 种技术支持：1）视频监控和录制技术，用于监督教育现场，方便后期教师对教学工作的查看及改进。2）数据分析技术，用于对学生的学习情况进行实时监测和评估，帮助教师为不同学生提供有针对性的教学指导[5]。学习效果评价和反馈功能的实现需要建立合理的评估指标体系，用于明确评估的目的和对象，针对不同的对象确定不同的评估指标体系。针对教师的质量评价包括是否达到教学目标、课堂效果等指标；针对学生的效果评价包括学习进度、理解程度等指标。因此需要使用支持向量机（SVM）对指标进行分类，确定每个指标在整个评估过程中的相对重要程度，其计算如公式（6）所示。

式中：y为类别标识；w为法向量；x为样本特征向量；b为偏差。

平台利用传感器和摄像头等设备收集教师及学生的行为数据和表现，系统根据预设的评估指标，对教师的教学质量和学生的学习效果进行自动化评估。先建立多元线性回归模型Y，具体如公式（7）所示。

式中：Y为学习效果因变量；X1，X2，...，XK为教学质量自变量；ε为随机误差项；β0为截距；β0，β1，...，βK为回归系数，表示因变量与自变量之间的关系。

通过对回归模型中的变量进行最小二乘法拟合得出回归系数的估计值，具体计算如公式（8）所示。

式中：b为回归系数向量；X为自变量矩阵；为X的转置；Y为因变量向量。

拟合过程通常使用Python 中的scikit-learn 库软件执行模型拟合，并输出结果。基于学生的学习数据和特征，使用智能算法提供学习建议。经过上述模块的设计，基于混合现实技术的在线教育平台打破了地理和时间的限制，为学生提供了更广阔的学习机会。

4 测试试验

4.1 试验准备

该系统将最新的英特尔凌动E3800 系列SOC 作为开发平台，并使用流行的Spring Boot 框架进行开发。Web 服务器选用Nginx，数据库采用MySQL 主流数据库系统。系统的前端利用JavaScript 等技术开发，使用Angular 等流行的前端框架实现动态页面交互和响应式设计。与后端进行数据交互时，采用RESTful API，以JSON 形式进行数据传输。此外，系统支持跨平台运行，可以在Linux 上运行，并且与各种编程语言，如JavaScript 等兼容性良好。

4.2 试验结果

选取5 个不同节点资源值测试平台系统的响应时间与准确率，测试结果见表1。

表1 测试试验结果

根据表1 可知，系统采集时间最高为6.7ms，表明该系统具有较高的响应速度和实时性；系统计算时间小于1.98s，表明该系统具有高效的处理能力和性能；准确率高达99.1%，表明该系统具备较高的精度和可靠性。该文通过构建基于混合现实技术的在线教育平台，提供了沉浸式的互动性较强的学习体验，拓展了教育边界，可激发学生的学习兴趣和动力，同时还能突破时空限制，使教育资源更普惠，实现全球范围内的无缝连接和知识共享。

5 结语

综上所述，混合现实技术的引入为教育事业的发展带来了新的机遇和可能性，对提升学生的学习体验、拓展教学方法和促进教育创新等方面都具有重要的现实意义。该文首先构建了基于混合现实技术的在线教育平台总体架构，其次对用户信息管理模块、在线教学模块以及学习效果评价和反馈模块进行设计，最终实现了整体平台的运行。未来，随着混合现实技术的不断发展与成熟，基于混合现实技术的在线教育将为学生提供更灵活和个性化的学习体验。