基于学习效率的高校非母语教室声环境的综合评估方法

1.本发明涉及一种声环境评估方法，具体涉及一种基于学习效率、语言清晰度、声舒适度的高校非母语教室声环境的综合评估方法，属于建筑声学领域。


背景技术：

2.目前，为提升世界一流大学国际化办学水平，国内高校增加了大量双语课程和全英文讲授的专业课程。国内外教室相关的声学标准大多根据教室的体积从混响时间以及背景噪声级的角度针对本国语言使用者对教室声环境进行限定，使得非母语语境下教室声环境没有得到足够重视。据近期一项语言学研究表明，普通话背景者相较于英语背景者对英语音节尾鼻音和英语双唇鼻音的感知正确率分别相差20.83％和25％，即对于我国学生而言，由于普通话和英语的音段分布差异，会导致学生在英语课堂存在感知困难，所以学生对非母语授课声环境的需求相较于传统中文授课更为严格。
3.在工程设计阶段，混响时间可以通过使用简单的公式(赛宾、依林公式)快速获取，因此，获取对应不同背景噪声级的最佳混响时间建议值就具有重要意义，然而这些建议值更倾向于限定母语授课教室声环境的最低标准，针对非母语授课声环境控制指标体系并不一定适用，因此，如何建立非母语授课高校教室声环境控制指标的研究体系，对非母语授课教室声环境进行评价是本发明的研究问题。


技术实现要素：

4.本发明为了解决高校学生在教室进行非母语上课时，由于授课教室声环境，以及母语和非母语的音段分布差异，导致学生在非母语课堂存在感知困难，学习结果不理想，学习效率低的问题，进而提出了一种基于学习效率的高校非母语教室声环境的综合评估方法。
5.它包括以下步骤：
6.s1、确定非母语环境下教室声环境控制指标及影响因素；
7.s2、获取一段某种语言，以及多个教室的声学参数；
8.s3、根据s2中语言和多个教室的声学参数，在每个教室内采用录音重放的方法对语言清晰度进行计算，得到对应教室的语言清晰度得分；
9.根据各声学参数和语言清晰度得分得到各声学参数和语言清晰度的关系；
10.根据各声学参数和语言清晰度的关系、语言清晰度得分构建声学预测模型，将某个教室的各声学参数和语言输入声学预测模型内，输出对应教室的语言清晰度得分；
11.s4、确定非母语环境下教室声环境对声舒适度的影响因素，根据影响因素建立多级教室声环境舒适评价模型，并制作声舒适度的受访者问卷，通过受访者问卷和多级教室声环境舒适评价模型得到声环境舒适度得分；
12.s5、根据非母语环境下教室内的不同的教学模式，建立不同难度的学习任务模式，获取每种学习任务模式的任务完成速度和正确率，根据不同学习任务模式的任务完成速度
和正确率、语言清晰度得分、声舒适度得分建立声环境学习效率模型，根据s1中的控制指标及影响因素建立学习效率测试，基于学习效率测试结果和声环境学习效率模型计算学习效率百分数，完成对教室的声环境评估。
13.进一步地，s1的控制指标及影响因素为：
14.在声场层面，以混响时间、早期衰减时间、早迟声能比、语言传输指数、有益有害声能比、信噪比为控制指标；
15.在声源方面，以声源的分布情况、声源类型、声源频率特性、声源声压级、声源混响条件、声源组成比例为影响因素，声源的分布情况包括声源的分布位置和数量，声源类型包括人声、自然声、交通噪声，声源组成比例为不同声源类型的组成比例；
16.在使用者感知方面，以使用者的社会特征、教室设施产生噪声的声感知评价、教室内部声环境感知评价、教室外部声环境感知评价、教学方式为影响因素，使用者的社会特征包括使用者性别、年龄、学历教育、声音敏感性。
17.进一步地，s2具体过程为：
18.s21、根据某语言国际标准建立某语言清晰度测试材料，测试材料为发音相似的单音字，邀请以某语言为母语的人员在全消声室内录制语言清晰度测试材料，得到录音，利用声学分析软件将录音编辑为固定语速、固定声级、固定间隔时间，得到语言清晰度测试样本；
19.s22、根据声学采集系统和声级计，以及语言清晰度测试样本测量某个教室a的声学参数：语言传输指数、信噪比、混响时间、早期衰减时间、明晰度。
20.进一步地，s3具体过程为：
21.s31、在教室a中公放语言清晰度测试样本，并选取一部分人为听音人，听音人对公放的语言清晰度测试样本进行区分和评价，计算被听音人正确识别的单音字的百分数，得到教室a的语言清晰度得分；
22.s32、收集典型教室的各声学参数和对应教室内多测量点的语言清晰度得分，利用数据分析方法获得各声学参数和语言清晰度的关系；
23.s33、根据各声学参数和语言清晰度的关系、语言清晰度得分构建声学预测模型，声学预测模型为逻辑回归模型，将典型教室的各声学参数和语言输入声学预测模型内进行训练，根据各声学参数和语言清晰度的关系，输出对应教室的语言清晰度得分，直至满足迭代最大次数上限或loss损失不变，得到训练好的声学预测模型。
24.进一步地，s3中声学预测模型为
[0025][0026][0027][0028]
其中，si表示语言清晰度得分，sti表示语言传输指数，snr表示信噪比，edt表示早
期衰减时间，c
80
表示明晰度；在进行实际计算时，获取的声学参数可能是一个或多个，可以根据上述一个或多个声学预测模型计算语言清晰度得分，若选择多个声学预测模型，则将多个声学预测模型的结果进行平均，得到最终的语言清晰度得分。
[0029]
进一步地，s4具体过程为：
[0030]
s41、确定非母语环境下教室声环境对声舒适度的影响因素；
[0031]
s42、根据s41中影响因素，利用层次分析法和模糊综合评价法建立多级教室声环境舒适评价模型；
[0032]
s43、根据s41中影响因素制作声舒适度的受访者问卷，通过收集典型教室声舒适度的受访者问卷，结合建立的多级教室声环境舒适评价模型计算教室声环境舒适度得分。
[0033]
进一步地，s41中影响因素为：
[0034]
在教室设施方面，以声学装修条件、照明系统噪声、室内教学设施噪声、通风系统噪声、教室大小、教室类型为影响因素；
[0035]
在室内噪声源方面，以空气调节系统噪声、学生相互交流噪声、室内多媒体系统噪声为影响因素；
[0036]
在室外噪声源方面，以交通噪声、隔壁教室噪声、走廊噪声、操场噪声、机械噪声、附近楼宇噪声为影响因素；
[0037]
在教学方式方面，以习题教学、小组讨论、黑板教学、多媒体教学为影响因素；
[0038]
在听配能方面，以声学条件、扩声系统的分贝、教室尺寸、学生在教室的位置、教师在教室的位置、学生数量教学为影响因素。
[0039]
进一步地，s42具体过程为：
[0040]
将s41中的影响因素分为二级指标和三级指标，二级指标包括教室设施、室内噪声源、室外噪声源、教学方式和听配能，三级指标包括每个二级指标对应的影响因素，将每个三级指标进行归一化，利用层次分析法计算每个三级指标的权重和每个二级指标的权重，根据权重利用模糊综合评价法计算声环境舒适度得分。
[0041]
进一步地，s5具体过程为：
[0042]
s51、根据非母语环境下教室内的不同的教学模式，利用e-prime平台建立不同难度的学习任务模式，以及不同难度的学习效率评估程序，根据学习效率评估程序得到受访者对每种学习任务模式的任务完成速度和正确率；
[0043]
s52、基于不同学习任务模式的任务完成速度和正确率、语言清晰度得分、声舒适度得分建立声环境学习效率模型；
[0044]
s53、在考虑s1中声学参数、使用者感知评价的基础上，制作不同声源因素在非母语授课教室空间下对学习效率的影响测试，通过收集典型教室的受访者学习效率测试结果，结合声环境学习效率模型计算学习效率百分数，完成对教室的声环境评估。
[0045]
进一步地，s5中声环境学习效率模型：
[0046]wp
＝si*ac*v*ac*ω
[0047]
其中，si代表语言清晰度得分，ac代表声舒适度得分，v代表任务完成速度，任务完成速度为反映时间rt的倒数，ac为正确率，ω为任务难度。
[0048]
有益效果：
[0049]
本发明首先确定了非母语环境下教室声环境控制指标及影响因素；根据获取的一
段某种语言和某个教室的声学参数，在教室内采用录音重放的方法对语言清晰度进行计算，得到语言清晰度得分，根据各声学参数和语言清晰度得分得到各声学参数和语言清晰度的关系，根据各声学参数和语言清晰度的关系和语言清晰度得分构建声学预测模型，将各声学参数和语言输入声学预测模型内，输出语言清晰度得分；确定非母语环境下教室声环境对声舒适度的影响因素，根据影响因素建立多级教室声环境舒适评价模型，并制作声舒适度的受访者问卷，通过多级教室声环境舒适评价模型和受访者问卷得到声环境舒适度得分；根据非母语环境下教室内的不同的教学模式，建立不同的学习任务模式，获取每种学习任务模式的任务完成速度和正确率，根据不同学习任务模式的任务完成速度和正确率、语言清晰度得分、声舒适度得分建立声环境学习效率模型，对声环境进行学习效率评估。
[0050]
首先构建非母语授课高校教室声环境控制指标的研究体系，在此基础上，以空间声场、听者、声源条件为考量，从声学设计、建筑设计的角度建立非母语授课教室声环境的语言清晰度和声舒适度评价体系，通过明确评价指标与控制指标的对应关系，达到改善非母语授课教室声环境质量的目的，减小了母语和非母语的音段分布差异，使学生在非母语课堂上的感知更加清晰，从而提升了学习效率。最后结合评价指标，以学习效率为考量，提出高校非母语授课教室声环境绩效评估方法，从使用功能性的角度考量非母语授课教室声环境的改善效果。本发明从学习效率的角度判断高校教室建筑声环境设计效果，并可用于非母语授课高校教室声环境评估和推进建立相应标准中的教室声环境质量评价指标，在绿色建筑设计的发展中具有重要的应用价值。
附图说明
[0051]
图1是本技术的流程图；
[0052]
图2是基于脉冲响应测量声学参数步骤示意图；
[0053]
图3是dirac测试实例示意图；
[0054]
图4是多级教室声环境舒适评价模型的示意图；
[0055]
图5是非母语语言清晰度与sti的关系图；
[0056]
图6是非母语语言清晰度与snr、edt的关系图；
[0057]
图7是非母语语言清晰度与c80的关系图；
具体实施方式
[0058]
具体实施方式一：结合图1-图7说明本实施方式，本实施方式所述一种基于学习效率的高校非母语教室声环境的综合评估方法，它包括以下步骤：
[0059]
目前国内外的教室声学研究广泛地涉及了常规教室，电声教室，阶梯教室等多种形状的空间，从室内声场模拟，语言清晰度，声感知评价等角度研究教室声环境，但以上研究仅从教室声学设计和建筑设计的角度探讨教室声环境的改善设计方案，而教室声环境相较于传统厅堂的声环境研究最大的区别在于功能性上，以学习为主的功能使得教室声环境在设计中仅从建筑声学设计角度考虑是不够的，应该落实到使用者学习效率的考量指标上，明确声源类型、声压级、混响时间、个人特征等因素对非母语授课学习效率的影响机制。本发明从教室声环境的基础需求、改善需求、评估需求入手，从控制指标、评价指标、考量指标三个方面研究非母语授课教室声环境的评估方法。
[0060]
s1、确定非母语环境下教室声环境控制指标及影响因素：
[0061]
在声场层面，以混响时间、早期衰减时间、早迟声能比、语言传输指数、有益有害声能比、信噪比等为控制指标。
[0062]
在声源方面，以声源的分布情况、声源类型、声源频率特性、声源声压级、声源混响条件、声源组成比例等为影响因素。声源的分布情况包括声源的分布位置和数量；声源类型包括人声、自然声、交通噪声等；声源组成比例为上述不同声源类型的组成比例，如人声与自然声的比例，自然声与交通噪声的比例。
[0063]
在使用者感知方面，以使用者的社会特征(如性别、年龄、学历教育、声音敏感性)、教室设施产生噪声的声感知评价(即s41中教室设施的影响因素)、教室内部声环境感知评价(即s41中教室内部的影响因素)、教室外部声环境感知评价(即s41中教室外部的影响因素)、教学方式(即s41中教学方式的影响因素)等为影响因素。
[0064]
s2、获取一段某种语言，以及某个高校多个教室的声学参数，具体过程为：
[0065]
s21、根据某语言国际标准建立某语言清晰度测试材料，测试材料为发音相似的单音字，比如根据国家标准建立汉语语言清晰度测试材料；根据英语语言国际标准ansi s3.2-2009建立英语语言清晰度测试材料。语言清晰度是表征语音传输质量的重要参量。邀请以某语言为母语的人员在全消声室内录制语言清晰度测试材料，得到录音，利用声学分析软件将录音编辑为固定语速、固定声级、固定间隔时间，得到语言清晰度测试样本。
[0066]
s22、对某个教室空间的声场进行测量，根据16通道声学采集系统和声级计等设备，以及语言清晰度测试样本测量某个教室a的声学参数：语言传输指数(sti)、信噪比(snr)、混响时间(t)、早期衰减时间(edt)、明晰度(c80)等。
[0067]
国家声环境质量标准(gb3096-2008)中，提出了声环境功能分区，并规定了学校建筑所处1类环境的噪声等效声级限制；民用建筑隔声设计规范(gb50118-2010)对学校建筑的防噪声设计要求进行了概述，根据教室的容积，规定了混响时间、背景噪声级、隔声量等设立的最低标准。
[0068]
s3、根据s2中语言和多个教室的声学参数，在每个教室内采用录音重放的方法对语言清晰度进行计算，得到对应教室的语言清晰度得分；
[0069]
根据各声学参数和语言清晰度得分得到各声学参数和语言清晰度的关系；
[0070]
根据各声学参数和语言清晰度的关系、语言清晰度得分构建声学预测模型，将某个教室的各声学参数和语言输入声学预测模型内，输出对应教室的语言清晰度得分。
[0071]
具体过程为：
[0072]
s31、在教室a中公放语言清晰度测试样本，并选取一部分人为听音人，听音人对公放的语言清晰度测试样本进行区分和评价，计算被听音人正确识别的单音字的百分数，得到教室a的语言清晰度得分，根据语言清晰度得分确定语言清晰度百分数，比如正常语言的清晰度得分为95分，则转换为百分数95％或者0.95。
[0073]
s32、收集典型教室的各声学参数和对应教室内多测量点的语言清晰度得分，利用数据分析方法获得各声学参数和语言清晰度的关系。
[0074]
s33、根据各声学参数和语言清晰度的关系和语言清晰度得分构建声学预测模型，声学预测模型为逻辑回归模型，将典型教室的各声学参数和语言输入声学预测模型内进行训练，根据各声学参数和语言清晰度的关系，输出对应教室的语言清晰度得分，直至满足迭
代最大次数上限或loss损失不变，得到训练好的声学预测模型。
[0075]
声学预测模型的表达式为：
[0076][0077][0078][0079]
在进行实际计算时，由于获取的声学参数可能是一个或多个，所以本发明可以根据上述一个或多个声学预测模型计算语言清晰度得分，若选择多个声学预测模型，则将多个声学预测模型的结果进行平均，得到最终的语言清晰度得分。
[0080]
语言清晰度得分计算案例：
[0081]
如图2所示，根据某语言清晰度测试材料，通过人嘴指向性声源播放脉冲响应信号，经无指向性传声器接收测试信号，测量房间脉冲响应，经过外接声卡传输到声学分析软件的信号处理单元，在其内部计算调制传递函数mtf，进而计算语言传输指数(sti)、信噪比(snr)、早期衰减时间(edt)、明晰度(c80)，根据声学预测模型预测语言清晰度得分si。
[0082]
测量实例：采用声学测量软件dirac(b&k type 7841)测量教室人嘴指向性声源到接收位置的脉冲响应如图3所示，根据声学预测模型预测得分为si＝0.93，基于影响机制，设定达到95％语言清晰度的声学参数值为本发明需要的参数。
[0083]
s4、确定非母语环境下教室声环境对声舒适度的影响因素，根据影响因素建立多级教室声环境舒适评价模型，以及制作声舒适度的受访者问卷，通过多级教室声环境舒适评价模型和受访者问卷得到声环境舒适度得分；
[0084]
s41、确定非母语环境下教室声环境对声舒适度的影响因素：
[0085]
现有的建筑声学标准，都是建立在粗略的空间环境声学参数的基础上，仅从声级的角度去考虑教室声环境质量，只能满足教室教学的最低学习标准，没有考虑使用者舒适性等问题，而在非母语授课课堂教学中，非母语使用者对教室设施，室内噪声源，室外噪声源以及教学方式等方面的需求有很大差异，尤其在非母语授课环境下的声感知评价不舒适问题常被忽略，所以本发明分析教室设施、室内噪声源、室外噪声源以及教学方式等二级指标对室内声环境舒适度的影响：
[0086]
在教室设施方面，以声学装修条件、照明系统噪声、室内教学设施噪声、通风系统噪声、教室大小、教室类型等三级指标为影响因素。声学装修条件根据国家规定获得；教室类型包括普通教室和阶梯教室等。
[0087]
在室内噪声源方面，以空气调节(hvac)系统噪声、学生相互交流噪声、室内多媒体系统噪声等三级指标为影响因素。
[0088]
在室外噪声源方面，以交通噪声、隔壁教室噪声、走廊噪声、操场噪声、机械噪声、附近楼宇噪声等三级指标为影响因素。噪声的大小能够决定影响学生学习专注力的程度，从而影响学习效率。
[0089]
在教学方式方面，以习题教学、小组讨论、黑板教学、多媒体教学等三级指标为影响因素。不同的教学方式对于学生来说具有不同的学习效果，即所带来的学习效率不同。
[0090]
在听配能方面，以声学条件、扩声系统的分贝、教室尺寸、学生在教室的位置、教师在教室的位置、学生数量等三级指标为影响因素。
[0091]
s42、根据s41中影响因素，利用层次分析法和模糊综合评价法建立多级教室声环境舒适评价模型，多级教室声环境舒适评价模型如图4所示。
[0092]
将s41中的影响因素分为二级指标和三级指标，二级指标包括教室设施、室内噪声源、室外噪声源、教学方式和听配能，三级指标包括每个二级指标对应的影响因素，将每个三级指标进行归一化，利用层次分析法计算每个三级指标的权重和每个二级指标的权重，根据权重利用模糊综合评价法计算声环境舒适度得分。
[0093]
s43、根据s41中影响因素制作声舒适度的受访者问卷，通过收集典型教室声舒适度的受访者问卷，结合建立的多级教室声环境舒适评价模型计算教室声环境舒适度得分(百分数)。
[0094]
声舒适度得分计算案例：
[0095]
如图4所示，o
1-o5分别代表教室设施、室内噪声源、室外噪声源、教学方式以及听配能五个二级指标对室内声环境舒适度的影响。在教室设施方面，o
11-o
16
分别代表声学装修条件、照明系统、室内教学设施、通风系统、教室大小、教室类型六个三级指标对室内声环境舒适度的影响；在室内噪声源方面，o
21-o
23
分别代表空气调节(hvac)系统、学生相互交流、室内多媒体系统三个三级指标对室内声环境舒适度的影响；在室外噪声源方面，o
31-o
36
分别代表交通噪声、隔壁教室噪声、走廊噪声、操场噪声、机械噪声、附近楼宇噪声六个三级指标对室内声环境舒适度的影响；在教学方式方面，o
41-o
44
分别代表习题教学、小组讨论、黑板教学、多媒体教学四个三级指标对室内声环境舒适度的影响；在听配能方面，o
51-o
56
分别代表声学条件、扩声系统、教室尺寸、学生在教室的位置、教师在教室的位置、学生数量六个三级指标对室内声环境舒适度的影响。
[0096]
首先，将第三层次级影响指标(o
11-o
56
)进行归一化，得到数据r1：
[0097][0098]
根据问卷调查，利用层次分析法计算图4中第三层次级影响指标的权重，再计算图4中第二层主影响指标(o
1-o5)的权重，a1为得到的第三层次级影响指标的权重：
[0099]
a1＝[0.4144,0.0783,0.1498,0.2521,0.006,0.0454]
[0100]
利用模糊综合评价方法对图4进行处理，则第三层次级影响指标就变为第三层模糊子集，b1为第三层模糊子集评价第三层次级影响指标第一列(o
11-o
16
)的结果
[0101][0102]
同理，计算第三层模糊子集评价第三层次级影响指标第二列至第五列(o
21-o
56
)的
结果b
2-b5：
[0103]
b2＝[0.6737，0.2795，0.0735，0.0197，0.0137]
[0104]
b3＝[0.5811，0.2786，0.1084，0.0227，0.0092]
[0105]
b4＝[0.4177，0.2748，0.2072，0.0875，0.0127]
[0106]
b5＝[0.6301，0.2147，0.1028，0.0296，0.0229]
[0107]
a为利用层次分析法计算得到的第二层主影响指标权重
[0108]
a＝[0.2811,0.2487,0.1887,0.1640,0.1176]
[0109]
通过综合评价法层层计算得到各评价项的权重，y为模糊综合评价计算权重
[0110][0111]
n为模糊综合评价各项评估得分
[0112]
n＝[95％，85％，75％，65％，30％]
[0113]
f为模糊综合评价得分，即声环境舒适度得分
[0114]
f＝y*n＝[0.5309，0.2785，0.1271，0.0480，0.0156]*[95％，85％，75％，65％，30％]＝0.87本发明从声学设计和建筑设计的角度出发，针对普通话使用者建立基于非母语授课语言清晰度、声舒适度的声环境评价体系。
[0115]
s5、根据非母语环境下教室内的不同的教学模式，建立不同的学习任务模式，获取每种学习任务模式的任务完成速度和正确率，根据不同学习任务模式的任务完成速度和正确率、语言清晰度得分、声舒适度得分建立声环境学习效率模型，根据s1中的控制指标及影响因素建立学习效率测试，基于学习效率测试结果和声环境学习效率模型计算学习效率指数(百分数)，完成对教室的声环境评估，具体过程为：
[0116]
s51、根据非母语环境下教室内的不同的教学模式，利用e-prime平台建立不同难度的学习任务模式，以及不同难度的学习效率评估程序，供受访者评价，学习效率评估程序作用是编写出一个用于测试学习任务的平台，即根据学习效率评估程序得到受访者对每种学习任务模式的任务完成速度和正确率。
[0117]
s52、基于不同学习任务模式的任务完成速度(反应时间rt的倒数)和正确率、语言清晰度得分、声舒适度得分建立声环境学习效率模型，探究学习效率与任务完成速度和正确率的平衡关系。
[0118]
声环境学习效率模型：
[0119]wp
＝si*ac*v*ac*ω
[0120]
其中，si代表语言清晰度得分(百分数)，ac代表声舒适度得分(百分数)，v代表任务完成速度(反映时间rt的倒数)，ac为正确率，ω为任务难度。
[0121]
s53、声环境对学习效率的作用机制：在考虑s1中声场参数、使用者感知的基础上，制作不同声源因素在非母语授课教室空间下对学习效率的影响测试，通过收集典型教室的受访者学习效率测试结果，结合建立的声环境学习效率模型，计算学习效率指数(百分数)，完成对教室的声环境评估。
[0122]
学习效率计算案例：
[0123]
以任务难度ω为1的工作为例，需要测试者具有快速、准确查找目标对象，且牢记图像内容和位置的视觉感知能力。本发明添加了图像记忆、图像在空间中的位置记忆等多
种认知任务实验，即在充满封闭圆环图像的界面区域中寻找开口圆环图像的基础上，还需要测试者回答图像的形状(开口方向上、下、左、右)以及图像所处的位置(第一、二、三、四象限)。为了提醒测试者集中注意力，在任务开始前，屏幕中央都会出现黑色“+”注视点，注视点消失后视觉认知工作任务开始。当测试者重复完成30次视觉认知工作任务后，任务时长大约3min，任务结束。预实验显示，超过30次视觉认知工作任务时，测试者虽然达到疲劳状态，但从未影响工作绩效的准确性。
[0124]
实验采用组内设计，实验分成5组，将变量分为声音类型(说话声、交通噪声、空调噪声、音乐、自然声)、声压级-交通噪声(45dba、50dba、55dba、60dba、65dba)、声压级-空调噪声(45dba、50dba、55dba、60dba、65dba)、混响时间-说话声(0.3s、0.6s、0.9s、1.2s、1.5s)、混响时间-音乐声0.3s、0.6s、0.9s、1.2s、1.5s)五种变量，每名测试者被要求完成全部任务，实验音频设置为随机播放。以50dba的交通噪声为例，某个测试者完成任务速度(反映时间rt)为2.79s，正确率ac为89.05％，任务难度ω为1，学习效率w
p
为0.26。
[0125]
本发明通过大量客观测量实验与主观语言清晰度评价问卷，得出了非母语语言清晰度的快速预测公式，只需通过测量的房间脉冲响应计算得到语言传输指数sti值，带入给定的非母语语言清晰度公式，就能够快速预测非母语语言清晰度，这样可以节约测量与问卷时间。在建筑设计初期，能够通过可听化技术建立房间建筑模型，对设计房间关键声学参数(sti、edt、c80)进行数值模拟，进而预测非母语语言清晰度得分。本发明简单、便捷、直观。
[0126]
本发明首先构建非母语授课高校教室声环境控制指标的研究体系，通过控制指标遴选适合我国高校的非母语授课教室。在此基础上，以空间声场、听者、声源条件为考量，从声学设计、建筑设计的角度建立非母语授课教室声环境的语言清晰度和声舒适度评价体系，通过明确评价指标与控制指标的对应关系，达到改善非母语授课教室声环境质量的目的。最后以学习效率为考量，结合评价指标，提出高校非母语授课教室声环境绩效评估方法，从使用功能性的角度考量非母语授课教室声环境的改善效果。预期成果将有利于从学习效率的角度落实高校教室建筑声环境设计效果，并可用于非母语授课高校教室声环境评估和推进建立相应标准中的教室声环境质量评价指标，在绿色建筑设计的发展中具有重要的应用价值。

技术特征：
1.基于学习效率的高校非母语教室声环境的综合评估方法，其特征在于：它包括以下步骤：s1、确定非母语环境下教室声环境控制指标及影响因素；s2、获取一段某种语言，以及多个教室的声学参数；s3、根据s2中语言和多个教室的声学参数，在每个教室内采用录音重放的方法对语言清晰度进行计算，得到对应教室的语言清晰度得分；根据各声学参数和语言清晰度得分得到各声学参数和语言清晰度的关系；根据各声学参数和语言清晰度的关系、语言清晰度得分构建声学预测模型，将某个教室的各声学参数和语言输入声学预测模型内，输出对应教室的语言清晰度得分；s4、确定非母语环境下教室声环境对声舒适度的影响因素，根据影响因素建立多级教室声环境舒适评价模型，并制作声舒适度的受访者问卷，通过受访者问卷和多级教室声环境舒适评价模型得到声环境舒适度得分；s5、根据非母语环境下教室内的不同的教学模式，建立不同难度的学习任务模式，获取每种学习任务模式的任务完成速度和正确率，根据不同学习任务模式的任务完成速度和正确率、语言清晰度得分、声舒适度得分建立声环境学习效率模型，根据s1中的控制指标及影响因素建立学习效率测试，基于学习效率测试结果和声环境学习效率模型计算学习效率百分数，完成对教室的声环境评估。2.根据权利要求1中所述的基于学习效率的高校非母语教室声环境的综合评估方法，其特征在于：s1的控制指标及影响因素为：在声场层面，以混响时间、早期衰减时间、早迟声能比、语言传输指数、有益有害声能比、信噪比为控制指标；在声源方面，以声源的分布情况、声源类型、声源频率特性、声源声压级、声源混响条件、声源组成比例为影响因素，声源的分布情况包括声源的分布位置和数量，声源类型包括人声、自然声、交通噪声，声源组成比例为不同声源类型的组成比例；在使用者感知方面，以使用者的社会特征、教室设施产生噪声的声感知评价、教室内部声环境感知评价、教室外部声环境感知评价、教学方式为影响因素，使用者的社会特征包括使用者性别、年龄、学历教育、声音敏感性。3.根据权利要求2中所述的基于学习效率的高校非母语教室声环境的综合评估方法，其特征在于：s2具体过程为：s21、根据某语言国际标准建立某语言清晰度测试材料，测试材料为发音相似的单音字，邀请以某语言为母语的人员在全消声室内录制语言清晰度测试材料，得到录音，利用声学分析软件将录音编辑为固定语速、固定声级、固定间隔时间，得到语言清晰度测试样本；s22、根据声学采集系统和声级计，以及语言清晰度测试样本测量某个教室a的声学参数：语言传输指数、信噪比、混响时间、早期衰减时间、明晰度。4.根据权利要求3中所述的基于学习效率的高校非母语教室声环境的综合评估方法，其特征在于：s3具体过程为：s31、在教室a中公放语言清晰度测试样本，并选取一部分人为听音人，听音人对公放的语言清晰度测试样本进行区分和评价，计算被听音人正确识别的单音字的百分数，得到教室a的语言清晰度得分；
s32、收集典型教室的各声学参数和对应教室内多测量点的语言清晰度得分，利用数据分析方法获得各声学参数和语言清晰度的关系；s33、根据各声学参数和语言清晰度的关系、语言清晰度得分构建声学预测模型，声学预测模型为逻辑回归模型，将典型教室的各声学参数和语言输入声学预测模型内进行训练，根据各声学参数和语言清晰度的关系，输出对应教室的语言清晰度得分，直至满足迭代最大次数上限或loss损失不变，得到训练好的声学预测模型。5.根据权利要求4中所述的基于学习效率的高校非母语教室声环境的综合评估方法，其特征在于：s3中声学预测模型为其特征在于：s3中声学预测模型为其特征在于：s3中声学预测模型为其中，si表示语言清晰度得分，sti表示语言传输指数，snr表示信噪比，edt表示早期衰减时间，c
80
表示明晰度；在进行实际计算时，获取的声学参数可能是一个或多个，可以根据上述一个或多个声学预测模型计算语言清晰度得分，若选择多个声学预测模型，则将多个声学预测模型的结果进行平均，得到最终的语言清晰度得分。6.根据权利要求5中所述的基于学习效率的高校非母语教室声环境的综合评估方法，其特征在于：s4具体过程为：s41、确定非母语环境下教室声环境对声舒适度的影响因素；s42、根据s41中影响因素，利用层次分析法和模糊综合评价法建立多级教室声环境舒适评价模型；s43、根据s41中影响因素制作声舒适度的受访者问卷，通过收集典型教室声舒适度的受访者问卷，结合建立的多级教室声环境舒适评价模型计算教室声环境舒适度得分。7.根据权利要求6中所述的基于学习效率的高校非母语教室声环境的综合评估方法，其特征在于：s41中影响因素为：在教室设施方面，以声学装修条件、照明系统噪声、室内教学设施噪声、通风系统噪声、教室大小、教室类型为影响因素；在室内噪声源方面，以空气调节系统噪声、学生相互交流噪声、室内多媒体系统噪声为影响因素；在室外噪声源方面，以交通噪声、隔壁教室噪声、走廊噪声、操场噪声、机械噪声、附近楼宇噪声为影响因素；在教学方式方面，以习题教学、小组讨论、黑板教学、多媒体教学为影响因素；在听配能方面，以声学条件、扩声系统的分贝、教室尺寸、学生在教室的位置、教师在教室的位置、学生数量教学为影响因素。8.根据权利要求7中所述的基于学习效率的高校非母语教室声环境的综合评估方法，
其特征在于：s42具体过程为：将s41中的影响因素分为二级指标和三级指标，二级指标包括教室设施、室内噪声源、室外噪声源、教学方式和听配能，三级指标包括每个二级指标对应的影响因素，将每个三级指标进行归一化，利用层次分析法计算每个三级指标的权重和每个二级指标的权重，根据权重利用模糊综合评价法计算声环境舒适度得分。9.根据权利要求8中所述的基于学习效率的高校非母语教室声环境的综合评估方法，其特征在于：s5具体过程为：s51、根据非母语环境下教室内的不同的教学模式，利用e-prime平台建立不同难度的学习任务模式，以及不同难度的学习效率评估程序，根据学习效率评估程序得到受访者对每种学习任务模式的任务完成速度和正确率；s52、基于不同学习任务模式的任务完成速度和正确率、语言清晰度得分、声舒适度得分建立声环境学习效率模型；s53、在考虑s1中声学参数、使用者感知评价的基础上，制作不同声源因素在非母语授课教室空间下对学习效率的影响测试，通过收集典型教室的受访者学习效率测试结果，结合声环境学习效率模型计算学习效率百分数，完成对教室的声环境评估。10.根据权利要求9中所述的基于学习效率的高校非母语教室声环境的综合评估方法，其特征在于：s5中声环境学习效率模型：w
p
＝si*ac*v*a
c
*ω其中，si代表语言清晰度得分，ac代表声舒适度得分，v代表任务完成速度，任务完成速度为反映时间rt的倒数，a
c
为正确率，ω为任务难度。

技术总结
基于学习效率的高校非母语教室声环境的综合评估方法，为解决学生在教室进行非母语上课时存在感知困难，学习效率低的问题。确定非母语环境下教室声环境控制指标及影响因素；根据语言和教室的声学参数构建声学预测模型，得到语言清晰度得分；确定非母语环境下教室声环境对声舒适度的影响因素，建立多级教室声环境舒适评价模型得到声环境舒适度得分；根据非母语环境下教室内不同的教学模式建立不同难度的学习任务模式，根据不同学习任务模式的任务完成速度和正确率、语言清晰度得分、声舒适度得分建立声环境学习效率模型，根据控制指标及影响因素建立学习效率测试，计算学习效率百分数，完成对教室的声环境评估。属于建筑声学领域。域。域。


技术研发人员：杨达 孟琪 武悦 刘芳芳 李朦朦
受保护的技术使用者：哈尔滨工业大学
技术研发日：2023.03.22
技术公布日：2023/8/24