基于人工智能的课堂氛围评价

2018-02-26

新教育时代电子杂志(学生版) 2018年3期

（东北师范大学吉林长春 130000）

一、分析高教课堂氛围的必要性

随着大数据，云计算，人工智能，互联网等现代科学技术的发展，信息化的进程越来越迅速。在党的十九大报告中，也明确指出了“加快教育现代化”和“办好网络教育”的目标。“互联网+教育”也越来越频繁地进入人们的视野，将人工智能技术应用到课堂评价的分析中，能够更准确客观的反应课堂情况，对课堂氛围进行评价。在高等教育中，教师的课堂风格直接影响到学生的出勤情况，听课效果，针对不同类型的班级，也适合不同氛围的课堂，课堂纪律不好的班级适合严肃认真的课堂氛围，死气沉闷的班级适合活泼有趣的课堂氛围。分析教师授课的课堂氛围能够有效地改善学生听课效果，提升我国高等教育课堂效率。

二、利用教学视频分析课堂氛围的实施方案

如今，传统的科研工作人员进课堂的观察方法已经不能满足当代需要，大数据的环境下，要求科研要具备庞大的数据支持并进行反复的实验验证。人工智能的技术已相当成熟，行为识别和表情识别的准确性已超过90%。以下，我将详述研究的过程与方法：

1.教学视频的获取

在我国高等院校中，每天有成千上万的课堂在进行，而课堂上的信息因为没有被记录都流失掉了，学生的学习行为信息和教师的授课信息都无法分析和利用。在大学教室里，大都有视频录像装置，尤其在微格教室、阶梯教室中的设备更为先进且齐全，我们将课堂视频录制下来，成为教育大数据。在课堂上录制大学生的学习行为，包括课前准备情况，课上听课状态，座位的选择，迟到早退情况等，这些能够反映学生对该课堂的感兴趣程度以及对知识的接受能力和理解水平的行为指标，保证视频的真实性，还原课堂场景。

2.视频数字化处理

由于录制视频的角度和清晰度不同，收集到的视频首先应进行筛选，保留清晰的课堂完整的视频记录研究。研究要先观察视频，以一节45分钟的课堂为例，15秒钟为一个记录单位，即每隔15秒取一次样本，用人工智能的行为分析和表情分析技术识别，记录教师的教学行为和全班学生的学习行为，把教学行为分成互动型和讲授型两种，我们将提问（学生回答问题）、讨论、学生汇报等学生参与度比较高的课堂形式记为互动型，将教师讲授、播放视频、做练习题等没有师生互动的课堂形式记为讲授型。另外，要统计学生的互动人数和听课人数，我们把点头、摇头、回答问题、鼓掌等动作的学生记为互动学生，听课学生数是除互动学生数外，加上记笔记、看黑板、看教材的学生数的和，还需计算互动比和听课比，互动比=互动人数/班级人数，互动比能够反映学生对老师所授内容的感兴趣程度和课堂的活跃程度，进而分析出教师的授课风格是偏向活跃型还是偏向沉闷型。听课比=听课人数/班级人数，听课比是衡量课堂效果的最基本的参数，显然，对于同一班级的学生，不同教师、不同风格的课堂听课比也是不同的，我们将不同风格课堂的听课比根据学生的行为和表情做出计算，听课比越高代表课堂效果越好，同时也反映出该教师的授课风格更适合这个班级的学生，其余的任课教师可以此为样本，对自己的课堂进行调整，实现课堂效果的最优化。

3.构建大数据评价体系

我们对每一个班级的课堂都进行录制和分析，对每一位教师的课堂也同样录制分析，这样，对于一个班级我们至少可以得到8节课的教学视频资源，对于一个教师我们也可以得到2节课的视频资源，这样我们可以从水平（即同一班级不同教师）和垂直（同一个教师不同班级）两个方向上进行研究。水平方向上，针对同一个班级，不同教师的课堂氛围和效果不同，我们选取同一班级的1000节课，根据大数据的结果分析该班同学对授课风格的偏爱，将结果反馈给各科教师，教师根据数据可自我调整课堂节奏。垂直方向上，选取同一个教师的500节课做样本，分析不同班级的学生对该教师课堂的接受程度和课堂效果，将课堂效果好的班级的学生表现发给其余班级的学生作为学习榜样。