基于人工智能的大学生课堂行为分析及管理策略模型研究

罗旭东 刘啸岚 文晓浩

（1、广西师范大学职业技术师范学院，广西 桂林 541000）

（2、衡水学院，河北 衡水 053000）

一、大学生课堂不良行为的普遍性与课堂教学管理改革创新的必要性

大学课堂不良行为在各个高校普遍出现,严重影响学生教学质量。目前，大学生课堂不良行为主要有迟到、旷课、早退、进食、睡觉、玩手机、制造课桌文化、随意插话打断老师讲课等。这些课堂不良行为会产生以下负面影响：（一）学生自身的学习效果差；（二）学生之间及师生之间的感情淡；（三）班级的学习氛围不浓；（四）教师教学的质量低。在教学改革的大背景下，课堂行为直接影响着课堂教学的结果。对学生课堂不良行为的监控与研究，是对课堂进行常态研究的必要补充，唯有推进课堂教学管理的改革创新，才能切实减少大学生课堂中的不良行为。

二、人工智能精准分析学生课堂行为是大学课堂教学管理改革创新的必然趋势

人工智能充分利用大数据分析和智能化的独特优势，不仅可以精准分析学生课堂行为，还能搭建实时的学生课堂行为信息共享平台，从而为教师课堂教学管理改革创新提供有针对性和可操作性的思路和策略。智慧课堂的出现和发展将通过人工智能独特的优势，捕捉学生课堂行为，并进行充分的分析，为教师及时调整教学内容、授课方式、实时跟踪课堂情况提供有力支撑。

三、大学生课堂行为分析及教学管理策略研究及关键步骤

通过借助人工智能的相关技术采集、捕获、探知一些学生在上课过程中得表现出课堂行为的结构、非结构化的数据，包括通过视频监控获取学生课堂情况视频信息，通过语音监控系统获取到学生课堂情况音频信息。通过深度学习神经网络进行分析、挖掘，识别出学生的课堂行为等，进而可以进行分析和预测，提出课堂教学管理改革的新路径和新对策。关键步骤如下：

（一）教学过程中的数据及其获取和收集。在教学过程中，借助人工智能的技术，可以采取摄像、穿戴传感设备、录音等方式，采集和捕获学习者的行为，这部分的数据的采集需要对现有的人工智能的设备进行改进和改制，使其能够捕捉到适用于分析的内容。

（二）学生课堂行为的识别。在复杂的课堂环境中通过现有的数据采集设备获取到每位同学的行为信息。选择合适人工智能算法和框架处理多目标跟踪过程中的遮挡、低分辨等问题，提高多目标行为识别的准确性。

（三）深度学习训练数据的采集。对于深度学习来说模型的准确率除了由模型和框架决定，更重要的因素是训练样本的规模及样本的有效性。为了使模型对课堂行为识别更准。我们需要提前采集大量学生的行为数据，并标记。

（四）课堂行为的分析数据用于课堂教学管理。在获取众多海量课堂行为数据之后，建立学生课堂表现评价体系模型，将评价情况实时反馈给教师，教师可以通过反馈情况实时调整，激发学生的学习热情和兴趣，从而对教学质量的提高提供帮助。至于评价哪些维度，用什么指标来表征维度。是建立学生课堂表现评价体系模型的关键，学生课堂表现评价体系模型构建是本研究项目的关键所在。

四、总结

本文建立以人工智能背景下学生课堂行为分析及教学管理策略模型，该领域前人研究不足，具有创新性。在新时代人工智能的推动下，基于人工智能的学生课堂行为分析及教学管理策略研究必将是高校课程改革不可改变和规避的大趋势，充分利用国家关于人工智能建设发展的政策，发挥高校自身特色，打造大学生课堂行为分析系统，构建自身的数据共享中心，对学校高水平本科教育有着深远意义。