人工智能技术在信息化课堂中的应用探索

林锦忠

(泉州幼儿师范高等专科学校,泉州 362000)

21世纪以来,人工智能技术在提高社会生产效率、促进社会发展方面取得了丰硕成果,人工智能技术应用范围也随着技术的成熟革新逐渐扩大。随着高校信息化教学水平的推进,教育管理者开始从人工智能角度寻求新的教学突破。作为国际性尖端技术,人工智能在精准教学、学情分析、教学评价等方面展现了强大的功能。信息化课堂泛指采用信息化手段展开的课堂教学活动。典型的信息化课堂有翻转课堂、开放教育、慕课等形式。人工智能技术在信息化课堂中的应用无疑加强了课堂教学效率,但是对于新技术的应用,教育领域仍存在一些疑惑和困境亟待突破和解决。基于此,本文针对以上内容进行相关分析。

一、信息化课堂中人工智能技术的实际应用

(一)精准习题推送

精准教学理论由来已久,最初由奥格登·林斯利于20世纪60年代提出。人工智能技术的推广应用帮助精准教学开拓了新世界。人工智能技术能够根据信息化课堂上学生做题记录、信息查询记录量身设计错题库,有针对性地弥补学生知识缺陷和盲区,采用个性化的拓展训练习题代替千篇一律的课后作业,使学生将节省下来的时间用于探究重点与难点问题。这种精准推送习题的方式在极大程度上节约了课后学习时间,变相实现了对学生学习过程的监督。

人工智能一般采用推荐算法实现相关知识的推送。诸多推荐技术中,协同过滤算法在知识推送系统中的应用频率较高。协同过滤算法主要依据学生查询记录获取学生感兴趣的习题内容和知识点信息,综合评估学生的偏好[1],然后再根据其邻居群体的知识点偏好程度获取兴趣相似群,预测相似群的兴趣偏好进行知识点信息推送,从而生成个性化的习题方案。基于协同过滤算法向学生推荐习题知识主要通过以下步骤实现:首先要设定学生A为目标用户,一是获取兴趣相似的用户群体,基于余弦相似度求取用户之间的兴趣度,进而获得相似兴趣度的群体;二是进行知识信息推荐,选择若干个与学生A相似度最高的用户结合H,依次求取学生A对H集合某个知识感兴趣的程度;最后,计算知识推荐程度,推荐程度依据学生A与邻居的距离获得。

基于智能算法生成错题库和习题推荐方案过程中,学生可以针对自身弱势进行多次测评,多次生成智能化的习题训练方案,根据实际内容选取最为契合的习题方案。信息化课堂中,学生自主使用精准习题推送技术获取训练方案,有助于课后知识点的巩固与夯实,同时实现了课上知识盲区的内化。

(二)信息化课堂行为智能分析

人工智能技术基于智能视频分析实现学生行为分析,综合运用视频采集技术与计算机图像分析技术识别学生肢体行为与面部信息,了解学生对教学方式、教学方法的反馈。课堂行为分析要具备两个条件,一是视频信息采集,二是轮廓提取、人脸识别算法的设计[2]。

1.学生课堂学习的视频信息采集

本文利用流媒体视频采集系统获取实时教学视频。视频采集系统原理,如图1所示。结合图1可知,采集实时课堂视频过程中,根据教学场所的大小和需求设置摄像机的数量。每个视频采集系统布置一个视频图像采集模块,此模块集成大容量视频采集卡;视频采集完成需要进行压缩处理,以提高视频传输的效率和完整性;视频数据传输到监控端时,需要解压解码才能正常播放,以备后续学生行为轮廓检测、人脸信息识别。

图1 视频采集系统原理

2.学生课堂行为分析

学生课堂行为分析主要包括肢体行为提取与面部特征提取两部分。肢体行为提取通过轮廓检测的方式实现,轮廓检测本质上是保留有价值的封闭边缘,除去边缘内部像素,通过计算封闭边缘轮廓点坐标、面积、数量等参数提取到图像目标物特征[3]。图2为轮廓检测的具体流程规划,为保障轮廓检测的精准度需要预先对图像实施中值滤波平滑处理,然后通过阈值分割实现图像的二值化,最后完成图像轮廓检测,获取学生在课堂表现的肢体行为信息。

本次研究基于OpenCV和Haar特征构建人脸信息分类器实现人脸特征检测。首先,在人脸视频图像中获取包含Haar特征的样本,基于OpenCV训练一个人脸特征分类器;其次,考虑到课堂视频图像很少能采集到学生正脸图像,所以构建的分类器为侧脸检测分类器,提高课堂学生表情分析的精度。

图2 轮廓检测流程

综上可知,人工智能技术提供了一种智能的信息化课堂行为分析方法,教师可实时获取课堂上学生表情信息,兼顾每个学生的情绪反应。同时,行为分析视频可作为课后长期分析学生行为的一种依据,为优化信息化课堂教学方法提供借鉴。

(三)智能教学评估

本次研究基于数据挖掘算法实现信息化课堂的智能教学评估。在信息化课堂的教学评估领域,数据挖掘一方面可以利用数据间的共性与关联,通过数据聚类、汇总、总结等方式准确描述学生学情;另一方面,可利用关联规则、决策树算法、回归序列等算法预测未来学生学习情况的发展趋势。预测功能是数据挖掘在信息化课堂中的重大应用,是近几年教育领域人工智能技术应用的重点方向。

数据挖掘算法的主体过程包括数据预处理、数据转换、数据挖掘、挖掘结果分析等步骤。预处理有效降低了原始数据噪声,提高残缺数据的完整性,降低了数据挖掘在教学评估中的应用难度,进而得到较为全面、合理的教学评估结果。教师根据数据挖掘结果可以进行相应的教学决策,如教学目标优化、教学方案修正、教学方法完善等。在诸多数据挖掘算法中,关联规则使用的频率较高,该方法运用的方式是基于Apriori算法挖掘学生学习数据间的本质与内在联系。第一步,集成学生在信息化课堂学习的基本信息与行为信息,如姓名、成绩、历史学习记录等内容;第二步,基于Apriori算法挖掘学习行为数据,获取数据间的关联规则,此间需要设置一个最小支持度值;第三步,各个子项集合的支持度值可通过支持度求取方法得到,再为得到的频繁项集合设置一个置信度值,计算各个关联规则的置信度;最后,根据计算结果评价分析学生学习状态,哪些方面需要改进,哪些方面需要继续保持。

二、人工智能技术在信息化课堂应用的困境与出路

(一)正确认知技术在课堂中的位置

信息化课堂增加了教师教学的便利性,人工智能技术在信息化课堂的应用更是减少了教师亲力亲为的概率,逐渐地导致教师对人工智能技术产生一种依赖心理,过分信任技术对学生教学的管理。例如,直接将人工智能教学平台生成的教学方案推送给学生,没有从个人角度加以修正;注重开展人工智能技术监测相关的教学工作,强调课堂表面的光鲜亮丽,忽视学生知识内化程度。

为此,教师必须要正确认识人工智能技术在信息化课堂中的地位和应用方式,不能绝对排斥,也不能过分依赖。首先,教师要具有包容心,接纳新技术,肯定人工智能技术对于精准教学、教学评估的价值,帮助学生正确认知人工智能技术,降低学习恐慌,使其逐渐适应课堂中教学技术的应用;其次,教师要明确人工智能技术始终是服务于课堂,不会取代具有思想的人工教育,使其成为优化教学效果、降低教学误差、规范学生行为的有力工具;最后,教师要抛弃技术至上、技术为尊的片面心理,加强师生之间的情感交流与知识互动,增强学生对教师和人工智能技术的认同与信任。

(二)坚持以人为本的教学原则

人工智能技术在信息化课堂中的应用强调以技术管理课堂、掌控课堂,人文关怀在冰冷的技术运用中逐渐丧失。我国教学改革倡导发扬学生个性与创造性思维,但是人工智能技术始终以自身的数据储备为依据进行行为分析、教学评估、学习方案制定,缺少情感上的自主思考能力,这一点限制了学生创造性思维的释放。另外,基于视频监控之下的学生似乎整齐划一,但是其内心的情绪难以通过图像检测挖掘得到,并且学生学习行为暴露于公众之下,容易让学生感受到教育者对其的不信任。

以上种种均证明了人工智能技术导致课堂人文关怀的缺失,所以,未来信息化课堂引入人工智能技术必须坚持“以人为本”原则,为学生学习服务、提高学生学习效率是新科技在课堂推广的初衷。在此过程中,人始终是关键服务对象,以学生需求为目标是人工智能技术充分发挥其作用的基本要求,要时刻牢记学生在课堂中的主体地位。换而言之,脱离学生的智能教学技术将毫无实践价值。所以,坚持以人为本的教学原则要关怀学生的实际需求,对学生的信任大于对人工智能技术的信任,纠正学生对监测技术的误区,正视人工智能技术可能出现的教学错误,使新技术更好地服务于现代信息化课堂。

(三)健全人工智能在教学领域的法律约束

人工智能课堂打造是以学生行为数据和教师教学数据为基础,然而随之而来的是个人隐私信息流失的危险。这种担忧并不是空穴来风,人工智能技术发展到今天尚未达到无懈可击的技术水平,端口信息泄露的风险不可避免。

为此,教育监管部门要做好人工智能技术应用的相关制度规范,加强数据管理的法律法规建设。信息时代的开放性不意味着信息资源的肆意传播,而仅仅通过道德教育无法起到理想的行为约束效果,始终要依靠法律的力量规范人工智能技术在教学中的行为与秩序,所以有关部门要积极构建信息安全防御体系。安全防御体系的本质是以监督的方式了解数据应用的一举一动,对于可能出现危险的数据应用方式施以严查,对坐实的信息泄露行为实施严厉打击,追究相关责任人的法律责任。

三、结语

本文综合阐述了人工智能技术在信息化课堂中的应用方式,分析了目前人工智能技术在教育领域面临的困境与出路,以期实现人工智能技术与课堂教学的可持续发展。现代教育在人工智能技术支持下,解决了学习行为监控、精准教学、教学效果评估等实际性问题,帮助教师真正做到因材施教。信息化课堂是未来教育发展的主要方向,加上人工智能技术的辅助作用,让学生在有限的教学时间内更够汲取更多的知识源泉,有助于真正提高现代教育改革下的课堂教学效率。