1 研究背景
随着信息技术的发展,课堂教学行为分析技术正走向自动化和智能化,使原有的教学评价体系和方法受到极大的挑战。应用新技术实现课堂教学评价的常态化和规模化,为课堂教学规律的研究和学习本质的探寻提供了强有力的支持。
在学习过程中,情感影响着人的认知和行为,把握学习者的情感状态,对未来的智慧化和个性化教育研究尤为重要[1]。因此,不少学者已经将情绪识别引入教学分析模型中。韩丽将认知行为与学生头部姿态及面部表情行为进行关联,构建了基于人脸检测与表情分析的课堂教学评价系统[2]。曹晓明等利用多模态数据,基于深度学习网络建立学生学习参与度识别模型[3]。赵敏等基于原有的质量评价指标,通过深度学习网络进行建模并获得教学质量评价[4]。孙发勤等基于视频处理技术对学生的情绪进行分析与研究[5]。
在当前的教学行为分析中,视频处理技术占据主导地位,但缺少音视频结合的教学行为分析研究。主要原因可能有两个:一是对于线下教学来说,视频数据的获取难度小,受外部环境影响小;二是音频数据容易受外部环境影响,在普通教室中录制的效果比较差。但是,线上教学有时会采用一对一或者一对几的教学模式,因此音频数据的获取质量较高。而且,即便是集体授课,考虑到互动性,这样录播教室的摄像和录音质量也不是普通教室可比拟的。
为此,本文提出采用音视频结合的方法来进行教学质量评价,综合应用视频分析、语音识别等方法,分析教学双方的情绪、行为和语音等特征,动态地记录教学过程并进行评价。
2 音视频融合的教学质量评价模型
3 教学质量评价关键技术
4 教学质量评价指标
5 结语
随着人工智能时代的到来,原有教学评价方法已不能适应现有的线上教学模式。本文提出基于音视频分析技术的教学质量评价模型,在特征提取、模型构建和指标设计上给出具体实现思路,并详细讨论了每个阶段需要完成的工作以及实施要点。该评价模型不仅适用于线上教学质量评价,也适用于线下教学质量评价,主要差别在于评价指标(比如教师的肢体语言等)的差异。
参考文献
[1] 刘智,方常丽,刘三,等.物理学习空间中学习者情绪感知研究综述[J].远程教育杂志,2019(2):33-44.
[2] 韩丽,李洋,周子佳,等.课堂环境中基于面部表情的教学效果分析[J].现代远程教育研究,2017(4):97-103.
[3] 曹晓明,张永和,潘萌,等.人工智能视域下的学习参与度识别方法研究—基于一项多模态数据融合的深度学习实验分析[J].远程教育杂志,2019,37(1):32-44.
[4] 赵敏,詹玮.基于深度学习算法的教学质量评价系统[J].现代电子技术,2020,43(13):143-146,149.
[5] 孙发勤,邓雯心.基于人工智能的课堂学习情感评价研究[J].中国教育信息化,2019(23):58-62.
[6] ZHANG K, ZHANG Z, LI Z, et al. Joint face detection and alignment using multitask cascaded convolutional networks[J]. IEEE Signal Processing Letters, 2016,23(10): 1499-1503.
[7] SCHROFF F , KALENICHENKO D , PHILBIN J . FaceNet:A unified embedding for face recognition and clustering[J]. IEEE Conference on Computer Vision and Pattern Recognition, 2015.
[8] BATTENBERG E, CHEN J, CHILD R, et al. Exploring neural transducers for end-to-end speech recognition[J]. IEEE Automatic Speech Recognition and Understanding Workshop, 2017.
唐闺臣 梁瑞宇 谢跃 南京工程学院信息与通信工程学院 |