蔡琴心

（珠海市金灣區(qū)林偉民紀(jì)念小學(xué) 廣東·珠海 519000）

0 引言

分析課堂教學(xué)行為是整個(gè)教學(xué)研究關(guān)注的重點(diǎn)，也是教師專業(yè)化水平提升和教學(xué)改革的關(guān)鍵途徑。在我國的基礎(chǔ)教育中課堂教學(xué)是其主體，學(xué)生綜合素質(zhì)提升的堅(jiān)實(shí)基礎(chǔ)就是課堂教學(xué)。人工智能技術(shù)是對人類思維智慧的研究結(jié)合模仿的科學(xué)，目前，我們的生活和各個(gè)領(lǐng)域內(nèi)已經(jīng)在普遍應(yīng)用人工智能技術(shù)，也深刻地影響到學(xué)校的教學(xué)模式，并引發(fā)相應(yīng)的教育改革。人工智能技術(shù)顯著促進(jìn)了評價(jià)和優(yōu)化教學(xué)方案的能力，可以利用人工智能技術(shù)對課堂教學(xué)行為進(jìn)行準(zhǔn)確的量化，并以此為基礎(chǔ)制定最佳的教學(xué)方案，以提升整體的教學(xué)質(zhì)量。

1 智能分析系統(tǒng)的數(shù)據(jù)整合分析

1.1 數(shù)據(jù)來源

在本文的研究中，小學(xué)課堂學(xué)習(xí)信息的收集可利用伴隨式、非入侵模式實(shí)施數(shù)據(jù)的收集。課堂教學(xué)過程中教師和學(xué)生學(xué)習(xí)活動(dòng)的圖像可以通過課堂上裝置的高清攝像進(jìn)行獲取，然后自動(dòng)合成是利用錄播系統(tǒng)完成，在數(shù)據(jù)庫中永久保存。本研究選取了十個(gè)中小學(xué)課堂教學(xué)視頻的案例實(shí)施訓(xùn)練集和測試集的試驗(yàn)。

1.2 圖像數(shù)據(jù)庫的構(gòu)建

可以利用視頻獲取系統(tǒng)進(jìn)行圖樣采集，一幀圖像采集的時(shí)間設(shè)定為5秒，對以上10個(gè)中小學(xué)課堂教學(xué)視頻進(jìn)行收集，一共采集到5450張圖像，同時(shí)將圖像的行為類別實(shí)施標(biāo)注，例如 S行為或者是 T行為。為了確保這些圖像標(biāo)注的精準(zhǔn)性，圖像標(biāo)注人員選擇了十名研究生，進(jìn)行培訓(xùn)，并制定了標(biāo)準(zhǔn)的標(biāo)注規(guī)則。可利用標(biāo)注好的圖像數(shù)據(jù)的70%進(jìn)行訓(xùn)練集，在訓(xùn)練圖庫中儲(chǔ)存，利用30%圖像數(shù)據(jù)進(jìn)行測試集用，存入測試圖像庫。

2 課堂行為模型構(gòu)建

2.1 行為機(jī)理分析

在通常使用的S-T行為分析中，T行為是教師的相關(guān)行為，涵蓋解釋、媒體演示、板書、示范、點(diǎn)名、提問和巡視等。本文將行為T以外的所有行為視為行為S，其中包括學(xué)生的言語、任務(wù)、考慮和記錄等。以S-T分析法采集并記錄課堂教學(xué)場景為基礎(chǔ)，其教學(xué)行為可以利用分布的量化數(shù)據(jù)獲得，對Rt-Ch圖和S-T曲線圖的有效繪制，在此基礎(chǔ)上研究該課程中的教師和學(xué)生交互的狀況和相應(yīng)的教學(xué)模式，幫助教師實(shí)施教學(xué)研究。

2.2 構(gòu)建相關(guān)指標(biāo)

綜合S-T行為分析法和人工智能技術(shù)的要求，分析課堂學(xué)習(xí)中的T行為，借助檢測人臉、輪廓檢測的獨(dú)有方式辨別課堂教學(xué)場景的特征，形成教學(xué)行為與圖像特征兩者間的對應(yīng)關(guān)系。首先要對S-T行為特征指標(biāo)進(jìn)行設(shè)計(jì)和分析，可以通過圖像中的人臉數(shù)目、輪廓數(shù)目、圖像最大輪廓面積、框架差分圖的最大輪廓面積等四個(gè)特征代表了教師的行為特征T。而教師課堂教學(xué)的解答、板書和課件的播放行為設(shè)定為T1，如果教師測對或者背對學(xué)生的時(shí)候視頻就沒有人臉顯示，可以利用檢測到的人臉數(shù)量等于或少于等高線數(shù)量。教師的示范演說可以用行為T2表示、提問以及點(diǎn)名等，視頻中教師為正面人臉，呈現(xiàn)簡單的背景環(huán)境，可以采用人臉檢測數(shù)為1的圖像的最大輪廓面積。行為T3表現(xiàn)為教師的解說行為，視頻中是學(xué)生仰頭面對黑板，完全可以呈現(xiàn)相對多的人臉數(shù)和輪廓數(shù)。教師講課和巡視行為設(shè)定為T4，動(dòng)作幅度增大時(shí)，考慮采用幀差法計(jì)算當(dāng)前采樣圖像像素點(diǎn)的灰度值與前一采樣圖像像素點(diǎn)的灰度值之間的差值，求得幀差圖像同時(shí)計(jì)算出最大的輪廓面積,倘若超過某閾值認(rèn)定存在物體移動(dòng)時(shí)，呈現(xiàn)較多的輪廓數(shù)目。除了T行為以外的行為都是行為S。

2.3 數(shù)據(jù)獲取

所有的數(shù)據(jù)獲取皆可從訓(xùn)練圖像庫、測試圖像庫、視頻數(shù)據(jù)庫中獲得，并進(jìn)行嚴(yán)格的分析和處理。

2.4 特征提取和選擇

2.4.1 人臉檢測

人臉的數(shù)目能夠利用人臉的檢測得到。人臉檢測實(shí)際就是對人臉特征的提取，而諸多特征提取技術(shù)都是由 OpenCV提供，技術(shù)包括HOG、LBPHaar等。本研究應(yīng)用的人臉檢測器是OpenCV本身具備的，通過集中訓(xùn)練進(jìn)行對比試驗(yàn)，準(zhǔn)確率較高的是Haar人臉檢測器，被廣泛推廣使用。

2.4.2 輪廓檢測

最大輪廓面積和輪廓數(shù)目可以利用輪廓檢測程序獲取。該檢測過程是在圖像中查找明顯物體并對物體輪廓實(shí)施提取，經(jīng)過分析樣品圖像后得知，教師行為狀況是很簡單的背景圖像，呈現(xiàn)極少的輪廓數(shù)目，但與其相反的是又大又清晰的輪廓面積。所以，S-T行為類型可以根據(jù)輪廓檢測結(jié)果進(jìn)行判定，即輪廓面積和數(shù)目。本文具體的檢測圖像輪廓詳細(xì)步驟如圖1所示，必須進(jìn)行原始圖像的降噪、去噪工作，可通過中值濾波完成，獲取相對平滑的圖像；然后以二值化方式處理圖像，有必要彰顯物體的輪廓；最終檢測二值化圖像輪廓，并把小面積輪廓過濾掉，同時(shí)要有效統(tǒng)計(jì)及保存輪廓面積和數(shù)量，進(jìn)行最大輪廓面積的提取。

圖1：圖像輪廓檢測步驟

2.4.3 主體運(yùn)動(dòng)檢測

利用幀間差分法檢測主體運(yùn)動(dòng)，得到幀間差分圖的最大輪廓面積。幀間差分法就是所謂的幀差法，幀間差分可以通過連續(xù)或者一定時(shí)間的間隔的幀間差分來實(shí)現(xiàn)，從而對判斷目標(biāo)的確定。幀間差分圖像的得到可以通過運(yùn)算兩個(gè)臨近的樣本圖像獲得，之后利用二值化手段處理幀間差分圖像并對輪廓進(jìn)行檢測，就可以檢測出運(yùn)動(dòng)目標(biāo)。在課堂狀況下，如果幀間差分圖像表現(xiàn)為非常大的大輪廓面積，就能夠斷定教師正在講課或者巡查。

2.4.4 檢驗(yàn)相關(guān)特征

本文對訓(xùn)練集圖像特征的處理采用了weka軟件，可以對教學(xué)行為類別間的關(guān)聯(lián)性進(jìn)行斷定，進(jìn)行歸一化處理各特征值后，計(jì)算所有個(gè)體特點(diǎn)以及教學(xué)行為類別之間的相關(guān)系數(shù)（皮爾遜積矩），實(shí)際的排序要根據(jù)系數(shù)大小，教學(xué)行為類型與特征的相關(guān)性與系數(shù)值成正比，系數(shù)越大，相關(guān)性就越強(qiáng)。

3 課堂行為智能分析的實(shí)現(xiàn)

3.1 服務(wù)與反饋

該實(shí)驗(yàn)程序已經(jīng)在實(shí)際的教學(xué)中應(yīng)用，讓課堂教學(xué)視頻分析自動(dòng)化得以實(shí)現(xiàn)，更有助于教師的教學(xué)反思。如下面圖2所示，顯示了學(xué)校小學(xué)語文《雪地里的小畫家》一課時(shí)教師與學(xué)生互動(dòng)的情況，最后側(cè)面表現(xiàn)的是利用計(jì)算獲得的教師行為占有率Rt、學(xué)生行為占有率、師生行為轉(zhuǎn)化率Ch以及以此確定的教學(xué)方式；最左側(cè)面是S-T曲線的自動(dòng)生成的；中間表現(xiàn)的是Rt-Ch圖，表現(xiàn)了該課節(jié)的教學(xué)模式種類為講授型。本次獲得的試驗(yàn)成果被教師所認(rèn)可，該模式大大降低了教師的工作量，讓教師有時(shí)間和精力去反思和評價(jià)課堂教學(xué)；該措施促進(jìn)了分析課堂教學(xué)行為的規(guī)模化、常態(tài)化的進(jìn)程，教師利用這些數(shù)據(jù)可以更高效地進(jìn)行縱向和橫向分析，以對自身的不足及時(shí)發(fā)現(xiàn)、及時(shí)彌補(bǔ)，促進(jìn)個(gè)人成長，更可以成為學(xué)校管理者的規(guī)劃和策劃的數(shù)據(jù)支撐，同時(shí)，考慮到教師也在進(jìn)行意見反饋，期待系統(tǒng)可以對更多的課堂教學(xué)行為進(jìn)行識(shí)別，而且倘若可以附帶課堂教學(xué)視頻的有關(guān)背景信息，促進(jìn)對比和分析課堂教學(xué)行為的精準(zhǔn)性和便捷性。

圖2：S-T曲線和Rt-Ch圖

3.2 反思與對策

按照系統(tǒng)運(yùn)行中得到的反饋和建議，進(jìn)行歸納和反思，通過策略的改進(jìn)更好地滿足具體的應(yīng)用需求。首先，需要樣品量的增加，讓教學(xué)樣本類型更豐富，讓樣本數(shù)據(jù)平衡度和自然度更高，更方便模型訓(xùn)練和特征選型。其次，對技術(shù)和方法進(jìn)行優(yōu)化，深度挖掘和結(jié)合多種行為識(shí)別特征，例如頭部、生理信號、語音等特征，利用多模態(tài)信息交融的措施提高行為識(shí)別的精準(zhǔn)性、多樣性和細(xì)粒度；與此同時(shí)，更要對特征提取方式進(jìn)行優(yōu)化增加準(zhǔn)確性，讓模型識(shí)別的泛化水平顯著增強(qiáng)。最后，在進(jìn)行行為分析和統(tǒng)計(jì)時(shí)，該系統(tǒng)可以對教學(xué)情境的相關(guān)信息進(jìn)行關(guān)聯(lián),對教學(xué)行為構(gòu)成的隱藏意義進(jìn)行深度拓展，提升教學(xué)的質(zhì)量和效率。

4 結(jié)束語

綜上所述，人工智能技術(shù)不僅是一種技術(shù)手段的應(yīng)用，更引發(fā)我們以新的視角來審視課堂教學(xué)，促進(jìn)教學(xué)理念和教學(xué)評價(jià)模式的革新。同時(shí)，在優(yōu)化教學(xué)過程和情境的過程中，可以依托智能技術(shù)實(shí)施思考和辯論，讓課堂教學(xué)方案的制定更加科學(xué)合理。本文研究和探討的是課堂教學(xué)行為分析中對人工智能技術(shù)的應(yīng)用，并通過模型構(gòu)建進(jìn)行應(yīng)用實(shí)踐的模擬，效果比較明顯。并通過在實(shí)踐中得到的意見反饋，對小學(xué)課堂教學(xué)行為的改善提出了思路。希望本文介紹的措施和經(jīng)驗(yàn)?zāi)軌驗(yàn)檎n堂教學(xué)行為分析提供一定的參考和借鑒。