梁家軍 劉剛 廖克順

【摘 要】本文對人工智能和課堂問題行為的內(nèi)涵進行分析與界定，針對當前高職生課堂問題行為管理存在的問題，提出構建基于人工智能的高職生課堂問題行為預警系統(tǒng)：建立高職生課堂問題行為預警指標體系和基于人工智能的高職生課堂問題行為預警系統(tǒng)框架等。

【關鍵詞】人工智能 高職生 課堂問題行為 預警

【中圖分類號】G? 【文獻標識碼】A

【文章編號】0450-9889（2021）27-0171-03

隨著中國高等職業(yè)院校的不斷擴招，其生源結構的復雜性和學生個體差異性勢必對學校教育教學的管理提出挑戰(zhàn)。課堂教學作為學校教育教學的主陣地，學生的課堂行為直接影響課堂教學的效果。如何科學、客觀、有效地對學生課堂問題行為進行管控已成為目前各高職院校較為棘手的問題。近年來，隨著人工智能、大數(shù)據(jù)等新一代技術的廣泛應用，人工智能在教育教學領域的應用也得到很好的發(fā)展。運用人工智能技術，對學生的課堂問題行為進行識別、采集與分析，能更為精準地掌握課堂教學運行狀態(tài)，實現(xiàn)對學生學習情況的精細化管控，并對其不良行為實行預警，提高了課堂教學效率，為教育決策提供支持。同時變革了教師以及相關教學管理人員傳統(tǒng)的課堂問題行為管理的模式，對學校人才培養(yǎng)質(zhì)量穩(wěn)定、持續(xù)提升有著長遠的實際意義。

一、人工智能的高職生課堂問題行為預警系統(tǒng)相關概念的界定

（一）人工智能

1956年，馬文·明斯基等人工智能先驅(qū)在Dartmouth會議上第一次提出“人工智能”這個概念和學科。后來，人工智能的內(nèi)涵得到不斷深化與擴充。McCarthy認為，人工智能除了模仿人類智能，還包含超越人類的各種計算能力。目前大多數(shù)學者認為，人工智能（Aritifical Intelligence）具有數(shù)據(jù)、算力和算法三要素，它是一門研究人的智能的理論、方法、技術及應用系統(tǒng)并進行模擬、延伸和擴展的技術科學。在教育領域中，應用較為普遍的人工智能技術有圖像識別、語音識別、語義識別和機器翻譯等。

（二）課堂問題行為

美國教育心理學家林格倫（H.C.Lindgren，1983）認為：“從廣義上講，‘問題行為是一個術語，它指任何一種引起麻煩的行為（干擾學生或班級集體發(fā)揮有效的作用），或者說這種行為所產(chǎn)生的麻煩（表示學生或集體喪失有效的作用）”。中國學者邵瑞珍等人認為，課堂問題行為是指兒童不能遵守公認的正常兒童行為規(guī)范和道德標準，不能正常與人交往和參與學習的行為。綜上觀點并結合高職生的特點，本文將課堂問題行為界定為：在課堂教學活動中，學生做出與課堂教學行為規(guī)范和教學要求不一致的，并妨礙教師正常授課和對班集體、他人以及本身的學習效果造成影響的不良行為。

二、當前高職生課堂問題行為管理存在的問題

（一）教學質(zhì)量管理體系不完善

各高職院校在教學質(zhì)量管理上參差不齊，普遍存在管理體系不完善的問題。一是管理制度不夠細化或者未建立相關教學質(zhì)量管理制度，或有制度但部分院系未完全按學校管理要求落實;二是檢查、管控的問題行為指標較少，例如只涉及遲到、睡覺、曠課、早退等，不能全過程地管控學生課堂的各種不良行為。對學生的課堂問題行為，沒有較為嚴格的制度制約或制度執(zhí)行不到位等，導致學生課堂問題行為得不到改善。

（二）高職生課堂問題行為管控水平不高

目前，高職生課堂問題行為管控模式主要分為三個層面：一是學校教務層面，普遍是安排教學督導到各院系巡查抽檢并采取紙質(zhì)手工記錄的方式，條件較好的高職院校教室配備有監(jiān)控錄像系統(tǒng)，可以把課堂情況記錄下來，對不良行為采取截屏通報的方式，缺乏對各種行為數(shù)據(jù)的智能統(tǒng)計與分析，總體上工作效率不高。二是各院系配備的教學督導人員較少，有的數(shù)據(jù)來源于學生干部協(xié)助巡查結果，信息可能會失真，導致管理效果不理想。三是任課教師普遍把重心放在教學上，對學生睡覺、玩手機等行為難以全面監(jiān)控，導致課堂教學與管理壓力較大。

（三）高職生自主管控能力與學習意識問題突出

由于高職生源質(zhì)量不高而且結構復雜，在自主學習管控能力方面與本科生比相對較弱。另外，大學的教學模式相對較為靈活，沒有升學壓力，學習強度與中學比相對較小一些。學生學習意識不強，不夠重視課堂學習，加上自我約束力不夠，曠課、睡覺等問題很難杜絕。

三、基于人工智能的高職生課堂問題行為預警系統(tǒng)構建

（一）建立高職生課堂問題行為預警指標體系

高職生課堂問題行為預警指標的制定是預警系統(tǒng)設計需求的關鍵點。這關系到科學采集行為數(shù)據(jù)的范圍以及預警系統(tǒng)的合理性、精準性和有效性。通過研究分析相關文獻，結合教學實踐經(jīng)驗以及對相關教學管理人員的訪談，選取高職生普遍存在、影響較大且出現(xiàn)頻率較高的課堂問題行為，主要分為兩大類：不出勤和出勤中出現(xiàn)的問題行為，如表1所示。

（二）建立基于人工智能的高職生課堂問題行為預警系統(tǒng)框架

在建立高職生課堂問題行為預警指標體系的基礎上，通過研究分析人工智能技術原理及相關文獻，將課堂問題行為預警系統(tǒng)框架分為應用層、數(shù)據(jù)層和基礎設施層，并咨詢相關技術人員以及結合教學實踐經(jīng)驗對框架加以提升、細化，構建基于人工智能的高職生課堂問題行為預警系統(tǒng)框架，本框架共分為五層：用戶層、應用層、AI算法層、數(shù)據(jù)集層、基礎設施層，如圖1所示。

1.基礎設施層

基礎設施層是預警系統(tǒng)的基礎保障，主要用于海量數(shù)據(jù)（包括結構化數(shù)據(jù)和非結構化數(shù)據(jù)）的計算、存儲和分析處理等。由于需要采集大量且高質(zhì)量的視音頻數(shù)據(jù)，需配備高性能的CPU、GPU的服務器，以及運用當前較為穩(wěn)定和流行的Hadoop分布式并行處理計算框架，充分利用其集群的威力進行高速運算和存儲。另外，在教室安裝布置多方位的高清智能攝像頭用來采集學生各種行為圖像數(shù)據(jù)，并安裝拾音器用來采集語音數(shù)據(jù)。同時，建設完善的運維管理與服務體系，保障系統(tǒng)軟硬件的正常和穩(wěn)定運行。

2.數(shù)據(jù)集層

學生課堂問題行為的識別模型的科學性和精準性，需要制作高質(zhì)量的數(shù)據(jù)集，其中包括訓練集和測試集。攝像頭和拾音器獲取高質(zhì)量的視音頻數(shù)據(jù)，并將視音頻數(shù)據(jù)通過錄播系統(tǒng)自動合成為教學視頻，存入視頻數(shù)據(jù)庫中。按照已制定好的學生課堂問題指標特征對數(shù)據(jù)進行處理與分析進而對其歸類貼標簽（lable），將標好的圖像數(shù)據(jù)存入訓練圖像庫和測試圖像庫，形成完善的學生課堂問題行為訓練集和測試集。

3.AI算法層

AI算法層即要實現(xiàn)行為的識別與計算，利用合適的算法根據(jù)輸入的各類指標特征信息對學生課堂問題行為類型特征的判斷、計算和分類。本系統(tǒng)模型包括活動行為、情感行為和語音行為的判斷等。一是針對活動行為lable（請假、曠課、遲到、早退、東張西望、睡覺、玩手機、吃零食、低頭、課中過久無故外出、暈倒、捉弄他人、吵架、打架等）和情感行為lable（發(fā)呆、厭煩神態(tài)等）可運用3D卷積層神經(jīng)網(wǎng)絡（3D CNN）算法模型對目標進行圖像組合分析和特征檢測，從而進行判斷和組合，并將結果傳遞給下一層神經(jīng)網(wǎng)絡，實現(xiàn)分層的方式進行復雜的模式識別。二是針對言語行為lable（閑聊、高聲喧嘩等）可運用循環(huán)神經(jīng)網(wǎng)絡（Recurrent Neural Network，RNN）對學生課堂言語信息進行處理，識別分析具體的言語行為。

4.應用層

應用層是整個預警系統(tǒng)功能模塊可視化的層面。為了便于學校對學生課堂問題行為進行統(tǒng)計和管控，將管控的范圍分為學校、二級學院、專業(yè)、課程、班級、學生等六個層面，并對各維度的各項指標進行監(jiān)控、預警和決策。例如，對學校這一層面可以實時監(jiān)控到全校學生課堂實際情況，并可按設定好的預警指標實現(xiàn)預警提醒（可查看詳細情況），同時展現(xiàn)可視化的學生課堂問題行為圖表，為學校領導提供決策支持。另外，專業(yè)、課程、班級和學生各維度同樣按照各自的范圍實時進行監(jiān)控、預警和決策等功能。

5.用戶層

用戶層主要分為管理者、教師、學生、家長。管理者包括學校領導和教務處、質(zhì)量辦和學工處等相關職能部門，可對學校層面的學生課堂問題行為進行管控。教師用戶包括各院系領導、學生科、專業(yè)負責人和班主任，可對學院、專業(yè)、課程、班級、學生層面的課堂問題行為指標進行逐層管控。學生用戶實現(xiàn)對個人課堂問題行為的實時預警，實現(xiàn)不斷提醒自己以及提高課堂問題行為糾正的意識。另外，家長用戶同時可以實現(xiàn)對自己孩子的課堂行為進行監(jiān)控，掌握其課堂出勤、課堂不當行為等情況。對用戶層的權限管理可以根據(jù)實際需要進行對各層面權限的劃分。

四、人工智能的高職生課堂問題行為預警系統(tǒng)建議及展望

第一，在系統(tǒng)的應用與管理過程中，由于目前的人工智能技術尚未能百分之百識別和判斷學生的各項課堂問題行為，只有通過不斷優(yōu)化算法模型，加強模型的訓練，才能不斷提高識別精準度以及增強評判的客觀性和有效性。

第二，對學生課堂問題行為的管控，僅僅依靠系統(tǒng)管理具有一定局限性，還需要相關職能部門建立較為完善的課堂教學管理制度，構建學校管理層、教師、學生和家長有機協(xié)調(diào)的管控機制，采取有效的措施，對學生課堂問題行為進行監(jiān)控和干預等。

第三，學生課堂問題行為影響因素較多，有內(nèi)在的也有外在的。其中最為關鍵的一個因素是教師個人的教育教學方法和方式問題。教師在課堂教學過程中，需要不斷發(fā)現(xiàn)問題并總結經(jīng)驗與反思，提升個人的教學能力，認真研究教育教學規(guī)律，采用有效的教學方式激發(fā)學生對課程學習的興趣。只有這樣才能進一步管理好課堂，提升教學效果。

隨著人工智能技術的不斷發(fā)展，基于人工智能的高職生課堂問題行為預警系統(tǒng)實現(xiàn)不斷迭代。在識別技術上，做到更為精準，實現(xiàn)更為科學、客觀和有效地管控學生課堂問題行為;在監(jiān)控指標上，構建更為細化和完善的課堂問題行為指標體系（例如微表情分析等）;增加教師課堂教學行為分析等，從而全面變革學校課堂管理的模式，提高教育教學效果。

【參考文獻】

[1]林格倫.課堂教育心理學[M].章志光，譯.昆明：云南人民出社，1983.

[2]邵瑞珍.學與教的心理學[M].上海：華東師范大學出版社，1990.

[3]胡小玲.高校課堂管理現(xiàn)狀及對策分析[J].揚州大學學報（高教研究版），2018（3）.

[4]姜樂.高職學生課堂問題行為與管理策略研究[D].廣州：廣州大學，2018.

[5]李勝男.基于人工智能技術的課堂教學行為的分析框架構建研究[D].北京：北京郵電大學，2019.

[6]劉清堂，何皓怡，吳林靜，等.基于人工智能的課堂教學行為分析方法及其應用[J].中國電化教育，2019（9）.

注：2020年度廣西高校中青年教師科研基礎能力提升項目（2020KY30009）研究成果

【作者簡介】梁家軍（1985— ），男，廣西北流人，碩士，南寧職業(yè)技術學院教務處高級工程師，研究方向為計算機應用技術、現(xiàn)代教育技術;劉 剛（1980— ），男，河北保定人，碩士，南寧職業(yè)技術學院現(xiàn)代教育技術中心高級實驗師，研究方向為教育信息化;廖克順（1966— ），廣西鳳山人，碩士，南寧職業(yè)技術學院人工智能學院教授，研究方向為計算機應用技術。

（責編 黃 煌）