甘啟宏，余 淇，王春艷，崔亞強(qiáng)

（四川大學(xué) 信息化建設(shè)與管理辦公室，四川 成都 610065）

0 引言

課堂是學(xué)校教育教學(xué)的主陣地，課堂教學(xué)分析是課堂教學(xué)質(zhì)量評(píng)價(jià)的重要依據(jù)［1］。傳統(tǒng)課堂教學(xué)分析主要以人工編碼和工具統(tǒng)計(jì)為主，存在依賴專家、編碼復(fù)雜、分析低效等問題［2］。隨著人工智能技術(shù)的發(fā)展，國務(wù)院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》提出建立智能、快速、全面的教育分析系統(tǒng)，推動(dòng)人工智能在教學(xué)、科研、管理等領(lǐng)域的應(yīng)用［3］。人工智能與教育研究逐步結(jié)合［4］，形成新興的跨學(xué)科研究領(lǐng)域——教育領(lǐng)域的人工智能（Artificial Intelligence in Education，AIED）。盡管當(dāng)前人工智能的整體發(fā)展仍處于弱人工智能階段［5］，其仍然為大規(guī)模自動(dòng)化采集課堂教學(xué)過程及智能化分析提供了可能［6］。總體而言，基于人工智能的課堂教學(xué)分析還處于探索階段，隨著高校智慧教學(xué)環(huán)境建設(shè)的不斷推進(jìn)，如何實(shí)現(xiàn)智能化和規(guī)?；恼n堂教學(xué)分析、提高課堂教學(xué)分析效率，以及實(shí)施基于數(shù)據(jù)的教學(xué)評(píng)價(jià)已經(jīng)成為教育領(lǐng)域關(guān)注的熱點(diǎn)［7］。

1 基于人工智能的課堂教學(xué)分析相關(guān)研究

人工智能背景下，課堂教學(xué)分析逐漸趨于自動(dòng)化、智能化與規(guī)?；?。從課堂教學(xué)環(huán)境發(fā)展變化和數(shù)據(jù)采集分析方式來看，課堂教學(xué)分析主要經(jīng)歷了人工、半自動(dòng)和智能化3個(gè)階段。

（1）基于人工的傳統(tǒng)課堂教學(xué)分析。傳統(tǒng)課堂教學(xué)分析主要采用人工標(biāo)注方式，由研究者設(shè)計(jì)量表，通過現(xiàn)場觀察進(jìn)行人為記錄與分析。比較有代表性的是S-T 分析法和弗蘭德斯互動(dòng)分析系統(tǒng)（Flanders Interaction Analysis System，F(xiàn)IAS）。S-T 分析法［8］記錄課堂教學(xué)中教師教學(xué)行為（T）和學(xué)生學(xué)習(xí)行為（S），間隔固定時(shí)間記錄一次，得到教學(xué)行為和學(xué)習(xí)行為數(shù)據(jù)，繪制S-T 曲線，通過計(jì)算判斷教學(xué)模式。FIAS 將課堂教學(xué)行為分為教師言語、學(xué)生言語和沉寂3 類，按照編碼標(biāo)準(zhǔn)，每隔3s 取樣記錄課堂行為一次，然后填入遷移矩陣進(jìn)行分析［9］。皮亞塔研發(fā)課堂互動(dòng)評(píng)估系統(tǒng)（Classroom Assessment Scoring System，CLASS），通過課堂組織、教學(xué)支持和情感支持3 個(gè)維度進(jìn)行課堂教學(xué)行為分析［10］。國內(nèi)學(xué)者夏雪梅［11］提出以學(xué)生為中心的課堂教學(xué)行為分析框架。該階段課堂教學(xué)分析主要依靠人工標(biāo)注方式，存在勞動(dòng)密集、分析低效、容易出錯(cuò)等缺點(diǎn)。

（2）信息化教學(xué)環(huán)境下的課堂教學(xué)分析。信息化教學(xué)環(huán)境下的課堂教學(xué)分析融入信息技術(shù)特征，出現(xiàn)了課堂教學(xué)分析編碼系統(tǒng)。國內(nèi)學(xué)者開發(fā)出基于FIAS 的分析工具，并對(duì)課堂教學(xué)分析方法加以改進(jìn)。顧小清等［12］提出基于信息技術(shù)的互動(dòng)分析編碼系統(tǒng)（Information Technology-Based Interaction Analysis System，ITIAS），將“沉寂”類行為進(jìn)行細(xì)化，并增加“技術(shù)”行為分析；穆肅等［13］提出課堂教學(xué)行為分析系統(tǒng)（Teaching Behavior Analysis System，TBAS），從教學(xué)活動(dòng)的角度將課堂教學(xué)分為教師活動(dòng)、學(xué)生活動(dòng)和無意義教學(xué)活動(dòng)3 類；方海光等［14］基于FIAS 和ITIAS 分析方法，提出改進(jìn)型弗蘭德斯互動(dòng)分析系統(tǒng)（iFIAS），對(duì)部分編碼進(jìn)行優(yōu)化調(diào)整。該階段相關(guān)課堂教學(xué)行為分析軟件工具相繼被開發(fā)、引入和使用，能夠?qū)崿F(xiàn)課堂教學(xué)行為的半自動(dòng)化標(biāo)注，課堂教學(xué)分析效率也得到一定程度提升。

（3）基于人工智能的課堂教學(xué)分析。隨著人工智能技術(shù)的不斷發(fā)展，研究人員開始探索課堂教學(xué)數(shù)據(jù)的智能化分析，并嘗試?yán)媒淌覂?nèi)的攝像頭實(shí)現(xiàn)自動(dòng)化采集。課堂教學(xué)分析數(shù)據(jù)更加多源化，除對(duì)課堂教學(xué)行為進(jìn)行分析外，還嘗試對(duì)師生情感變化數(shù)據(jù)進(jìn)行采集與分析。李青等［15］探討如何在人工智能視角下構(gòu)建課堂教學(xué)管理與評(píng)價(jià)體系；韓麗等［16］利用視頻監(jiān)控設(shè)備，設(shè)計(jì)基于人臉檢測與面部表情分析的課堂教學(xué)評(píng)價(jià)系統(tǒng)；賈鸝宇等［17］基于課堂視頻對(duì)學(xué)生數(shù)量、位置、表情及姿態(tài)進(jìn)行識(shí)別，實(shí)現(xiàn)課堂學(xué)生狀態(tài)的自動(dòng)化分析；陳靚影等［18］通過攝像頭對(duì)學(xué)生的姿態(tài)、表情、互動(dòng)進(jìn)行分析，提出學(xué)生學(xué)習(xí)興趣的智能分析方法；劉清堂等［7］提出課堂教學(xué)行為智能分析模型，基于教室錄播視頻樣本進(jìn)行課堂教學(xué)S-T 行為智能化分析實(shí)驗(yàn)與有效性驗(yàn)證；曹曉明等［19］設(shè)計(jì)基于學(xué)生表情、腦電波數(shù)據(jù)的多模態(tài)融合學(xué)習(xí)參與度模型；孫眾等［1］提出人工智能支持的課堂教學(xué)分析框架（TESTII），并融入課堂教學(xué)行為和教學(xué)事件分析；盧國慶等［6］提出基于人工智能引擎自動(dòng)標(biāo)注的課堂教學(xué)分析，并基于真實(shí)教學(xué)視頻進(jìn)行分析研究。

綜上所述，針對(duì)人工智能技術(shù)在課堂教學(xué)分析與評(píng)價(jià)方面的應(yīng)用已有探索，但是目前研究主要側(cè)重于課堂教學(xué)分析的方法指標(biāo)，且大多還處于實(shí)驗(yàn)研究階段。如何結(jié)合實(shí)際課堂教學(xué)場景，利用人工智能相關(guān)技術(shù)實(shí)現(xiàn)課堂教學(xué)過程數(shù)據(jù)的自動(dòng)化采集、智能化分析與可視化呈現(xiàn)，以及實(shí)現(xiàn)課堂教學(xué)分析與評(píng)價(jià)的規(guī)模化還需進(jìn)一步研究。

2 智能化課堂教學(xué)分析框架

基于已有課堂教學(xué)分析方法和高校課堂教學(xué)評(píng)價(jià)實(shí)際工作內(nèi)容，結(jié)合研究實(shí)踐，本文提出智能化課堂教學(xué)分析框架，如圖1 所示。該框架以課堂教學(xué)為中心，以課堂教學(xué)分析內(nèi)涵為指導(dǎo)，在教育教學(xué)理論和人工智能技術(shù)、標(biāo)準(zhǔn)以及信息安全和隱私保護(hù)相關(guān)規(guī)范下，從課堂教學(xué)數(shù)據(jù)采集與處理、課堂教學(xué)分析、課堂教學(xué)改進(jìn)方面建立課堂教學(xué)分析的一體化流程，實(shí)現(xiàn)課堂教學(xué)數(shù)據(jù)的自動(dòng)化采集、智能化分析與可視化呈現(xiàn)，提升課堂教學(xué)評(píng)價(jià)的科學(xué)性，促進(jìn)基于數(shù)據(jù)的課堂教學(xué)反思。

（1）數(shù)據(jù)采集與處理。利用人工智能相關(guān)技術(shù)，課堂教學(xué)數(shù)據(jù)采集可以更加多源，而不僅僅局限于課堂教學(xué)行為數(shù)據(jù)。本框架主要依據(jù)課堂分析與評(píng)價(jià)指標(biāo)體系，利用教室網(wǎng)絡(luò)攝像頭設(shè)備進(jìn)行無感知的數(shù)據(jù)采集。采集的數(shù)據(jù)主要分為4 種類型：人員感知、姿態(tài)行為感知、表情感知和人工采集。人員感知指通過人臉識(shí)別技術(shù)進(jìn)行無感知教師考勤、學(xué)生人數(shù)清點(diǎn)；姿態(tài)行為感知指基于S-T 行為分析理論，利用深度學(xué)習(xí)算法進(jìn)行教師教學(xué)行為和學(xué)生學(xué)習(xí)行為自動(dòng)化識(shí)別；表情感知指利用人臉關(guān)鍵點(diǎn)識(shí)別技術(shù)對(duì)學(xué)生面部表情與姿態(tài)進(jìn)行識(shí)別；人工采集指設(shè)計(jì)線上聽評(píng)課方式，一方面能滿足高校課堂教學(xué)評(píng)價(jià)的業(yè)務(wù)需求，另一方面能豐富課堂教學(xué)數(shù)據(jù)源。

Fig.1 Framework of intelligent classroom teaching analysis圖1 智能化課堂教學(xué)分析框架

（2）課堂教學(xué)分析。基于采集的課堂教學(xué)數(shù)據(jù)對(duì)課堂教學(xué)進(jìn)行建模分析，維度包括教學(xué)秩序分析與教學(xué)過程分析。教學(xué)秩序分析主要是基于人員感知數(shù)據(jù)，對(duì)教師考勤以及學(xué)生出勤率、前排就座率、睡覺率進(jìn)行分析。教學(xué)過程分析主要包括課堂教學(xué)行為分析和學(xué)生狀態(tài)分析。課堂教學(xué)行為分析是指基于姿態(tài)行為感知數(shù)據(jù)，以常用的ST 分析為理論指導(dǎo)，并結(jié)合課堂教學(xué)行為云模型［20］對(duì)課堂行為特征的定義，實(shí)現(xiàn)3 類教師行為與7 類學(xué)生行為識(shí)別，并進(jìn)行S-T 分析；學(xué)生狀態(tài)分析是指基于表情感知數(shù)據(jù)，利用DLIB［21］獲取人臉關(guān)鍵點(diǎn)后，通過機(jī)器學(xué)習(xí)中的支持向量機(jī)（Support Vector Machines，SVM）進(jìn)行表情分類與訓(xùn)練，實(shí)現(xiàn)7 類與教學(xué)有關(guān)的表情識(shí)別與分析。對(duì)課堂教學(xué)數(shù)據(jù)進(jìn)行指標(biāo)化分析后，予以可視化呈現(xiàn)，并實(shí)時(shí)預(yù)警問題課堂，進(jìn)行各個(gè)層級(jí)的課堂教學(xué)畫像，便于管理人員掌握課堂教學(xué)情況，也有利于教師掌握課堂教學(xué)過程性數(shù)據(jù)。

（3）課堂教學(xué)改進(jìn)。根據(jù)設(shè)定的指標(biāo)閾值對(duì)問題課堂進(jìn)行自動(dòng)預(yù)警與數(shù)據(jù)下發(fā)，二級(jí)學(xué)院針對(duì)問題和指導(dǎo)建議進(jìn)行課堂教學(xué)改進(jìn)與反饋。校級(jí)管理者跟蹤各學(xué)院處理進(jìn)度與結(jié)果，使課堂教學(xué)分析和評(píng)價(jià)工作進(jìn)入良性循環(huán)。

3 智能化課堂教學(xué)分析系統(tǒng)構(gòu)建

隨著智能技術(shù)的發(fā)展，基于新一代AI 攝像頭能夠?qū)崿F(xiàn)師生教學(xué)行為與表情分析，基于已建的教室監(jiān)控巡查攝像頭實(shí)現(xiàn)自動(dòng)化、規(guī)?；恼n堂教學(xué)分析也成為可能。2021 年，四川大學(xué)開始探索智能化課堂教學(xué)分析系統(tǒng)研究與構(gòu)建，基于智能化課堂教學(xué)分析框架，利用已建設(shè)的巡查攝像頭完成課堂教學(xué)秩序智能化分析，并嘗試建設(shè)一批AI攝像頭教室，以深入進(jìn)行課堂教學(xué)分析研究。

3.1 智能化課堂教學(xué)分析系統(tǒng)功能設(shè)計(jì)

基于課堂教學(xué)智能化分析研究與實(shí)際需求，構(gòu)建智能化課堂教學(xué)分析系統(tǒng)，通過課堂教學(xué)過程性數(shù)據(jù)自動(dòng)化采集與分析，為教學(xué)管理人員提供課堂教學(xué)數(shù)據(jù)分析與可視化呈現(xiàn)，為教師開展基于課堂教學(xué)數(shù)據(jù)的教學(xué)評(píng)價(jià)和教學(xué)反思提供支持。各功能模塊設(shè)計(jì)如下：

數(shù)據(jù)采集與處理模塊包括AI 采集和人工聽評(píng)課。AI采集指利用教室攝像頭實(shí)現(xiàn)人員感知、姿態(tài)行為感知和表情感知；人工聽評(píng)課可按照課程、教師、教室進(jìn)行查課與評(píng)課，查看課堂教學(xué)視頻和課堂AI分析。

課堂教學(xué)分析基于可視化中心、畫像中心、報(bào)表統(tǒng)計(jì)、明細(xì)結(jié)果和報(bào)告中心5 個(gè)功能模塊對(duì)課堂教學(xué)情況進(jìn)行自動(dòng)化分析與評(píng)價(jià)，數(shù)據(jù)指標(biāo)圍繞教學(xué)秩序和教學(xué)分析兩個(gè)維度展開?？梢暬行膶?shí)時(shí)呈現(xiàn)全校課堂教學(xué)情況，并實(shí)時(shí)預(yù)警問題課堂；畫像中心從學(xué)校、學(xué)院、課程、教師4個(gè)維度進(jìn)行課堂教學(xué)數(shù)據(jù)聚合，方便管理人員和教師進(jìn)行課堂教學(xué)分析；報(bào)表統(tǒng)計(jì)支持按學(xué)院、課程、教師維度以報(bào)表形式呈現(xiàn)各項(xiàng)數(shù)據(jù)指標(biāo)情況；明細(xì)結(jié)果聚焦到學(xué)校課堂教學(xué)的最小顆粒度——課時(shí)，對(duì)每個(gè)課時(shí)產(chǎn)生的數(shù)據(jù)進(jìn)行記錄統(tǒng)計(jì)，便于數(shù)據(jù)自上而下逐級(jí)下沉，從而進(jìn)行問題溯源；報(bào)告中心以學(xué)校層面的管理需求為出發(fā)點(diǎn)，支持按日、周、月自動(dòng)生成課堂教學(xué)報(bào)告。

通過問題課堂下發(fā)、問題課堂處理、問題課堂跟蹤3個(gè)流程實(shí)現(xiàn)課堂教學(xué)改進(jìn)。問題課堂下發(fā)指校級(jí)教學(xué)管理人員確認(rèn)預(yù)警課堂后，將問題課堂進(jìn)行下發(fā)；問題課堂處理指學(xué)院接收問題課堂，對(duì)課堂教學(xué)進(jìn)行改進(jìn)后反饋處理情況；問題課堂跟蹤指教學(xué)管理人員跟蹤問題課堂處理進(jìn)度與情況，確保問題得到處理。

3.2 智能化課堂教學(xué)分析系統(tǒng)架構(gòu)

按照智能化課堂教學(xué)分析功能需求，運(yùn)用云—邊—端協(xié)同的架構(gòu)思想，綜合人工智能、大數(shù)據(jù)和云計(jì)算技術(shù)，以現(xiàn)有教育云、教學(xué)環(huán)境硬件資源為支撐，構(gòu)建集人工聽評(píng)課、課堂教學(xué)分析、課堂教學(xué)改進(jìn)等功能于一體的高校智能課堂教學(xué)分析系統(tǒng)，系統(tǒng)架構(gòu)如圖2 所示。其中，端指設(shè)備，包括教室的教師攝像頭、學(xué)生攝像頭、網(wǎng)絡(luò)視頻錄像機(jī)；邊指邊緣計(jì)算，基于音視頻網(wǎng)關(guān)設(shè)備進(jìn)行AI 數(shù)據(jù)采集與數(shù)據(jù)預(yù)處理，將計(jì)算能力下沉，減輕云端計(jì)算壓力；云指云計(jì)算，部署云服務(wù)器完成數(shù)據(jù)的統(tǒng)一處理與管理，提供業(yè)務(wù)應(yīng)用。

Fig.2 Architecture of intelligent classroom teaching analysis system圖2 智能課堂教學(xué)分析系統(tǒng)架構(gòu)

4 智能化課堂教學(xué)分析系統(tǒng)應(yīng)用實(shí)踐

智能化課堂教學(xué)分析系統(tǒng)經(jīng)過一年多的功能優(yōu)化和算法改進(jìn)后，已經(jīng)上線進(jìn)行試運(yùn)行。在系統(tǒng)部署前，課堂教學(xué)分析工作部分環(huán)節(jié)，如師生考勤、前排就坐率等需要人工查看課堂教學(xué)視頻，進(jìn)行統(tǒng)計(jì)并手工撰寫報(bào)告，工作效率較低，準(zhǔn)確度也不高。系統(tǒng)部署后，能實(shí)現(xiàn)自動(dòng)采集與分析課堂教學(xué)過程。教學(xué)秩序分析涵蓋教師考勤、學(xué)生到課率、前排就坐率和疑似睡覺率，可完全替代以上人工分析工作，也能進(jìn)行基于人臉識(shí)別的考勤分析、課堂教學(xué)行為分析和學(xué)生表情分析，并自動(dòng)生成報(bào)告，從而提高課堂教學(xué)分析效率和覆蓋率，并提供數(shù)據(jù)支持。在研究過程中，基于信息安全和隱私保護(hù)相關(guān)規(guī)范，教學(xué)秩序分析是智能化的傳統(tǒng)視頻督導(dǎo)分析，分析指標(biāo)針對(duì)課堂，精細(xì)程度不到個(gè)人。基于AI 攝像頭的試點(diǎn)教室，基于師生知情同意開展研究，并嚴(yán)格做好數(shù)據(jù)安全保護(hù)。

4.1 數(shù)據(jù)采集與處理

本研究課堂教學(xué)數(shù)據(jù)采集采用非入侵、伴隨式的采集方式，利用教室前后安裝的兩路巡查攝像頭采集課堂上教師和學(xué)生的課堂圖像，設(shè)置每5min 采樣一次，覆蓋學(xué)校所有本科公共教室。巡查攝像頭能實(shí)現(xiàn)人員感知和簡單姿態(tài)識(shí)別。人員感知通過人數(shù)清點(diǎn)算法對(duì)教室人數(shù)進(jìn)行自動(dòng)清點(diǎn)，經(jīng)過大量實(shí)際教學(xué)場景訓(xùn)練，該算法對(duì)于實(shí)際教室場景各種不同類型、不同姿態(tài)的人數(shù)清點(diǎn)都能保持90%以上的準(zhǔn)確度，人員感知結(jié)果如圖3 所示。簡單姿態(tài)識(shí)別通過姿態(tài)分析算法識(shí)別教室學(xué)生的睡覺姿態(tài)和非睡覺姿態(tài)，簡單姿態(tài)分析結(jié)果如圖4所示，紅點(diǎn)標(biāo)注睡覺姿態(tài)。

AI 攝像頭能實(shí)現(xiàn)人臉識(shí)別、教學(xué)行為感知與表情感知。人臉識(shí)別通過學(xué)生跟拍攝像機(jī)，結(jié)合圖像識(shí)別算法，對(duì)教室學(xué)生進(jìn)行人臉抓拍和一對(duì)多比對(duì)，并通過教師跟拍攝像機(jī)對(duì)教師進(jìn)行人臉抓拍和一對(duì)一比對(duì)。

Fig.3 Personnel perception圖3 人員感知

Fig.4 Simple attitude analysis圖4 簡單姿態(tài)分析

教學(xué)行為感知與處理基于S-T 教學(xué)行為分析理論，利用人工智能深度學(xué)習(xí)算法進(jìn)行教師教學(xué)行為和學(xué)生學(xué)習(xí)行為自動(dòng)化識(shí)別，如圖5 所示。采用每5min 一次的時(shí)間采樣方法，實(shí)時(shí)采集課堂教學(xué)圖像，獲得行為特征矩陣，并通過基于深度神經(jīng)網(wǎng)絡(luò)的教學(xué)行為預(yù)測模型，計(jì)算得到課堂行為時(shí)間序列矩陣。本研究識(shí)別的T 行為包括多媒體、板書、巡視，S 行為包括閱讀、書寫、聽講、舉手、起立、睡覺、玩手機(jī)，然后計(jì)算并繪制S-T 曲線和Rt-Ch 圖，分析課堂教學(xué)模式，將課堂教學(xué)分為練習(xí)型、混合型、講授型和對(duì)話型4類。表情感知基于DLIB［21］特征提取方法，獲取人臉關(guān)鍵點(diǎn)，采用機(jī)器學(xué)習(xí)中的SVM 進(jìn)行表情分類與識(shí)別。本研究識(shí)別的表情包括高興、驚訝、厭惡、難過、憤怒、害怕7 種類型。

Fig.5 Intelligent analysis model of classroom teaching behavior圖5 課堂教學(xué)行為智能化分析模型

4.2 課堂教學(xué)分析與改進(jìn)

課堂教學(xué)分析圍繞教學(xué)秩序和教學(xué)分析兩個(gè)維度展開，將課堂教學(xué)分析結(jié)果進(jìn)行可視化呈現(xiàn)，院、校級(jí)管理人員可從可視化中心與畫像中心概覽和分析課堂教學(xué)情況，逐步下沉至報(bào)表統(tǒng)計(jì)、明細(xì)結(jié)果，并支持導(dǎo)出報(bào)告。教師用戶可查看所授課程的課堂教學(xué)數(shù)據(jù)與分析，便于開展基于數(shù)據(jù)的教學(xué)評(píng)價(jià)和教學(xué)反思。

可視化中心實(shí)時(shí)呈現(xiàn)當(dāng)日全校課堂教學(xué)情況，如圖6所示。教學(xué)秩序模塊實(shí)時(shí)呈現(xiàn)當(dāng)前課時(shí)的教師考勤，以及學(xué)生到課率、前排就坐率和疑似睡覺率，可選擇各項(xiàng)指標(biāo)查看各學(xué)院情況。系統(tǒng)實(shí)時(shí)預(yù)警各指標(biāo)若低于所設(shè)閾值的異常課時(shí)，點(diǎn)擊異常課時(shí)可直接跳轉(zhuǎn)到具體課堂明細(xì)，同時(shí)展示各指標(biāo)今日匯總情況與分布情況。教學(xué)分析模塊通過課堂教學(xué)行為分析和學(xué)生狀態(tài)分析呈現(xiàn)當(dāng)前課堂教學(xué)情況。課堂教學(xué)行為分析包括教師行為占比分析和學(xué)生行為占比分析，通過S-T 分析計(jì)算得出4 種教學(xué)模式類型；學(xué)生狀態(tài)分析包括學(xué)生表情識(shí)別和表情占比分析，并嘗試進(jìn)行學(xué)術(shù)課堂活躍度與專注度分析。

Fig.6 Visualization center -teaching order圖6 可視化中心—教學(xué)秩序

畫像中心從學(xué)校、學(xué)院、課程和教師4 個(gè)維度，圍繞教學(xué)秩序與教學(xué)分析各數(shù)據(jù)指標(biāo)進(jìn)行畫像分析。以學(xué)校層級(jí)到課率分析為例，可按日、周、月呈現(xiàn)學(xué)校整體到課率、到課率分布情況、各學(xué)院到課率對(duì)比分析、到課率全校趨勢及與各學(xué)院的比較、到課率排名靠前或靠后的課程與教師，以及到課率低于所設(shè)閾值的學(xué)院、課程與教師分布。

報(bào)表統(tǒng)計(jì)從教學(xué)秩序、教學(xué)分析兩個(gè)層面對(duì)課堂教學(xué)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，按照學(xué)?！獙W(xué)院—課程—教學(xué)班—課堂的順序逐級(jí)下沉至某堂課的課堂明細(xì)。課堂明細(xì)對(duì)應(yīng)該課時(shí)的課堂教學(xué)分析，包括課堂直播或錄播授課視頻、課程基本信息、教師考勤、學(xué)生到課率、前排就座率、疑似睡覺率、課堂教學(xué)行為分析和表情分析以及課堂截圖。

報(bào)告中心基于教學(xué)秩序和教學(xué)分析兩個(gè)維度，自動(dòng)按照日、周、月生成課堂教學(xué)分析報(bào)告，并支持圍繞不同分析指標(biāo)自定義分析報(bào)告。

教學(xué)改進(jìn)模塊對(duì)問題課程整改進(jìn)行信息化管理，可查看問題下發(fā)、問題處理、處理效果概覽。校級(jí)管理人員在確認(rèn)預(yù)警課程后下發(fā)給院級(jí)管理人員，學(xué)院進(jìn)行整改與反饋，校級(jí)管理人員隨時(shí)跟蹤各學(xué)院問題課程的處理情況。

5 結(jié)語

人工智能技術(shù)助力課堂教學(xué)分析已經(jīng)成為研究趨勢，通過課堂教學(xué)過程自動(dòng)化采集與智能化分析，使課堂教學(xué)分析更具規(guī)模性與科學(xué)性。本文基于課堂教學(xué)分析研究現(xiàn)狀，提出智能化課堂教學(xué)分析框架，在此基礎(chǔ)上構(gòu)建智能化課堂教學(xué)分析系統(tǒng)并進(jìn)行實(shí)際應(yīng)用驗(yàn)證，取得了一定效果，期望本文提出的框架與實(shí)踐案例能為基于人工智能技術(shù)的課堂教學(xué)分析研究和應(yīng)用提供參考與借鑒。在下一步研究中將重點(diǎn)考慮兩個(gè)方面，一是研究在實(shí)際教學(xué)場景下基于AI 攝像頭的課堂教學(xué)數(shù)據(jù)多源采集與算法優(yōu)化，提升分析精度；二是探索教學(xué)大數(shù)據(jù)分析，一方面是基于課堂教學(xué)數(shù)據(jù)的分析，如學(xué)生到課規(guī)律、學(xué)生座位習(xí)慣、課程教學(xué)特征、教室座位資源分析等；另一方面是人工智能教育應(yīng)用倫理研究，如何規(guī)范人工智能教育應(yīng)用設(shè)計(jì)，規(guī)避倫理風(fēng)險(xiǎn)，保護(hù)師生隱私數(shù)據(jù)等。