顏慧

關(guān)鍵詞：課堂教學(xué)評價；人工智能；計算機(jī)視覺分析技術(shù)；形成性評價

1 引言

課堂是教育教學(xué)的第一陣地，課堂教學(xué)評價是評估教學(xué)質(zhì)量的重要方法和手段。通過課堂教學(xué)評價，不但可以對課堂教學(xué)質(zhì)量進(jìn)行審視與評定，教師還可以通過課堂教學(xué)評價接受正向的教學(xué)反饋，從而促進(jìn)教育教學(xué)理念的創(chuàng)新與改革、持續(xù)改進(jìn)課堂教學(xué)質(zhì)量。

高校課堂教學(xué)評價主要涵蓋了評價的目的、評價的主體、評價內(nèi)容、后續(xù)改進(jìn)措施等方面。進(jìn)行課堂教學(xué)評價是為了掌握教師上課的真實(shí)情況、課堂教學(xué)各環(huán)節(jié)的實(shí)際進(jìn)展情況，對教師的課堂教學(xué)質(zhì)量進(jìn)行評價打分，評價的結(jié)果用于促進(jìn)教師教學(xué)水平提高、促進(jìn)教學(xué)改革、作為教師評優(yōu)晉級的依據(jù)等。課堂教學(xué)評價的內(nèi)容一般從教師的教學(xué)儀態(tài)、教學(xué)環(huán)節(jié)的設(shè)計及實(shí)施、教學(xué)的內(nèi)容是否完整、課堂紀(jì)律、學(xué)生的學(xué)習(xí)參與度等方面進(jìn)行評價。課堂教學(xué)評價的主體包括專門的督導(dǎo)、普通教師和上課的學(xué)生等。

在傳統(tǒng)的課堂教學(xué)中，課堂教學(xué)評價主要是通過手工的方式進(jìn)行評價，評價的主體是人。學(xué)校督導(dǎo)、專業(yè)教師、上課學(xué)生等都參與課堂教學(xué)評價中。評價的方法主要是評價人參與課堂教學(xué)，在課堂上通過觀察、聆聽、提問、座談等多種方式獲取對課堂教學(xué)質(zhì)量的主觀感受。例如，通過課堂點(diǎn)名來記錄考勤，通過學(xué)生的到課率來評價這門課對學(xué)生的吸引力；聽課人通過觀察課堂上教師的表現(xiàn)來評價教師的教學(xué)水平；聽課人通過觀察課堂上學(xué)生的專注度、理解度等表現(xiàn)來評價本堂課的教學(xué)質(zhì)量。

以人為主體對課堂教學(xué)進(jìn)行評價時，主要是憑借人的觀察、提問等活動來得到課堂教學(xué)評價的數(shù)據(jù)，數(shù)據(jù)獲取來源較為單一；而且難以獲取準(zhǔn)確的數(shù)據(jù)，例如課堂上學(xué)生的抬頭率，單憑觀察很難去記錄和統(tǒng)計這些數(shù)據(jù)；并且評價結(jié)果往往帶有一定的主觀性，主要根據(jù)評價人的感受去進(jìn)行評價，評價結(jié)果不夠客觀和科學(xué)，評價結(jié)果的反饋也不夠及時。綜上所述，傳統(tǒng)的課堂教學(xué)評價方法還存在一定的不足之處。

在傳統(tǒng)的課堂教學(xué)評價方法中存在主觀性、隨意性較強(qiáng)、評價數(shù)據(jù)來源單一、評價反饋實(shí)時性不強(qiáng)等問題，如何對課堂教學(xué)評價體系進(jìn)行改革，促進(jìn)課堂教學(xué)評價向形成性評價、多元化評價發(fā)展，形成反饋及時、科學(xué)、客觀的評價體系。2020年，國家出臺了在新時代進(jìn)行深化教育評價改革的相關(guān)文件，在文件中提出了要使用新的評價方式和評價工具，積極探索如何結(jié)合人工智能等新技術(shù)進(jìn)行科學(xué)評價的方法和路徑。

目前，人工智能包括計算機(jī)視覺技術(shù)在各行各業(yè)得到了快速的發(fā)展和廣泛的應(yīng)用，人臉檢測、人臉識別等技術(shù)已相對成熟。而且在各學(xué)校的教室中，基本上都安裝了攝像頭等設(shè)備，如果能夠利用攝像頭中采集的視頻數(shù)據(jù)，借助計算機(jī)視覺分析技術(shù)來輔助課堂教學(xué)評價，不但可以使得課堂評價數(shù)據(jù)的來源、評價方式更加多元化，而且能夠更加準(zhǔn)確、及時地記錄課堂數(shù)據(jù)，迅速地提供課堂教學(xué)評價結(jié)果的反饋。使用計算機(jī)輔助人進(jìn)行課堂教學(xué)評價，也能在一定程度上節(jié)省在課堂評價上所花費(fèi)的人力、物力和時間等成本，也能更加及時、迅速地提供課堂教學(xué)反饋，從而更好地發(fā)揮課堂教學(xué)評價的引導(dǎo)、診斷、改進(jìn)等作用。

因此，深入研究如何將人工智能視覺分析技術(shù)用于課堂教學(xué)評價，建立科學(xué)的評價指標(biāo)，及時、迅速地提供課堂教學(xué)反饋，從而更好地發(fā)揮課堂教學(xué)評價的引導(dǎo)、診斷、改進(jìn)等作用。

2 計算機(jī)視覺技術(shù)在課堂教學(xué)評價中的現(xiàn)狀研究

國內(nèi)外教育界對于課堂教學(xué)評價的研究較多，課堂教學(xué)評價一直是教育界關(guān)注的重點(diǎn)和熱點(diǎn)。在知網(wǎng)上通過“課堂教學(xué)評價”“課堂評價”等關(guān)鍵字進(jìn)行搜索，可搜索到許多相關(guān)的文獻(xiàn)，并且文獻(xiàn)數(shù)量逐年增多，如圖1所示。

羅祖等人從總體上對70多年來課堂教學(xué)評價標(biāo)準(zhǔn)進(jìn)行了回顧和展望[1]；王春楊等人對我國高校課堂教學(xué)評價的現(xiàn)狀進(jìn)行了調(diào)研，分析了目前高校課堂評價中存在的一些問題及其原因，并提出了如何重構(gòu)課堂教學(xué)評價體系的建議[2]；劉洪分析了現(xiàn)有課堂教學(xué)評價的不足，并構(gòu)建了面向金課打造課堂教學(xué)評價體系[3]；吳軍等人對線上課堂教學(xué)質(zhì)量評價標(biāo)準(zhǔn)的組成因素進(jìn)行了分析，并基于AHP構(gòu)建了線上課堂教學(xué)質(zhì)量評價體系[4]。以上這些研究主要聚焦在分析傳統(tǒng)的課堂教學(xué)中課堂教學(xué)評價存在的問題，并提出了重構(gòu)課堂教學(xué)評價體系的思路。

人工智能技術(shù)研究計算機(jī)如何模擬人的智能的一門新興的技術(shù)科學(xué)，計算機(jī)視覺屬于人工智能中的一個研究方向。計算機(jī)視覺技術(shù)是研究如何使得計算機(jī)能夠模擬人類視覺的技術(shù)，使得計算機(jī)能像人一樣能“看到”現(xiàn)實(shí)世界中的物體并識別出物體的類別。隨著新一代信息技術(shù)的高速發(fā)展，將人工智能、計算機(jī)視覺技術(shù)應(yīng)用于課堂教學(xué)評價順應(yīng)了時代發(fā)展的趨勢和要求。

目前已有部分學(xué)者對基于人工智能技術(shù)的課堂教學(xué)評價的理論及實(shí)現(xiàn)進(jìn)行了研究。楊曉哲等人提出了教育人工智能應(yīng)用于課堂教學(xué)評價的場景[5]；未華倩等人對于人工智能在發(fā)展性課堂教學(xué)評價中的定位和實(shí)現(xiàn)路徑進(jìn)行了研究[6]；許世紅等人研究了基于人工智能技術(shù)的智慧課堂評價的理論、基本框架和實(shí)現(xiàn)技術(shù)[7]；吳立寶等人則具體設(shè)計了人工智能下課堂教學(xué)評價的系統(tǒng)架構(gòu)，對課堂教學(xué)中的聲音數(shù)據(jù)、姿態(tài)數(shù)據(jù)、面部數(shù)據(jù)、生理信號等數(shù)據(jù)使用人工智能技術(shù)進(jìn)行處理，搭建了課堂教學(xué)評價體系[8]；駱祖瑩等人基于師生對話文本和計算機(jī)視覺技術(shù)構(gòu)建了課堂教學(xué)自動評價體系[9]；還有部分學(xué)者使用多種人工智能技術(shù)對課堂教學(xué)行為進(jìn)行了分析[10-12]。以上文獻(xiàn)都是研究如何把人工智能技術(shù)應(yīng)用于課堂教學(xué)評價，提出了相應(yīng)的框架及實(shí)現(xiàn)技術(shù)，涉及聲音、視頻、文本等多模態(tài)數(shù)據(jù)的分析和處理。

還有學(xué)者專門針對如何利用計算機(jī)視覺技術(shù)進(jìn)行課堂上學(xué)生的行為檢測進(jìn)行了研究。徐家臻等通過計算機(jī)視覺技術(shù)提取人體骨架信息，實(shí)現(xiàn)了對學(xué)生行為的自動識別[13]；汪亭亭、韓麗等實(shí)現(xiàn)了基于面部表情對學(xué)習(xí)疲勞的自動識別[14-15]；倪童等實(shí)現(xiàn)了課堂抬頭率的檢測算法[16]；陳杰利用計算機(jī)視覺技術(shù)實(shí)現(xiàn)了對學(xué)生進(jìn)行人臉檢測、姿態(tài)識別、表情檢測[17]；賈鸝宇等人使用計算機(jī)視覺技術(shù)實(shí)現(xiàn)了學(xué)生課堂狀態(tài)的檢測和分析[18]；劉新運(yùn)等人使用YOLO算法實(shí)現(xiàn)了對課堂學(xué)生行為的檢測[19]；孫發(fā)勤等人使用計算機(jī)視覺技術(shù)對課堂教學(xué)中學(xué)生的情感進(jìn)行了檢測和分析[20]。目前，對于將計算機(jī)視覺技術(shù)用于課堂教學(xué)評價的研究目前仍然處于起步階段，如何合理利用計算機(jī)視覺技術(shù)對于視頻數(shù)據(jù)分析的結(jié)果，如何建立基于計算機(jī)的科學(xué)的課堂教學(xué)評價模型，仍然需要進(jìn)一步的研究和探討。

3 計算機(jī)視覺相關(guān)技術(shù)分析

計算機(jī)視覺技術(shù)是研究如何讓計算機(jī)像人類一樣去“看”并試圖去理解所看到的內(nèi)容的一門技術(shù)。目前計算機(jī)視覺主流的任務(wù)可以分為對圖像進(jìn)行分類、識別圖像中的物體、對圖像中的物體進(jìn)行分割等、預(yù)測物體在圖像序列中的位置等。圖像分類是對給定的輸入圖片，通過計算機(jī)視覺算法類識別該張圖片中主體部分所屬的類別。目標(biāo)檢測是對圖片中的目標(biāo)進(jìn)行定位和分類，使用邊界框?qū)z測到的目標(biāo)框起來，并給出對應(yīng)類別的標(biāo)注。目標(biāo)識別是指在圖片中識別出特定目標(biāo)的技術(shù)。分割又分為語義分割和實(shí)例分割等。語義分割是在像素級別上將具有相同類別的對象劃分出來，實(shí)例分割是在像素級別上將每個對象單獨(dú)劃分出來。目標(biāo)跟蹤是在一個圖像序列中，給定目標(biāo)的初始位置，預(yù)測后續(xù)圖像中目標(biāo)的位置。在以上任務(wù)中，與課堂教學(xué)活動相關(guān)的計算機(jī)視覺技術(shù)包括人臉檢測、人臉識別、人體姿態(tài)估計、表情識別等。

人臉檢測算法是根據(jù)輸入的圖片，在圖片中檢測人臉的位置，并使用邊界框?qū)z測到的人臉框起來。人臉檢測算法屬于目標(biāo)檢測的子類別，目前已有多種專門用于在圖片或視頻中識別人臉的算法。如基于特征的人臉檢測、基于模板匹配的人臉檢測、基于統(tǒng)計的人臉檢測等。通過人臉檢測相關(guān)的算法，可以識別圖像中人臉的大小和位置。通過人臉檢測技術(shù)，可以在課堂教學(xué)視頻中識別到每一幀中的人臉，從而可以統(tǒng)計出課堂出勤的學(xué)生人數(shù)。

人臉識別是在圖片或者視頻中識別出對應(yīng)的人的身份信息的一種技術(shù)。通過對人臉圖像進(jìn)行預(yù)先采集及預(yù)處理，提取出人臉圖像中的特征，與攝像頭采集到的人臉圖像特征進(jìn)行匹配，從而識別出該人臉屬于哪一個用戶。

人體姿態(tài)估計是從圖片中抽取出人體關(guān)鍵點(diǎn)的特征，識別出人體關(guān)鍵點(diǎn)（如頭部，脖子，肩膀，手，腳等部位）的位置，從而可以對人體的動作行為進(jìn)行識別和分類，如識別人體行走、站立、坐、低頭、舉手等行為。

表情識別是從圖片中抽取出表情特征，對人的表情進(jìn)行分類，從而識別出人當(dāng)前的情緒及心理狀態(tài)，如高興、生氣、悲傷、恐懼、厭惡等情緒。微表情比表情持續(xù)時間更短，一般認(rèn)為更能真實(shí)體現(xiàn)人的情緒。通過微表情識別，能更加真實(shí)地反映出人的真實(shí)心理活動。

4 基于計算機(jī)視覺的課堂評價指標(biāo)構(gòu)建

借助于計算機(jī)視覺技術(shù)中的各種算法，如人臉檢測算法、人臉識別算法、頭部姿態(tài)識別算法、表情識別算法等，構(gòu)建各類課堂教學(xué)評價指標(biāo)，如出勤率、專注度、抬頭率、接受度等，用于自動評價課堂教學(xué)。這些技術(shù)中有很多算法都達(dá)到了較高的性能，可以應(yīng)用于實(shí)際項(xiàng)目，因此，使用計算機(jī)視覺技術(shù)輔助課堂教學(xué)評價在技術(shù)上是可行的。只要通過攝像頭獲取到視頻數(shù)據(jù)，就可以通過計算機(jī)視覺技術(shù)，對視頻數(shù)據(jù)進(jìn)行進(jìn)一步的分析和處理，得到各類課堂教學(xué)評價指標(biāo)的值，形成課堂教學(xué)的自動化評價，這些評價結(jié)果是通過計算機(jī)計算得到的，得到的評價結(jié)果也比較客觀，而且反饋及時、迅速，可以作為整體課堂教學(xué)評價中有益的補(bǔ)充。

4.1 出勤率

傳統(tǒng)課堂教學(xué)中，教師主要通過點(diǎn)名的方式去對學(xué)生進(jìn)行人工考勤。通過目標(biāo)檢測算法去檢測視頻中的人臉，可以實(shí)現(xiàn)課堂學(xué)生出勤總?cè)藬?shù)的自動統(tǒng)計，從而可以計算出總體出勤率。通過人臉識別算法，對視頻中出現(xiàn)的人臉進(jìn)行識別，可以識別出特定的學(xué)生是否出勤，從而實(shí)現(xiàn)了自動進(jìn)行課堂中學(xué)生個人上課考勤。

4.2 抬頭率

通過頭部姿態(tài)識別算法，可以專注于對視頻中學(xué)生的頭部姿態(tài)進(jìn)行識別，例如識別學(xué)生的頭部姿態(tài)是抬頭、低頭、扭頭還是埋頭等，一方面可以根據(jù)學(xué)生是否抬頭，可以檢測并統(tǒng)計出課堂的抬頭率；另一方面，可以根據(jù)學(xué)生的頭部姿態(tài)，判斷學(xué)生是否專心聽課，課堂抬頭率是評價學(xué)生課堂專注度的一個指標(biāo)。在課堂教學(xué)時，可以按照一定的時間間隔對視頻進(jìn)行采樣，統(tǒng)計在某一時刻班級學(xué)生的抬頭率，再將整堂課上的抬頭率求平均，得到本堂課的平均抬頭率。

4.3 接受度

人的表情能在較大程度上體現(xiàn)人的情感。學(xué)生在上課時自然流露的各種表情，可以在一定程度上反映出學(xué)生當(dāng)前的一個情感狀態(tài)，從而判斷學(xué)生對課堂講授知識是否感興趣、是否理解、是否專心等。通過表情識別算法，對視頻中學(xué)生的微表情進(jìn)行識別，并進(jìn)行情感分析，就可以判斷學(xué)生對于課堂知識的接受程度。

4.4 專注度

學(xué)生在課堂中是否專心學(xué)習(xí)，通過學(xué)生的身體姿態(tài)也可以體現(xiàn)出來。通過人體姿態(tài)識別算法，對視頻中學(xué)生的人體姿態(tài)進(jìn)行識別，就可以判斷出學(xué)生當(dāng)前在從事什么樣的活動，如記筆記、聽課、玩手機(jī)、睡覺等。通過對某一時刻的全體學(xué)生的活動進(jìn)行識別，統(tǒng)計出全班學(xué)生聽課的比例，從而得到全班學(xué)生在整體上對于學(xué)習(xí)的專注程度。在整堂課程中，按照一定的時間頻率計算整體專注度，再求平均，則可以得到整堂課程的平均專注度，可用于評價在該堂課中，學(xué)生整體上是否專注于學(xué)習(xí)，專注于學(xué)習(xí)的學(xué)生比例有多大。

5 結(jié)束語

通過研究計算機(jī)視覺分析技術(shù)在課堂教學(xué)評價中的應(yīng)用，探討了一種新的用于評價課堂教學(xué)質(zhì)量的方法和手段，既能擴(kuò)充課堂教學(xué)評價數(shù)據(jù)的來源，又使得課堂教學(xué)評價的方法更加多元化。通過計算機(jī)視覺的分析技術(shù)，能自動統(tǒng)計學(xué)生的抬頭率、分析學(xué)生的專注度和對于課堂的接受度，通過客觀的數(shù)據(jù)分析，為評價教師和學(xué)生的課堂表現(xiàn)提供了科學(xué)依據(jù)；通過計算機(jī)視覺分析技術(shù)，能快速分析課堂相關(guān)的數(shù)據(jù)，及時反饋課堂評價結(jié)果，充分發(fā)揮課堂教學(xué)評價對于促進(jìn)教與學(xué)的積極作用。通過研究計算機(jī)視覺技術(shù)在課堂教學(xué)評價中的應(yīng)用，積極探索了人工智能等新一代信息技術(shù)在高校教學(xué)中的應(yīng)用、信息技術(shù)與教學(xué)的深度融合的方式和路徑，為將來推廣新的課堂教學(xué)評價方法和手段打下基礎(chǔ)。