CN113723250A - 一种用于帮助教师反思性成长的课堂智能分析方法及系统 - Google Patents
一种用于帮助教师反思性成长的课堂智能分析方法及系统 Download PDFInfo
- Publication number
- CN113723250A CN113723250A CN202110967893.7A CN202110967893A CN113723250A CN 113723250 A CN113723250 A CN 113723250A CN 202110967893 A CN202110967893 A CN 202110967893A CN 113723250 A CN113723250 A CN 113723250A
- Authority
- CN
- China
- Prior art keywords
- teacher
- classroom
- attention
- student
- teaching
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 120
- 238000005516 engineering process Methods 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000014509 gene expression Effects 0.000 claims abstract description 26
- 230000008921 facial expression Effects 0.000 claims abstract description 16
- 230000006872 improvement Effects 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 12
- 230000008451 emotion Effects 0.000 claims description 106
- 230000036544 posture Effects 0.000 claims description 44
- 238000011156 evaluation Methods 0.000 claims description 37
- 230000001815 facial effect Effects 0.000 claims description 36
- 230000008859 change Effects 0.000 claims description 31
- 206010021703 Indifference Diseases 0.000 claims description 22
- 230000009471 action Effects 0.000 claims description 14
- 230000000694 effects Effects 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 9
- 230000007935 neutral effect Effects 0.000 claims description 8
- 230000001276 controlling effect Effects 0.000 claims description 5
- 230000001105 regulatory effect Effects 0.000 claims description 5
- 238000010195 expression analysis Methods 0.000 claims description 3
- 230000006399 behavior Effects 0.000 abstract description 50
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 230000001755 vocal effect Effects 0.000 description 15
- 238000011161 development Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 5
- 230000002996 emotional effect Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000007774 longterm Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000001737 promoting effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000011514 reflex Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 206010039897 Sedation Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000037007 arousal Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000008909 emotion recognition Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000004886 head movement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000036280 sedation Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Child & Adolescent Psychology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Acoustics & Sound (AREA)
- Computational Linguistics (AREA)
- Psychiatry (AREA)
- Hospice & Palliative Care (AREA)
- Human Computer Interaction (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
Abstract
本发明提供一种用于帮助教师反思性成长的课堂智能分析方法及系统,基于教师课堂授课视频,对教师的课堂声纹、面部表情、头部姿态以及课堂手势,以及对学生注视黑板的信息等非言语行为数据进行自动化的检测与采集,并对教师课堂行为进行综合分析,结合对教师的课堂声纹、课堂表情、头部姿态以及课堂手势分析结果,以及对学生注视黑板信息的分析结果,并参考优秀教师授课视频的分析结果或预设的优秀教师授课的标准,以及参考对教师之前的课堂视频分析的历史记录,分析教师在课堂授课过程中的表现情况和需要改进的方向,以帮助教师进行反思性成长。本发明将多种人工智能技术融合在一起,提高了教师课堂非言语行为分析的全面性和有效性。
Description
技术领域
本发明属于教学活动与人工智能技术融合的领域,更具体地,涉及一种用于帮助教师反思性成长的课堂智能分析方法及系统。
背景技术
随着教育信息化的高速发展,教学活动与人工智能技术的融合越来越紧密,但是教学评价环节仍然处于传统的人工标注统计阶段,缺乏智能化策略,缺乏便捷性、实效性以及客观性。而实时的课堂教学分析能够帮助任课教师及时反思教学行为以及教学方法,总结与改正教学环节中的问题与不足,从而实施具有深度的直接有效的教学活动,利于教师专业素养的发展,进而提高教学质量。在教育信息化的时代背景下,将课堂教学分析与人工智能技术相结合,解决了传统课堂教学分析中存在的问题,同时也符合提升教师专业能力、促进教学质量的目标。
教师的非言语行为是对应于言语行为提出的,广义上指的是教师个体自身形成或者凭借周围物体形成的身体动作或姿态,侠义上指的是教师个体身体态势形成的动作或姿态,主要有头势、面部表情、手势、体距等方面。对教师的非言语行为的研究能够提高教学中非智力因素的辅助功能,完善教学交流技巧,从而促进课堂教学效果的提升。同时也有利于更新教师的素养观念,提升教师的素养水平。教师的行为在教学的信息传递过程中发挥着重要的作用。教师的教学行为会影响到学生的学习态度、积极性、学习效率等学生心理和自我认知。在教学改革的大背景下,教师质量关系到教学水平,因此关于教师质量评价的改革被放到了重要位置。
课堂教学分析在教学评价环节中具有十分重要的意义,尽管目前很多国内外研究者已经提出了一系列成熟的师生行为量化分析方法例如“S-T分析法”,但是分析方式大多处于人工阶段,缺乏一个能够智能分析教师课堂的方法。
现有教师课堂分析方法的不足主要有以下几点:
第一,教师课堂行为分析多处于人工阶段,教师课堂分析成本高、主观性强,缺乏较为客观的、智能的课堂分析工具。在传统的教师课堂分析系统中,多采用人工分析的方式,而课堂视频中教师和学生人员数量较多,对话复杂多变,更加大的人工标注的复杂度。现存的教师课堂分析系统中仅仅单独对教师的一个行为指标进行分析,而忽略了课堂中教师大部分的行为数据,分析维度过少导致分析结果片面,不够全面性。反思通常是对整堂课所有表现的总体评价,但是教师的课堂行为是分为许多维度的。而针对教师的非言语行为,不同维度的表现情况可能也迥然不同。
第二,无法实现常态化分析,现存的教师课堂分析方式周期较长,教师上完课等待课堂分析结果的时间过久导致教师不能及时查看课堂中存在的问题,从而影响教师的教学反思进度。一般只是单独地针对一节课或者是短期内的几节课,但是,在教师的整个职业生涯中,教学反思是一直存在的,教师需要不断地对教师的课堂教学进行反思,才能找到教师存在的问题并及时进行改进,因此对于教师长期的职业生涯中一直客观存在的反思行为,现存的反思模式不能形成一套完整的体系,构建一整套的反思框架,不利于教师在反思中总结经验,查看以往的反思记录,并针对反思中出现的问题不断地进行改进以获得进步。
第三,不注重结果的反思提升,现有的教师评价方式过于重视绩效提升而忽略教师的自身专业能力的发展,对于评价结果多是对教师进行等级的评价,以分析结果作为结束,而不注重利用分析结果提高教师的教学水平,没有将课堂分析结果的反思纳入其中。
发明内容
针对现有技术的缺陷,本发明的目的在于提供一种用于帮助教师反思性成长的课堂智能分析方法及系统,旨在解决现有帮助教师反思成长的课堂分析方式大多处于人工阶段,缺乏一个能够智能分析教师课堂的方法的问题。
为实现上述目的,第一方面,本发明提供了一种用于帮助教师反思性成长的课堂智能分析方法,包括如下步骤:
确定教师课堂授课视频,提取教师的课堂声纹、课堂表情、头部姿态以及课堂手势四种信息,并提取学生注视黑板的信息;
对教师的课堂声纹信息进行分析,确定教师不同声音情绪、不同语速以及不同语调在整个课堂的占比情况,以及课堂不同时间段教师声音情绪、语速以及语调的分布情况;
对教师的课堂表情信息进行分析,确定教师不同面部情绪在整个课堂的占比情况,以及课堂不同时间段教师面部情绪的分布情况;
对教师的头部姿态信息进行分析,确定教师对学生所在各个区域的注意力分布情况,确定教师整个课堂的注意力分布情况,并确定教师整个课堂不同头部姿势的使用情况;
对教师的课堂手势信息进行分析,确定教师的各类手势在整个课堂的占比情况,以及课堂不同时间段的手势变化情况;
对学生注视黑板的信息进行分析,确定课堂不同时间段注视黑板学生人数的变化情况,以及整个课堂不同时间段不同区域学生注意力状态的分布情况;通过学生注视黑板的状态将学生的注意力状态分为:漠视、关注以及专注三种状态;
结合对教师的课堂声纹、课堂表情、头部姿态以及课堂手势分析结果,以及对学生注视黑板信息的分析结果,并参考优秀教师授课视频的分析结果或预设的优秀教师授课的标准,以及参考对教师之前的课堂视频分析的历史记录,分析教师在课堂授课过程中的表现情况和需要改进的方向,以帮助教师进行反思性成长。
在一个可选的示例中,所述对教师的课堂声纹信息进行分析,具体为:
根据教师课堂声音的饱满程度、响亮程度、语音以及语调将教师的声音情绪划分为积极、中性以及消极三类;其中,可根据积极情绪的积极程度将积极情绪划分为积极一级、积极二级以及积极三级,可根据消极情绪的消极程度将消极情绪划分为消极一级、消极二级以及消极三级。
在一个可选的示例中,所述对教师的课堂表情信息进行分析,具体为:
利用面部表情识别技术,将教师面部情绪划分为高兴、悲伤、愤怒、惊讶、厌恶以及恐惧。
在一个可选的示例中,所述对教师的头部姿态信息进行分析,具体为:
利用头部姿态估计技术,确定教师的视线落点、头部动作幅度以及头部位置;
根据教师的视线落点确定教师注意力分布的区域;
根据教师头部动作幅度和头部位置的变化将教师的头部姿态划分为:点头、摇头、低头、回头以及环顾四周。
在一个可选的示例中,所述对教师的课堂手势信息进行分析,具体为:
利用人体姿态估计技术和手部关键点检测技术,将教师的手势划分为象征性手势、评价手势、指示性手势以及会意性手势。
在一个可选的示例中,所述对学生注视黑板的信息进行分析,具体为:
通过学生注视黑板的状态将学生的注意力状态分为:漠视、关注以及专注三种状态;其中,在教师授课时,当学生的视线一直未停留在黑板范围上时,认定学生的注意力状态为漠视,即未关注教学内容;当学生的视线有存在关注黑板的时间段,但关注时间较短,时而注意力在黑板上时而又集中在其他方向时,认定学生的注意力状态为关注,即短暂的关注教学内容;当学生的视线持续关注黑板范围,则认定学生的注意力状态为专注,即持续的关注教学内容。
在一个可选的示例中,所述分析教师在课堂授课过程中的表现情况和需要改进的方向,具体包括:
若教师在课堂中的声音情绪多变水平低,则分析这样的课堂声音情绪是否缺乏生动性;
若教师在课堂中的声音情绪中积极情绪和消极情绪所占的比例相当,则分析教师是否经常在课堂上流露出相对较多的消极情绪,出现这种现象的原因,以及如何改正这种现象;
若教师在课堂中的注意力主要集中在前几排区域的学生,则分析教师对于后排区域学生的关注度不够;
若教师在课堂中的手势比较少,则分析教师在课堂中手势动作的应用能力有待提高;
若教师在课堂中的呈现面部情绪的种类和次数相对较多,则分析教师的面部情绪丰富,对面部情绪的调控效果好;
若学生在课堂中的注意力状态主要为漠视,则分析教师课程的吸引力不够。
第二方面,本发明提供了一种用于帮助教师反思性成长的课堂智能分析系统,包括:
授课视频确定单元,用于确定教师课堂授课视频,提取教师的课堂声纹、课堂表情、头部姿态以及课堂手势四种信息,并提取学生注视黑板的信息;
课堂声纹分析单元,用于对教师的课堂声纹信息进行分析,确定教师不同声音情绪、不同语速以及不同语调在整个课堂的占比情况,以及课堂不同时间段教师声音情绪、语速以及语调的分布情况;
课堂表情分析单元,用于对教师的课堂表情信息进行分析,确定教师不同面部情绪在整个课堂的占比情况,以及课堂不同时间段教师面部情绪的分布情况;
头部姿态分析单元,用于对教师的头部姿态信息进行分析,确定教师对学生所在各个区域的注意力分布情况,确定教师整个课堂的注意力分布情况,并确定教师整个课堂不同头部姿势的使用情况;
课堂手势分析单元,用于对教师的课堂手势信息进行分析,确定教师的各类手势在整个课堂的占比情况,以及课堂不同时间段的手势变化情况;
学生注意力分析单元,用于对学生注视黑板的信息进行分析,确定课堂不同时间段注视黑板学生人数的变化情况,以及整个课堂不同时间段不同区域学生注意力状态的分布情况;通过学生注视黑板的状态将学生的注意力状态分为:漠视、关注以及专注三种状态;
课堂智能分析单元,用于结合对教师的课堂声纹、课堂表情、头部姿态以及课堂手势分析结果,以及对学生注视黑板信息的分析结果,并参考优秀教师授课视频的分析结果或预设的优秀教师授课的标准,以及参考对教师之前的课堂视频分析的历史记录,分析教师在课堂授课过程中的表现情况和需要改进的方向,以帮助教师进行反思性成长。
在一个可选的示例中,所述学生注意力分析单元,通过学生注视黑板的状态将学生的注意力状态分为:漠视、关注以及专注三种状态;其中,在教师授课时,当学生的视线一直未停留在黑板范围上时,认定学生的注意力状态为漠视,即未关注教学内容;当学生的视线有存在关注黑板的时间段,但关注时间较短,时而注意力在黑板上时而又集中在其他方向时,认定学生的注意力状态为关注,即短暂的关注教学内容;当学生的视线持续关注黑板范围,则认定学生的注意力状态为专注,即持续的关注教学内容。
在一个可选的示例中,所述课堂智能分析单元分析教师在课堂授课过程中的表现情况和需要改进的方向,具体包括:若教师在课堂中的声音情绪多变水平低,则分析这样的课堂声音情绪是否缺乏生动性;若教师在课堂中的声音情绪中积极情绪和消极情绪所占的比例相当,则分析教师是否经常在课堂上流露出相对较多的消极情绪,出现这种现象的原因,以及如何改正这种现象;若教师在课堂中的注意力主要集中在前几排区域的学生,则分析教师对于后排区域学生的关注度不够;若教师在课堂中的手势比较少,则分析教师在课堂中手势动作的应用能力有待提高;若教师在课堂中的呈现面部情绪的种类和次数相对较多,则分析教师的面部情绪丰富,对面部情绪的调控效果好;若学生在课堂中的注意力状态主要为漠视,则分析教师课程的吸引力不够。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有以下有益效果:
本发明提供了一种用于帮助教师反思性成长的课堂智能分析方法及系统,基于教师课堂授课视频,对教师的声纹、面部表情、头部姿态、手势等非言语行为数据进行自动化的检测与采集,获得多维教师课堂非言语行为指标分析结果,并根据专门的模型对教师课堂行为进行综合分析,得出教师课堂行为、情绪状态、手势等的变化曲线,通过分析结果可知教师在课堂非言语行为统计数据及成长曲线,可以针对教师在课堂中的多种非言语行为的量化数据,根据不同的维度,及时地构建教师的个性化的反思支架,从根基开始,一步一步向上搭建,为教师提供反思建议,在每日的教学活动实践中反思,在反思中不断成长,如此推进教师教学技能实现可持续性提高。本发明将多种人工智能技术融合在一起,提高了教师课堂非言语行为分析的全面性和有效性。
附图说明
图1是本发明实施例提供的用于帮助教师反思性成长的课堂智能分析方法的流程图;
图2是本发明实施例提供的课堂智能分析流程图;
图3是本发明实施例提供的反思支架建构图;
图4是本发明实施例提供的用于帮助教师反思性成长的课堂智能分析系统的架构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本发明提供了一种用于帮助教师反思性成长的课堂智能分析方法及系统,是一种基于智能分析系统的框架式反思成长新模式,利用融合多种技术的新型教师课堂智能分析系统,对分析数据进行对比分析,对教师行为进行多维度的框架式反思,伴个性化的名师辅导提升,辅助教师进行自我评价。
图1是本发明实施例提供的用于帮助教师反思性成长的课堂智能分析方法的流程图;如图1所示,包括如下步骤:
S101,确定教师课堂授课视频,提取教师的课堂声纹、课堂表情、头部姿态以及课堂手势四种信息,并提取学生注视黑板的信息;
S102,对教师的课堂声纹信息进行分析,确定教师不同声音情绪、不同语速以及不同语调在整个课堂的占比情况,以及课堂不同时间段教师声音情绪、语速以及语调的分布情况;
S103,对教师的课堂表情信息进行分析,确定教师不同面部情绪在整个课堂的占比情况,以及课堂不同时间段教师面部情绪的分布情况;
S104,对教师的头部姿态信息进行分析,确定教师对学生所在各个区域的注意力分布情况,确定教师整个课堂的注意力分布情况,并确定教师整个课堂不同头部姿势的使用情况;
S105,对教师的课堂手势信息进行分析,确定教师的各类手势在整个课堂的占比情况,以及课堂不同时间段的手势变化情况;
S106,对学生注视黑板的信息进行分析,确定课堂不同时间段注视黑板学生人数的变化情况,以及整个课堂不同时间段不同区域学生注意力状态的分布情况;通过学生注视黑板的状态将学生的注意力状态分为:漠视、关注以及专注三种状态;
S107,结合对教师的课堂声纹、课堂表情、头部姿态以及课堂手势分析结果,以及对学生注视黑板信息的分析结果,并参考优秀教师授课视频的分析结果或预设的优秀教师授课的标准,以及参考对教师之前的课堂视频分析的历史记录,分析教师在课堂授课过程中的表现情况和需要改进的方向,以帮助教师进行反思性成长。
在一个可选的示例中,所述对教师的课堂声纹信息进行分析,具体为:
根据教师课堂声音的饱满程度、响亮程度、语音以及语调将教师的声音情绪划分为积极、中性以及消极三类;其中,可根据积极情绪的积极程度将积极情绪划分为积极一级、积极二级以及积极三级,可根据消极情绪的消极程度将消极情绪划分为消极一级、消极二级以及消极三级。
具体地,利用教师声纹信息对教师的声音情绪进行分析,将教师的声音情绪分为消极、中性和积极三类,得出整堂课中这三类情绪各自占据的总和。对教师语音情感持续时间进行分析,分为短时、中时和长时三类持续时间,从而得出积极、消极和中性三类情绪短时、中时和长时的分布频次,从而促进教师了解个人某种声音情绪的持续情况。
将教师声音情绪具体分为积极一级、积极二级、积极三级、中性、消极一级、消极二级、消极三级七种状态,利用柱状图表示出每种状态所占的比例,从而让教师对个人总体声音情绪有更加清晰的认知。
对教师的语音从语音多变、语调多变、语气多变、语速多变和S-T互动情况五个维度对教师的课堂进行分析,得出各个维度情况。
在一个可选的示例中,所述对教师的课堂表情信息进行分析,具体为:
利用面部表情识别技术,将教师面部情绪划分为高兴、悲伤、愤怒、惊讶、厌恶以及恐惧。
具体地,课堂教学中教师与学生进行主动的面部表情交流,有助于正面影响学生课堂听讲的积极性,引起他们在知识点学习上的兴趣。同时,面部表情对应的面部情绪交流可以快速地反馈教师对学生的态度,提高教师的教学效率。因此,分析课堂教学中教师与学生之间的面部情绪交流是剖析教师信誉度的重要途径之一。教学过程分析结果表明,常见的六种教师面部情绪包含高兴、悲伤、愤怒、惊讶、厌恶和恐惧。教师面部表情识别包含三步:人脸检测、特征提取和表情分类。在教师面部表情识别中,第一步是检测与定位图像中的人脸,然后对检测到教师面部区域,进行图像预处理,去除图像中的无关区域,仅保留脸部区域。减小图像的处理区域,可有效降低计算载荷,加快运算速度。另外,去除无关区域后,在提取图像特征中能获取更加准确的面部特征。第三步是采用有效的图像分类方法,根据不同面部表情所表现出来的特征进行面部情绪识别。
在一个可选的示例中,所述对教师的头部姿态信息进行分析,具体为:
利用头部姿态估计技术,确定教师的视线落点、头部动作幅度以及头部位置;
根据教师的视线落点确定教师注意力分布的区域;
根据教师头部动作幅度和头部位置的变化将教师的头部姿态划分为:点头、摇头、低头、回头以及环顾四周。
具体地,通过教师的头部状态对教师的注意力进行分析,得出教师在教室的热点图,将学生的位置分为三个区域,从而得出教师在每个区域注意力分布情况,即教师关注度越高,颜色越红,教室关注度较低则热力图显示越蓝,从而看出教师的注意力分布在哪个区域,对整堂课每一分钟教师的注意力情况进行分析,从而得出教师在整堂课中注意力的分布情况热力图,从而看出教师在该堂课中注意力主要集中在那些区域,注意力分布是否均匀;另外,通过教师头部行为分析,识别并记录出教师的点头、摇头、低头、回头和环顾四周等动作,并记录下该堂课中这些头部动作出现的次数,从而表明教师在该堂课中对头部行为的使用情况。
在一个可选的示例中,所述对教师的课堂手势信息进行分析,具体为:
利用人体姿态估计技术和手部关键点检测技术,将教师的手势划分为象征性手势、评价手势、指示性手势以及会意性手势。
具体地,将教师的手势状态分为指示性、会意性、评价性和象征性手势四类,利用智能技术对课堂中教师手势进行分析,得出教师不同时间段的手势状态,从而得出教师整堂课中教师手势的占比情况,从而让教师了解个人使用的什么手势比较多,什么的较少,在该堂课中是否充分使用了个人的手势。将教师手势进行更加具体化的呈现,得出不同时间段教师不同状态的手势的呈现情况,表现出来该时间段是否有教师手势,没有的不标注,存在教师手势的则用不同的形状进行展示,并用纵坐标绘制出该时间段不同手势使用的次数。
在一个可选的示例中,所述对学生注视黑板的信息进行分析,具体为:
通过学生注视黑板的状态将学生的注意力状态分为:漠视、关注以及专注三种状态;其中,在教师授课时,当学生的视线一直未停留在黑板范围上时,认定学生的注意力状态为漠视,即未关注教学内容;当学生的视线有存在关注黑板的时间段,但关注时间较短,时而注意力在黑板上时而又集中在其他方向时,认定学生的注意力状态为关注,即短暂的关注教学内容;当学生的视线持续关注黑板范围,则认定学生的注意力状态为专注,即持续的关注教学内容。
具体地,教师的教学水平需要通过学生的听课状态来判别,将学生的注意力分为漠视、关注和专注三类状态,利用时间变化曲线记录绘制出整堂课不同时间各个状态分布的课堂人数,得出不同时间学生注意力情况的变化曲线,可以看出整堂课中不同时段各种状态的人数分布,以及什么时间学生的注意力较差,什么时间学生注意力比较集中。其中,记录学生视觉注视黑板这一状态并统计出每个时间中学生注视黑板的个数,绘制出以时间为横坐标的曲线,从而看出不同时间段学生注视黑板的人数变化情况。
在一个可选的示例中,所述分析教师在课堂授课过程中的表现情况和需要改进的方向,具体包括:
若教师在课堂中的声音情绪多变水平低,则分析这样的课堂声音情绪是否缺乏生动性;
若教师在课堂中的声音情绪中积极情绪和消极情绪所占的比例相当,则分析教师是否经常在课堂上流露出相对较多的消极情绪,出现这种现象的原因,以及如何改正这种现象;
若教师在课堂中的注意力主要集中在前几排区域的学生,则分析教师对于后排区域学生的关注度不够;
若教师在课堂中的手势比较少,则分析教师在课堂中手势动作的应用能力有待提高;
若教师在课堂中的呈现面部情绪的种类和次数相对较多,则分析教师的面部情绪丰富,对面部情绪的调控效果好;
若学生在课堂中的注意力状态主要为漠视,则分析教师课程的吸引力不够。
本发明是一款融合多种技术的新型教师课堂智能分析系统,辅助教师进行自我评价。本发明是一款融合多种技术的智能教师课堂非言语行为分析工具,该系统主要包括以下三个部分:声纹识别、面部表情、头部姿态以及手势识别;获得多维教师课堂非言语行为指标分析结果。通过声纹识别算法,可以得到课堂中师生话语分布饼状图以及教师语音多元化水平等指标,得到课堂音频片段时间戳文件为其他技术提供事件划分点。
图2是本发明实施例提供的课堂智能分析流程图;如图2所示,具体包括:
1.课堂分析
用户上传个人授课视频,并通过只能分析查看课堂行为的评价结果,即语音、情感、身体姿态、头部姿态等维度的变化曲线,从而对个人上课整体状态有形象化的认识。同时可以查看优秀教师的课堂评价结果,学习优秀教师对课堂多个维度的把控。
1.1声纹识别
本发明以声纹识别技术为基础,对课堂教学音频进行话语和非话语检测、切割和识别,实现对教师和学生的话语进行识别区分,并依据教师话语数据获取教师语音情感,语速、语调信息。其中语速能够通过单位时间的说话字数确定;语调通过声纹的短时频率得出;通过语音情感识别教师在课堂中的语音情感,可以将课堂氛围分为积极,中性和消极三类。积极包含了高兴、惊奇、满足、赞同和鼓励等情感色彩,消极包含了生气、怒斥、沮丧、抱怨、失望和伤心等情感色彩,中性包含了自然和镇静等情感色彩。对积极和消极情感再次划分为三个等级,即包含积极一级、积极二级、积极三级、中性、消极一级、消极二级、消极三级共七类状态。最终结果展示为教师话语、声音情感、语音、语速各类占比的饼状分布图和时序分布曲线图。声纹识别技术作为一切技术的前提,以音频检测和切割技术为其他音视频数据提供事件划分点,从而更高效的实现其他技术的部署工作。
1.2手势识别
本发明以目标检测技术、人体姿态估计技术、手部关键点检测为基础,首先定位课堂教师身份,并通过教师姿态估计和教师手指关键点进一步确定教师课堂教学手势。通过以上三种技术可识别出教师课堂的常见手势类型,如象征性手势、评价手势、指示性手势、会意性手势四种。智能识别出的教师手势会智能截取该帧画面,以方便教师进行回顾和查看。分析结束后会进行数据分析并以图表的形式进行可视化展示,让教师更清晰的了解自身教学情况。教师教学手势是教师课堂中的重要组成部分,通过对教师手势的智能识别与量化分析可以更好的辅助教师职业发展。
1.3头部姿态估计
头部姿态估计是指通过对摄像机抓取到的图像或者视频序列,进行有效的算法分析和处理,从而得到图像中的人脸头部姿态在三维空间(相对于摄像机)中的位置及姿态参量。头部姿态通常指的是人体头部的位置和角度,通常将其定义在三维空间中。利用头部运动的数量和方向以及点头和摇头的频率从而映射观察对象的觉醒、期望、强度、力量和价效水平。本发明选择使用hopenet头部姿态估计技术,使用大量数据训练得到hopenet 头部姿态识别模型。通过分析用户录制并上传的视频,得到教师视线落点以及头部动态幅度等一系列数据,结合课堂专注度与个性化学习理论,可以实现对课堂专注度自动分析和评价。
1.4面部表情识别
教师面部表情识别包含三步:人脸检测、特征提取和表情分类。在教师面部表情识别中,第一步是检测与定位图像中的人脸,然后对检测到教师面部区域,进行图像预处理,去除图像中的无关区域,仅保留脸部区域。减小图像的处理区域,可有效降低计算载荷,加快运算速度。另外,去除无关区域后,在提取图像特征中能获取更加准确的面部特征。第三步是采用有效的图像分类方法,根据不同面部表情所表现出来的特征进行表情识别。
2.成长记录
可以将教师的个人评价结果与自身的历史评价结果进行比较,得出个人课堂教学行为的变化曲线,分析得出教师的进步并发现需要进一步提升的地方。同时可以将教师个人的评价结果与名师的评价结果进行比较,并通过分析曲线确定教师的不足以及可以进一步提升的方向。
利用多次的分析结果生成个人在不同维度的变化曲线,从而得出教师个人在各个水平的变化情况,同时与名师常模进行比较,确定教师与优秀教师的差距。对于取得进步的给予表扬,出现下降的内容给予警示,变化较小的给予鼓励。
另外,还可根据优质教师的评价所达到的水平,分析教师教学中存在的问题,提出改进的建议。
成长记录页面中包含对多次评价结果的总体分析情况和绘制出的各次评价结果的变化曲线,其中内容包含总体的进步趋势,以及课堂氛围、课堂情绪、手势和语音各个方面的变化情况,并对各个模块的变化情况进行点评,例如对取得进步的方面则进行表扬;没有进步或者退步的方面则进行警告。除了有教师个人的结果外,还有一条线是表示优质教师的评价所达到的水平,方便教师从多方面了解个人教学中存在的问题。
3.教学反思
教学反思是指教师对自己或者他人的教学实践、教学经验、教学态度、教学理念等进行思考、反省、评判,并在此基础上进行解构、重构和自我调控的一种认知加工过程。反思是教师提升教师教学能力的一个重要渠道,通过反思可以促进教师及时发可以通过分析得出的多个维度的图表找到教师的不足,并根据各个维度的不足,记录下个人关于课堂教学中的教学反思,以求改进。并且可以浏览个人历史反思记录,为教学能力的提升积累经验。写出教师教学中存在的问题,记录形成长期的反思日志,搭建教师的进步阶梯,同时可以通过教师的记录,即时地得到正回馈,通过这种正回馈,可以获得教学上的成就感,促进自身对进步的渴望。该功能的目的是基于智慧课堂的数据,帮助教师针对课堂中的非言语行为记录进行反思支架的构建。本发明通过智慧课堂对教师非言语行为数据的可视化展示,帮助教师针对不同的指标反应出来的教学问题,结合自身学科特点进行即时的反思,且反思皆能够找到对应的数据,有据可依。
图3是本发明实施例提供的反思支架建构图,如图3所示,每一次反思生成的反思记录的数据能够通过图表进行展示,反应教师长期的指标变化,例如哪些问题出现的频率较高需要引起注意,哪些问题很快就能够得到解决等等。能够帮助教师更好地调整教师的教学策略以提高专业技能的发展。每记录一次反思,反思记录也会进行同步的更新,完善反思支架的建构。
3.1分析可视化的非言语行为数据
教师课堂非言语行为的可视化展示能够帮助教师回忆课堂的具体情况,教师可以以此回忆课堂中可能出现问题的情境,因此可以对可视化的教师课堂非言语行为数据指标所反应的课堂教学中出现的问题进行分析。通过分析,可以将这些非言语行为数据转换成为课堂的教学事件,再进一步剖析值得注意的数据。分析图如下表1所示:
表1反思分析表
3.2明确不同维度存在的具体问题
通过对教师课堂非言语行为的即时数据进行分析,可以获得不同的非言语行为对应的消极数据对应的具体问题,针对教师自身所教授的学科特点,对需要着重关注的非言语行为再进行进一步的问题剖析,清楚课堂教学过程中发生的教学事件所折射出来的教学问题。对这些教学问题展开分析,并将其与对应的非言语行为相关联,明确不同的非言语行为维度存在的具体问题以及问题发生的原因。
3.3针对不同的维度指标即时反思
针对分析出的教学问题以及其对应的非言语行为数据,理清教师课堂教学需要改进的地方,并针对不同的非言语行为出现的问题进行即时反思,总结教师的不足。
整合3.1、3.2、3.3三点,便可完成反思支架的建构。该反思支架以教师的各项非言语行为为整体框架,针对不同的非言语行为反映出的问题,并结合教师教授的学科特点以及自身的需要进行反思,完善反思支架。这样建构起来的反思支架具有非常浓厚的个人特点,不再拘泥于形式或者是内容,能够充分满足教师的个性化需求。
3.4与反思记录进行对比反思并更新反思记录
教师的每一次反思,都会留下反思记录。反思记录能够反应教师多次反思的变化,让教师对自身出现比较频繁的问题以及比较容易客服的问题有更加清晰的认知,同时明确教师反思后的解决方案是否有效,反思是否对教师的课堂教学有促进作用。当记录下新的反思时,反思记录也会进行同步的更新,从而完善整体反思支架的建构。
4.名师帮扶
可以通过产品汇聚的大量的优质教师和优质视频资源,与名师尽心交流,通过优秀教师帮扶教师获得提升。同时可以找到优质教师的视频推荐以及优质教师视频的分析结果,观看优秀教师课堂教学视频,进行观摩学习。可以对其他教师的授课视频进行点赞和评价,收藏对个人有帮助的视频,并与相关教师进行交流,分享教学心得和体验,共同促进教师教学质量的提升。
在名师帮扶系统中,教师可以学习优秀教师的经验,获得有偿帮助。在该系统中会发布一些优秀教师的公开讲座,教师可以报名进入听讲。同时该系统还包含教学技能,线上培训、名师一对一和加入我们四个板块。
教学技能板块教师可以进入学习教学技能、观看教学讲解视频;线上培训板块教师可以报名参加教学技能的培训课程,与其他新手教师共同学习;名师一对一栏目教师则可以向优秀教师学习,寻求优秀教师的帮助,并与优秀教师进行教学经验交流讨论,从而促进教师个人教学水平的提升;加入板块教师可以申请成为专家团成员,经过资格核验和培训等流程后,教师可以为其他人提供帮扶。完成相关培训和通过考核则可以获得颁发的证书,与教育部门合作,将证书赋予一定的现实意义。在下面几栏则会有名师帮扶营的名师简介,以及按照大数据分析,为教师提供合适的帮扶对象。该系统也会就行教师技能比赛,助力教师提升。
图4是本发明实施例提供的用于帮助教师反思性成长的课堂智能分析系统的架构图,如图4所示,包括:
授课视频确定单元410,用于确定教师课堂授课视频,提取教师的课堂声纹、课堂表情、头部姿态以及课堂手势四种信息,并提取学生注视黑板的信息;
课堂声纹分析单元420,用于对教师的课堂声纹信息进行分析,确定教师不同声音情绪、不同语速以及不同语调在整个课堂的占比情况,以及课堂不同时间段教师声音情绪、语速以及语调的分布情况;
课堂表情分析单元430,用于对教师的课堂表情信息进行分析,确定教师不同面部情绪在整个课堂的占比情况,以及课堂不同时间段教师面部情绪的分布情况;
头部姿态分析单元440,用于对教师的头部姿态信息进行分析,确定教师对学生所在各个区域的注意力分布情况,确定教师整个课堂的注意力分布情况,并确定教师整个课堂不同头部姿势的使用情况;
课堂手势分析单元450,用于对教师的课堂手势信息进行分析,确定教师的各类手势在整个课堂的占比情况,以及课堂不同时间段的手势变化情况;
学生注意力分析单元460,用于对学生注视黑板的信息进行分析,确定课堂不同时间段注视黑板学生人数的变化情况,以及整个课堂不同时间段不同区域学生注意力状态的分布情况;通过学生注视黑板的状态将学生的注意力状态分为:漠视、关注以及专注三种状态;
课堂智能分析单元470,用于结合对教师的课堂声纹、课堂表情、头部姿态以及课堂手势分析结果,以及对学生注视黑板信息的分析结果,并参考优秀教师授课视频的分析结果或预设的优秀教师授课的标准,以及参考对教师之前的课堂视频分析的历史记录,分析教师在课堂授课过程中的表现情况和需要改进的方向,以帮助教师进行反思性成长。
具体地,图4中各个单元的详细功能可参见前述方法实施例中的介绍,在此不做赘述。
本发明相比现有技术,存在如下几个方面的改进:
1、智能化评价。本发明的评价方式不同于传统的评价方式,而是利用人工智能的方式,实现对教师非言语行为智能检测,量化计算和可视化展示,有利于完善教师过程性评价机制,促进教师进行教学反思以改善教学行为,对整个教学活动有着重要的作用。该评价方式注重教师的过程性评价而不是结果评价,即发展性评价,建立教师个人的评价发展曲线,注重教师的成长。以此方式对教师进行个人自评,以期获得个人经验的快速的提升。
2、系统跟踪成长。本发明不仅可以对教师某一堂课的课堂行为进行纵向评价,而且可以跟踪教师多堂课程,横向分析多堂课程的变化曲线。同时可以对每个模块多次评价结果进行比较,得出教师在该方面是进步或者退步,以及进步的多少和达到优秀的距离情况,为教师提供可视化的结果显示,并在每个模块具有评语,如“该部分你取得了进步,继续努力!”如果某部分没有进步或者退步,则系统会进行警示。
3、构建反思支架。本发明构建了教师自我反思的框架,具有教师自我反思的功能,教师可以依据提供的反思框架进行更加具体清晰的自我反思。以往的教学反思中,教师只能长篇的自我阐述个人存在的问题,缺乏条理性,在本发明教师则可以根据自我评价结果中提供的课堂语音、课堂表情、头部姿态和课堂手势四个角度分别进行该方面的评价,还可以进行该方面的自我评分,对教师更具有针对性。相比起以往的反思模式,基于智慧课堂可视化数据展示的针对教师课堂非言语行为的框架式反思具有独特的优势:第一,围绕实际课堂的教学情景,可以对发生的教学事件及其反应出来的教学问题进行全面的、分维度的教学反思,反思的每一项都有迹可循,有据可依。第二,为教师提供了具有针对性的个性化反思工具,以教师的课堂非言语行为为依据,排除了主观因素的影响,同时可以根据教师的个性特点,更有针对性地进行个性化的反思,提高自身的专业发展。
为教师更进一步深度反思提供了依据,针对教师非言语行为的框架式反思模式对每一种非言语行为都有详尽的反思记录,不但能够帮助教师明确自身教学行为存在的问题,而且也为教师长期的反思进步提供依据。
4、名师比较提升。新手教师可以与专家型教师进行比较,即经验丰富的教师带领新手教师进行学习、工作,为新手教师提供模范带头作用,使新手更好、更快的融入工作当中,迅速获得提升。一方面新手教师可以通过视频评价结果与专家型教师的课堂行为评价结果进行比较,为新手教师提供进步的榜样。另一方面,通过名师帮扶板块,新手型教师可以接受专家型教师的帮扶,了解专家型教师的教学经验,学习吸收为教师所用。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种用于帮助教师反思性成长的课堂智能分析方法,其特征在于,包括如下步骤:
确定教师课堂授课视频,提取教师的课堂声纹、课堂表情、头部姿态以及课堂手势四种信息,并提取学生注视黑板的信息;
对教师的课堂声纹信息进行分析,确定教师不同声音情绪、不同语速以及不同语调在整个课堂的占比情况,以及课堂不同时间段教师声音情绪、语速以及语调的分布情况;
对教师的课堂表情信息进行分析,确定教师不同面部情绪在整个课堂的占比情况,以及课堂不同时间段教师面部情绪的分布情况;
对教师的头部姿态信息进行分析,确定教师对学生所在各个区域的注意力分布情况,确定教师整个课堂的注意力分布情况,并确定教师整个课堂不同头部姿势的使用情况;
对教师的课堂手势信息进行分析,确定教师的各类手势在整个课堂的占比情况,以及课堂不同时间段的手势变化情况;
对学生注视黑板的信息进行分析,确定课堂不同时间段注视黑板学生人数的变化情况,以及整个课堂不同时间段不同区域学生注意力状态的分布情况;通过学生注视黑板的状态将学生的注意力状态分为:漠视、关注以及专注三种状态;
结合对教师的课堂声纹、课堂表情、头部姿态以及课堂手势分析结果,以及对学生注视黑板信息的分析结果,并参考优秀教师授课视频的分析结果或预设的优秀教师授课的标准,以及参考对教师之前的课堂视频分析的历史记录,分析教师在课堂授课过程中的表现情况和需要改进的方向,以帮助教师进行反思性成长。
2.根据权利要求1所述的课堂智能分析方法,其特征在于,所述对教师的课堂声纹信息进行分析,具体为:
根据教师课堂声音的饱满程度、响亮程度、语音以及语调将教师的声音情绪划分为积极、中性以及消极三类;其中,可根据积极情绪的积极程度将积极情绪划分为积极一级、积极二级以及积极三级,可根据消极情绪的消极程度将消极情绪划分为消极一级、消极二级以及消极三级。
3.根据权利要求1所述的课堂智能分析方法,其特征在于,所述对教师的课堂表情信息进行分析,具体为:
利用面部表情识别技术,将教师面部情绪划分为高兴、悲伤、愤怒、惊讶、厌恶以及恐惧。
4.根据权利要求1所述的课堂智能分析方法,其特征在于,所述对教师的头部姿态信息进行分析,具体为:
利用头部姿态估计技术,确定教师的视线落点、头部动作幅度以及头部位置;
根据教师的视线落点确定教师注意力分布的区域;
根据教师头部动作幅度和头部位置的变化将教师的头部姿态划分为:点头、摇头、低头、回头以及环顾四周。
5.根据权利要求1所述的课堂智能分析方法,其特征在于,所述对教师的课堂手势信息进行分析,具体为:
利用人体姿态估计技术和手部关键点检测技术,将教师的手势划分为象征性手势、评价手势、指示性手势以及会意性手势。
6.根据权利要求1所述的课堂智能分析方法,其特征在于,所述对学生注视黑板的信息进行分析,具体为:
通过学生注视黑板的状态将学生的注意力状态分为:漠视、关注以及专注三种状态;其中,在教师授课时,当学生的视线一直未停留在黑板范围上时,认定学生的注意力状态为漠视,即未关注教学内容;当学生的视线有存在关注黑板的时间段,但关注时间较短,时而注意力在黑板上时而又集中在其他方向时,认定学生的注意力状态为关注,即短暂的关注教学内容;当学生的视线持续关注黑板范围,则认定学生的注意力状态为专注,即持续的关注教学内容。
7.根据权利要求1至6任一项所述的课堂智能分析方法,其特征在于,所述分析教师在课堂授课过程中的表现情况和需要改进的方向,具体包括:
若教师在课堂中的声音情绪多变水平低,则分析这样的课堂声音情绪是否缺乏生动性;
若教师在课堂中的声音情绪中积极情绪和消极情绪所占的比例相当,则分析教师是否经常在课堂上流露出相对较多的消极情绪,出现这种现象的原因,以及如何改正这种现象;
若教师在课堂中的注意力主要集中在前几排区域的学生,则分析教师对于后排区域学生的关注度不够;
若教师在课堂中的手势比较少,则分析教师在课堂中手势动作的应用能力有待提高;
若教师在课堂中的呈现面部情绪的种类和次数相对较多,则分析教师的面部情绪丰富,对面部情绪的调控效果好;
若学生在课堂中的注意力状态主要为漠视,则分析教师课程的吸引力不够。
8.一种用于帮助教师反思性成长的课堂智能分析系统,其特征在于,包括:
授课视频确定单元,用于确定教师课堂授课视频,提取教师的课堂声纹、课堂表情、头部姿态以及课堂手势四种信息,并提取学生注视黑板的信息;
课堂声纹分析单元,用于对教师的课堂声纹信息进行分析,确定教师不同声音情绪、不同语速以及不同语调在整个课堂的占比情况,以及课堂不同时间段教师声音情绪、语速以及语调的分布情况;
课堂表情分析单元,用于对教师的课堂表情信息进行分析,确定教师不同面部情绪在整个课堂的占比情况,以及课堂不同时间段教师面部情绪的分布情况;
头部姿态分析单元,用于对教师的头部姿态信息进行分析,确定教师对学生所在各个区域的注意力分布情况,确定教师整个课堂的注意力分布情况,并确定教师整个课堂不同头部姿势的使用情况;
课堂手势分析单元,用于对教师的课堂手势信息进行分析,确定教师的各类手势在整个课堂的占比情况,以及课堂不同时间段的手势变化情况;
学生注意力分析单元,用于对学生注视黑板的信息进行分析,确定课堂不同时间段注视黑板学生人数的变化情况,以及整个课堂不同时间段不同区域学生注意力状态的分布情况;通过学生注视黑板的状态将学生的注意力状态分为:漠视、关注以及专注三种状态;
课堂智能分析单元,用于结合对教师的课堂声纹、课堂表情、头部姿态以及课堂手势分析结果,以及对学生注视黑板信息的分析结果,并参考优秀教师授课视频的分析结果或预设的优秀教师授课的标准,以及参考对教师之前的课堂视频分析的历史记录,分析教师在课堂授课过程中的表现情况和需要改进的方向,以帮助教师进行反思性成长。
9.根据权利要求8所述的课堂智能分析系统,其特征在于,所述学生注意力分析单元,通过学生注视黑板的状态将学生的注意力状态分为:漠视、关注以及专注三种状态;其中,在教师授课时,当学生的视线一直未停留在黑板范围上时,认定学生的注意力状态为漠视,即未关注教学内容;当学生的视线有存在关注黑板的时间段,但关注时间较短,时而注意力在黑板上时而又集中在其他方向时,认定学生的注意力状态为关注,即短暂的关注教学内容;当学生的视线持续关注黑板范围,则认定学生的注意力状态为专注,即持续的关注教学内容。
10.根据权利要求8或9所述的课堂智能分析系统,其特征在于,所述课堂智能分析单元分析教师在课堂授课过程中的表现情况和需要改进的方向,具体包括:若教师在课堂中的声音情绪多变水平低,则分析这样的课堂声音情绪是否缺乏生动性;若教师在课堂中的声音情绪中积极情绪和消极情绪所占的比例相当,则分析教师是否经常在课堂上流露出相对较多的消极情绪,出现这种现象的原因,以及如何改正这种现象;若教师在课堂中的注意力主要集中在前几排区域的学生,则分析教师对于后排区域学生的关注度不够;若教师在课堂中的手势比较少,则分析教师在课堂中手势动作的应用能力有待提高;若教师在课堂中的呈现面部情绪的种类和次数相对较多,则分析教师的面部情绪丰富,对面部情绪的调控效果好;若学生在课堂中的注意力状态主要为漠视,则分析教师课程的吸引力不够。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110967893.7A CN113723250B (zh) | 2021-08-23 | 2021-08-23 | 一种用于帮助教师反思性成长的课堂智能分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110967893.7A CN113723250B (zh) | 2021-08-23 | 2021-08-23 | 一种用于帮助教师反思性成长的课堂智能分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113723250A true CN113723250A (zh) | 2021-11-30 |
CN113723250B CN113723250B (zh) | 2023-09-15 |
Family
ID=78677298
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110967893.7A Active CN113723250B (zh) | 2021-08-23 | 2021-08-23 | 一种用于帮助教师反思性成长的课堂智能分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113723250B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115002343A (zh) * | 2022-05-06 | 2022-09-02 | 重庆工程学院 | 一种基于机器视觉的客观评价学生课堂表现的方法及系统 |
CN115936944A (zh) * | 2023-01-31 | 2023-04-07 | 西昌学院 | 一种基于人工智能的虚拟教学管理方法及装置 |
CN115983556A (zh) * | 2022-12-08 | 2023-04-18 | 武汉猪猪乐园教育咨询有限公司 | 一种教师排课优化方法、系统及存储介质 |
CN116029596A (zh) * | 2023-01-03 | 2023-04-28 | 华南师范大学 | 基于云服务的教学姿态及表情应用技能评估方法、系统、装置和存储介质 |
CN116109455A (zh) * | 2023-03-09 | 2023-05-12 | 电子科技大学成都学院 | 一种基于人工智能的语言教学辅助系统 |
CN116452072A (zh) * | 2023-06-19 | 2023-07-18 | 华南师范大学 | 一种教学评价方法、系统、设备和可读存储介质 |
CN116665294A (zh) * | 2023-03-31 | 2023-08-29 | 华南师范大学 | 一种基于计算机视觉的教学姿态及表情应用技能分析方法 |
CN117496580A (zh) * | 2023-11-23 | 2024-02-02 | 好心情健康产业集团有限公司 | 一种基于多人同步交互式的面部表情智能识别机器人终端 |
CN117649702A (zh) * | 2024-01-30 | 2024-03-05 | 山东诚海电子科技有限公司 | 一种基于人体姿态的教学辅助方法、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108766113A (zh) * | 2018-05-25 | 2018-11-06 | 讯飞幻境(北京)科技有限公司 | 学生课堂表现的监测方法及装置 |
CN110232346A (zh) * | 2019-06-06 | 2019-09-13 | 南京睦泽信息科技有限公司 | 一种基于深度学习的视频智能分析系统 |
CN110765417A (zh) * | 2019-09-29 | 2020-02-07 | 昆明医科大学 | 一种高等医学课堂教学互动行为分析与评价方法 |
US20200286396A1 (en) * | 2017-11-17 | 2020-09-10 | Shenzhen Eaglesoul Audio Technologies CO.,Ltd. | Following teaching system having voice evaluation function |
US20210056676A1 (en) * | 2019-08-23 | 2021-02-25 | Worcester Polytechnic Institute | Method and apparatus for estimating emotional quality using machine learning |
-
2021
- 2021-08-23 CN CN202110967893.7A patent/CN113723250B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200286396A1 (en) * | 2017-11-17 | 2020-09-10 | Shenzhen Eaglesoul Audio Technologies CO.,Ltd. | Following teaching system having voice evaluation function |
CN108766113A (zh) * | 2018-05-25 | 2018-11-06 | 讯飞幻境(北京)科技有限公司 | 学生课堂表现的监测方法及装置 |
CN110232346A (zh) * | 2019-06-06 | 2019-09-13 | 南京睦泽信息科技有限公司 | 一种基于深度学习的视频智能分析系统 |
US20210056676A1 (en) * | 2019-08-23 | 2021-02-25 | Worcester Polytechnic Institute | Method and apparatus for estimating emotional quality using machine learning |
CN110765417A (zh) * | 2019-09-29 | 2020-02-07 | 昆明医科大学 | 一种高等医学课堂教学互动行为分析与评价方法 |
Non-Patent Citations (2)
Title |
---|
吕梅;黄守磊;谭艳超;: "高校教学质量评价体系的构建与实践探索", 黑龙江畜牧兽医, no. 04 * |
王冬青;刘欢;邱美玲;: "智慧课堂教师行为数据的分析方法与应用验证", 中国电化教育, no. 05 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115002343A (zh) * | 2022-05-06 | 2022-09-02 | 重庆工程学院 | 一种基于机器视觉的客观评价学生课堂表现的方法及系统 |
CN115983556B (zh) * | 2022-12-08 | 2023-09-29 | 北京布局未来教育科技有限公司 | 一种教师排课优化方法、系统及存储介质 |
CN115983556A (zh) * | 2022-12-08 | 2023-04-18 | 武汉猪猪乐园教育咨询有限公司 | 一种教师排课优化方法、系统及存储介质 |
CN116029596A (zh) * | 2023-01-03 | 2023-04-28 | 华南师范大学 | 基于云服务的教学姿态及表情应用技能评估方法、系统、装置和存储介质 |
CN115936944B (zh) * | 2023-01-31 | 2023-10-13 | 西昌学院 | 一种基于人工智能的虚拟教学管理方法及装置 |
CN115936944A (zh) * | 2023-01-31 | 2023-04-07 | 西昌学院 | 一种基于人工智能的虚拟教学管理方法及装置 |
CN116109455A (zh) * | 2023-03-09 | 2023-05-12 | 电子科技大学成都学院 | 一种基于人工智能的语言教学辅助系统 |
CN116665294A (zh) * | 2023-03-31 | 2023-08-29 | 华南师范大学 | 一种基于计算机视觉的教学姿态及表情应用技能分析方法 |
CN116452072A (zh) * | 2023-06-19 | 2023-07-18 | 华南师范大学 | 一种教学评价方法、系统、设备和可读存储介质 |
CN116452072B (zh) * | 2023-06-19 | 2023-08-29 | 华南师范大学 | 一种教学评价方法、系统、设备和可读存储介质 |
CN117496580A (zh) * | 2023-11-23 | 2024-02-02 | 好心情健康产业集团有限公司 | 一种基于多人同步交互式的面部表情智能识别机器人终端 |
CN117496580B (zh) * | 2023-11-23 | 2024-05-07 | 好心情健康产业集团有限公司 | 一种基于多人同步交互式的面部表情智能识别机器人终端 |
CN117649702A (zh) * | 2024-01-30 | 2024-03-05 | 山东诚海电子科技有限公司 | 一种基于人体姿态的教学辅助方法、设备及介质 |
CN117649702B (zh) * | 2024-01-30 | 2024-05-07 | 山东诚海电子科技有限公司 | 一种基于人体姿态的教学辅助方法、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113723250B (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113723250A (zh) | 一种用于帮助教师反思性成长的课堂智能分析方法及系统 | |
CN110992741B (zh) | 一种基于课堂情绪和行为分析的学习辅助方法及系统 | |
CN107480872B (zh) | 一种基于数据交换网络的在线教学考评系统及方法 | |
Wertsch et al. | The social origins of individual mental functioning: Alternatives and perspectives | |
Yesilbursa | Reflection at the interface of theory and practice: An analysis of pre-service English language teachers' written reflections | |
CN107316261A (zh) | 一种基于人脸分析的教学质量评估系统 | |
Obralic et al. | Students Preference on Perceptual Learning Style. | |
CN115239527A (zh) | 基于知识库的教学特征融合与建模的教学行为分析系统 | |
Shanahan et al. | Insights into inservice teachers’ video-facilitated reflection of literacy practices | |
Meriem et al. | Determine the level of concentration of students in real time from their facial expressions | |
Rinchen | A study of the emotional climate of a science education class for pre-service teachers in Bhutan | |
Shirouzu et al. | Renovating assessment for the future: Design-based implementation research for a learning-in-class monitoring system based on the learning sciences | |
CN117037552A (zh) | 智慧课堂交互系统及方法 | |
Alozie et al. | Automated collaboration assessment using behavioral analytics | |
Siregar | The Analysis Of Teacher And Student’s Talk In The Classroom Interaction By Using FIACS | |
Gao et al. | Automatic Academic Emotion Recognition and Its Evolution Analysis in Classroom | |
Frahesti et al. | Teacher's Reinforcement in Teaching English at High School Level | |
Yariv et al. | Exemplary Teachers' Influence on Their Adolescent Pupils Who Later Became Teachers. | |
Ji et al. | A Discussion on the “Charging Model” of the Collaborative Mechanism Between Teachers and Artificial Intelligence Based on Satir's Iceberg Theory | |
Hai et al. | Artificial Intelligence and Intelligent Information Systems Based Multi-Dimensional Classroom Computer Evaluation Model | |
Li | Research on the influence of internalization of extrinsic motivation in english learning based on artificial intelligence assisted technology | |
Toyokawa et al. | Learning analytics enhanced E-book reader in a Japanese special needs class | |
Giaconi et al. | Innovative procedure for inclusive evaluation in University. The role of emotional feedback | |
Zhang | Application and research of psychological perception factors in mural teaching | |
Міщенко | Perception of criticism in the field of art & design |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |