CN116452022A - 教师教学效果的评价方法、装置及电子设备 - Google Patents
教师教学效果的评价方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116452022A CN116452022A CN202211588884.8A CN202211588884A CN116452022A CN 116452022 A CN116452022 A CN 116452022A CN 202211588884 A CN202211588884 A CN 202211588884A CN 116452022 A CN116452022 A CN 116452022A
- Authority
- CN
- China
- Prior art keywords
- teaching
- teacher
- evaluation
- predetermined
- score
- 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.)
- Pending
Links
- 230000000694 effects Effects 0.000 title claims abstract description 115
- 238000011156 evaluation Methods 0.000 title claims abstract description 78
- 238000012545 processing Methods 0.000 claims abstract description 64
- 238000000034 method Methods 0.000 claims abstract description 60
- 238000013210 evaluation model Methods 0.000 claims abstract description 43
- 230000006399 behavior Effects 0.000 claims abstract description 41
- 230000008569 process Effects 0.000 claims abstract description 25
- 238000012549 training Methods 0.000 claims description 32
- 239000000463 material Substances 0.000 claims description 24
- 230000003993 interaction Effects 0.000 claims description 7
- 239000002131 composite material Substances 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 15
- 238000012544 monitoring process Methods 0.000 abstract description 9
- 230000008451 emotion Effects 0.000 abstract description 3
- 230000014509 gene expression Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000007935 neutral effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 206010063659 Aversion Diseases 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- -1 region Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
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
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G06Q50/205—Education administration or guidance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Multimedia (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Computational Linguistics (AREA)
- Human Computer Interaction (AREA)
- Development Economics (AREA)
- Educational Technology (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Animal Behavior & Ethology (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本申请提供了一种教师教学效果的评价方法、装置及电子设备，该方法：获取教学行为数据，教学行为数据包括至少以下之一：教师的教学视频文件和师生音频文件，采用课标知识图谱和教学评价模型，对教学行为数据进行处理，得到教学效果的评估图。能够实时获取每堂课对应的一个授课效果评价，达到对学生的评价及讲师课堂表现进行分析处理的目的，并且教学效果可视化分析展现，利用课标知识图谱同时能够将教学过程、知识内容分析和学情分析进行关联，分析出不同教学方式所产生的教学效果，为教务人员进行教学质量管理与监测提供直观的分析参考依据，进而解决了现有方案中学校无法及时了解学校教师的教学效果的问题。
Description
技术领域
本申请涉及教学效果评估技术领域，具体而言，涉及一种教师教学效果的评价方法、装置、计算机可读存储介质及电子设备。
背景技术
教学效果的评价是否客观、科学、准确在教学工作中具有重大意义，是对一个教师乃至一个院校工作的基本认定。它不仅对有教学工作具有检测功能，也具有教学工作方向性的指引功能。同时教学效果评价也是一把双刃剑，不能正确进行教学效果评价，势必损害教育工作者的积极性，误导教育教学的方向，损害了教育事业。什么样的评价标准是教学效果评价中的一个至关重要的问题。在现阶段国内外并没有一个公认的、理想的教学质量评价体系，导致学校无法及时的了解学校教师的教学效果及教师与各学科的匹配度，因此现在亟需一种智能化教学效果评价方法。
发明内容
本申请的主要目的在于提供一种教师教学效果的评价方法、装置、计算机可读存储介质及电子设备，以解决现有方案中学校无法及时了解学校教师的教学效果的问题。
根据本发明实施例的一个方面，提供了一种教师教学效果的评价方法，该方法包括：获取教学行为数据，所述教学行为数据包括至少以下之一：教师的教学视频文件和师生音频文件，所述教学视频文件为教师在课堂中的授课视频，所述师生音频文件为表征所述教师和学生在所述课堂中的录音；采用课标知识图谱和教学评价模型，对所述教学行为数据进行处理，得到教学效果的评估图，所述课标知识图谱用于表征专业方向与教材、讲义、习题的关系，课标要求与所述教材、所述讲义、所述习题的关系，学科知识点与所述教材、所述讲义、所述习题的关系，所述教学评价模型是使用多组教学训练数据训练得到的，所述多组教学训练数据中的每一组教学训练数据均包括：教学相关特征数据以及与所述教学相关特征数据对应的分数信息。
可选地，所述教学行为数据还包括教学板书文件。
可选地，采用课标知识图谱和教学评价模型，对所述教学行为数据进行处理，得到教学效果的评估图，包括：采用所述教学评价模型，对所述师生音频文件进行处理，得到第一权重分数；采用所述教学评价模型，对所述教学视频文件进行处理，得到第二权重分数；采用所述教学评价模型，对所述教学板书文件进行处理，得到第三权重分数；根据所述第一权重分数、所述第二权重分数和所述第三权重分数，确定综合分数；采用课标知识图谱，根据所述综合分数，生成所述教学效果的评估图。
可选地，在采用所述教学评价模型，对所述师生音频文件进行处理，得到第一权重分数的过程中，包括：在所述师生音频文件与第一预定音频的匹配度大于或者等于第一预定匹配度的情况下，增加第一预定分数；在所述师生音频文件与第一预定音频的匹配度大于或者等于第二预定匹配度的情况下，扣除第二预定分数。
可选地，在采用所述教学评价模型，对所述教学视频文件进行处理，得到第二权重分数的过程中，包括：在所述教学视频文件与第一预定视频文件的匹配度大于或者等于第三预定匹配度的情况下，增加第三预定分数；在所述教学视频文件与第二预定视频文件的匹配度大于或者等于第四预定匹配度的情况下，扣除第四预定分数。
可选地，在采用所述教学评价模型，对所述教学板书文件进行处理，得到第三权重分数的过程中，包括：在所述教学板书文件与第一预定板书文件的匹配度大于或者等于第五预定匹配度的情况下，增加第五预定分数；在所述教学板书文件与第二预定板书文件的匹配度大于或者等于第六预定匹配度的情况下，扣除第六预定分数。
可选地，所述教学效果的评估图为六维面板图，所述六维面板图的六个维度依次为考试成绩、师生互动、听课质量、授课模式、教师教学语言和课堂氛围。
根据本发明实施例的另一方面，还提供了一种教师教学效果的评价装置，该装置包括获取单元和处理单元；获取单元用于获取教学行为数据，所述教学行为数据包括至少以下之一：教师的教学视频文件和师生音频文件，所述教学视频文件为教师在课堂中的授课视频，所述师生音频文件为表征所述教师和学生在所述课堂中的录音；处理单元用于采用课标知识图谱和教学评价模型，对所述教学行为数据进行处理，得到教学效果的评估图，所述课标知识图谱用于表征专业方向与教材、讲义、习题的关系，课标要求与所述教材、所述讲义、所述习题的关系，学科知识点与所述教材、所述讲义、所述习题的关系，所述教学评价模型是使用多组教学训练数据训练得到的，所述多组教学训练数据中的每一组教学训练数据均包括：教学相关特征数据以及与所述教学相关特征数据对应的分数信息。
根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，所述程序执行任意一种所述的教师教学效果的评价方法。
根据本发明实施例的另一方面，还提供了一种电子设备，电子设备包括一个或多个处理器，存储器以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行任意一种所述的教师教学效果的评价方法。
在本发明实施例中，通过采用课标知识图谱和教学评价模型，对所述教学行为数据进行处理，得到教学效果的评估图，能够实时获取每堂课对应的一个授课效果评价，达到对学生的评价及讲师课堂表现进行分析处理的目的，以让学校可以及时了解教师的教学效果，并且教学效果可视化分析展现，利用课标知识图谱同时能够将教学过程、知识内容分析和学情分析进行关联，分析出不同教学方式所产生的教学效果，为教务人员进行教学质量管理与监测提供直观的分析参考依据，进而解决了现有方案中学校无法及时了解学校教师的教学效果的问题。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1示出了根据本申请实施例的教师教学效果的评价方法的流程图；
图2示出了根据本申请实施例的课标知识图谱的示意图；
图3示出了根据本申请实施例的教师教学效果的评价装置的示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应该理解的是，当元件(诸如层、膜、区域、或衬底)描述为在另一元件“上”时，该元件可直接在该另一元件上，或者也可存在中间元件。而且，在说明书以及权利要求书中，当描述有元件“连接”至另一元件时，该元件可“直接连接”至该另一元件，或者通过第三元件“连接”至该另一元件。
正如背景技术中所说的，在现阶段国内外并没有一个公认的、理想的教学质量评价体系，导致学校无法及时的了解学校教师的教学效果及教师与各学科的匹配度，因此现在亟需一种智能化教学效果评价方法，为了解决现有方案中学校无法及时了解学校教师的教学效果的问题，本申请的一种典型的实施方式中，提供了一种教师教学效果的评价方法、装置、计算机可读存储介质及电子设备。
根据本申请的实施例，提供了一种教师教学效果的评价方法。
图1是根据本申请实施例的教师教学效果的评价方法的流程图。如图1所示，该方法包括以下步骤：
步骤S101，获取教学行为数据，上述教学行为数据包括至少以下之一：教师的教学视频文件和师生音频文件，上述教学视频文件为教师在课堂中的授课视频，上述师生音频文件为表征上述教师和学生在上述课堂中的录音；
步骤S102，采用课标知识图谱和教学评价模型，对上述教学行为数据进行处理，得到教学效果的评估图，上述课标知识图谱用于表征专业方向与教材、讲义、习题的关系，课标要求与上述教材、上述讲义、上述习题的关系，学科知识点与上述教材、上述讲义、上述习题的关系，上述教学评价模型是使用多组教学训练数据训练得到的，上述多组教学训练数据中的每一组教学训练数据均包括：教学相关特征数据以及与上述教学相关特征数据对应的分数信息。
上述步骤中，通过采用课标知识图谱和教学评价模型，对上述教学行为数据进行处理，得到教学效果的评估图，能够实时获取每堂课对应的一个授课效果评价，达到对学生的评价及讲师课堂表现进行分析处理的目的，以让学校可以及时了解教师的教学效果，并且教学效果可视化分析展现，利用课标知识图谱同时能够将教学过程、知识内容分析和学情分析进行关联，分析出不同教学方式所产生的教学效果，为教务人员进行教学质量管理与监测提供直观的分析参考依据，进而解决了现有方案中学校无法及时了解学校教师的教学效果的问题。
课标知识图谱如图2所示：梳理其包含哪些课标要求、知识点，不同知识点间层级关系、关联关系及前后序关系。课标要求知识点采集部分可以利用人机耦合的方式，半自动化构建，对于一些置信度较低或者较复杂无法通过机器自动获取的，由教研人员进行人工审核。
师生音频文件：通过对教室的麦克风阵列采集教师课堂教学的音频数据，针对教师语速、音量、流畅度等分析授课表达情况；针对教师教学文本分析分析教学语言、教学逻辑等；针对师生发言情况分析授课模式以及课堂气氛。
教学视频文件：通过高清摄像头采集学员在课堂上的视频数据，针对学生的阅读、书写、举手、趴桌子、打瞌睡、高兴、伤心等，分析学员听课质量和老师的授课是否达到教学目标。针对教师肢体行为、面部表情等分析教师教学行为特点对整个教学的影响。
通过标注好的特征向量以及对应标签(如课堂活跃度、授课模式等)训练模型，对输入的教学相关的数据进行清洗和预处理，通过特征工程对特征进行加工，特征输入到模型中，通过拟合标签的方式进行训练。教学评价模型采用xgboost、LightGBM等决策树模型，输入经过初步处理的特征数据进入模型，其中包含课上学生发言频次、学生考试均分、教师语音流畅度等信息，进行量化建模。训练的模型根据输入进来的教学相关特征数据对一项或多项效果指标进行打分。这类算法的解释性相对较高，除对效果指标进行打分，还可以分析哪些特征向量对最终效果的影响程度。
在本申请中的一种实施例中，上述教学行为数据还包括教学板书文件。
便于将教师的板书内容加入对教师的授课效果的评价。教学板书文件：通过智慧黑板获取教师的教学书面语言，针对板书内容分析教师的教学情况。
在本申请中的一种实施例中，采用课标知识图谱和教学评价模型，对上述教学行为数据进行处理，得到教学效果的评估图，包括：采用上述教学评价模型，对上述师生音频文件进行处理，得到第一权重分数；采用上述教学评价模型，对上述教学视频文件进行处理，得到第二权重分数；采用上述教学评价模型，对上述教学板书文件进行处理，得到第三权重分数；根据上述第一权重分数、上述第二权重分数和上述第三权重分数，确定综合分数；采用课标知识图谱，根据上述综合分数，生成上述教学效果的评估图。
授课模式维度：依据教员动作中涉及教学方式的动作次数判定，结果为：单一、丰富、略显单一。检测教员教学过程中使用教具使用的丰富程度。若使用黑板、电脑、叫学员回答问题(用手指人)。若方法手段的使用种类超过1但小于2则判定为略显单一、若使用种类大于2则判定为丰富，否则判定方法手段单一。
课堂氛围维度：教员的表情识别结果和动作识别结果；综合得出结果：正常、一般、不佳，如果教师的表情正常且师生互动活跃，那么课堂氛围为活跃；教师表情不佳且师生互动沉闷，那么课堂氛围差；其它情况为正常。
教师教学语言维度：对于每一堂课都有一系列教学目标，目标下有一系列子目标。对涉及子目标内容的文本，建立质检模型，判断教学内容是否涵盖了目标知识点。
每个教学目标，例如计算机课的计算机模型结构，下面可能有10个子目标：1至10；分别建立10个质检模型，如果都命中则给100％；命中7个给70％；得到这个教学目标的覆盖率。
整堂课的覆盖率，同样用个模型的命中比例得到。比如80个质检模型，命中60个，则总体达成率为：75％。
师生互动维度：学员的语音时长和教员语音时长之间的比例。结果为：活跃、沉闷、正常。检测学生在课堂上表现是否活跃。若课堂讨论、学生问问题；一堂课，学员(可能多个)的语音总时长和教员的语音时长比。>0.1；为活跃；<0.02为沉闷；中间为正常。
听课质量：每段追踪视频，随机抽取10张图(有脸的)得到表情结果。
都会返回：(微笑；中性；愤怒；微笑；微笑；微笑；微笑；微笑；微笑；微笑；)表情分为8类：微笑、悲伤、中性、愤怒、惊讶、恐惧、厌恶7类，另外有一类是未知。如果微笑、中性、未知总占比，超过80％，为良好；<60％，为较差；中间为正常。
根据智能化分析的教学效果数据，结合对应教师的基础数据，教学效果可视化分析展现，利用知识图谱同时能够将教学过程、知识内容分析和学情分析进行关联，分析出不同教学方式所产生的教学效果。为教务人员进行教学质量管理与监测提供直观的分析参考依据。
该方法还结合了各名教师教学的学生成绩及课堂表现，通过学生成绩、课堂表现和教师上课受欢迎程度的相结合，从而可以判定该教师的教学质量，从而方便学校后期对教师的指导。
在本申请中的一种实施例中，在采用上述教学评价模型，对上述师生音频文件进行处理，得到第一权重分数的过程中，包括：在上述师生音频文件与第一预定音频的匹配度大于或者等于第一预定匹配度的情况下，增加第一预定分数；在上述师生音频文件与第一预定音频的匹配度大于或者等于第二预定匹配度的情况下，扣除第二预定分数。
具体地，加分：讲课内容包含思政内容，语言流畅。扣分：语气词过多，语言卡顿。
在本申请中的一种实施例中，在采用上述教学评价模型，对上述教学视频文件进行处理，得到第二权重分数的过程中，包括：在上述教学视频文件与第一预定视频文件的匹配度大于或者等于第三预定匹配度的情况下，增加第三预定分数；在上述教学视频文件与第二预定视频文件的匹配度大于或者等于第四预定匹配度的情况下，扣除第四预定分数。
具体地，加分：实验演示，动作丰富；扣分：依靠黑板，脱衣服。
在本申请中的一种实施例中，在采用上述教学评价模型，对上述教学板书文件进行处理，得到第三权重分数的过程中，包括：在上述教学板书文件与第一预定板书文件的匹配度大于或者等于第五预定匹配度的情况下，增加第五预定分数；在上述教学板书文件与第二预定板书文件的匹配度大于或者等于第六预定匹配度的情况下，扣除第六预定分数。
具体地，扣分：板书内容乱，无条理；减分：无板书内容。
在本申请中的一种实施例中，上述教学效果的评估图为六维面板图，上述六维面板图的六个维度依次为考试成绩、师生互动、听课质量、授课模式、教师教学语言和课堂氛围。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例还提供了一种教师教学效果的评价装置，需要说明的是，本申请实施例的教师教学效果的评价装置可以用于执行本申请实施例所提供的用于教师教学效果的评价方法。以下对本申请实施例提供的教师教学效果的评价装置进行介绍。
图3是根据本申请实施例的教师教学效果的评价装置的示意图。如图3所示，该装置包括获取单元31和处理单元32；获取单元31用于获取教学行为数据，上述教学行为数据包括至少以下之一：教师的教学视频文件和师生音频文件，上述教学视频文件为教师在课堂中的授课视频，上述师生音频文件为表征上述教师和学生在上述课堂中的录音；处理单元32用于采用课标知识图谱和教学评价模型，对上述教学行为数据进行处理，得到教学效果的评估图，上述课标知识图谱用于表征专业方向与教材、讲义、习题的关系，课标要求与上述教材、上述讲义、上述习题的关系，学科知识点与上述教材、上述讲义、上述习题的关系，上述教学评价模型是使用多组教学训练数据训练得到的，上述多组教学训练数据中的每一组教学训练数据均包括：教学相关特征数据以及与上述教学相关特征数据对应的分数信息。
上述装置中，通过采用课标知识图谱和教学评价模型，对上述教学行为数据进行处理，得到教学效果的评估图，能够实时获取每堂课对应的一个授课效果评价，达到对学生的评价及讲师课堂表现进行分析处理的目的，以让学校可以及时了解教师的教学效果，并且教学效果可视化分析展现，利用课标知识图谱同时能够将教学过程、知识内容分析和学情分析进行关联，分析出不同教学方式所产生的教学效果，为教务人员进行教学质量管理与监测提供直观的分析参考依据，进而解决了现有方案中学校无法及时了解学校教师的教学效果的问题。
在本申请中的一种实施例中，上述教学行为数据还包括教学板书文件。
在本申请中的一种实施例中，处理单元包括第一处理模块、第二处理模块、第三处理模块、确定模块和生成模块，第一处理模块用于采用上述教学评价模型，对上述师生音频文件进行处理，得到第一权重分数；第二处理模块用于采用上述教学评价模型，对上述教学视频文件进行处理，得到第二权重分数；第三处理模块用于采用上述教学评价模型，对上述教学板书文件进行处理，得到第三权重分数；确定模块用于根据上述第一权重分数、上述第二权重分数和上述第三权重分数，确定综合分数；生成模块用于采用课标知识图谱，根据上述综合分数，生成上述教学效果的评估图。
在本申请中的一种实施例中，第一处理模块包括第一处理子模块和第二处理子模块，第一处理子模块用于在上述师生音频文件与第一预定音频的匹配度大于或者等于第一预定匹配度的情况下，增加第一预定分数；第二处理子模块用于在上述师生音频文件与第一预定音频的匹配度大于或者等于第二预定匹配度的情况下，扣除第二预定分数。
在本申请中的一种实施例中，第二处理模块包括第三处理子模块和第四处理子模块，第三处理子模块用于在上述教学视频文件与第一预定视频文件的匹配度大于或者等于第三预定匹配度的情况下，增加第三预定分数；第四处理子模块用于在上述教学视频文件与第二预定视频文件的匹配度大于或者等于第四预定匹配度的情况下，扣除第四预定分数。
在本申请中的一种实施例中，第三处理模块包括第五处理子模块和第六处理子模块，第五处理子模块用于在上述教学板书文件与第一预定板书文件的匹配度大于或者等于第五预定匹配度的情况下，增加第五预定分数；第六处理子模块用于在上述教学板书文件与第二预定板书文件的匹配度大于或者等于第六预定匹配度的情况下，扣除第六预定分数。
在本申请中的一种实施例中，上述教学效果的评估图为六维面板图，上述六维面板图的六个维度依次为考试成绩、师生互动、听课质量、授课模式、教师教学语言和课堂氛围。
上述教师教学效果的评价装置包括处理器和存储器，上述获取单元和处理单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来解决现有方案中学校无法及时了解学校教师的教学效果的问题。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本发明实施例提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述教师教学效果的评价方法。
本发明实施例提供了一种处理器，上述处理器用于运行程序，其中，上述程序运行时执行上述教师教学效果的评价方法。
本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现至少以下步骤：获取教学行为数据，上述教学行为数据包括至少以下之一：教师的教学视频文件和师生音频文件，上述教学视频文件为教师在课堂中的授课视频，上述师生音频文件为表征上述教师和学生在上述课堂中的录音；采用课标知识图谱和教学评价模型，对上述教学行为数据进行处理，得到教学效果的评估图，上述课标知识图谱用于表征专业方向与教材、讲义、习题的关系，课标要求与上述教材、上述讲义、上述习题的关系，学科知识点与上述教材、上述讲义、上述习题的关系，上述教学评价模型是使用多组教学训练数据训练得到的，上述多组教学训练数据中的每一组教学训练数据均包括：教学相关特征数据以及与上述教学相关特征数据对应的分数信息。本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有至少如下方法步骤的程序：获取教学行为数据，上述教学行为数据包括至少以下之一：教师的教学视频文件和师生音频文件，上述教学视频文件为教师在课堂中的授课视频，上述师生音频文件为表征上述教师和学生在上述课堂中的录音；采用课标知识图谱和教学评价模型，对上述教学行为数据进行处理，得到教学效果的评估图，上述课标知识图谱用于表征专业方向与教材、讲义、习题的关系，课标要求与上述教材、上述讲义、上述习题的关系，学科知识点与上述教材、上述讲义、上述习题的关系，上述教学评价模型是使用多组教学训练数据训练得到的，上述多组教学训练数据中的每一组教学训练数据均包括：教学相关特征数据以及与上述教学相关特征数据对应的分数信息。
本申请还提供了一种电子设备，电子设备包括一个或多个处理器，存储器以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置为由上述一个或多个处理器执行，上述一个或多个程序包括用于执行任意一种上述的教师教学效果的评价方法。通过采用课标知识图谱和教学评价模型，对上述教学行为数据进行处理，得到教学效果的评估图，能够实时获取每堂课对应的一个授课效果评价，达到对学生的评价及讲师课堂表现进行分析处理的目的，以让学校可以及时了解教师的教学效果，并且教学效果可视化分析展现，利用课标知识图谱同时能够将教学过程、知识内容分析和学情分析进行关联，分析出不同教学方式所产生的教学效果，为教务人员进行教学质量管理与监测提供直观的分析参考依据，进而解决了现有方案中学校无法及时了解学校教师的教学效果的问题。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例上述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
从以上的描述中，可以看出，本申请上述的实施例实现了如下技术效果：
1)、本申请的教师教学效果的评价方法，通过采用课标知识图谱和教学评价模型，对上述教学行为数据进行处理，得到教学效果的评估图，能够实时获取每堂课对应的一个授课效果评价，达到对学生的评价及讲师课堂表现进行分析处理的目的，以让学校可以及时了解教师的教学效果，并且教学效果可视化分析展现，利用课标知识图谱同时能够将教学过程、知识内容分析和学情分析进行关联，分析出不同教学方式所产生的教学效果，为教务人员进行教学质量管理与监测提供直观的分析参考依据，进而解决了现有方案中学校无法及时了解学校教师的教学效果的问题。
2)、本申请的教师教学效果的评价装置，通过采用课标知识图谱和教学评价模型，对上述教学行为数据进行处理，得到教学效果的评估图，能够实时获取每堂课对应的一个授课效果评价，达到对学生的评价及讲师课堂表现进行分析处理的目的，以让学校可以及时了解教师的教学效果，并且教学效果可视化分析展现，利用课标知识图谱同时能够将教学过程、知识内容分析和学情分析进行关联，分析出不同教学方式所产生的教学效果，为教务人员进行教学质量管理与监测提供直观的分析参考依据，进而解决了现有方案中学校无法及时了解学校教师的教学效果的问题。
3)、本申请的电子设备，通过采用课标知识图谱和教学评价模型，对上述教学行为数据进行处理，得到教学效果的评估图，能够实时获取每堂课对应的一个授课效果评价，达到对学生的评价及讲师课堂表现进行分析处理的目的，以让学校可以及时了解教师的教学效果，并且教学效果可视化分析展现，利用课标知识图谱同时能够将教学过程、知识内容分析和学情分析进行关联，分析出不同教学方式所产生的教学效果，为教务人员进行教学质量管理与监测提供直观的分析参考依据，进而解决了现有方案中学校无法及时了解学校教师的教学效果的问题。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种教师教学效果的评价方法，其特征在于，包括：
获取教学行为数据，所述教学行为数据包括至少以下之一：教师的教学视频文件和师生音频文件，所述教学视频文件为教师在课堂中的授课视频，所述师生音频文件为表征所述教师和学生在所述课堂中的录音；
采用课标知识图谱和教学评价模型，对所述教学行为数据进行处理，得到教学效果的评估图，所述课标知识图谱用于表征专业方向与教材、讲义、习题的关系，课标要求与所述教材、所述讲义、所述习题的关系，学科知识点与所述教材、所述讲义、所述习题的关系，所述教学评价模型是使用多组教学训练数据训练得到的，所述多组教学训练数据中的每一组教学训练数据均包括：教学相关特征数据以及与所述教学相关特征数据对应的分数信息。
2.根据权利要求1所述的方法，其特征在于，所述教学行为数据还包括教学板书文件。
3.根据权利要求2所述的方法，其特征在于，采用课标知识图谱和教学评价模型，对所述教学行为数据进行处理，得到教学效果的评估图，包括：
采用所述教学评价模型，对所述师生音频文件进行处理，得到第一权重分数；
采用所述教学评价模型，对所述教学视频文件进行处理，得到第二权重分数；
采用所述教学评价模型，对所述教学板书文件进行处理，得到第三权重分数；
根据所述第一权重分数、所述第二权重分数和所述第三权重分数，确定综合分数；
采用课标知识图谱，根据所述综合分数，生成所述教学效果的评估图。
4.根据权利要求3所述的方法，其特征在于，在采用所述教学评价模型，对所述师生音频文件进行处理，得到第一权重分数的过程中，包括：
在所述师生音频文件与第一预定音频的匹配度大于或者等于第一预定匹配度的情况下，增加第一预定分数；
在所述师生音频文件与第一预定音频的匹配度大于或者等于第二预定匹配度的情况下，扣除第二预定分数。
5.根据权利要求3所述的方法，其特征在于，在采用所述教学评价模型，对所述教学视频文件进行处理，得到第二权重分数的过程中，包括：
在所述教学视频文件与第一预定视频文件的匹配度大于或者等于第三预定匹配度的情况下，增加第三预定分数；
在所述教学视频文件与第二预定视频文件的匹配度大于或者等于第四预定匹配度的情况下，扣除第四预定分数。
6.根据权利要求3所述的方法，其特征在于，在采用所述教学评价模型，对所述教学板书文件进行处理，得到第三权重分数的过程中，包括：
在所述教学板书文件与第一预定板书文件的匹配度大于或者等于第五预定匹配度的情况下，增加第五预定分数；
在所述教学板书文件与第二预定板书文件的匹配度大于或者等于第六预定匹配度的情况下，扣除第六预定分数。
7.根据权利要求1至6中任一项所述的方法，其特征在于，所述教学效果的评估图为六维面板图，所述六维面板图的六个维度依次为考试成绩、师生互动、听课质量、授课模式、教师教学语言和课堂氛围。
8.一种教师教学效果的评价装置，其特征在于，包括：
获取单元，用于获取教学行为数据，所述教学行为数据包括至少以下之一：教师的教学视频文件和师生音频文件，所述教学视频文件为教师在课堂中的授课视频，所述师生音频文件为表征所述教师和学生在所述课堂中的录音；
处理单元，用于采用课标知识图谱和教学评价模型，对所述教学行为数据进行处理，得到教学效果的评估图，所述课标知识图谱用于表征专业方向与教材、讲义、习题的关系，课标要求与所述教材、所述讲义、所述习题的关系，学科知识点与所述教材、所述讲义、所述习题的关系，所述教学评价模型是使用多组教学训练数据训练得到的，所述多组教学训练数据中的每一组教学训练数据均包括：教学相关特征数据以及与所述教学相关特征数据对应的分数信息。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，所述程序执行权利要求1至7中任意一项所述的教师教学效果的评价方法。
10.一种电子设备，其特征在于，包括：一个或多个处理器，存储器以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行权利要求1至7中任意一项所述的教师教学效果的评价方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211588884.8A CN116452022A (zh) | 2022-12-12 | 2022-12-12 | 教师教学效果的评价方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211588884.8A CN116452022A (zh) | 2022-12-12 | 2022-12-12 | 教师教学效果的评价方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116452022A true CN116452022A (zh) | 2023-07-18 |
Family
ID=87124402
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211588884.8A Pending CN116452022A (zh) | 2022-12-12 | 2022-12-12 | 教师教学效果的评价方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116452022A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117078094A (zh) * | 2023-08-22 | 2023-11-17 | 云启智慧科技有限公司 | 一种基于人工智能的教师综合能力评估方法 |
| CN117391541A (zh) * | 2023-11-29 | 2024-01-12 | 宏湃信息技术(南京)有限公司 | 一种在线教育质量监控方法及系统 |
-
2022
- 2022-12-12 CN CN202211588884.8A patent/CN116452022A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117078094A (zh) * | 2023-08-22 | 2023-11-17 | 云启智慧科技有限公司 | 一种基于人工智能的教师综合能力评估方法 |
| CN117391541A (zh) * | 2023-11-29 | 2024-01-12 | 宏湃信息技术(南京)有限公司 | 一种在线教育质量监控方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Marques et al. | Teaching machine learning in school: A systematic mapping of the state of the art | |
| Hogan et al. | Representation in teaching: Inferences from research of expert and novice teachers | |
| Heiner et al. | Preparing students for class: How to get 80% of students reading the textbook before class | |
| Lesh et al. | Principles for developing thought-revealing activities for students and teachers | |
| Fernández et al. | Primary school teacher’s noticing of students’ mathematical thinking in problem solving | |
| CN116452022A (zh) | 教师教学效果的评价方法、装置及电子设备 | |
| Hastie | A primer on content knowledge in physical education research | |
| Greenleaf et al. | Building capacity for the responsive teaching of reading in the academic disciplines: Strategic inquiry designs for middle and high school teachers’ professional development | |
| Briggs | Teaching methods as correlate of student performance in business studies in selected public secondary schools in Port Harcourt | |
| Richman et al. | What Matters for Student Achievement? Exploring Teacher Instructional Practices and the Role of School-Level and Student-Level Characteristics. | |
| Sanusi et al. | Developing middle school students’ understanding of machine learning in an African school | |
| Psihountas | Flipped classrooms and finance—Is this a better way to learn? | |
| Ergashevich | DEVELOPMENT OF STUDENTS'THINKING AND USE OF MODERN TEACHING TECHNOLOGIES IN ORGANIZING EDUCATIONAL LESSONS IN OTML | |
| Mamcenko et al. | Analysis of e-exam data using data mining techniques | |
| Karim | Developing an Indonesian textbook for non-native learners of Indonesian at elementary level | |
| Barkovska et al. | Study of noise reduction methods in the sound sequence when solving the speech-to-text problem | |
| Guo et al. | Artificial intelligence in education research during 2013–2023: A review based on bibliometric analysis | |
| Li et al. | Using learning analytics to support computer-assisted language learning | |
| Daoruang et al. | The Learning Material Classified Model Using VARK Learning Style | |
| Husroini | UTILIZING GOOGLE CLASSROOM IN TEACHING READING COMPREHENSION | |
| Adesina et al. | A semi-automatic computer-aided assessment approach for marking and providing feedback comments | |
| Monika et al. | Analysing the Significance of Microteaching in ESL Classroom and Strategies for Fostering Better Language Acquisition | |
| Hapsari et al. | The Application of Riddle Game in Teaching Speaking for the Eighth Grade Students of MTsN Kedunggalar Ngawi in the Schooling Year 2014/2015 | |
| Weldemariam | Integrating Machine Learning Into the K-12 Curriculum: The Case for Finland | |
| Chen et al. | A Qualitative Analysis of Using Games Learning Programs to Improve Elementary Teachers’ Application of STEM Capabilities |
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 |