人工智能在即時反饋教學中的一種應用

覃匡宇 陳鵬

摘要：反饋式教學能有效地提高教學的效果，考試作為常用的反饋手段具有一定的時間延遲性，教師無法即時地做出調(diào)整以達到預期的教學效果。如何找到一種有效的即時反饋方法成為教學工作者研究的內(nèi)容。深度學習技術(shù)近年來得到了大力的發(fā)展。文章中介紹了將人工智能技術(shù)應用于即時反饋教學中的一種方法，通過攝像頭成像，統(tǒng)計分析學生的聽課效果，即時顯示學生認真聽課人數(shù)的比例，供教師即時地掌握課堂聽課狀況，為行為提供參考。對比實驗的結(jié)果表明，該方法能在不增加附加教學成本的同時，有效地提升課堂的教學質(zhì)量。

關(guān)鍵詞：人工智能;反饋式教學;神經(jīng)網(wǎng)絡

中圖分類號：G642.0 ? ? 文獻標志碼：A ? ? 文章編號：1674-9324（2020）14-0373-03

一、引言

提高教學質(zhì)量一直是教育工作者關(guān)注的重點之一。學者們對此做出了大量的研究。教育學家巴班斯基[1]提出了教學過程最優(yōu)化理論，認為教學過程要全面地考慮現(xiàn)有的各種條件、各種方法，科學地組織最佳的教學方案。教學過程最優(yōu)化不是為了追求最好的教學過程，而是要達到對目前條件來說最佳的結(jié)果。反饋式教學是一種可以有效提高教學效果的教學方法。劉顯國等[2]研究了反饋教學法。在反饋教學法中，課堂教學的反饋結(jié)構(gòu)分為兩條不同的通道，一條是反饋給教師的客觀反饋通道，另一條是反饋給學生的自我反饋通道。在反饋信息的幫助下，師生雙方通過調(diào)整教學活動來提高課堂的教學效率。近年來，教學反饋作為一種有效提升教學質(zhì)量的手段，在學習過程中已經(jīng)得到了大量的應用。

反饋按照時間特性，可以分為延時反饋和即時反饋。作業(yè)和考試作為常見的延時反饋，已經(jīng)成為日常教學過程中不可或缺的部分。但由于作業(yè)和考試活動的實施和批改需要一定的時間，當結(jié)果出來時，在反饋時效上具有滯后性，如果在反饋結(jié)果中發(fā)現(xiàn)問題，教師只能花費額外的時間來增加或補足之前的教學活動，在時間和空間上造成一定的附加成本。在即時反饋方面，教學研究者們做出了大量有益的嘗試。加拿大維多利亞大學的教授Mary Sanseverino[3]將課堂反饋系統(tǒng)（Clicks）應用于課堂來解決學生不善于“主動學習”的問題。美國內(nèi)布拉斯加大學的教授Keng Siau和密蘇里大學教授Hong Sheng將手機技術(shù)應用于教學[4]，研究課堂反饋技術(shù)在課堂教學活動對教師與學生互動的影響。在英國、西班牙、韓國和新加坡等國家和地區(qū)在課堂中引進即時的課堂反饋系統(tǒng)，也都取得了顯著的效果[5]。但課堂反饋系統(tǒng)在引入的同時也帶來了一定的負面效應。為了達到即時反饋的效果，在教學活動中大量使用電子設備，一方面增大了教學成本，另一方面也在一定程度上分散了學生的注意力。溫斯頓塞倫州立大學教授Debzani Deb和M.Muztaba Fuad[6]的調(diào)查研究表明：在課堂上，本來期望作為教學輔助設備的智能手機，實際上學生并沒有合理地使用，手機大多被作為娛樂用途而非學習用途。

近年來，人工智能、深度學習等技術(shù)得到了飛速的發(fā)展。目前，越來越多的任務可以交由機器來完成，與人工智能相關(guān)的輔助教學工具也逐漸應用到課程教學中。Goksel-Canbek等人[7]通過智能個人助手在人與機器間構(gòu)建自然的人機交互，實現(xiàn)陪伴學習和語言學習。Holotescu[8]將教學機器人MOOC Buddy服務于慕課平臺，該機器人可以根據(jù)學習者的特征，為其推薦適合的學習資源。這些人工智能工具對提高教學效果都起到了很好的作用。

在當前，智能化的輔助教學手段應合理地融合進課堂教學中，而不是過度地使用。理想的教學輔助手段應該不干擾正常的教學活動，在不知不覺中解決一些教學過程中的小問題，無形中提升教學的效果。例如，在課堂教學中，教師專注于教學內(nèi)容的講解，注意力往往放在前排的學生身上，對其他學生的聽課狀態(tài)容易忽略，座位偏遠的學生容易失去教師的關(guān)注，很容易思想開小差，不認真聽課。如果能夠通過一個簡單的攝像頭，即時地監(jiān)控和分析下面學生的聽課狀況，幫助教師評估當前的學生聽課狀況，并提醒教師進行教學調(diào)整，對學生未聽、漏聽的部分進行反復講解，就可以有效地提升課堂教學效果。

本文研究了人工智能技術(shù)在課堂反饋中的一種應用場景，提出了一種使用人工智能技術(shù)來即時反饋課堂教學效果的方法。對比實驗表明，該方法能有效地提升課堂教學效果。

二、利用人工智能進行即時教學反饋

若要即時地評估當前的學生聽課狀況，需要使用圖像處理和人工智能技術(shù)。具體的步驟為，先獲取學生聽課的圖像，并將各個學生的頭像從背景中分離出來，再依次對這些頭像進行分析，將各個學生的聽課情況進行分類。分類的類別為認真聽課、不認真聽課、不聽課幾種。然后對學生的聽課情況做出統(tǒng)計，當認真聽課的學生比例低于一定閾值時，系統(tǒng)將給出即時反饋，從而讓教師即時掌握課堂態(tài)勢，做出相應的對策，如強調(diào)課堂紀律、對當前內(nèi)容反復講解等。

為了持續(xù)地觀測在座學生的學習情況，可使用一個攝像頭來周期性地記錄學生聽課的實時圖像。接下來的工作是識別學生的聽課狀況，這需要使用一些人工智能算法來完成。盡管采用純粹的手工編程能精確地控制程序來實現(xiàn)相應的功能，但由于在計算機視覺處理領(lǐng)域已經(jīng)存在一些現(xiàn)成工具，合理地使用這些工具可以大大減輕系統(tǒng)開發(fā)的工作量。OpenCV[9]是一個跨平臺的計算機視覺庫，可以運行在Windows、Linux等操作系統(tǒng)上。它實現(xiàn)了圖像處理和計算機視覺方面的很多通用處理功能。特別值得指出的是，OpenCV采用了大量的機器學習算法來進行圖像處理[10]，這使得OpenCV可以提供一些看上去很智能的功能。例如，OpenCV提供了從背景圖像中對特征圖像進行檢測和抽取的一系列方法，其中的haarcascade_frontalface檢測器可以將人類的臉部圖像從復雜的背景圖像中分離出來。在進行即時教學反饋時，需要了解到當前學生的聽課情況，將攝像頭輸出的圖像連接到OpenCV的處理函數(shù)就可以得到一系列的學生臉部表情。

當獲得各學生的臉部圖像后，則可以使用卷積神經(jīng)網(wǎng)絡進一步對這些臉部圖像進行處理。只需使用適當?shù)臉颖緦矸e神經(jīng)網(wǎng)絡進行訓練，該網(wǎng)絡就可根據(jù)當前的臉部表情將這些學生的學習狀態(tài)分類為認真聽課、不認真聽課、不聽課等幾種狀態(tài)。在系統(tǒng)構(gòu)建的初期，需要通過人工對臉部圖像標定類別，以便系統(tǒng)可以進行分類學習。到了后期，系統(tǒng)就可以自動對圖像進行歸類處理。

在實踐過程中，我們發(fā)現(xiàn)當圖片中人臉數(shù)目較少時，識別率較高，因而我們對原始的大圖進行切塊處理，分塊對臉部進行識別，能獲得相對較好的效果，如下圖所示。

三、教學中使用人工智能即時反饋的效果

在構(gòu)建了系統(tǒng)后，我們使用該系統(tǒng)來進行教學效果的即時反饋。盡管構(gòu)建的系統(tǒng)在識別率上仍然存在一定的不足，但大體上已經(jīng)能夠在一定程度上反映學生的聽課狀況。對于部分不抬頭的學生，系統(tǒng)難以進行識別。但是學生不抬頭面對教師，也說明了該學生并沒有與教師授課步調(diào)保持一致，或者說該教師的授課并沒有足夠引人入勝到把學生的目光吸引到自己身上。系統(tǒng)進行的是一種宏觀的統(tǒng)計。在上課前輸入學生大致的人數(shù)，在教學開始時開啟攝像頭，系統(tǒng)會不間斷地獲取圖像數(shù)據(jù)，計算認真聽課學生的比例，實時分析聽課的效果，并將當前聽課狀況反饋給教師。在聽課效果較低，達到某個閾值時，系統(tǒng)提醒教師，為教師進行決策提供參考。在采用該系統(tǒng)之前，教師一方面要教課，一方面要觀察學生的聽課狀況，一心需要兩用。采用系統(tǒng)之后，由于系統(tǒng)是不間斷地持續(xù)分析，提供第一手的權(quán)威資料，教師不必額外花精力去數(shù)有多少學生沒認真聽課，可以更加專注在理論的講解上。

為了驗證該方法是否具有效果，我們在教學中使用了該系統(tǒng)，并采用兩個類似的班級來進行對比。同樣的一門課，一個在班級的授課中采用該系統(tǒng)，另外一個班級進行普通方法的教學。在實施過程中，系統(tǒng)實時顯示當前的認真聽課率，讓教師對學生的學習狀況可以實時掌握，從而更加靈活地因材施教、使用合理的教學方式和方法。在實施一段時間后，對兩個班學生的教學內(nèi)容進行測試，在百分制的情況下，采用了智能反饋系統(tǒng)的班級測試成績比對照班平均分高出3分之多?？梢院苊黠@地感受到即時反饋對教學效果的促進作用。而且該方法無須昂貴的教學設施，僅需要一臺筆記本和一個攝像頭，就能夠以小的產(chǎn)出獲得大的效果。

四、結(jié)語

如何在現(xiàn)有條件下盡可能地提升教學效果，本文給出了一種利用人工智能進行課堂即時反饋的方法。該方法在大學專業(yè)課教學中顯示出了良好的效果。對于中小學的教學，由于學生們采用固定的座位，該方法還可以對固定學生進行長期跟蹤，獲得更加詳細的教學過程評估資料，為教學措施的改進和決策提供第一手的數(shù)據(jù)支持。

參考文獻：

[1]巴班斯基.教學過程最優(yōu)化[M].北京：人民教育出版社，2007.

[2]劉顯國.反饋教學法[J].中國教育學刊，1994，（4）：24-28.

[3]Mary Sanseverino.Pedagogy that Clicks："Clickers" in the CSC Classroom[R].Kelowna：ACM，2010.

[4] Hong S，Siau K，Nah F H.Understanding the Values of Mobile Technology in Education：a Value-Focused Thinking Approach[J].Data Base for Advances in Information Systems，2010，（02）：25-44.

[5]陳惠敏.互動反饋系統(tǒng)在課堂教學中的應用研究[J].中國現(xiàn)代教育裝備，2014，（02）：33-45.

[6]Deb D，F(xiàn)uad M M，F(xiàn)arag W.Developing interactive classroom exercises for use with mobile devices to enhance class engagement and problem-solving skills[C].2014 IEEE Frontiers in Education Conference （FIE）.IEEE Computer Society，2014：1-4.

[7]Canbek N G，Mutlu M E.On the track of artificial intelligence：Learning with intelligent personal assistants[J].Journal of Human Sciences，2016，13（1）：592-601.

[8]Holotescu C.MOOC Buddy：A Chatbot for personalized learning with MOOCs[C].Proceedings of the International Conference on Human-Computer Interaction-RoCHI 2016，2016：91-94.

[9]Pulli K.Realtime Computer Vision with OpenCV[J].Communications of the Acm，2012，55（6）：61-69.

[10]陶穎軍.基于OpenCV的人臉識別應用[J].計算機系統(tǒng)應用，2012，21（3）：220-223.

Abstract：Feedback teaching can effectively improve the teaching effect，examination as a commonly used feedback means has a certain time delay，teachers can not make immediate adjustments to achieve the desired teaching effect.How to find an effective immediate feedback method has become the research content of teaching workers.In recent years，deep learning technology has been vigorously developed.This paper introduces a method of applying artificial intelligence technology to real-time feedback teaching.Through camera imaging，the students' listening effect is statistically analyzed，and the proportion of students listening carefully is displayed immediately，which can be used as a reference for teachers to master the classroom listening situation and provide reference for behavior.Contrast the experimental results show that this method can effectively improve the teaching quality without increasing the additional teaching cost.

Key words：artificial intelligence;feedback-based teaching;neural network