課堂行為的智能分析在教學(xué)改革中的應(yīng)用

邵一川 李常迪 曹勇 賈天蕊

摘? ?要

將人工智能引入課堂，專注于對師生課堂行為的捕捉，通過深度學(xué)習(xí)算法，量化教師教學(xué)行為與學(xué)生聽課行為，形成課堂行為曲線及最優(yōu)與最差教學(xué)方案列表，并將其結(jié)果反饋給教師，作為優(yōu)化教學(xué)方案的依據(jù)，最后通過教師團隊優(yōu)化教學(xué)方案的實例與師生的反饋得到驗證。結(jié)果表明，所有教師的教學(xué)方案有了不同程度的優(yōu)化，課堂專注度與教學(xué)效果得到整體提升。

關(guān)鍵詞

人工智能? 深度學(xué)習(xí)? 課堂行為? 優(yōu)化教學(xué)方案? 課堂專注度

教學(xué)內(nèi)容與教學(xué)效果有最直接的關(guān)系，教學(xué)內(nèi)容的設(shè)計決定著教學(xué)效果的優(yōu)劣，教學(xué)方案是教學(xué)內(nèi)容的表現(xiàn)形式，有效的教學(xué)方案從某種意義上比教師的能力更加重要，優(yōu)秀的教師能夠針對不同的教學(xué)內(nèi)容知識點選擇最適合的教學(xué)方案[1]，提高學(xué)生課堂專注程度，產(chǎn)生最佳的教學(xué)效果，這一過程被稱為優(yōu)化教學(xué)方案[2]。優(yōu)化教學(xué)方案對提升課堂專注度，改善學(xué)習(xí)效果和提升教學(xué)質(zhì)量會產(chǎn)生至關(guān)重要的影響[3]。教學(xué)方案具有很強的自主性，如何優(yōu)化教學(xué)方案，使課堂氣氛更活躍、學(xué)生更專注，從而達到知識傳授更順暢的目的，是教學(xué)改革的重要研究方向之一[4]，但教學(xué)方案的優(yōu)劣很難通過傳統(tǒng)的評價方式進行量化。近年來，人工智能技術(shù)的發(fā)展為教學(xué)方案的評價和優(yōu)化帶來了新的契機，利用人工智能技術(shù)可以更快捷、及時、精準地量化課堂行為[5]，進而推薦最佳教學(xué)方案，提升整體教學(xué)質(zhì)量。

人工智能技術(shù)是開發(fā)用于模擬人的智能的理論及方法的一門科學(xué)[6]。人工智能領(lǐng)域中一個重要分支是深度學(xué)習(xí)技術(shù)，深度學(xué)習(xí)技術(shù)可以通過模擬生物大腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，從而使程序具備圖像識別與視頻分析的能力[7-9]。

本文提出利用深度學(xué)習(xí)技術(shù)分析課堂行為。分析前先提出三個概念：課堂行為曲線（Cshapelet）、最優(yōu)教學(xué)方案序列（Blist）及最差教學(xué)方案序列（Wlist）。Cshapelet是對教學(xué)過程中課堂行為進行量化所形成的曲線;Blist是針對同一節(jié)課的所有授課教師Cshapelet最大值對應(yīng)的教學(xué)方案匯總;Wlist則正好相反，是Cshapelet最小值對應(yīng)的教學(xué)方案匯總。利用深度學(xué)習(xí)技術(shù)可以對課堂行為進行建模，將教學(xué)過程中學(xué)生聽課行為與教師教學(xué)行為進行量化，得到教師的表現(xiàn)度與學(xué)生的專注度，再由表現(xiàn)度與專注度線性組合得到課堂專注度，形成Cshapelet，并將Cshapelet與教師教學(xué)方案進行關(guān)聯(lián)，用Cshapelet作為評價教學(xué)方案優(yōu)劣的依據(jù)，然后對所有教師同一節(jié)課的Cshapelet進行對比分析，從中提取Blist及Wlist，最后所有教師根據(jù)Blist與Wlist的教學(xué)方案與自己的教學(xué)方案對比，優(yōu)化自己的教學(xué)方案，提高課堂專注度，從而提升整體教學(xué)效果。

一、課堂行為建模

課堂行為建模是利用深度學(xué)習(xí)技術(shù)將課堂行為量化，然后將量化后的結(jié)果反饋給教師作為教學(xué)方案調(diào)整的依據(jù)。課堂行為建模過程是根據(jù)課堂上教與學(xué)的相互關(guān)聯(lián)，結(jié)合深度學(xué)習(xí)技術(shù)分析課堂行為，構(gòu)建教師與學(xué)生的行為模型，同時進行量化分析，形成Cshapelet，并綜合所有教師的Cshapelet從中提取Blist與Wlist。模型包括課堂行為建模量化分析模塊與Blist及Wlist提取模塊，見圖1。

1.課堂行為建模量化分析模塊

課堂行為建模量化分析模塊是對學(xué)生與教師的課堂行為進行抓取與建模，并將學(xué)生群體專注于課堂的程度與教師課堂的表現(xiàn)程度通過模型進行量化，量化值作為課堂行為的量化結(jié)果，用課堂專注度來表示。

2.Blist、Wlist提取模塊

（1）形成Cshapelet

課堂行為量化結(jié)果在教學(xué)過程中可以實時可視化的呈現(xiàn)，通過Cshapelet可以了解教學(xué)過程中課堂專注度的起伏變化。課堂行為量化后的可視化結(jié)果由3種數(shù)據(jù)類型呈現(xiàn)，分別是教師表現(xiàn)度Tt，學(xué)生專注度St以及整體專注度Ct，課堂行為分析模型建立后，可以分析出教師授課時每一時刻的課堂專注度Ct，由Ct進一步形成Cshapelet。教師的表現(xiàn)與學(xué)生課堂專注度有密切的關(guān)系，教師的表現(xiàn)度越高，學(xué)生的專注度越高。

（2）提取Blist及Wlist

由于每位教師會采用各自的教學(xué)方案授課，高Ct值意味著教師的教學(xué)方案與教學(xué)表現(xiàn)可以更好的吸引學(xué)生的注意，那么教師采用的教學(xué)方案的優(yōu)劣則可以通過教師群體Cshapelet之間的對比間接的體現(xiàn)出來，將反饋效果好的教學(xué)方案提取出來就形成了課程的Blist，Blist是課堂行為分析模型綜合所有教師的教學(xué)方案中篩選出最優(yōu)教學(xué)方案的集合，同時將反饋效果差的教學(xué)方案也提取出來形成課程的Wlist。借助Blist與Wlist，教師可以對自己的教學(xué)方案進行優(yōu)化，以提升教學(xué)效果。

二、優(yōu)化案例實際應(yīng)用

根據(jù)本文提出的課堂行為分析模型，對某校2018屆、2019屆共16個班的自然科學(xué)課程中“信息技術(shù)”進行教改嘗試。教學(xué)分2輪進行，每輪8個班級，教師團隊共有4人，每名教師負責(zé)2個班的教學(xué)。

1.課堂行為量化形成Cshapelet

首輪教學(xué)針對2018屆展開，4位教師分別根據(jù)教學(xué)內(nèi)容知識點制定相應(yīng)的教學(xué)方案，見表1。

根據(jù)課堂行為分析模型對4位教師教學(xué)中課堂專注度進行量化，形成4位教師的Cshapelet，見圖2。

從圖2中可以看出：（1）教師C針對“信息技術(shù)種類”以及“信息獲取方法”采用“思維導(dǎo)圖+問題式學(xué)習(xí)”的教學(xué)方案，其課堂專注度較高，而教師A采用“板書講授”的方案授課，其課堂專注度相對較低。（2）當(dāng)教師C采用“問題式學(xué)習(xí)+合作式學(xué)習(xí)”的教學(xué)方案講授“信息編碼”與“信息技術(shù)應(yīng)用”知識點時，課堂專注度有明顯下降，但教師A采用“板書講授”的教學(xué)方案時，課堂專注度卻保持很高。（3）對于“信息加工”與“信息存儲”，教師C、D分別采用“動畫演示+頭腦風(fēng)暴”與“視頻講解+幻燈片講授”的教學(xué)方案，其課堂專注度較高，效果比較理想，同樣的知識點，教師A、B分別采用“板書講授+幻燈片講授”與“幻燈片講授+思維導(dǎo)圖”的方案，其課堂專注度相對偏低。

通過不同教師Cshapelet的對比可以發(fā)現(xiàn)，對于相同的知識點選擇不同的教學(xué)方案，其課堂專注度差距很大，而課堂專注度直接影響著教學(xué)效果，所以針對相同的教學(xué)內(nèi)容而言教學(xué)方案的選擇對教學(xué)效果有著重要的影響。Cshapelet以數(shù)據(jù)曲線的形式展現(xiàn)每一時刻每位教師的課堂專注度，通過Cshapelet可以清晰對比不同教師的課堂行為，也為后面的教學(xué)方案優(yōu)化提供數(shù)據(jù)支撐。

2.提取Blist和Wlist

（1）按知識點對專注度匯總

通過Cshapelet對4位教師按知識點做課堂專注度匯總統(tǒng)計得到表2。表2中可以對比所有教師教學(xué)情況的課堂專注度C，以及各知識點專注度Cj。

（2）按教學(xué)方案對知識點專注度匯總

對于教學(xué)內(nèi)容的知識點j，每一位教師采用的教學(xué)方案可能相同也可能不同，需要通過表1與表2的綜合統(tǒng)計，對相同教學(xué)方案產(chǎn)生的Cj做平均，可以得到對于知識點j的教學(xué)方案的平均專注度Cj，見表3。比如，對于“信息獲取方法”，教師B與C都采用了“問題式學(xué)習(xí)”教學(xué)方案，得到C2專注度分別為220、360，如表2中加粗斜體數(shù)字，對其求平均C2=290，數(shù)值290就是針對“信息獲取方法”采用“問題式學(xué)習(xí)”教學(xué)方案的平均專注度，如表3加粗斜體數(shù)字。

表3顯示了對于各知識點所采取不同教學(xué)方案所對應(yīng)的課堂專注度。表3中Cj為零表示的是針對知識點j，4位教師都沒有采用這種教學(xué)方案，而Cj值越大說明這種教學(xué)方案針對于知識點j的課堂專注度越高，那么這種教學(xué)方案可能會比較適合知識點j，相反Cj值越低說明針對知識點j采用這一教學(xué)方案無法吸引學(xué)生的關(guān)注，需要對教學(xué)方案進行優(yōu)化。

（3）綜合對比形成Blist和Wlist

綜合所有教師的課堂專注度對比，提取每個知識點的最高與最低Cj對應(yīng)的教學(xué)方案形成Blist和Wlist，見表4。

結(jié)合教學(xué)內(nèi)容，從表4中可以看出，除了對于“信息編碼”采用“板書講授”的效果較好外，其它知識點采用“板書講授”的效果不是很好。這說明特定的教學(xué)方案適合特定的教學(xué)內(nèi)容，當(dāng)教學(xué)內(nèi)容以理論性及強邏輯性為主時，如對于“信息技術(shù)種類”和“信息技術(shù)總結(jié)”，采用思維導(dǎo)圖的的教學(xué)方法效果更佳;當(dāng)教學(xué)內(nèi)容以基本原理為主時，如“信息獲取方法”則更適合采用問題式學(xué)習(xí)引導(dǎo)學(xué)生以思促學(xué);當(dāng)教學(xué)內(nèi)容需要在講解過程中激發(fā)學(xué)生產(chǎn)生創(chuàng)新思維和新觀念時，如“信息資源管理”與“信息存儲”，更適合采用“頭腦風(fēng)暴”來激發(fā)學(xué)生的創(chuàng)新能力;當(dāng)教學(xué)內(nèi)容需要實際操作幫助理解知識點時，如“信息技術(shù)應(yīng)用”采用合作式學(xué)習(xí)更能提高學(xué)生對知識的吸收;當(dāng)教學(xué)內(nèi)容比較抽象，如對于知識點“信息加工”，教師采用“視頻講解”的教學(xué)方案更能幫助學(xué)生快速理解理論知識;當(dāng)教學(xué)內(nèi)容以課本上基礎(chǔ)知識為主時，如對知識點“信息編碼”的講解，采用“板書講授”配合教學(xué)材料就能夠很好的達到提高課堂專注度的效果。

3.優(yōu)化教學(xué)方案

課堂行為建模可以得出教學(xué)方案與教學(xué)內(nèi)容之間的一些關(guān)系以及Blist與Wlist，但不能作為優(yōu)化教學(xué)方案的唯一依據(jù)，優(yōu)化教學(xué)方案需要結(jié)合課堂行為建模量化與學(xué)生反饋以及教師風(fēng)格特點共同決定。

（1）學(xué)生評教反饋

首輪教學(xué)過后，對2018屆8個班243名學(xué)生做電子問卷調(diào)查，調(diào)查針對4位教師教學(xué)內(nèi)容的對應(yīng)教學(xué)方案進行評分，教學(xué)方案評價指標(biāo)分4個方面，分數(shù)從1至5分，具體內(nèi)容見表5。

從表5可以看出：評教指標(biāo)體系把對教學(xué)方案與教師的教學(xué)評價看作是一個整體，而且從學(xué)生的角度出發(fā)評價具體教學(xué)方案的優(yōu)劣。學(xué)生對每個知識點對應(yīng)的教學(xué)方案進行評價，評價結(jié)果匯總求平均后見表6。

教學(xué)方案評價匯總結(jié)果（表6）與知識點專注度匯總結(jié)果（表2）比較接近，說明課堂專注度高其教學(xué)方案評教結(jié)果也比較好。學(xué)生對教學(xué)方案評價數(shù)據(jù)應(yīng)該作為一個重要的優(yōu)化教學(xué)方案的依據(jù)得到有效的利用。

（2）結(jié)合反饋優(yōu)化教學(xué)方案

4位教師根據(jù)Blist、Wlist、Cshapelet的數(shù)據(jù)以及學(xué)生評教反饋結(jié)果，對教案做如下優(yōu)化：

教師A針對“信息技術(shù)種類”“信息獲取方法”“信息加工”知識點，通過Wlist的借鑒以及與其它教師Cshapelet的對比，發(fā)現(xiàn)采用“板書講授”的教學(xué)方案課堂專注度較低，明顯不適用于教學(xué)內(nèi)容，再通過對Blist的借鑒，在第二輪教學(xué)中準備依次優(yōu)化為“思維導(dǎo)圖”“問題式學(xué)習(xí)”與“視頻講解”，其它知識點也借鑒Blist做出相應(yīng)優(yōu)化。

教師B通過Cshapelet與Wlist發(fā)現(xiàn)對于“信息存儲”采用“思維導(dǎo)圖”的教學(xué)方案得到的課堂專注度會有明顯下降，故借鑒Blist優(yōu)化為“頭腦風(fēng)暴”，同時其它教學(xué)方案也借鑒Blist做出優(yōu)化。

教師C針對“信息存儲”采用“頭腦風(fēng)暴”的教學(xué)方案雖然被提取為Blist，但教師C對比教師A的教學(xué)方案以及Cshapelet，認為針對“信息存儲”改用“幻燈片講授”對信息存儲的方式做列舉要優(yōu)于“頭腦風(fēng)暴”，因此在下輪教學(xué)中決定改用“幻燈片講授”的教學(xué)方案。

教師D針對“信息存儲”認為自己采用的“幻燈片講授”的方案得到課堂整體專注度較高，故并未作出教學(xué)調(diào)整，而對“信息編碼”覺得可以借鑒教師B的“問題式學(xué)習(xí)”講授“信息編碼”，采用問題式引導(dǎo)的方式教學(xué)效果會更佳。

（3）優(yōu)化結(jié)果對比

在第二輪教學(xué)中，4位教師借助Blist、Wlist與Cshapelet的輔助，針對“信息技術(shù)”分別優(yōu)化各自的教學(xué)方案，對應(yīng)關(guān)系見表7。

采用表7教學(xué)方案授課，量化課堂行為得到教師優(yōu)化教案前后的Cshapelet見圖3。從圖3可以看出大部分教師授課時Ct都有不同程度的提高，Cshapelet都有明顯提升。所以充分利用Blist、Wlist優(yōu)化教學(xué)方案，可以讓教師的Cshapelet盡可能“不陷入”迅速下降階段，從而提高課堂整體專注度。

三、學(xué)生反饋對比

學(xué)生反饋通過對學(xué)生做電子問卷調(diào)查得到，學(xué)生包括2018屆8個班243人，2019屆8個班245人。調(diào)查內(nèi)容主要包括對教師教學(xué)方案、教學(xué)效果以及教學(xué)內(nèi)容的評價，具體內(nèi)容見表8。

問卷調(diào)查結(jié)果顯示，2019屆的學(xué)生對教師教學(xué)方案的滿意度、課堂內(nèi)容掌握程度、緊跟課堂學(xué)習(xí)進度以及課堂學(xué)習(xí)興趣的比例均高于2018屆學(xué)生，這說明優(yōu)化教學(xué)方案對于提升教學(xué)效果起到一定作用，但2019屆學(xué)生在對課堂內(nèi)容充實度的反饋中較2018屆偏低。針對于這一反饋結(jié)果，教師認為在完成課堂內(nèi)容講授后，可以提出與當(dāng)堂課內(nèi)容相關(guān)的思考題留給學(xué)生進行討論，這樣能夠加深學(xué)生對課堂內(nèi)容的理解。通過分析學(xué)生的反饋數(shù)據(jù)對比信息，便于教師準確地把握學(xué)生實際學(xué)習(xí)情況，適當(dāng)調(diào)整教學(xué)方案，對于課堂行為建模量化分析具有建設(shè)性意義。

四、討論與改進

對《自然科學(xué)》中的“信息技術(shù)”這節(jié)課進行了教學(xué)改革嘗試，形成了4位教師授課時各自的Cshapelet，得到這節(jié)課的Blist與Wlist。在教改實踐中，教師根據(jù)Blist、Wlist、Cshapelet以及學(xué)生對教學(xué)方案反饋，優(yōu)化了各自的教學(xué)方案，優(yōu)化后的Cshapelet都比之前的Cshapelet有不同程度的提高，優(yōu)化教學(xué)方案達到了提高課堂整體專注度的目的，4位教師也充分肯定了量化分析對于教改的價值。

課堂行為建模雖然可以為教師提供參考與借鑒，但并非所有的教師都會收到良好的效果，還需要根據(jù)學(xué)生的反饋以及自己的教學(xué)風(fēng)格與特點調(diào)整教學(xué)方案。隨著對課堂行為分析模型的深入研究，筆者發(fā)現(xiàn)了模型的一些需要改進之處：第一，課堂行為抓取應(yīng)該進一步增加維度。增加學(xué)生、教師的生理特征采集，如心跳、血壓、體溫等，結(jié)合面部表情變化，得到更加細化、個性化的個體行為特征。第二，應(yīng)該深度挖掘教師教學(xué)行為與學(xué)生課堂行為的內(nèi)在聯(lián)系。通過實踐發(fā)現(xiàn)，兩者會相互促進，當(dāng)學(xué)生的專注度到達一定程度時，教師的表現(xiàn)度也會很快提高，這也是教師教學(xué)行為與學(xué)生行為的內(nèi)在更精致的聯(lián)系。第三，應(yīng)該吸收更多的教師參與課堂行為建模教改研究，豐富教學(xué)方案的種類。

通過深度學(xué)習(xí)技術(shù)對課堂行為建模及量化，將量化結(jié)果作為教師優(yōu)化教學(xué)方案的依據(jù)，有利于教師優(yōu)化自己的教學(xué)方案，實際教學(xué)改革中取得了較好的效果，而所有教師課堂行為量化的對比可以進一步優(yōu)化教學(xué)方案，提高整體課堂專注度。期望本研究為人工智能進入課堂，走向規(guī)范化、規(guī)?；峁┙梃b與參考。

參考文獻

[1] 陳丹，戈林娟.影響中醫(yī)藥院校教師教學(xué)效果及質(zhì)量的教學(xué)行為關(guān)鍵因素挖掘[J].時珍國醫(yī)國藥，2016，27（05）：1236-1239.

[2] 張強，于洪.高職課程任務(wù)驅(qū)動式教學(xué)方案的PDCA優(yōu)化[J].職業(yè)技術(shù)教育，2014，35（14）：24-26.

[3] 劉世平，駱漢賓，孫峻，等.關(guān)于智能建造本科專業(yè)實踐教學(xué)方案設(shè)計的思考[J].高等工程教育研究，2020（01）：20-24.

[4] 張熙，潘志松.智能化進程中課程改革的現(xiàn)狀、問題與展望[J].上海教育科研，2019（09）：87-90+52.

[5] 劉清堂，何皓怡，吳林靜，等.基于人工智能的課堂教學(xué)行為分析方法及其應(yīng)用[J].中國電化教育，2019（09）：13-21.

[6] 張風(fēng)帆.人工智能時代的前景研究[J].云南社會科學(xué)，2020（01）：53-58+186.

[7] 魏艷濤，秦道影，胡佳敏，等.基于深度學(xué)習(xí)的學(xué)生課堂行為識別[J].現(xiàn)代教育技術(shù)，2019，29（07）：87-91.

[8] 王鑫，張鑫，寧晨.基于多特征降維和遷移學(xué)習(xí)的紅外人體目標(biāo)識別方法[J].計算機應(yīng)用，2019，39（12）：3490-3495.

[9]? J.Redmon，A.Farhadi. YOLOv3：An Incremental Improvement[J].

[作者：邵一川（1978-），男，遼寧沈陽人，沈陽大學(xué)信息工程學(xué)院，教授，博士;李常迪（1994-），女，遼寧沈陽人，沈陽大學(xué)信息工程學(xué)院，碩士生;曹勇（1980-），女，遼寧沈陽人，中國醫(yī)科大學(xué)，講師，博士生;賈天蕊（1978-），女，遼寧沈陽人，沈陽市第三十五中學(xué)，中學(xué)一級教師。]

【責(zé)任編輯? 郭振玲】