開放大學(xué)網(wǎng)絡(luò)直播課堂巡檢系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

網(wǎng)絡(luò)直播課堂作為一種新興的教育傳播模式，已經(jīng)成為教育領(lǐng)域不可或缺的一部分，尤其在經(jīng)歷全球疫情的洗禮后，其價(jià)值和影響力更是顯著增強(qiáng)。網(wǎng)絡(luò)直播課堂利用互聯(lián)網(wǎng)的即時(shí)性和互動性，打破了地域限制，使得教育資源的共享與交流跨越了物理界限。然而，隨之而來的挑戰(zhàn)亦不容忽視，如直播技術(shù)的復(fù)雜性、教學(xué)現(xiàn)場的不可控性，以及難以實(shí)時(shí)精準(zhǔn)評估教學(xué)質(zhì)量等，這些問題直接影響了教學(xué)效果和學(xué)習(xí)體驗(yàn)。

面對上述挑戰(zhàn)，本研究聚焦于開放大學(xué)網(wǎng)絡(luò)直播課堂的教學(xué)質(zhì)量監(jiān)控，提出了一種創(chuàng)新的解決方案--網(wǎng)絡(luò)直播課堂巡檢系統(tǒng)。該系統(tǒng)依托于先進(jìn)的信息技術(shù)，如機(jī)器人流程自動化（RPA）、云計(jì)算、深度學(xué)習(xí)及大數(shù)據(jù)分析等，旨在通過高度集成的實(shí)時(shí)數(shù)據(jù)處理和可視化展示，實(shí)現(xiàn)對網(wǎng)絡(luò)直播課堂的全程、自動化監(jiān)控與評估。本研究的創(chuàng)新之處在于，不僅整合多源異構(gòu)數(shù)據(jù)，采用多元算法提升巡檢的精準(zhǔn)度，還構(gòu)建了基于深度學(xué)習(xí)的智能模型，用于預(yù)測和識別課堂異常，從而為教學(xué)質(zhì)量的持續(xù)改進(jìn)提供了科學(xué)依據(jù)。

一、開放大學(xué)網(wǎng)絡(luò)直播課堂巡檢情況

網(wǎng)絡(luò)直播課堂巡檢是指教育管理者或技術(shù)人員通過線上方式對正在進(jìn)行的網(wǎng)絡(luò)直播教學(xué)進(jìn)行監(jiān)督、檢查和指導(dǎo)，以確保教學(xué)質(zhì)量、維護(hù)教學(xué)秩序、及時(shí)發(fā)現(xiàn)并解決問題。開放大學(xué)網(wǎng)課巡檢方式主要有2種：一是開播端現(xiàn)場巡檢，也就是傳統(tǒng)課堂巡查方式，需要即時(shí)登記信息數(shù)據(jù)。二是用戶端視頻巡檢，這是伴隨網(wǎng)絡(luò)直播課堂教學(xué)運(yùn)行實(shí)施管理的手工輪詢檢查方式，需要對直播鏈接地址逐條瀏覽并截圖保留憑據(jù)。

以上2種巡檢方式在網(wǎng)絡(luò)課堂直播過程中均能夠起到保障課堂運(yùn)行質(zhì)量的作用，但信息記錄、數(shù)據(jù)采集與分析的工作量很大，純?nèi)斯し绞胶臅r(shí)費(fèi)力。隨著RPA技術(shù)、云計(jì)算、深度學(xué)習(xí)及大數(shù)據(jù)分析等尖端信息技術(shù)的發(fā)展，以及信息和圖像處理技術(shù)的高度成熟化，針對網(wǎng)絡(luò)直播課堂的智能化監(jiān)控已經(jīng)具備條件基礎(chǔ)。

二、網(wǎng)絡(luò)直播課堂巡檢的目標(biāo)與方法

新時(shí)代的網(wǎng)絡(luò)直播課堂巡檢，應(yīng)通過技術(shù)創(chuàng)新與數(shù)據(jù)驅(qū)動策略，全面升級網(wǎng)絡(luò)直播教學(xué)質(zhì)量監(jiān)控體系，借助自動化、智能化的監(jiān)控機(jī)制與科學(xué)決策支持體系，實(shí)現(xiàn)從數(shù)據(jù)收集到分析決策的無縫銜接。專業(yè)化的信息分析和技術(shù)處理提供客觀、科學(xué)的診斷與改進(jìn)依據(jù)，便于學(xué)校及時(shí)作出預(yù)警和干預(yù)，能夠全方位、深層次保障開放大學(xué)網(wǎng)絡(luò)直播課堂的教學(xué)質(zhì)量。

（一）目標(biāo)

1.全程自動化教學(xué)質(zhì)量監(jiān)控

通過集成直播排課、鏈接地址及音視頻數(shù)據(jù)，實(shí)現(xiàn)從階段靜態(tài)檢查向全周期自動化監(jiān)控的轉(zhuǎn)變。運(yùn)用人工智能模型，系統(tǒng)對教學(xué)活動進(jìn)行全面、實(shí)時(shí)分析，形成科學(xué)的巡檢報(bào)告，確保網(wǎng)絡(luò)直播課堂質(zhì)量監(jiān)控的自動化和全程覆蓋。

2.科學(xué)決策支持質(zhì)量治理體系

累積海量數(shù)據(jù)為質(zhì)量治理提供科學(xué)決策支撐。幫助管理層維持直播教學(xué)秩序，質(zhì)量監(jiān)督部門則能通過分析影響教學(xué)質(zhì)量的因素（如教師表現(xiàn)、課件質(zhì)量、交互情況、總體效果等）采取針對性措施。通過深度數(shù)據(jù)挖掘和模型應(yīng)用，系統(tǒng)提供多樣化的決策路徑，強(qiáng)化管理、決策與創(chuàng)新的數(shù)據(jù)驅(qū)動模式，提升決策的針對性和科學(xué)性。

（二）方法

1.整合多模態(tài)數(shù)據(jù)開展多元算法

人工巡檢受限于單模態(tài)數(shù)據(jù)收集，記錄片面，分析準(zhǔn)確性欠佳，難以適應(yīng)直播教學(xué)多場景、多設(shè)備、多媒體的復(fù)合特性。借助先進(jìn)數(shù)據(jù)技術(shù)，整合多元化信息（聲音、視頻、圖文等），為算法提供了堅(jiān)實(shí)基礎(chǔ)，推動直播教學(xué)管理走向精細(xì)化與質(zhì)量監(jiān)控智能化。網(wǎng)課巡檢系統(tǒng)通過多對一和多對多兩種模式實(shí)現(xiàn)數(shù)據(jù)整合策略強(qiáng)化評估。前者融合多源數(shù)據(jù)精煉單一指標(biāo)，如綜合瀏覽與互動數(shù)據(jù)評估參與度；后者則構(gòu)建多維模型對應(yīng)多項(xiàng)指標(biāo)，利用聲像數(shù)據(jù)區(qū)分直播狀態(tài)。此整合機(jī)制極大提升了管理精確度與數(shù)據(jù)分析可靠性，為大規(guī)模個(gè)性化教育服務(wù)和基于數(shù)據(jù)的教學(xué)質(zhì)量管理決策提供了強(qiáng)有力的方法支撐。

2.采用可視化方式展示巡檢結(jié)果

當(dāng)前，各類數(shù)據(jù)大屏、數(shù)據(jù)駕駛艙都以數(shù)據(jù)可視化的方式展示數(shù)據(jù)分析結(jié)果，網(wǎng)課巡檢系統(tǒng)也應(yīng)當(dāng)如此。網(wǎng)課巡檢系統(tǒng)通過數(shù)據(jù)采集與預(yù)處理、可視化表征、創(chuàng)建模型與驗(yàn)證假設(shè)等數(shù)據(jù)可視化分析的操作流程，清晰展示課堂狀況與巡檢動態(tài)，自動分類課堂狀態(tài)。此外，它還可以動態(tài)監(jiān)測各學(xué)科、教學(xué)單位，利用實(shí)時(shí)數(shù)據(jù)對比分析，直觀反映教學(xué)質(zhì)量變動，實(shí)現(xiàn)高效動態(tài)巡檢。

3.基于實(shí)時(shí)數(shù)據(jù)的搜索和統(tǒng)計(jì)

實(shí)時(shí)數(shù)據(jù)搜索與統(tǒng)計(jì)是現(xiàn)代數(shù)據(jù)分析的關(guān)鍵組成部分，對即時(shí)決策場景尤為適用。網(wǎng)課巡檢系統(tǒng)隨直播啟動，即時(shí)匯聚數(shù)據(jù)，極大便利了對各教學(xué)單位運(yùn)營及教學(xué)質(zhì)量的深入分析。該系統(tǒng)通過捕捉直播時(shí)長、學(xué)生觀看行為（包括實(shí)時(shí)與回看）、以及師生在線互動等，利用可視化技術(shù)清晰展示課堂動態(tài)與巡檢結(jié)果，實(shí)時(shí)反映巡檢狀態(tài)變化。在此基礎(chǔ)上，自動分類課堂狀況為正常、異常或疑似異常，實(shí)現(xiàn)數(shù)據(jù)的快速歸納。動態(tài)監(jiān)測層面，系統(tǒng)不僅以圖表形式直觀展示不同學(xué)科和教學(xué)單位的教學(xué)質(zhì)量現(xiàn)狀，還依托持續(xù)更新的數(shù)據(jù)流，動態(tài)追蹤網(wǎng)絡(luò)直播課程的質(zhì)量波動，通過橫向與縱向比較，確保巡檢過程的連續(xù)性和實(shí)效性，有力支持了高質(zhì)量的在線教育監(jiān)管。

4.教學(xué)規(guī)范評價(jià)的功能延展

網(wǎng)課巡檢系統(tǒng)內(nèi)置在線評價(jià)模塊，使評審員能高效、全面地評估直播課堂的師資、課件、互動及整體表現(xiàn)，驅(qū)動教學(xué)管理升級與教師技能發(fā)展，持續(xù)優(yōu)化教學(xué)質(zhì)量。學(xué)校依據(jù)教育政策與自身特色，制定細(xì)致規(guī)范，涵蓋教師形象、表達(dá)能力、課件設(shè)計(jì)的嚴(yán)謹(jǐn)性與創(chuàng)意性，以及視頻技術(shù)標(biāo)準(zhǔn)、交互活躍度等。系統(tǒng)通過集成在線問卷和電子評估表，將規(guī)范轉(zhuǎn)化為具體量化指標(biāo)，建構(gòu)多維評價(jià)框架，確保評價(jià)的深度與公正性，有力支撐教學(xué)質(zhì)量監(jiān)控與教師成長。

三、網(wǎng)絡(luò)直播課堂巡檢系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

本系統(tǒng)充分引入多種新一代信息技術(shù)，采用RPA機(jī)器人技術(shù)，替代傳統(tǒng)的人工課堂巡查和數(shù)據(jù)采集工作，釋放了大量人力資源；采用云計(jì)算和深度自動學(xué)習(xí)技術(shù)，對各學(xué)習(xí)中心的教學(xué)數(shù)據(jù)進(jìn)行處理、分析和融合輸出，并利用課堂教學(xué)標(biāo)準(zhǔn)化的智能算法，對教學(xué)數(shù)據(jù)進(jìn)行自動分析研判，減輕線上課堂的人工采集和人工分析的工作量，輔助教學(xué)質(zhì)量監(jiān)督工作的開展。

（一）信息技術(shù)應(yīng)用

本系統(tǒng)在設(shè)計(jì)和應(yīng)用方面采用的信息技術(shù)包括機(jī)器人流程自動化RPA技術(shù)、云計(jì)算、深度學(xué)習(xí)、大數(shù)據(jù)分析等。

1.機(jī)器人流程自動化（Robotic Process Automation，RPA）技術(shù)

利用機(jī)器人技術(shù)來可實(shí)現(xiàn)流程的自動化處理，對開放教育線上課堂，利用RPA機(jī)器人技術(shù)替代傳統(tǒng)的有規(guī)律的、重復(fù)性高的人工巡查監(jiān)督工作，模擬工作人員打開線上課程網(wǎng)站、點(diǎn)擊鼠標(biāo)、鍵盤輸入，抓取屏幕等操作，從而釋放了大量人工巡查人力資源，大幅提升了課堂質(zhì)量巡查的覆蓋面和工作效率。

2.云計(jì)算

云計(jì)算是通過網(wǎng)絡(luò)“云”將巨大的數(shù)據(jù)計(jì)算處理程序分解成無數(shù)個(gè)小程序，然后，通過多臺服務(wù)器組成的系統(tǒng)進(jìn)行處理和分析這些小程序得到結(jié)果并返回給用戶。由于開放教育課堂質(zhì)量巡檢系統(tǒng)在運(yùn)行、課堂監(jiān)督等場景中，存在高并發(fā)的情況，因此需要采用新一代的云計(jì)算技術(shù)進(jìn)行支持。

3.深度學(xué)習(xí)

深度學(xué)習(xí)實(shí)現(xiàn)學(xué)習(xí)樣本數(shù)據(jù)的內(nèi)在規(guī)律和表示層次，在面對圖像、聲音或文本等復(fù)雜信息時(shí)，深度神經(jīng)網(wǎng)絡(luò)通過一系列精心設(shè)計(jì)的層次結(jié)構(gòu)，逐步提取和抽象出輸入數(shù)據(jù)的關(guān)鍵特征。每一層都負(fù)責(zé)將前一層的輸出轉(zhuǎn)換為更高層次的表示，這一過程層層遞進(jìn)，最終形成對原始數(shù)據(jù)的深入理解，從而能夠做出準(zhǔn)確的分類、識別或生成等任務(wù)。其目標(biāo)是使計(jì)算機(jī)系統(tǒng)具備類似于人類的智能分析和學(xué)習(xí)功能，使其能有效解析并理解包括文本、視覺圖像以及音頻在內(nèi)的多種類型的數(shù)據(jù)，并給出判斷結(jié)果。

4.大數(shù)據(jù)分析

在開放大學(xué)課堂質(zhì)量監(jiān)督的應(yīng)用場景中，將會沉淀大量的課堂監(jiān)測數(shù)據(jù)。通過對大數(shù)據(jù)匯聚與分析，挖掘有價(jià)值的規(guī)則、規(guī)律，為教務(wù)監(jiān)督業(yè)務(wù)管理的老師提供數(shù)據(jù)支撐和決策支持。以下是服務(wù)支撐系統(tǒng)架構(gòu)圖：

（二）總體解決方案

總體解決方案系統(tǒng)地實(shí)現(xiàn)運(yùn)用新一代信息技術(shù)對線上課堂教學(xué)活動的視頻、圖像、教學(xué)互動等數(shù)據(jù)進(jìn)行分析，深度挖掘課堂活動中所隱含的教學(xué)特征。運(yùn)用的信息技術(shù)主要包括機(jī)器人流程自動化、視頻信號與圖像處理、教學(xué)特征數(shù)據(jù)采集與分析、深度學(xué)習(xí)模型、異常自動判斷、風(fēng)險(xiǎn)預(yù)警與異常告警等。

通過對課表集中管理、RPA機(jī)器人技術(shù)和自動采集技術(shù)的運(yùn)用，實(shí)現(xiàn)多個(gè)學(xué)習(xí)中心的在線課堂的統(tǒng)一登錄、統(tǒng)一錄課、數(shù)據(jù)識別、數(shù)據(jù)提取等監(jiān)控取數(shù)功能。

1.同步課表數(shù)據(jù)

采用全量和實(shí)時(shí)的課表同步機(jī)制，同步各學(xué)習(xí)中心的統(tǒng)一課表，開放教育下屬設(shè)立多個(gè)獨(dú)立運(yùn)營的學(xué)習(xí)中心，都有獨(dú)立的教務(wù)系統(tǒng)進(jìn)行排課，排課的數(shù)據(jù)標(biāo)準(zhǔn)不一致，各系統(tǒng)運(yùn)行相對獨(dú)立，系統(tǒng)間的數(shù)據(jù)沒有打通，教學(xué)活動的基礎(chǔ)數(shù)據(jù)與質(zhì)量監(jiān)督數(shù)據(jù)未形成有效的動態(tài)管理機(jī)制，經(jīng)常造成各學(xué)習(xí)中心課表信息不同步而嚴(yán)重影響后續(xù)的質(zhì)檢監(jiān)督工作。

因此，構(gòu)建一個(gè)統(tǒng)一課表中心顯得非常重要，系統(tǒng)與學(xué)校教學(xué)教務(wù)公共服務(wù)平臺進(jìn)行對接，通過接口獲取公服平臺的統(tǒng)一課程表，課程表作為巡課機(jī)器人自動執(zhí)行巡課動作的基準(zhǔn)，實(shí)現(xiàn)課表信息的標(biāo)準(zhǔn)化，統(tǒng)一導(dǎo)入、統(tǒng)一更新、實(shí)時(shí)同步為線上課程巡課機(jī)器人和課堂監(jiān)督人員提供精確的、實(shí)時(shí)的排課信息數(shù)據(jù)。

2.與各直播平臺對接

對接保利威、小魚易連等第三方線上直播平臺，讓巡課機(jī)器人能根據(jù)每個(gè)直播平臺的特性和架構(gòu)，自動適配，對課堂數(shù)據(jù)按照提前設(shè)定好的運(yùn)行規(guī)則自動巡檢與采集，自動操作學(xué)習(xí)中心的線上教學(xué)平臺，比如打開線上課程網(wǎng)站、點(diǎn)擊鼠標(biāo)、鍵盤輸入等，從而實(shí)現(xiàn)業(yè)務(wù)流程的自動化操作。模擬巡課人員按照統(tǒng)一課表信息自動登入各學(xué)習(xí)中心線上課堂鏈接，對視頻數(shù)據(jù)、課堂圖像、師生互動信息、在線人數(shù)等信息進(jìn)行數(shù)據(jù)采集。

3.課堂數(shù)據(jù)自動巡檢與采集

巡課機(jī)器人使用到的技術(shù)包括Selenium和Webdriver。Selenium是一個(gè)基于瀏覽器的自動化測試工具，支持多瀏覽器、跨平臺以及多語言實(shí)現(xiàn)。Webdriver則是一個(gè)編程語言與瀏覽器之間的通信工具，Webdriver的存在使得Selenium使用特定于每個(gè)瀏覽器的Webdriver，就能與瀏覽器建立安全連接并執(zhí)行自動化指令。

四、網(wǎng)絡(luò)直播課堂巡檢系統(tǒng)功能實(shí)現(xiàn)

在線課堂自動巡檢和采集教學(xué)質(zhì)量相關(guān)數(shù)據(jù)，包括教師在線狀態(tài)、授課時(shí)長、授課開始時(shí)點(diǎn)與結(jié)束時(shí)點(diǎn)、課堂上的分段截圖、頭像截圖、音頻數(shù)據(jù)、錄播課判斷等。此外還采集學(xué)生參與度相關(guān)的數(shù)據(jù)，如課堂簽到人數(shù)、實(shí)時(shí)觀看人數(shù)等，采集課堂互動相關(guān)的數(shù)據(jù)，如互動區(qū)中的教學(xué)互動數(shù)據(jù)、師生交互次數(shù)等。

（一）機(jī)器人作業(yè)流程

編制RPA巡課機(jī)器人自動作業(yè)流程，使其適配每個(gè)分校學(xué)習(xí)中心的在線教學(xué)平臺。作業(yè)流程包括：

巡課機(jī)器人啟動時(shí)為每一門課程巡檢設(shè)置單獨(dú)偵聽端口，用于與無頭瀏覽器通信，同時(shí)隔離不同課程訪問時(shí)的緩存影響。

與瀏覽器驅(qū)動連接成功之后，根據(jù)服務(wù)器性能設(shè)置適當(dāng)?shù)牟l(fā)閾值，巡課機(jī)器人并發(fā)訪問巡檢隊(duì)列中每一門課程的在線教學(xué)鏈接，基于各級控制器（瀏覽器、窗口、控件、動作）依次執(zhí)行各個(gè)登錄檢查點(diǎn)，甄別當(dāng)前頁面是否需要登錄，若需要登錄則填入課程信息包含的用戶名與密碼，接著在同一頁面檢索提交按鈕，點(diǎn)擊提交按鈕實(shí)現(xiàn)自動化登錄，最終進(jìn)入課程目標(biāo)頁面。

巡課機(jī)器人根據(jù)媒體檢查點(diǎn)，在頁面檢索媒體（Video）元素，從而定位頁面的媒體播放器位置。調(diào)用頁面視圖滾動器，將媒體播放器滾動到可見的視圖區(qū)域，確保播放器出現(xiàn)在可見視圖內(nèi)，然后生成截屏圖片，保存到服務(wù)端路徑，并將圖片地址、在線人數(shù)保存到數(shù)據(jù)庫，用于后續(xù)巡課管理和分析。

其他檢查點(diǎn)：包括在線人數(shù)、回放、授課章節(jié)等檢查點(diǎn)，根據(jù)頁面的元素id、class類集等特性，定位到在線人數(shù)標(biāo)簽、回放標(biāo)簽、章節(jié)句柄，實(shí)現(xiàn)授課過程中數(shù)據(jù)的定位和采集能力。

基于巡課分析模型，為課程選擇不同的異常檢測模型進(jìn)行檢測，判定課程上課效果是否達(dá)標(biāo)，生成判定結(jié)果（異?；蛘＃?，并更新課程巡檢結(jié)果為“已完成”，便于管理平臺匯總統(tǒng)計(jì)。

最后，通過在正式環(huán)境中部署使用，對RPA機(jī)器人的自動巡檢與采集能力在適配各個(gè)學(xué)習(xí)中心的在線教學(xué)平臺中進(jìn)行測試和調(diào)優(yōu)。檢查機(jī)器人的運(yùn)行穩(wěn)定性，數(shù)據(jù)收集的準(zhǔn)確性，多并發(fā)時(shí)的峰值瓶頸性能等。最終讓RPA機(jī)器人能以自動、穩(wěn)定、少維護(hù)的方式通過統(tǒng)一課表實(shí)現(xiàn)線上課堂數(shù)據(jù)的自動巡檢與采集。

運(yùn)用視頻分片技術(shù)、圖像識別技術(shù)、非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換技術(shù)等手段對數(shù)據(jù)進(jìn)行預(yù)處理，并運(yùn)用深度學(xué)習(xí)算法進(jìn)行訓(xùn)練、建模和評估，形成能適配各個(gè)學(xué)習(xí)中心的教學(xué)質(zhì)量監(jiān)督任務(wù)的神經(jīng)網(wǎng)絡(luò)模型。最后通過大數(shù)據(jù)分析與統(tǒng)計(jì)的手段，挖掘發(fā)現(xiàn)各個(gè)教學(xué)特征之間的相互關(guān)系以及潛在的含義，并結(jié)合課堂質(zhì)量標(biāo)準(zhǔn)指標(biāo)，自動判斷和歸納出各線上課堂的質(zhì)量評價(jià)。

整個(gè)實(shí)現(xiàn)過程采用完全自動化的方式，大大降低教學(xué)質(zhì)量評價(jià)分析中的人力成本，通過運(yùn)用人工智能與大數(shù)據(jù)的相關(guān)技術(shù)，提高了教學(xué)評價(jià)的效率和質(zhì)量。

（二）課堂質(zhì)量數(shù)據(jù)的分析與輸出

課堂質(zhì)量數(shù)據(jù)的分析與輸出采用深度學(xué)習(xí)技術(shù)實(shí)現(xiàn)，通過樣本采集、數(shù)據(jù)預(yù)處理、搭建神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、模型訓(xùn)練、模型預(yù)測等步驟實(shí)現(xiàn)課程數(shù)據(jù)的自動分析，經(jīng)過測試，分析準(zhǔn)確率達(dá)97.29%。

1.樣本收集

在實(shí)現(xiàn)異常檢測模型訓(xùn)練之前，需要先收集足夠的訓(xùn)練樣本，即異常的巡課數(shù)據(jù)（負(fù)樣本）和正常的巡課數(shù)據(jù)（正樣本）。人工挑選樣本，并做好標(biāo)注。

2.數(shù)據(jù)預(yù)處理

RPA巡課機(jī)器人所采集的畫面規(guī)格為高清1920*1080，為了將圖像輸入到神經(jīng)網(wǎng)絡(luò)模型，需要對原始圖像的大小進(jìn)行調(diào)整（Resize），即使用雙線性插值方法，將圖像一次性縮放到227*227。

神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練需要比較多的數(shù)據(jù)量，不然容易過擬合。前期巡課數(shù)據(jù)有限時(shí)，主要通過圖像變換從已有的訓(xùn)練數(shù)據(jù)集中生成新的數(shù)據(jù)，達(dá)到快速擴(kuò)充訓(xùn)練數(shù)據(jù)的目標(biāo)。對于巡課圖像數(shù)據(jù)集來說，主要進(jìn)行以下形變操作：翻轉(zhuǎn)、隨機(jī)裁剪、平移變換、顏色光照變換。

3.搭建神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

采用深度卷積神經(jīng)網(wǎng)絡(luò)，用于學(xué)習(xí)巡課圖像特征，網(wǎng)絡(luò)特性如下所述：

用層疊的卷積層，即卷積層+卷積層+池化層來提取圖像的特征，圖像被抽象為特征圖。

在深度學(xué)習(xí)中采用丟棄法（Dropout）來抑制過擬合問題。

用ReLU（Rectified Linear Unit）函數(shù)替換之前的sigmoid函數(shù)的作為激活函數(shù)（Activation Function），以提高計(jì)算速度。

為了加速模型訓(xùn)練，堅(jiān)持在圖形處理器（GPU）上進(jìn)行多輪訓(xùn)練，以獲得合適的模型。

神經(jīng)網(wǎng)絡(luò)包含8個(gè)權(quán)重層，前5層是卷積層，后3層是全連接層。最后一層全連接層的輸出是二維softmax函數(shù)的輸入，softmax函數(shù)產(chǎn)生兩類標(biāo)簽的分布，對應(yīng)異常與正常檢測結(jié)果。

4.模型訓(xùn)練

使用PyTorch構(gòu)建數(shù)據(jù)集，包括訓(xùn)練集和測試集。構(gòu)建的數(shù)據(jù)集是一個(gè)包含圖像路徑和標(biāo)簽的列表，即每個(gè)列表元素返回圖像和標(biāo)簽。

打印制作好的數(shù)據(jù)集圖像和對應(yīng)的標(biāo)簽舉例如下：

異常標(biāo)注：label：1，沒課件沒頭像

疑似異常標(biāo)注：label：2，畫面靜止沒頭像

使用DataLoader組件將構(gòu)建好的數(shù)據(jù)集加載到內(nèi)存中，并將所有圖片拼接到一個(gè)批次（batch），作為模型輸入。經(jīng)過40個(gè)遍歷訓(xùn)練數(shù)據(jù)集中的所有樣本之后，對模型進(jìn)行了多次評估，自動分析的準(zhǔn)確率達(dá)到了97.29%。在實(shí)際應(yīng)用中，根據(jù)開放教育課堂教學(xué)質(zhì)量監(jiān)測與評估指標(biāo)體系要求，訓(xùn)練多個(gè)針對性模型，對教師鏡頭效果、身體語言、儀態(tài)等進(jìn)行標(biāo)準(zhǔn)化分析，對課件內(nèi)容的結(jié)構(gòu)、完整性進(jìn)行分析，課堂交互分析等檢測模型，多模型結(jié)合巡課分類器進(jìn)行綜合判斷，從多個(gè)角度對在線課程的質(zhì)量進(jìn)行評價(jià)。

5. 模型預(yù)測與結(jié)果輸出

模型在經(jīng)過訓(xùn)練之后，加載模型文件進(jìn)行預(yù)處理，讀取需要預(yù)測的巡課圖像，運(yùn)行得到預(yù)測結(jié)果。本次模型訓(xùn)練基于機(jī)器人采集回來的圖像數(shù)據(jù)整體進(jìn)行判斷，給出異常或正常的結(jié)果。同時(shí)系統(tǒng)可自行設(shè)置通知策略，基于模型預(yù)測結(jié)果數(shù)據(jù)，通知模塊可根據(jù)異常事件的優(yōu)先等級，自動選擇通過多種渠道進(jìn)行告警信息通知，包括短信渠道、AI語音電話渠道和微信渠道等。

五、網(wǎng)課巡檢系統(tǒng)的運(yùn)行策略

網(wǎng)課巡檢系統(tǒng)的應(yīng)用前提基于穩(wěn)定、易用且支持后臺管理系統(tǒng)的直播平臺，和一套詳細(xì)的巡檢標(biāo)準(zhǔn)。系統(tǒng)與直播平臺能夠?qū)崿F(xiàn)數(shù)據(jù)對接，同步直播狀態(tài)、參與人數(shù)、互動數(shù)據(jù)等關(guān)鍵指標(biāo)。巡檢標(biāo)準(zhǔn)包括但不限于教師出鏡率、學(xué)生參與度、技術(shù)問題發(fā)生頻次等，確保巡檢工作的標(biāo)準(zhǔn)化和客觀性。為了保障網(wǎng)課巡檢系統(tǒng)的良好運(yùn)行，還須配套實(shí)施以下幾項(xiàng)措施：

（一）智能調(diào)度與動態(tài)適應(yīng)策略

根據(jù)網(wǎng)絡(luò)直播課堂的實(shí)時(shí)情況和歷史數(shù)據(jù)分析，動態(tài)調(diào)整巡檢系統(tǒng)的優(yōu)先級和頻率。例如，對于高峰時(shí)段或者關(guān)鍵課程，增加巡檢頻次，確保重點(diǎn)時(shí)段和重要課程的質(zhì)量監(jiān)督。利用智能算法預(yù)測可能的教學(xué)質(zhì)量問題，提前介入，防患未然。

（二）異常響應(yīng)與緊急處理機(jī)制

設(shè)計(jì)一套即時(shí)響應(yīng)機(jī)制，同時(shí)制定詳細(xì)的應(yīng)急處理流程。當(dāng)系統(tǒng)檢測到網(wǎng)絡(luò)直播課堂出現(xiàn)異常情況，如教師未上線、音視頻故障、學(xué)生參與度驟降等，系統(tǒng)自動觸發(fā)預(yù)警并快速發(fā)送短信息、智能語音電話通知教師及相關(guān)人員，及時(shí)介入指導(dǎo)或協(xié)調(diào)技術(shù)支持團(tuán)隊(duì)解決技術(shù)問題，確保問題能夠被迅速識別并得到有效解決。

（三）數(shù)據(jù)驅(qū)動的持續(xù)優(yōu)化策略

建立數(shù)據(jù)分析反饋環(huán)路，定期分析巡檢數(shù)據(jù)，識別教學(xué)質(zhì)量的趨勢和潛在問題，以此為基礎(chǔ)不斷優(yōu)化巡檢策略和模型算法。通過A/B測試等方法，驗(yàn)證新策略的效果，確保巡檢系統(tǒng)的持續(xù)進(jìn)化和優(yōu)化。

（四）安全與隱私保護(hù)策略

確保巡檢系統(tǒng)在采集、存儲和處理數(shù)據(jù)的過程中，嚴(yán)格遵守?cái)?shù)據(jù)保護(hù)法規(guī)，采取加密技術(shù)保護(hù)敏感信息，避免泄漏教師和學(xué)生個(gè)人信息和課堂內(nèi)容，維護(hù)網(wǎng)絡(luò)安全與個(gè)人隱私。

此外，要定期歸納典型問題和優(yōu)秀案例，為后續(xù)教學(xué)改進(jìn)和教師評價(jià)提供依據(jù)；提供培訓(xùn)與支持服務(wù)，幫助教師和教務(wù)人員理解巡檢結(jié)果，并能基于數(shù)據(jù)反饋?zhàn)龀鱿鄳?yīng)教學(xué)調(diào)整；根據(jù)巡檢結(jié)果調(diào)整教學(xué)計(jì)劃和巡檢策略。通過這些運(yùn)行策略，網(wǎng)課巡檢系統(tǒng)不僅能夠?qū)崿F(xiàn)技術(shù)上的高效運(yùn)作，還能在教育管理層面提供有力支持，推動網(wǎng)絡(luò)直播課堂的教學(xué)質(zhì)量持續(xù)提升。

六、結(jié)語

網(wǎng)課巡檢系統(tǒng)集RPA、云計(jì)算、深度學(xué)習(xí)及大數(shù)據(jù)分析等技術(shù)于一體，通過實(shí)時(shí)數(shù)據(jù)處理、多模態(tài)整合、智能監(jiān)控和可視化展示，為網(wǎng)絡(luò)直播教學(xué)質(zhì)量監(jiān)管提供了強(qiáng)大支持。以廣州開放大學(xué)為例，在開設(shè)70個(gè)專本科專業(yè)、每學(xué)期逾千門直播課程的規(guī)模下，該系統(tǒng)已巡檢59，400課次，收集534，600條課堂數(shù)據(jù)，極大提升了管理效率，尤其是在監(jiān)督教學(xué)質(zhì)量、教師評價(jià)、分析互動及輔助決策上效果顯著，減輕工作負(fù)擔(dān)，促進(jìn)教師成長和教學(xué)質(zhì)量提升。未來，研究可深挖AI在情感互動識別、教學(xué)質(zhì)量自評的應(yīng)用，增強(qiáng)系統(tǒng)智能化，探索定制化巡檢模型及跨平臺數(shù)據(jù)共享機(jī)制，以持續(xù)優(yōu)化網(wǎng)課巡檢系統(tǒng)，推動遠(yuǎn)程教育質(zhì)量的全面提升。