基于人工智能的大學生課堂行為分析及管理策略模型研究

羅旭東 劉嘯嵐 文曉浩

（1、廣西師范大學職業技術師范學院，廣西 桂林 541000）

（2、衡水學院，河北 衡水 053000）

一、大學生課堂不良行為的普遍性與課堂教學管理改革創新的必要性

大學課堂不良行為在各個高校普遍出現,嚴重影響學生教學質量。目前，大學生課堂不良行為主要有遲到、曠課、早退、進食、睡覺、玩手機、制造課桌文化、隨意插話打斷老師講課等。這些課堂不良行為會產生以下負面影響：（一）學生自身的學習效果差；（二）學生之間及師生之間的感情淡；（三）班級的學習氛圍不濃；（四）教師教學的質量低。在教學改革的大背景下，課堂行為直接影響著課堂教學的結果。對學生課堂不良行為的監控與研究，是對課堂進行常態研究的必要補充，唯有推進課堂教學管理的改革創新，才能切實減少大學生課堂中的不良行為。

二、人工智能精準分析學生課堂行為是大學課堂教學管理改革創新的必然趨勢

人工智能充分利用大數據分析和智能化的獨特優勢，不僅可以精準分析學生課堂行為，還能搭建實時的學生課堂行為信息共享平臺，從而為教師課堂教學管理改革創新提供有針對性和可操作性的思路和策略。智慧課堂的出現和發展將通過人工智能獨特的優勢，捕捉學生課堂行為，并進行充分的分析，為教師及時調整教學內容、授課方式、實時跟蹤課堂情況提供有力支撐。

三、大學生課堂行為分析及教學管理策略研究及關鍵步驟

通過借助人工智能的相關技術采集、捕獲、探知一些學生在上課過程中得表現出課堂行為的結構、非結構化的數據，包括通過視頻監控獲取學生課堂情況視頻信息，通過語音監控系統獲取到學生課堂情況音頻信息。通過深度學習神經網絡進行分析、挖掘，識別出學生的課堂行為等，進而可以進行分析和預測，提出課堂教學管理改革的新路徑和新對策。關鍵步驟如下：

（一）教學過程中的數據及其獲取和收集。在教學過程中，借助人工智能的技術，可以采取攝像、穿戴傳感設備、錄音等方式，采集和捕獲學習者的行為，這部分的數據的采集需要對現有的人工智能的設備進行改進和改制，使其能夠捕捉到適用于分析的內容。

（二）學生課堂行為的識別。在復雜的課堂環境中通過現有的數據采集設備獲取到每位同學的行為信息。選擇合適人工智能算法和框架處理多目標跟蹤過程中的遮擋、低分辨等問題，提高多目標行為識別的準確性。

（三）深度學習訓練數據的采集。對于深度學習來說模型的準確率除了由模型和框架決定，更重要的因素是訓練樣本的規模及樣本的有效性。為了使模型對課堂行為識別更準。我們需要提前采集大量學生的行為數據，并標記。

（四）課堂行為的分析數據用于課堂教學管理。在獲取眾多海量課堂行為數據之后，建立學生課堂表現評價體系模型，將評價情況實時反饋給教師，教師可以通過反饋情況實時調整，激發學生的學習熱情和興趣，從而對教學質量的提高提供幫助。至于評價哪些維度，用什么指標來表征維度。是建立學生課堂表現評價體系模型的關鍵，學生課堂表現評價體系模型構建是本研究項目的關鍵所在。

四、總結

本文建立以人工智能背景下學生課堂行為分析及教學管理策略模型，該領域前人研究不足，具有創新性。在新時代人工智能的推動下，基于人工智能的學生課堂行為分析及教學管理策略研究必將是高校課程改革不可改變和規避的大趨勢，充分利用國家關于人工智能建設發展的政策，發揮高校自身特色，打造大學生課堂行為分析系統，構建自身的數據共享中心，對學校高水平本科教育有著深遠意義。