人工智能技術在思政課教學質量評價中的應用

卞浩瑄　王興　楊雅涵

【摘 要】如何客觀、量化地評價思想政治課程的教學質量是一項難點工作。本文提出一種以人工智能為技術支撐，通過教室監控視頻分析學生課堂上的行為表現，通過教師授課語音的文字識別和語音情感識別來分析教學內容和教學方法，并結合教學課件統計高頻詞匯，從而構建起的一套智能化的教師思政課教學質量綜合評價方法。該方法的實施應用能夠幫助任課教師了解學生對所授知識理解、認同的程度，進而輔助教師改進教學方式方法，提高學生聽課的效率。同時，它也有助于教學管理部門及時獲取各個班級、各門課程和各位教師教學質量的量化評價指標。

【關鍵詞】人工智能;思政教育;實踐創新;教學質量評估

中圖分類號：G641文獻標志碼：A? ? ? ? ? ? ? 文章編號：1007-0125（2020）16-0114-03

國勢之強由于人，人材之成出于學。古之學者必有師，師者，所以傳道受業解惑也。可見教育對于人才的培養起著至關重要的作用，而思想政治教育是引領人才樹立正確三觀、學習和踐行習近平新時代中國特色社會主義思想的重要途徑和基礎保障。互聯網和自媒體的發展，極大豐富了高校學生學習的內容，拓展了認知的途徑，加速了資訊傳播的速度，與此同時，“互聯網+”也正推動著傳統教學方法、內容和模式的不斷革新。如何提高教師思政課教學的質量，提升學生學習的興趣，增強教學相長的有益效果，一直是思政教育不斷探索的問題。

近年來，GPU和眾核CPU等硬件設備的普及極大地推進了人工智能（Artificial Intelligence，AI）技術的創新發展。依托人工智能，諸如自然語言識別與生成、計算機視覺、智能機器人等一大批新技術得到了日新月異的發展。在此背景下，遠程視頻電子白板、虛擬仿真實驗平臺、云教學和協同辦公等智能化教輔產品逐步應用到實踐教學中，提升了教學的趣味性和生動性。

對于思政課教學而言，當前這些新技術和新產品的應用，促進了教學內容的富媒體化，形式多樣、內容豐富的視頻、影像和動畫課件讓教學過程“活”了起來[1， 2]。基于移動智能終端的在線學習、在線答題、即時評分拓寬了學生思政學習的途徑，幫助他們更有效地利用碎片化時間。在此技術背景下，如何利用人工智能技術幫助思政課教師評估授課質量，智能地分析學生對授課內容認知、響應的程度，是本文探究的主要目標。

一、傳統思政課教學存在的困境

在教育全球化、信息網絡化的背景下，思政課教育的一元化主導與大學生認知的多樣化、大學生求知的廣闊性與思政教育內容的狹窄性[3]之間的矛盾，是當前思政教育面臨的主要困境。有別于數理化或學科專業課程，思政課既沒有數學公式，也沒有操作實驗，授與受之間傳遞的是無形無相的思想。學生對這些知識接受、掌握的水平很大程度上有賴于教師講授的水平。而教師授課水平的評價，一方面是通過對教師的各種考核得出，另一方面是通過教師所教授的班級總體成績水平橫向對比得到。

長期以來，有關如何跟蹤思政課教師的教學情況，如何準確評估學生對教學過程中不同知識點掌握、理解的程度，以及如何橫向對比、評價不同教師對同一課程同一知識點教學的效果，很多機構和學者開展了大量研究工作。總體而言，這些研究分析、調研統計的基礎數據主要依靠抽查提問、問卷調查、任課教師或教學督導進行隨堂觀察、主觀評分等方式。這些方法簡單有效，但也存在很大的隨機性和主觀性，且統計過程繁瑣、費時。對于授課教師教學質量的評價，主要焦點集中在教師語言表達能力、知識點熟練掌握程度、與學生交流互動能力、課件制作水平和在講臺上表現出的師風師貌等方面。教研組或任課教師如果要進一步掌握思政課教學的質量，想通過一系列量化的指標來客觀地評價不同教師對不同知識點講解、分析的能力，以及學生接受的程度，甚至想在下課時，實時得到本節課各個知識點學生聽課情況的統計報表，目前尚沒有行之有效的手段。

二、人工智能技術在思政課教育中的應用

為了彌補上述不足，本文提出一種以人工智能為技術支撐，通過教室監控視頻分析學生課堂行為表現，并結合教師授課內容，綜合評估教師思政課教學質量的方法和系統架構。

（一）系統組成架構

基于人工智能技術的思政課教學質量綜合評價系統首先需要一些硬件設備作為支撐，這些設備主要包括：教室電腦、視頻采集設備（攝像頭）、音頻采集設備和數據分析服務器等。

與常規的多媒體教室類似，教室電腦內置于講臺或多媒體機柜中，通過有線網絡或WIFI與數據分析服務器進行實時數據交互。電腦預裝一套可記錄教師教學內容、分析學生聽課情況的軟件系統（以下簡稱TES），該軟件系統包括視頻分析、語音分析、語音情感分析、課件內容分析等功能模塊，這些模塊的業務邏輯與核心算法有賴于人工智能相關技術。視頻采集設備一般安裝于教室的前方，用于實時拍攝課堂上學生的行為，供視頻分析模塊對學生抬頭、點頭和低頭等行為特征進行分析。音頻采集設備分為語音采集設備和噪音采集設備，前者一般安裝在講臺上方或前方，用于記錄教師授課的語音信息，供語音分析模塊進行語音識別、關鍵字詞提取和高頻詞匯統計等處理，后者一般安裝在窗戶或教室內距離講臺較遠處，用于監聽環境噪聲，通過降噪算法降低前者所采集的教師授課語音中的環境噪聲，提高語音分析模塊語音識別的準確性，以及語音情感分析模塊識別的準確性。各個教室所采集的音、視頻信息分別匯集到所在教室的電腦中進行處理分析，處理得到的數據上傳至數據分析服務器，服務器再對接收的信息進行加工，形成多樣化的評估報表，便于授課教師、教研室及教學管理部門進行查閱。

（二）基于AI的學生聽課行為分析

基于人工智能技術，特別是深度學習理論，實現人體行為特征識別是近年來視頻智能分析領域的研究熱點[4]。諸如，運用受限玻爾茲曼機（Restricted Boltzmann Machine）構建深度信念網絡，運用高維卷積神經網絡（High-dimensional Convolution Neural Network）提取視頻圖像中的高階特征，以及運用獨立子空間分析（Independent Subspace Analysis）模擬神經元響應等。這些新方法的提出，突破了以往在該領域的技術瓶頸。

以這些新技術方法為依托，進行學生聽課行為分析的過程有：1.通過人臉識別，統計教室內現有學生數量，結合課程應到學生數（可從教務相關系統獲取），即可得到當前課程的學生到課率;2.根據連續的視頻圖像識別頭頂與人臉面部特征的比例，得到當前處于低頭狀態的學生數量，進而得到學生低頭率;3.根據連續的視頻圖像識別處于低頭狀態且頭部以下區域有強于周圍光照亮光的學生數目，得到當前處于非正常聽課狀態的學生數量和非正常聽課率;4.根據連續的視頻圖像識別具有上半身輪廓但無完整人臉特征且在連續的視頻圖像中保持相對靜止的學生數目，進而得到當前處于睡覺狀態的學生數量和學生睡覺率。由此，將上述學生聽課率、學生低頭率、非正常聽課率和學生睡覺率等信息傳送至數據分析服務器進行下一步處理。

（三）基于AI的教師授課內容分析

自上世紀90年代，IBM就推出了語音識別的商業軟件，并支持普通話識別，但受限于當時的計算機性能和基于字詞發音的算法，識別前需要先進行大量個性化語音訓練，且識別準確率并不高。隨著循環神經網絡（Recurrent Neural Network）及其各種變種，如LSTM、GRU等技術的應用，更加精準、高效、易用的連續語音識別技術已逐漸成熟[5]。當前，已有很多實時語音轉換文字和語言翻譯的App和硬件外設。

運用語音識別技術，采集教師授課的語音信息，經降噪濾波后轉化成文本，再運用詞頻統計（如TF-IDF）[6]、聚類等算法從文本中提取關鍵字詞，由此進一步統計教師在課堂講述中出現的高頻詞匯和專業詞匯及其出現的頻率，這些統計數據將被傳送至數據分析服務器進行下一步處理。

除了語音識別，教室電腦預裝的TES還能夠識別當前活動窗口的計算機進程，當授課教師采用Office等軟件進行授課時，TES將對Word、PowerPoint、Excel文檔的顯示內容進行文字識別，并統計文檔中出現的高頻詞匯和專業詞匯。該識別和統計過程持續進行，以便更加準確地統計出上述高頻詞匯和專業詞匯，提高識別的準確率。TES會定時將進程名稱、類型、運行時長、顯示內容以及內容中的高頻詞匯、專業詞匯等信息上傳至數據分析服務器進行下一步處理。

（四）基于AI的教師講述情感分析

情感是個人內心世界活動的具體反映，表現了個人對所講述內容的認同感和喜惡程度。與大多數理工類課程的教學有很大不同，思政課教師在課堂上傳授、講述知識內容時，其語調的頓挫抑揚能夠表達出教師個人對所述內容認同、反感、熱愛、厭惡、悲傷或快樂的情感，這些情感將無形地擴散到每個學生心中，正確得當的情感表達無疑會對學生認知和理解所授知識具有很大的引導和激勵作用。

語音情感識別是近幾年興起的一項技術，同樣依托人工智能和大數據分析技術，其應用能夠極大地改善計算機人機交互的能力，如智能電話客服、智能業務終端、智能機器人等。

TES內置的基于AI的語音情感識別模塊包含多個用于情感識別的知識庫。其中，思政課教學知識庫存儲了思政教育相關的知識文本，為神經網絡的自學習提供訓練信息，神經網絡訓練出的模型為教師授課內容分析、教師講述情感分析提供算法支撐;語音情感知識庫存儲了認同、反感、激動、平靜等語音特征模型，利用Fisher相關算法、最大相關與最小冗余算法進行特征比較和特征融合[7]，再利用K近鄰算法和神經網絡、支持向量機（SVM）等算法實現語音的情感識別、特征庫匹配和情感分析。

（五）思政課教學質量的智能評估

各個教室監聽的學生課堂行為、教師授課語音、教學課件內容等信息經TES加工分析后，通過網絡傳輸匯集到數據分析服務器中，該服務器通常部署在學校信息網絡中心或機房。數據分析服務器統計、存儲的信息主要包括教室編號、課程名稱、任課教師、課堂學生數、學生聽課率、學生低頭率、非正常聽課率、學生睡覺率、教師講述的高頻詞匯及專業詞匯、教師講述時情感特征標識，以及計算機進程屬性、進程中的高頻與專業詞匯和記錄時間等。數據分析服務器將這些數據信息匯總并生成多種主題和形式的教學質量評估報表，如針對各個任課教師的學生聽課質量評價、針對不同班級的學風評價、針對不同教學內容的學生興趣度評價等，進而達到跟蹤課堂上思政課教師授課質量和學生聽課質量的自動化和智能化。能夠提供客觀、量化和全面的課堂“授”的質量與“受”的效果的綜合評估，為授課教師事后了解和改進所授內容，以及學校跟蹤教學質量情況提供了量化的數據指標，進而為教學內容改革和教學質量的評估提供了決策依據。

三、結論

思想政治教育是引領人才樹立正確三觀的重要途徑，而思政課是高校進行思政教育的主要陣地，如何智能、客觀、定量地評價思政課的教學質量一直是相關領域專家、學者努力探究的目標。本文提出一種以人工智能為技術支撐，以學生課堂行為和教師授課情感為分析對象，對思政課教學質量進行智能評估的方法。該方法的實施應用，有助于任課教師了解自己在授課時，學生對所授知識理解、認同的程度，通過學生點頭、低頭等行為的智能分析、量化統計，幫助任課教師掌握教學過程中的難點和枯燥點，進而輔助教師改進教學方式方法，提高學生聽課的效率。同時，也有助于教學管理部門及時獲取各個班級、各門課程和各位教師教學質量的量化評價指標。

參考文獻：

[1]張松志.大學生思政教育中新媒體的作用及有效發揮思考[J].戲劇之家，2019，（30）：166-167.

[2]李刁.“互聯網+”時代高校德育實踐創新研究[D].華中師范大學，2017.

[3]章小朝.制約大學生思想政治教育實效性的結構性矛盾探析[J].中國高教研究，2009，（6）：56-58.

[4]朱煜，趙江坤，王逸寧.基于深度學習的人體行為識別算法綜述[J].自動化學報，2016，（6）：848-857.

[5]劉加.漢語大詞匯量連續語音識別系統研究進展[J].電子學報，2000，（1）：85-91.

[6]羅燕，趙書良，李曉超.基于詞頻統計的文本關鍵詞提取方法[J].計算機應用，2016.

[7]張永皋，馬青玉，孫青.基于MFCC和CHMM技術的語音情感分析及其在教育中的應用研究[J].南京師范大學學報（工程技術版），2009，（02）：95-98.