網絡教學質量監測系統設計

劉毅

摘? 要：網絡教學是重要的教學方式，自新冠肺炎疫情發生以來，網絡教學更大規模地得到應用。然而網絡教學存在上課質量難以監督的問題。文章研究提出了基于行為分析的網絡教學監督評估方法，并利用人工智能等技術設計了網絡教學監測系統，根據學生在線學習時的對電腦的狀態、操作行為等信息數據對上課質量進行評估，為網絡教學的發展提供技術支撐。

關鍵詞：網絡教學;質量監測;系統

中圖分類號：TP393? ? ? ? 文獻標志碼：A? ? ? ? ?文章編號：2095-2945（2020）23-0084-03

Abstract： Online teaching is an important teaching method， since COVID-19 disease， online teaching is applied on a larger scale. However， the quality of online teaching is difficult to supervise. This paper studied a method of network teaching supervision and evaluation based on behavior analysis， and designs a network teaching monitoring system by using artificial intelligence and other technologies. According to the information data of students' on-line learning， such as the state and operation behavior of computers， the class quality is evaluated， which provides technical support for the development of online teaching.

Keywords： online teaching; quality monitoring; system

引言

網絡教學是通信網絡技術發展的結果，廣泛在職業培訓、成人教育等教學應用。目前擁有網絡教學資質的高校網絡學院有70余所，慕課等教學方式也開始在普通高等學校的教學工作中應用，為國家的職業和高等人才培養提供了重要的支撐作用，特別是新冠肺炎疫情以來，為保障教學工作的繼續開展，在全國范圍內大、中、小學均采用了網絡教學，云課堂、空中課堂、騰訊會議、騰訊課堂、云視訊等各種教學平臺和軟件均得到了廣泛應用。然而網絡教學普遍存在的問題是難以在線教學時對學生上課質量進行監督和考察，部分網上教學平臺具有視頻播放時間統計，定時打卡等監督功能，但監督方式較為生硬，特別是定時打卡，易分散學生聽課的注意力，反而影響了教學質量。所以需要對網上教學的上課質量監督的方法進行研究，以保證教學質量。

本文研究基于行為分析的網絡教學監督評估方法，并設計相應的系統，根據學生在線學習時的對電腦的狀態、操作行為等信息數據對上課質量進行評估。

1 方法研究

網絡教學監督評估方法包括線上課程運行狀態監測、學生行為監測兩部分。

1.1 運行狀態監測

運行狀態監測包括界面監測和音量監測。

（1）界面監測用于監測線上課程軟件運行過程中是否有其它界面遮擋。學生在線學習時，易存在開啟其它游戲、瀏覽器、工作或聊天軟件操作的情況，通過界面監測可對此類影響聽課質量的界面切換操作信息進行采集，并記錄時間和次數。

（2）音量監測可對學生在上課過程中電腦的音量設置調節信息進行采集，以監測學生在線學習時異常調低音量、開啟靜音等操作情況。除此之外，在線教學軟件應不提供獨立的在線視頻音量調節功能，以防止學生獨立對教學視頻靜音，而播放其它娛樂視頻。

1.2 行為監測

行為監測主要是通過對輸入設備監測實現，包括鼠標監測、鍵盤監測、攝像頭監測。

（1）鼠標監測;鼠標是重要的人機交互輸入設備，人們在使用軟件時基本必須使用鼠標操作，特別是使用游戲、瀏覽器軟件時，鼠標操作頻率較高，而網絡教學多數時間是觀看在線視頻，幾乎不需鼠標操作，所以對鼠標操作的頻繁度進行監測，可有效獲取學生對軟件的操作行為。

（2）鍵盤監測;鼠標是文本輸入的主要設備，人們在使用Word等文本編輯工作軟件或使用瀏覽器軟件進行搜索操作時，必須使用鍵盤輸入，所以對鍵盤輸入的頻繁度進行監測，可有效獲取學生對電腦的編輯操作行為。但由于鍵盤偵測可能危及被監測對象的密碼等個人信息安全的問題，所以監測權限一定要嚴格控制與管理，只能對鍵盤使用頻率進行監測，絕不可監測輸入內容。

（3）攝像頭監測;現有筆記本電腦基本都集成有攝像頭，通過攝像頭可以采集學生的視頻圖像，對視頻圖像處理識別，可監測學生是否在電腦旁，而且進一步可監測學生對電腦屏幕的關注情況。

2 系統設計

網絡教學監測系統可作為網絡教學軟件的一個子系統，由于涉及本地電腦功能較多，所以網絡教學軟件應采用CS框架。教學監測系統結構功能如圖1所示：

網絡教學監測系統中音量監測、鼠標監測、鍵盤監測的功能較為簡單，易于實現，限于篇幅，本文不再詳述。以下主要對界面監測和攝像頭監測過程進行設計。

2.1 界面監測

界面監測可借鑒錄屏軟件全屏數據采集的技術，對界面中固定不變的區域和位置選取若干個像素點，對這些像素點的值的變化進行監測，即可實現界面的監測。

由于屏幕顯示界面均由顯示驅動程序負責顯示管理和驅動，所以具體編程時研究目標應以GDI（Graphics Device Interface） 圖形設備接口為主。GDI體系架構如圖2所示，由下至上包括五個層次，底層為軟件的開發環境，圖中列舉了.NET和C++等常用的Windows程序開發環境;第二層為GDI+引擎，為底層開發的程序提供界面的二維矢量圖形、點陣圖像、文本文字的頭文件、動態鏈接庫等，包括與顯示設備無關的類、函數等;第三層為GDI接口，輸出標準的界面顯示信息;第四層設備驅動程序負責根據硬件設備完成GDI提供的數據轉換，由第五層顯卡和顯示器完成軟件界面的顯示。基于GDI接口可采用mirror driver通過創建虛擬顯卡截取顯示內容，實現對屏幕更新區域的監控，如圖3所示，在網絡教學軟件界面的關鍵位置設置9個監測點，如屏幕更新區域涉及這些監測點，可判定學生進行了界面切換操作，包括界面覆蓋，最小化等。

2.2 攝像頭監測

攝像頭監測過程如圖4所示。

（1）步驟1，系統根據學生用戶名信息調取服務器中存儲的學生照片圖像數據，并開啟攝像頭采集學生面部圖像，將圖像進行人臉識別匹配，如匹配成功，則繼續持續采集面部圖像，進行活體檢測以區分真人與照片。

（2）步驟2，對步驟1的識別結果進行判定，如果識別成功繼續執行步驟3，否則返回步驟1繼續采集識別。

（3）步驟3，對已經過識別認證的學生進行位置識別監測，用于判定學生是否持續在電腦前，可采用較為成熟的臉部追蹤算法實現。

（4）步驟4，對步驟3的識別結果進行判定，如果目標可持續追蹤，則判定學生沒有離開電腦，繼續執行步驟5，否則返回步驟1對學生重新采集識別。

（5）步驟5，對學生進行專注度監測，用于判定學生對學習內容的專注度。專注度監測通過對學生的眼睛是否注視屏幕進行判斷，主要依據是眼睛的瞳孔位置，如果學生使用的是內置在屏幕上方的攝像頭，則瞳孔應正對攝像頭，如果使用外置攝像頭，可通過瞳孔方向變化進行判定。此外通過瞳孔監測，還可對學生眨眼頻率和閉眼時間的相關數據進行采集。

（6）步驟6，基于步驟3位置識別監測和步驟5的專注度監測，對學生在電腦前的時間、專注時間進行累積統計。

（7）步驟7，如已到下課時間，則執行步驟8，否則返回步驟3，在上課時間段內循環執行步驟3-7。

（8）步驟8，依據步驟6對學生在電腦前的時間、專注時間的最終統計數據，對本節課的學習質量進行評估。

在以上步驟中，步驟1人臉識別、步驟3和步驟5專注度監測，已有很多成熟的相關方法與技術。人臉識別技術已在設備安全管理、公共安全、在線支付等領域得到廣泛應用;位置識別已在視頻監控、手機智能拍照等領域使用;專注度監測已在駕駛員疲勞度檢測方面得到應用。攝像頭監測程序可采用基于OpenCV開源計算機視覺庫進行開發，OpenCV提供了包括Windows、Mac Os等多種操作系統的開發函數。OpenCV 提供了FaceRecognizer類，可采用多種識別算法實現識別，在此基礎上。OpenCV 還提供了人臉追蹤face_tracker類，應用這個類，可在本應用中輕松實現學生位置監測的功能。此外通過OpenCV 提供的CascadeClassifier分類器，可檢測識別人眼并對瞳孔位置進行定位。

3 結束語

本文研究基于行為分析的網絡教學監督評估方法，并設計了網絡教學監測系統，根據學生在線學習時的對電腦的狀態、操作行為等信息數據對上課質量進行評估。本文提出的方法與系統可解決在線教學時難以對學生上課質量進行監督和考察的問題，同時可采集與可課程質量相關的學生關注度相關的一手數據，可為大數據分析提供寶貴的數據，進一步為網絡教學的進步與推廣提供支撐。

參考文獻：

[1]周蓓.中國高等學歷繼續教育政策大數據決策系統建設研究[D].北京：中國礦業大學（北京），2019.

[2]汪旭，陳仁文，黃斌.基于android系統的司機駕駛安全監測系統的實現[J].電子測量技術，2017，27（10）：1-6.

[3]楊建昌.GDI+高級編程[M].清華大學出版社，2010：15-20.

[4]大衛·米蘭·埃斯克里瓦.OpenCV4計算機視覺項目實戰[M].機械工業出版社，2019：112-122.