人工智能賦能課堂教學評價改革與技術實現的框架構建

吳立寶 曹雅楠 曹一鳴

關鍵詞：人工智能;課堂教學評價;情緒識別;教師行為

一、引言

人工智能（Artificial Intelligence，AI）技術的開發和應用使得計算機能夠代替完成以往人腦才能完成的智能工作，從而極大地拓展人的智力與體力。2018年教育部印發《教育信息化2.0行動計劃》，提出要推動人工智能在教學、管理等方面的全流程應用，利用智能技術加快推動人才培養模式、教學方法改革;2020年中共中央、國務院印發《深化新時代教育評價改革總體方案》，明確指出要創新評價工具，利用人工智能、大數據等現代信息技術，探索開展各年級學生學習情況全過程縱向評價、德智體美勞全要素橫向評價。大力發展人工智能技術，積極探索人工智能與教育評價領域的融合發展，是我國推動智慧教育的必然舉措。課堂教學評價作為教育評價體系的重要環節，嘗試開展人工智能下的課堂教學評價，有助于豐富評價內容，轉變評價方式，記錄成長軌跡，促進智慧評價的高效開展。

二、人工智能下課堂教學評價的變革

課堂教學評價是基于教師的教和學生的學，著眼于改進教師教育教學能力，提高課堂教學質量，而對課堂教學設計、過程和結果展開的評價[1]。從其價值意蘊層面上看，課堂教學評價是多元主體協作下進行價值判斷的過程，是采集多方面信息發現價值的過程，是精準采集為教學改進提供決策的過程，是發揮其反饋功用發展價值的過程。當前傳統的課堂教學評價表現為內部與外部的多元評價、過程與表現的評估判斷、專家與同行的現場觀察、鑒定與甄別的功能導向，而在人工智能技術的驅動下，將推動課堂教學評價在評價主體、內容、方式、結果等方面的變革，如圖1所示。依托于人工智能所具備的數據挖掘、高速計算、自動分析等功能，輔助評價工作的高效開展，記錄情感信息的動態變化，實現真實課堂的精準采集，追蹤師生成長軌跡。

（一）評價主體：輔助智慧評價的高效開展

課堂教學評價是對課堂教學活動進行價值判斷的過程，進行判斷的前提即是對現有事實的廣泛認可。以古巴（Egon G.Guba）和林肯（Yvonna S.Lincoln）為代表的“第四代評價”倡導者認為評價應為全面參與，旨在聽取多方意見，協調不同價值標準間的分歧從而得到公認的結果，評價主體的多元化逐漸成為教育評價改革的發展趨勢。傳統課堂教學評價的多元評價主體包括內部主體和外部主體兩類。內部主體是指參與到課堂教學活動內部的主體，即學生和教師;外部主體是指課堂教學活動以外的評價人員，包括評課的領導、專家和同行。評價主體多元化的同時，也伴隨著評價的開展和整合的工作量急劇增大。當前的多元主體評價包括教師自評、教師對學生表現與知識掌握的評價、學生自評、學生對教師授課的評價以及聽課人員對課堂的評價等形式。如此要想得到一堂課最終的評價結果則需要經歷較長的統計過程，這不利于教師根據評價結果及時調整教學活動，不利于教師和學生自身對學習現狀的把握和及時調控，表現出課堂教學評價開展的低效。

在人工智能技術的輔助下，利用教室內安裝的攝像頭、眼動儀等實時地采集課堂圖像與聲音信號，利用面部識別、語音識別、姿態識別等技術對課堂教學過程中的師生表現性信息進行自動運算、分析和評價。同時在教室可安裝實時反饋評價數據與結果的電子顯示屏或客戶端，以便教師在課上實時獲得評價系統的反饋數據，掌握全體學生的聽課情況，從而及時調整教學內容與方法并對走神學生加以提醒，學生也可在課下及時看到整堂課中自己的學習表現。相較于傳統評價方式中需要等待測驗、問卷或訪談的反饋結果，人工智能下的課堂教學評價加快了評價開展進程，提高了課堂教學評價對于教師教學與學生學習的反饋作用，實現課堂教學評價的高效開展。

（二）評價內容：關注情感信息的動態變化

通過采集多方面內容的評價信息，明晰教育開展現狀，挖掘教學改革切入點，探尋教學開展方向，是教育評價發現價值的體現。廣泛地采集教育教學的多方面信息可為發現價值的生成提供堅實的支撐材料。課堂教學的目標應是豐富的、多元的，不應僅是追求學科成績的提高，而應更多地關注師生多方面的發展，既著力于實現學生德智體美勞的多方面發展，也助力教師提升教學能力與專業素養。傳統課堂教學評價內容主要是包括對課堂教學目標、內容、環節、方法、結果的設計與開展、教學過程中的師生表現與課堂氛圍等。注重學生知識和技能的掌握，而忽視了學生成長所需的其他方面，包括情感、道德、價值觀等[2]。教育評價工作要堅定以立德樹人為導向的育人目標，扭轉重智育輕德育、重分數輕素質的現狀，強調學生的全面發展。課堂是學校教育的主場所，課堂教學既是學生認知發展的教學活動，也是育人目標達成的教育途徑，因此課堂教學評價在考察學生知識掌握情況的同時，也應關注學習過程中學生的情感因素變化。

而人工智能下的課堂教學評價可通過采集師生的聲音、面部表情與身體姿態等數據開展課堂情緒識別，得出教師與學生動態的情感變化信息。教師在課堂教學過程中的情感往往會通過表情、語言和動作傳遞給學生，飽滿熱情的教學情緒更能夠調動起學生的學習熱情，恰當地使用消極情緒能起到震懾紀律、糾正不當行為的作用，但若消極情緒長久保持則不利于良好的課堂師生關系構建，從而不利于課堂教學的高質量開展。利用人工智能技術識別和分析教學過程中教師的語調、教態和情緒等教學表現，有助于教師把控課堂情感，從而調動起積極的課堂學習氛圍，建立和諧師生關系，開展高效教學。學生在學習過程中伴隨著積極、正向的情感，處于專注、投入的學習狀態往往更有利于生成高質量的學習效果。借助人工智能技術，把握學生課堂參與、交往互動、思維狀態和課堂情感等維度的課堂表現，扭轉課堂教學評價過分關注知識掌握、技能獲得的現狀，關注教學過程中學生的情感、態度、價值觀和核心素養的生成與培養，有助于課堂教學育人目標的達成。

（三）評價方式：還原真實課堂的精準采集

教育評價是教育教學發展的“指揮棒”，為教育治理提供決策材料，為改進教師的教學行為與學生的學習行為提供反饋信息。收集材料的準確性、真實性將直接影響決策的生成與反饋的效果，因此選取恰當的評價方式，借助精準的采集工具，收集真實、客觀、準確的評價數據是教育精準評價開展的先決條件。傳統課堂教學評價主要是由教育專家或同行進入課堂，直接觀察教學過程中的師生表現。但此種評價方式存在弊端：一是由評價人員現場評價的公開課往往由于教師的精心準備、學生的格外集中而使得與常態化課堂狀態存在差異，導致評價的真實性缺失;二是評價人員采用固定的評價指標進行賦值打分，但評價指標往往存在模糊不清、難以評判的現象。例如教師講授清晰、內容設置充實、師生互動充分等評價指標，多是以課堂整體氛圍與自身的聽課感受作為評判依據，評價缺乏量化證據支持而主觀性較強。

將人工智能賦能于課堂教學評價可利用教室內安裝的攝像頭代替評價人員的現場觀察，通過采集師生聲音、面部和姿態信息，開展課堂語言分析、課堂行為分析與課堂情感分析，獲取學生注意力、掌握程度、互動情況、情感狀態等學習情況，分析教師的課堂教學行為，進而實現課堂教學的智能評價。如此開展一是教室內沒有聽課專家及其他教師的干擾，能使課堂回歸真實、自然的狀態，能夠得到可信度更高的課堂教學評價結果;二是通過對每名學生學習情況的統計與分析，為評價工作的開展提供精準的針對每名學生的量化數據。依托于人工智能技術強大的數據挖掘與運算分析能力，采集真實客觀、全局精準的數據，探尋數據間的潛在邏輯，為教學改進提供決策材料，助力課堂教學評價的高效精準開展。

（四）評價結果：實現師生成長的軌跡追蹤

教育評價通過判斷價值、發現價值，從而為改進教育提供決策材料，最終實現教育價值的提升。通過評價結果的反饋，指向師生的多方面發展，發揮其發展價值的功用。傳統課堂教學評價結果主要以鑒定與甄別為功能導向，教師教學狀況的評價結果往往與教師評比掛鉤，而使得教師一昧地注重自身教學能力提升而忽視對學生發展的關注。對學生學習狀況的評價往往以檢驗階段性學習成效為目的，以終結性評價的形式，開展各年級各學科的教學質量檢驗，其結果難以真正反映課堂教學質量，也不利于發揮評價對改進學生學習狀況的反饋作用，難以體現評價結果對于師生成長的發展性功能。

人工智能下的課堂教學評價可采集課堂教學全過程中師生的表現信息，開展過程性評價。對于教師而言，可通過對教師語言的分析，獲取教師語言結構特點，有助于教師把握自身語言現狀，識別和改進自身課堂教學語言風格;可通過課堂中的師生語言交互，識別課堂教學結構，判斷師生交互情況;可通過對教師的語音語調與課堂教態的識別、分析與情感特征判斷，幫助教師直觀地認識到自身課堂情感狀態，糾正不恰當的課堂教態，構建良好的課堂師生關系，提高課堂教學質量與效率。對于學生而言，可記錄學生的舉手發言次數、抬頭聽課時間、參與討論情況以及專注力等課堂過程性數據，并及時反饋給學生，便于學生直觀認識自身學習狀態，從而及時調整與改進，開展形成性評價。同時依托于其大容量的存儲空間、高速度的運算能力，可生成階段性的課堂表現數據，以此追蹤教師專業發展與學生全面發展的成長軌跡。還可將采集到的學生課堂表現的數據結果，與學生綜合素質評價相貫通，搭建起多維度、多層面的學生全面發展測評體系。

三、人工智能下課堂教學評價的實踐路徑

（一）系統架構

基于人工智能技術發展現狀以及課堂教學評價變革的現實需求，設計人工智能下課堂教學評價的系統架構，自上而下包括對象層、數據層、技術層和應用層，如圖2所示。

課堂教學活動主要由教師的教和學生的學兩方面組成，因此人工智能下的課堂教學評價著眼于教師與學生兩大評價對象，通過采集其聲音、姿態、面部與生理信號數據，進行識別與分析算法設計，包括語音識別、自然語言處理、姿態識別、表情識別以及基于腦電的情緒識別等，指向課堂語言分析、課堂行為分析、課堂情感分析與課堂教學評價體系四大應用場景。

（二）數據處理

1.基于聲音數據的處理

聲音是傳遞內容、表達意圖與情感的介質。針對聲音數據的處理，一方面可利用語音識別技術獲取人類的語音信號，將其轉變為相應的文本并開展進一步的自然語言處理任務。通過對情感詞及關鍵詞等的識別與標注，可進行語言文本分類，以分析課堂師生言語結構及情感信息。有研究綜合卷積神經網絡和Bi LSTM網絡建立特征融合模型，在提取文本局部特征的同時兼顧上下文的全局特征，提高了文本分類的準確性[3]。另一方面聲音信號的語音語調可以反映發言人的情感狀態，例如高昂的語調往往表達激動、興奮的情感，低沉的語調表達悲傷、陰郁的情感等。伊恩穆雷（Iain R.Murray）等從語速、平均基頻、基頻范圍、強度、音質、基頻變化、清晰度等角度，針對憤怒、高興、悲傷、恐懼、厭惡五種情緒進行了聲學參數特征劃分[4]，為語音語調識別的開展積累了實踐經驗。

2.基于姿態數據的處理

人體姿態識別是通過對手勢、動作、姿態等進行識別以反映人體狀態或意圖的技術，通過對人體結構的建模、定點與分割，剖析姿態動作中所傳遞的情感導向。徐家臻等基于人體骨架信息的提取實現對學生聽講、看書、站立、舉手和寫字五大行為的識別[5];劉新運等設計算法對學生起立發言、注視前方、閱讀、書寫、交談、身體轉向背后、使用手機、趴在桌面等課堂行為進行檢測，獲得了較好的識別結果[6];楊波等基于手勢空間分布特征開發了手勢識別算法，實現在復雜背景下實時地對人體手勢進行識別[7]，為更為精細地識別與分析教師和學生姿態以反映課堂行為，積累了可實施的算法開發基礎。

3.基于面部數據的處理

表情是在表達與交流過程中所流露出的情感的外在表現。面部表情識別是通過對人臉面部表情的捕捉與分析，使機器能夠識別出人的表情所透露出來的信號與意圖。對面部表情進行識別處理主要有兩類，一是對局部特征的識別。可通過定位和分析眉毛、眼睛、鼻子、嘴唇等關鍵點特征，識別面部肌肉動作并以此進行面部表情分類[8]。二是對整體特征的識別。以面部整體進行識別分析，區分不同表情的面部特征，特征臉方法與彈性匹配方法均是常用的基于面部整體屬性進行識別的方法[9]。

4.基于生理信號的處理

生理信號主要包括腦電、心電、機電、皮膚溫度等。通過對生理信號的采集與分析，能夠捕捉更為細微的情緒變化。在更為專業化的智慧教室環境中，可提供更為精準的課堂教學情緒表現分析結果。其中通過腦電特征識別學習者的情感信息具有操作易、效果好的優勢，可從時域、頻域、時頻域、空間域四個維度對腦電信號特征進行分析，開展情緒歸類[10]，因而腦電信號成為廣受研究者青睞的生理信號采集選擇。

（三）應用開發

1.課堂語言分析

語言是課堂教學活動中的主要交流形式，語言行為占到全體教學行為的80%[11]。以師生語言行為為抓手切入課堂教學過程，可還原課堂教學整體樣貌，把握課堂教學總體結構。從互動角度分析課堂語言結構有助于把握師生的交互作用，反映教師語言是否引發學生思考，觀測學生發言是否得到教師回應。借助人工智能技術對師生話語量與交互情況的統計，分析教師提問行為價值與反饋行為指向，從而調整課堂教學結構，提升師生互動實效[12];教師語言決定著教學活動的開展，影響著學生學習的質量，教學過程中采用引導性、激勵性、追問性語言能夠激發學生的學習熱情，過多的命令性與陳述性語言則不利于教學過程中學生主體性的彰顯[13]。借助人工智能技術對教師語言類別與結構的分析，有助于教師明晰課堂語言存在問題，從而輔助教師修正語言行為，提高課堂教學質量。同時通過對教師課堂語言的識別分析，還可開展不同類型教師間的比較分析，探尋卓越教師在語言類別、場景、時間分布等方面的共性特征，開展新手教師與熟手教師間課堂語言使用情況的比較研究，從而提供給教師更為精準化、更具針對性的專業發展建議。當前有研究基于SAC方法實現課堂師生互動的自動編碼，統計師生各類語言占比，以量化形式剖析課堂師生語言行為[14];趙明明借助統計人工智能專家系統（SAIES）對課堂對話進行自動轉錄、分類與分析[15]，為基于人工智能技術分析課堂師生語言貢獻了實踐經驗。但目前研究仍多用于區分語言類別，統計各類語言所占時間比例層面，側重切片式的分析，師生語言行為所反映的教育意義，語言特征與行為、情緒特征等之間的關系尚未涉及，這也是未來課堂語言分析研究中需要進一步探尋的問題與方向。

2.課堂行為分析

課堂教學是由一系列教學行為所構成的認知活動，包括學生行為和教師行為。針對學生行為的分析可開展學生的課堂學習狀態的判斷，如認真聽課、側身交談、趴下睡覺等，一方面可及時將識別結果反饋給教師，以便教師進行提醒和針對性輔導，同時分析結果也可作為學生課堂學習的表現性信息納入學生的綜合素質評價體系;另一方面也可結合教師的講解、板書、巡視等教學行為，獲取課堂教學行為的總體特征，幫助教師優化課堂教學活動設置，調動起學生學習積極性，使學生充分參與到課堂教學活動之中，從而提高課堂教學質量。

現有研究中，劉清堂等通過面部識別技術檢驗師生的人臉數目、輪廓數目等面部特征，以此識別解說、示范、板書、媒體演示、提問、點名和巡視等教師行為，以及發言、思考、筆記、作業等學生行為，并繪制出S-T曲線，劃分課堂教學模式類型[16];賈鸝宇等利用面部識別與姿態識別技術完成課堂教學中學生抬頭率與課堂活躍度的評估，實現對學生課堂狀態的分析[17]，均是可開展的課堂行為分析范式與實踐經驗。

3.課堂情感分析

課堂教學的過程既是教師向學生傳授知識的過程，也是師生間情感交互的過程。學生的課堂學習感受與知識掌握均會通過外顯的面部表情及身體姿態予以反饋，例如處于專注、輕松、正向的表情，身體坐直抬頭聽課，反映學生積極地投入到教學活動中，同時知識的掌握并未給學生帶來認知負擔，知識掌握情況較好;處于迷茫、困惑、負面的表情，身體左右傾斜，視線未集中于黑板或書本，則反映學生的課堂參與較弱，所學知識存在認知負擔，知識掌握情況較差。借助人工智能技術可采集學生面部及身體姿態數據，獲取學生情感特征，從而反饋給教師以便及時調整課堂教學內容與教學方法。當前研究中汪亭亭等借助面部識別技術提取學習者的眼部與嘴部特征[18]，阿斯溫（Ashwin T.S.）等借助卷積神經網絡CNN結構基于面部表情、手勢和身體姿勢[19]，識別專注、中性和疲勞三種學習情感狀態。北京師范大學開發的課堂教學效果自動監測原型系統（CAISBNU），利用面部表情識別對學生聽課時的表情進行識別分析，以此評估課堂教學效果[20]。在線教育領域中，柴金煥、付彥飛等[21][22]均基于面部表情、身體動作、語音信息等獲取學習者的情感特征，開展課堂情感分析，為教師針對性地開展指導，為精準全面地反映課堂教學效果提供數據支持。

現有研究成果中多是著眼于課堂中學生的情感狀況，而鮮少對教師課堂情緒展開研究。教師在課堂中的情感狀態一定程度上會影響整體的課堂教學氛圍，教師課堂情緒的把控也是教師課堂教學能力的組成部分。因此嘗試對教師課堂情緒開展分析研究是人工智能賦能課堂教學評價改革的研究方向，是搭建基于人工智能的課堂教學評價體系的重要環節，通過識別分析教師情緒表現種類與時間分布，比較新手教師與熟手教師課堂情緒表現是否存在差異，歸納卓越教師情緒表現特點，以期為教師提高課堂教學能力提供改進方向與依據。

4.課堂教學評價體系

采集多模態課堂教學活動數據，綜合運用多種識別與分析技術，嘗試搭建課堂教學評價體系，實現人工智能技術的自動采集、運算、分析與評估，是人工智能下課堂教學評價應用開發的根本目標。但在當前研究中多是基于單模態數據的分析評估，正如如上所言的課堂語言、行為與情感分析，而基于多模態數據的智能分析，能夠更加全面立體地還原課堂教學，開展課堂教學評價。

當前已有研究嘗試開展課堂教學智能分析，如韓麗等采用多姿態人臉檢測與面部識別技術提取學生頭、眼、唇三部分特征變化，對傾聽、疑惑、理解、抗拒、不屑5種課堂表情進行識別，基于關注度、參與度、疑難度、活躍時間四方面數據評價課堂教學效果[23]。駱祖瑩等基于師生對話文本以及計算機視覺技術（包括表情識別與視線檢測）建立課堂教學自動評價體系[24]。孫眾等通過標記骨骼關鍵點的人體姿態預測算法分析學生課堂行為，采用自然語言理解與大數據處理方法進行教學事件分析與評語分析，開創人機協同下的課堂教學分析新模式[25]。但現有研究多是停留于表面，關注課堂語言、行為、情感的類別、形式與頻次，而較少地探究其深層的內涵、生成原因以及背后的教育意義和價值。教師的課堂語言是施加教學影響的直接途徑，課堂行為是開展高效教學的行動導向，情感狀態是課堂教學氛圍的隱性滲透;學生的課堂語言是其課堂參與的反饋與知識掌握的檢驗，課堂行為是其課堂表現與學習狀態的體現，情感狀態是其課堂學習體會、收獲、感受的情感表達，能夠反映其課堂學習效果。多模態數據共同構成課堂教學的有機總體，嘗試搭建多模態數據下的課堂教學評價機制，探尋數據間的內在關聯，挖掘課堂表現背后的教育意義與價值，應是人工智能賦能課堂教學評價改革的發展路徑與目標追求。

目前已有越來越多的基礎教育學校開始將人工智能引入校園，嘗試開展人工智能下的課堂教學評價。例如杭州十一中學在校園內試行的智慧課堂行為管理系統，通過面部與動作識別，完成課堂的自動考勤，并記錄每名學生在課堂上閱讀、書寫、聽講、起立、舉手和趴桌子6種行為與害怕、高興、反感、難過、驚訝、憤怒和中性7種表情的發生次數，通過計算得到實時的課堂專注度，有助于教師及時對上課走神的學生進行提醒[26]。重慶二十九中利用FaceMind課堂實時表情分析系統實時判斷學生的學習與理解情況。江西省南昌市贛江新區金太陽實驗中學也部署了課堂行為分析系統，通過人工智能技術實現了課堂教學的智慧化評價。伴隨著人工智能與教育愈發深度的交融，對課堂中的語音、圖像、視頻、空間、姿態以及多模態數據進行采集與分析，全方位追蹤課堂軌跡，提取與解析課堂多維度數據，進而實現智能診斷與智能反饋的一體化課堂教學與研究將成為可能[27]，基于多模態數據的智能采集與分析技術還將更廣泛地服務于課堂教學評價實踐，助力課堂教學評價向著高效、精準、智能化的方向變革。

四、人工智能下課堂教學評價的未來展望

（一）探索專業化的評價指標構建

當前人工智能下課堂教學評價的開發和實施仍處于起步階段，算法已趨于成熟但在課堂中的應用仍處于試點研究狀態，難以作為完整的輔助性評價主體納入課堂教學評價體系，評價的專業性受限。因此要嘗試構建專業化的評價指標，使其更針對性地指向課堂教學實踐改進。

一是應探尋量化數據的解讀原則與指導意義。人工智能技術能夠實現對課堂教學中師生表現的過程性量化信息的采集與分析，但對數據的分析解讀以及其如何更加有效地指導教學實踐方面仍有所欠缺。對收集的量化數據的分析與評估應指向遵循教育學與心理學所要求教學規律;應指向教師課堂教學水平的提升和學生全面發展核心素養的培養;應加強對收集數據指導意義的思考與研究，使其更直觀、清晰地向師生還原課堂行為表現，從而更有針對性地指導課堂教學改進。

二是應考慮不同類型與學科課堂教學評價側重。當前研究多是針對不同課堂的共性指標開展分析，如分析教師的語言與行為類型及其比重，監測學生課堂中的注意力、活躍度、情緒狀態等。不同類型課堂有各異的課堂特征與教學開展方式，如新授課強調學生對新知識的習得和理解，習題課更強調學生對知識的運用等[28]。不同類型課堂的教學目的、內容和要求不同，其所關注的課堂表現也存在差異，因此要探索專業化的課堂教學評價指標，考慮課型差異性，設計相應的觀測指標與算法。不同學科有維度多樣，層次不一的學科核心素養培養要求，僅依靠課堂教學的共性特征設計指標只能評價教師教學的基本規范，而無法使評價深入學科，專業性不足且難以得到教師認可[29]。人工智能下的課堂教學評價應充分發揮其大數據采集與處理的技術優勢，針對不同學科特征和發展要求，開發具有學科特征的課堂教學評價指標，為智慧課堂教學評價的開展提供學科針對性的實施方案。

（二）加強個性化的教師行為反饋

當前利用人工智能技術開展課堂教學評價多著眼于學生課堂學習行為，重在利用智能化手段輔助教師完成對學生學習狀態的監控，以便及時調整教學內容、改進教學方法，而鮮少將焦點放在課堂教學中的教師行為上。故應嘗試利用人工智能技術對教師課堂教學中的行為進行識別，加強個性化的教師課堂行為反饋。

一方面開展教師課堂姿態的識別與反饋。構建良好的課堂師生關系、營造積極的課堂教學氛圍是開展高質量教學的前提。教師作為課堂教學活動的組織者，抬手舉足間都會對學生行為與情感起到示范、引導作用。例如教師授課時雙臂交叉于胸前給人以強勢的感受，雙手背后給人以高高在上的感受，用單個手指指向學生給人以不尊重的感受等等。研究可嘗試基于人體姿態識別技術判斷教師課堂教學過程中的身體形態與手勢動作，幫助教師認識到自己不易察覺的身體姿態。特別是對于教學經驗不足的新手教師，基于直觀的人工智能反饋結果，及時糾正不恰當的課堂教態，有助于構建良好的課堂師生關系，促進課堂教學的高質量開展，助推新手教師的快速成長[30]。

另一方面開展教師教學能力的觀測與評價。例如通過表情與語音語調識別判斷課堂的情感態度與互動氛圍;通過語音識別統計師生發言動態比率以獲取課堂教學結構與活動安排情況;通過對教師課堂站位的識別判斷教師對學生的輔導情況;通過表情識別掌握教師的課堂把控能力以及突發事件的處理能力等等。更多地將關注點投向教師，嘗試開展教師個性化課堂教學行為的識別、分析與評價，為幫助教師提高教學能力提供可觀測的手段與平臺，為教師教學能力評價提供個性化、針對性的量化數據支持，助力教師的專業化發展[31]。

（三）著眼發展性的未來教育挑戰

人工智能在賦予教育新的發展動力，促使教育朝著智能化方向變革的同時，也將對未來教育開展帶來新的挑戰。要在認清變化、規避風險的基礎上積極探索人工智能賦予課堂教學評價新的可能。

一是明晰教師角色變革。開展人工智能下的課堂教學評價可使人工智能作為新的評價主體，代替教師完成對學生課堂活躍度、參與度、知識掌握情況等學習信息的自動評價，還可為學生匹配個性化的學習任務，但這并不意味著教師角色將被人工智能所替代。教師要“樹人”，“立德”是根本。課堂教學既是向學生傳遞知識的過程，同時也是育人的過程，學生在學習過程中的情感需求以及教師的榜樣作用等教育因素是虛擬教師無法代替的。要明晰人工智能時代教師角色的新定位，把握教師工作的新變化，迎接人工智能輔助下教師行動的新挑戰。利用人工智能代替教師完成部分教學與管理工作，可使教師將更多的精力投入創造性的工作中，促使教師教學模式完成從知識傳授向知識建構的轉變。

二是注重隱私數據保護。開展人工智能下的課堂教學評價意味著教師與學生在課堂教學全過程的表情、語言、動作等信息都被如實記錄，面臨著個人隱私被侵犯的爭議。人工智能在教育領域的應用正處于起步階段，其在數據采集、運算、分析等方面已展現出其強大優勢，其對于提高課堂教學評價的全面性、綜合性是一次有益的嘗試與突破。利用人工智能進行課堂教學數據的采集要在規避風險的前提下審慎開展，采集數據前應充分告知被采集的學生及教師，同時規范對數據的合理使用與安全存儲，做好隱私的保護工作，在確保信息安全的前提下，探索人工智能為課堂教學評價帶來的新的變革。