基于數智技術的教育教學評價研究

王理想 石琳 廖永紅

（1.廣東輕工職業技術學院信息化建設中心 廣東省廣州市 510000 2.先烈東小學 廣東省廣州市 510000）

教育質量是高校教育改革持續的主題，隨著2020年兩會確定擴招200萬高職生及教育部關于本科層次職業教育的意見，高等教育整體結構將迎來一次大的變革，高等教育規模、數量、層次都將得到大幅提升，同時教育質量的提升顯得更加重要。

教育部《教育信息化2.0行動計劃》明確了下一階段教育信息化建設的目標與任務，結合互聯網思維，利用大數據、人工智能技術提升院校教學質量、管理能力已成為教育改革發展的新時代主題。國務院印發的《新一代人工智能發展規劃》提出了智能教育應利用智能技術加快推動人才培養模式、教學方法改革，構建包含智能學習、交互式學習的新型教育體系，開發立體綜合教學場、基于大數據智能的在線學習教育平臺，開發智能教育助理，建立智能、快速、全面的教育分析系統[1][2][3]，均是提升教育質量的途徑，并為教育質量評價、教學改革等提供重要支撐。

1 數字化平臺基本框架

教育數字化平臺主要包括數據采集和數據管理，通過Token、ETL、API、DB等接口提供數據服務。其中教學過程數據采集是數據采集的難點，通過人工智能平臺實現教學過程數據的結構化存儲，利用語音識別、圖像識別、深度學習、語義分析等人工智能技術對教學過程（線上/線下、語音、視頻、交互、PPT、作業、簽到）數字化，并作為教學過程數據域的數據存入數據中臺，為教育質量評價、教學改革等提供重要數據支撐，為課堂思政隱患、人臉簽到提供實時反饋的技術能力。

1.1 教育數據采集平臺

圖1：教學數據采集

圖2：教學質量評價模型應用

基于Hadoop體系組件搭建數據采集平臺，采集全量數據，利用Hadoop生態組件Mahout、MapReduce、Spark等數據挖掘工具及數據模型構建校園用戶、行為畫像庫，提供教育大數據分析，開發課堂學生活躍度分析、思政隱患實時排查、教學過程質量評價、教學結果評價、社會需求契合度評價等。教學數據采集如圖1所示。

數據平臺采集五類數據：

（1）教學過程數據：教學語音、無感簽到、瞌睡人數、玩手機人數、師生交互次數、課程關鍵字、臟話次數、反動言論內容及次數；

（2）教學結果數據：成績、圖書借閱、教學金、競賽獲獎、區域時間；

（3）社會需求契合度：社會招聘網站專業需求、專業薪資、專業崗位數量；

（4）學生網絡行為數據：上網位置、時間、內容、行為；

（5）智慧校園業務系統數據：個人信息、一卡通等；

（6）業務系統數據。

教學數據：利用人工智能技術對教學過程進行行為識別與分析、課堂交互行為識別與分析、課堂活躍度分析、課堂專注度分析、課堂內容分析、課堂考勤分析，綜合形成課堂教學的結構化數據。

網絡數據：利用網絡日志采集平臺，通過SNMP、syslog、telnet、ftp等協議采集設備日志，并獲取AAA認證計費系統，上網行為審計系統數據分析出用戶接入的網絡位置、時間、內容、行為等。

社會數據：抓取互聯網上招聘網站的招聘數據，崗位需求等數據，用于專業分析、教學改革分析。

業務數據：通過智慧校園數據中臺獲取業務系統數據，包括個人基本信息、校園一卡通消費信息、校園出入信息等。

基于教育數字化平臺構建學生學習畫像、班級學習畫像、專業學習畫像等，設計教育質量綜合評價模型，利用模型，并基于平臺各類數據客觀、真實、在線實時反映教師教學質量。

1.2 教學過程數據采集轉換

數據采集平臺調用人工智能技術，對視頻進行采集、分析、管理，納管智慧課室、VR實訓室、智能車間等教學場地，在線實時獲取教育數據（視頻、音頻、成果），結合智慧教育模型對教學過程進行數字抽象，構建教學過程數據體系，為智慧教育質量分析、應用開發提供豐富數據支撐。如實時獲取智慧課室數據（視頻、語音、考勤），在線實時觀看智慧課室教學過程，實現線下課程線上化，并基于語音識別、圖像識別、深度學習、語義分析技術，結合教學模型，對教學過程進行數字抽象（如手勢、姿態，交互次數、專注度、玩手機、回答問題、說話分心、授課內容、思政隱患）構建教育數據，實現教育過程數字化展示。面向教育場景設計對應的聲學模型和語言模型。基于CNN-CTC、GRU-CTC、CNN-RNN-CTC聲學模型和transformer、CBHG語言模型，開發教育語音識別程序，并結合實際課室場景進行數據集訓練。教學視頻識別著重對師生交互、學生睡覺、學生玩手機、學生考勤進行識別，可達到高識別準確度和識別速度，實現準確的數據分析。

2 教育評價應用

2.1 教育質量評價

教育質量可以從多個方面體現，如教學水平的高低、教學結果的優劣、社會需要契合度等方面。其中教學水平的高低主要體現在教學過程的質量，對教學過程進行數字化抽象，構建教學過程數據體系；教學結果的優劣主要體現學生的學習能力提升，主要包括課程成績、圖書借閱、獎學金、競賽獲獎等數據；社會需求契合度表現在社會需要專業涉及的課程在院校開設專業的占比；網絡日志可以體現學生通過網絡進行學習、游戲、電影視頻等的時長，結合四方面的數據構建教育質量數字模型，提供客觀的評價指標，形成標準的教育質量評價體系。

采用Restful API成熟度模型設計教育質量評價開放平臺API接口，重點考慮接口的兼容性、抽象性、簡單性及高性能，設計標準API接口便于師生基于平臺數據開發教育智能應用，從多方面進行教育的評價和展示。

2.2 教育質量智能評價開放平臺

基于人工智能+教育數據構建教學質量分析模型，開發智能應用，如基于教學過程數據可快速發現教學過程出現的思政問題，做到及時發現快速處理。基于平臺數據可進行智能考勤、課堂分析、課堂個人行為識別與分析、課堂交互行為識別與分析、課堂活躍度分析、課堂專注度分析、課堂內容分析、課堂考勤分析，綜合形成學生、教師、學校三級課堂教學智能評價體系，對教學質量，學習質量，課堂質量進行評估，更好的促進教學質量提升、開發智慧教學方法；基于平臺數據構建學生、教師、專業等多維度教學畫像，形象展示學生學習質量、教師教學質量，便于師生進行自我評估。

教育質量智能評價平臺是一個開放平臺，向師生開放數據（隱私數據模糊化處理），提供標準API接口，師生均可使用平臺數據進行構建畫像、數據分析、智能應用開發等方面的研究，充分挖掘數據潛能，發揮平臺價值，極大調動全校師生參與智慧校園建設，為學校發展貢獻力量，促進高等教育發展。教學質量評價模型應用如圖2所示。

3 結束語

教育質量是高校教育改革持續的主題，通過構建基于數字技術的高等教育評價模型，建立統一標準的數字化教育評價體系，構建教育質量檢測平臺，利用人工智能技術采集教學過程數據，實現教學過程數字化，并集成教學評價、教學成果、學生學習等數據，形成全量的教育數據，進而利用大數據技術挖掘數據價值，構建教育質量數字模型，提供各種客觀智能的教育評價模型，形成高等教育智能化評價體系，實現以評促教、以評促學。