人工智能視覺分析技術(shù)在課堂教學評價中的應用探析

顏慧

關(guān)鍵詞：課堂教學評價；人工智能；計算機視覺分析技術(shù)；形成性評價

1 引言

課堂是教育教學的第一陣地，課堂教學評價是評估教學質(zhì)量的重要方法和手段。通過課堂教學評價，不但可以對課堂教學質(zhì)量進行審視與評定，教師還可以通過課堂教學評價接受正向的教學反饋，從而促進教育教學理念的創(chuàng)新與改革、持續(xù)改進課堂教學質(zhì)量。

高校課堂教學評價主要涵蓋了評價的目的、評價的主體、評價內(nèi)容、后續(xù)改進措施等方面。進行課堂教學評價是為了掌握教師上課的真實情況、課堂教學各環(huán)節(jié)的實際進展情況，對教師的課堂教學質(zhì)量進行評價打分，評價的結(jié)果用于促進教師教學水平提高、促進教學改革、作為教師評優(yōu)晉級的依據(jù)等。課堂教學評價的內(nèi)容一般從教師的教學儀態(tài)、教學環(huán)節(jié)的設計及實施、教學的內(nèi)容是否完整、課堂紀律、學生的學習參與度等方面進行評價。課堂教學評價的主體包括專門的督導、普通教師和上課的學生等。

在傳統(tǒng)的課堂教學中，課堂教學評價主要是通過手工的方式進行評價，評價的主體是人。學校督導、專業(yè)教師、上課學生等都參與課堂教學評價中。評價的方法主要是評價人參與課堂教學，在課堂上通過觀察、聆聽、提問、座談等多種方式獲取對課堂教學質(zhì)量的主觀感受。例如，通過課堂點名來記錄考勤，通過學生的到課率來評價這門課對學生的吸引力；聽課人通過觀察課堂上教師的表現(xiàn)來評價教師的教學水平；聽課人通過觀察課堂上學生的專注度、理解度等表現(xiàn)來評價本堂課的教學質(zhì)量。

以人為主體對課堂教學進行評價時，主要是憑借人的觀察、提問等活動來得到課堂教學評價的數(shù)據(jù)，數(shù)據(jù)獲取來源較為單一；而且難以獲取準確的數(shù)據(jù)，例如課堂上學生的抬頭率，單憑觀察很難去記錄和統(tǒng)計這些數(shù)據(jù)；并且評價結(jié)果往往帶有一定的主觀性，主要根據(jù)評價人的感受去進行評價，評價結(jié)果不夠客觀和科學，評價結(jié)果的反饋也不夠及時。綜上所述，傳統(tǒng)的課堂教學評價方法還存在一定的不足之處。

在傳統(tǒng)的課堂教學評價方法中存在主觀性、隨意性較強、評價數(shù)據(jù)來源單一、評價反饋實時性不強等問題，如何對課堂教學評價體系進行改革，促進課堂教學評價向形成性評價、多元化評價發(fā)展，形成反饋及時、科學、客觀的評價體系。2020年，國家出臺了在新時代進行深化教育評價改革的相關(guān)文件，在文件中提出了要使用新的評價方式和評價工具，積極探索如何結(jié)合人工智能等新技術(shù)進行科學評價的方法和路徑。

目前，人工智能包括計算機視覺技術(shù)在各行各業(yè)得到了快速的發(fā)展和廣泛的應用，人臉檢測、人臉識別等技術(shù)已相對成熟。而且在各學校的教室中，基本上都安裝了攝像頭等設備，如果能夠利用攝像頭中采集的視頻數(shù)據(jù)，借助計算機視覺分析技術(shù)來輔助課堂教學評價，不但可以使得課堂評價數(shù)據(jù)的來源、評價方式更加多元化，而且能夠更加準確、及時地記錄課堂數(shù)據(jù)，迅速地提供課堂教學評價結(jié)果的反饋。使用計算機輔助人進行課堂教學評價，也能在一定程度上節(jié)省在課堂評價上所花費的人力、物力和時間等成本，也能更加及時、迅速地提供課堂教學反饋，從而更好地發(fā)揮課堂教學評價的引導、診斷、改進等作用。

因此，深入研究如何將人工智能視覺分析技術(shù)用于課堂教學評價，建立科學的評價指標，及時、迅速地提供課堂教學反饋，從而更好地發(fā)揮課堂教學評價的引導、診斷、改進等作用。

2 計算機視覺技術(shù)在課堂教學評價中的現(xiàn)狀研究

國內(nèi)外教育界對于課堂教學評價的研究較多，課堂教學評價一直是教育界關(guān)注的重點和熱點。在知網(wǎng)上通過“課堂教學評價”“課堂評價”等關(guān)鍵字進行搜索，可搜索到許多相關(guān)的文獻，并且文獻數(shù)量逐年增多，如圖1所示。

羅祖等人從總體上對70多年來課堂教學評價標準進行了回顧和展望[1]；王春楊等人對我國高校課堂教學評價的現(xiàn)狀進行了調(diào)研，分析了目前高校課堂評價中存在的一些問題及其原因，并提出了如何重構(gòu)課堂教學評價體系的建議[2]；劉洪分析了現(xiàn)有課堂教學評價的不足，并構(gòu)建了面向金課打造課堂教學評價體系[3]；吳軍等人對線上課堂教學質(zhì)量評價標準的組成因素進行了分析，并基于AHP構(gòu)建了線上課堂教學質(zhì)量評價體系[4]。以上這些研究主要聚焦在分析傳統(tǒng)的課堂教學中課堂教學評價存在的問題，并提出了重構(gòu)課堂教學評價體系的思路。

人工智能技術(shù)研究計算機如何模擬人的智能的一門新興的技術(shù)科學，計算機視覺屬于人工智能中的一個研究方向。計算機視覺技術(shù)是研究如何使得計算機能夠模擬人類視覺的技術(shù)，使得計算機能像人一樣能“看到”現(xiàn)實世界中的物體并識別出物體的類別。隨著新一代信息技術(shù)的高速發(fā)展，將人工智能、計算機視覺技術(shù)應用于課堂教學評價順應了時代發(fā)展的趨勢和要求。

目前已有部分學者對基于人工智能技術(shù)的課堂教學評價的理論及實現(xiàn)進行了研究。楊曉哲等人提出了教育人工智能應用于課堂教學評價的場景[5]；未華倩等人對于人工智能在發(fā)展性課堂教學評價中的定位和實現(xiàn)路徑進行了研究[6]；許世紅等人研究了基于人工智能技術(shù)的智慧課堂評價的理論、基本框架和實現(xiàn)技術(shù)[7]；吳立寶等人則具體設計了人工智能下課堂教學評價的系統(tǒng)架構(gòu)，對課堂教學中的聲音數(shù)據(jù)、姿態(tài)數(shù)據(jù)、面部數(shù)據(jù)、生理信號等數(shù)據(jù)使用人工智能技術(shù)進行處理，搭建了課堂教學評價體系[8]；駱祖瑩等人基于師生對話文本和計算機視覺技術(shù)構(gòu)建了課堂教學自動評價體系[9]；還有部分學者使用多種人工智能技術(shù)對課堂教學行為進行了分析[10-12]。以上文獻都是研究如何把人工智能技術(shù)應用于課堂教學評價，提出了相應的框架及實現(xiàn)技術(shù)，涉及聲音、視頻、文本等多模態(tài)數(shù)據(jù)的分析和處理。

還有學者專門針對如何利用計算機視覺技術(shù)進行課堂上學生的行為檢測進行了研究。徐家臻等通過計算機視覺技術(shù)提取人體骨架信息，實現(xiàn)了對學生行為的自動識別[13]；汪亭亭、韓麗等實現(xiàn)了基于面部表情對學習疲勞的自動識別[14-15]；倪童等實現(xiàn)了課堂抬頭率的檢測算法[16]；陳杰利用計算機視覺技術(shù)實現(xiàn)了對學生進行人臉檢測、姿態(tài)識別、表情檢測[17]；賈鸝宇等人使用計算機視覺技術(shù)實現(xiàn)了學生課堂狀態(tài)的檢測和分析[18]；劉新運等人使用YOLO算法實現(xiàn)了對課堂學生行為的檢測[19]；孫發(fā)勤等人使用計算機視覺技術(shù)對課堂教學中學生的情感進行了檢測和分析[20]。目前，對于將計算機視覺技術(shù)用于課堂教學評價的研究目前仍然處于起步階段，如何合理利用計算機視覺技術(shù)對于視頻數(shù)據(jù)分析的結(jié)果，如何建立基于計算機的科學的課堂教學評價模型，仍然需要進一步的研究和探討。

3 計算機視覺相關(guān)技術(shù)分析

計算機視覺技術(shù)是研究如何讓計算機像人類一樣去“看”并試圖去理解所看到的內(nèi)容的一門技術(shù)。目前計算機視覺主流的任務可以分為對圖像進行分類、識別圖像中的物體、對圖像中的物體進行分割等、預測物體在圖像序列中的位置等。圖像分類是對給定的輸入圖片，通過計算機視覺算法類識別該張圖片中主體部分所屬的類別。目標檢測是對圖片中的目標進行定位和分類，使用邊界框?qū)z測到的目標框起來，并給出對應類別的標注。目標識別是指在圖片中識別出特定目標的技術(shù)。分割又分為語義分割和實例分割等。語義分割是在像素級別上將具有相同類別的對象劃分出來，實例分割是在像素級別上將每個對象單獨劃分出來。目標跟蹤是在一個圖像序列中，給定目標的初始位置，預測后續(xù)圖像中目標的位置。在以上任務中，與課堂教學活動相關(guān)的計算機視覺技術(shù)包括人臉檢測、人臉識別、人體姿態(tài)估計、表情識別等。

人臉檢測算法是根據(jù)輸入的圖片，在圖片中檢測人臉的位置，并使用邊界框?qū)z測到的人臉框起來。人臉檢測算法屬于目標檢測的子類別，目前已有多種專門用于在圖片或視頻中識別人臉的算法。如基于特征的人臉檢測、基于模板匹配的人臉檢測、基于統(tǒng)計的人臉檢測等。通過人臉檢測相關(guān)的算法，可以識別圖像中人臉的大小和位置。通過人臉檢測技術(shù)，可以在課堂教學視頻中識別到每一幀中的人臉，從而可以統(tǒng)計出課堂出勤的學生人數(shù)。

人臉識別是在圖片或者視頻中識別出對應的人的身份信息的一種技術(shù)。通過對人臉圖像進行預先采集及預處理，提取出人臉圖像中的特征，與攝像頭采集到的人臉圖像特征進行匹配，從而識別出該人臉屬于哪一個用戶。

人體姿態(tài)估計是從圖片中抽取出人體關(guān)鍵點的特征，識別出人體關(guān)鍵點（如頭部，脖子，肩膀，手，腳等部位）的位置，從而可以對人體的動作行為進行識別和分類，如識別人體行走、站立、坐、低頭、舉手等行為。

表情識別是從圖片中抽取出表情特征，對人的表情進行分類，從而識別出人當前的情緒及心理狀態(tài)，如高興、生氣、悲傷、恐懼、厭惡等情緒。微表情比表情持續(xù)時間更短，一般認為更能真實體現(xiàn)人的情緒。通過微表情識別，能更加真實地反映出人的真實心理活動。

4 基于計算機視覺的課堂評價指標構(gòu)建

借助于計算機視覺技術(shù)中的各種算法，如人臉檢測算法、人臉識別算法、頭部姿態(tài)識別算法、表情識別算法等，構(gòu)建各類課堂教學評價指標，如出勤率、專注度、抬頭率、接受度等，用于自動評價課堂教學。這些技術(shù)中有很多算法都達到了較高的性能，可以應用于實際項目，因此，使用計算機視覺技術(shù)輔助課堂教學評價在技術(shù)上是可行的。只要通過攝像頭獲取到視頻數(shù)據(jù)，就可以通過計算機視覺技術(shù)，對視頻數(shù)據(jù)進行進一步的分析和處理，得到各類課堂教學評價指標的值，形成課堂教學的自動化評價，這些評價結(jié)果是通過計算機計算得到的，得到的評價結(jié)果也比較客觀，而且反饋及時、迅速，可以作為整體課堂教學評價中有益的補充。

4.1 出勤率

傳統(tǒng)課堂教學中，教師主要通過點名的方式去對學生進行人工考勤。通過目標檢測算法去檢測視頻中的人臉，可以實現(xiàn)課堂學生出勤總?cè)藬?shù)的自動統(tǒng)計，從而可以計算出總體出勤率。通過人臉識別算法，對視頻中出現(xiàn)的人臉進行識別，可以識別出特定的學生是否出勤，從而實現(xiàn)了自動進行課堂中學生個人上課考勤。

4.2 抬頭率

通過頭部姿態(tài)識別算法，可以專注于對視頻中學生的頭部姿態(tài)進行識別，例如識別學生的頭部姿態(tài)是抬頭、低頭、扭頭還是埋頭等，一方面可以根據(jù)學生是否抬頭，可以檢測并統(tǒng)計出課堂的抬頭率；另一方面，可以根據(jù)學生的頭部姿態(tài)，判斷學生是否專心聽課，課堂抬頭率是評價學生課堂專注度的一個指標。在課堂教學時，可以按照一定的時間間隔對視頻進行采樣，統(tǒng)計在某一時刻班級學生的抬頭率，再將整堂課上的抬頭率求平均，得到本堂課的平均抬頭率。

4.3 接受度

人的表情能在較大程度上體現(xiàn)人的情感。學生在上課時自然流露的各種表情，可以在一定程度上反映出學生當前的一個情感狀態(tài)，從而判斷學生對課堂講授知識是否感興趣、是否理解、是否專心等。通過表情識別算法，對視頻中學生的微表情進行識別，并進行情感分析，就可以判斷學生對于課堂知識的接受程度。

4.4 專注度

學生在課堂中是否專心學習，通過學生的身體姿態(tài)也可以體現(xiàn)出來。通過人體姿態(tài)識別算法，對視頻中學生的人體姿態(tài)進行識別，就可以判斷出學生當前在從事什么樣的活動，如記筆記、聽課、玩手機、睡覺等。通過對某一時刻的全體學生的活動進行識別，統(tǒng)計出全班學生聽課的比例，從而得到全班學生在整體上對于學習的專注程度。在整堂課程中，按照一定的時間頻率計算整體專注度，再求平均，則可以得到整堂課程的平均專注度，可用于評價在該堂課中，學生整體上是否專注于學習，專注于學習的學生比例有多大。

5 結(jié)束語

通過研究計算機視覺分析技術(shù)在課堂教學評價中的應用，探討了一種新的用于評價課堂教學質(zhì)量的方法和手段，既能擴充課堂教學評價數(shù)據(jù)的來源，又使得課堂教學評價的方法更加多元化。通過計算機視覺的分析技術(shù)，能自動統(tǒng)計學生的抬頭率、分析學生的專注度和對于課堂的接受度，通過客觀的數(shù)據(jù)分析，為評價教師和學生的課堂表現(xiàn)提供了科學依據(jù)；通過計算機視覺分析技術(shù)，能快速分析課堂相關(guān)的數(shù)據(jù)，及時反饋課堂評價結(jié)果，充分發(fā)揮課堂教學評價對于促進教與學的積極作用。通過研究計算機視覺技術(shù)在課堂教學評價中的應用，積極探索了人工智能等新一代信息技術(shù)在高校教學中的應用、信息技術(shù)與教學的深度融合的方式和路徑，為將來推廣新的課堂教學評價方法和手段打下基礎(chǔ)。