人工智能視覺分析技術在課堂教學評價中的應用探析

顏慧

關鍵詞：課堂教學評價；人工智能；計算機視覺分析技術；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新與改革、持續改進課堂教學質量。

高校課堂教學評價主要涵蓋了評價的目的、評價的主體、評價內容、后續改進措施等方面。進行課堂教學評價是為了掌握教師上課的真實情況、課堂教學各環節的實際進展情況，對教師的課堂教學質量進行評價打分，評價的結果用于促進教師教學水平提高、促進教學改革、作為教師評優晉級的依據等。課堂教學評價的內容一般從教師的教學儀態、教學環節的設計及實施、教學的內容是否完整、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、理解度等表現來評價本堂課的教學質量。

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據，數據獲取來源較為單一；而且難以獲取準確的數據，例如課堂上學生的抬頭率，單憑觀察很難去記錄和統計這些數據；并且評價結果往往帶有一定的主觀性，主要根據評價人的感受去進行評價，評價結果不夠客觀和科學，評價結果的反饋也不夠及時。綜上所述，傳統的課堂教學評價方法還存在一定的不足之處。

在傳統的課堂教學評價方法中存在主觀性、隨意性較強、評價數據來源單一、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，積極探索如何結合人工智能等新技術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在各行各業得到了快速的發展和廣泛的應用，人臉檢測、人臉識別等技術已相對成熟。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據，借助計算機視覺分析技術來輔助課堂教學評價，不但可以使得課堂評價數據的來源、評價方式更加多元化，而且能夠更加準確、及時地記錄課堂數據，迅速地提供課堂教學評價結果的反饋。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 計算機視覺技術在課堂教學評價中的現狀研究

國內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注的重點和熱點。在知網上通過“課堂教學評價”“課堂評價”等關鍵字進行搜索，可搜索到許多相關的文獻，并且文獻數量逐年增多，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狀進行了調研，分析了目前高校課堂評價中存在的一些問題及其原因，并提出了如何重構課堂教學評價體系的建議[2]；劉洪分析了現有課堂教學評價的不足，并構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量評價標準的組成因素進行了分析，并基于AHP構建了線上課堂教學質量評價體系[4]。以上這些研究主要聚焦在分析傳統的課堂教學中課堂教學評價存在的問題，并提出了重構課堂教學評價體系的思路。

人工智能技術研究計算機如何模擬人的智能的一門新興的技術科學，計算機視覺屬于人工智能中的一個研究方向。計算機視覺技術是研究如何使得計算機能夠模擬人類視覺的技術，使得計算機能像人一樣能“看到”現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的高速發展，將人工智能、計算機視覺技術應用于課堂教學評價順應了時代發展的趨勢和要求。

目前已有部分學者對基于人工智能技術的課堂教學評價的理論及實現進行了研究。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展性課堂教學評價中的定位和實現路徑進行了研究[6]；許世紅等人研究了基于人工智能技術的智慧課堂評價的理論、基本框架和實現技術[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架構，對課堂教學中的聲音數據、姿態數據、面部數據、生理信號等數據使用人工智能技術進行處理，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構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應用于課堂教學評價，提出了相應的框架及實現技術，涉及聲音、視頻、文本等多模態數據的分析和處理。

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提取人體骨架信息，實現了對學生行為的自動識別[13]；汪亭亭、韓麗等實現了基于面部表情對學習疲勞的自動識別[14-15]；倪童等實現了課堂抬頭率的檢測算法[16]；陳杰利用計算機視覺技術實現了對學生進行人臉檢測、姿態識別、表情檢測[17]；賈鸝宇等人使用計算機視覺技術實現了學生課堂狀態的檢測和分析[18]；劉新運等人使用YOLO算法實現了對課堂學生行為的檢測[19]；孫發勤等人使用計算機視覺技術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對于視頻數據分析的結果，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 計算機視覺相關技術分析

計算機視覺技術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容的一門技術。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，使用邊界框將檢測到的目標框起來，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。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，預測后續圖像中目標的位置。在以上任務中，與課堂教學活動相關的計算機視覺技術包括人臉檢測、人臉識別、人體姿態估計、表情識別等。

人臉檢測算法是根據輸入的圖片，在圖片中檢測人臉的位置，并使用邊界框將檢測到的人臉框起來。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、基于統計的人臉檢測等。通過人臉檢測相關的算法，可以識別圖像中人臉的大小和位置。通過人臉檢測技術，可以在課堂教學視頻中識別到每一幀中的人臉，從而可以統計出課堂出勤的學生人數。

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。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。

人體姿態估計是從圖片中抽取出人體關鍵點的特征，識別出人體關鍵點（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，如高興、生氣、悲傷、恐懼、厭惡等情緒。微表情比表情持續時間更短，一般認為更能真實體現人的情緒。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建

借助于計算機視覺技術中的各種算法，如人臉檢測算法、人臉識別算法、頭部姿態識別算法、表情識別算法等，構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輔助課堂教學評價在技術上是可行的。只要通過攝像頭獲取到視頻數據，就可以通過計算機視覺技術，對視頻數據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，這些評價結果是通過計算機計算得到的，得到的評價結果也比較客觀，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，可以實現課堂學生出勤總人數的自動統計，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

通過頭部姿態識別算法，可以專注于對視頻中學生的頭部姿態進行識別，例如識別學生的頭部姿態是抬頭、低頭、扭頭還是埋頭等，一方面可以根據學生是否抬頭，可以檢測并統計出課堂的抬頭率；另一方面，可以根據學生的頭部姿態，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，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也可以體現出來。通過人體姿態識別算法，對視頻中學生的人體姿態進行識別，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 結束語

通過研究計算機視覺分析技術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量的方法和手段，既能擴充課堂教學評價數據的來源，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，能自動統計學生的抬頭率、分析學生的專注度和對于課堂的接受度，通過客觀的數據分析，為評價教師和學生的課堂表現提供了科學依據；通過計算機視覺分析技術，能快速分析課堂相關的數據，及時反饋課堂評價結果，充分發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在高校教學中的應用、信息技術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。