傳統(tǒng)課堂教學評價往往效率低下,并帶有較強的主觀性。本文針對傳統(tǒng)課堂評價中存在的不足,結(jié)合深度學習技術(shù),在CNN模型基礎(chǔ)上建立起適合課堂場景的人臉檢測和表情識別模型,得到比較準確的人臉特征,接著使用樸素貝葉斯分類器對得到的人臉特征進行分類和評價,然后研究面部特征與課堂質(zhì)量之間的關(guān)系,最后建立起基于人臉檢測和表情識別的課堂評價規(guī)則。實驗數(shù)據(jù)表明,本研究可以作為課堂教學評價的重要參考指標。 

【文章來源】：山東商業(yè)職業(yè)技術(shù)學院學報. 2020年02期 第100-104頁

【文章頁數(shù)】：5 頁

【部分圖文】：

基于聯(lián)級CNN模型的人臉檢測步驟

模型優(yōu)化效果圖

實驗時長約40分鐘,拍攝設(shè)備為一般手機后置攝像頭,得到視頻的格式為MP4,幀率30FPS。對視頻檢測和計算的速率為2次/秒,40分鐘共檢測和計算了約1200次,對40分鐘內(nèi)班級整體抬頭聽課率進行檢測和分析,結(jié)果如圖3所示:對圖4的數(shù)據(jù)每隔10分鐘對抬頭聽課率進行求平均計算,可以得出以下結(jié)果:班級抬頭聽課率隨課堂時間而變化,課堂前十分鐘的抬頭聽課率為0.55,班級活躍度為一般,10至20分鐘抬頭聽課率為0.62,活躍度為良好,20至30分鐘,抬頭率為0.73,活躍度為優(yōu)秀,30分鐘以后,抬頭率為0.41,活躍度為差。結(jié)果表明,學生的活躍度在10到30分鐘之間是最好的,超過30分鐘,活躍度急劇下降。這也與相關(guān)研究中人的注意力保持時間規(guī)律相吻合。因此,相關(guān)教師在組織課堂教學時,盡量把重點的教學內(nèi)容放在10到30分鐘這個時間段進行講解,30分鐘以后,盡量不要講解重點和難點。


本文編號：2900389