隨著人工智能技術(shù)的快速發(fā)展及課堂教學(xué)環(huán)境的改變,使課堂教學(xué)行為的深度分析成為可能。該文在對(duì)人工智能技術(shù)的教育應(yīng)用現(xiàn)狀及課堂教學(xué)行為分析方法的發(fā)展脈絡(luò)進(jìn)行梳理的基礎(chǔ)上,構(gòu)建了以"數(shù)據(jù)采集與存儲(chǔ)""行為建模與計(jì)算"和"智能服務(wù)"三個(gè)功能模塊為核心的課堂教學(xué)行為智能分析模型,并以課堂S-T行為分析為例驗(yàn)證該分析模型的有效性。將實(shí)驗(yàn)成果應(yīng)用于教學(xué)實(shí)踐中,得到了教師們的認(rèn)可,實(shí)驗(yàn)成果能為教師的教學(xué)反思、教師的專(zhuān)業(yè)發(fā)展及教學(xué)管理提供支持。根據(jù)教師在應(yīng)用過(guò)程中所反饋的意見(jiàn),還提出了具有針對(duì)性的行為識(shí)別模型優(yōu)化策略。研究成果能為基于人工智能技術(shù)的課堂教學(xué)行為分析研究提供一些借鑒,也能為課堂教學(xué)行為的改善、教師的專(zhuān)業(yè)發(fā)展以及教學(xué)質(zhì)量的提升提供一定的支持。 

【文章來(lái)源】：中國(guó)電化教育. 2019,(09)北大核心CSSCI

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

課堂教學(xué)行為智能分析模型

。人臉檢測(cè)需要提取人臉特征，OpenCV提供了HOG、Haar、LBP等多種特征提取技術(shù)。本研究采用OpenCV自帶的人臉檢測(cè)器，通過(guò)在訓(xùn)練集中進(jìn)行實(shí)驗(yàn)對(duì)比，Haar人臉檢測(cè)器獲得了較高準(zhǔn)確率，得以在本研究中使用。(2)通過(guò)輪廓檢測(cè)獲取圖像中輪廓數(shù)目及最大輪廓面積。輪廓檢測(cè)是從圖像中找出顯著性物體并提取物體輪廓。通過(guò)對(duì)樣本圖像進(jìn)行分析后發(fā)現(xiàn)，教師行為狀態(tài)圖像背景較為簡(jiǎn)單，輪廓數(shù)目較少，輪廓面積較大且清晰。因此，可將輪廓檢測(cè)結(jié)果(輪廓數(shù)目和面積)作為S-T行為類(lèi)型判定的因素之一。本研究中圖像輪廓檢測(cè)的步驟如圖2所示，首先采用中值濾波對(duì)原始圖像進(jìn)行降噪、去噪，得到較為平滑的圖像；然后對(duì)圖像進(jìn)行二值化處理，以凸顯物體輪廓；最后對(duì)二值化圖像進(jìn)行輪廓檢測(cè)，同時(shí)過(guò)濾掉面積較小輪廓，對(duì)輪廓的數(shù)目與面積進(jìn)行統(tǒng)計(jì)并保存，提取最大輪廓面積。(3)采用幀差法進(jìn)行主體動(dòng)作檢測(cè)獲取幀間差分圖最大輪廓面積。幀差法即幀間差分法，它利用連續(xù)或相隔一定時(shí)間的幀間差分來(lái)確定圖像中的變化區(qū)域，從而判斷運(yùn)動(dòng)目標(biāo)[43]。本研究中幀差法計(jì)算步驟如圖3所示，將相鄰兩個(gè)樣本圖像進(jìn)行差分運(yùn)算得到幀間差分圖像，然后對(duì)幀間差分圖像進(jìn)行二值化處理及輪廓檢測(cè)，即可將運(yùn)動(dòng)目標(biāo)檢測(cè)出來(lái)。課堂情境下，幀間差分圖像中最大輪廓面積的取值較大時(shí)，即可判斷為教師在課堂中巡視、授課。(4)特征相關(guān)性檢驗(yàn)。本研究利用Weka軟件對(duì)從訓(xùn)練集圖像中所提取的圖像特征進(jìn)行評(píng)估，判斷其與教學(xué)行為類(lèi)別之間的相關(guān)性，對(duì)各特征值進(jìn)行歸一化處理后，計(jì)算結(jié)果如表2所示。表2特征與教學(xué)行為類(lèi)別相關(guān)性評(píng)估結(jié)果特征的相關(guān)系數(shù)特征名稱(chēng)0.539輪廓數(shù)目0.366人臉數(shù)目0.285圖像最大輪廓面積0.255幀間差分圖最大輪廓面積計(jì)算所有單個(gè)特征與教學(xué)行

廓數(shù)目和面積)作為S-T行為類(lèi)型判定的因素之一。本研究中圖像輪廓檢測(cè)的步驟如圖2所示，首先采用中值濾波對(duì)原始圖像進(jìn)行降噪、去噪，得到較為平滑的圖像；然后對(duì)圖像進(jìn)行二值化處理，以凸顯物體輪廓；最后對(duì)二值化圖像進(jìn)行輪廓檢測(cè)，同時(shí)過(guò)濾掉面積較小輪廓，對(duì)輪廓的數(shù)目與面積進(jìn)行統(tǒng)計(jì)并保存，提取最大輪廓面積。(3)采用幀差法進(jìn)行主體動(dòng)作檢測(cè)獲取幀間差分圖最大輪廓面積。幀差法即幀間差分法，它利用連續(xù)或相隔一定時(shí)間的幀間差分來(lái)確定圖像中的變化區(qū)域，從而判斷運(yùn)動(dòng)目標(biāo)[43]。本研究中幀差法計(jì)算步驟如圖3所示，將相鄰兩個(gè)樣本圖像進(jìn)行差分運(yùn)算得到幀間差分圖像，然后對(duì)幀間差分圖像進(jìn)行二值化處理及輪廓檢測(cè)，即可將運(yùn)動(dòng)目標(biāo)檢測(cè)出來(lái)。課堂情境下，幀間差分圖像中最大輪廓面積的取值較大時(shí)，即可判斷為教師在課堂中巡視、授課。(4)特征相關(guān)性檢驗(yàn)。本研究利用Weka軟件對(duì)從訓(xùn)練集圖像中所提取的圖像特征進(jìn)行評(píng)估，判斷其與教學(xué)行為類(lèi)別之間的相關(guān)性，對(duì)各特征值進(jìn)行歸一化處理后，計(jì)算結(jié)果如表2所示。表2特征與教學(xué)行為類(lèi)別相關(guān)性評(píng)估結(jié)果特征的相關(guān)系數(shù)特征名稱(chēng)0.539輪廓數(shù)目0.366人臉數(shù)目0.285圖像最大輪廓面積0.255幀間差分圖最大輪廓面積計(jì)算所有單個(gè)特征與教學(xué)行為類(lèi)別之間的皮爾遜相關(guān)系數(shù)，并根據(jù)系數(shù)的大小對(duì)特征進(jìn)行排序，系數(shù)值越大表示該特征與教學(xué)行為類(lèi)別之間的相關(guān)性越強(qiáng)。表2中的4項(xiàng)特征都取得較大數(shù)值，因此可原始圖像中值濾波平滑圖像二值化處理二值化圖像輪廓檢測(cè)含輪廓圖像圖2圖像輪廓檢測(cè)步驟當(dāng)前幀fk差分幀間差分圖像二值化處理二值化圖像輪廓檢測(cè)含輪廓圖像前一幀fk-1圖3幀間差分法計(jì)算步驟

【參考文獻(xiàn)】：
期刊論文
[1]人工智能視域下的學(xué)習(xí)參與度識(shí)別方法研究——基于一項(xiàng)多模態(tài)數(shù)據(jù)融合的深度學(xué)習(xí)實(shí)驗(yàn)分析[J]. 曹曉明,張永和,潘萌,朱姍,閆海亮.  遠(yuǎn)程教育雜志. 2019(01)
[2]基于“智慧學(xué)伴”的數(shù)學(xué)學(xué)科能力診斷及提升研究[J]. 綦春霞,何聲清.  中國(guó)電化教育. 2019(01)
[3]人工智能融入學(xué)校教育的發(fā)展趨勢(shì)[J]. 劉德建,杜靜,姜男,黃榮懷.  開(kāi)放教育研究. 2018(04)
[4]教師教育的智能變革何以可能:智能課堂及其意義[J]. 張俍,任友群.  現(xiàn)代遠(yuǎn)程教育研究. 2018(04)
[5]基于LMS數(shù)據(jù)的遠(yuǎn)程學(xué)習(xí)者學(xué)習(xí)投入評(píng)測(cè)模型[J]. 李爽,李榮芹,喻忱.  開(kāi)放教育研究. 2018(01)
[6]人工智能賦能教育與學(xué)習(xí)[J]. 賈積有.  遠(yuǎn)程教育雜志. 2018(01)
[7]構(gòu)筑“人工智能+教育”的生態(tài)系統(tǒng)[J]. 吳永和,劉博文,馬曉玲.  遠(yuǎn)程教育雜志. 2017(05)
[8]課堂環(huán)境中基于面部表情的教學(xué)效果分析[J]. 韓麗,李洋,周子佳,宋沛軒.  現(xiàn)代遠(yuǎn)程教育研究. 2017(04)
[9]課堂教學(xué)行為大數(shù)據(jù)透視下的教學(xué)現(xiàn)象探析[J]. 王陸,李瑤.  電化教育研究. 2017(04)
[10]技術(shù)支持下的課堂教學(xué)行為觀察方法探究[J]. 王艷麗,程云,王鋒,童三紅,黃克斌.  現(xiàn)代教育技術(shù). 2016(09)

博士論文
[1]課堂教學(xué)環(huán)境下學(xué)生學(xué)習(xí)興趣智能化分析[D]. 羅珍珍.華中師范大學(xué) 2018
[2]智能視頻監(jiān)控下的多目標(biāo)跟蹤技術(shù)研究[D]. 李彤.中國(guó)科學(xué)技術(shù)大學(xué) 2013
[3]特征提取與特征選擇技術(shù)研究[D]. 潘鋒.南京航空航天大學(xué) 2011
[4]實(shí)踐與反思：課堂教學(xué)行為研究[D]. 王姣姣.湖南師范大學(xué) 2009



本文編號(hào)：2999605