近年来,非技术素养（思想、道德、价值观等）如何培养和评价逐渐成为国内外教育领域专家学者研究的热点。教研人员发现合作学习环境对非技术素养教育具有较好的效果。但由于非技术素养是否形成无法量化,一般局限于教师的主观评价。另外,受新冠疫情影响,全球教育从2020年起大规模向融合了“互联网+”和“智能+”技术的在线教学转变,为线上合作学习创造了更广阔的舞台。本文融合多个评价指标点,对线上合作学习中学生学习状态进行了综合评价。对过程客观评价中的专注度和发言质量评价引入了人工智能辅助算法,评价指标点融合权重基于54位高校教师问卷数据应用层次分析法获得。本文工作如下:1、数据集采集与预处理:基于所在大学开展的非技术素养在线教学情景,对课堂视频进行采集与预处理,构建了线上合作学习专注度分析数据集;通过轮廓提取、音轨匹配、Deep Speech文本转换,辅以人工筛选,得到合作学习中学生发言文本数据。2、专注度评价:研究了两种评价方法。基于SVM的专注度识别评价方法:通过提取视频片段的密集轨迹,形成轨迹池化描述子,空时聚合后获取空间全局特征,应用线性SVM分类确定专注状态（识别准确率76.21%）;基于深度学习的专注度识别方法:采用Slow-Fast网络进行专注度分析,并迁移学习到自建数据集,其识别准确率为86.7%。将专注状态按时间统计即可获得专注度评价分数。3、发言质量评价:利用jieba分词和去停用词确定学生发言中的候选词汇,采用TF-IDF筛选出学生发言关键词,应用Jaccard相关思想分析学生发言切题度,结合学生发言时长,得到合作学习中学生发言质量评价结果。4、层次分析法多维融合:采用层次分析法对54位高校教师的问卷数据进行分析,在充分考虑不同专家权威程度的基础上,计算获取九个评价指标的最终贡献权重。将权重与各个评价指标的分数相融合获得合作学习学生综合评价分数。实验结果表明,所研究的基于视频处理的合作学习学生评价方法能在一定程度上,实现对合作学习中学生学习状态全员全程评估,比较适合非技术素养教育效果评价,帮助教师及时调整教学进度,并针对不同学生进行个性化指导与培养。