论文部分内容阅读
摘 要：目前高职院校教学诊断与改进工作已成为推动深化改革和提高教育教学质量的重要抓手，各高职院校对课堂教学质量的监控都有一套完整的监测点，但未能实现智能化。本文结合我校的实际情况，基于人工智能技术对课堂教学智能诊断与改进系统的构建进行了探讨和实证研究。从需求出发，设计了系统的功能模块，构建了系统的总体结构，并应用于实际教学管理中，对教学质量的提高有促进作用。
关键词：人工智能;课堂教学;诊断与改进
高等职业技术学院内部质量保证体系诊断与改进工作是教育部提出的一项重要举措，于2015年提出。推动了各高职学院建立基于人才培养的状态数据，根据学校自身的办学条件和人才培养目标，针对专业（群）设置、课程教学改革、专业教学团队建设等人才培养的工作要素，查找存在的不足，螺旋改进提升，不断提高人才培养质量的常态化自主保证人才培养质量的机制。最初于1956年提出的用来模仿、延伸和扩展人的智能的人工智能，取得了很大的进展和提升。国务院于2017年颁布的《新一代人工智能发展规划》，将在教学、管理及教学资源建设等全流程应用人工智能的“智能教育”列为重点任务。本文从课堂教学管理信息化的角度，应用人工智能技术对课堂教学智能诊断与改进系统的构建进行了探讨。
一、课堂智能教学诊断与改进系统需求
课堂教学诊断与改进工作已成为推动高职学院深化改革和提高教育教学和人才培养质量的重要抓手。学校从达成人才培养目标出发，从5个层面（学校、专业、课程、教师、学生）和5个管理环节（决策指挥、质量生成、资源建设、支持服务、监督控制）进行“诊改”，以“诊改”机构和制度推动强化学校的多种教育因素向教学集中、聚力育人，对学校的教学工作形成一立体化的支持保障系统，增强了教学管理和教辅服务等非教学主体的教育意识，教学中心地位得到了充分体现。从课堂教学入手是推动教学诊断与改进工作的有效方式之一。课堂教学的质量不能仅通过一堂课作定论，目前高职院校对课堂教学质量的监控体系已基本形成，建立了一套较完整的监测点，监测点一般可以有以下四层。①宏观层面，结合学生的实际情况，主要通过人才培养方案、课程教学标准、考核标准、授课计划等材料的检查，观察是否科学;②中观层面，注重教师的教学工作态度，主要从教师的课前备课的备学生、备教学内容、备教学环节、备教学方法和手段等课前准备是否充分，观测教师的教学工作态度是否认真;③微观方面，重点关注教师的课堂讲课，主要观测课堂教学过程中学生的参与度、学习状态，以及教师在课堂教学的重、难点是否处理得当等;④学生层面，注重检查教学效果，主要观测学生通过课堂学习过程中是否真有收获，是否真正受益。通过学校领导诊断、教学督导诊断、同行之间相互诊断、学生诊断、自我诊断等方法对课堂教学进行诊断。
应用AI智能识别软件平台，整合教务管理信息系统相关数据，建立基于“人工智能”的智能课堂诊断与改进平台为课堂教学诊断与改进工作的开展提供有效保障。平台通过采集课堂教学活动的视频数据，应用视频智能分析技术分析教学活动情况：①根据学校定义教学质量标准，通过训练人工智能识别智能评估教师教学质量。②采集课堂视频信息，智能分析班级、教师授课的学生学习体征，分析出学生到课、认真听课、低头睡觉、随意下位走动、后排聚集、以及与教师互动的行为分析，并形成报表。③通过采集教师课堂教学音频数据，比较分析实际授课内容与教师备课材料的差异。④通过识别不良言论关键词，对教师上课进行不良言论监测与预警。⑤收集学生学习行为分析数据和教师教学行为分析数据，自动对照有效课堂评价指标，对课堂进行有效课堂评价。⑥对接教务管理系统，任课教师录入教学计划，提交教研室审核、系部审批。⑦自动采集教室现场的教师讲课过程，保存到服务器。
二、智能课堂教学诊断与改进系统设计
（一）功能模塊设计
监控和评价课堂教学过程能有效促进课堂教学质量的提升，构建基于“人工智能”的课堂教学诊断与改进系统，主要包括以下功能模块。
（1）教学体征首页。分析学院课堂教学的整体情况，分析后以图形化展示，包括到课率、正常听课、课堂低头睡觉、随意下位走动和后排聚集等情况。可查看每一节课的情况，也可以按照时间段进行总体统计分析。首页中还可以查看教师的教学体征诊断数据分布分析结果。
（2）到课学生的学习行为分析。通过摄像头采集课堂视频信息，基于“人工智能”自动识别、分析学生的学习行为，自动生成大数据。包括学生的到课诊断、正常行为诊断、睡觉行为诊断、随意下位走动的行为诊断、后排聚集的行为诊断等。
（3）教师教学行为分析。通过采集课堂授课视频和声音数据，识别并与备课内容进行比对，分析授课计划的匹配度;定制算法自动监测分析师生互动，识别课堂互动并统计;自动监测分析自定义不良言论关键词，进行教师不良言论预警。
（4）教师有效课堂评价。定义有效课堂评价指标，收集学生学习行为分析数据和教师教学行为分析数据，自动对照评价标准，形成有效课堂评价成绩存档，并形成报告存档。并能进行统计、查询。
（5）教学计划管理。对接教务管理系统的任务单和课表，任课教师录入教学计划、提交教研室审核、系部审批，生成电子版教学计划并存档，并支持修订。
（6）教学评价系统。包括领导干部评教评学、教学质量督导人员评教评学、教师同行之间相互评教、听课学生评教等。根据自定义的评价指标，生成评价表，评价后统计评价结果并保存记录。
（7）录课系统。根据课程表自动录制课堂教学实况和多媒体教学电脑屏幕，自动采集教室现场的教师讲课视频流和语音，实现语音与视频同步保存到服务器，并支持编辑形成教学资源。
（二）总体结构
根据智能课堂教学诊断与改进系统的功能需求，系统的工作平台可以划分为五层，包括基础层、数据层、支撑层、应用层、展示层。系统的总体结构图如下图1所示。 （1）基础层：是系统平台的构建基础，是系统运行的基础设施，包括基础网络设施、服务器、音频视频采集设备、网络安全设备、存储设备以及教师授课的教学一体机等多媒体设备。
（2）数据层：为应用层、支撑层的各应用系统数据挖掘、数据分析提供数据服务，由多个数据库组成，包括教学现场录像，教室一体机的教学录屏，教务管理系统的学生、教师、课表等数据。
（3）支撑层：为应用层各应用系统作支撑，提供服务。包括工作流、报表分析、数据交换、音频分析、视频分析等。
（4）应用层：是智能课堂教学诊断与改进系统中的各业务系统，包括教学体征诊断分析、学生学习行为分析、教师教学行为分析、有效课堂评价、教学计划管理系统、教学评价管理系统和录课系统等。
（5）展示层：是系统的前台表现，为学生、教师、教学管理人员、教学督查人员提供Web界面与个性化服务，并能为不同类型的用户输出不同的报表。
三、人工智能技术应用
在本系统中应用人工智能技术，通过视频图像的识别和语音的识别，实现了教师教学行为分析和学生的学习行为分析，统计出到课率、听课率、教学进度等有效课堂评价指标，形成学期教学考核数据。借助于深度学习Deep Learning 算法，处理“抽象概念”的方法，采用模拟人脑视觉机理的卷积神经网络，通过不断迭代、不断抽象来模拟神经—中枢—大脑的工作过程。人类的逻辑思维是通过人脑的客观思维规律对收集到的资料进行整理、加工、改造的方式，常用高度抽象的概念，从原始信号，先做低级抽象，再逐渐向高级抽象迭代。例如图像的识别，从瞳孔摄入原始信号的像素开始，接着通过大脑皮层发现图像的边缘和方向做初步处理，再接下来由大脑判定物体的形状是圆形还是方形还是椭圆的、做抽象处理，然后在进一步抽象，大脑判定所看到的物体是人脸还是气球、……，最后做出准确识别。而深度学习就是通过组合低层特征形成更加抽象的高层特征，以发现数据的分布式特征表示。例如，课堂教学诊断与改进系统在到课率统计中识别人脸时，应用深度学习算法通过如边缘检查器、小波滤波器等从高清摄像头采集的原始图像去学习得到一个低层次表达，接着在这些低层次表达的基础上，再通过线性或者非线性组合，获得一个高层次的表达。
四、实验与思考
我校与北京荟诚科技有限公司合作在我校部署了课堂智能诊断与改进系统，经过一个学期的测试，系统运行稳定，学生平均到课率、听课率分别达到97.24%、98.30%。通过教学体征分析（如图2所示），以图形化的形式展示了学校的整体情况，教学管理者可以直接查看到当天整个学校学生的到课率、正常听课率、课堂低头睡觉人数、随意下位走动和后排聚集的情况，也可以查看哪些班级存在缺勤、睡觉、随意走动和后排聚集，人数分别是多少人次;可以查看每一节课的情况;也可以按照时间段进行总体统计分析。学生学习行为分析，每5-10分钟统计分析一次，准确度达95%以上。对教师课堂教学的授课内容与计划的匹配度、课堂互动活动以及不良言论等课堂行为进行分析，并能有效进行预警。系统对教师的每堂课进行了有效课堂的评价，并形成报表。每学期自动统计同行之间互相听课评价信息、督导人员听课评价信息、领导干部听课评价信息、学生评教信息等数据，最终形成各教师的教学评价结果。
课堂智能诊断与改进系统在与教学工作管理、教学与科研工作管理、学生工作管理、人事管理等系统数据对接方面，教学诊改工作过程方面，还有得进一步加强，实现智能采集数据、智慧分析数据，教学工作全过程管理。
五、结语
人工智能时代的到来很大程度上改变了人们的工作、学习、生活方式。人工智能在教学管理中的应用，为高职教学与信息技术的融合提供了很大的便捷，因此基于人工智能对高职院校教学工作诊断与改进研究具有一定的意义，促进了高职院校教学水平和教学质量的不断提升。
参考文献：
[1]马骁，韩维佳，李子琦.基于人工智能的肢体动作类教学管理系统研究[J].大学教育，2020（04）：192-194.
[2]郭炯，荣乾，郝建江.国外人工智能教学应用研究综述[J].电化教育研究，2020，41（02）：91-98+107.
[3]杜新满，段悦兰.高职院校课堂教学诊断与改进方法探讨[J].河北能源职业技术学院学报，2020，20（01）：90-92.
[4]史子新.大数据在高校教学诊断与改进平台中的应用研究[J].科技创新导报，2019，16（30）：174-175.
[5]刘清堂，何皓怡，吴林静，邓伟，陳越，王洋，张妮.基于人工智能的课堂教学行为分析方法及其应用[J].中国电化教育，2019（09）：13-21.
[6]操惊雷.职业院校诊断与改进体系中的校本信息平台设计[J].黄冈职业技术学院学报，2018，20（04）：99-101.
[7]李果，彭启华，宋晶晶.高职院校内部质量保证体系诊断与改进的信息化平台建设[J].清远职业技术学院学报，2018，11（02）：71-74.
基金项目：湖南省教育科学“十三五”规划2019年度课题“基于人工智能的高职院校高质量课堂教学诊断研究”（XJK19BZY030）
关键词：人工智能;课堂教学;诊断与改进
高等职业技术学院内部质量保证体系诊断与改进工作是教育部提出的一项重要举措，于2015年提出。推动了各高职学院建立基于人才培养的状态数据，根据学校自身的办学条件和人才培养目标，针对专业（群）设置、课程教学改革、专业教学团队建设等人才培养的工作要素，查找存在的不足，螺旋改进提升，不断提高人才培养质量的常态化自主保证人才培养质量的机制。最初于1956年提出的用来模仿、延伸和扩展人的智能的人工智能，取得了很大的进展和提升。国务院于2017年颁布的《新一代人工智能发展规划》，将在教学、管理及教学资源建设等全流程应用人工智能的“智能教育”列为重点任务。本文从课堂教学管理信息化的角度，应用人工智能技术对课堂教学智能诊断与改进系统的构建进行了探讨。
一、课堂智能教学诊断与改进系统需求
课堂教学诊断与改进工作已成为推动高职学院深化改革和提高教育教学和人才培养质量的重要抓手。学校从达成人才培养目标出发，从5个层面（学校、专业、课程、教师、学生）和5个管理环节（决策指挥、质量生成、资源建设、支持服务、监督控制）进行“诊改”，以“诊改”机构和制度推动强化学校的多种教育因素向教学集中、聚力育人，对学校的教学工作形成一立体化的支持保障系统，增强了教学管理和教辅服务等非教学主体的教育意识，教学中心地位得到了充分体现。从课堂教学入手是推动教学诊断与改进工作的有效方式之一。课堂教学的质量不能仅通过一堂课作定论，目前高职院校对课堂教学质量的监控体系已基本形成，建立了一套较完整的监测点，监测点一般可以有以下四层。①宏观层面，结合学生的实际情况，主要通过人才培养方案、课程教学标准、考核标准、授课计划等材料的检查，观察是否科学;②中观层面，注重教师的教学工作态度，主要从教师的课前备课的备学生、备教学内容、备教学环节、备教学方法和手段等课前准备是否充分，观测教师的教学工作态度是否认真;③微观方面，重点关注教师的课堂讲课，主要观测课堂教学过程中学生的参与度、学习状态，以及教师在课堂教学的重、难点是否处理得当等;④学生层面，注重检查教学效果，主要观测学生通过课堂学习过程中是否真有收获，是否真正受益。通过学校领导诊断、教学督导诊断、同行之间相互诊断、学生诊断、自我诊断等方法对课堂教学进行诊断。
应用AI智能识别软件平台，整合教务管理信息系统相关数据，建立基于“人工智能”的智能课堂诊断与改进平台为课堂教学诊断与改进工作的开展提供有效保障。平台通过采集课堂教学活动的视频数据，应用视频智能分析技术分析教学活动情况：①根据学校定义教学质量标准，通过训练人工智能识别智能评估教师教学质量。②采集课堂视频信息，智能分析班级、教师授课的学生学习体征，分析出学生到课、认真听课、低头睡觉、随意下位走动、后排聚集、以及与教师互动的行为分析，并形成报表。③通过采集教师课堂教学音频数据，比较分析实际授课内容与教师备课材料的差异。④通过识别不良言论关键词，对教师上课进行不良言论监测与预警。⑤收集学生学习行为分析数据和教师教学行为分析数据，自动对照有效课堂评价指标，对课堂进行有效课堂评价。⑥对接教务管理系统，任课教师录入教学计划，提交教研室审核、系部审批。⑦自动采集教室现场的教师讲课过程，保存到服务器。
二、智能课堂教学诊断与改进系统设计
（一）功能模塊设计
监控和评价课堂教学过程能有效促进课堂教学质量的提升，构建基于“人工智能”的课堂教学诊断与改进系统，主要包括以下功能模块。
（1）教学体征首页。分析学院课堂教学的整体情况，分析后以图形化展示，包括到课率、正常听课、课堂低头睡觉、随意下位走动和后排聚集等情况。可查看每一节课的情况，也可以按照时间段进行总体统计分析。首页中还可以查看教师的教学体征诊断数据分布分析结果。
（2）到课学生的学习行为分析。通过摄像头采集课堂视频信息，基于“人工智能”自动识别、分析学生的学习行为，自动生成大数据。包括学生的到课诊断、正常行为诊断、睡觉行为诊断、随意下位走动的行为诊断、后排聚集的行为诊断等。
（3）教师教学行为分析。通过采集课堂授课视频和声音数据，识别并与备课内容进行比对，分析授课计划的匹配度;定制算法自动监测分析师生互动，识别课堂互动并统计;自动监测分析自定义不良言论关键词，进行教师不良言论预警。
（4）教师有效课堂评价。定义有效课堂评价指标，收集学生学习行为分析数据和教师教学行为分析数据，自动对照评价标准，形成有效课堂评价成绩存档，并形成报告存档。并能进行统计、查询。
（5）教学计划管理。对接教务管理系统的任务单和课表，任课教师录入教学计划、提交教研室审核、系部审批，生成电子版教学计划并存档，并支持修订。
（6）教学评价系统。包括领导干部评教评学、教学质量督导人员评教评学、教师同行之间相互评教、听课学生评教等。根据自定义的评价指标，生成评价表，评价后统计评价结果并保存记录。
（7）录课系统。根据课程表自动录制课堂教学实况和多媒体教学电脑屏幕，自动采集教室现场的教师讲课视频流和语音，实现语音与视频同步保存到服务器，并支持编辑形成教学资源。
（二）总体结构
根据智能课堂教学诊断与改进系统的功能需求，系统的工作平台可以划分为五层，包括基础层、数据层、支撑层、应用层、展示层。系统的总体结构图如下图1所示。 （1）基础层：是系统平台的构建基础，是系统运行的基础设施，包括基础网络设施、服务器、音频视频采集设备、网络安全设备、存储设备以及教师授课的教学一体机等多媒体设备。
（2）数据层：为应用层、支撑层的各应用系统数据挖掘、数据分析提供数据服务，由多个数据库组成，包括教学现场录像，教室一体机的教学录屏，教务管理系统的学生、教师、课表等数据。
（3）支撑层：为应用层各应用系统作支撑，提供服务。包括工作流、报表分析、数据交换、音频分析、视频分析等。
（4）应用层：是智能课堂教学诊断与改进系统中的各业务系统，包括教学体征诊断分析、学生学习行为分析、教师教学行为分析、有效课堂评价、教学计划管理系统、教学评价管理系统和录课系统等。
（5）展示层：是系统的前台表现，为学生、教师、教学管理人员、教学督查人员提供Web界面与个性化服务，并能为不同类型的用户输出不同的报表。
三、人工智能技术应用
在本系统中应用人工智能技术，通过视频图像的识别和语音的识别，实现了教师教学行为分析和学生的学习行为分析，统计出到课率、听课率、教学进度等有效课堂评价指标，形成学期教学考核数据。借助于深度学习Deep Learning 算法，处理“抽象概念”的方法，采用模拟人脑视觉机理的卷积神经网络，通过不断迭代、不断抽象来模拟神经—中枢—大脑的工作过程。人类的逻辑思维是通过人脑的客观思维规律对收集到的资料进行整理、加工、改造的方式，常用高度抽象的概念，从原始信号，先做低级抽象，再逐渐向高级抽象迭代。例如图像的识别，从瞳孔摄入原始信号的像素开始，接着通过大脑皮层发现图像的边缘和方向做初步处理，再接下来由大脑判定物体的形状是圆形还是方形还是椭圆的、做抽象处理，然后在进一步抽象，大脑判定所看到的物体是人脸还是气球、……，最后做出准确识别。而深度学习就是通过组合低层特征形成更加抽象的高层特征，以发现数据的分布式特征表示。例如，课堂教学诊断与改进系统在到课率统计中识别人脸时，应用深度学习算法通过如边缘检查器、小波滤波器等从高清摄像头采集的原始图像去学习得到一个低层次表达，接着在这些低层次表达的基础上，再通过线性或者非线性组合，获得一个高层次的表达。
四、实验与思考
我校与北京荟诚科技有限公司合作在我校部署了课堂智能诊断与改进系统，经过一个学期的测试，系统运行稳定，学生平均到课率、听课率分别达到97.24%、98.30%。通过教学体征分析（如图2所示），以图形化的形式展示了学校的整体情况，教学管理者可以直接查看到当天整个学校学生的到课率、正常听课率、课堂低头睡觉人数、随意下位走动和后排聚集的情况，也可以查看哪些班级存在缺勤、睡觉、随意走动和后排聚集，人数分别是多少人次;可以查看每一节课的情况;也可以按照时间段进行总体统计分析。学生学习行为分析，每5-10分钟统计分析一次，准确度达95%以上。对教师课堂教学的授课内容与计划的匹配度、课堂互动活动以及不良言论等课堂行为进行分析，并能有效进行预警。系统对教师的每堂课进行了有效课堂的评价，并形成报表。每学期自动统计同行之间互相听课评价信息、督导人员听课评价信息、领导干部听课评价信息、学生评教信息等数据，最终形成各教师的教学评价结果。
课堂智能诊断与改进系统在与教学工作管理、教学与科研工作管理、学生工作管理、人事管理等系统数据对接方面，教学诊改工作过程方面，还有得进一步加强，实现智能采集数据、智慧分析数据，教学工作全过程管理。
五、结语
人工智能时代的到来很大程度上改变了人们的工作、学习、生活方式。人工智能在教学管理中的应用，为高职教学与信息技术的融合提供了很大的便捷，因此基于人工智能对高职院校教学工作诊断与改进研究具有一定的意义，促进了高职院校教学水平和教学质量的不断提升。
参考文献：
[1]马骁，韩维佳，李子琦.基于人工智能的肢体动作类教学管理系统研究[J].大学教育，2020（04）：192-194.
[2]郭炯，荣乾，郝建江.国外人工智能教学应用研究综述[J].电化教育研究，2020，41（02）：91-98+107.
[3]杜新满，段悦兰.高职院校课堂教学诊断与改进方法探讨[J].河北能源职业技术学院学报，2020，20（01）：90-92.
[4]史子新.大数据在高校教学诊断与改进平台中的应用研究[J].科技创新导报，2019，16（30）：174-175.
[5]刘清堂，何皓怡，吴林静，邓伟，陳越，王洋，张妮.基于人工智能的课堂教学行为分析方法及其应用[J].中国电化教育，2019（09）：13-21.
[6]操惊雷.职业院校诊断与改进体系中的校本信息平台设计[J].黄冈职业技术学院学报，2018，20（04）：99-101.
[7]李果，彭启华，宋晶晶.高职院校内部质量保证体系诊断与改进的信息化平台建设[J].清远职业技术学院学报，2018，11（02）：71-74.
基金项目：湖南省教育科学“十三五”规划2019年度课题“基于人工智能的高职院校高质量课堂教学诊断研究”（XJK19BZY030）