基于人工智能的學(xué)生課堂行為分析方案研究

摘要：文章從介紹我國教育信息化發(fā)展情況人手，分析了高校在學(xué)生課堂行為分析中面臨的主要問題，探討了學(xué)生課堂行為分析的目標(biāo)。文章設(shè)計了一種學(xué)生課堂行為識別方法，并以該方法為基礎(chǔ)設(shè)計了學(xué)生課堂行為分析方案，對該方案的典型應(yīng)用場景進行分析，通過該方案能改進高校課堂教學(xué)評價方法，有利于高校課堂教學(xué)質(zhì)量和管理水平的提升。

關(guān)鍵詞：學(xué)生課堂行為;人工智能;課堂教學(xué)質(zhì)量

中圖分類號：TP393 文獻標(biāo)識碼：A

文章編號：1009-3044（2020）19-0003-03

開放科學(xué)（資源服務(wù)）標(biāo)識碼（0SID）：

隨著信息技術(shù)的進步，將信息化技術(shù)應(yīng)用于教育和教學(xué)過程，能有效促進我國教育事業(yè)發(fā)展，從而提升我國高校整體教學(xué)質(zhì)量。在教育信息化1.0時代，高校實施支撐教育信息化的基礎(chǔ)設(shè)施建設(shè)，投影儀、教學(xué)電腦、話筒、拾音器等各種各樣的多媒體設(shè)備被應(yīng)于多媒體教室，同時教學(xué)資源管理平臺、錄播系統(tǒng)、網(wǎng)絡(luò)教學(xué)系統(tǒng)等也普遍應(yīng)用于教學(xué)[1]。通過教育信息化1.0階段的建設(shè)成果為教育信息化技術(shù)提升打下堅實基礎(chǔ)。教育信息化2.0時代，教育信息化進入了新的發(fā)展階段，逐步應(yīng)用移動互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、物聯(lián)網(wǎng)等新興技術(shù)驅(qū)動傳統(tǒng)教學(xué)理念、模式、內(nèi)容和方法的改革，推動智慧校園的建設(shè)，全面提升教育信息化水平[2]。

但目前我國高校對學(xué)生課堂行為的分析多通過人工隨堂聽課和課堂視頻觀察等方式，對學(xué)生課堂行為進行人工標(biāo)記和記錄，該方法及時性差且需要投入大量人力物力，導(dǎo)致效率低下[3]。在智慧校園的背景下，高校對原有的多媒體教室基礎(chǔ)設(shè)施不斷完善，使其具備應(yīng)用信息化技術(shù)推動信息技術(shù)與教育教學(xué)融合的基礎(chǔ)條件[4]，應(yīng)用人工智能技術(shù)創(chuàng)新學(xué)生課堂行為分析手段，有利于提升高校課堂教學(xué)質(zhì)量管理水平[5]。

1 學(xué)生課堂行為識別方法

本文通過應(yīng)用人工智能技術(shù)設(shè)計了一種學(xué)生課堂行為識別方法，并通過該方法全方位地對學(xué)生的各類課堂行為進行采集和識別。通過觀察課堂教室的視頻，教室內(nèi)學(xué)生各種行為的特征，主要集中于學(xué)生的上半身。在學(xué)生處于抬頭、低頭兩種情況下的同時能產(chǎn)生各種行為，因此本方法首先對學(xué)生頭部的兩種行為進行識別，在對其身體其他特征識別，最終識別出學(xué)生在課堂中具體行為包括舉手行為、聽講行為、書寫行為、站立行為、面部行為、閱讀行為、睡覺行為、手機行為等。學(xué)生課堂行為分類如圖1所示。

1.1樣本分類訓(xùn)練

在實現(xiàn)對學(xué)生課堂行為識別前，需要采集學(xué)生抬頭低頭狀態(tài)樣本、學(xué)生行為樣本和學(xué)生面部表情樣本，并對各類樣本分別進行訓(xùn)練生成樣本模型。

（1）學(xué)生抬頭低頭狀態(tài)樣本訓(xùn)練：

通過手動標(biāo)記的方式在視頻圖像中抓取學(xué)生抬頭、低頭及頭部四周圖片的樣本，將樣本圖片歸一化為統(tǒng)一大小，利用HOG特征算法[6]對三類樣本進行特征提取，采用SVM算法對三類樣本進行訓(xùn)練，生成樣本模型。學(xué)生抬頭低頭狀態(tài)樣本訓(xùn)練流程如圖2所示：

（2）學(xué)生行為樣本訓(xùn)練：

通過手動標(biāo)記的方式在視頻圖像中抓取學(xué)生行為圖片序列樣本，應(yīng)用IDT算法對樣本進行訓(xùn)練和分類，生成學(xué)生行為樣本模型。學(xué)生行為樣本訓(xùn)練流程如圖3所示：

（3）學(xué)生面部表情樣本訓(xùn)練：

通過手動標(biāo)記的方式在視頻圖像中抓取學(xué)生各種面部表情圖片的樣本，將樣本圖片歸一化為統(tǒng)一大小，利用LBP特征算法對樣本進行特征提取，采用CNN算法對樣本進行訓(xùn)練，生成樣本模型。學(xué)生面部表情樣本訓(xùn)練流程如圖4所示：

1.2學(xué)生課堂行為識別

學(xué)生課堂行為識別包括以下幾個步驟：視頻壓縮、頭部檢測、頭部狀態(tài)識別、行為提取、邊緣提取、課堂行為識別。如下圖5所示：

學(xué)生課堂行為識別具體實現(xiàn)是通過多媒體教室內(nèi)攝像頭采集到教室內(nèi)視頻數(shù)據(jù)，通過視頻壓縮算法將視頻圖片按照等比例縮小，利用HOG特征算檢測出視頻中的每個學(xué)生頭部位置，并識別出視頻中每個學(xué)生的抬頭和低頭狀態(tài)，根據(jù)頭部位置初步確定身體位置，采用idt算法識別學(xué)生的行為，對其手部附近的區(qū)域進行邊緣處理，根據(jù)物品區(qū)域及形狀確定物體，最后通過LBP特征算法和CNN算法對學(xué)生面部狀態(tài)進行識別，匯總整體識別結(jié)果對學(xué)生課堂行為進行判斷和識別。

2 學(xué)生課堂行為分析方案

基于本文設(shè)計的學(xué)生課堂行為識別方法，設(shè)計學(xué)生課堂行為分析的方案，學(xué)生課堂行為分析的目標(biāo)是在多媒體教室建設(shè)成果的基礎(chǔ)上，應(yīng)用人工智能技術(shù)實現(xiàn)學(xué)生課堂行為自動分析，輔助學(xué)生、教師和學(xué)校管理者及時了解課堂教學(xué)相關(guān)情況，促進高校課堂教學(xué)質(zhì)量提升。

學(xué)生課堂行為分析的總方案如下圖6所示，該方案中的監(jiān)控設(shè)備負責(zé)完成全校所有課堂視頻的采集工作，并通過視頻轉(zhuǎn)發(fā)服務(wù)器將視頻信息存人到磁盤陣列存儲系統(tǒng)中，教務(wù)系統(tǒng)依托高校的數(shù)據(jù)交互平臺將課表信息存到架構(gòu)的MYsoL數(shù)據(jù)庫中，同時完成監(jiān)控設(shè)備與課表相關(guān)數(shù)據(jù)的關(guān)聯(lián)。課堂行為識別平臺，利用HOG特征提取算法、SVM算法、LBP特征提取算法、IDT行為提取和識別算法和人工神經(jīng)網(wǎng)絡(luò)算法對學(xué)生課堂行為進行識別。統(tǒng)一通信平臺主要完成學(xué)生課堂行為分析結(jié)果消息推送，發(fā)送途徑有微信、釘釘、信息門戶和短信方式。視頻檢索平臺能根據(jù)學(xué)校管理者的不同需求和各類查詢條件，實現(xiàn)實時視頻、回放視頻段的學(xué)生課堂行為分析結(jié)果展示。

3 方案的應(yīng)用場景分析

我國高校具有多媒體教室眾多、分布廣泛，每日上課量大和課堂督導(dǎo)人員不足等特點。如何及時有效了解所有課堂教學(xué)的情況，科學(xué)的對課堂教學(xué)情況進行評價，是高校課堂管理面臨的一大難題。人工隨堂聽課的傳統(tǒng)課堂教學(xué)評價方式，僅僅只能完成小部分課程課堂教學(xué)的評價，無法對高校所有課堂情況做出科學(xué)的評價。對于實際參與課堂互動的教師和學(xué)生也無法了解自身的上課情況，不利于高校課堂教學(xué)質(zhì)量提升。將本文設(shè)計的學(xué)生課堂行為分析方案應(yīng)用于高校課堂教學(xué)評價，能輔助高校管理者實現(xiàn)課堂教學(xué)自動、科學(xué)的評價。

該方案通過所有教室內(nèi)監(jiān)控設(shè)備自動采集所有課堂教學(xué)的視頻數(shù)據(jù)，利用教務(wù)系統(tǒng)獲取所有教室的課表數(shù)據(jù)，將視頻數(shù)據(jù)存人視頻存儲數(shù)據(jù)庫，課表數(shù)據(jù)存人MYsoL數(shù)據(jù)庫。通過課堂行為識別平臺自動識別學(xué)生在課堂中的舉手行為、聽講行為、書寫行為、站立行為、面部行為、閱讀行為、睡覺行為和手機行為等。根據(jù)用戶權(quán)限將識別結(jié)果通過圖片、視頻和文字的形式，通過統(tǒng)一通信平臺發(fā)送給學(xué)生、教師和學(xué)校管理者，有利于學(xué)生及時了解自己的課堂學(xué)習(xí)情況，及時調(diào)整學(xué)習(xí)方法。幫助教師及時掌握課堂教學(xué)情況，不斷改進教學(xué)方式和提升教學(xué)水平。輔助高校管理者全面了解課堂教學(xué)情況，促進高校課堂教學(xué)質(zhì)量提升。

4 結(jié)束語

課堂教學(xué)質(zhì)量是各大高校關(guān)注的重點問題，學(xué)生課堂行為是課堂教學(xué)質(zhì)量優(yōu)劣的重要體現(xiàn)。在人工智能技術(shù)發(fā)展的背景下，應(yīng)用新興技術(shù)自動實現(xiàn)學(xué)生課堂行為識別，能輔助高校對課堂教學(xué)質(zhì)量客觀、科學(xué)的評價，同時指導(dǎo)教師更加高效的開展課堂教學(xué)。促進高校教師綜合素質(zhì)提升，為課堂教學(xué)質(zhì)量評價提供新的方法。

參考文獻：

[1]雷朝滋.教育信息化：從1.0走向2.0——新時代我國教育信息化發(fā)展的走向與思路[J].華東師范大學(xué)學(xué)報（教育科學(xué)版），2018，（1）：98-103.

[2]李志河等.教育信息化2.0視域下高等教育信息化發(fā)展水平評價研究[J].遠程教育雜志，2019（6）：81-90.

[3]李勝男.基于人工智能技術(shù)的課堂教學(xué)行為的分析框架構(gòu)建研究[D].北京：北京郵電大學(xué)，2019.

[4]殷華平.利用“希沃易+”智慧校園整體解決方案打造智能教育服務(wù)平臺[J].中國電化教育，2016（21）：69-71.

[5]劉清堂，基于人工智能的課堂教學(xué)行為分析方法及其應(yīng)用[J].中國電化教育，2019（9）：13-21.

[6]胡麗喬，仇潤鶴.一種自適應(yīng)加權(quán)HOG特征的人臉識別算法[J].計算機工程與應(yīng)用，2017，53（3）：164-168.

【通聯(lián)編輯：唐一東】

基金項目：中央高?；究蒲袠I(yè)務(wù)費專項資金項目“基于平安校園的智能視頻分析技術(shù)研究”（項目編號：CZQ17007）;中南民族大學(xué)教研項目“基于信息化技術(shù)的課堂教學(xué)質(zhì)量管理研究（JYX18070）”階段性研究成果

作者簡介：萬晨（1986-），男，湖北武漢人，實驗師，碩士，中南民族大學(xué)，研究方向為大數(shù)據(jù)、計算機網(wǎng)絡(luò)、教育技術(shù)、人工智能、圖形圖像處理。