多维度特征融合的教学行为智能分析模式构建
发布时间：2021-11-18 08:03
分析课堂教学行为是揭示课堂教学规律的一个重要途径。如何利用信息技术手段处理与分析累积的海量教学视频公开课中的教学行为,成为当前改革教学过程评价服务的热点之一。由于教学中教学行为具有教学性、有序性、关联性等固有教育特性,使得基于深度学习的视频分割与识别技术仍然无法有效理解教学场景和教学行为。因此,文章设计了包含"基于视听觉特征的教学行为分析编码系统、教学行为听觉特征识别、教学行为视觉特征识别、教学分析过程数据可视化呈现"四个核心要素的一种多维度特征融合的教学行为智能分析模式,提出了"视觉特征为主、听觉特征为主、融合特征为主"三条实践路径,以厘清教学行为智能分析要素的关系,并以视觉特征为主的实践路径初步分析了43节课堂教学视频,提取了时间维度上的教学行为视觉特征,以期为"一师一优课、一课一名师""教师研修"等教学行为智能分析活动提供借鉴。
【文章来源】：电化教育研究. 2020,41(10)北大核心CSSCI
【文章页数】：9 页
【部分图文】：
主题词云图
如图1所示，1992年—2019年，期刊论文和硕博论文数量均呈现缓慢增长趋势，随着MOOC等网络在线平台的发展，在2017年，对教学行为分析的相关研究达到了最高峰。本文首先利用Cite Space文献分析软件，选择节点类型为“Term”对相关论文进行共词分析。Term来源包括文章标题、摘要及关键词，得到了代表中心性和被引频次都比较高的关键词；然后，利用词云图对论文关键词进行可视化分析，直观地展示高频关键词在文献中的共现情况（如图2所示）。从词云元素大小来看，频率较高的关键词有“课堂交互”“教师教学行为”“有效教学”“个案研究”“新手教师”“Nvivo”等。图2 主题词云图
有效的智能化教学分析模式必然依赖于对教学场景中教师、学生行为的特点和方式的深入研究和理解，本研究在S-T、TIMSS、FIAS、ITIAS、i FIAS、智慧教室环境下的课堂教学互动分析编码系统和CTBAS的基础上，分析各类教学行为（非言语行为、言语行为）在教学场景中的外显形式和特点，提取教学场景中各行为主体（教师、学生）的视觉、听觉、语义特征，构建基于视听觉特征的教学行为分析编码系统（VATBAS）（见表1），为后续智能化教学行为分析提供重要的理论基础和依据。该系统依据不同的行为主体（教师和学生）和行为活动方式（言语行为和非言语行为），将教学行为分为教师言语行为、教师非言语行为、学生言语行为、学生非言语行为和无意义的沉寂或混乱五个类别。对比以上七种编码系统，该系统进行部分调整和优化设计，具体体现在以下三个方面：第一，提取了行为主体在不同行为特征下与之相对应的视觉与听觉特征。在复杂教学场景中，师生教学行为识别往往受到背景混杂、遮挡、噪音等因素影响，视觉、听觉特征（语义特征与听觉特征在此编码系统中合并成听觉特征）的相互融合能够从数据中多角度提取出教学场景中的目标信息和环境信息。通过提取多模态特征以弥补单模态特征的不足，实现系统化、数字化的教学行为分类。
【参考文献】：
期刊论文
[1]人工智能在教育视频中的应用分析与设计[J]. 王萍. 电化教育研究. 2020(03)
[2]基于人工智能的课堂教学行为分析方法及其应用[J]. 刘清堂,何皓怡,吴林静,邓伟,陈越,王洋,张妮. 中国电化教育. 2019(09)
[3]基于深度学习的学生课堂行为识别[J]. 魏艳涛,秦道影,胡佳敏,姚璜,师亚飞. 现代教育技术. 2019(07)
[4]信息技术融入课堂的教师教学转型发展研究[J]. 姚佳佳,李艳,金松涛,潘金晶. 中国电化教育. 2019(03)
[5]基于电子书包的小学英语课堂师生互动分析——以“How are you?”单元为例[J]. 刘向永,李傲雪,付奕宁,姜沛雯,王萍. 电化教育研究. 2018(08)
[6]课堂教学视频中的S-T行为智能识别研究[J]. 周鹏霄,邓伟,郭培育,刘清堂. 现代教育技术. 2018(06)
[7]智慧教室促进高校课堂教学变革的绩效研究——基于课堂教学行为的分析[J]. 蒋立兵,毛齐明,万真,沈欢. 中国电化教育. 2018(06)
[8]基于深度学习的学生课堂异常行为检测与分析系统[J]. 廖鹏,刘宸铭,苏航,李启芳,韩延巾. 电子世界. 2018(08)
[9]智慧教室环境下小学数学课堂教学互动行为特征研究[J]. 张屹,祝园,白清玉,李晓艳,朱映辉. 中国电化教育. 2016(06)
[10]富媒体环境下职业院校课堂教学行为及特征研究[J]. 赵呈领,梁云真,阮玉娇. 中国电化教育. 2016(02)
硕士论文
[1]基于视频的异常行为检测系统的设计与实现[D]. 王娟.西南交通大学 2015
[2]信息技术教学环境下课堂教学交互行为研究[D]. 周艳.华中师范大学 2013
本文编号：3502524
【文章来源】：电化教育研究. 2020,41(10)北大核心CSSCI
【文章页数】：9 页
【部分图文】：
主题词云图
如图1所示，1992年—2019年，期刊论文和硕博论文数量均呈现缓慢增长趋势，随着MOOC等网络在线平台的发展，在2017年，对教学行为分析的相关研究达到了最高峰。本文首先利用Cite Space文献分析软件，选择节点类型为“Term”对相关论文进行共词分析。Term来源包括文章标题、摘要及关键词，得到了代表中心性和被引频次都比较高的关键词；然后，利用词云图对论文关键词进行可视化分析，直观地展示高频关键词在文献中的共现情况（如图2所示）。从词云元素大小来看，频率较高的关键词有“课堂交互”“教师教学行为”“有效教学”“个案研究”“新手教师”“Nvivo”等。图2 主题词云图
有效的智能化教学分析模式必然依赖于对教学场景中教师、学生行为的特点和方式的深入研究和理解，本研究在S-T、TIMSS、FIAS、ITIAS、i FIAS、智慧教室环境下的课堂教学互动分析编码系统和CTBAS的基础上，分析各类教学行为（非言语行为、言语行为）在教学场景中的外显形式和特点，提取教学场景中各行为主体（教师、学生）的视觉、听觉、语义特征，构建基于视听觉特征的教学行为分析编码系统（VATBAS）（见表1），为后续智能化教学行为分析提供重要的理论基础和依据。该系统依据不同的行为主体（教师和学生）和行为活动方式（言语行为和非言语行为），将教学行为分为教师言语行为、教师非言语行为、学生言语行为、学生非言语行为和无意义的沉寂或混乱五个类别。对比以上七种编码系统，该系统进行部分调整和优化设计，具体体现在以下三个方面：第一，提取了行为主体在不同行为特征下与之相对应的视觉与听觉特征。在复杂教学场景中，师生教学行为识别往往受到背景混杂、遮挡、噪音等因素影响，视觉、听觉特征（语义特征与听觉特征在此编码系统中合并成听觉特征）的相互融合能够从数据中多角度提取出教学场景中的目标信息和环境信息。通过提取多模态特征以弥补单模态特征的不足，实现系统化、数字化的教学行为分类。
【参考文献】：
期刊论文
[1]人工智能在教育视频中的应用分析与设计[J]. 王萍. 电化教育研究. 2020(03)
[2]基于人工智能的课堂教学行为分析方法及其应用[J]. 刘清堂,何皓怡,吴林静,邓伟,陈越,王洋,张妮. 中国电化教育. 2019(09)
[3]基于深度学习的学生课堂行为识别[J]. 魏艳涛,秦道影,胡佳敏,姚璜,师亚飞. 现代教育技术. 2019(07)
[4]信息技术融入课堂的教师教学转型发展研究[J]. 姚佳佳,李艳,金松涛,潘金晶. 中国电化教育. 2019(03)
[5]基于电子书包的小学英语课堂师生互动分析——以“How are you?”单元为例[J]. 刘向永,李傲雪,付奕宁,姜沛雯,王萍. 电化教育研究. 2018(08)
[6]课堂教学视频中的S-T行为智能识别研究[J]. 周鹏霄,邓伟,郭培育,刘清堂. 现代教育技术. 2018(06)
[7]智慧教室促进高校课堂教学变革的绩效研究——基于课堂教学行为的分析[J]. 蒋立兵,毛齐明,万真,沈欢. 中国电化教育. 2018(06)
[8]基于深度学习的学生课堂异常行为检测与分析系统[J]. 廖鹏,刘宸铭,苏航,李启芳,韩延巾. 电子世界. 2018(08)
[9]智慧教室环境下小学数学课堂教学互动行为特征研究[J]. 张屹,祝园,白清玉,李晓艳,朱映辉. 中国电化教育. 2016(06)
[10]富媒体环境下职业院校课堂教学行为及特征研究[J]. 赵呈领,梁云真,阮玉娇. 中国电化教育. 2016(02)
硕士论文
[1]基于视频的异常行为检测系统的设计与实现[D]. 王娟.西南交通大学 2015
[2]信息技术教学环境下课堂教学交互行为研究[D]. 周艳.华中师范大学 2013
本文编号：3502524
本文链接：https://www.wllwen.com/jiaoyulunwen/xueshengguanli/3502524.html
