本發(fā)明涉及教育評價(jià)，特別是一種室內(nèi)教學(xué)的教學(xué)質(zhì)量評估方法及系統(tǒng)。

背景技術(shù)：

1、在教育信息化蓬勃發(fā)展的背景下，教學(xué)質(zhì)量評估逐漸轉(zhuǎn)向數(shù)據(jù)驅(qū)動(dòng)的精細(xì)化管理，以期實(shí)現(xiàn)教育質(zhì)量的持續(xù)優(yōu)化。傳統(tǒng)評估方法主要依賴于教師主觀評價(jià)和學(xué)生期末考試成績，缺乏實(shí)時(shí)性與全面性，難以捕捉教學(xué)過程中的動(dòng)態(tài)變化與學(xué)生學(xué)習(xí)狀態(tài)的細(xì)微差別。一方面，現(xiàn)有技術(shù)往往側(cè)重于單一維度的分析，而未能充分整合學(xué)生的情緒、認(rèn)知和生理數(shù)據(jù)，導(dǎo)致評估結(jié)果的片面性和局限性。另一方面，大多數(shù)評估方法缺乏自適應(yīng)性，無法根據(jù)學(xué)生的學(xué)習(xí)狀態(tài)和課程目標(biāo)動(dòng)態(tài)調(diào)整評估策略，這限制了評估的靈活性和針對性，難以滿足個(gè)性化教學(xué)的需求。

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述現(xiàn)有存在的問題，提出了本發(fā)明。

2、因此，本發(fā)明提供了一種室內(nèi)教學(xué)的教學(xué)質(zhì)量評估方法及系統(tǒng)解決了傳統(tǒng)教學(xué)質(zhì)量評估方法缺乏實(shí)時(shí)性、全面性與自適應(yīng)性，難以精準(zhǔn)反映教學(xué)過程動(dòng)態(tài)變化及學(xué)生多維度學(xué)習(xí)狀態(tài)的問題。

3、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：

4、第一方面，本發(fā)明實(shí)施例提供了一種室內(nèi)教學(xué)的教學(xué)質(zhì)量評估方法，其包括，部署多種傳感器，獲取教學(xué)過程數(shù)據(jù)，設(shè)置課程目標(biāo)，收集學(xué)生學(xué)習(xí)數(shù)據(jù)；

5、對教學(xué)過程數(shù)據(jù)和學(xué)生學(xué)習(xí)數(shù)據(jù)，進(jìn)行初步分析；

6、基于初步分析結(jié)果，運(yùn)用自適應(yīng)評估算法，進(jìn)行教學(xué)質(zhì)量評估；

7、基于教學(xué)質(zhì)量評估結(jié)果，提出教學(xué)建議。

8、作為本發(fā)明所述室內(nèi)教學(xué)的教學(xué)質(zhì)量評估方法的一種優(yōu)選方案，其中：所述多種傳感器包括攝像頭、麥克風(fēng)和生物信號監(jiān)測器；

9、所述課程目標(biāo)是指教育者設(shè)定的、學(xué)生通過課程學(xué)習(xí)后應(yīng)達(dá)成的知識掌握、能力提升和價(jià)值觀形成的結(jié)果；

10、所述教學(xué)過程數(shù)據(jù)包括視頻流、音頻數(shù)據(jù)和心率數(shù)據(jù)；

11、所述學(xué)生學(xué)習(xí)數(shù)據(jù)包括學(xué)生的考試分?jǐn)?shù)和作業(yè)完成情況得分。

12、作為本發(fā)明所述室內(nèi)教學(xué)的教學(xué)質(zhì)量評估方法的一種優(yōu)選方案，其中：對教學(xué)過程數(shù)據(jù)和學(xué)生學(xué)習(xí)數(shù)據(jù)進(jìn)行處理，得到教學(xué)向量，具體步驟如下：

13、利用圖像分割技術(shù)、頻譜分析和帶通濾波器，對教學(xué)過程數(shù)據(jù)進(jìn)行分析，得到學(xué)生面部、學(xué)生肢體動(dòng)作、學(xué)生發(fā)言和心率數(shù)據(jù)；

14、應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)對學(xué)生面部關(guān)鍵點(diǎn)檢測，結(jié)合fisherfaces算法進(jìn)行表情識別，提取學(xué)生情緒特征；

15、使用骨架追蹤技術(shù)，識別學(xué)生的肢體姿態(tài)，識別學(xué)生參與度特征；

16、利用深度學(xué)習(xí)模型，分析學(xué)生發(fā)言的語調(diào)、語氣和詞匯，識別情感傾向特征；

17、采用小波變換分析心率數(shù)據(jù)，識別心率變化模式，識別學(xué)生心理狀態(tài)特征；

18、基于學(xué)生學(xué)習(xí)數(shù)據(jù)，計(jì)算考試分?jǐn)?shù)和作業(yè)完成情況得分的平均分的和，得到課堂衍生特征；

19、將學(xué)生情緒特征、學(xué)生參與度特征、情感傾向特征、學(xué)生心理狀態(tài)特征和課堂衍生特征進(jìn)行整合，形成教學(xué)向量e。

20、作為本發(fā)明所述室內(nèi)教學(xué)的教學(xué)質(zhì)量評估方法的一種優(yōu)選方案，其中：基于教學(xué)向量，計(jì)算初步分析得分，具體步驟如下：

21、基于教學(xué)向量，運(yùn)用主成分分析，得到的主成分矩陣，應(yīng)用主成分矩陣將教學(xué)向量進(jìn)行轉(zhuǎn)化，得到主成分得分pi；

22、使用梯度提升樹模型，基于主成分得分pi，得到主成分的權(quán)重wi；

23、基于主成分得分pi和主成分的權(quán)重wi，計(jì)算初步分析得分ia，表示為，

24、

25、其中，i表示主成分索引變量。

26、作為本發(fā)明所述室內(nèi)教學(xué)的教學(xué)質(zhì)量評估方法的一種優(yōu)選方案，其中：基于初步分析得分ia，設(shè)計(jì)自適應(yīng)評估算法，具體步驟如下：

27、采用強(qiáng)化學(xué)習(xí)的自適應(yīng)算法，根據(jù)初步分析得分ia和課程目標(biāo)，動(dòng)態(tài)調(diào)節(jié)評估任務(wù)的難度，創(chuàng)建自適應(yīng)評估算法，得到評估得分，表示為，

28、

29、其中，ak表示第k位學(xué)生的評估得分，σk表示第k位學(xué)生表現(xiàn)的方差，n表示學(xué)生總數(shù)，ek表示第k位學(xué)生在評估任務(wù)中的實(shí)際表現(xiàn)得分，iak表示第k位學(xué)生的初步分析得分，gj表示第j個(gè)課程目標(biāo)的達(dá)成度，wj表示第j個(gè)課程目標(biāo)達(dá)成度的權(quán)重，m表示課程目標(biāo)的數(shù)量，λ表示調(diào)整難度曲線陡峭程度的參數(shù)，μ表示調(diào)整偏移量的參數(shù)，k表示學(xué)生的索引變量，j表示課程目標(biāo)的索引變量，wk表示第k位學(xué)生的權(quán)重。

30、作為本發(fā)明所述室內(nèi)教學(xué)的教學(xué)質(zhì)量評估方法的一種優(yōu)選方案，其中：基于自適應(yīng)評估算法，進(jìn)行教學(xué)質(zhì)量評估，具體步驟如下：

31、運(yùn)用自適應(yīng)評估算法計(jì)算班級內(nèi)所有學(xué)生的評估得分的平均值；

32、基于課程目標(biāo)，設(shè)定上下評估閾值；

33、當(dāng)平均值大于等于上評估閾值時(shí)，定義為高教學(xué)質(zhì)量，表明本堂課的教學(xué)過程活躍，課程目標(biāo)完成度高；

34、當(dāng)平均值小于等于下評估閾值時(shí)，定義為低教學(xué)質(zhì)量，表明本堂課的教學(xué)過程枯燥乏味，課程目標(biāo)完成度低；

35、當(dāng)平均值在上下評估閾值之間時(shí)，定義為中教學(xué)質(zhì)量，表明本堂課的教學(xué)過程和課程目標(biāo)完成度處于中間水平，進(jìn)一步分析以識別改進(jìn)空間。

36、作為本發(fā)明所述室內(nèi)教學(xué)的教學(xué)質(zhì)量評估方法的一種優(yōu)選方案，其中：基于教學(xué)質(zhì)量評估結(jié)果，提出教學(xué)建議，具體步驟如下：

37、對于高教學(xué)質(zhì)量的課堂，通過強(qiáng)化成功要素、拓展深度與廣度和分享最佳實(shí)踐的方法，優(yōu)化教學(xué)質(zhì)量；

38、對于低教學(xué)質(zhì)量的課堂，通過根本原因分析、教學(xué)策略調(diào)整、學(xué)生反饋與溝通和專業(yè)發(fā)展的方法，提高教學(xué)質(zhì)量；

39、對于中教學(xué)質(zhì)量的課堂，通過診斷性分析、個(gè)性化教學(xué)和課程內(nèi)容調(diào)整的方法，提高教學(xué)質(zhì)量。

40、第二方面，本發(fā)明提供了一種室內(nèi)教學(xué)的教學(xué)質(zhì)量評估系統(tǒng)，包括，數(shù)據(jù)采集模塊，用于部署多種傳感器，獲取教學(xué)過程數(shù)據(jù)，設(shè)置課程目標(biāo)，收集學(xué)生學(xué)習(xí)數(shù)據(jù)；

41、初步數(shù)據(jù)分析模塊，用于對教學(xué)過程數(shù)據(jù)和學(xué)生學(xué)習(xí)數(shù)據(jù)，進(jìn)行初步分析；

42、教學(xué)質(zhì)量評估模塊，用于基于初步分析結(jié)果，運(yùn)用自適應(yīng)評估算法，進(jìn)行教學(xué)質(zhì)量評估；

43、教學(xué)建議生成模塊，用于基于教學(xué)質(zhì)量評估結(jié)果，提出教學(xué)建議。

44、第三方面，本發(fā)明實(shí)施例提供了一種計(jì)算機(jī)設(shè)備，包括存儲器和處理器，所述存儲器存儲有計(jì)算機(jī)程序，其中：所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如本發(fā)明第一方面所述的室內(nèi)教學(xué)的教學(xué)質(zhì)量評估方法的任一步驟。

45、第四方面，本發(fā)明實(shí)施例提供了一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，其中：所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如本發(fā)明第一方面所述的室內(nèi)教學(xué)的教學(xué)質(zhì)量評估方法的任一步驟。

46、本發(fā)明有益效果為：通過部署攝像頭、麥克風(fēng)及生物信號監(jiān)測器，采集視頻、音頻及心率等多模態(tài)數(shù)據(jù)，奠定全面、客觀的數(shù)據(jù)基石。隨后，利用圖像分割、頻譜分析與深度學(xué)習(xí)技術(shù)，凈化數(shù)據(jù)、提取學(xué)生情緒、參與度等多維度特征，拓寬評估視野。主成分分析與梯度提升樹的應(yīng)用，精煉數(shù)據(jù)，凸顯關(guān)鍵教學(xué)指標(biāo)，為自適應(yīng)評估奠定科學(xué)基礎(chǔ)。強(qiáng)化學(xué)習(xí)算法動(dòng)態(tài)調(diào)整評估難度，確保結(jié)果個(gè)性化且有效，助力教育者實(shí)時(shí)掌握教學(xué)實(shí)況。最終，基于評估反饋，提供策略調(diào)整、個(gè)性化教學(xué)等定制化建議，推動(dòng)教育質(zhì)量持續(xù)提升。