智课--基于大数据的课堂教学分析评测17.11.24

客观数据对教学过程的分析缺失
客观数据对个性化学习支持不足
教学资源的利用率低下
是教育大数据的主要产生地
教学过程的数据挖掘
课堂视频
结构化 数据挖掘
教学情报
教学过程的信息分析是教育信息化的基础和条件
课堂观察的理论基础
教学行为分析-ST模型
教学行为笼统的分为T和S
教师T 1. 解说 2. 示范
S
7
7月20日，国务院印发《新一代人工智能发展规划》， 明确了我国新一代人工智能发展的重点任务： 围绕智能教育、医疗、养老等迫切民生需求，发展便捷高效的智能服务。 利用智能技术加快推动人才培养模式、教学方法改革，构建包含智能学习、交互式学习的 新型教育体系。开发智能教育助理，建立智能、快速、全面的教育分析系统。 建立以学习者为中心的教育环境，提供精准推送的教育服务，实现日常教育和终身教育定制化。
1980-2000年第2次发展
2006年第3次发展
大数据
深度学习 机器学习
人脸识别
表情识别 语音识别 机器翻译
AlphaGo
OCR
人工智能落地前提
单一清晰领域
海量数据
超大计算量
国务院关于印发国家教育事业发展‘十三五’规划”中提出： 互联网、云计算、大数据、人工智能、三维(3D)打印等现代技术 深刻改变着人类的思维、生产、生活和学习方式。 “教育基础数据常态化、伴随式采集”，“即时化分析”
北京中庆现代技术有限公司
唐珊珊
02
背景介绍 理论基础 01
04
落地实践
精准推送
案例展示 05
03
1950年“图灵测试”
1943-1956年诞生
1956年达特茅斯会议AI诞生
符号主义 早期推理系统 早期神经网络
1950-1970年早期
人工智能发展 史
专家系统 统计学派：语音识别 机器学习 神经网络 机器视觉
S
3
学生S
7. 发言
8. 思考/计算 9. 笔记 10. 实验/作业
T T
练习型 讲授型 对话型 混合型
T
标准条件 Rt ≤ 0.3 Rt ≥ 0.7 Ch ≥ 0.4 0.3 < Rt < 0.7, Ch < 0.4
因此，该课堂为对话型
T和S采样精度低会导致D，通常无法判 别D属于T还是S，中庆智课可以提高ST 分析的精度，细分D，从而更精准的计 算Rt和Ch
2.1 行为分析 教师行为分析
2.1 行为分析 教师行为分析
目标 识别
教师行为 识别
2.1 行为分析 学生行为分析
2.1 行为分析 学生行为分析
课堂活跃热力图
多目标动态人脸识别
学生行为识别
2.1 行为分析 班级行为分析
2.2 语言分析 师生语言
2.3 表情分析 学生表情
采用时间抽样的办法，在指定的一段时间内，每隔3秒种观察者就依照左侧分类记下最能描述教师和班级语言行为的种类 的对应的编码，记在右侧表格中。比如，在第一个3秒内发生的是教师讲授行为，就在相应的格子内记下"5"这个编码。 这样，每一行20个方格就记录下1分钟内20个行为的编码。上表10行就表示10分钟的连续观察。
3. 板书
4. 提示 5. 提问/点名 6. 评价/反馈
2 4
D ST
1
5
T
T T S S S
6
左图对应的ST序列为： T T S T S D(T&S) D(T&S) T S S S T T 从而得到： 教师行为占有率： Rt=Nt/(Nt+Ns)=8/15=53.5% 师生行为转化率： Ch=拐点/(Nt+Ns)=7/15=46.7%
教学行为分类-国内
吴康宁等学者
师个互动 师 生 行 为 对 象
教师行为指向学生个 体的师生互动
师班互动
教师行为指向全班学 生群体的师生互动
师组互动
教师行为指向学生小 组的互动
师 生 行 为 属 性
控制-服从型 控制-反控制型 相互磋商型
“四何”问题
概念：教师教育教学过程中提问方式的分类，包括“是何”“为何”“如何”“若何”四类
基于大数据的课堂教学分析评测目的
支持学生的个性化学习
教师的专业化成长
课例评选支持
烟台-南通路小学
5间教室，36节小学课程，自动分析，报表输出……
新技术支持下的个性化学习应用 成果现场展示，小学学段（南通
路小学现场） 36 节课，均布置了
人工智能录播现场，会实时分析 这 36 节课。给出报表，供老师和 教研员参考。
课堂分析报告-学生
• 课程信息
• 课堂观察记录
• 结构式课堂观察记录
• 课堂知识点内容
课堂分析报告-教师
• 课程信息
• 课堂观察记录
• 结构式课堂观察记录
• 课堂知识点内容
THANKS
高阶思维
低阶思维
教学行为分类-国内
华中师大分类
- 华中师大的模型更适合中国教育
03
落地实践
基于大数据的课堂教学分析评测
录播
非结构化数据
结构化数据
数据分析挖掘
AI
精准推送
数据建立模型
个体与模型分
析对比
诊断评测
基于大数据的课堂教学分析评测系统
AI分析维度
• 知识点Baidu Nhomakorabea
2.1 行为分析 人脸识别模型训练
教学模式
11. 沉默
教学行为分析-弗兰德斯分类体系
弗兰德斯分类
间接影响 1. 制造动机 2. 表扬 3. 理念 教师发言 直接影响 4. 提问 5. 讲授 6. 指示 7. 批评 学生发言 8. 学生应答 9. 学生自发发言 10. 沉默或混乱
FIAC数据表
1 1 2
2
3
4
5
6
7
8
9
10
3
4 5 6 7 8 9 10
家校通
课堂 记录或拍照
课后编辑 文字或照片
逐个定向 推送信息
接收信息
智课通
课堂智能 记录或拍照 课后生成 文字或照片 逐个定向 推送信息 实时 接收信息
学生课堂数据的精准推送
3.2 教师
教学分析
课程回放
3.3 教研人员
教师个体
对比分析
同课异构分析
支持开展同课异构活动 同校或者跨校的多位教师上的同一节课 AI系统自动分析各位教师授课过程，对比各个课堂的教学行为
学生心理
积极
消极
倾听
疑惑
理解
抗拒
不屑
技术可以测 量出的情绪
正常
高兴
鬼脸
悲伤
生气
愤怒
2.3 表情分析 学生表情
多目标情感计算
2.4 OCR识别 知识点识别
OCR
教学行为云图-教师课堂
言语
16类行为分别采样评分
指示 提问
反馈 评价
主动 提问
应答 举手 对话
云图模型的意义 1. 半径：教学行为中某一行为的分值 2. 极差：教学行为极端分布情况； 3. 离散（标准差）：教学行为分布的离 散情况，值越大教学行为分布越广； 学生 4. 周长/面积：教师教学行为掌控水平情 况，越长/越大综合行为评分越高； 5. 重心：教学行为的综合表现，教学行 为分布的集中趋势，例如：左图倾向 于教师言语
根据分值绘制云图
讲授 教师 讨论
计算云图的基本属性极 差、标准差等、周长等
个别 指导 观察 巡视
观察 笔记 练习 演示 展示 实践 实验
根据云图及基本属性相 关值横向/纵向对比
板书
思考
活动
- 红色表示可以利用人工智能自动采集分类
教学行为图-学生
教学行为一般模型
精准推送服务
学生、家长 教师
领导
3.1 学生、家长
“若何”问题指向条件变化产生的新结果 主要了解学生对创造性知识的掌握情况。 “如何”问题指向方法、途径、状态等 主要了解学生对策略性知识的掌握情况； “为何”问题指向原理、法则、逻辑等 主要了解学生对原理性知识的掌握情况； “是何”问题指向事实性问题 主要了解学生对事实性问题的掌握情况；
若何
如何
为何 是何