黄昌勤;涂雅欣;韩中美;

• 1:浙江省智能教育技术与应用重点实验室
• 2:浙江师范大学

摘要(Abstract)：

人工智能是驱动教育评价创新的重要引擎,智能技术赋能课堂测评是新时代教育评价深化改革的重要组成部分。对智能技术赋能课堂测评进行了系统研究的本质是对传统课堂测量与评价的颠覆式创新与变革,实施关键为面向智能服务的多维度测评指标制定、全方位课堂数据获取,以及多元化核心技术应用。基于智能技术的课堂测评相关研究主要集中在课堂参与主体行为识别、认知与情感状态诊断、教学核心过程分析等方面。目前,主要在测评指标体系的可量化与可定制、测评数据的完整性与隐私性,以及智能技术的联结性与适应性等方面存在一定挑战。未来,需要在智能技术支持的全景多模态数据融合分析、课堂认知、情感等多维度可解释性测评、基于人机协同的智能课堂精准测评定制化服务等方面加以重视和扩展。

关键词(KeyWords)： 智能技术;赋能;课堂测评;多模态数据

Abstract:

Keywords:

基金项目(Foundation): 浙江省重点研发计划项目“智能增强在线教学关键技术及其产品研发与应用”（2021C03141）阶段性研究成果

作者(Authors): 黄昌勤;涂雅欣;韩中美;

DOI: 10.16453/j.cnki.ISSN2096-5036.2022.02.013

参考文献(References)：

• [1]卢国庆,谢魁,刘清堂,等.基于人工智能引擎自动标注的课堂教学行为分析[J].开放教育研究,2021,27(06):97-107.
• [2]刘清堂,何皓怡,吴林静,等.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.
• [3]孙众,吕恺悦,骆力明,等.基于人工智能的课堂教学分析[J].中国电化教育,2020(10):15-23.
• [4]吴立宝,曹雅楠,曹一鸣.人工智能赋能课堂教学评价改革与技术实现的框架构建[J].中国电化教育,2021(05):94-101.
• [5]程云,刘清堂,王艳丽,等.课堂教学行为分析云模型的构建与应用研究[J].远程教育杂志,2017,35(02):36-42.
• [6]徐家臻,邓伟,魏艳涛.基于人体骨架信息提取的学生课堂行为自动识别[J].现代教育技术,2020,30(05):108-113.
• [7]何秀玲,杨凡,陈增照,等.基于人体骨架和深度学习的学生课堂行为识别[J].现代教育技术,2020,30(11):105-112.
• [8]黄勇康,梁美玉,王笑笑,等.基于深度时空残差卷积神经网络的课堂教学视频中多人课堂行为识别[J/OL].计算机应用:1-9[2022-01-21].http://kns.cnki.net/kcms/detail/51.1307.TP.20210917.1556.005.html.
• [9]丁宁.中学课堂教学视频中的教师肢体动作智能分析与识别[D].华中师范大学,2020.
• [10]Kim P W.Ambient intelligence in a smart classroom for assessing students'engagement levels[J].Journal of Ambient Intelligence and Humanized Computing,2019,10(10):3847-3852.
• [11]Gupta S K,Ashwin T S,Guddeti R M R.Students'affective content analysis in smart classroom environment using deep learning techniques[J].Multimedia Tools and Applications,2019,78(18):25321-25348.
• [12]陈靓影,罗珍珍,徐如意.课堂教学环境下学生学习兴趣智能化分析[J].电化教育研究,2018,39(08):91-96.
• [13]尤洋,王以宁,张海.智慧课堂环境下教学视频复杂度与学习者认知负荷关系研究[J].现代远距离教育,2020(02):91-96.
• [14]黄忠敬.评价一堂好课的“五维度”[J].中国教育学刊,2011(10):57-59.
• [15]Ramakrishnan A,Ottmar E,Lo Casale-Crouch J,et al.Toward automated classroom observation:Predicting positive and negative climate[C]//2019 14th IEEE international conference on automatic face&gesture recognition(FG 2019).IEEE,2019:1-8.
• [16]Zualkernan I,Khan M S.Towards an Audio-based CNN for Classroom Observation on a Smartwatch[C]//2020 IEEE/ITUInternational Conference on Artificial Intelligence for Good(AI4G).IEEE,2020:224-229.
• [17]骆祖莹,赵琦琦,段福庆.基于教师近场语音的课堂教学过程自动分析[J].现代教育技术,2021,31(08):76-84.
• [18]刘邦奇,李鑫.基于智慧课堂的教育大数据分析与应用研究[J].远程教育杂志,2018,36(03):84-93.
• [19]孙众,吕恺悦,施智平,等.TESTII框架：人工智能支持课堂教学分析的发展走向[J].电化教育研究,2021,42(02):33-39+77.
• [20]晋欣泉,邢蓓蓓,杨现民,等.智慧课堂的数据流动机制与生态系统构建[J].中国远程教育,2019(04):74-81+91+93.
• [21]李芒,张华阳.对人工智能在教育中应用的批判与主张[J].电化教育研究,2020,41(03):29-39.
• [22]张琪,武法提,许文静.多模态数据支持的学习投入评测：现状、启示与研究趋向[J].远程教育杂志,2020,38(01):76-86.
• [23]肖思汉.基于互动分析取径的课堂教学评价[J].教育发展研究,2017,37(18):22-29+64.
• [24]杨晓哲.基于人工智能的课堂分析架构：一种智能的课堂教学研究[J].全球教育展望,2021,50(12):55-65.