[发明专利]一种自适应、无监督式的课堂教学活动智能感知方法

说明书

本发明实施例公开了一种自适应、无监督式的课堂教学活动智能感知方法，利用并发展相关信息与智能技术手段对课堂语音信号进行获取、分析处理和识别，立足于构建自适应、无监督式的智能方法，鲁棒地从课堂语音信号中检测出课堂语音各部分。利用并发展人工智能处理技术，对连续课堂语音进行最优化、智能化地划分，最终实现基于课堂语音的课堂教学活动识别。

技术领域

本发明涉及人工智能领域，尤其涉及一种自适应、无监督式的课堂教学活动智能感知方法。

背景技术

教育质量的保证是各层次教育的关键。而在提高教育质量中，提高教学质量尤其是课堂教学质量应为重中之重。信息与智能技术已然成为社会发展的重要依托，如何利用与发展信息与智能技术革新传统课堂，构建面向课堂教学的，高效、自动的“智能感知”则自然而然成为一个极具研究价值的科学问题。

基于课堂教学的分析，最著名同样也是最广泛应用的方法是弗兰德互动分析法(Flanders’InteractionAnalysis System，简称FIAS)，弗兰德认为：语言行为是课堂中主要的教学行为，占所有教学行为的80％左右。因此评价一堂课的最佳方法是对课堂内的师生语言行为进行互动分析。从某种意义上说，把握了课堂教学中师生的语言行为也就把握了课堂教学的实质，它对课堂教学细节进行分析表现出了异乎寻常的技术性功能。

概括来说，FIAS方法包括三个主要部分，分别是：一套描述课堂互动行为的编码系统，即量表；一套关于观察和记录编码的规定标准；一个用于显示数据，进行分析，实现研究目标的迁移矩阵。

目前，国内外和本发明住主要研究中心集中于编码系统研究与利用，编码系统把课堂上的语言互动行为分为教师语言、学生语言和沉寂或混乱(无有效语言活动)三类共十种情况，分别用编码1—10表示。

黄焕等人在《不同教学风格的课堂话语特征分析及应用研究》(现代教育技术，2013年)一文中提出一套面向多媒体课堂话语分析编码系统，然后利用该系统研究不同教学风格的课堂话语特征。孙杰在《基于FIAS的师范生课堂教学互动分析》(新课程研究，2010年)一文中利用FIAS研究师范生课堂教学，从而研究课堂的教学结构、教学倾向与风格以及师生互动的方式。高桂平在《数字化课堂话语行为分类与方法研究》(中国信息技术教育，2014年)一文中提出用机器学习方法将课堂话语进行分类。

现有技术中的这些方法都存在以下缺陷：

1.但目前传统的做法是基于人工(同行)现场观摩与评价的方法，这类方法虽然能够发挥一定的作用，但不具备普适可操作性，也不具备普适客观性。

2.虽然目前有一些自动化识别课堂活动的系统，比喻LENA，但是该系统的功能还相对比较简单，集成化和智能化程度还不是很高。

其导致的原因主要有：

1.一则教学主管部门很难做到时时刻刻地都在考察课堂、做出评价并给出建议，这势必会给教学管理带来沉重的负担也没有必要。再则，传统的现场观摩与评价，由于不能全程跟进教学进程，因此很难客观评价教师的教学质量。

2.课堂活动感知部分主要进行课堂活动的自动检测与识别，即判断给定的连续课堂语音中哪一段为一个课堂活动，活动的类别是什么，活动何时开始，何时结束，最后将一段连续的课堂语音划分为多个活动的组合，并确定活动所属的类别。这是一个非常复杂的处理过程，在现有技术中没有见到相对可靠度原型系统。

发明内容

本发明实施例所要解决的技术问题在于，提供一种自适应、无监督式的课堂教学活动智能感知方法。可对课堂语音信号进行获取、分析处理和识别，立足于构建自适应、无监督式的智能方法，鲁棒地从课堂语音信号中检测出课堂语音各部分。利用并发展人工智能处理技术，对连续课堂语音进行最优化、智能化地划分，最终实现基于课堂语音的课堂教学活动识别。