互联网+智课-基于大数据的课堂教学分析评测课件.pptx

1、落地实践精准推送案例展示背景介绍人工智能发展史1943-1956年诞生1950年“图灵测试”1956年达特茅斯会议AI诞生1950-1970年早期符号主义早期推理系统早期神经网络专家系统1980-2000年第2次发展统计学派：语音识别机器学习神经网络2006年第3次发展大数据深度学习机器学习AlphaGo机器视觉人脸识别表情识别语音识别机器翻译OCRAiAi简介简介单一清晰领域海量数据超大计算量人工智能落地前提 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。“教育基础数据采集”，政策解读

2、政策解读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、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。建立以学习者为中心的教育环境，提供，实现日常教育和终身教育定制化。痛点分析痛点分析客观数据对教学过程的分析缺失教学资源的利用率低下客观数据对个性化学习支持不足是教育大数据的主要产生地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教学过程的数据挖掘课堂观察的理论基础教学行为分析-ST模型教师

3、教师T1. 解说解说2. 示范3. 板书4. 提示5. 提问/点名6. 评价/反馈学生S7. 发言8. 思考/计算9. 笔记10. 实验/作业11. 沉默教学行为笼统的分为教学行为笼统的分为T和和STS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% 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ChD教学模式教学模式标准条

4、件标准条件练习型讲授型对话型混合型Rt 0.3Rt 0.7Ch 0.40.3 Rt 0.7, Ch 0.41234567T TTTT TSSSSS教师发言教师发言间接影响间接影响1. 制造动机制造动机2. 表扬3. 理念4. 提问直接影响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. 沉默或混乱弗兰德斯分类弗兰德斯分类教学行为分析-弗兰德斯分类体系1234567891012345678910FIAC数据表数据表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

5、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。教学行为分类-国内师师生生行行为为对对象象师个互动教师行为指向学生个教师行为指向学生个体的师生互动体的师生互动师班互动教师行为指向全班学教师行为指向全班学生群体的师生互动生群体的师生互动师组互动教师行为指向学生小教师行为指向学生小组的互动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吴康宁等学者吴康宁等学者“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”四类若何如何为何是何“是何”问题指向事实性问题主

6、要了解学生对事实性问题的掌握情况；“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；“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；“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。低阶思维高阶思维华中师大分类华中师大分类教学行为分类-国内- 华中师大的模型更适合中国教育落地实践数据建立模型个体与模型分析对比诊断评测精准推送录播非结构化数据结构化数据数据分析挖掘AI基于大数据的课堂教学分析评测系统基于大数据的课堂教学分析评测系统基于大数据的课堂教学分析评测0202010103030404 师生个体行为 班级整体行为活动行为 教师语

7、音 学生语音语音分析 知识点OCR识别 学生表情情感计算AI分析维度2.1 行为分析u 人脸识别模型训练2.1 行为分析教师讲授、板书、提问u 教师行为分析教师行为识别目标识别2.1 行为分析u 教师行为分析2.1 行为分析u 学生行为分析学生主动提问、应答、对话学生行为识别多目标动态人脸识别课堂活跃热力图2.1 行为分析u 学生行为分析2.1 行为分析u 班级行为分析班级整体行为统计分析2.2 语言分析u 师生语言语音采集，语义转换，知识点识别2.3 表情分析u 学生表情消极倾听学生心理积极疑惑理解抗拒不屑鬼脸高兴正常悲伤生气愤怒技术可以测量出的情绪2.3 表情分析u 学生表情多目标情感计算

8、2.4 OCR识别u 知识点识别OCR自动扫描教师授课课件，识别知识点，关联知识库OCR讲授讲授提问提问指示反馈评价主动提问应答应答举手举手对话对话讨论讨论观察笔记笔记练习练习实践实验思考思考板书板书演示演示展示展示观察观察巡视巡视个别个别指导指导教师教师学生学生言语言语活动活动16类行为分别采样评分根据分值绘制云图根据云图及基本属性相关值横向/纵向对比云图模型的意义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；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

9、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计算云图的基本属性极差、标准差等、周长等- 红色表示可以利用人工智能自动采集分类教学行为云图-教师课堂教学行为图-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教师教师教师家长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家长3.1 学生、家长学生课堂数据的精准推送3.2 教师3.3 教研人员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。5间教室，36节小学课程，自动分析，报表输出课堂分析报告-学生结构式课堂观察记录课堂知识点内容课程信息课堂观察记录课堂分析报告-教师结构式课堂观察记录课堂知识点内容课程信息课堂观察记录THANKS