一种基于人工智能的教学行为分析系统及分析方法与流程

本发明涉及教育系统技术领域，具体涉及一种基于人工智能的教学行为分析系统及分析方法。

背景技术：

听评课活动(课堂观察)是全面提升专业素养的一种有效的教研活动形式，被广泛应用在师范生培养和教师继续教育中，是一种最直接、最具体、最经常也是最有效的研究提高课堂教学质量的方法和手段，在整个课堂教学改革过程中，听评课是不可或缺的重要环节。

目前听评课模式(课堂观察)是直接进入正在上课的教室，观察者现场听课并通过纸笔等记录观察内容，课后与执教者就需要改正问题进行归因分析，讨论解决方案。这种传统的方式有三个主要问题，第一是时间和地点的限制，所有观察活动必须在上课时间和教室里完成。第二是课堂行为转瞬即逝，缺少可以共同面对的对课堂的完整记录。所以观察者的很多意见常常都是比较笼统和模糊的，授课者在课后会议讨论时常抱有防御情绪。第三是没有将评价结果与证据记录下来，授课者在自我反思时没有依据，不能记录授课者历史的成长轨迹和分析老师成长规律。

技术实现要素：

本发明实施例的目的在于提供一种基于人工智能的教学行为分析系统及分析方法，用以解决现有教学行为分析方法存在上述不足的问题。

为实现上述目的，本发明实施例提供一种基于人工智能的教学行为分析系统，其特征在于：所述教学行为分析系统包括数据管理单元、数据处理单元以及数据评测单元，

所述数据管理单元包括视频采集单元，所述视频采集单元用于收集教学者的教学行为数据；

所述数据处理单元包括信息上传单元、数据存储单元以及时间轴建立单元，所述信息上传单元用于连接数据管理单元和数据存储单元将教学行为数据上传至数据存储单元，所述时间轴建立单元从数据存储单元中获取教学行为数据，并在教学行为数据上创建多个并列的时间轴子单元；

所述数据评测单元包括数据筛选单元、数据分析单元和数据整合单元，所述数据筛选单元用于获取创建有多个时间轴子单元的教学行为数据，并在每个时间轴子单元中的教学行为数据上筛选出一类的教学行为特征数据，所述数据分析单元用于获取教学行为特征数据，并基于人工智能对教学行为特征数据分析、学习生成教学行为分析数据，所述数据整合单元用于分别获取教学行为数据和多个时间轴子单元上的教学行为分析数据并生成评估报告。

通过采用上述技术方案，教学者记录和上传课堂教学录像，由时间轴建立单元为视频创建多个并列的时间轴，利用数据筛选单元分别在每个时间轴上的教学视频中筛选出重要的教学行为特征，使每个时间轴内均包括一类的教学行为特征，通过基于人工智能的数据分析单元，对筛选出的教学行为特征进行自动的数据聚合、特征分析、深度学习和建模模拟，使教学行为分析系统对教学者的教学行为做出详细、准确的分析，并通过对教学者的多次教学视频进行系统分析，便于记录教学者历史的成长轨迹以及分析老师成长规律。其中数据整合单元还可以将评价结果与视频证据结合起来，使教学者更直观的认识到自己授课时存在的问题，减少教学者在课后会议讨论时的防御情绪，并由此产生的自我反思或观察变得真正客观和更有意义。

进一步的，所述数据管理单元还包括量表管理单元，所述量表管理单元用于录入多个教学行为特征指标并根据多个教学行为特征指标生成评价量表。

进一步的，所述数据筛选单元包括识别标记子单元，所述识别标记子单元用于获取创建有多个时间轴子单元的教学行为数据，并由观察者根据评价量表中的多个教学行为特征指标在教学行为数据的每个时间轴子单元上标记出一类的教学行为特征，所述识别标记子单元根据观察者标记出的教学行为特征生成行为特征标记数据。

进一步的，所述数据分析单元包括基于深度学习算法的学习子单元和行为分析研判子单元，所述行为分析研判子单元用于获取识别标记子单元生成的行为特征标记数据，并根据行为特征标记数据对教学行为数据进行综合分析生成行为特征分析数据，所述学习子单元用于获取行为特征分析数据并根据行为特征分析数据深度学习建模生成模拟数据。

通过采用上述技术方案，当系统为视频创建多个时间轴后，使观察者根据评价量表中的多个教学行为特征指标在教学行为数据的每个时间轴子单元上标记出一类的教学行为特征，由行为分析研判子单元对各时间轴上标记出的教学行为特征进行数据聚合，并根据聚合的数据使行为分析研判子单元对教学视频进行综合分析，利用基于深度学习算法的学习子单元对分析结果进行学习、演化并生建模生成理想的课堂教学行为，使系统在反复使用的过程中，对教学者教学行为的模式和成长规律分析的结果更准确。

进一步的，所述数据管理单元还包括任务管理单元，所述任务管理单元获取创建有多个时间轴子单元的教学行为数据，并根据多个教学行为数据生成观课任务表。

通过采用上述技术方案，利用任务管理单元生成观课任务表将观课任务分配给观察者，再由观察者进行识别标记，使观察者可以选择合适的时间以及地点完成工作。

进一步的，所述数据管理单元还包括具有通信模块的信息发送单元，所述信息发送单元用于将数据整合单元生成的评估报告和教学行为数据发送给学习者终端。

通过采用上述技术方案，利用信息接收单元将数据整合单元生成的评估报告和教学视频发送给学习者终端，其中学习者终端可包括移动终端或pc终端或app等实现信息互动的接收设备，数据整合单元可根据生成的评估报告判断教学视频的质量，对于评价较高的教学视频，可择优的推送给学习者，便于提高教学质量。

本发明实施例还提供一种基于人工智能的教学行为分析系统及分析方法，其特征在于，所述方法包括以下步骤：

s1、分别向数据存储单元上传教学者的教学视频和设定的评价量表；

s2、所述时间轴建立单元为教学视频创建多个并列时间轴，由观察者根据评价量表上的行为特征指标在每个时间轴上的教学视频中识别出一类的教学行为特征并标记评价；

s3、所述行为分析研判子单元聚合观察者在教学视频各时间轴上标记出的教学行为特征，并根据聚合的教学行为特征数据对教学视频进行综合特征分析；

s4、所述学习子单元基于深度学习算法，根据行为分析研判子单元的特征分析深度学习，并根据学习结果建摸模拟出理想的课堂教学行为；

s5、所述数据整合单元整合行为分析研判子单元的特征分析结果和学习子单元的模拟结果生成评估报告，并将评估报告和分析的教学视频进行匹配存储。

进一步的，所述步骤s2中，教学视频上的时间轴为可反复退回的时间轴，使观察者反复观看教学视频对时间轴子单元上的教学视频进行多次教学行为特征识别并标记。

进一步的，所述步骤s5中，数据整合单元通过信息发送单元将评估报告和优秀的教学课例推送给学习者。

本发明实施例具有如下优点：

1、本发明的教学行为分析系统通过教学者记录和上传课堂教学录像，由时间轴建立单元为视频创建多个并列的时间轴，利用数据筛选单元分别在每个时间轴上的教学视频中筛选出重要的教学行为特征，使每个时间轴内均包括一类的教学行为特征，通过基于人工智能的数据分析单元，对筛选出的教学行为特征进行自动的数据聚合、特征分析、深度学习和建模模拟，使教学行为分析系统对教学者的教学行为做出详细、准确的分析，并通过对教学者的多次教学视频进行系统分析，便于记录教学者历史的成长轨迹以及分析老师成长规律；

2、本发明的教学行为分析系统能够将评价结果与与视频证据结合起来，使教学者更直观的认识到自己授课时存在的问题，并减少教学者在课后会议讨论时的防御情绪，使教学者由此产生的自我反思或观察变得真正客观和更有意义；

3、本发明的教学行为分析系统可以使观察者反复观看教学视频对时间轴子单元上的教学视频进行多次教学行为特征识别并标记，便于观察者花可以更多的时间观察、更少的时间记笔记，并通过任务分配使观察者可选择合适的时间以及地点完成工作。

附图说明

图1为本发明实施例提供的教学行为分析系统的主流程示意图。

图2为本发明实施例1提供的教学行为分析系统的流程示意图。

图3为本发明实施例2提供的教学行为分析系统的流程示意图。

具体实施方式

以下实施例用于说明本发明，但不用来限制本发明的范围。

实施例1

如图1和图2所示，本发明提供了一种基于人工智能的教学行为分析系统，包括数据管理单元、数据处理单元以及数据评测单元。

数据管理单元包括视频采集单元，视频采集单元用于收集教学者的教学行为数据，其中视频采集单元可选为摄像机、相机、手机或摄像头等具有拍照录像功能的硬件设备，当教学者在课堂上进行教学时，使用视频采集单元将整个教学过程录成视频并保存下来，视频中的教学行为主要包括教学者的行为特征以及教学者和学习者之间的互动行为特征；

数据处理单元包括信息上传单元、数据存储单元以及时间轴建立单元，其中信息上传单元用于连接数据管理单元和数据存储单元将教学行为数据上传至数据存储单元，时间轴建立单元从数据存储单元中获取教学行为数据，并在教学行为数据上创建多个并列的时间轴子单元；

数据评测单元包括数据筛选单元、数据分析单元和数据整合单元，其中数据筛选单元用于获取创建有多个时间轴子单元的教学行为数据，并在每个时间轴子单元中的教学行为数据上筛选出一类的教学行为特征数据，数据分析单元根据获取的教学行为特征数据，基于人工智能对教学行为特征数据分析、学习生成教学行为分析数据，并由数据整合单元分别获取教学行为数据和多个时间轴子单元上的教学行为分析数据并生成评估报告，并将评估报告和分析的教学视频进行匹配存储，通过将评价结果与视频证据结合起来，使教学者更直观的认识到自己授课时存在的问题，减少教学者在课后会议讨论时的防御情绪，并由此产生的自我反思或观察变得真正客观和更有意义。

如上所述，各单元之间可为数据、电路或通信等连接方式连接，当教学者记录和上传课堂教学录像后，由时间轴建立单元为视频创建多个并列的时间轴，利用数据筛选单元分别在每个时间轴上的教学视频中筛选出重要的教学行为特征，使每个时间轴内均包括一类的教学行为特征，通过基于人工智能的数据分析单元，对筛选出的教学行为特征进行自动的数据聚合、特征分析、深度学习和建模模拟，使教学行为分析系统对教学者的教学行为做出详细、准确的分析，并通过对教学者的多次教学视频进行系统分析，便于记录教学者历史的成长轨迹以及分析老师成长规律。

实施例2

与实施例1不同之处在于，如图3所示，数据管理单元还包括量表管理单元，其中量表管理单元用于录入多个教学行为特征指标并根据多个教学行为特征指标生成评价量表。

数据筛选单元包括识别标记子单元，识别标记子单元用于获取创建有多个时间轴子单元的教学行为数据，并由观察者根据评价量表中的多个教学行为特征指标在教学行为数据的每个时间轴子单元上标记出一类的教学行为特征，使识别标记子单元根据观察者标记出的教学行为特征生成行为特征标记数据。

数据分析单元包括基于深度学习算法的学习子单元和行为分析研判子单元，其中行为分析研判子单元用于获取识别标记子单元生成的行为特征标记数据，并根据行为特征标记数据对教学行为数据进行综合分析生成行为特征分析数据，学习子单元用于获取行为特征分析数据并根据行为特征分析数据深度学习建模生成模拟数据。当系统为视频创建多个时间轴后，由观察者根据评价量表中的多个教学行为特征指标在教学行为数据的每个时间轴子单元上标记出一类的教学行为特征，通过行为分析研判子单元对各时间轴上标记出的教学行为特征进行数据聚合，并根据聚合的数据使行为分析研判子单元对教学视频进行综合分析，利用基于深度学习算法的学习子单元对分析结果进行学习、演化并生建模生成理想的课堂教学行为，使系统在反复使用的过程中，对教学者教学行为的模式和成长规律分析的结果更准确。

实施例3

与实施例1不同之处在于，如图3所示，数据管理单元还包括任务管理单元，所述任务管理单元获取创建有多个时间轴子单元的教学行为数据，并根据多个教学行为数据生成观课任务表，利用任务管理单元生成观课任务表将观课任务分配给观察者，使观察者可以选择合适的时间以及地点完成工作。

实施例5

与实施例1不同之处在于，如图3所示，数据管理单元还包括具有通信模块的信息发送单元，信息发送单元用于将数据整合单元生成的评估报告和教学行为数据发送给学习者终端，利用信息接收单元将数据整合单元生成的评估报告和教学视频发送给学习者终端，其中学习者终端可包括移动终端或pc终端或app等实现信息互动的接收设备，数据整合单元根据生成的评估报告判断教学视频的质量，对于评价较高的教学视频，可择优的推送给学习者，便于提高教学质量。

实施例6

本发明实施例还提供一种基于人工智能的教学行为分析系统及分析方法，其特征在于，所述方法包括以下步骤：

s1、分别向数据存储单元上传教学者的教学视频和设定的评价量表；

s2、所述时间轴建立单元为教学视频创建多个并列时间轴，由观察者根据评价量表上的行为特征指标在每个时间轴上的教学视频中识别出一类的教学行为特征并标记评价；

具体的，教学视频上的时间轴为可反复退回的时间轴，使观察者反复观看教学视频对时间轴子单元上的教学视频进行多次教学行为特征识别并标记，便于观察者花可以更多的时间观察、更少的时间记笔记。

s3、所述行为分析研判子单元聚合观察者在教学视频各时间轴上标记出的教学行为特征，并根据聚合的教学行为特征数据对教学视频进行综合特征分析；

s4、所述学习子单元基于深度学习算法，根据行为分析研判子单元的特征分析深度学习，并根据学习结果建摸模拟出理想的课堂教学行为；

s5、所述数据整合单元整合行为分析研判子单元的特征分析结果和学习子单元的模拟结果生成评估报告，并将评估报告和分析的教学视频进行匹配存储。

其中数据整合单元还可以通过信息发送单元将评估报告和优秀的教学课例推送给学习者。

本发明的教学行为分析系统通过教学者记录和上传课堂教学录像，由时间轴建立单元为视频创建多个并列的时间轴，利用数据筛选单元分别在每个时间轴上的教学视频中筛选出重要的教学行为特征，使每个时间轴内均包括一类的教学行为特征，通过基于人工智能的数据分析单元，对筛选出的教学行为特征进行自动的数据聚合、特征分析、深度学习和建模模拟，使教学行为分析系统对教学者的教学行为做出详细、准确的分析，并通过对教学者的多次教学视频进行系统分析，便于记录教学者历史的成长轨迹以及分析老师成长规律，并且本系统能够将评价结果与与视频证据结合起来，减少教学者在课后会议讨论时的防御情绪，使教学者由此产生的自我反思或观察变得真正客观和更有意义。

虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。