面向精準診斷的教學體征狀態系統開發與應用

王鶴 廖敏 王培超 徐顯龍

摘 要 教學體征狀態的有效監控是職業院校教學質量診斷與改進工作的前提和基礎，更是教師提高課堂教學質量的主要途徑。以上海信息技術學校為例，設計與開發面向精準診斷的教學體征狀態系統，通過初步運行，表明它能夠對課堂教學全師生、全過程、全方位的音視頻狀態數據進行分類識別與分析，形成學生學習參與度大數據，構建起教學診斷儀表盤，為教學質量提升提供決策支持。

關鍵詞 教學診斷；教學體征狀態系統；職業院校；人工智能

中圖分類號：G712 文獻標識碼：B

文章編號：1671-489X（2018）22-0061-05

Abstract The effective monitoring of teaching signs status is the ba-sis for the diagnosis and improvement of teaching quality in voca-tional colleges， and is also the main method to improve the quality ofclassroom teaching for teachers. Taking Shanghai Information Tech-nology College for an example， the state system of teaching signs forprecision diagnosis is designed and developed. Through the prelimi-nary application， it shows that the system can classify and analyze the status data of teacher-student， whole process， and all-around au-dio and video in classroom teaching， big data of students on partici-pation in learning is formulated， and diagnostic dashboard for tea-ching is constructed. All these can provide decision-making support for the improvement of teaching quality.

Key words teaching diagnosis； sign status； teaching sign status sys-tem； vocational colleges

1 引言

教育部部長陳寶生在《努力辦好人民滿意教育》[1]中提出，要把質量作為教育的生命線，堅持回歸常識、回歸本分、回歸初心、回歸夢想，深化基礎教育人才培養模式改革，掀起“課堂革命”。根據教育部發布的《關于深化職業教育教學改革，全面提高人才培養質量的若干意見》[2]和《關于做好中等職業學校教學診斷與改進工作的通知》[3]

的要求，以提高人才培養質量為根本，以促進學校自主發展、內涵發展為宗旨，堅持“需求導向、自我保證，多元診斷、重在改進”的工作方針，進一步聚焦課堂、規范管理，完善課程實施條件，構建全員、全程、全方位的內部教學質量診斷與改進制度體系和運行機制。

2017年7月8日，國務院發布《新一代人工智能發展規劃》[4]，人工智能（AI）上升為國家發展戰略。人工智能的迅速發展將深刻改變人類社會生活、改變世界，人工智能將成為經濟與社會發展的新引擎。隨著人工智能相繼給消費電子、電子商務、媒體、交通和醫療等行業領域帶來改變，其同樣會給教育行業帶來顛覆性的創新，能夠為職業院校的教學質量診斷與改進提供支持。

本文以上海信息技術學校教學診斷與改進工作為背景，將人工智能技術應用于教學工作診斷與改進方面，改變傳統教學監測與評價的模式，克服了海量教學視頻圖像數據難以長期保存和分析利用的缺陷，在研究“互聯網+”、物聯網、大數據、云計算和人工智能領域新技術的基礎上，全面分析教學工作診斷與改進關鍵要素，圍繞提高課堂教學質量這一核心目標，在學校原有標準化考場視頻監控系統的基礎上，接入智能識別系統。

智能識別系統能對課堂教學全員、全過程、全方位視頻狀態數據進行分類識別與存儲，利用計算機人工智能深度學習技術，創建課堂教學師生行為模型，形成學生行為大數據，借助可視化分析方法進行教學數據決策分析，構建起教學診斷儀表盤、質量改進駕駛艙，以數據驅動管理為載體，為學校持續改善辦學條件、完善保證體系、健全運行機制、規范教學管理、優化專業結構、提升師生素養提供全過程、全方位和全員性的教學診斷與改進的決策數據支持，有利于促進教學工作健康發展。

2 教學體征狀態信息的需求

教學體征主要是指課堂教學中學生生理以及行為的狀態、特征與動作。對課堂中學生的教學體征數據進行適當合理的收集，進而對課堂學生的教學體征數據進行建模分析，以便于更好地進行教學診斷。其中，胡慶芳對課堂教學診斷的實踐流程進行了改進，提出“發現問題—診斷原因—實踐改進”的診斷步驟[5]。黃厚江對課堂教學診斷的基本流程進行了詳細闡述，提出“課堂考查—教學分析—矯正建議—時間改進”四步診斷流程[6]。可見，教學診斷第一步要做的是發現、觀察課堂已有的問題，這就需要收集各方面的數據信息和分析各方面信息數據，而學生的教學特征正是其中的關鍵內容，需要對學生課堂教學體征數據加以收集、分析。學生課堂教學體征數據主要包括學生課堂缺勤率、課堂睡覺、課堂隨意走動以及后排聚集等方面，通過對這些數據的分析和處理，能夠對教師和教學管理者提供決策支持。

教師根據教學體征狀態信息，主要用于課堂教學診斷和自身的教學反思。在支持課堂教學診斷方面，對課堂教學的學生出勤、課堂紀律、師生互動、學生聽講等狀態數據進行全員、全景和全過程的實時動態采集，通過分析這些數據來反映課堂教學的組織實施狀態，并為進一步分析課堂教學效果提供基礎；在支持教師的自我教學反思方面，主要是通過定期對教師授課班級學生的課堂教學體征狀態信息進行分析，反映教師課堂教學組織實施的能力，為教師的自我監督與提高提供數據支持。

學校管理者則根據教學體征狀態信息，主要用于教師、系和學校不同層面的教學質量診斷和對于課堂教學異常進行識別。在支持教學質量診斷方面，通過對班級學生的課堂教學體征狀態數據進行存儲和統計分析，能夠反映教師、系和學校層面的教學質量水平，有效地監控教學過程，確保課堂教學有序進行；課堂教學過程如果出現異常，則需要提供實時報警提示，教學監測部門能及時處置，實現教學工作事前監測與處置。

3 教學體征狀態系統分析與設計

教學體征狀態系統業務分析 圖1為教學體征狀態系統的業務流程圖，分析了系統內各數據流之間的業務關系、作業順序和信息的流向。系統業務基本分為三個部分。

1）原始體征信息的采集與分析，首先是采集視頻數據，接著按照系統作業順序經過定義行為模型、標注訓練數據、產生識別模型、實時分析視頻，產生初步數據，從而產生關于原始體征信息。

2）外部數據的生成。一般分別采集教室信息數據、教師信息數據、班級信息數據匯總生成外部信息數據，從而為后續的綜合分析提供原始數據。

3）原始體征信息結合外部數據信息生成體征記錄以及分析處理，此部分將采集來的原始體征信息與外部數據經過算法處理，采用人工智能等技術分析處理生成體征記錄，并根據需要對數據進行分析和報表處理，可以實現顯示實時分析信息、產生時間段報表、體征記錄以及時間段體征報表。

教學體征狀態系統功能設計 系統功能則可以結合系統信息需求與系統業務分析得出系統的功能設計。如圖2所示，整體系統功能設計主要分為四個功能子系統，分別為數據交互子系統、體征采集子系統、體征分析子系統、權限管理子系統。

1）數據交互子系統主要實現外部數據的導入功能，可將外部的數據按照一定的格式批量化導入系統，包含三個功能，分別是教師數據導入功能、教室數據導入功能與課程數據導入功能。

2）體征采集子系統實現體征狀態信息的采集功能，可將視頻采集而來的數據通過建模以及識別分析產生原始的體征信息，包含四個功能，分別是模型輸入功能、訓練模型功能、行為識別功能以及實時圖像查看功能。

3）體征分析子系統主要實現結合外部數據對原始體征狀態信息的處理和分析功能，包含三個功能，分別是體征記錄查詢功能、教師分析功能、班級分析功能。

4）權限管理子系統主要實現對系統用戶的權限分配與用戶管理功能，包含兩個功能，分別是模塊權限管理與用戶管理。

教學體征狀態系統實現關鍵技術

1）系統實現技術方案。學生課堂體征智能診斷系統是一套基于人工智能的無侵入式校園全方位視頻智能識別分析軟件，能針對課堂教學存在的異常現象，通過網絡攝像監控，利用人工智能的深度學習技術，對課堂教學進行全員、全景、全過程實時監控、數據采集、自動預警、智能分析，構成課堂教學體征大數據與決策分析平臺。在系統業務分析的基礎上，繼續將整體系統分為元數據采集部分、大數據抽取轉換部分、數據倉庫部分、大數據存儲部分、數據集群部分、大數據分析部分和應用部分。每個部分對應實現不同的功能，從而組成整個教學體征狀態系統，總體解決方案框架如圖3所示。

2）視頻大數據處理。學校監控錄像視頻數據更是可以用海量來形容。然而大量的視頻數據難以長期保存，且無法得到有效應用，主要原因是視頻數據為非結構化數據，無法進行分類、索引，其存儲與分析需要大量時間和經濟成本。大數據時代對人類的數據駕馭能力提出新的挑戰與機遇。該系統采用多種并行計算技術，集群化計算方式，具有海量實時數據的快速分析能力，根據應用需要進行線性擴展，支持海量視頻攝像頭的接入，能對實時視頻圖像數據進行分析、分類存儲，支持更好的數據挖掘和分析利用，能對教學不良狀態起到提前預警的作用。系統在視頻數據錄入的同時，自動對視頻中的目標信息進行格式歸一化與智能預處理分析，對視頻進行快速處理，提取視頻中關鍵目標的相關信息作為智能元數據保存至數據庫中，在之后的相關操作、狀態舉證等智能檢索時，就不用再做復雜的解碼以及智能分析的工作，而是直接從智能元數據中提取，極大地提高了工作效率。同時提供對事件的統計與查詢功能，可極快地定位有效視頻位置。

為了支持多機、多核的現代計算機結構，系統采用分布式架構，同時，每個服務器上運行多個功能與作用都不同的進程，最大限度利用CPU多核并發性能。同時采用多進程與多線程技術，分析核心程序使用的是多進程結構，其內部亦采用多線程技術。該系統的視頻分析核心軟件實時、不間斷地采集攝像頭的圖像，并判斷是否需要發送警告。

3）背景建模方法。采用背景建模作為對視頻圖像中運動目標進行分析的基本分析方法。一旦背景模型建立，將當前的圖像與背景模型進行某種比較，根據比較結果確定前景目標，再對前景進行識別處理。背景建模方法流程如圖4所示。首先進行背景建模，具體是將訓練視頻輸入給背景建模算法，讓其進行深度學習，從而提取這個視頻序列中的背景特征，以建立一個數學模型來描述這個背景。分析階段，用背景模型對需要分析的視頻序列進行處理，一般采用背景相減法，提取出當前圖像中與背景模型中性質不同的像素點，這些像素點組成的圖像是運動前景。

4 教學體征狀態系統主要功能實現

教學體征狀態系統結合最前沿的智能視覺分析技術與模式識別技術，能夠通過純視頻的方式，在遠程分析中心對異地的多個視頻數據采集區域內發生的各類學生異常行為進行智能行為分析，如上課睡覺、隨意走動、后排聚集等，及時進行檢測與報警，將教學異常行為的分析與發現由“事后”轉為“實時”；還可以通過異常抓拍，分析潛在的威脅，實現提前預警通知。教學體征狀態系統實現的主界面如圖5所示。

系統管理 系統管理功能主要包括用戶管理、組織管理、角色管理、權限管理和數據字典五部分，其中，用戶管理和組織管理是系統管理的基礎，為系統提供組織和用戶基礎信息，對外提供接口，方便其他模塊調用；角色管理和權限管理是系統權限管理的組成，由角色關聯權限，給用戶分配角色，即可使用戶具有相應的權限，對外提供接口，使其他模塊可以方便地查詢用戶權限的相關情況；數據字典是系統公用數據信息，以接口形式提供給其他模塊調用，如性別、報警類型等，為系統提供公用信息管理，方便統一修改變更。

主要功能 教學體征狀態系統能夠實現對課堂教學狀態進行精準診斷與分析，其主要功能包括三個方面。

1）出勤人數的智能統計。系統采用基于矩陣低秩稀疏分解的雙背景模型，綜合利用幀間差分與低秩稀疏分解預判與運動區域，根據當前視頻幀像素與預判的運動區域的位置關系，運用不同的參數更新背景模型，然后利用背景差分法獲取運動的目標前景區域，最后對獲取的目標區域進行二值化、形態學處理連通區域預判等一系列操作，以消除噪聲影響來實現初步學生圖像提取。此后采用深度學習，采集教室視頻數據，通過大數據分析建立學生出勤模型，實現教室課堂出勤人數的統計。

2）監測課堂教學基本狀態。通過對采集的視頻數據進行分析，獲得學生在教室里的正常聽課、睡覺、隨意走動和后排聚集等行為的視頻數據；根據這些數據產生可用于識別的行為模型，進行數據挖掘與統計分析，用于診斷課堂教學的基本教學體征。使用可視化方法，對出勤、正常、睡覺、隨意走動和后排聚集等行為進行綜合排名，為教學診斷提供基礎大數據支持。

3）教學狀態數據交換。依據教育部發布的《關于中等職業學校人才培養工作狀態數據采集試行工作的通知》（教職成司函〔2016〕139號）[7]要求，按照“中等職業學校人才培養工作狀態數據采集與管理平臺數據結構”和五縱五橫的總體目標，對基礎狀態數據進行挖掘和清洗，建立人才培養工作大數據中心，為教學體征智能診斷分析系統提供數據交換。

展示與報警管理 展示與報警管理功能主要包括視頻矩陣、圖像報警和語音報警。視頻矩陣主要功能是將視頻畫面以矩陣的形式展現給用戶，用戶可以選擇1×1、2×2、3×3、4×4、5×5等不同的矩陣規則查看，并且可以對單個攝像頭進行控制查看操作。圖像報警是當智能分析服務器分析出不良行為報警時，相應的視頻上會在報警區域進行標識，能夠清晰地提示哪個攝像頭的相關區域出現問題。語音報警是當智能分析服務器分析出報警情況時，展示與報警會根據報警類型進行語音提示。報警之后，所有的報警信息就可以跟報警管理功能對接，實現報警處置。

5 教學體征狀態系統的決策應用

教學體征狀態系統借助視頻分析技術對授課教師和學生的教學狀況進行識別與統計，也可針對授課教師和班級學生在指定時間段（如該學期、上月、上周）的教學體征（如出勤率、正常聽講、缺課率、課堂睡覺、隨意走動和后排聚集）進行可視化分析，通過數據的深度挖掘與分析處理，形成課堂教師教學和學生學習的質量報告，作為授課教師和班主任改進教學與管理的依據。

學生上課出勤行為診斷 優秀的教風、學風是確保和提高學校教育教學質量的重要條件，而學生課堂出勤率是衡量教風、學風的重要數據。教學體征狀態診斷系統的初步應用，表明能對學生上課出勤情況做出精準診斷，減輕教師人工考勤工作量，避免了傳統的RFID一卡通考勤、指紋考勤和人臉考勤存在的缺陷。教師也可借助可視化數據的決策分析，查找出勤率較低的根源，為改進策略提供精準的數據支持。

隨意走動行為診斷 隨意走動行為診斷是指通過采集課堂上教學狀態視頻數據，分析課堂教學秩序。如果課堂上出現比較多的學生隨意走動情況，說明課堂教學秩序比較混亂，教師管教、管導職責落實不夠到位，課堂紀律管控失常，是衡量教師教學質量的關鍵因素。教學體征狀態診斷系統的應用能夠識別課堂上隨意走動的情況，提示給教學管理人員，實現對可能產生的違規行為進行預警。

正常和異常行為診斷 正常行為診斷是指通過采集課堂教學狀態視頻數據，分析學生聽講時的專注情況。學生睡覺行為診斷是通過采集課堂教學狀態視頻數據，分析學生聽講情況。如果教師的授課風格生動幽默，教學內容吸引學生，讓學生感興趣，這種情況下學生就不會睡覺。這些狀態數據都是衡量教師教學質量的關鍵因素，而教學體征狀態診斷系統的應用能夠實現正常和異常行為分析。

后排聚集行為診斷 后排聚集行為診斷是通過采集課堂上教學狀態視頻數據，分析課堂教學秩序和課外的學生活動秩序。如果教室內出現后排聚集甚至打架的情況，那么說明課堂教學秩序特別混亂，甚至極有可能出現打架事件，可實現學生違紀的提前預警。而教學體征狀態診斷系統的應用能夠準確識別這種行為的發生。

6 總結

學校教師、教研人員與管理人員可以通過教學體征狀態系統進行有效的教學診斷，大大提高診斷效率和質量。面向精準診斷的教學體征狀態系統經過分析、開發與應用，已經在上海信息技術學校部署實施，并取得初步的應用成效。利用“互聯網+”、云計算、物聯網、大數據、人工智能技術等新興技術，為職業教育乃至各類教育提供更好的教學診斷以及其他有助于教育事業的服務，不僅有助于我國教育技術的提高，也有助于我國教育事業水平的提高。

參考文獻

[1]陳寶生.努力辦好人民滿意的教育[N].人民日報，2017-09-08（07）.

[2]教育部關于深化職業教育教學改革全面提高人才培養質量的若干意見[DB/OL].[2016-04-07].http：//www.moe.gov.cn/srcsite/A07/moe_953/201508/t20150817_200583.html.

[3]關于做好中等職業學校教學診斷與改進工作的通知[DB/OL].[2015-07-29].http：//www.moe.gov.cn/s78/A07/A07_gggs/A07_sjhj/201604/t20160408_237263.html.

[4]國務院關于印發新一代人工智能發展規劃的通知[DB/OL].[2017-07-20].http：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

[5]胡慶芳.課堂教學診斷改進系統的重建[J].思想理論教育，2009（4）：41-47.

[6]黃厚江.語文課堂教學診斷[M].南京：江蘇教育出版社，2011.

[7]關于中等職業學校人才培養工作狀態數據采集試行工作的通知[DB/OL].[2016-10-13].http：//www.moe.edu.cn/s78/A07/A07_gggs/A07_sjhj/201610/t20161014_284821.html.