网络教学质量监测系统设计

刘毅

摘  要：网络教学是重要的教学方式，自新冠肺炎疫情发生以来，网络教学更大规模地得到应用。然而网络教学存在上课质量难以监督的问题。文章研究提出了基于行为分析的网络教学监督评估方法，并利用人工智能等技术设计了网络教学监测系统，根据学生在线学习时的对电脑的状态、操作行为等信息数据对上课质量进行评估，为网络教学的发展提供技术支撑。

关键词：网络教学;质量监测;系统

中图分类号：TP393        文献标志码：A         文章编号：2095-2945（2020）23-0084-03

Abstract： Online teaching is an important teaching method， since COVID-19 disease， online teaching is applied on a larger scale. However， the quality of online teaching is difficult to supervise. This paper studied a method of network teaching supervision and evaluation based on behavior analysis， and designs a network teaching monitoring system by using artificial intelligence and other technologies. According to the information data of students' on-line learning， such as the state and operation behavior of computers， the class quality is evaluated， which provides technical support for the development of online teaching.

Keywords： online teaching; quality monitoring; system

引言

網络教学是通信网络技术发展的结果，广泛在职业培训、成人教育等教学应用。目前拥有网络教学资质的高校网络学院有70余所，慕课等教学方式也开始在普通高等学校的教学工作中应用，为国家的职业和高等人才培养提供了重要的支撑作用，特别是新冠肺炎疫情以来，为保障教学工作的继续开展，在全国范围内大、中、小学均采用了网络教学，云课堂、空中课堂、腾讯会议、腾讯课堂、云视讯等各种教学平台和软件均得到了广泛应用。然而网络教学普遍存在的问题是难以在线教学时对学生上课质量进行监督和考察，部分网上教学平台具有视频播放时间统计，定时打卡等监督功能，但监督方式较为生硬，特别是定时打卡，易分散学生听课的注意力，反而影响了教学质量。所以需要对网上教学的上课质量监督的方法进行研究，以保证教学质量。

本文研究基于行为分析的网络教学监督评估方法，并设计相应的系统，根据学生在线学习时的对电脑的状态、操作行为等信息数据对上课质量进行评估。

1 方法研究

网络教学监督评估方法包括线上课程运行状态监测、学生行为监测两部分。

1.1 运行状态监测

运行状态监测包括界面监测和音量监测。

（1）界面监测用于监测线上课程软件运行过程中是否有其它界面遮挡。学生在线学习时，易存在开启其它游戏、浏览器、工作或聊天软件操作的情况，通过界面监测可对此类影响听课质量的界面切换操作信息进行采集，并记录时间和次数。

（2）音量监测可对学生在上课过程中电脑的音量设置调节信息进行采集，以监测学生在线学习时异常调低音量、开启静音等操作情况。除此之外，在线教学软件应不提供独立的在线视频音量调节功能，以防止学生独立对教学视频静音，而播放其它娱乐视频。

1.2 行为监测

行为监测主要是通过对输入设备监测实现，包括鼠标监测、键盘监测、摄像头监测。

（1）鼠标监测;鼠标是重要的人机交互输入设备，人们在使用软件时基本必须使用鼠标操作，特别是使用游戏、浏览器软件时，鼠标操作频率较高，而网络教学多数时间是观看在线视频，几乎不需鼠标操作，所以对鼠标操作的频繁度进行监测，可有效获取学生对软件的操作行为。

（2）键盘监测;鼠标是文本输入的主要设备，人们在使用Word等文本编辑工作软件或使用浏览器软件进行搜索操作时，必须使用键盘输入，所以对键盘输入的频繁度进行监测，可有效获取学生对电脑的编辑操作行为。但由于键盘侦测可能危及被监测对象的密码等个人信息安全的问题，所以监测权限一定要严格控制与管理，只能对键盘使用频率进行监测，绝不可监测输入内容。

（3）摄像头监测;现有笔记本电脑基本都集成有摄像头，通过摄像头可以采集学生的视频图像，对视频图像处理识别，可监测学生是否在电脑旁，而且进一步可监测学生对电脑屏幕的关注情况。

2 系统设计

网络教学监测系统可作为网络教学软件的一个子系统，由于涉及本地电脑功能较多，所以网络教学软件应采用CS框架。教学监测系统结构功能如图1所示：

网络教学监测系统中音量监测、鼠标监测、键盘监测的功能较为简单，易于实现，限于篇幅，本文不再详述。以下主要对界面监测和摄像头监测过程进行设计。

2.1 界面监测

界面监测可借鉴录屏软件全屏数据采集的技术，对界面中固定不变的区域和位置选取若干个像素点，对这些像素点的值的变化进行监测，即可实现界面的监测。

由于屏幕显示界面均由显示驱动程序负责显示管理和驱动，所以具体编程时研究目标应以GDI（Graphics Device Interface） 图形设备接口为主。GDI体系架构如图2所示，由下至上包括五个层次，底层为软件的开发环境，图中列举了.NET和C++等常用的Windows程序开发环境;第二层为GDI+引擎，为底层开发的程序提供界面的二维矢量图形、点阵图像、文本文字的头文件、动态链接库等，包括与显示设备无关的类、函数等;第三层为GDI接口，输出标准的界面显示信息;第四层设备驱动程序负责根据硬件设备完成GDI提供的数据转换，由第五层显卡和顯示器完成软件界面的显示。基于GDI接口可采用mirror driver通过创建虚拟显卡截取显示内容，实现对屏幕更新区域的监控，如图3所示，在网络教学软件界面的关键位置设置9个监测点，如屏幕更新区域涉及这些监测点，可判定学生进行了界面切换操作，包括界面覆盖，最小化等。

2.2 摄像头监测

摄像头监测过程如图4所示。

（1）步骤1，系统根据学生用户名信息调取服务器中存储的学生照片图像数据，并开启摄像头采集学生面部图像，将图像进行人脸识别匹配，如匹配成功，则继续持续采集面部图像，进行活体检测以区分真人与照片。

（2）步骤2，对步骤1的识别结果进行判定，如果识别成功继续执行步骤3，否则返回步骤1继续采集识别。

（3）步骤3，对已经过识别认证的学生进行位置识别监测，用于判定学生是否持续在电脑前，可采用较为成熟的脸部追踪算法实现。

（4）步骤4，对步骤3的识别结果进行判定，如果目标可持续追踪，则判定学生没有离开电脑，继续执行步骤5，否则返回步骤1对学生重新采集识别。

（5）步骤5，对学生进行专注度监测，用于判定学生对学习内容的专注度。专注度监测通过对学生的眼睛是否注视屏幕进行判断，主要依据是眼睛的瞳孔位置，如果学生使用的是内置在屏幕上方的摄像头，则瞳孔应正对摄像头，如果使用外置摄像头，可通过瞳孔方向变化进行判定。此外通过瞳孔监测，还可对学生眨眼频率和闭眼时间的相关数据进行采集。

（6）步骤6，基于步骤3位置识别监测和步骤5的专注度监测，对学生在电脑前的时间、专注时间进行累积统计。

（7）步骤7，如已到下课时间，则执行步骤8，否则返回步骤3，在上课时间段内循环执行步骤3-7。

（8）步骤8，依据步骤6对学生在电脑前的时间、专注时间的最终统计数据，对本节课的学习质量进行评估。

在以上步骤中，步骤1人脸识别、步骤3和步骤5专注度监测，已有很多成熟的相关方法与技术。人脸识别技术已在设备安全管理、公共安全、在线支付等领域得到广泛应用;位置识别已在视频监控、手机智能拍照等领域使用;专注度监测已在驾驶员疲劳度检测方面得到应用。摄像头监测程序可采用基于OpenCV开源计算机视觉库进行开发，OpenCV提供了包括Windows、Mac Os等多种操作系统的开发函数。OpenCV 提供了FaceRecognizer类，可采用多种识别算法实现识别，在此基础上。OpenCV 还提供了人脸追踪face_tracker类，应用这个类，可在本应用中轻松实现学生位置监测的功能。此外通过OpenCV 提供的CascadeClassifier分类器，可检测识别人眼并对瞳孔位置进行定位。

3 结束语

本文研究基于行为分析的网络教学监督评估方法，并设计了网络教学监测系统，根据学生在线学习时的对电脑的状态、操作行为等信息数据对上课质量进行评估。本文提出的方法与系统可解决在线教学时难以对学生上课质量进行监督和考察的问题，同时可采集与可课程质量相关的学生关注度相关的一手数据，可为大数据分析提供宝贵的数据，进一步为网络教学的进步与推广提供支撑。

参考文献：

[1]周蓓.中国高等学历继续教育政策大数据决策系统建设研究[D].北京：中国矿业大学（北京），2019.

[2]汪旭，陈仁文，黄斌.基于android系统的司机驾驶安全监测系统的实现[J].电子测量技术，2017，27（10）：1-6.

[3]杨建昌.GDI+高级编程[M].清华大学出版社，2010：15-20.

[4]大卫·米兰·埃斯克里瓦.OpenCV4计算机视觉项目实战[M].机械工业出版社，2019：112-122.