基于人工智能的学生自主学习效果评价模式探讨

摘 要：教育的发展强调以学生为主体的学习方式，课堂教学过程中通过学生小组讨论合作，自习阶段提升学生能力和兴趣的培养，然而学生自主学习过程的评价方式过于重结果轻过程，忽视学生过程的进步与努力，消磨学生的积极性。随着人工智能技术的发展，语音识别、图像识别等技术给教学评价方式带来了变革。文章结合语音识别、图像识别对学生自主环节下的学习状态评价方式和内容进行探讨，形成有针对性、重过程的教学评价方式，完善教学评价机制。

关键词：课堂评价;语音识别;图像识别;多模态

0  引言

目前，人工智能技术的快速发展，也在逐渐影响教育方式的进步，传统的评价方式过于单一，教学的过程中是不同环节组成的，包括知识回顾、教师讲授新知识、学生回答发言、学生小组讨论、自习等不同的教学环节，在不同环节中学生学习认真程度的效果也是不同的，需要對不同教学环节设置针对性的评价方式，而不是使用单一的评价方式，使评价方式和效果更加准确。通过人工智能技术建立多维感官可以评价不同教学环节下学生学习的认真程度。然而在教学过程中，以学生为中心的教学环节评价方式经常被忽略，忽略学生微小的改变和积极性，因而通过实时地评价学生的学习积极性，及时给予奖励与表扬更能激发学生学习的动力[1]。

1 自主学习模式下专注度评价模式划分

学生在不同的教学环节中的表现形式不同，因而评价的标准也有所不同，学生自主学习环节包括小组讨论、学生自习，传统的教学评价大多数通过学生的学习成绩，但对不同的教学阶段并没有详细的评价模型，缺少对学生准确、真实的反馈，仅是笼统地评价学生，因而本文对小组讨论、自习两个自主学习环节建立评价模型，得到更准确的评价。

1.1 小组讨论环节

在小组讨论的过程中，学生的学习积极性与教师授课的情形是不同的，小组讨论环节是以学生为中心，小组成员合作探究、发现问题、解决问题，侧重学生的组织合作能力，以及问题解决能力的培养和提升，注重学生自主综合能力的培养。教师授课过程以老师为中心去教授知识，而学生是被动地接受知识，缺乏主动性，因而侧重学生在讲授期间学习的认真态度。因而在小组讨论环节注重学生的参与性、问题处理的成果，而学生参与性表现包括小组成员讨论内容与课程内容的相关程度、学生行为的参与度、成员面部表情的融入感等。

1.2 自习环节

教学过程中另一个以学生为中心的环节是学生自习阶段。教师讲授完知识，需要学生在自习时间去整合知识，将老师讲授的内容转化为自己内在的知识，因而在自习环节，学生需要在安静的环境下，以认真的态度去完成知识的转化，同时在这个过程中需要学生尽可能保持安静的状态。在这个过程中教室环境中，声音的强度、学生的面部认真情况、头部转动的强度以及学生的肢体动作变化，其中教师环境声音的强弱与自习的效果成反比，学生低头的时间与学习效果成正比，面部表情平缓，无剧烈情绪变化为学习效果较好，肢体动作变化幅度小且保持在课桌位置上，如出现在大幅度的肢体变化，同桌之间嬉戏打闹，说明自习的效果欠佳。

2 自主学习模式下专注度评价方式探究

在教学评价过程中，传统的评价方式存在很多弊端，如仅从学生的学习成绩评价学生的努力程度和学习效果，忽视学生过程的变化与进步，而目前通过图像识别的评价方式也逐渐出现，通过对学生的面部表情识别或肢体动作单一维度检测学生学习状态，忽略教学过程的多样性和复杂性，而且在教学的整个过程中运用一样的评价量化指标对不同的环节，评价的处理方式缺少精准性，进而对评价的准确性也存在问题，教学环节过程中可以划分为以教师为中心和以学生为中心的环节，以教师为中心的环节包括教师授课，学生回答问题等。以学生为中心的教学环节包括小组讨论、小组活动、自习等。在自主学习过程中，学生主动自主的学习知识内容，因而学生的主动性和小组成员学习的认真态度是考核评价的重点。本文将结合多维感官去综合评价学生认真程度，结合语音识别、表情识别、肢体动作识别3个角度对小组讨论和自习环节建立评价体系，设置不同环节的侧重评价指标与评价反向，构建具有针对性的评级方式。

2.1 数据采集

为了达到对学生的实时评估与监测，因而选取视频监控系统的视频信息作为数据，采集的过程中尽可能保持自然的状态，确保人脸检测与分类的真实性，教室环境光线要适中，保证清晰获取每一个学生表情与动作状态信息。

2.2 学生面部识别与分析

学生在学习的过程中会出现微小面部变化，并且持续时间非常短，很多时候教师很难发现学生情绪的变化，因为本文结合微表情识别对学生的学习状态进行评估。在小组讨论环节，学生的参与性与面部表情的关系密切关系，小组成员面部神态愉悦或中性的状态表明学生在主动积极寻找问题的解决办法，同时讨论的内容是与学科内容相关，综合判断讨论阶段学生的认真程度。在自习环节，每个学生处在独立思考与学习的过程中，学生的面部表情接近中性较好，当出现喜悦或难过的情绪时，这种情绪波动可能是在看课外的内容引起的情绪波动，如果仅偶尔出现并不影响。

2.3 学生语音识别与分析

单一从图像识别的角度分析学生学习的积极程度很难判断，需要从语音方面去分析学生学习和讨论的内容是否与学科内容相关。小组讨论环节尤为重要，当小组成员讨论和参与性很高，但是讨论的内容却与课程内容无关时，可以直接说明学生的学习效果和态度不够好。在自习环节为了保证每个学生的学习处在一个安静的状态，需要监控分析教室的声音强度。

2.4 学生肢体动作识别与分析

肢体动作的变化在教学评价过程中起到重要的作用，肢体动作相对与面部表情更加直观，更能反映出学生学习状态[2]。在小组讨论环节，学生处在一个自主活动的过程，相对与课堂授课的肢体动作，识别认真程度会有些宽泛，站立、走动是正常范围内。对于自习环节，学生处在一种自我学习的状态，同学之间的讨论较少，并且学生之间很少会离开自己的位置，因为自习状态下学生肢体动作要求变化较小，当出现较大范围的变化说明并没有在认真学习。

2.5 评价模式构建

本文结合学生自主学习环节中不同的侧重点，建立评价模型，利用语音识别、表情识别、肢体动作识别3个感官维度对小组讨论、自习环节的建立不同的评价体系和评价方式，实现实时跟踪与分析，形成针对性的过程评价机制[3-4]。同时对数据统计分析，形成综合每个组的作品完成情况和课堂认真表现辅助教师评价学生。

在小组讨论过程中，通过分析采集数据中语音与图像来综合分析学生的参与度和积极性，其中通过语音识别检测小组环境中讨论内容与学科内容的关系和占比情况，占比越大说明参与性越高，同时通过人脸识别检测学生的表情变化，是否处于积极的状态，结合肢体动作识别检测学生的大幅度动作情况，综合3个方面评估小组讨论环节的状态，如图1所示。

在自習阶段，为了保证良好的学习环境，教室尽量保持安静，因而在语音识别方面监测教室声音强度和学生讨论的内容，其中教室噪音太大说明学习效果较差，对于学生讨论的内容进行分析与教学内容的相关性。在图像处理方面，应对学生的面部表情进行分析，情绪是否处于中性状态，如果在期间情绪波动很大，说明学习效果不佳，如图2所示。

3  结语

本文通过划分教学环节，对学生自主学习环节中的小组讨论与自习阶段考察的侧重点出发，建立评价体系，通过语音、表情、肢体动作识别综合对每个环节建立评价方式，不同环节考核的标准不同，并从实时、阶段、全部3个角度对学生进行评价分析，实现有针性、准确性的评价教学过程，促进学生个性化发展。

[参考文献]

[1]卢立涛，梁威.我国课堂教学评价现状反思与改进路径[J].中国教育学刊，2012（6）：43-47.

[2]刘清堂，何皓怡，吴林静，等.基于人工智能的课堂教学行为分析方法及其应用[J].中国电化教育，2019（9）：13-21.

[3]骆祖莹，张丹慧.课堂教学自动评价及其初步研究成果[J].现代教育技术，2018（8）：38-44.

[4]费玉伟，张景斌.中学数学课堂教学评价现状调查研究[J].数学教育学报，2010（4）：41-43.

（编辑 傅金睿）

Discussion on the evaluation mode of students’ independent learning effect

based on artificial intelligence technology

Guo Xiaoxu

（Beijing Economics and Management Vocational College， Beijing 100102， China）

Abstract：Education emphasizes student-centered learning. In the process of classroom teaching， students can improve their ability and cultivate their interest through group discussion， cooperation and self-study. However， in the evaluation method of students’ independent learning process， the phenomenon of attaching more importance to the result than the process appears， and neglecting the progress and efforts of students’ process， thus weakening the enthusiasm of students. With the development of artificial intelligence technology， speech recognition and image recognition technology have brought new ways to teaching evaluation. This paper combines speech recognition and image recognition to discuss the evaluation methods of students’ independent learning， so as to form a targeted and process-oriented teaching evaluation method and improve the teaching evaluation mechanism.

Key words：classroom evaluation; speech recognition; image recognition; multimode

基金项目：教学评价管理模式“AI+”改造的探究;项目编号：20YBA02。

作者简介：郭晓旭（1992— ），女，辽宁朝阳人，讲师，硕士;研究方向：教育信息化，人工智能。