文｜陈艺岚 何嘉俊

一、背景与挑战

互联网技术的快速发展已深入到各行各业，尤其在教育行业，越来越多的教育机构开始采用线上课程的方式进行教学。然而，在线教育在享受互联网带来的便利的同时，也面临着许多挑战，如教务监督工作量大、巡课人员配置不足、上课质量难以评估等问题。为应对这些挑战，广州开放大学近年来尝试引进网课巡检解决方案，以实现线上巡课自动化。这一举措不仅提高了教学有效性，还有助于改善课堂生态、提升教学质量和教育管理水平。

二、广州开放大学的需求与期望

作为一所开放教育机构，广州开放大学积极拥抱互联网+教育的发展趋势，质量监督与评估中心提出需求，网络与信息中心借助人工智能、大数据等信息化技术等手段促成应用落地，实现以下目标：一是提高网课巡检的效率和质量，减轻教育管理人员的工作负担；二是通过数据分析，提供有针对性的反馈，帮助改进教学方法；三是提供实时、全面的教学数据，更好地开展教育管理工作。

三、互联网+高校智能网课巡检服务方案介绍

本次服务需求单位为广州开放大学质量监督与评估中心，需求指导单位为广州开放大学网络与信息中心，服务交付单位为某公司。

广州开放大学质量监督与评估中心陈艺岚教授结合多年的教学经验提出智能巡课构想、巡课过程要点难点、巡课应用场景等需求，要求通过技术手段切实做好教学和教学管理工作的监督、检查与指导，将督导结果反馈教学单位及部门，做为改进教学工作的参考依据。

广州开放大学网络与信息中心赵宇丹主任、苏治中高级工程师领导团队立足教学单位提出的信息化需求，组织技术力量讨论可行性方案，从系统开发、部署、测试、应用推广、服务交付等事项逐项统筹管理，高效的指导了本次服务应用的交付实施。

具体的服务方案介绍如下：

（一）巡检工具与系统架构

针对广州开放大学的需求，系统开发团队为智能网课巡检服务设计了一套定制化的巡检工具和系统架构。该系统采用互联网技术实现分布式部署，能够灵活扩展，满足不断增长的在线课程需求和周期性并发需求。此外，系统具备高可用性和高安全性，确保了巡检过程的稳定和数据的安全性。

本系统首先采用全量和实时的课表同步机制，同步各学习中心的统一课表；再利用RPA机器人技术模拟巡课人员按照统一课表信息自动登入各学习中心线上课堂链接，对视频数据、课堂图像、师生互动信息、在线人数等信息进行数据采集；之后运用视频分片技术、图像识别技术、非结构化数据转换技术等手段对数据进行预处理，并运用深度学习算法进行训练、建模和评估，形成能适配各个学习中心的教学质量监督任务的神经网络模型；最后通过大数据分析与统计的手段，挖掘发现各个教学特征之间的相互关系以及潜在的含义，并结合课堂质量标准指标，自动判断和归纳出各线上课堂的质量评价。

图1 系统架构图

整个实现过程采用完全自动化的方式，大大降低教学质量评价分析中的人力成本，通过运用人工智能与大数据的相关技术，提高了教学评价的效率和质量。

（二）自动巡检与数据采集

系统采用先进的自动巡课技术，能够实现对最高100门网络直播课的并发自动巡检。在计划上课时间段，系统采用自研RPA机器人技术进行模拟人工自动登录、课堂巡检和课间数据的采集，采集课堂上的线上数据，包括上课图像、音频、实时上课人数、课堂内的互动、头像、提问、回答等进行实时数据采集，为后续的统计分析和教学评估提供基础。

RPA巡课机器人使用到的技术包括Selenium和Webdriver。Selenium是基于浏览器扩展的自动化测试工具，支持多浏览器、跨平台以及多语言实现。Webdriver则是一个编程语言与浏览器之间的通信工具，Webdriver的存在使得Selenium使用特定于每个浏览器的Webdriver，就能与浏览器建立安全连接并执行自动化指令。

（三）课堂质量数据的分析与输出

本次模型训练基于巡课图片整体判断，给出异常或正常的结果。在实际应用中，可以根据实际教学质量要求，训练多个针对性模型，比如有无头像、有无板书、画面是否模糊、是否准时开课下课等数据检测模型，多模型结合巡课分类器进行综合判断。

数据自动分析模块采用深度学习技术实现，通过样本采集、数据预处理、搭建神经网络结构、模型训练、模型预测等步骤实现课程数据的自动分析。搭建神经网络结构，采用深度卷积神经网络技术，对RPA机器人采集回来的数据进行特征分析，并通过Pytorch构建模型训练数据集。经过数百次的epoch的训练之后，分析准确率达97.29%。

（四）主要服务内容

1.开放教育线上课程数据采集自动化服务。

提供工具对开放教育全系统的所有线上直播课程的巡课服务，巡课要求每节课每15分钟进行一次数据采集，数据包括完整的直播课程实况界面、在线人数、头像、交互区数据、课时等，并实时汇总到巡课后台。

2.各教育分中心的直播课程平台自动接入服务。

通过RPA技术实现在用多个直播平台的自动登录，并执行自动轮巡工作，可以通过将公共排课系统自动同步各课程数据，无须人工干预即可实现各课程的准时自动登录直播平台并自动取数。

3.做好网课巡检的技术支持，包括服务人员、运行环境、报告生成等技术服务。

4.服务工作量统计。

按照课程表和课时计算规则生成巡检结果，可按天、月、季度等提交工作量统计汇总。

四、实践成果与影响

智能网课巡检服务的成功实践，为其他教育机构提供了借鉴；随着越来越多的教育机构采纳类似的服务，有望推动在线教育行业的可持续发展。

自广州开放大学采用智能网课巡检服务以来，取得了显著的成果：

（一）提高教学质量

通过系统提供的数据分析和评估结果，教师们得以持续改进教学方法，提高教学质量。此外，学生们在更高质量的教学环境中，学习效果得到了显著提升。

（二）优化课堂生态

智能网课巡检服务有助于发现和解决课堂中的问题并改进这些问题，课堂生态得以优化，为学生提供了更加良好的学习体验。

（三）提升教育管理水平

智能网课巡检服务为教育管理者提供了实时、全面的教学数据，通过对大量课程数据的梳理和总结，管理者可以掌握整体教学质量，及时发现教学过程中的不足和优势，从而制定合理的教育政策和措施，提升教育管理水平。

（四）节省人力资源

学校采用自动巡课后，节省了人力资源。教育管理人员的工作负担大大减轻了，可以将更多精力投入到教育教学的核心工作上，进一步提升教育质量。

五、与行业趋势的紧密结合

广州开放大学智能网课巡检服务的实践与应用，与当前教育行业的发展趋势紧密结合。随着教育信息化、在线教育的不断深入，教育机构对于提高在线课程质量的需求愈发迫切。智能网课巡检服务的引入，正是对这一趋势的积极响应，进一步推动了教育行业的转型升级。

六、多元化的应用场景

智能网课巡检服务不仅可以应用于广州开放大学这样的开放教育机构，还适用于其他类型的教育机构，如中小学、培训机构、职业教育等。这意味着智能网课巡检服务具有广泛的市场前景和应用潜力，将成为教育行业不可或缺的重要工具。

七、技术升级与持续优化

智能网课巡检服务作为一项创新技术，预期未来将迭代升级，以满足教育行业日益增长的需求。例如，巡检服务可以结合人工智能、大数据、机器学习等技术，进一步提高课堂行为分析的准确性和深度，为提升教学质量和管理水平做出更大贡献。

八、未来展望

广州开放大学智能网课巡检服务的成功实践，体现了互联网+教育在提升在线教育质量与管理水平方面的巨大潜力。智能网课巡检服务作为一种创新性的自动化辅助工具支撑，不仅解决了传统人工巡课所面临的诸多问题，还通过数据分析与评估，为提高教学质量和管理水平提供了有力支持。

展望未来，智能网课巡检服务将在更多教育机构中发挥重要作用，推动在线教育质量与管理水平的持续提升。教育机构可积极借鉴广州开放大学的经验，引进和运用智能网课巡检服务，为实现教育事业的可持续发展做出贡献。互联网+教育将不断创新发展，为构建高质量的在线教育体系助力。