李青　刘超

摘  要：文章分析了人工智能技术在课堂教学管理中的应用现状与存在的问题，从课堂教学管理和监督视角提出了师生双向管理体系架构，并对如何监测和使用数据提出了对策和建议，以期为客观、有效的评价教育教学活动，完善教师“教”和学生“学”的自我监督提供参考。

关键词：人工智能;课堂教学过程;管理体系;监督

中图分类号：G642         文献标志码：A         文章编号：2096-000X（2019）19-0141-03

Abstract： This paper analyzes the application and the existing problem of artificial intelligence technology in the classroom teaching management， and proposes a teacher-student bi-directional management framework from the perspective of classroom teaching management and supervision. The suggestions are made for how to monitoring and utilizing the data. The framework can be a guidance of the objective and effective evaluation of teaching activities， and improving the self-supervision for teachers in teaching and students in learning.

Keywords： artificial intelligence; classroom teaching process; management framework; supervisor

引言

“人工智能”、“大数据”、“智慧”、“互联网+”等新兴词汇已然成为这个时代的关键词，渗透在各行各业。在人工智能技术的发展和应用过程中，在“互联网+教育”理念的催生下，智慧课堂的教学模式[1-3]、智能手机在智慧课堂中的应用模式[4，5]、课堂考勤系统的设计[6-9]、课堂行为管理[10，11]等问题正受到关注。但是，目前的研究主要侧重于教学模式改革与课堂纪律管理方面，对于在不产生额外压力的情况下，如何在管理监督课堂整个教学过程的同时，提升学生“学”与教师“教”的过程，最大化监测数据价值的问题未进行探讨。

本文首先分析了人工智能在课堂教学管理中的应用现状与存在的问题，提出了课堂教学过程双向管理体系，并对体系中数据如何监测、如何应用提出了对策和建议，以完善人工智能在教学过程中的应用，实现师生的自我监督与管理。

一、人工智能在课堂教学管理中的应用现状与问题

（一）应用现状

为了实现课堂教学过程的监督作用，传统课堂教学过程的管理和评价模式如图1所示。教学督导通过随堂听课来评价课堂的质量。为了提高课堂教学过程的效率和监督管理力度，不少院校已在教室内安装不同视角的摄像。借助视频，教学督导可以分别从学生视角来评价老师的教学过程，从讲台视角来评价学生的听课行为，以此来衡量老师的教学质量。但是，相较于图1，该模式仅仅是在传统课堂教学管理体系中增加了教学督导的监督途径，并未有本质改变。

随着人脸识别等人工智能技术的成熟应用，教室内的摄像头可通过人脸识别来进行考勤[6-9]、判断学生的课堂行为[10-11，14]、评价学生的专注度[12]。如果监测出学生在课堂上的异常行为，监测结果将作为学生成绩考核的组成部分。这种方式主要应用于中小学的课堂管理，在高等院校中的应用还较少。这是因为高等院校的学生主要为满18周岁的成年人，大学更强调学生自我管理、自主学习能力的培养，课堂教学过程更强调教师在专业知识领域的合理引导，不宜使用同样的方法对学生进行过于严格的课堂管理。

（二）存在的问题

1. 教学评价体系的不健全

传统课堂教学的评价主要通过学生是否坐在前排、是否抬头等来判断教学效果;通过教师是否提问、与学生互动等来衡量教学内容的设计;通过教师是否使用板书、视频等来评价教学方法。但是，不同特点的课程应具有不同的教学方法和内容的设计，教师是否与学生互动、学生是否坐在前排等这种表象不应作为评价的主要指标。

2. 教学督导定性评价的主观性

教学督导虽然具备多年教学经验，但是作为“有限理性”行为人[13]，其评价和判断的标准会受到个人认知、情境、喜好、评价对象与评价者之间的关系等影响而产生判断偏差。另一方面，同一門课，不同的教学内容教师的表现会存在差异。而传统或者视频监控下的课堂教学评价，教学督导采用随机抽查的方式来进行，这同样会导致评价结果出现偏差。最后，教学督导的评价多为定性的感知，比如：课堂反应较好，教师态度较好等，每个部分的打分也较模糊，除非出现极好和极差的案例。

3. 教师的教学能力未得到有效提升

本科教学的重要性需要教师（特别是年轻教师）及时准确的认识到自身存在的问题，有针对性的进行调整和改进，为更好的呈现课程内容去努力;但是，目前的课堂教学评价还不能有效实现这一目标。一方面，传统或者视频监督下的课堂教学评价对教学督导的依赖性较强，教学行为无法被有效的量化，处于中间水平的教师很难通过督导的定性反馈有针对性的提升自己的教学能力。另一方面，高校通过优秀教学视频、优秀教师的讲座等方法来培训新进教师，新教师学习到了一些基本方法，但是在应用过程中是否真的合适，不得而知。除此之外，教学内容是否被教师有效传递给学生，最关键和最应该被关注的发言人和评价人应是学生。目前使用学生在线评价来给教师的教学进行打分，同样存在诸多不可控的因素，让结果有失公允。

综上，如何客观、公平、公正的评价教学过程以达到提升教学效果的目的仍然是一个亟需解决的问题。但是，目前在应用过程中，对学生的管理制度是否恰当，争议褒贬不一[12]。技术已然成熟，但是问题在于如何使用这些技术来实现合理的管控。

二、课堂教学师生双向管理体系的构建

基于人工智能，课堂教学双向管理体系的架构设计如图2所示。该体系的主体与图1相同，由教师、学生与教学督导构成;不同的是，教学督导通过人工智能方法监测到的学生课堂行为数据进行统计分析，形成量化的评价报告，反馈给教师;教师所在的自查系统可以辅助教师反思教学过程，规范教学行为;学生所在的监测与统计系统主要用来识别学生的课堂行为，收集和整理学生的课堂行为数据。由此，课堂教学过程的评价将会被量化，能够在实现客观、公平、有效管理的同时，为教师有针对性的提升自身教学能力提供事实依据。具体来说：

1. 教学督导模块。教学督导将根据系统监测和统计的课堂上学生的行为数据进行统计分析，形成定量分析报告，衡量课堂教学质量，并结合自身的教学经验，为教师提供改进建议，将综合评价结果与改进建议传达给教师。教学督导仅能获取学生的监测与统计数据。

2. 教师模块。教师的自查系统可包含语音识别与分析、行为监测等功能，能够监测到教师的情绪走势、投入程度、教学语言的规范性等。教师结合自查系统监测的自身数据、教学督导反馈的数据、课堂上学生给予的现场反馈，有针对性的反思课堂教学方法和教学内容的设计。教师自查系统中关于自身的数据仅自己可见。

3. 学生模块。系统主要通过人脸识别和图像识别技术判断学生是否在认真听讲（如，投入程度等）、是否做出与课堂无关的异常行为（如，走神、看手机、聊天等），并统计各行为发生的时长、时间点以及人数。学生仅能获取自身数据。

4. 系统收集的数据价值。系统收集到的学生数据可替代传统管理体系下教学督导观察到的“学生坐在前排=认真听讲”等表象数据以及学生评价教师的主观数据，用实际监测到的数据说话;教学督导基于统计报告，结合自身经验给出合理的教学建议能够有效辅助教师提升教学能力;另外，在该体系下收集到的数据可用来进行数据分析，挖掘课堂这一特殊情境中，人的行为习惯与教师-学生之间的相互影响关系，这是传统课堂教学管理体系所不能做到的。

三、对策与建议

由于本科教学的重要性，课堂教学过程的管理和评价在高等院校是一个非常重要的组成部分。人工智能时代下，本文所提出的课堂教学双向管理体系使得监督能力得到提升，但是系统监督的数据如何有效获取;当监测到学生的与课堂无关行为时，如何合理的提醒学生也是尚待解决的问题。

1. 系统监督的数据获取方面，除了视频的人脸识别等功能外，可设计相应的仅用于课堂使用的手环，以记录并收集使用者（学生和教师）的身体状态，通过大数据分析与深度学习技术计算课堂投入度等数据。

2. 当监测到学生正在做与课堂无关行为或者走神时，上文中设计的手环具备提醒震动功能，以实时提醒学生注意力集中。或者构建手机App应用，与视频监测的后台数据相连接，当监测到相关异常行为时，App进行实时提醒。

上述对策与建议，均是从自我检查的角度进行设计，教师的自查监测系统与实时提醒学生注意力集中的功能仅适用于自身。即，教师自查监测到的数据，教学督导与学生均不能获取;学生在做课堂无关行为，系统提醒等数据，其他学生、教师与教学督导均不能获取。这样设计的原因是为了防止师生产生压力，辅助自我监督和自我管理。

四、结论

传统监督管理体系下，过分强调了教学督导的职能，且结论多为定性评价，并未实现通过教学监督提升教学质量的目的。人工智能时代下，课堂教学的监督能力得到提升。本文从人工智能视角构建了课堂教学管理和评价体系，对该体系中的数据如何获取和使用以达到课堂管理、教师教学质量评价、教师教学质量提升、师生自我监督和管理等目的进行分析。除此之外，本文認为收集到的相关数据可被用来分析课堂这一特殊情境下的个体行为以及相互作用关系，为进一步的教学管控提供事实依据。

参考文献：

[1]许利飞.大数据环境下智慧课堂教学模式的设计与应用[D].河北师范大学，2018.

[2]陈婷.“互联网+教育”背景下智慧课堂教学模式设计与应用研究[D].江苏师范大学，2017.

[3]刘邦奇，李新义，袁婷婷，等.基于智慧课堂的学科教学模式创新与应用研究[J].电化教育研究，2019（04）：1-6.

[4]孙敏.基于互联网络的智能手机在智慧课堂中的辅助应用——以计算机公共基础课程为例[J].网络安全技术与应用，2019（03）：70-71.

[5]谢妤，宋卫军.智慧课堂视角下智能手机在教学实践中的应用[J].高教学刊，2019（07）：44-46+50.

[6]陈鸿飞，严忱君，俞宝福.基于人脸识别的中学课堂考勤系统的设计[J].科技传播，2015，7（15）：91-92.

[7]孙放.基于人脸识别的课堂考勤系统设计与开发[D].东北大学，2015.

[8]王琼垚.基于视频图像的课堂签到系统设计与实现[D].江西师范大学，2017.

[9]李玮.智慧课堂管理系统中人脸识别考勤技术的研究与实现[D].华中师范大学，2017.

[10]王娟.基于视频的异常行为检测系统的设计与实现[D].西南交通大学，2015.

[11]张丽莉.智慧课堂行为管理系统探究[J].教学与管理，2019（04）：19-21.

[12]段巨力.基于机器视觉的学生上课专注度的分析评测系统[D].浙江工商大学，2018.

[13]斯科特·普劳斯.决策与判断[M].人民邮电出版社，2004.

[14]搜狐.中学课堂引入“黑科技” 学生上课全程监控，人脸识别30秒一次[R/OL].https：//www.sohu.com/a/232753614_100072655.2018-05-24.