[发明专利]一种基于教师非言语行为的教学过程评价方法

说明书

本发明公开了一种基于教师非言语行为的教学过程评价方法，包括以下步骤：1)非言语行为数据采集，获取教学课堂中教师的非言语行为数据；2)采用行为特征矩阵对教师教学非言语行为进行全方位表征量化；3)行为特征分类器训练：使用情绪标签训练分类器，得到相应教师类人格型特征表征、课堂非言语行为特征表征；4)根据某一特定教师非言语行为采集数据，进行特征表征和特征分解，得到教师本身的特征表征和课堂行为特征表征，并将两者的特征向量相乘，得到教师的教学评价表示。本发明通过情绪、身势、生理信号三种模态数据，建立全面、精准的教师课堂非言语行为的刻画，建立了基于教师非言语行为的教学过程的定量评价框架。

技术领域

本发明涉及教学评价信息化技术，尤其涉及一种基于教师非言语行为的教学过程评价方法。

背景技术

传统课堂评价依赖课堂观察，这种方式耗时耗力，不够客观。而教师课堂非言语行为体现了教师的教学艺术水平，是教师课堂言语行为的必要补充；能对学生起典型示范作用，影响着学生的交流技能和对教师传递信息的理解程度。从而最终影响教学质量，所以对教师课堂非言语行为研究对全面提高教学质量起着关键作用。

以往人们对教师素养评价是从言语行为的角度对语言运用技能，组织教学技能等方面进行。传统非言语行为的理解缺乏对教学效果的全面描述，导致教师课堂非言语行为量化的可解释性无法保证。并且行为模式个体差异大，现有理解模式效率低、规模小、主观性强、缺乏科学化评判标准，整体智能化不足、效能偏低。传统方案依赖于问卷调查的结果性评价，教师非言语行为贯穿着教学的整个过程，在教学实践中的独特作用被广大优秀教师所重视。教学活动是特殊情境下的认知过程，教师非言语行为能调动学生诸如动机、意志、态度、兴趣等因素，这些因素不直接参与认知过程，但对认知获得有着促进和调节作用。在信息技术与教育理论深度融合的当今时代，立足数字化教学场景，利用人工智能技术对教师非语言行为进行有效量化，是实现教学模式创新与改革工作推进的关键一环。

利用大数据技术通过智慧教学环境下教师非言语行为量化计算方法来对课堂教学过程进行评价，具有客观性、持续性以及迭代性等性质，打破传统的量表评价形式。

发明内容

本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于教师非言语行为的教学过程评价方法。

本发明解决其技术问题所采用的技术方案是：一种基于教师非言语行为的教学过程评价方法，包括以下步骤：

1)非言语行为数据采集，获取教学课堂中教师的非言语行为数据，包括：情绪、身势和生理信号三种模态数据；所述情绪模态数据为教师的面部表情图像和该面部表情下对应的手势动作图片；所述身势模态数据为教师的头部转向姿态图片；所述生理信号为教师的脑电数据；

2)采用行为特征矩阵对教师教学非言语行为进行全方位表征量化；

2.1)数据预处理；包括噪声数据、冗余数据和缺失值的处理；

2.2)对教师教学非言语行为进行表征量化；

2.2.1)教师面部表情和手势动作的特征表示，将情绪模态数据输入LeNet-5神经网络对面部表情图像和手势动作进行特征提取，最后一层输出的特征作为情绪特征向量；

其中，LeNet-5神经网络的训练方法如下：

通过余弦相似度公式计算不同教师面部表情、手势动作的相似度；其次，对所计算的教师面部表情、手势动作相似度融合后得到的情绪相似度按照Hump排序算法进行排序，并使用student-t分布函数对排序结果进行拟合，得到每种教学情绪的真实标签分布，经过若干迭代优化后可以得到最优解，即教师面部情绪结果；用于表情标签构造的Student-t分布函数表示为公式(1)，其中Γ(·)表示Gamma函数，v表示自由度；