學生的學習興趣和學習狀態可能反映在一次舉手、一個哈欠等細微動作中。不過，要對課堂全過程進行長期大規模的分析評估，在過去存在許多技術障礙，需耗費大量人力物力。
澎湃新聞記者近日從上海中醫藥大學附屬閔行薔薇小學了解到，該校正在構建智能課堂行為分析系統，運用如姿態評估、表情識別、語言識別、關鍵詞匹配等技術，探索對課堂教學過程的定量分析。
學生課堂行為自動分析
通過采集學生坐姿、舉手、站立、打哈欠等課堂行為，就可以進行學習狀態、課堂有效性、學習興趣等相關性研究。
例如，教師們通過具體的數據與錄制的視頻的匹配，來具體分析、反思某個教學環節的有效性。如果學生開始的情感數據比較平淡，就可以看出該教師的課堂導入環節略有欠缺。
同時，系統也可采集教師相關課堂行為如面向學生、走動、音量、語速、教師走動軌跡等數據，基於此類數據，可做出適當的教學改進建議。
教師軌跡熱力圖
實際上，各類圖像設施已普遍進入校園，但在人工智能技術的加成下，這些原有設備的利用率和產出效能還有大幅提高的空間。
除了對課堂行為進行精准評估，該校還在構建智能環測系統，以校園安全物聯終端為載體，將隱患排查、視頻智能分析預警、應急廣播、訪客管理、周界報警等子系統融合集成，全面提高校園安全防范與管理水平。
孩子在校園生活中是否有微笑、向老師問好、主動撿垃圾、列隊整齊等良好行為，或者快速奔跑、摔跤、打架、擁擠等危險動作，都可能被人工智能捕捉識別到。
校園安保系統
同時，智能系統還可采集學生姿態行為如打哈欠、坐姿、走姿的圖像數據，通過大量的數據積累和分析，對孩子的走姿傾斜、不良坐姿和睡眠不良等情況等進行識別判斷，生成預警報告。
運動姿態檢測
此外，該校結合中醫藥大學附屬小學的特點推出了特色功法課程《元氣小囡動起來》，與智能圖像評估系統相結合。該套智能運動系統一方面向學生提供傳統功法如易筋經、練功十八法等的標准動作；另一方面，利用錄像設備與姿態估計算法對學生跟學的動作進行評估和糾正。
