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。