学生的学习兴趣和学习状态可能反映在一次举手、一个哈欠等细微动作中。不过，要对课堂全过程进行长期大规模的分析评估，在过去存在许多技术障碍，需耗费大量人力物力。
澎湃新闻记者近日从上海中医药大学附属闵行蔷薇小学了解到，该校正在构建智能课堂行为分析系统，运用如姿态评估、表情识别、语言识别、关键词匹配等技术，探索对课堂教学过程的定量分析。
学生课堂行为自动分析
通过采集学生坐姿、举手、站立、打哈欠等课堂行为，就可以进行学习状态、课堂有效性、学习兴趣等相关性研究。
例如，教师们通过具体的数据与录制的视频的匹配，来具体分析、反思某个教学环节的有效性。如果学生开始的情感数据比较平淡，就可以看出该教师的课堂导入环节略有欠缺。
同时，系统也可采集教师相关课堂行为如面向学生、走动、音量、语速、教师走动轨迹等数据，基于此类数据，可做出适当的教学改进建议。
教师轨迹热力图
实际上，各类图像设施已普遍进入校园，但在人工智能技术的加成下，这些原有设备的利用率和产出效能还有大幅提高的空间。
除了对课堂行为进行精准评估，该校还在构建智能环测系统，以校园安全物联终端为载体，将隐患排查、视频智能分析预警、应急广播、访客管理、周界报警等子系统融合集成，全面提高校园安全防范与管理水平。
孩子在校园生活中是否有微笑、向老师问好、主动捡垃圾、列队整齐等良好行为，或者快速奔跑、摔跤、打架、拥挤等危险动作，都可能被人工智能捕捉识别到。
校园安保系统
同时，智能系统还可采集学生姿态行为如打哈欠、坐姿、走姿的图像数据，通过大量的数据积累和分析，对孩子的走姿倾斜、不良坐姿和睡眠不良等情况等进行识别判断，生成预警报告。
运动姿态检测
此外，该校结合中医药大学附属小学的特点推出了特色功法课程《元气小囡动起来》，与智能图像评估系统相结合。该套智能运动系统一方面向学生提供传统功法如易筋经、练功十八法等的标准动作；另一方面，利用录像设备与姿态估计算法对学生跟学的动作进行评估和纠正。
Global Announcement:
:
Jump to:
