智课--基于大数据的课堂教学分析评测17.11.24精编版.pptxVIP

基于大数据的课堂教学分析评测系统北京中庆现代技术有限公司 唐珊珊0402050301背景介绍落地实践案例展示理论基础精准推送Ai简介1950年“图灵测试”1943-1956年诞生1956年达特茅斯会议AI诞生符号主义1950-1970年早期早期推理系统早期神经网络人工智能发展史专家系统统计学派：语音识别1980-2000年第2次发展机器学习神经网络机器视觉大数据人脸识别2006年第3次发展表情识别深度学习语音识别机器学习机器翻译AlphaGoOCR人工智能落地前提单一清晰领域海量数据超大计算量 国务院关于印发国家教育事业发展‘十三五’规划”中提出：互联网、云计算、大数据、人工智能、三维(3D)打印等现代技术深刻改变着人类的思维、生产、生活和学习方式。“教育基础数据常态化、伴随式采集”，“即时化分析”7月20日，国务院印发《新一代人工智能发展规划》，明确了我国新一代人工智能发展的重点任务：围绕智能教育、医疗、养老等迫切民生需求，发展便捷高效的智能服务。利用智能技术加快推动人才培养模式、教学方法改革，构建包含智能学习、交互式学习的新型教育体系。开发智能教育助理，建立智能、快速、全面的教育分析系统。建立以学习者为中心的教育环境，提供精准推送的教育服务，实现日常教育和终身教育定制化。政策解读痛点分析客观数据对教学过程的分析缺失客观数据对个性化学习支持不足教学资源的利用率低下是教育大数据的主要产生地教学过程的数据挖掘课堂视频结构化数据挖掘教学情报教学过程的信息分析是教育信息化的基础和条件课堂观察的理论基础教学行为分析-ST模型左图对应的ST序列为：T T S T S D(TS) D(TS) T S S S T T从而得到：教师行为占有率：Rt=Nt/(Nt+Ns)=8/15=53.5% 师生行为转化率：Ch=拐点/(Nt+Ns)=7/15=46.7% 因此，该课堂为对话型T和S采样精度低会导致D，通常无法判别D属于T还是S，中庆智课可以提高ST分析的精度，细分D，从而更精准的计算Rt和Ch教学行为笼统的分为T和SSTT7S教师T1. 解说2. 示范3. 板书4. 提示5. 提问/点名6. 评价/反馈学生S7. 发言8. 思考/计算9. 笔记10. 实验/作业11. 沉默SST56DS4T2S3TTT1教学模式标准条件练习型讲授型对话型混合型Rt ≤ 0.3Rt ≥ 0.7Ch ≥ 0.40.3 Rt 0.7, Ch 0.4教学行为分析-弗兰德斯分类体系FIAC数据表弗兰德斯分类1234567891012345678910教师发言间接影响1. 制造动机2. 表扬3. 理念4. 提问直接影响5. 讲授6. 指示7. 批评学生发言8. 学生应答9. 学生自发发言10. 沉默或混乱采用时间抽样的办法，在指定的一段时间内，每隔3秒种观察者就依照左侧分类记下最能描述教师和班级语言行为的种类的对应的编码，记在右侧表格中。比如，在第一个3秒内发生的是教师讲授行为，就在相应的格子内记下5这个编码。这样，每一行20个方格就记录下1分钟内20个行为的编码。上表10行就表示10分钟的连续观察。教学行为分类-国内吴康宁等学者师生行为对象师个互动教师行为指向学生个体的师生互动师班互动教师行为指向全班学生群体的师生互动师组互动教师行为指向学生小组的互动师生行为属性控制-服从型控制-反控制型相互磋商型“四何”问题概念：教师教育教学过程中提问方式的分类，包括“是何”“为何”“如何”“若何”四类“若何”问题指向条件变化产生的新结果主要了解学生对创造性知识的掌握情况。若何“如何”问题指向方法、途径、状态等主要了解学生对策略性知识的掌握情况；高阶思维如何“为何”问题指向原理、法则、逻辑等主要了解学生对原理性知识的掌握情况；为何“是何”问题指向事实性问题主要了解学生对事实性问题的掌握情况；是何低阶思维教学行为分类-国内华中师大分类华中师大的模型更适合中国教育03落地实践基于大数据的课堂教学分析评测AI基于大数据的课堂教学分析评测系统AI分析维度活动行为情感计算0103学生表情师生个体行为班级整体行为0204语音分析OCR识别教师语音学生语音知识点2.1 行为分析人脸识别模型训练2.1 行为分析教师行为分析教师讲授、板书、提问……教师行为识别目标识别2.1 行为分析教师行为分析2.1 行为分析学生行为分析学生主动提问、应答、对话……课堂活跃热力图多目标动态人脸识别学生行为识别2.1 行为分析学生行为分析2.1 行为分析班级行为分析班级整体行为统计分析……2.2 语言分析师生语言语音采集，语义转换，知识点识别……愤怒生气理解学生心理积极消极倾听抗拒不屑鬼脸高兴正常悲伤疑惑2.3 表情分析学生表情技术可以测量出的情绪2.3 表情分析学生表情多目标情感计算OCR2.4