非语言信息系统的课堂教学评价应用

摘要：文章提出了一种基于数字图像处理的课堂教学评价平台，利用教室中的课堂视频数据检测和识别教师和学生的非语言信息，并根据不同的非语言信息与教学效果、学习效果之间的关系，对教学活动过程进行评价。文章在研究非语言信息与教学效果、学习效果之间关系的基础上，对具体实现该评价平台所用到的表情识别和行为识别的方法进行了归纳和总结。

关键词：教学评价；非语言信息；表情识别；行为识别

教学评价是整个教学系统中不可或缺的重要组成部分，主要是对学生学习效果的评价和教师教学工作过程的评价[1]。传统的教学评价主要通过对教师讲授的课程进行听课、对学生进行考试等手段，而这些手段要么过于片面要么过于浪费人力和时间，且不能得到准确的教学评价。现有资料表明，课堂环境中，教师的肢体手势、动作、距离、面部表情等非语言信息在课堂教学中起着重要的作用，能够反映教师的教学效果；同时，学生的表情、动作、手势等非语言信息能够反映出学生的学习效果。基于上述结论，本文对课堂环境中教师和学生的非语言信息与教学效果、学习效果之间的关系进行分析和归纳。在此基础之上，本文从数字图像处理和计算机视觉的角度出发，利用教室中的摄像头所采集的海量视频数据，从中提取教师和学生的图像信息，对其动作、行为、表情、手势等非语言信息进行检测、识别和分析，最后根据非语言信息与教学效果、学习效果之间的关系，构建一个基于视频数据的课堂分析与评价平台，（1）对教师的教学水平和教学技能进行评价，（2）对学生的学习效果进行评价，为课堂教学评价改革提供一种全新的数据视角。目前，通过检测和识别课堂视频中教师和学生的非语言信息，将其作为教学评价的标准已经成为一种新颖且可行的思路，本文主要对课堂环境中对学生和教师的非语言信息进行检测和识别方法进行归纳和总结。

1非语言信息与学习效果、教学效果之间的关系

分析非语言信息与学习效果、教学效果之间的关系就是确定教师和学生哪种非语言信息能够反映出好的、中立的或者是坏的教学效果和学习效果。通过查阅大量有关非语言信息与教学效果、学习效果之间关系的文献，对所有相关的非语言信息进行归纳并充分分析其与学校效果、教学效果之间的关系。如教师的表情，教师的微笑能够给学生带来积极的心里暗示[2]，微笑反映出教师对于教学任务的热爱和对学生的喜爱，是一种有利的信息。教师面部表情的变化也能反映出教师的教学效果。如果教师总是表现出一种表情，往往反映了教师讲课单调乏味，而丰富的面部表情和运用得体的眼神，能够吸引学生的注意，使学生自觉地融入教师的授课中[3]，是一种有利的信息。挖掘非语言信息与学习效果.

2非语言信息的检测、识别、分析

课堂环境中的非语言信息可以分为几类：表情、动作、手势。其中表情和手势是静态的（如微笑、皱眉、举手、竖起大拇指等），可以通过捕捉和分析视频中的静态图像信息，而动作则是动态变化的（如打哈欠、眨眼、点头、摇头等一系列动作），则需要在识别的基础上进行跟踪，捕捉行为变化。对表情变化的检测与识别的关键点是得到每种表情的检测指标，本文将课堂教学中涉及的表情进行分类：微笑型（兴奋、愉悦）和皱眉型（困惑、迷惘）。对于微笑型的表情主要是通过眼睛、眉毛、嘴巴的形态来检测和识别。郑雪[4]提出了一种基于卷积神经网络的方法对微笑型表情进行识别，其通过人脸的5个关键点对嘴巴进行定位，利用卷积神经网络对表情特征进行自动提取，实现对微笑表情的识别。对于皱眉型的表情（表达出困惑、迷惘的感情状态）往往通过眉毛的形态来进行检测和识别。肖颖[5]采用AdaBoost分类器算法进行人脸定位，Gabor特征提取算法和几何特征提取算法提取皱眉信息，最后利用支持向量机进行分类，实现对皱眉的识别。对动作变化的检测与识别的关键点在于设计一个合适的模型，使其能够检测出背景中的目标和动作。如困倦、瞌睡、疲劳等情感状态通过闭眼次数和间隔以及打哈欠次数（嘴巴张开与闭合的次数和间隔）来检测和识别。王琦[6]提出一种基于卷积神经网络的方法对学生的疲劳状态进行检测，采用基于Haar特征的AdaBoost算法进行人脸检测，利用CNN对人眼状态进行识别，最终通过识别人眼的状态来实现对疲劳的判断。耿磊等[7]在对驾驶员进行疲劳检测时，提出了一种基于面部行为分析的疲劳检测方法，通过检测和识别嘴巴和眼睛的状态，并根据设定的疲劳参数来判断，驾驶员是否处于疲劳状态，该方法同样可用于对课堂环境中的学生进行疲劳检测。

3结语

目前，随着信息技术的发展，教室中的多媒体设备也越来越丰富，最基本的摄像头几乎是每间教室所必备的，这些摄像头提供了前所未有的海量视频数据，但是这些数据往往只用于考试监控、教学督查，利用率较低，且造成大量的数据浪费，本文从数字图像处理的角度出发，以课堂教学视频为分析对象，以非语言信息与教学效果、学习效果之间的关系为理论依据，对教师和学生的非语言信息进行识别和分析，构建一个新型的课堂教学评价平台。该评价平台大大改进了以往传统的教学评价中出现的片面性、复杂性缺点，是一种信息化、智能化的基于视频数据的课堂教学评价方法，同时也为课堂教学评价改革提供一种全新的数据视角。

[参考文献]

[1]程书肖.教育评价方法技术[M].北京：北京师范大学出版社，2004.

[2]吴军飞.教师课堂非语言沟通调查研究及策略分析[J].科教导刊，2012（8）：136-138.

[3]王为民.让体态语为课堂教学添彩[J].甘肃教育，2010（24）：58.

[4]郑雪.基于深度卷积神经网络的微笑表情识别[D].西安：陕西师范大学，2016.

[5]肖颖.学习过程面部特征测量系统的设计与实现[D].武汉：华中科技大学，2015.

[6]王琦.基于卷积神经网络的学生疲劳状态检测关键技术研究与实现[D].武汉：华中师范大学，2016.

[7]耿磊，袁菲，肖志涛，等.基于面部行为分析的驾驶员疲劳检测方法[J].计算机工程，2018（1）：274-279.

作者:范欣欣 单位:河南师范大学