文献类型：期刊文章

作　　者：谭利[1] 陈子洋[2] 何海[3] 陈旖鹛[4]

TAN Li;CHEN Ziyang;HE Hai;CHEN Yimei(Information and Modern Educational Technology Center of Guangzhou Medical University,Guangzhou Guangdong 511436,China;Guangzhou KingMed Center for Clinical Laboratory Co.,Ltd.,Guangzhou Guangdong 510005,China;Guangdong Literature&Art Vocational College,Guangzhou Guangdong 510005,China;The Second Affiliated Hospital of Guangzhou Medical University,Guangzhou Guangdong 511436,China)

机构地区：[1]广州医科大学信息与现代教育技术中心,广东广州511436 [2]广州金域医学检验集团股份有限公司,广东广州510005 [3]广东文艺职业学院,广东广州511400 [4]广州医科大学附属第二医院,广东广州510260

出　　处：《信息与电脑》

基　　金：中国高校产学研创新基金“阿里云高校数字化创新专项”(项目编号:2021ALA02007)。

年　　份：2022

卷　　号：34

期　　号：17

起止页码：236-241

语　　种：中文

收录情况：普通刊

摘　　要：目前,课堂教学质量的评价模式主要分为终结性评价模式和形成性评价模式。终结性评价模式存在评价不及时、不准确等问题,而形成性评价模式虽然可及时地对课堂教学过程作出详细的评价,但需要耗费更多的时间成本。为此,提出了一种基于情绪识别和深度学习的课堂教学质量形成性评价算法。该算法在处理智慧课室产生的教学视频时,首先通过人脸检测模型提取出含有人物的短视频片段。其次,将这些片段通过人脸识别模型分为只含老师或学生的片段。再次,将这些片段输入情绪识别模型提取情绪特征。最后,利用深度学习模型预测情绪特征,得出师生互动性等教学质量评价结果。实验表明,该算法能在较好模拟人工评价学生课堂表现结果的同时,大幅度缩减评价时间,可为日后分析其他类型的数据(如教学视频中的音频、PPT等)奠定基础。

关 键 词：课堂教学质量 形成性评价  情绪识别 深度学习  

分 类 号：TP311]