2020年10月中共中央、国务院印发的《深化新时代教育评价改革总体方案》中提到要健全综合评价,充分利用信息技术,提高教育评价的科学性、专业性、客观性。随着人工智能和大数据在教育领域的广泛应用与深入探索,对教学及其评价开展基于数字化的量化研究以及综合性研究受到了业界广泛关注。课堂教学评价是依据教学目标对教学过程和教学结果进行判断的一种活动,对于学生的成长、教师的提高、教学效果的提升均具有重要的意义。在当前课堂中,教师往往采用观察学生上课表情和查看学生分数的方式进行教学评价,然而由于教师精力有限,无法在课堂上同时关注所有学生的学习状态,同时单纯用分数来评判学生的学习效果过于片面,因此,当前的教学评价不够客观、科学和全面。如何采用科学的综合评价,促使教学评价更加客观准确、全面科学,成为研究热点。美国学者Albert Mehrabian的研究指出,人的面部表情在很大程度上可表征其情感状态。课堂学习中,学生会表现出平静、悲伤、厌恶、恐惧、惊讶、气愤和高兴等七种不同表情,其中,平静为中性表情,高兴、惊讶为正向表情,悲伤、厌恶、气愤、恐惧这四种表情为负向表情,这些表现往往与其学习情感相关。Rasch模型可以通过学生成绩得出其学习能力,显示出成绩背后隐藏着的学习效果的好坏。如何依据学生表情判别其学习情感,如何从学生成绩之中挖掘到其真实的学习效果,如何综合两者进行全面的课堂教学评价,是本研究需要解决的问题。基于上述思考,本研究提出了一种基于学生情感与教学效果的综合教学评价模式,能够为教学评价提供新的方案,具有创新性和实用性。研究选取西安市某中学高二年级10名学生一节物理课中3880800个表情数据,以及这堂课的前后测试卷的答题情况进行研究,采用所提出的评价模式进行教学评价实践活动。论文主要完成了以下四方面工作并得出结论:（1）用高分辨率的相机拍摄学生上课视频,用MATLAB程序编码的方式识别和处理视频中的学生人脸信息,用旷视公司权威的表情识别系统识别学生的表情值,通过快速傅里叶变换（FFT）求出学生表情信息的主频,用指数移动平均法（EMA）对学生的表情信息平滑降噪,用主成分分析法（PCA）对所研究的学生的七种表情提取主成分,以此来测量学生的课堂情感。（2）基于Rasch模型,用Winsteps软件对学生所做的前后测平行试卷的情况进行分析,通过得出的数据,来检测本次实践的信度以及学生学习能力,以此来测量学生课堂学习的学习效果。（3）建立了基于学生课堂情感和学生学习效果的综合教学评价体系。由于学生的课堂学习情感与学习效果均对最终的教学评价有影响,本文提出的基于学生情感与教学效果的综合教学评价模式以如下方式进行:以学生课堂学习情感为影响因子1,学生学习效果为影响因子2,每个因子均有3种权重。将两个因子结合之后可得到9个量化的综合教学评价的分数结果。将9个综合教学评价分数结果分为五个等级,其中,等级1为教学效果好,等级2为教学效果较好,等级3为教学效果一般,等级4为教学效果较差,等级5为教学效果差。（4）基于综合教学评价给教师提出教学建议。有利于教师对学生进行客观有效的教学评价,有的放矢,进行针对性、个性化教学,提高教学效果,促进学生的全面发展。