课堂教学行为分析是推进教师专业发展、提升教学质量与保障教育目标顺利完成的重要途径。近年来,科学技术如人工智能和信息化的迅猛发展,也促进了教育技术的改革,为采用更加高效、准确的方式开展课堂教学行为与教学内容研究提供了技术支持。本研究的主要内容是基于教学视频的课堂教学行为自动识别和教学内容知识图谱的生成。结合现阶段自然语言处理、深度学习等方法,基于教学视频构建了适用于自动识别的课堂教学行为框架。课堂教学行为框架将教学行为分为课堂环境与课堂结构两个部分,细化出提问、讲授、观察、明确学习目标等18个行为指标。部分涉及教师话语的行为指标,借鉴元话语分析方法进行识别,并提出教学场景下的教师元话语分析方法,制定识别规则,完成北京市多所中小学校的18节课堂教学视频的教师元话语指标的自动识别。逐一分析各项教学行为指标识别结果在18节课堂中的时间分布或位置分布特点,结合教学视频中的实际课堂情况检验识别结果的准确性,结论为各项指标识别结果符合教学实际,具有较高的准确性。整合每节课的课堂教学行为数据,用K-Means聚类将18节课分为三类,根据聚类结果中各类教学行为的特征进行分析,将课堂分为教师主导讲授型、师生互动型、教师引导讲授型。基于课堂中的教师话语,用Text Rank关键词提取算法提取rank大于0.1的关键词作为课堂教学知识点,借助思知（Own Think）知识库实现知识点之间关系的查询,将得到“知识点-关系-知识点”三元组信息储存于Neo4j图数据库中并实现可视化,生成教学内容知识图谱。通过分析生成的知识图谱与实际教学内容之间的关系,提出从知识点、知识点之间的关系和知识点与关系构成知识网络,这三个层面中的信息是否较为准确、完整、无冗余信息来评价教学内容知识图谱有效性的思路,对知识图谱进行有效性验证。评分结果发现基于教学视频中教师话语生成的大部分教学内容知识图谱评分较高,2节化学课堂因在音频转写过程中存在较多专业名词转写错误,导致知识图谱效果不佳。将基于教学视频的课堂教学行为自动识别结果与课堂教学内容知识图谱整合形成课堂简报,简明扼要地概括与呈现课堂中的教师行为与教学内容信息。