论文部分内容阅读
近年来,人工智能技术开始融合入各个领域,教育行业也开始发生巨大的改变。当前,传统的课堂环境仍是当前教育环境下最主要的学习环境,如何评价教室中的教学过程仍然是一个难点,而技术的发展给课堂评价带来了无限的可能。本文利用声纹识别技术对课堂交互进行分析和评价,判定课堂的交互模式以及课堂结构。本文通过以下几个方面进行研究:首先文章介绍了课堂分析的研究背景,对国内外声纹识别和课堂交互行为分析的研究现状进行了综述和分析。同时也对基于声纹识别的课堂交互分析中所用到的声纹识别、课堂交互分析以及社会网络分析的理论进行了阐述。然后介绍了进行说话人识别以及聚类,得到声纹识别和聚类的结果后,便可以进行课堂互动分析。最后针对以上提出的基于声纹识别的课堂交互行为分析方法进行了案例分析,对实际的案例进行了具体的计算和分析。从单案例以及多案例对比入手,在单案例分析中进行了声纹识别和聚类的调参,在多案例对比分析中进行了多个课程的交互数据对比。最终证实了基于声纹识别的课堂交互分析的可行性和科学性,同时也对研究的内容以及存在的问题做出了总结。研究的主要成果是:(1)将说话人识别和聚类用于课堂数据中,对课堂音频进行处理实现自动课堂分析,解决了课堂交互分析不够准确的问题。(2)实现了对S-T分析的自动分析,不需要人工去标记每个观测时间内的行为,同时也耗费极少的人力对大量数据进行了分析,避免了人工分析耗时耗力以及主观判断的错误。(3)将社会网络分析用于线下课堂,对课堂进行了可视化的社会网络图绘制,更直观的了解课堂的交互情况;对课堂交互的社会网络相关参数进行了计算,依据S-T分析中的教学模式拟定了课堂的交互结构和课堂模式。本文通过说话人无关的声纹识别技术以及社会网络分析,对课堂的交互行为进行定量和定性,可以形成对课堂交互客观的评价,给课堂交互提供一致的判别指标以实现横向和纵向的对比,有助于提高数据分析过程的可信性与科学性,对教育技术嵌入到学习系统对学习过程进行评价有重要意义。