论文部分内容阅读
目前我国的主要教育方式为以线下课堂教学为核心的应试教育,如何使用智能的方式辅助教学成为了当下的研究重点。课堂交互行为数据包含大量教师课件、板书、学生信息等显性数据和教学过程中由师生互动行为所产生的话语、性别、情感等隐性数据,这些数据是教学活动最基本的典型特征,在一定程度上反映了教学的本质,因此对课堂交互行为的多维度数据分析至关重要。然而目前绝大多数学者采用的智能分析方法仍然是改进S-T分析法和FIAS法,或者将行为分析的前提局限于特定的智慧教室环境和线上教学论坛中,无法做到普遍适用于最主要的线下课堂教学环境。同时在线下课堂教学环境中,环境噪音来源广泛、无法避免且对语音识别的准确度带来一定的影响,因此需要对课堂语音文件进行降噪处理。本文利用语音识别技术从课堂情绪水平、课堂模式、课堂互动结构等多个维度对课堂交互行为进行分析,主要工作和创新点如下:首先,文章介绍了课堂分析的研究背景并说明了基于语音识别的多维课堂交互分析的重要性,概述并分析国内外关于语音识别、性别识别、情绪识别和课堂分析的研究情况。同时也对本文中所用到的语音降噪、说话人识别、语音情绪识别、语音性别识别、课堂交互分析以及社会网络分析的理论进行了阐述。其次,本文的创新点在于:构建了课堂评价的新模型,利用语音识别技术从课堂情绪水平、课堂模式、性别行为差异、课堂互动结构等多个维度对课堂交互行为进行分析;创新性的将社会网络的方法用于线下课堂,使用上述得到的说话人身份、性别、情绪数据、通过社会网络分析的方法实现线下课堂交互行为数据的可视化;基于所得课堂交互结构、课堂情绪转化率及兴奋度实现多维度的课堂量化分析。具体课堂评价维度包括:通过交互密度和网络直径判定课堂交互结构(平衡结构、散乱结构、集中结构);通过课堂情绪转化率、课堂兴奋度判定课堂情绪水平(激昂、平稳、低落);通过分析教师与不同性别、不同身份学生之间的个体互动差异、课堂互动结构和课堂模式,帮助教师及时掌握课堂教学现状并进行针对性改进。最后,使用具体案例对上述提出的基于语音识别的多维课堂交互行为分析方法进行验证。通过对单个案例和多个案例的分别比较,证明了基于语音识别的多维课堂交互分析的合理性,总结了本文的研究内容、创新性和问题点。