近年来,随着计算机性能的不断上升,以及存储设备容量的不断扩大,人工智能和大数据技术已经成为了当下最热门最前沿的计算机应用技术。目前,深度学习领域已经在图像、文字、语音等多个方面展现出了传统算法不能比拟的识别精度。例如,基于卷积神经网络的人脸识别技术已经相当成熟,目前已经应用在包括火车验票、公司门禁、生物识别等各种领域中,极大的方便了人们的生产和生活;基于循环神经网络的文本翻译技术,已经被各大翻译软件采用,可以做到实时准确地翻译世界各地的语言。同时,大数据和深度学习技术在教育场景中同样被给予了厚望,目前基于深度学习的课堂检测技术已经日趋成熟,人脸签到、课堂动作识别、学生面部表情识别等技术已经逐渐走进各大学校,拍照搜题、网络教学等技术也极大的方便了教师授课和学生的自主学习。同样,本文将利用深度学习中的语音情感识别技术,将其应用到课堂教学和分析当中,利用大数据挖掘技术分析当下课堂情感的特点,发现优秀课堂中教师对情感的把握规律和细节。本文的主要工作为以下几点:首先,本文对国内外的深度学习技术和语音情感识别技术相关理论进行梳理,并结合当下实际情况,选出当下最适合的算法,将其应用到课堂场景,进行语音情感识别分析。并通过详细地介绍深度学习理论,为后面在具体场景下的实验打下基础。其次,本文制作了一个在课堂场景下的语音情感数据集,该数据集包含了网络公开课50门,分别为50位优秀的教师主讲,公开课视频来源为国家教育资源公共服务平台“一师一优课”网站。本文在其中选取了大量对课堂有等级评价的视频,一部分用于制作数据集,另一部分用于测试和大数据分析。之后,本文将对现有的神经网络进行调整和改进,并对现有数据集进行一定的预处理,用以训练网络。本文使用的网络是卷积神经网络(CNN)和循环神经网络(RNN)相结合的一种网络结构CRNN。这种结构既利用了 CNN对于特征提取的优势,又利用了 RNN在序列模型上保有记忆能力的优势,这种网络在物体标注和语音识别上均有不错的效果。最后,本文将具有一定可信度的由神经网络识别的课堂和用于数据集的课堂一起进行数据分析,通过大数据的方式查找当下教师对课堂情感把控的特点和规律,找到优秀教师教授的课堂情感的特点,并根据这些特点探讨未来在情感教育上的问题和建议。