一种大单元课堂教学的价值取向分析方法及系统技术方案

本发明专利技术公开了一种大单元课堂教学的价值取向分析方法及系统，方法包括根据大单元内若干课堂音像和教学语料预训练神经网络，建立价值特征的二维平面，并计算每个课堂的价值特征坐标点；价值特征包括课堂管理特征、自主学习特征、教学结构开放性特征、认知激发特征、课堂反馈特征和学生合作交流特征；根据每个课堂的价值特征坐标点，对每个课堂的价值特征进行价值取向分析，获得大单元内若干课堂的价值取向分析结果；其中，价值取向分析包括若干个级别的正向分析和负向分析。本实施例实现了量化分析大单元课堂教学的价值取向，提高课堂教学分析的准确性，提升课堂教学正向价值水平。提升课堂教学正向价值水平。提升课堂教学正向价值水平。

【技术实现步骤摘要】
一种大单元课堂教学的价值取向分析方法及系统


[0001]本专利技术涉及课堂分析领域，尤其涉及一种大单元课堂教学的价值取向分析方法及系统。

技术介绍

[0002]大单元教学作为经常运用的教学模式，它不以单课堂为单位,而是从单元整体要求确定教学目标，并从宏观上把握单元教学要素并组织实施的教学方式。一个大单元教学，通常涉及多个课堂，课堂之间需要有机配合才能达到更优的教学效果。大单元教学，有利于促进学生深度学习，有利于核心素养的落地。核心素养的培育，是国家落实立德树人的根本任务、是适应世界教育发展的趋势、是全面深化教育领域综合改革的迫切需要。因此，如何分析大单元课堂教学的价值取向，在培育学生核心素养方面的情况，具有重要的意义。
[0003]目前现有的技术和方法主要侧重于基于单独课堂教学互动行为云的教学模式的分析，以及单独课堂教学交互行为分析，为教学过程评价的开展提供量化依据，但没有未形成对作为课堂集群的大单元教学的综合分析，也没有针对大单元课堂的分析教学价值取向，了解在培养学生素养方面的情况。

技术实现思路

[0004]本专利技术提供了一种大单元课堂教学的价值取向分析方法及系统，实现量化分析大单元课堂教学的价值取向，提高课堂教学分析的准确性，提升课堂教学正向价值水平。
[0005]为了解决上述技术问题，本专利技术实施例提供了一种大单元课堂教学的价值取向分析方法，包括：
[0006]根据大单元内若干课堂音像和教学语料预训练神经网络，建立价值特征的二维平面，并计算每个课堂的价值特征坐标点；其中，价值特征包括课堂管理特征、自主学习特征、教学结构开放性特征、认知激发特征、课堂反馈特征和学生合作交流特征；
[0007]根据每个课堂的价值特征坐标点，对每个课堂的价值特征进行价值取向分析，获得大单元内若干课堂的价值取向分析结果；其中，价值取向分析包括若干个级别的正向分析和负向分析。
[0008]实施本专利技术实施例，通过对某个大单元内的各个课堂进行录音或录像，确定价值特征的维度框架和教学语料神经网络，自动实现计算，分析包含课堂管理、自主学习、教学结构开放性(教学结构化和开放性)、认知激发、课堂反馈、学生合作交流(学生间合作与交流)等价值特征，根据价值特征的坐标点，分析价值特征的价值取向，获得大单元内若干课堂的价值取向，分析大单元中每个课堂教学的每个价值特征的价值取向，刻画反映这个大单元教学在培育学生核心素养方面的情况，实现量化分析大单元课堂教学的价值取向，提高课堂教学分析的准确性，提升课堂教学正向价值水平，为常态化开展大单元教学分析和提升课堂教学水平提供技术支持。
[0009]作为优选方案，根据大单元内若干课堂音像和教学语料预训练神经网络，建立价
值特征的二维平面，并计算每个课堂的价值特征坐标点，具体为：
[0010]根据大单元内若干课堂音像，获得每个课堂的独立音像，以教学价值维度作为坐标轴，建立各价值特征的二维平面；
[0011]分别对各独立音像进行声纹图像识别，获得教师和学生的若干个声纹图像特征，将若干个声纹图像特征分别转化为教师和学生的若干个文字特征，并根据预设切分规则，对若干个文字特征进行话语切分，获得教师和学生的若干个话语片段；
[0012]根据若干个话语片段和教学语料预训练神经网络，分析各价值特征的维度因素，并根据教学价值维度和维度因素的数据值，统计计算每个课堂中各价值特征对应的价值特征坐标点。
[0013]实施本专利技术实施例，根据课堂的录音或者录像进行分析识别，不同价值特征的维度因素，找到具体维度因素的数据值，得到坐标点，从常规的教学录像中做出分析，找到对应的影响因素，对不同的价值特征，做不同的分析，便于全面了解大单元内若干课堂的不同价值特征的具体情况。
[0014]作为优选方案，根据若干个话语片段和教学语料预训练神经网络，分析各价值特征的维度因素，并根据教学价值维度和维度因素的数据值，统计计算每个课堂中各价值特征对应的价值特征坐标点，具体为：
[0015]当价值特征为课堂管理特征时，教学价值维度包括课堂氛围和课堂控制；
[0016]将当前课堂中教师的若干个话语片段输入教学语料预训练神经网络，分类判断出若干个话语片段是否属于课堂管理维度因素，课堂管理维度因素包括教师接纳学生情感、教师鼓励学生、教师发出命令和教师维护权威；
[0017]统计属于课堂管理维度因素的有效话语片段，并将有效话语片段对应的时长，分别计算到各课堂管理维度因素的时长中；
[0018]根据教师接纳学生情感的时长、教师鼓励学生的时长和课堂总时长，计算课堂氛围数据值，根据教师发出指令或命令的时长、教师批评学生或维护权威的时长和课堂总时长，计算课堂控制数据值；
[0019]根据课堂氛围数据值和课堂控制数据值，获得当前课堂对应的课堂管理特征坐标点，并统计计算每个课堂的课堂管理特征坐标点。
[0020]作为优选方案，根据若干个话语片段和教学语料预训练神经网络，分析各价值特征的维度因素，并根据教学价值维度和维度因素的数据值，统计计算每个课堂中各价值特征对应的价值特征坐标点，具体为：
[0021]当价值特征为自主学习特征时，教学价值维度包括教师主导讲授和学生自主学习；
[0022]将当前课堂中教师的若干个话语片段和学生的若干个话语片段输入教学语料预训练神经网络，分类判断出话语片段是否属于自主学习维度因素；自主学习维度因素包括教师讲授、学生发言、学生互相讨论和学生练习；
[0023]统计属于自主学习维度因素的有效话语片段，并将有效话语片段对应的时长，分别计算到各自主学习维度因素的时长中；
[0024]根据教师讲授的时长、学生发言的时长和课堂总时长，计算教师主导讲授数据值；根据学生互相讨论的时长、学生练习的时长和课堂总时长，计算学生自主学习数据值；
[0025]根据教师主导讲授数据值和学生自主学习数据值，获得当前课堂对应的自主学习特征坐标点，并统计计算每个课堂的自主学习特征坐标点。
[0026]作为优选方案，根据若干个话语片段和教学语料预训练神经网络，分析各价值特征的维度因素，并根据教学价值维度和维度因素的数据值，统计计算每个课堂中各价值特征对应的价值特征坐标点，具体为：
[0027]当价值特征为教学结构开放性特征时，教学价值维度包括课堂教学开放度和课堂结构化程度；
[0028]将当前课堂中教师的若干个话语片段输入教学语料预训练神经网络，分类判断出若干个话语片段是否属于教学结构开放性维度因素，教学结构开放性因素包括激励不同角度思考和课堂重温目标总结；
[0029]统计属于教学结构开放性维度因素的有效话语片段，将有效话语片段对应的次数，分别计算到教学结构开放性维度因素的次数中；
[0030]根据激励不同角度思考的次数，计算课堂教学开放度数据值，根据课堂重温目标总结的次数，计算课堂结构化程度数据值；
[0031]根据课堂教学开放度数据值和课堂结构化程度数据值，获得当前课堂对应的教学结构本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大单元课堂教学的价值取向分析方法，其特征在于，包括：根据大单元内若干课堂音像和教学语料预训练神经网络，建立价值特征的二维平面，并计算每个课堂的价值特征坐标点；其中，所述价值特征包括课堂管理特征、自主学习特征、教学结构开放性特征、认知激发特征、课堂反馈特征和学生合作交流特征；根据所述每个课堂的所述价值特征坐标点，对每个课堂的价值特征进行价值取向分析，获得所述大单元内若干课堂的价值取向分析结果；其中，所述价值取向分析包括若干个级别的正向分析和负向分析。2.如权利要求1所述的大单元课堂教学的价值取向分析方法，其特征在于，所述根据大单元内若干课堂音像和教学语料预训练神经网络，建立价值特征的二维平面，并计算每个课堂的价值特征坐标点，具体为：根据所述大单元内若干课堂音像，获得所述每个课堂的独立音像，以教学价值维度作为坐标轴，建立各所述价值特征的二维平面；分别对各所述独立音像进行声纹图像识别，获得教师和学生的若干个声纹图像特征，将所述若干个声纹图像特征分别转化为教师和学生的若干个文字特征，并根据预设切分规则，对所述若干个文字特征进行话语切分，获得教师和学生的若干个话语片段；根据所述若干个话语片段和教学语料预训练神经网络，分析各所述价值特征的维度因素，并根据所述教学价值维度和所述维度因素的数据值，统计计算所述每个课堂中各价值特征对应的价值特征坐标点。3.如权利要求2所述的大单元课堂教学的价值取向分析方法，其特征在于，所述根据所述若干个话语片段和教学语料预训练神经网络，分析各所述价值特征的维度因素，并根据所述教学价值维度和所述维度因素的数据值，统计计算所述每个课堂中各价值特征对应的价值特征坐标点，具体为：当所述价值特征为所述课堂管理特征时，所述教学价值维度包括课堂氛围和课堂控制；将当前课堂中所述教师的若干个话语片段输入所述教学语料预训练神经网络，分类判断出所述若干个话语片段是否属于课堂管理维度因素，所述课堂管理维度因素包括教师接纳学生情感、教师鼓励学生、教师发出命令和教师维护权威；统计属于所述课堂管理维度因素的有效话语片段，并将所述有效话语片段对应的时长，分别计算到各所述课堂管理维度因素的时长中；根据教师接纳学生情感的时长、教师鼓励学生的时长和课堂总时长，计算课堂氛围数据值，根据教师发出指令或命令的时长、教师批评学生或维护权威的时长和课堂总时长，计算课堂控制数据值；根据所述课堂氛围数据值和所述课堂控制数据值，获得所述当前课堂对应的课堂管理特征坐标点，并统计计算所述每个课堂的课堂管理特征坐标点。4.如权利要求2所述的大单元课堂教学的价值取向分析方法，其特征在于，所述根据所述若干个话语片段和教学语料预训练神经网络，分析各所述价值特征的维度因素，并根据所述教学价值维度和所述维度因素的数据值，统计计算所述每个课堂中各价值特征对应的价值特征坐标点，具体为：当所述价值特征为所述自主学习特征时，所述教学价值维度包括教师主导讲授和学生
自主学习；将当前课堂中所述教师的若干个话语片段和所述学生的若干个话语片段输入所述教学语料预训练神经网络，分类判断出所述话语片段是否属于自主学习维度因素；所述自主学习维度因素包括教师讲授、学生发言、学生互相讨论和学生练习；统计属于所述自主学习维度因素的有效话语片段，并将所述有效话语片段对应的时长，分别计算到各所述自主学习维度因素的时长中；根据教师讲授的时长、学生发言的时长和课堂总时长，计算教师主导讲授数据值；根据学生互相讨论的时长、学生练习的时长和课堂总时长，计算学生自主学习数据值；根据所述教师主导讲授数据值和所述学生自主学习数据值，获得所述当前课堂对应的自主学习特征坐标点，并统计计算所述每个课堂的自主学习特征坐标点。5.如权利要求2所述的大单元课堂教学的价值取向分析方法，其特征在于，所述根据所述若干个话语片段和教学语料预训练神经网络，分析各所述价值特征的维度因素，并根据所述教学价值维度和所述维度因素的数据值，统计计算所述每个课堂中各价值特征对应的价值特征坐标点，具体为：当所述价值特征为所述教学结构开放性特征时，所述教学价值维度包括课堂教学开放度和课堂结构化程度；将当前课堂中所述教师的若干个话语片段输入所述教学语料预训练神经网络，分类判断出所述若干个话语片段是否属于教学结构开放性维度因素，所述教学结构开放性因素包括激励不同角度思考和课堂重温目标总结；统计属于所述教学结构开放性维度因素的有效话语片段，将所述有效话语片段对应的次数，分别计算到所述教学结构开放性维度因素的次数中；根据激励不同角度思考的次数，计算课堂教学开放度数据值，根据课堂重温目标总结的次数，计算课堂结构化程度数据值；根据所述课堂教学开放度数据值和所述课堂结构化程度数据值，获得所述当前课堂对应的教学结构开放性特征坐标点，并统计计算所述每个课堂的教学结构开放性特征坐标点。6.如权利要求2所述的大单元课堂教学的价值取向分析方法，其特征在于，所述根据所述若干个话语片段和教学语料预训练神经网络，分析各所述价值特征的维度因素，并根据所述教学价值维度和所述维度因素的数据值，统计计算所述每个课堂中各价值特征对应的价值特征坐标点，具体为：当所述价值特征为所述认知激发特征时，所述教学价值维度包括教师推动有效学习程度和课...

【专利技术属性】
技术研发人员：李海东，许世红，黄志红，吴颖民，李强，刘军民，蒋万强，邵柏强，
申请(专利权)人：广州中学努比技术广州有限公司，
类型：发明
国别省市：