教师内隐经验的多模态析取方法、系统及存储介质技术方案

本发明专利技术涉及教育信息技术领域，具体涉及了一种教师内隐经验的多模态析取方法、系统及存储介质。包括以下步骤：S100：获取优秀教师的授课原始数据；S200：从授课原始数据中提取优秀教师内隐经验相关的多个维度的行为特征，分别生成多个维度下的行为特征集合；S300：构建关于行为特征的内隐经验表达模型，将多个维度下行为特征集合汇入内隐经验表达模型；S400：重复S100

【技术实现步骤摘要】
教师内隐经验的多模态析取方法、系统及存储介质


[0001]本专利技术涉及教育信息
，具体涉及了一种教师内隐经验的多模态析取方法、系统及存储介质。

技术介绍

[0002]基础教育是造就人才的关键，而教师教育作为教育事业的关键，承担着培养各级各类学校教师的任务。尽管高级教师或优秀教师是基础教育教师队伍中的佼佼者，但是数量极小且分布不均，其教学水平只能够反映提升空间，却不能代表平均水平，因此绝大多数的普通教师的教学能力都位于中游水平，如何实现普通教师能力的提升一直教师教育的核心问题。
[0003]一般意义上，教师经验分为外显和内隐两种，外显经验是指可以通过言语表述的知识，内隐经验则是指无法通过语言表达的知识，事实上，当前教师教育系统实现的是外显经验的培训，比如常见的视频、现场、教材、讨论学习方式、不过基于外显经验的知识和技能传承的短板也相当明显，在优秀教师和普通教师二者经验空间不对等的情况下，仅靠能够通过言语表达出来的经验交流是远远不够的，也即“知道并不懂得”。
[0004]向优秀教师取经的关键问题不在于外显知识，而在于内隐知识，本质上优秀教师的教学活动便是外显经验和内隐经验结合的体现。而内隐知识不仅不明确和难以表达，也缺乏整合、提炼和整体加工，其本身无法由优秀教师自动提炼，产生了许多仅存于其身的海量的“沉默知识”，其作为一种客观存在，以“用而不知”的状态指导教师的专业实践、思维和行动。因此如何将教师的内隐经验进行系统化地加以提炼和整理，是提升教师队伍水平的关键，是亟待解决的问题。
专利技术内容
[0005]本专利技术意在提供一种教师内隐经验的多模态析取方法、系统及存储介质，能够析取优秀教师的内隐经验，帮助其他教师对优秀教师的内隐经验进行学习。
[0006]本专利技术提供的基础方案：教师内隐经验的多模态析取方法，包括以下步骤：
[0007]S100：获取优秀教师的授课原始数据；
[0008]S200：从授课原始数据中提取优秀教师内隐经验相关的多个维度的行为特征，分别生成多个维度下的行为特征集合；
[0009]S300：构建关于行为特征的内隐经验表达模型，将多个维度下行为特征集合汇入内隐经验表达模型；
[0010]S400：重复S100
‑
S300，基于内隐经验表达模型，提取多个优秀教师的内隐经验表征并存储形成经验库。
[0011]本专利技术的原理在于：通过获取到优秀教师的授课原始数据，原始数据指优秀教师授课时的影像资料、音频资料等。从优秀教师的授课原始数据中提取出优秀教师的与内隐经验相关的，在多个维度下特征集合，之后将多个维度下的特征集合代入至内隐经验表达
模型，多维度代表教师行为动作中的各个方面，通过内隐经验表达模型对优秀教师多个维度下的内隐经验进行分析，通过内隐经验表达模型，完成各个维度下内隐经验的定量。通过将多个优秀教师的多个维度的特征集合进行分析，提取出优秀教师内隐经验上的共同点，形成经验库。
[0012]相比于现有技术具有以下优点：
[0013]1.能够将难以表述的内隐经验挖掘表示出来，通过对内隐经验提取建模，将无法通过语言表达的教学知识，发现优秀教师的内隐经验进行提炼，通过发现优秀教师的内隐经验的共同点，以大量优秀教师内隐经验在内隐经验表达模型下的输出进行总结出的共同点形成的经验库，便于其他教师与经验库中的数据进行对比，发现自身经验的不足。
[0014]2.分析过程中帮助优秀教师自身发现所没发现的优点。内隐经验对于教师来说，可能存在自身“用而不知”的情况，可能是教师自身的一个行为习惯或是是潜意识下的语气、动作。优秀教师自身可能都不知道自已具有哪些较为突出的内隐经验，同时也不知道自身哪个方面的内隐经验较为薄弱。通过对多维度下的特征集合进行分析，能够帮助优秀教师进一步看清自身的突出点和不足点，从而进一步做出改进和弥补。
[0015]进一步，所述S200包括以下步骤：
[0016]S210：从授课原始数据中提取优秀教师的言语特征；
[0017]S211：通过语义识别分别对言语特征进行分类，根据言语特征分类结果建立言语特征集合
[0018]从原始数据中提取出优秀教师的言语特征，言语特征指教师授课时的说话的内容、表达方式、语气等与说话方式相关的特征，通过语义识别的方式，对优秀教师的言语进行分类，划分出各个类型的言语内容以及说话方式，生成多个言语特征集合，从而对优秀教师的言语特征进行分析。
[0019]进一步，所述S211包括以下步骤：
[0020]S2111：按照预设规则提取言语特征中的独立特征、统计类特征以及组合类特征，所述独立特征包括提问类特征和陈述类特征；
[0021]S2112：建立言语特征集合S＝[(S1，S2，S3，S4，S5，S6)，(S7，S8)，S9]；
[0022]其中S1‑
S4为提问类特征，S1表示聚焦学科内容的提问，S2表示激发元认识的提问，S3表示激发学生参与的提问，S4表示聚焦评价的提问，S5‑
S6表示陈述类特征，S5表示对内容、语气、语速的表达，S6表示回应学生的提问；
[0023]S7‑
S8为统计类特征，S7表示聚焦学科内容的提问类型统计，S8聚焦实际答案的首个提问类型；
[0024]S9为组合类特征，表示提问和回答的组合。
[0025]将言语特征分为独立类特征、统计类特征和组合类特征，独立特征包括提问类特征和陈述类特征。教师在授课过程中，主要是通过语言表述的方式进行授课，因此教师的说话表达方式对于授课质量来说，有着举足轻重的作用。例如在何时进行提问，提问时所应聚焦的内容，提问的对象和时机把我。通过将优秀教师的言语特征提取，分析优秀教师在言语上的表达方式，提取优点，便于其他教师对优秀教师的言语表达方式进行学习。
[0026]进一步，所述S200还包括一下步骤：
[0027]S220：从授课原始数据中提取优秀教师的非言语特征；
[0028]S221：通过视觉识别分析提取非言语特征中的体态特征和情绪特征，分别生产体态特征集合和情绪特征集合。
[0029]从原始数据中提取出优秀教师的非言语特征，将非言语特征划分为体态特征和情绪特征，体态特征指教师授课时的动作，情绪特征指授课时所表露出的表情情绪。
[0030]进一步，所述S221包括以下步骤：
[0031]S2211：根据识别结果将体态特征划分为非移动体态和移动体态；
[0032]S2212：建立体态特征集合B＝[B
nm
，B
m
][0033]其中B
nm
为非移动特征，包括站姿和坐姿，B
m
为移动特征，包括头部姿态、手势以及步伐姿态。
[0034]在授课过程中教师的体态特征也是重要的组成部分之一，如老师的站姿、坐姿和走路的姿势能够传递出很多的信息，也能够表达出许多言语无法表达的含义，当遇到一些学生难以理解或者难本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.教师内隐经验的多模态析取方法，其特征在于：包括以下步骤：S100：获取优秀教师的授课原始数据；S200：从授课原始数据中提取优秀教师内隐经验相关的多个维度的行为特征，分别生成多个维度下的行为特征集合；S300：构建关于行为特征的内隐经验表达模型，将多个维度下行为特征集合汇入内隐经验表达模型；S400：重复S100
‑
S300，基于内隐经验表达模型，提取多个优秀教师的内隐经验表征并存储形成经验库。2.根据权利要求1所述的教师内隐经验的多模态析取方法，其特征在于：所述S200包括以下步骤：S210：从授课原始数据中提取优秀教师的言语特征；S211：通过语义识别分别对言语特征进行分类，根据言语特征分类结果建立言语特征集合。3.根据权利要求2所述的教师内隐经验的多模态析取方法，其特征在于：所述S211包括以下步骤：S2111：按照预设规则提取言语特征中的独立特征、统计类特征以及组合类特征，所述独立特征包括提问类特征和陈述类特征；S2112：建立言语特征集合S＝[(S1,S2,S3,S4,S5,S6）,(S7,S8),S9]；其中S1‑
S4为提问类特征，S1表示聚焦学科内容的提问，S2表示激发元认识的提问，S3表示激发学生参与的提问，S4表示聚焦评价的提问，S5‑
S6表示陈述类特征，S5表示对内容、语气、语速的表达，S6表示回应学生的提问；S7‑
S8为统计类特征，S7表示聚焦学科内容的提问类型统计，S8聚焦实际答案的首个提问类型；S9为组合类特征，表示提问和回答的组合。4.根据权利要求2所述的教师内隐经验的多模态析取方法，其特征在于：所述S200还包括以下步骤：S220：从授课原始数据中提取优秀教师的非言语特征；S221：通过视觉识别分析提取非言语特征中的体态特征和情绪特征，分别生成体态特征集合和情绪特征集合。5.根据权利要求4所述的教师内隐经验的多模态析取方法，其特征在于：所述S221包括以下步骤：S2211：根据识别结果将体态特征划...

【专利技术属性】
技术研发人员：贾敏，杨倩，张喻华，唐永强，
申请(专利权)人：贵州京师城投智慧教育产业股份有限公司，
类型：发明
国别省市：