一种基于人工智能的教师综合能力评估方法技术

本发明专利技术提供一种基于人工智能的教师综合能力评估方法，涉及智慧教学技术领域，包括：录制教学视频

【技术实现步骤摘要】
一种基于人工智能的教师综合能力评估方法


[0001]本专利技术涉及智慧教学
，具体涉及一种基于人工智能的教师综合能力评估方法
。

技术介绍

[0002]现有主流的教学综合评估依据主要是学生考试成绩
、
教学督导反馈和教师自评互评，其中学生考试成绩客观性强易量化比较，而教学督导反馈和教师自评互评有非常强的主观性和偶发性，且评价结果不易量化
。
该过程主要由教学督导组通过周期性的随堂听课以及教师备课
、
讲课
、
辅导
、
答疑
、
作业
、
考核等情况进行随机抽查的方式，并教师的教学情况进行评估，同时采纳教师间互相评估结果，最终得到教师的教学工作综合评价
。
[0003]该传统方式存在一定的局限性，首先仅采取教师互评或督导组评估等人为主观评估的方式，缺乏客观性
。
同时，随堂听课的结果缺乏代表性，被考察教师往往做出提前准备
。
最后，学校教师数量众多，督导组频繁巡课会消耗大量的人力资源
。
[0004]中国申请号为
202010387265.7
的专利技术专利公开了一种教学质量评测方法及系统，该专利技术专利通过不同的评价指标，从课堂秩序
、
课堂氛围
、
教学效率的角度来对教学质量进行量化分析，从而对教师进行评估，该方法在一定程度上能够解决传统方法中人为观察单个角度来评估教师教学质量所带来的片面性缺陷
。
但该技术仍然也有它的局限性，其并不能真正对教师的教学能力进行全面而客观的评价
。

技术实现思路

[0005]有鉴于此，本专利技术提出了一种基于人工智能的教师综合能力评估方法，利用神经网络模型来对教师的教学内容
、
教学状态
、
教学方式
、
教学素质和教学质量进行自动化的量化评价，以此为基础对教师的综合能力进行评估，使教师评估的过程客观
、
全面，且大大降低督导组人力成本
。
[0006]本专利技术的技术方案是这样实现的：本专利技术提供了一种基于人工智能的教师综合能力评估方法，包括：
[0007]S1
利用智慧课堂录制教师在不同教学阶段的教学视频，并将教学视频上传至流媒体服务器；
[0008]S2
从流媒体服务器中获取所需教学阶段的教学视频，作为待解析视频，根据音频工具从待解析视频中提取得到音频文件，并对音频文件进行预处理；
[0009]S3
利用预训练的语音识别模型将预处理的音频文件进行课堂语音转录，得到教学过程文本；
[0010]S4
构建知识点库，知识点库中包括教学内容中的各个知识点，将教学过程文本进行教学内容的提取，并与知识点库进行比对，得到教学过程文本中各个知识点出现的频次，并计算得到教师的教学内容评分；
[0011]S5
对教学过程文本进行关键字搜索和文本分析，得到教师的教学素质评分；
[0012]S6
利用预训练的动作识别模型对待解析视频中的师生行为进行识别，统计并计算教师的互动行为评分，利用预训练的目标检测模型对待解析视频中的教师行动轨迹进行识别，得到教师的巡视评分，将互动行为评分和巡视评分作为教师的教学状态评分；
[0013]S7
利用预训练的目标检测模型对待解析视频进行帧级别的检测，提取投影仪的
PPT
区域和黑板区域，统计
PPT
区域和黑板区域的变化次数，并将变化次数进行评分量化得到教师的教学方式评分；
[0014]S8
按照教学阶段统计每个教师进行教学的班级学习成绩，根据学习成绩对教师的教学质量进行评估，得到教师的教学质量评分；
[0015]S9
将教师的教学内容评分
、
教师的教学素质评分
、
教师的教学状态评分
、
教师的教学方式评分和教师的教学质量评分进行综合处理，得到教师的综合能力评估结果
。
[0016]进一步优选的，步骤
S4
包括：
[0017]S41
获取教学内容，根据教学内容确定不同教学阶段的各个知识点，将所有知识点构成知识点库；
[0018]S42
将教学过程文本与知识点库进行比对，统计得到知识点库中的各个知识点在教学过程文本中出现的频次；
[0019]S43
获取与教学过程文本的教学阶段相同的历史视频，结合教学过程文本的知识点频次计算得到教师的教学内容评分，所述历史视频包括由人工标注的各个知识点出现的频次；
[0020]其中，计算公式如下：
[0021][0022]式中，
i1代表相同教学阶段的历史视频的数量，表示教师的教学内容评分，
n1代表知识点库中隶属于该教学阶段的知识点的数量，是权重，权重代表不同知识点的重要程度，代表第
j
个知识点在历史视频中出现的频次，
k
j
代表第
j
个知识点在教学过程文本中出现的频次
。
[0023]进一步优选的，步骤
S5
包括：
[0024]S51
构建文明用语表，根据文明用语表确定不文明关键字，在教学过程文本中利用不文明关键字进行搜索，统计得到教学过程文本的不文明关键字的频次；
[0025]S52
收集周期性的话题文本，将教学过程文本与话题文本进行文本相似度比较，统计得到教学过程文本的不当言论的频次；
[0026]S53
收集教学禁用语文本，将教学过程文本与教学禁用语文本进行文本相似度比较，统计得到教学过程文本的教学禁用语的频次；
[0027]S54
根据教学过程文本的不文明关键字的频次
、
教学过程文本的不当言论的频次和教学过程文本的教学禁用语的频次计算得到教师的教学素质评分，计算公式如下：
[0028][0029]式中，
S
e
代表教师的教学素质评分，
w
e
表示权重，
e1为教学过程文本的不文明关键字的频次，
e2为教学过程文本的教学禁用语的频次，
Pr
代表是否出现不当言论，若出现则
Pr
＝1，若未出现则
Pr
＝
0。
[0030]进一步优选的，步骤
S6
包括：
[0031]S61
根据预训练的动作识别模型，对待解析视频中的师生行为进行识别，统计每种师生行为出现的次数，所述师生行为包括学生起立
、
学生举手
、
学生趴桌子
、
老师点人和老师坐讲台；
[0032]S62
获取相同教学阶段的历本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于人工智能的教师综合能力评估方法，其特征在于，包括：
S1
利用智慧课堂录制教师在不同教学阶段的教学视频，并将教学视频上传至流媒体服务器；
S2
从流媒体服务器中获取所需教学阶段的教学视频，作为待解析视频，并获取与待解析视频的教学阶段相同的历史视频，根据音频工具从待解析视频中提取得到音频文件，并对音频文件进行预处理；
S3
利用预训练的语音识别模型将预处理的音频文件进行课堂语音转录，得到教学过程文本；
S4
构建知识点库，知识点库中包括教学内容中的各个知识点，将教学过程文本进行教学内容的提取，并与知识点库进行比对，得到教学过程文本中各个知识点出现的频次，并结合教学过程文本对应的历史视频计算得到教师的教学内容评分；
S5
对教学过程文本进行关键字搜索和文本分析，得到教师的教学素质评分；
S6
利用预训练的动作识别模型对待解析视频中的师生行为进行识别，统计并结合待解析视频对应的历史视频计算教师的互动行为评分，利用预训练的目标检测模型对待解析视频中的教师行动轨迹进行识别，结合待解析视频对应的历史视频得到教师的巡视评分，将互动行为评分和巡视评分作为教师的教学状态评分；
S7
利用预训练的目标检测模型对待解析视频进行帧级别的检测，提取投影仪的
PPT
区域和黑板区域，统计
PPT
区域和黑板区域的变化次数，并将变化次数进行评分量化，结合待解析视频对应的历史视频计算得到教师的教学方式评分；
S8
按照教学阶段统计每个教师进行教学的班级学习成绩，根据学习成绩对教师的教学质量进行评估，得到教师的教学质量评分；
S9
将教师的教学内容评分
、
教师的教学素质评分
、
教师的教学状态评分
、
教师的教学方式评分和教师的教学质量评分进行综合处理，得到教师的综合能力评估结果
。2.
如权利要求1所述的方法，其特征在于，步骤
S4
包括：
S41
获取教学内容，根据教学内容确定不同教学阶段的各个知识点，将所有知识点构成知识点库；
S42
将教学过程文本与知识点库进行比对，统计得到知识点库中的各个知识点在教学过程文本中出现的频次；
S43
获取与教学过程文本的教学阶段相同的历史视频，结合教学过程文本的知识点频次计算得到教师的教学内容评分，所述历史视频包括由人工标注的各个知识点出现的频次；其中，计算公式如下：式中，
i1代表相同教学阶段的历史视频的数量，表示教师的教学内容评分，
n1代表知识点库中隶属于该教学阶段的知识点的数量，是权重，权重代表不同知识点的重要程
度，代表第
j
个知识点在历史视频中出现的频次，
k
j
代表第
j
个知识点在教学过程文本中出现的频次
。3.
如权利要求1所述的方法，其特征在于，步骤
S5
包括：
S51
构建文明用语表，根据文明用语表确定不文明关键字，在教学过程文本中利用不文明关键字进行搜索，统计得到教学过程文本的不文明关键字的频次；
S52
收集周期性的话题文本，将教学过程文本与话题文本进行文本相似度比较，统计得到教学过程文本的不当言论的频次；
S53
收集教学禁用语文本，将教学过程文本与教学禁用语文本进行文本相似度比较，统计得到教学过程文本的教学禁用语的频次；
S54
根据教学过程文本的不文明关键字的频次
、
教学过程文本的不当言论的频次和教学过程文本的教学禁用语的频次计算得到教师的教学素质评分，计算公式如下：式中，
S
e
代表教师的教学素质评分，
w
e
表示权重，
e1为教学过程文本的不文明关键字的频次，
e2为教学过程文本的教学禁用语的频次，
Pr
代表是否出现不当言论，若出现则
Pr
＝1，若未出现则
Pr
＝
0。4.
如权利要求1所述的方法，其特征在于，步骤
S6
包括：
S61
根据预训练的动作识别模型，对待解析视频中的师生行为进行识别，统计每种师生行为出现的次数，所述师生行为包括学生起立
、
学生举手
、
学生趴桌子
、
老师点人和老师坐讲台；
S62
获取相同教学阶段的历史视频的各种师生行为出现的次数，将历史视频的各种师生行为出现的次数进行向量化和标准化，得到历史标准向量；
S63
根据待解析视频中每种师生行为出现的次数和历史标准向量计算得到教师的互动行为评分；
S64
根据预训练的目标检测模型对待解析视频进行检测，以教师左上角为原点，定位课堂中教师出现的位置坐标，每
10s
定位一次教师的位置坐标，得到位置坐标集合；
S65
提取待解析视频中的讲台区域，并将待解析视频中除讲台区域以外的其他区域作为非讲台区域，统计位置坐标集合中位于非讲台区域的位置坐标的个数占位置坐标集合中位置坐标总数的比例，并结合教师行动轨迹的离散值，得到教师的巡视情况；
S66
获取相同教学阶段的历史视频的巡视情况；
S67

【专利技术属性】
技术研发人员：李舵文，严鹤，王俊，胡琦，刘建，
申请(专利权)人：云启智慧科技有限公司，
类型：发明
国别省市：