覃匡宇 陳鵬

摘要：反饋式教學(xué)能有效地提高教學(xué)的效果，考試作為常用的反饋手段具有一定的時(shí)間延遲性，教師無(wú)法即時(shí)地做出調(diào)整以達(dá)到預(yù)期的教學(xué)效果。如何找到一種有效的即時(shí)反饋方法成為教學(xué)工作者研究的內(nèi)容。深度學(xué)習(xí)技術(shù)近年來(lái)得到了大力的發(fā)展。文章中介紹了將人工智能技術(shù)應(yīng)用于即時(shí)反饋教學(xué)中的一種方法，通過(guò)攝像頭成像，統(tǒng)計(jì)分析學(xué)生的聽(tīng)課效果，即時(shí)顯示學(xué)生認(rèn)真聽(tīng)課人數(shù)的比例，供教師即時(shí)地掌握課堂聽(tīng)課狀況，為行為提供參考。對(duì)比實(shí)驗(yàn)的結(jié)果表明，該方法能在不增加附加教學(xué)成本的同時(shí)，有效地提升課堂的教學(xué)質(zhì)量。

關(guān)鍵詞：人工智能;反饋式教學(xué);神經(jīng)網(wǎng)絡(luò)

中圖分類號(hào)：G642.0 ? ? 文獻(xiàn)標(biāo)志碼：A ? ? 文章編號(hào)：1674-9324（2020）14-0373-03

一、引言

提高教學(xué)質(zhì)量一直是教育工作者關(guān)注的重點(diǎn)之一。學(xué)者們對(duì)此做出了大量的研究。教育學(xué)家巴班斯基[1]提出了教學(xué)過(guò)程最優(yōu)化理論，認(rèn)為教學(xué)過(guò)程要全面地考慮現(xiàn)有的各種條件、各種方法，科學(xué)地組織最佳的教學(xué)方案。教學(xué)過(guò)程最優(yōu)化不是為了追求最好的教學(xué)過(guò)程，而是要達(dá)到對(duì)目前條件來(lái)說(shuō)最佳的結(jié)果。反饋式教學(xué)是一種可以有效提高教學(xué)效果的教學(xué)方法。劉顯國(guó)等[2]研究了反饋教學(xué)法。在反饋教學(xué)法中，課堂教學(xué)的反饋結(jié)構(gòu)分為兩條不同的通道，一條是反饋給教師的客觀反饋通道，另一條是反饋給學(xué)生的自我反饋通道。在反饋信息的幫助下，師生雙方通過(guò)調(diào)整教學(xué)活動(dòng)來(lái)提高課堂的教學(xué)效率。近年來(lái)，教學(xué)反饋?zhàn)鳛橐环N有效提升教學(xué)質(zhì)量的手段，在學(xué)習(xí)過(guò)程中已經(jīng)得到了大量的應(yīng)用。

反饋按照時(shí)間特性，可以分為延時(shí)反饋和即時(shí)反饋。作業(yè)和考試作為常見(jiàn)的延時(shí)反饋，已經(jīng)成為日常教學(xué)過(guò)程中不可或缺的部分。但由于作業(yè)和考試活動(dòng)的實(shí)施和批改需要一定的時(shí)間，當(dāng)結(jié)果出來(lái)時(shí)，在反饋時(shí)效上具有滯后性，如果在反饋結(jié)果中發(fā)現(xiàn)問(wèn)題，教師只能花費(fèi)額外的時(shí)間來(lái)增加或補(bǔ)足之前的教學(xué)活動(dòng)，在時(shí)間和空間上造成一定的附加成本。在即時(shí)反饋方面，教學(xué)研究者們做出了大量有益的嘗試。加拿大維多利亞大學(xué)的教授Mary Sanseverino[3]將課堂反饋系統(tǒng)（Clicks）應(yīng)用于課堂來(lái)解決學(xué)生不善于“主動(dòng)學(xué)習(xí)”的問(wèn)題。美國(guó)內(nèi)布拉斯加大學(xué)的教授Keng Siau和密蘇里大學(xué)教授Hong Sheng將手機(jī)技術(shù)應(yīng)用于教學(xué)[4]，研究課堂反饋技術(shù)在課堂教學(xué)活動(dòng)對(duì)教師與學(xué)生互動(dòng)的影響。在英國(guó)、西班牙、韓國(guó)和新加坡等國(guó)家和地區(qū)在課堂中引進(jìn)即時(shí)的課堂反饋系統(tǒng)，也都取得了顯著的效果[5]。但課堂反饋系統(tǒng)在引入的同時(shí)也帶來(lái)了一定的負(fù)面效應(yīng)。為了達(dá)到即時(shí)反饋的效果，在教學(xué)活動(dòng)中大量使用電子設(shè)備，一方面增大了教學(xué)成本，另一方面也在一定程度上分散了學(xué)生的注意力。溫斯頓塞倫州立大學(xué)教授Debzani Deb和M.Muztaba Fuad[6]的調(diào)查研究表明：在課堂上，本來(lái)期望作為教學(xué)輔助設(shè)備的智能手機(jī)，實(shí)際上學(xué)生并沒(méi)有合理地使用，手機(jī)大多被作為娛樂(lè)用途而非學(xué)習(xí)用途。

近年來(lái)，人工智能、深度學(xué)習(xí)等技術(shù)得到了飛速的發(fā)展。目前，越來(lái)越多的任務(wù)可以交由機(jī)器來(lái)完成，與人工智能相關(guān)的輔助教學(xué)工具也逐漸應(yīng)用到課程教學(xué)中。Goksel-Canbek等人[7]通過(guò)智能個(gè)人助手在人與機(jī)器間構(gòu)建自然的人機(jī)交互，實(shí)現(xiàn)陪伴學(xué)習(xí)和語(yǔ)言學(xué)習(xí)。Holotescu[8]將教學(xué)機(jī)器人MOOC Buddy服務(wù)于慕課平臺(tái)，該機(jī)器人可以根據(jù)學(xué)習(xí)者的特征，為其推薦適合的學(xué)習(xí)資源。這些人工智能工具對(duì)提高教學(xué)效果都起到了很好的作用。

在當(dāng)前，智能化的輔助教學(xué)手段應(yīng)合理地融合進(jìn)課堂教學(xué)中，而不是過(guò)度地使用。理想的教學(xué)輔助手段應(yīng)該不干擾正常的教學(xué)活動(dòng)，在不知不覺(jué)中解決一些教學(xué)過(guò)程中的小問(wèn)題，無(wú)形中提升教學(xué)的效果。例如，在課堂教學(xué)中，教師專注于教學(xué)內(nèi)容的講解，注意力往往放在前排的學(xué)生身上，對(duì)其他學(xué)生的聽(tīng)課狀態(tài)容易忽略，座位偏遠(yuǎn)的學(xué)生容易失去教師的關(guān)注，很容易思想開(kāi)小差，不認(rèn)真聽(tīng)課。如果能夠通過(guò)一個(gè)簡(jiǎn)單的攝像頭，即時(shí)地監(jiān)控和分析下面學(xué)生的聽(tīng)課狀況，幫助教師評(píng)估當(dāng)前的學(xué)生聽(tīng)課狀況，并提醒教師進(jìn)行教學(xué)調(diào)整，對(duì)學(xué)生未聽(tīng)、漏聽(tīng)的部分進(jìn)行反復(fù)講解，就可以有效地提升課堂教學(xué)效果。

本文研究了人工智能技術(shù)在課堂反饋中的一種應(yīng)用場(chǎng)景，提出了一種使用人工智能技術(shù)來(lái)即時(shí)反饋課堂教學(xué)效果的方法。對(duì)比實(shí)驗(yàn)表明，該方法能有效地提升課堂教學(xué)效果。

二、利用人工智能進(jìn)行即時(shí)教學(xué)反饋

若要即時(shí)地評(píng)估當(dāng)前的學(xué)生聽(tīng)課狀況，需要使用圖像處理和人工智能技術(shù)。具體的步驟為，先獲取學(xué)生聽(tīng)課的圖像，并將各個(gè)學(xué)生的頭像從背景中分離出來(lái)，再依次對(duì)這些頭像進(jìn)行分析，將各個(gè)學(xué)生的聽(tīng)課情況進(jìn)行分類。分類的類別為認(rèn)真聽(tīng)課、不認(rèn)真聽(tīng)課、不聽(tīng)課幾種。然后對(duì)學(xué)生的聽(tīng)課情況做出統(tǒng)計(jì)，當(dāng)認(rèn)真聽(tīng)課的學(xué)生比例低于一定閾值時(shí)，系統(tǒng)將給出即時(shí)反饋，從而讓教師即時(shí)掌握課堂態(tài)勢(shì)，做出相應(yīng)的對(duì)策，如強(qiáng)調(diào)課堂紀(jì)律、對(duì)當(dāng)前內(nèi)容反復(fù)講解等。

為了持續(xù)地觀測(cè)在座學(xué)生的學(xué)習(xí)情況，可使用一個(gè)攝像頭來(lái)周期性地記錄學(xué)生聽(tīng)課的實(shí)時(shí)圖像。接下來(lái)的工作是識(shí)別學(xué)生的聽(tīng)課狀況，這需要使用一些人工智能算法來(lái)完成。盡管采用純粹的手工編程能精確地控制程序來(lái)實(shí)現(xiàn)相應(yīng)的功能，但由于在計(jì)算機(jī)視覺(jué)處理領(lǐng)域已經(jīng)存在一些現(xiàn)成工具，合理地使用這些工具可以大大減輕系統(tǒng)開(kāi)發(fā)的工作量。OpenCV[9]是一個(gè)跨平臺(tái)的計(jì)算機(jī)視覺(jué)庫(kù)，可以運(yùn)行在Windows、Linux等操作系統(tǒng)上。它實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺(jué)方面的很多通用處理功能。特別值得指出的是，OpenCV采用了大量的機(jī)器學(xué)習(xí)算法來(lái)進(jìn)行圖像處理[10]，這使得OpenCV可以提供一些看上去很智能的功能。例如，OpenCV提供了從背景圖像中對(duì)特征圖像進(jìn)行檢測(cè)和抽取的一系列方法，其中的haarcascade_frontalface檢測(cè)器可以將人類的臉部圖像從復(fù)雜的背景圖像中分離出來(lái)。在進(jìn)行即時(shí)教學(xué)反饋時(shí)，需要了解到當(dāng)前學(xué)生的聽(tīng)課情況，將攝像頭輸出的圖像連接到OpenCV的處理函數(shù)就可以得到一系列的學(xué)生臉部表情。

當(dāng)獲得各學(xué)生的臉部圖像后，則可以使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)一步對(duì)這些臉部圖像進(jìn)行處理。只需使用適當(dāng)?shù)臉颖緦?duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，該網(wǎng)絡(luò)就可根據(jù)當(dāng)前的臉部表情將這些學(xué)生的學(xué)習(xí)狀態(tài)分類為認(rèn)真聽(tīng)課、不認(rèn)真聽(tīng)課、不聽(tīng)課等幾種狀態(tài)。在系統(tǒng)構(gòu)建的初期，需要通過(guò)人工對(duì)臉部圖像標(biāo)定類別，以便系統(tǒng)可以進(jìn)行分類學(xué)習(xí)。到了后期，系統(tǒng)就可以自動(dòng)對(duì)圖像進(jìn)行歸類處理。

在實(shí)踐過(guò)程中，我們發(fā)現(xiàn)當(dāng)圖片中人臉數(shù)目較少時(shí)，識(shí)別率較高，因而我們對(duì)原始的大圖進(jìn)行切塊處理，分塊對(duì)臉部進(jìn)行識(shí)別，能獲得相對(duì)較好的效果，如下圖所示。

三、教學(xué)中使用人工智能即時(shí)反饋的效果

在構(gòu)建了系統(tǒng)后，我們使用該系統(tǒng)來(lái)進(jìn)行教學(xué)效果的即時(shí)反饋。盡管構(gòu)建的系統(tǒng)在識(shí)別率上仍然存在一定的不足，但大體上已經(jīng)能夠在一定程度上反映學(xué)生的聽(tīng)課狀況。對(duì)于部分不抬頭的學(xué)生，系統(tǒng)難以進(jìn)行識(shí)別。但是學(xué)生不抬頭面對(duì)教師，也說(shuō)明了該學(xué)生并沒(méi)有與教師授課步調(diào)保持一致，或者說(shuō)該教師的授課并沒(méi)有足夠引人入勝到把學(xué)生的目光吸引到自己身上。系統(tǒng)進(jìn)行的是一種宏觀的統(tǒng)計(jì)。在上課前輸入學(xué)生大致的人數(shù)，在教學(xué)開(kāi)始時(shí)開(kāi)啟攝像頭，系統(tǒng)會(huì)不間斷地獲取圖像數(shù)據(jù)，計(jì)算認(rèn)真聽(tīng)課學(xué)生的比例，實(shí)時(shí)分析聽(tīng)課的效果，并將當(dāng)前聽(tīng)課狀況反饋給教師。在聽(tīng)課效果較低，達(dá)到某個(gè)閾值時(shí)，系統(tǒng)提醒教師，為教師進(jìn)行決策提供參考。在采用該系統(tǒng)之前，教師一方面要教課，一方面要觀察學(xué)生的聽(tīng)課狀況，一心需要兩用。采用系統(tǒng)之后，由于系統(tǒng)是不間斷地持續(xù)分析，提供第一手的權(quán)威資料，教師不必額外花精力去數(shù)有多少學(xué)生沒(méi)認(rèn)真聽(tīng)課，可以更加專注在理論的講解上。

為了驗(yàn)證該方法是否具有效果，我們?cè)诮虒W(xué)中使用了該系統(tǒng)，并采用兩個(gè)類似的班級(jí)來(lái)進(jìn)行對(duì)比。同樣的一門課，一個(gè)在班級(jí)的授課中采用該系統(tǒng)，另外一個(gè)班級(jí)進(jìn)行普通方法的教學(xué)。在實(shí)施過(guò)程中，系統(tǒng)實(shí)時(shí)顯示當(dāng)前的認(rèn)真聽(tīng)課率，讓教師對(duì)學(xué)生的學(xué)習(xí)狀況可以實(shí)時(shí)掌握，從而更加靈活地因材施教、使用合理的教學(xué)方式和方法。在實(shí)施一段時(shí)間后，對(duì)兩個(gè)班學(xué)生的教學(xué)內(nèi)容進(jìn)行測(cè)試，在百分制的情況下，采用了智能反饋系統(tǒng)的班級(jí)測(cè)試成績(jī)比對(duì)照班平均分高出3分之多?？梢院苊黠@地感受到即時(shí)反饋對(duì)教學(xué)效果的促進(jìn)作用。而且該方法無(wú)須昂貴的教學(xué)設(shè)施，僅需要一臺(tái)筆記本和一個(gè)攝像頭，就能夠以小的產(chǎn)出獲得大的效果。

四、結(jié)語(yǔ)

如何在現(xiàn)有條件下盡可能地提升教學(xué)效果，本文給出了一種利用人工智能進(jìn)行課堂即時(shí)反饋的方法。該方法在大學(xué)專業(yè)課教學(xué)中顯示出了良好的效果。對(duì)于中小學(xué)的教學(xué)，由于學(xué)生們采用固定的座位，該方法還可以對(duì)固定學(xué)生進(jìn)行長(zhǎng)期跟蹤，獲得更加詳細(xì)的教學(xué)過(guò)程評(píng)估資料，為教學(xué)措施的改進(jìn)和決策提供第一手的數(shù)據(jù)支持。

參考文獻(xiàn)：

[1]巴班斯基.教學(xué)過(guò)程最優(yōu)化[M].北京：人民教育出版社，2007.

[2]劉顯國(guó).反饋教學(xué)法[J].中國(guó)教育學(xué)刊，1994，（4）：24-28.

[3]Mary Sanseverino.Pedagogy that Clicks："Clickers" in the CSC Classroom[R].Kelowna：ACM，2010.

[4] Hong S，Siau K，Nah F H.Understanding the Values of Mobile Technology in Education：a Value-Focused Thinking Approach[J].Data Base for Advances in Information Systems，2010，（02）：25-44.

[5]陳惠敏.互動(dòng)反饋系統(tǒng)在課堂教學(xué)中的應(yīng)用研究[J].中國(guó)現(xiàn)代教育裝備，2014，（02）：33-45.

[6]Deb D，F(xiàn)uad M M，F(xiàn)arag W.Developing interactive classroom exercises for use with mobile devices to enhance class engagement and problem-solving skills[C].2014 IEEE Frontiers in Education Conference （FIE）.IEEE Computer Society，2014：1-4.

[7]Canbek N G，Mutlu M E.On the track of artificial intelligence：Learning with intelligent personal assistants[J].Journal of Human Sciences，2016，13（1）：592-601.

[8]Holotescu C.MOOC Buddy：A Chatbot for personalized learning with MOOCs[C].Proceedings of the International Conference on Human-Computer Interaction-RoCHI 2016，2016：91-94.

[9]Pulli K.Realtime Computer Vision with OpenCV[J].Communications of the Acm，2012，55（6）：61-69.

[10]陶穎軍.基于OpenCV的人臉識(shí)別應(yīng)用[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2012，21（3）：220-223.

Abstract：Feedback teaching can effectively improve the teaching effect，examination as a commonly used feedback means has a certain time delay，teachers can not make immediate adjustments to achieve the desired teaching effect.How to find an effective immediate feedback method has become the research content of teaching workers.In recent years，deep learning technology has been vigorously developed.This paper introduces a method of applying artificial intelligence technology to real-time feedback teaching.Through camera imaging，the students' listening effect is statistically analyzed，and the proportion of students listening carefully is displayed immediately，which can be used as a reference for teachers to master the classroom listening situation and provide reference for behavior.Contrast the experimental results show that this method can effectively improve the teaching quality without increasing the additional teaching cost.

Key words：artificial intelligence;feedback-based teaching;neural network