唐閨臣 梁瑞宇 謝躍

[摘 要] 基于人工智能技術(shù)對教學(xué)質(zhì)量進(jìn)行正確有效的評(píng)價(jià)，促進(jìn)教學(xué)工作，提高人才培養(yǎng)質(zhì)量，符合國家對當(dāng)前教育的指導(dǎo)方針。通過分析目前在線教學(xué)質(zhì)量評(píng)價(jià)的應(yīng)用現(xiàn)狀與存在的問題，基于人工智能技術(shù)提出了雙向的教學(xué)質(zhì)量評(píng)價(jià)體系，并對評(píng)估指標(biāo)和評(píng)估方法進(jìn)行了設(shè)計(jì)，以期能客觀、有效地評(píng)價(jià)教與學(xué)的雙向活動(dòng)，從而有效提高教學(xué)質(zhì)量。

[關(guān)鍵詞] 人工智能;在線教學(xué)質(zhì)量;雙向評(píng)價(jià)體系

[基金項(xiàng)目] 2020年度江蘇高校哲學(xué)社會(huì)科學(xué)研究一般項(xiàng)目“基于人工智能的在線教學(xué)質(zhì)量雙向評(píng)價(jià)研究”（2020SJA0455）

[作者簡介] 唐閨臣（1979—），女，浙江三門人，碩士，南京工程學(xué)院信息與通信工程學(xué)院實(shí)驗(yàn)師，主要從事語音信號(hào)處理研究;梁瑞宇（1978—），男，江蘇徐州人，博士，南京工程學(xué)院信息與通信工程學(xué)院教授，主要從事語音信號(hào)處理研究;謝 躍（1991—），男，江蘇淮安人，博士，南京工程學(xué)院信息與通信工程學(xué)院講師，主要從事語音信號(hào)處理研究。

[中圖分類號(hào)] G643 ? [文獻(xiàn)標(biāo)識(shí)碼] A ? [文章編號(hào)] 1674-9324（2021）11-0033-04 ? ?[收稿日期] 2021-01-18

一、引言

西方發(fā)達(dá)國家從20世紀(jì)中葉就開始對課堂教學(xué)質(zhì)量工作評(píng)價(jià)展開研究。近年來，隨著智能技術(shù)的發(fā)展，一些智能的教學(xué)分析軟件也開始參與教學(xué)質(zhì)量評(píng)價(jià)[1]。美國《國家人工智能研發(fā)戰(zhàn)略規(guī)劃》中提到要利用人工智能技術(shù)改進(jìn)教育機(jī)會(huì)，實(shí)施個(gè)性化學(xué)習(xí)和終身學(xué)習(xí)等。但是，這些研究工作主要以線下教學(xué)為主，且側(cè)重于教學(xué)模式改革與課堂紀(jì)律管理方面，針對在線教學(xué)質(zhì)量評(píng)估的研究工作較少。我國《新一代人工智能發(fā)展規(guī)劃》提出要發(fā)展“智能教育”，推動(dòng)人才培養(yǎng)模式和教學(xué)方法改革?！督逃畔⒒?.0行動(dòng)計(jì)劃》提出要“推進(jìn)智能教育，開展以學(xué)習(xí)者為中心的智能化教學(xué)支持環(huán)境建設(shè)，推動(dòng)人工智能在教學(xué)、管理等方面的全流程應(yīng)用”等。在全球防疫的大背景下，在線教學(xué)質(zhì)量評(píng)價(jià)具有重要的研究意義。

以“在線教學(xué)質(zhì)量”為關(guān)鍵詞，在中國知網(wǎng)檢索發(fā)現(xiàn)，我國對在線教學(xué)質(zhì)量的研究數(shù)量從2014年以來逐年上升，相關(guān)論文共有160多篇。但基于人工智能技術(shù)的研究幾乎沒有，也缺乏針對學(xué)生和教師雙向評(píng)價(jià)的研究。相關(guān)研究主要為線下教學(xué)質(zhì)量評(píng)估。

雖然有一些文獻(xiàn)中提到了在線教學(xué)質(zhì)量評(píng)估的問題，但很少有文獻(xiàn)提出切實(shí)可行的解決辦法，究其原因，主要是沒有充分利用基于人工智能的音視頻分析技術(shù)，對教學(xué)數(shù)據(jù)進(jìn)行及時(shí)有效的在線評(píng)估，且缺乏有效的雙向評(píng)價(jià)體系和方法。關(guān)于運(yùn)行人工智能技術(shù)進(jìn)行課堂教學(xué)管理已經(jīng)有很多案例[2，3]，但是只是停留在教學(xué)紀(jì)律管理、教學(xué)改革示范等方面[4]，缺乏深層次的教學(xué)分析和應(yīng)用。為了更有效地評(píng)估教學(xué)質(zhì)量，需要建立教學(xué)過程的音視頻大數(shù)據(jù)平臺(tái)，全面及時(shí)地識(shí)別課堂教學(xué)行為，對課堂教學(xué)行為進(jìn)行自動(dòng)化分析，洞悉課堂教學(xué)情境，才能實(shí)現(xiàn)教學(xué)評(píng)估的實(shí)時(shí)性，及時(shí)督促學(xué)生改進(jìn)學(xué)習(xí)態(tài)度，并根據(jù)學(xué)生的在線表現(xiàn)提醒教師調(diào)整教學(xué)方法和策略，動(dòng)態(tài)調(diào)整課程教學(xué)以向高質(zhì)量方向發(fā)展，進(jìn)而制定在線教學(xué)過程中切實(shí)可行、精準(zhǔn)的雙向評(píng)價(jià)體系和方法，力爭推廣到線下教學(xué)中，有效促進(jìn)教育教學(xué)的高質(zhì)量和針對性發(fā)展。

本文首先分析了目前教學(xué)質(zhì)量評(píng)價(jià)的現(xiàn)狀與存在的問題，提出了基于人工智能的教學(xué)質(zhì)量雙向評(píng)價(jià)體系，并針對體系中的數(shù)據(jù)提取、特征分析、系統(tǒng)決策等環(huán)節(jié)提出自己的觀點(diǎn)，最后根據(jù)設(shè)想提出質(zhì)量評(píng)價(jià)的具體實(shí)施方案。

二、在線教學(xué)質(zhì)量評(píng)價(jià)現(xiàn)狀分析

過去對本科教學(xué)質(zhì)量的評(píng)價(jià)注重教學(xué)設(shè)計(jì)、教學(xué)模擬與課程建設(shè)，對實(shí)際教學(xué)過程中師生互動(dòng)與學(xué)生學(xué)情關(guān)注不足，屬于偏重靜態(tài)的評(píng)價(jià)[5]。而且，我國高校教學(xué)質(zhì)量評(píng)價(jià)存在較為嚴(yán)重的管理主義傾向，片面強(qiáng)調(diào)教學(xué)質(zhì)量評(píng)價(jià)的管控功能，導(dǎo)致高校教學(xué)質(zhì)量評(píng)價(jià)越來越表面化和形式化，難以發(fā)揮高校教學(xué)質(zhì)量評(píng)價(jià)“以評(píng)促教”和“以評(píng)促學(xué)”的積極作用[6]。此外，當(dāng)代導(dǎo)向型學(xué)習(xí)的教育理念需要體現(xiàn)以學(xué)生為中心、以成果為導(dǎo)向的核心思想，需要在學(xué)習(xí)過程中評(píng)價(jià)學(xué)生，而不是孤立、統(tǒng)計(jì)式的評(píng)價(jià)[7]。比如，英國“教學(xué)卓越框架”覆蓋學(xué)習(xí)全過程的教學(xué)質(zhì)量評(píng)價(jià)體系，聚焦學(xué)習(xí)的每一階段[8]。

而與線下教學(xué)質(zhì)量評(píng)價(jià)相比，在線教學(xué)質(zhì)量評(píng)價(jià)存在著差異，面臨著新的問題。

（一）受限于傳統(tǒng)的教學(xué)質(zhì)量評(píng)價(jià)方法

目前，不管是線下教學(xué)還是線上教學(xué)，仍然是以督導(dǎo)聽課、學(xué)生課后評(píng)價(jià)為主的傳統(tǒng)教學(xué)質(zhì)量評(píng)價(jià)方法。這種評(píng)價(jià)方法的評(píng)價(jià)和判斷標(biāo)準(zhǔn)會(huì)受到個(gè)人認(rèn)知、情境、喜好、評(píng)價(jià)對象與評(píng)價(jià)者之間關(guān)系等影響而產(chǎn)生偏差。而且，傳統(tǒng)評(píng)價(jià)忽略了不同特點(diǎn)的課程應(yīng)具有不同特點(diǎn)的教學(xué)方法和內(nèi)容設(shè)計(jì)。以教師是否與學(xué)生互動(dòng)、學(xué)生是否坐在前排等表象作為評(píng)價(jià)的主要指標(biāo)[4]，雖然與以前的點(diǎn)名方式相比，這種表象性的評(píng)價(jià)已經(jīng)有了很大的進(jìn)步。但是，離客觀、公平、公正地評(píng)價(jià)教學(xué)過程以達(dá)到提升教學(xué)效果的目標(biāo)仍然很遠(yuǎn)，教學(xué)質(zhì)量的評(píng)價(jià)應(yīng)該是更深層次的。

（二）缺乏基于大數(shù)據(jù)和人工智能技術(shù)的教學(xué)質(zhì)量動(dòng)態(tài)評(píng)價(jià)方法

隨著人工智能的不斷發(fā)展，基于大數(shù)據(jù)技術(shù)的教學(xué)質(zhì)量評(píng)價(jià)方法不斷涌現(xiàn)。但是，這些統(tǒng)計(jì)數(shù)據(jù)主要來源于傳統(tǒng)教學(xué)質(zhì)量評(píng)價(jià)模式下的學(xué)生評(píng)價(jià)、督導(dǎo)評(píng)價(jià)、同行評(píng)價(jià)等主觀評(píng)價(jià)和學(xué)生成績等客觀數(shù)據(jù)。這種方法首先不能反映在線教學(xué)與離線教學(xué)的區(qū)別，也沒有充分利用在線教學(xué)中電腦終端可以實(shí)時(shí)有效采集教學(xué)雙方數(shù)據(jù)的便利。而有效的方法應(yīng)該能充分利用在線教學(xué)中教學(xué)雙方的互動(dòng)性，從音視頻數(shù)據(jù)中充分挖掘教學(xué)雙方的情緒變化，通過對雙方投入度的評(píng)估來隱性地評(píng)價(jià)在線教學(xué)質(zhì)量，從而及時(shí)有效地形成動(dòng)態(tài)的教學(xué)評(píng)價(jià)。在目前基于人工智能的教學(xué)評(píng)價(jià)方法中，視頻技術(shù)的運(yùn)用比較普遍[9]，而很少有運(yùn)用基于音頻的評(píng)價(jià)技術(shù)。融合音視頻技術(shù)可以實(shí)現(xiàn)分析互補(bǔ)，更好地實(shí)現(xiàn)教學(xué)質(zhì)量評(píng)價(jià)。

（三）缺乏在線教學(xué)的雙向評(píng)價(jià)體系與方法

在目前的教學(xué)質(zhì)量評(píng)價(jià)體系中，教師評(píng)價(jià)和學(xué)生評(píng)價(jià)在時(shí)間上是割裂的。學(xué)生評(píng)價(jià)往往滯后于教師評(píng)價(jià)，且主要以學(xué)生成績?yōu)橹?。而不同班?jí)的學(xué)習(xí)風(fēng)格各不相同，使得傳統(tǒng)評(píng)價(jià)方法得到的結(jié)論無法應(yīng)用到其他班級(jí)中。其原因在于，傳統(tǒng)評(píng)價(jià)方法不能給授課教師提供及時(shí)有效的反饋，無法使教師在授課過程中以學(xué)生為主來調(diào)整教學(xué)方法。因此，研究一種雙向、實(shí)時(shí)的教學(xué)質(zhì)量評(píng)價(jià)體系和方法，能有效改進(jìn)當(dāng)前質(zhì)量反饋不能及時(shí)指導(dǎo)教學(xué)的問題。

由于傳統(tǒng)教學(xué)質(zhì)量評(píng)價(jià)方法存在低效、受主觀制約、滯后于教學(xué)等問題，因此，我們以在線教學(xué)數(shù)據(jù)分析為基礎(chǔ)，以大數(shù)據(jù)和人工智能技術(shù)為手段，制定出及時(shí)有效的教學(xué)過程雙向評(píng)價(jià)體系及方法，促進(jìn)人工智能和大數(shù)據(jù)技術(shù)在教育領(lǐng)域的發(fā)展。通過音視頻數(shù)據(jù)，對教學(xué)雙方的情緒進(jìn)行分析，從教師和學(xué)生投入度、情緒變化入手，形成跨學(xué)科的教學(xué)質(zhì)量評(píng)價(jià)方法。

三、基于人工智能技術(shù)的在線教學(xué)質(zhì)量評(píng)估研究體系

雖然傳統(tǒng)的教學(xué)質(zhì)量評(píng)估存在一些問題，但是一些評(píng)價(jià)方法和評(píng)價(jià)指標(biāo)仍然具有一定的研究和參考價(jià)值。此外，基于人工智能的教學(xué)質(zhì)量評(píng)價(jià)方法本身對于數(shù)據(jù)來源并沒有很嚴(yán)格的要求，圖像、音頻、文本、主觀評(píng)價(jià)等都可以作為模型的輸入數(shù)據(jù)，選擇有效的特征可以人為地去標(biāo)定，也可以通過人工智能技術(shù)進(jìn)行自動(dòng)學(xué)習(xí)。

在詳細(xì)調(diào)研和國內(nèi)外文獻(xiàn)研究的基礎(chǔ)上，本研究采用“資料+討論+體系+理論+應(yīng)用+評(píng)價(jià)+完善”的技術(shù)路線有計(jì)劃地開展工作。具體的研究思路及方法如圖1所示。從圖中可以看出，本文提出的基于人工智能的在線教學(xué)質(zhì)量評(píng)價(jià)體系主要分五個(gè)階段進(jìn)行，不同階段的研究重點(diǎn)和方法各異。

第一階段，采用文獻(xiàn)法結(jié)合專家討論確定研究思路。通過研讀與研討大量文獻(xiàn)，對現(xiàn)有理論和框架進(jìn)行梳理，探討在線教學(xué)質(zhì)量評(píng)價(jià)的特征與規(guī)律。了解當(dāng)前主流的音視頻分析技術(shù)，并聘請教育專家進(jìn)行研討，確認(rèn)基于人工智能的在線教學(xué)質(zhì)量雙向評(píng)估的研究思路。通過研討和交流，需要確定的是數(shù)據(jù)的來源和類型、質(zhì)量評(píng)價(jià)指標(biāo)的類型、選用的評(píng)價(jià)模型以及教學(xué)效果反饋的方式等。

第二階段，教學(xué)數(shù)據(jù)采集與分析。數(shù)據(jù)來源采用線上和線下相結(jié)合的方式，線上為主，線下為輔。線上主要是針對在線教學(xué)軟件進(jìn)行數(shù)據(jù)采集，由于缺乏運(yùn)營商的支持，可以采用桌面錄屏的方式進(jìn)行;而線下主要是為了擴(kuò)大數(shù)據(jù)的采集量和進(jìn)行補(bǔ)充分析使用，由于目前所有的教室都有錄播系統(tǒng)，數(shù)據(jù)非常容易獲得。數(shù)據(jù)的類型主要包括音頻和視頻，輔助以線下的作業(yè)、測試等文本數(shù)據(jù)或者類似分?jǐn)?shù)的標(biāo)量數(shù)據(jù)。與其他研究不同的是，本文提出將音頻數(shù)據(jù)也列入采集的基本數(shù)據(jù)。

數(shù)據(jù)的分析分為兩類：一是表象性分析，通過智能化方法獲得一些容易定義、常規(guī)的教學(xué)指標(biāo)，比如到課人數(shù)、人臉的關(guān)鍵特征點(diǎn)、音頻的常規(guī)特征等;二是深層的非教學(xué)評(píng)價(jià)指標(biāo)，這部分指標(biāo)包括識(shí)別的情緒[ 10，11 ]、活躍度[9，12 ]、通過音視頻分析得到的生理參數(shù)[ 13 ]等。該部分也可以借鑒專家經(jīng)驗(yàn)，增加一些經(jīng)驗(yàn)性的指標(biāo)[9]。為了對數(shù)據(jù)進(jìn)行有效標(biāo)注，本文推薦采用多人交叉和多次評(píng)定相結(jié)合的方法，聘請專業(yè)人員對采集到的數(shù)據(jù)進(jìn)行分析評(píng)估，對深層的非教學(xué)評(píng)價(jià)指標(biāo)進(jìn)行人為檢驗(yàn)和修正。

第三階段，質(zhì)量評(píng)價(jià)指標(biāo)。在獲得第二階段的數(shù)據(jù)，并進(jìn)行簡單分析后，模型就可以獲得教學(xué)質(zhì)量的一些評(píng)價(jià)指標(biāo)。但是，由于教學(xué)質(zhì)量評(píng)價(jià)本身帶有一定的主觀性，了解教學(xué)雙方對教學(xué)質(zhì)量評(píng)價(jià)的認(rèn)識(shí)，選擇可以反映教學(xué)雙方在教學(xué)過程中動(dòng)態(tài)行為的統(tǒng)計(jì)指標(biāo)和過程性指標(biāo)非常重要。為了有效而全面地評(píng)價(jià)教學(xué)質(zhì)量，本研究建議對學(xué)生、教師、專家進(jìn)行半結(jié)構(gòu)式深度訪談，了解其對教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)的認(rèn)知。比如，聘請有經(jīng)驗(yàn)的教學(xué)專家對視頻中的教學(xué)質(zhì)量進(jìn)行評(píng)價(jià)，同時(shí)選擇部分學(xué)生對教師的教學(xué)質(zhì)量進(jìn)行評(píng)價(jià)，并將這些主觀評(píng)價(jià)作為一種學(xué)習(xí)標(biāo)簽來對數(shù)據(jù)進(jìn)行標(biāo)識(shí)。通過個(gè)體驗(yàn)證，調(diào)整指標(biāo)的數(shù)量和權(quán)重。

第四階段，教學(xué)評(píng)價(jià)建模。利用人工智能和大數(shù)據(jù)技術(shù)，采用統(tǒng)計(jì)分析法，以分析得到的指標(biāo)或者原始數(shù)據(jù)為輸入，以期望的質(zhì)量指標(biāo)為輸出，建立教學(xué)質(zhì)量評(píng)價(jià)模型。根據(jù)數(shù)據(jù)的規(guī)模，小數(shù)據(jù)量的可以選擇支撐向量機(jī)，大數(shù)據(jù)量的可以采用深度學(xué)習(xí)網(wǎng)絡(luò)[ 12，14 ]。由于數(shù)據(jù)的來源、結(jié)構(gòu)和維度都不同，因此，此處的模型設(shè)計(jì)是研究的難點(diǎn)。由于視頻識(shí)別通常選用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行處理，因此，本文推薦使用該類網(wǎng)絡(luò)進(jìn)行教學(xué)質(zhì)量評(píng)價(jià)。在異構(gòu)數(shù)據(jù)處理方面可以將音頻數(shù)據(jù)變?yōu)槎S語譜圖[ 15 ]與視頻數(shù)據(jù)進(jìn)行拼接融合，也可以分別針對視頻和音頻數(shù)據(jù)進(jìn)行特征提取，選用注意力機(jī)制對數(shù)據(jù)進(jìn)行加權(quán)融合。

第五階段，教學(xué)效果反饋。采用問卷調(diào)查和專家評(píng)價(jià)的方法對教學(xué)效果進(jìn)行評(píng)價(jià)，并結(jié)合學(xué)生成績變化綜合判斷該評(píng)價(jià)方法對教學(xué)的促進(jìn)作用。同時(shí)，為體現(xiàn)與傳統(tǒng)方法的區(qū)別，采用比較法與傳統(tǒng)教學(xué)方法進(jìn)行橫向和縱向比較?；趯σ粢曨l教學(xué)大數(shù)據(jù)分析，采用人工智能技術(shù)，將教學(xué)數(shù)據(jù)與過程評(píng)價(jià)指標(biāo)進(jìn)行關(guān)聯(lián)，將動(dòng)態(tài)實(shí)時(shí)的教學(xué)質(zhì)量評(píng)價(jià)情況反饋給教師，并為教師提供可能的教學(xué)方法進(jìn)行選擇。形成每次課的整體教學(xué)質(zhì)量評(píng)價(jià)報(bào)告，繪制學(xué)生的情緒變化曲線，顯示學(xué)生本節(jié)課最感興趣的內(nèi)容和教學(xué)方法，促進(jìn)教師改善自己的課程設(shè)置和教學(xué)方法，實(shí)現(xiàn)教學(xué)相長。此外，通過此處的分析反饋，有助于發(fā)現(xiàn)設(shè)計(jì)模型中的不足甚至錯(cuò)誤，從而為階段二的數(shù)據(jù)選擇和階段四的模型建立提供有價(jià)值的參考。

四、結(jié)語

隨著人工智能時(shí)代的到來，傳統(tǒng)教學(xué)評(píng)價(jià)方法已不能適應(yīng)現(xiàn)有的線上教學(xué)模式。本文提出基于人工智能技術(shù)的教學(xué)質(zhì)量雙向評(píng)價(jià)體系，設(shè)計(jì)了完善評(píng)價(jià)的五個(gè)階段，并詳細(xì)討論了每個(gè)階段需要完成的工作，以及實(shí)施要點(diǎn)。該評(píng)價(jià)體系不僅適用于在線教學(xué)質(zhì)量評(píng)價(jià)，也適用于線下教學(xué)質(zhì)量評(píng)價(jià)，存在的差別主要在于數(shù)據(jù)分析的種類、相關(guān)指標(biāo)以及評(píng)價(jià)模型上的差異。

參考文獻(xiàn)

[1]劉清堂，何皓怡，吳林靜，等.基于人工智能的課堂教學(xué)行為分析方法及其應(yīng)用[J].中國電化教育，2019（9）：13-21.

[2]劉邦奇，李新義，袁婷婷，等.基于智慧課堂的學(xué)科教學(xué)模式創(chuàng)新與應(yīng)用研究[J].電化教育研究，2019（4）：86-92.

[3]謝妤，宋衛(wèi)軍.智慧課堂視角下智能手機(jī)在教學(xué)實(shí)踐中的應(yīng)用[J].高教學(xué)刊，2019，103（7）：50-52+56.

[4]李青，劉超.基于人工智能的課堂教學(xué)過程雙向管理體系研究[J].高教學(xué)刊，2019，115（19）：147-149.

[5]陸一，林珊，陳嘉.從評(píng)價(jià)到賦能：大學(xué)課程教學(xué)質(zhì)量提升新方法[J].中國大學(xué)教學(xué)，2020（8）：71-77.

[6]劉強(qiáng).超越管理主義的平庸：高校教學(xué)質(zhì)量評(píng)價(jià)的實(shí)踐審視及其重構(gòu)[J].當(dāng)代教育科學(xué)，2020（10）：25-34.

[7]牛富榮.財(cái)政學(xué)翻轉(zhuǎn)課堂教學(xué)質(zhì)量評(píng)價(jià)體系的構(gòu)建[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)（高等教育版），2020，42（S2）：125-128.

[8]劉湉祎，李立國.覆蓋學(xué)習(xí)全過程：“以學(xué)習(xí)為中心”評(píng)價(jià)的趨勢[J].中國大學(xué)教學(xué)，2020（5）：68-74.

[9]賈鸝宇，張朝暉，趙小燕，等.基于人工智能視頻處理的課堂學(xué)生狀態(tài)分析[J].現(xiàn)代教育技術(shù)，2019，29（12）：82-88.

[10]孫發(fā)勤，鄧雯心.基于人工智能的課堂學(xué)習(xí)情感評(píng)價(jià)研究[J].中國教育信息化，2019（23）：58-62.

[11]Xie Y， Liang R， Liang Z， et al. Speech Emotion Classification Using Attention-Based LSTM. IEEE/ACM Transactions on Audio， Speech， and Language Processing， 2019，27（11）：1675-1685.

[12]曹曉明，張永和，潘萌，等.人工智能視域下的學(xué)習(xí)參與度識(shí)別方法研究——基于一項(xiàng)多模態(tài)數(shù)據(jù)融合的深度學(xué)習(xí)實(shí)驗(yàn)分析[J].遠(yuǎn)程教育雜志，2019，37（1）：32-44.

[13]Chen Wang， Thierry P， Guillaume C. A Comparative Survey of Methods for Remote Heart Rate Detection From Frontal Face Videos. Frontiers in Bioengineering Biotechnology， 2018，6 （33）：1-16.

[14]趙敏，詹瑋.基于深度學(xué)習(xí)算法的教學(xué)質(zhì)量評(píng)價(jià)系統(tǒng)[J].現(xiàn)代電子技術(shù)，2020，43（13）：143-146+149.

[15]Liang R， Tao H， Tang G， et al. A Salient Feature Extraction Algorithm for Speech Emotion Recognition. IEICE Transactions on Information and Systems， 2015，E98D （9）：1715-1718.

On the Two-way Evaluation System of Online Teaching Quality：

A Study from the Perspective of Artificial Intelligence Technology

TANG Gui-chen， LIANG Rui-yu， XIE Yue

（School of Information and Communication Engineering， Nanjing Institute of Technology， Nanjing， Jiangsu 211167， China）

Abstract： The correct and effective evaluation of teaching quality based on artificial intelligence technology can promote teaching and improve the quality of talent training， which is in line with the current national education guidelines. In this paper， the application status and existing problems of online teaching quality evaluation are analyzed， a two-way teaching quality evaluation system based on artificial intelligence technology is put forward， and the evaluation indexes and methods of this system are designed， so as to objectively and effectively evaluate the two-way activities of teaching and learning， which will effectively improve the teaching quality.

Key words： artificial intelligence technology; online teaching quality; two-way evaluation system