基于数智技术的教育教学评价研究

王理想 石琳 廖永红

（1.广东轻工职业技术学院信息化建设中心 广东省广州市 510000 2.先烈东小学 广东省广州市 510000）

教育质量是高校教育改革持续的主题，随着2020年两会确定扩招200万高职生及教育部关于本科层次职业教育的意见，高等教育整体结构将迎来一次大的变革，高等教育规模、数量、层次都将得到大幅提升，同时教育质量的提升显得更加重要。

教育部《教育信息化2.0行动计划》明确了下一阶段教育信息化建设的目标与任务，结合互联网思维，利用大数据、人工智能技术提升院校教学质量、管理能力已成为教育改革发展的新时代主题。国务院印发的《新一代人工智能发展规划》提出了智能教育应利用智能技术加快推动人才培养模式、教学方法改革，构建包含智能学习、交互式学习的新型教育体系，开发立体综合教学场、基于大数据智能的在线学习教育平台，开发智能教育助理，建立智能、快速、全面的教育分析系统[1][2][3]，均是提升教育质量的途径，并为教育质量评价、教学改革等提供重要支撑。

1 数字化平台基本框架

教育数字化平台主要包括数据采集和数据管理，通过Token、ETL、API、DB等接口提供数据服务。其中教学过程数据采集是数据采集的难点，通过人工智能平台实现教学过程数据的结构化存储，利用语音识别、图像识别、深度学习、语义分析等人工智能技术对教学过程（线上/线下、语音、视频、交互、PPT、作业、签到）数字化，并作为教学过程数据域的数据存入数据中台，为教育质量评价、教学改革等提供重要数据支撑，为课堂思政隐患、人脸签到提供实时反馈的技术能力。

1.1 教育数据采集平台

图1：教学数据采集

图2：教学质量评价模型应用

基于Hadoop体系组件搭建数据采集平台，采集全量数据，利用Hadoop生态组件Mahout、MapReduce、Spark等数据挖掘工具及数据模型构建校园用户、行为画像库，提供教育大数据分析，开发课堂学生活跃度分析、思政隐患实时排查、教学过程质量评价、教学结果评价、社会需求契合度评价等。教学数据采集如图1所示。

数据平台采集五类数据：

（1）教学过程数据：教学语音、无感签到、瞌睡人数、玩手机人数、师生交互次数、课程关键字、脏话次数、反动言论内容及次数；

（2）教学结果数据：成绩、图书借阅、教学金、竞赛获奖、区域时间；

（3）社会需求契合度：社会招聘网站专业需求、专业薪资、专业岗位数量；

（4）学生网络行为数据：上网位置、时间、内容、行为；

（5）智慧校园业务系统数据：个人信息、一卡通等；

（6）业务系统数据。

教学数据：利用人工智能技术对教学过程进行行为识别与分析、课堂交互行为识别与分析、课堂活跃度分析、课堂专注度分析、课堂内容分析、课堂考勤分析，综合形成课堂教学的结构化数据。

网络数据：利用网络日志采集平台，通过SNMP、syslog、telnet、ftp等协议采集设备日志，并获取AAA认证计费系统，上网行为审计系统数据分析出用户接入的网络位置、时间、内容、行为等。

社会数据：抓取互联网上招聘网站的招聘数据，岗位需求等数据，用于专业分析、教学改革分析。

业务数据：通过智慧校园数据中台获取业务系统数据，包括个人基本信息、校园一卡通消费信息、校园出入信息等。

基于教育数字化平台构建学生学习画像、班级学习画像、专业学习画像等，设计教育质量综合评价模型，利用模型，并基于平台各类数据客观、真实、在线实时反映教师教学质量。

1.2 教学过程数据采集转换

数据采集平台调用人工智能技术，对视频进行采集、分析、管理，纳管智慧课室、VR实训室、智能车间等教学场地，在线实时获取教育数据（视频、音频、成果），结合智慧教育模型对教学过程进行数字抽象，构建教学过程数据体系，为智慧教育质量分析、应用开发提供丰富数据支撑。如实时获取智慧课室数据（视频、语音、考勤），在线实时观看智慧课室教学过程，实现线下课程线上化，并基于语音识别、图像识别、深度学习、语义分析技术，结合教学模型，对教学过程进行数字抽象（如手势、姿态，交互次数、专注度、玩手机、回答问题、说话分心、授课内容、思政隐患）构建教育数据，实现教育过程数字化展示。面向教育场景设计对应的声学模型和语言模型。基于CNN-CTC、GRU-CTC、CNN-RNN-CTC声学模型和transformer、CBHG语言模型，开发教育语音识别程序，并结合实际课室场景进行数据集训练。教学视频识别着重对师生交互、学生睡觉、学生玩手机、学生考勤进行识别，可达到高识别准确度和识别速度，实现准确的数据分析。

2 教育评价应用

2.1 教育质量评价

教育质量可以从多个方面体现，如教学水平的高低、教学结果的优劣、社会需要契合度等方面。其中教学水平的高低主要体现在教学过程的质量，对教学过程进行数字化抽象，构建教学过程数据体系；教学结果的优劣主要体现学生的学习能力提升，主要包括课程成绩、图书借阅、奖学金、竞赛获奖等数据；社会需求契合度表现在社会需要专业涉及的课程在院校开设专业的占比；网络日志可以体现学生通过网络进行学习、游戏、电影视频等的时长，结合四方面的数据构建教育质量数字模型，提供客观的评价指标，形成标准的教育质量评价体系。

采用Restful API成熟度模型设计教育质量评价开放平台API接口，重点考虑接口的兼容性、抽象性、简单性及高性能，设计标准API接口便于师生基于平台数据开发教育智能应用，从多方面进行教育的评价和展示。

2.2 教育质量智能评价开放平台

基于人工智能+教育数据构建教学质量分析模型，开发智能应用，如基于教学过程数据可快速发现教学过程出现的思政问题，做到及时发现快速处理。基于平台数据可进行智能考勤、课堂分析、课堂个人行为识别与分析、课堂交互行为识别与分析、课堂活跃度分析、课堂专注度分析、课堂内容分析、课堂考勤分析，综合形成学生、教师、学校三级课堂教学智能评价体系，对教学质量，学习质量，课堂质量进行评估，更好的促进教学质量提升、开发智慧教学方法；基于平台数据构建学生、教师、专业等多维度教学画像，形象展示学生学习质量、教师教学质量，便于师生进行自我评估。

教育质量智能评价平台是一个开放平台，向师生开放数据（隐私数据模糊化处理），提供标准API接口，师生均可使用平台数据进行构建画像、数据分析、智能应用开发等方面的研究，充分挖掘数据潜能，发挥平台价值，极大调动全校师生参与智慧校园建设，为学校发展贡献力量，促进高等教育发展。教学质量评价模型应用如图2所示。

3 结束语

教育质量是高校教育改革持续的主题，通过构建基于数字技术的高等教育评价模型，建立统一标准的数字化教育评价体系，构建教育质量检测平台，利用人工智能技术采集教学过程数据，实现教学过程数字化，并集成教学评价、教学成果、学生学习等数据，形成全量的教育数据，进而利用大数据技术挖掘数据价值，构建教育质量数字模型，提供各种客观智能的教育评价模型，形成高等教育智能化评价体系，实现以评促教、以评促学。