許聲宏

四川商務(wù)職業(yè)學(xué)院，成都 611131

自2020年新冠疫情爆發(fā)以來，人類社會生產(chǎn)活動及生活方式受到前所有未有的沖擊．一向偏線下的教育行業(yè)受到的影響尤為嚴(yán)重，為了不影響正常的教學(xué)，全國各地各校開展了在線教學(xué)[1]．同時，隨著教育培訓(xùn)監(jiān)管政策的變化，教育培訓(xùn)機構(gòu)面臨轉(zhuǎn)型[2]．在上述因素影響下，教育行業(yè)的在線化程度提升，教育的全面數(shù)字化轉(zhuǎn)型成為必然趨勢[3]．

互聯(lián)網(wǎng)、人工智能、5G等技術(shù)的不斷發(fā)展和成熟，使得數(shù)字教育資源更加豐富，數(shù)字教育資源獲取更加便捷，助推在線教學(xué)實施．但由于在線教學(xué)中學(xué)生和教師無法面對面，學(xué)生和教師的交互方式相對單一，導(dǎo)致教師無法準(zhǔn)確掌握學(xué)生狀態(tài)，因此也無法及時調(diào)整教學(xué)進度和教學(xué)內(nèi)容．由于在線教學(xué)的開展需要移動終端設(shè)備接入，對學(xué)生的自我管理能力要求相對較高，在沒有家長監(jiān)督的情況下，學(xué)生容易打著學(xué)習(xí)的幌子，利用上課時間從事玩游戲、看電影等與學(xué)習(xí)無關(guān)的活動，導(dǎo)致在線教學(xué)效果差強人意．而在我國廣袤的農(nóng)村地區(qū)，優(yōu)質(zhì)教育資源極度匱乏，師資力量相對薄弱．積極引入在線教學(xué)(如專遞課堂、名校網(wǎng)絡(luò)課堂等)，是解決優(yōu)質(zhì)教育資源分布不均問題的有效手段．如果能解決當(dāng)前在線教學(xué)中存在的系列難題，能夠幫助學(xué)生(特別是缺少父母監(jiān)管的留守兒童)養(yǎng)成良好在線學(xué)習(xí)習(xí)慣，將有助于偏遠山區(qū)的學(xué)生獲得更好發(fā)展．因此，研究如何通過新興技術(shù)提高在線教學(xué)效果，對加快教育改革、實現(xiàn)教育公平有重要意義．

早在20世紀(jì)末，人們就開始嘗試?yán)糜嬎銠C來輔助教學(xué)．但截至目前，這些嘗試更多聚焦在多媒體使用、教育資源共享、專家系統(tǒng)等方向，面向在線教學(xué)的研究較少．特別是近年來興起的人工智能技術(shù)，其在在線教學(xué)中的應(yīng)用尚不充分，潛在教育價值尚未得到充分挖掘．基于此，本文探究了計算機視覺、機器學(xué)習(xí)、邊緣計算等智能技術(shù)在教育行業(yè)中的應(yīng)用現(xiàn)狀，在此基礎(chǔ)上提出了一個有助于實現(xiàn)學(xué)生在無家長監(jiān)督情境下正確使用移動終端設(shè)備，以及持續(xù)改善在線教學(xué)效果的方案．

1 當(dāng)前研究進展

當(dāng)前人工智能在教育行業(yè)的應(yīng)用主要體現(xiàn)在輔助教學(xué)和教學(xué)管理上．計算機視覺、機器學(xué)習(xí)、邊緣計算等智能技術(shù)雖然出現(xiàn)的時間較早，但受限于理論基礎(chǔ)薄弱和基礎(chǔ)設(shè)施發(fā)展相對緩慢，最近幾年才迎來了黃金發(fā)展時期，以下將分別闡述計算機視覺、機器學(xué)習(xí)、邊緣計算在教育行業(yè)中的研究現(xiàn)狀．

計算機視覺在教育中的應(yīng)用范圍主要集中在學(xué)生行為識別和教學(xué)活動分析上，核心技術(shù)包括目標(biāo)檢測和特征識別．學(xué)生行為識別方面，文獻[4]基于計算機視覺和機器學(xué)習(xí)技術(shù)，以課堂教學(xué)視頻為數(shù)據(jù)源，提取了學(xué)生的人體骨架信息，并對比了5種模型識別學(xué)生課堂行為的準(zhǔn)確率．文獻[5]在設(shè)計學(xué)生課堂學(xué)習(xí)行為投入度評價指標(biāo)的基礎(chǔ)上，基于計算機視覺技術(shù)開發(fā)了學(xué)生學(xué)習(xí)行為投入度自動評價系統(tǒng)，并檢驗了系統(tǒng)的有效性．教學(xué)活動分析方面，文獻[6]基于計算機視覺和自然語言處理技術(shù)，開發(fā)了課堂教學(xué)分析TESTII框架．

機器學(xué)習(xí)在教育中的應(yīng)用范圍包括學(xué)習(xí)預(yù)測、學(xué)業(yè)預(yù)警、資源推薦等[7]．學(xué)習(xí)預(yù)測方面，文獻[8]結(jié)合長短時記憶機、多頭注意力機制等算法，提出了基于門控單元的特征融合框架，用于預(yù)測MOOC用戶的學(xué)習(xí)情況．文獻[9]結(jié)合學(xué)習(xí)者與學(xué)習(xí)平臺的交互行為數(shù)據(jù)以及機器學(xué)習(xí)算法，構(gòu)建了大規(guī)模在線學(xué)習(xí)預(yù)測模型．學(xué)業(yè)預(yù)警方面，文獻[10]結(jié)合Adam技術(shù)構(gòu)建了FT_BP神經(jīng)網(wǎng)絡(luò)模型，并結(jié)合學(xué)生學(xué)習(xí)情況驗證了模型的準(zhǔn)確性．文獻[11]使用模糊均值聚類(KFCM)改進支持向量機(SVM)數(shù)據(jù)決策算法，在此基礎(chǔ)上開發(fā)了學(xué)生學(xué)業(yè)預(yù)警系統(tǒng)．資源推薦方面，文獻[12]使用知識本體表達、機器學(xué)習(xí)和數(shù)據(jù)挖掘等技術(shù)，構(gòu)建了學(xué)習(xí)者、學(xué)習(xí)資源和知識本體的關(guān)聯(lián)矩陣，在此基礎(chǔ)上結(jié)合基于用戶相似度和基于項目的混合協(xié)同過濾算法，實現(xiàn)了學(xué)習(xí)資源個性化推薦準(zhǔn)確度的提升．文獻[13]借助深度學(xué)習(xí)技術(shù)，構(gòu)建了基于深度神經(jīng)網(wǎng)絡(luò)的個性化學(xué)習(xí)資源推薦方法，并說明了其相較于傳統(tǒng)基于機器學(xué)習(xí)算法的資源推薦方法的優(yōu)勢．

邊緣計算在教育中的應(yīng)用范圍主要集中在智慧校園設(shè)計和學(xué)校圖書館建設(shè)上．智慧校園設(shè)計方面，文獻[14]基于邊緣智能計算設(shè)計了智慧校園，其基本理念為在整體部署智慧校園“端、邊、云”計算基礎(chǔ)上，設(shè)計智慧校園邊-云協(xié)同計算架構(gòu)，并將人工智能嵌入邊緣計算節(jié)點，從而實現(xiàn)智慧校園的分布式智能“大腦”．文獻[15]提出邊緣計算能夠彌補云計算、大數(shù)據(jù)等技術(shù)在安全性、實時性、帶寬、算力等方面的不足，并能夠在5G技術(shù)支持下健全校園內(nèi)邊緣計算系統(tǒng)，實現(xiàn)全場景智慧校園構(gòu)建．學(xué)校圖書館建設(shè)方面，文獻[16]通過分析邊緣計算技術(shù)特性，提出邊緣計算能夠提升高校圖書館互聯(lián)互通程度，提高圖書館數(shù)據(jù)安全度，有效保障資源獲取和設(shè)備維護，從而推進高校智慧圖書館建設(shè)．文獻[17]在分析圖書館融入邊緣計算的優(yōu)勢和可能性基礎(chǔ)上，構(gòu)建了基于邊緣計算的圖書館智慧服務(wù)體系，提出邊緣計算能夠提高服務(wù)響應(yīng)實時性，降低數(shù)據(jù)處理成本和網(wǎng)絡(luò)帶寬壓力．

2 解決方案

如果能利用智能技術(shù)解決當(dāng)前在線教學(xué)中存在的教師干預(yù)不及時、學(xué)生學(xué)習(xí)缺少監(jiān)管等問題，將有助于改善在線教學(xué)效果，提高在線教學(xué)質(zhì)量．為此，本研究基于計算機視覺、機器學(xué)習(xí)等智能技術(shù)，提出了一個有助于實現(xiàn)學(xué)生在無家長監(jiān)督情境下正確使用移動終端設(shè)備和持續(xù)改善在線教學(xué)效果的方案，如圖1所示．該方案利用目標(biāo)檢測、特征識別、邊緣計算、機器學(xué)習(xí)等技術(shù)，采集與分析在線教學(xué)活動中產(chǎn)生的行為表現(xiàn)數(shù)據(jù)(包括但不限于視頻觀看情況、討論參與情況、提問與應(yīng)答情況、作業(yè)考試成績等)，并將分析結(jié)果反作用于教學(xué)活動，實現(xiàn)持續(xù)改善課堂教學(xué)效果，激發(fā)學(xué)生學(xué)習(xí)熱情和提高學(xué)生學(xué)習(xí)效率．此外，可視化的數(shù)據(jù)分析結(jié)果能夠讓家長更直觀地了解孩子的學(xué)習(xí)情況，強化家長與教師之間的聯(lián)系，推動家校合作共育．

圖1 解決方案

解決方案由三部分組成：一是課堂異常行為檢測； 二是面部微表情識別； 三是多模態(tài)數(shù)據(jù)分析．課堂異常行為檢測的流程如下：第一步，讓學(xué)生提交一組標(biāo)有自己名字的照片，將這些照片作為AdaBoost分類器的訓(xùn)練集[18]； 第二步，利用Faster R-CNN目標(biāo)人物檢測算法[19]從課堂教學(xué)視頻中識別出人臉，作為AdaBoost分類器的輸入； 第三步，利用LRDCN識別算法[20]從教學(xué)視頻中識別出學(xué)生的動作，并結(jié)合AdaBoost分類器將行為與行為主體一一對應(yīng)； 第四步，根據(jù)LRDCN識別算法的輸出結(jié)果，對學(xué)生的動作做分類處理，將動作標(biāo)注為學(xué)習(xí)動作和其他動作，準(zhǔn)確識別出課堂上學(xué)生的異常行為； 第五步，利用學(xué)習(xí)動作分類集和其他動作訓(xùn)練分類算法[21]，構(gòu)建算法模型； 第六步，利用算法模型分析全量數(shù)據(jù)，輸出分析結(jié)果； 第七步，根據(jù)分析結(jié)果開展針對性訓(xùn)練，即面向課堂異常行為較多的學(xué)生實施專注力訓(xùn)練，幫助他們矯正不良學(xué)習(xí)習(xí)慣．

面部微表情識別的流程如下：

1) 利用面部微表情識別算法[22]從教學(xué)視頻中識別出學(xué)生的微表情．

2) 了解微表情變化背后隱藏的邏輯，對輸出結(jié)果做分類處理．隨著在線教學(xué)的進行，學(xué)生的面部表情會出現(xiàn)變化，如果能識別出這種微小變化背后代表的知識接受程度和學(xué)習(xí)態(tài)度，有助于教師掌控課堂教學(xué)進度，及時做出相應(yīng)調(diào)整，從而改善教學(xué)效果．對此，可以先將表情標(biāo)注為專注、困惑、震驚、呆滯、走神等，隨后將表情進一步分類為在聽講但是沒聽懂、沒聽講、聽懂等類型，最后利用標(biāo)注結(jié)果訓(xùn)練分類器[21]．

3) 分析教學(xué)過程中學(xué)生出現(xiàn)的所有表情，統(tǒng)計同一時間段各類表情所占比例，為教師調(diào)節(jié)課堂氛圍和調(diào)整教學(xué)進度提供依據(jù)．

多模態(tài)數(shù)據(jù)分析的主要邏輯如下：在機器學(xué)習(xí)、深度學(xué)習(xí)、大數(shù)據(jù)等技術(shù)支持下，通過分析學(xué)生個人信息、性格特征、學(xué)習(xí)成績等數(shù)據(jù)，來確定學(xué)生的學(xué)習(xí)基礎(chǔ)； 通過分析教師的教學(xué)特點、性格特征等數(shù)據(jù)，來確定教師的教學(xué)風(fēng)格，從而為差異化教學(xué)提供支持．教學(xué)過程的核心參與者是教師和學(xué)生，只有充分了解教師的特長和學(xué)生的需求，才能做到人盡其才和因材施教．只有通過學(xué)情數(shù)據(jù)分析，學(xué)校和教師才能準(zhǔn)確了解學(xué)生學(xué)習(xí)情況，在此基礎(chǔ)上做出針對性調(diào)整．學(xué)?？梢愿鶕?jù)每個學(xué)生的學(xué)習(xí)情況，把基礎(chǔ)差異不大的學(xué)生安排在同一個班級，針對每個班級制定個性化教學(xué)計劃，而不是把所有學(xué)生都放在同一起跑線上．同時，借助在線教學(xué)平臺，可以結(jié)合學(xué)生的學(xué)習(xí)基礎(chǔ)、性格特點以及教師的教學(xué)特點、教學(xué)安排等數(shù)據(jù)形成定制化學(xué)習(xí)計劃，為學(xué)生提供更適配的師資力量．

通過以上步驟能得到相應(yīng)的分析模型，如果將這些分析模型融合到在線教學(xué)平臺進行實時分析，有助于提升學(xué)生在線學(xué)習(xí)效果．但需要注意的是，如果僅是依靠流量上傳學(xué)生的在線學(xué)習(xí)數(shù)據(jù)(學(xué)生在學(xué)習(xí)時需要開啟攝像頭，原因在于本文設(shè)計的方案需要通過攝像頭捕捉學(xué)生學(xué)習(xí)時的外在表現(xiàn))到服務(wù)端進行分析并不現(xiàn)實，一方面是視頻數(shù)據(jù)過大會產(chǎn)生高額的流量費用，另一方面是對服務(wù)提供商來說，處理海量視頻數(shù)據(jù)相對復(fù)雜，其處理能力和結(jié)果準(zhǔn)確性難以保障．因此，需要采用就近處理的方式來處理這些視頻數(shù)據(jù)．雖然視頻數(shù)據(jù)動態(tài)變化且實時生成，但算法相對穩(wěn)定，因此可以采用算法下發(fā)的方式來分析這些視頻數(shù)據(jù)，這與邊緣計算技術(shù)的理念相契合．具體來說，在線教學(xué)平臺利用邊緣計算分析在線教學(xué)過程中產(chǎn)生的數(shù)據(jù)，并將分析結(jié)果推送給教師，教師可以結(jié)合分析結(jié)果調(diào)整教學(xué)進度和教學(xué)內(nèi)容．對于“開小差”的學(xué)生可以采取提問、點名提醒等方式來提高其專注度和參與度．同時，教師借助在線教學(xué)平臺可以開通便捷的溝通渠道(如留言區(qū)、討論區(qū)等)，方便師生、生生課后交流，幫助學(xué)生及時攻克學(xué)習(xí)過程中遇到的障礙．此外，教師還可以將數(shù)據(jù)分析結(jié)果推送給家長，讓家長更直觀地了解孩子的學(xué)習(xí)表現(xiàn)，更多參與到孩子的學(xué)習(xí)過程中．同時，為了規(guī)范學(xué)生對移動終端設(shè)備的使用，系統(tǒng)還需要分析視頻內(nèi)容，如果是和學(xué)習(xí)無關(guān)的游戲、電影等頁面，系統(tǒng)將自動關(guān)閉上述頁面，并鎖定學(xué)習(xí)頁面．

總的來看，本文提出的方案適用場景相對廣泛，其不僅有助于實現(xiàn)學(xué)生在無家長監(jiān)督下正確使用移動終端設(shè)備，還能夠促進在線教學(xué)效果提升．除此之外，該方案將教學(xué)組織和教學(xué)管理全過程都實現(xiàn)了數(shù)據(jù)化，這將極大程度地方便教育主管部門開展監(jiān)管、分析、調(diào)研等工作．方案的推行離不開各參與方的努力，政府要不斷豐富和完善基礎(chǔ)設(shè)施，降低接入成本，給予偏遠山區(qū)的學(xué)校和學(xué)生更多關(guān)注．同時，政府要加強監(jiān)督和引導(dǎo)，構(gòu)建一個安全、健康的網(wǎng)絡(luò)學(xué)習(xí)環(huán)境．此外，政府還應(yīng)鼓勵教育機構(gòu)積極開放與共享優(yōu)質(zhì)教育資源，助推在線教育普及和智能技術(shù)應(yīng)用．

3 結(jié)語

本文結(jié)合時代發(fā)展需要和人工智能在教育行業(yè)中的應(yīng)用現(xiàn)狀，設(shè)計了一個涵蓋目標(biāo)檢測、特征識別、機器學(xué)習(xí)、邊緣計算等智能技術(shù)的方案，該方案通過分析學(xué)生的課堂異常行為、面部微表情變化和多模態(tài)數(shù)據(jù)，評價在線教學(xué)過程中的學(xué)生表現(xiàn)，能夠讓教師了解學(xué)生的不良學(xué)習(xí)習(xí)慣，并通過適時干預(yù)加以矯正，這有助于學(xué)生在無家長監(jiān)督情境下正確使用移動終端設(shè)備．同時，該方案還能讓教師更好地掌握學(xué)生學(xué)習(xí)情況，從而對教學(xué)內(nèi)容、授課方式等要素進行針對性調(diào)整，實現(xiàn)教學(xué)效果提升．然而，本文所設(shè)計的方案同樣存在一定不足之處．一是在算法層面仍以機器學(xué)習(xí)為主，對深度學(xué)習(xí)的關(guān)注和使用較少； 二是所提出的方案處于模型構(gòu)建階段，尚未進入開發(fā)與實現(xiàn)階段．對此，后續(xù)研究將結(jié)合深度學(xué)習(xí)算法進一步改進整體方案，在此基礎(chǔ)上借助技術(shù)實現(xiàn)模型，并將方案應(yīng)用于在線教學(xué)平臺檢驗其效果，為在線教學(xué)中的智能技術(shù)應(yīng)用研究提供借鑒．