摘要：在智慧課堂環(huán)境中，交互行為數(shù)據(jù)的復(fù)雜性難以保障準(zhǔn)確的搜索結(jié)果。因此，在“互聯(lián)網(wǎng)+”時代背景下，文章提出對智慧課堂交互行為數(shù)據(jù)進行精準(zhǔn)搜索的方法并構(gòu)建了一個智慧課堂交互行為數(shù)據(jù)分類模型，從“人-人交互”和“人-內(nèi)容交互”2個維度深入分析智慧課堂交互行為數(shù)據(jù)的構(gòu)成。為實現(xiàn)精準(zhǔn)搜索，文章設(shè)置了帶有唯一標(biāo)簽的智慧課堂交互行為數(shù)據(jù)染色體，基于目標(biāo)對象的唯一標(biāo)簽，精準(zhǔn)地確定搜索結(jié)果。測試結(jié)果顯示，該方法能夠顯著提升交互行為數(shù)據(jù)的搜索精準(zhǔn)性，與對照組相比具有明顯優(yōu)勢，查全率偏差基本穩(wěn)定在5.0%以內(nèi)，最大偏差僅為6.0%，最小偏差達到了0。

關(guān)鍵詞：智慧課堂；交互行為數(shù)據(jù)；精準(zhǔn)搜索；分類模型；唯一標(biāo)簽；交互行為數(shù)據(jù)染色體

中圖分類號：TP18 文獻標(biāo)志碼：A

0 引言

在“互聯(lián)網(wǎng)+”時代，智慧課堂正引領(lǐng)教育領(lǐng)域的新潮流［1］。其中，交互行為數(shù)據(jù)成為關(guān)鍵，實時反映了學(xué)生的學(xué)習(xí)狀態(tài)和需求，極大地促進了個性化教學(xué)的實施［2］。這些數(shù)據(jù)不僅揭示了師生間的互動模式與效果，還有助于優(yōu)化課堂設(shè)計，提升教學(xué)互動的趣味性并為教學(xué)評價提供了客觀依據(jù)［3］，確保了評價的公正性與準(zhǔn)確性。因此，有效識別交互行為數(shù)據(jù)成為當(dāng)前的熱門課題，許多學(xué)者也為此展開了實驗。

雷靜思等［4］提出了基于改進時空圖卷積網(wǎng)絡(luò)的交互行為獲取方法。該方法能夠準(zhǔn)確捕捉行為特征，但存在訓(xùn)練數(shù)據(jù)量大和計算復(fù)雜的問題。而方海光等［5］則采用了改進型弗蘭德斯互動分析系統(tǒng)，該系統(tǒng)能夠客觀記錄課堂事件，具有較強的診斷性，但忽略了教學(xué)內(nèi)容等要素，難以全面捕捉主觀復(fù)雜因素。

為此，本文提出“互聯(lián)網(wǎng)+”時代背景下智慧課堂交互行為數(shù)據(jù)精準(zhǔn)搜索方法，通過分類交互行為數(shù)據(jù)構(gòu)建數(shù)據(jù)染色體并標(biāo)記唯一目標(biāo)信息適應(yīng)特征，以實現(xiàn)數(shù)據(jù)的精準(zhǔn)搜索。

1 智慧課堂交互行為數(shù)據(jù)精準(zhǔn)搜索方法設(shè)計

1.1 智慧課堂交互行為分類

智慧課堂交互行為數(shù)據(jù)是指在智慧課堂環(huán)境中，通過信息技術(shù)手段收集、存儲和分析的關(guān)于師生交互行為的數(shù)據(jù)，主要分為“人-人交互”和“人-內(nèi)容交互”2大類。其中，“人-人交互”主要指教師與學(xué)生、學(xué)生與學(xué)生間的交流行為，如討論、合作等［6］；“人-內(nèi)容交互”則涵蓋學(xué)生與課程內(nèi)容、教學(xué)資源等內(nèi)容間的互動，如瀏覽資料、回答問題等。通過對這2類交互行為的精準(zhǔn)分類，進一步提取和分析數(shù)據(jù)，實現(xiàn)交互行為數(shù)據(jù)染色體的構(gòu)建。數(shù)據(jù)的模型化表達直觀地展示了師生交互行為的規(guī)律和特征，為后續(xù)的搜索方法設(shè)計提供有力支撐，從而使教師更加全面地了解學(xué)生的學(xué)習(xí)情況，實現(xiàn)個性化教學(xué)和精準(zhǔn)化指導(dǎo)。

1.2 智慧課堂交互行為數(shù)據(jù)染色體構(gòu)建

交互行為分類作為染色體數(shù)據(jù)構(gòu)建的基礎(chǔ)，可以清晰地界定和識別師生間復(fù)雜的交互行為。結(jié)合智慧課堂交互行為數(shù)據(jù)的分類，本文構(gòu)建了一個以學(xué)習(xí)者為中心，涵蓋不同類別智慧課堂交互行為數(shù)據(jù)的染色體模型。在模型構(gòu)建過程中，本文借鑒了生物學(xué)的染色體概念，將智慧課堂中的交互行為數(shù)據(jù)類比為染色體上的基因。每個染色體代表一個學(xué)習(xí)者的整體交互行為模式，而染色體上的每個基因則對應(yīng)著具體的交互行為數(shù)據(jù)項。定義染色體為一系列基因的組合，具體表達如公式（1）所示。

Ch=［Gene1，Gene2，…，GeneN］（1）

其中，Ch表示智慧課堂交互行為數(shù)據(jù)的染色體；GeneN表示一種特定的交互行為數(shù)據(jù)，包括學(xué)生與教師交互的頻率、學(xué)生間交互的頻率、學(xué)生與知識內(nèi)容交互的時長等。

為了量化交互行為數(shù)據(jù)，本文為每個基因分配了唯一標(biāo)簽，以標(biāo)識不同交互行為在整體學(xué)習(xí)過程中的獨特性和可識別性。具體表達如公式（2）所示。

S=（n，c）（2）

其中，S表示數(shù)據(jù)染色體基因的唯一標(biāo)簽，n表示學(xué)習(xí)者在智慧課堂中的后臺編碼，c表示學(xué)習(xí)者在智慧課堂中的身份認(rèn)證。

依據(jù)公式（1）和公式（2），智慧課堂交互行為數(shù)據(jù)染色體表達如公式（3）所示。

Ch=［（Gene1，Si），（Gene2，Si），…，（GeneN，Si）］（3）

其中，i表示學(xué)習(xí)者個體數(shù)量。按照上述所示的方式，實現(xiàn)對智慧課堂交互行為數(shù)據(jù)染色體的構(gòu)建，為后續(xù)的數(shù)據(jù)搜索提供基礎(chǔ)。

1.3 智慧課堂交互行為數(shù)據(jù)搜索

根據(jù)獲得的智慧課堂交互行為數(shù)據(jù)染色體，本文以目標(biāo)對象對應(yīng)的唯一標(biāo)簽信息為基礎(chǔ)，構(gòu)建適應(yīng)度函數(shù)，將滿足函數(shù)的數(shù)據(jù)作為搜索結(jié)果，評估交互行為數(shù)據(jù)染色體在特定環(huán)境下的優(yōu)劣和適應(yīng)度，從而提高模型在預(yù)測查全率的精確度，具體表達如公式（4）和公式（5）所示。

f1（i）=1SCD（i）→Si（4）

f2（i）=T（i）→Si（5）

其中，f1（i）和f2（i）分別表示智慧課堂交互行為數(shù)據(jù)搜索的一級和二級適應(yīng)度函數(shù)，能夠同時考慮多層指標(biāo)，優(yōu)化評估模型的性能；SCD（i）表示學(xué)習(xí)者在智慧課堂中的后臺編碼信息；T（i）表示學(xué)習(xí)者在智慧課堂中的身份認(rèn)證信息。最后將滿足適應(yīng)度要求的染色體中攜帶的數(shù)據(jù)作為最終的搜索結(jié)果。

至此，本文通過標(biāo)記智慧課堂交互行為數(shù)據(jù)的染色體分配唯一標(biāo)簽，構(gòu)建滿足目標(biāo)要求的適應(yīng)度函數(shù)，通過在搜索過程中不斷地評估和比較不同個體的適應(yīng)度，使染色體模型能夠逐步逼近全局最優(yōu)解，從而實現(xiàn)更高的搜索精確度。

2 測試分析

2.1 測試數(shù)據(jù)準(zhǔn)備

本文測試的智慧課堂涵蓋傳統(tǒng)媒體、互動媒體、視聽媒體、虛擬現(xiàn)實媒體、增強現(xiàn)實媒體和互聯(lián)網(wǎng)媒體，教學(xué)資源形式豐富，主要包括課件、視頻、音頻、互動資源和網(wǎng)絡(luò)資源。本次測試以學(xué)生為中心，定義1天時間內(nèi)學(xué)生的不同交互行為數(shù)據(jù)。選用的班級人數(shù)為54人，隨機選擇20名智慧課堂學(xué)生為測試對象，對其交互行為數(shù)據(jù)進行搜索和分析，以驗證搜索結(jié)果的可靠性。其中，交互行為數(shù)據(jù)的樣本參數(shù)如表1所示。

通過明確學(xué)生不同交互行為的數(shù)據(jù)參數(shù)，實現(xiàn)定義目標(biāo)下的精準(zhǔn)分類，作為本文的實驗數(shù)據(jù)，為后續(xù)測試提供了有效信息。測驗通過對比本文方法、文獻［4］方法和文獻［5］方法，有助于進一步證明本文方法在驗證查全率的精準(zhǔn)度。

2.2 測試結(jié)果與分析

測試以不同交互行為的查全情況為評價指標(biāo)，分析3種不同方法的搜索結(jié)果。其中，查全率的表達如公式（6）所示。

F（x）=TPTP+FN（6）

式中，F(xiàn)（x）表示查全率，TP表示模型正確識別為正類的樣本數(shù)量，F(xiàn)N是指模型錯誤識別為負(fù)類的正類樣本數(shù)量。依據(jù)公式（6），得出3種方法的查全率，具體結(jié)果如圖1所示。

分析圖1可知，本文設(shè)計方法的查全率穩(wěn)定在90%以上，而文獻［4］方法和文獻［5］方法的查全率則在70%～80%范圍內(nèi)，可以明顯看出本文方法交互行為數(shù)據(jù)搜索的精準(zhǔn)性優(yōu)于對照組，查全率偏差基本穩(wěn)定在7.3%以內(nèi)，最大偏差僅為9.2%，最小偏差達到了2.4%，可以實現(xiàn)對數(shù)據(jù)的精準(zhǔn)搜索。這是由于本文方法采用的智慧課堂交互行為數(shù)據(jù)染色體模型能夠?qū)驍?shù)據(jù)進行一一編碼，準(zhǔn)確分類不同數(shù)據(jù)特征；同時利用適應(yīng)度函數(shù)，通過有效定位識別標(biāo)記身份，不斷完善不同個體的適應(yīng)度，從而驗證了本文方法在搜索交互行為的精準(zhǔn)性。

3 結(jié)語

為了充分發(fā)揮智慧課堂的優(yōu)勢，深度挖掘其交互行為數(shù)據(jù)反饋的教學(xué)效果以及學(xué)生的學(xué)習(xí)效果，本文在“互聯(lián)網(wǎng)+”時代背景下，提出了智慧課堂交互行為數(shù)據(jù)的精準(zhǔn)搜索方法研究。通過構(gòu)建一個智慧課堂交互行為數(shù)據(jù)分類模型，設(shè)置數(shù)據(jù)染色體分配基因唯一標(biāo)簽，同時依據(jù)適應(yīng)度函數(shù)評估和比較不同個體的適應(yīng)度，使染色體模型逐步逼近全局最優(yōu)解，實現(xiàn)更高的搜索精確度。該方法實現(xiàn)了對目標(biāo)對象交互行為數(shù)據(jù)的全面、精準(zhǔn)搜索，為實際教學(xué)工作提供了可靠的輔助。

參考文獻

［1］劉威童，喬偉峰.在線同步學(xué)習(xí)效果的影響機制：交互行為的中介效應(yīng)：基于清華大學(xué)大規(guī)模在線調(diào)查數(shù)據(jù)的分析［J］.現(xiàn)代教育技術(shù)，2022（3）：110-118.

［2］方舟，洪采菲，秦姝言，等.自我調(diào)節(jié)學(xué)習(xí)情境下任務(wù)類型和學(xué)習(xí)認(rèn)知策略對視頻類搜索行為的影響［J］.圖書情報工作，2021（21）：84-96.

［3］孫曉寧，景雨田，劉思琦，等.對話式搜索：人智交互情境下主導(dǎo)未來的信息檢索新范式［J］.情報理論與實踐，2024（17）：1-16.

［4］雷靜思，劉雙廣，劉喬壽，等.基于改進時空圖卷積網(wǎng)絡(luò)的人員交互行為識別［J］.計算機應(yīng)用與軟件，2024（4）：151-158.

［5］方海光，孔新梅，鄭志宏，等.一種智慧課堂交互行為數(shù)據(jù)的標(biāo)準(zhǔn)分?jǐn)?shù)常模計算方法研究：基于改進型弗蘭德斯互動分析系統(tǒng)iFIAS［J］.遠程教育雜志，2023（5）：67-75.

［6］張麗華，王志梅.基于語音增強的改進型英語課堂交互系統(tǒng)的研究［J］.電聲技術(shù)，2024（2）：39-41.

（編輯 王雪芬）

Accurate search method of interactive behavior data of intelligent classroom under the backgrou92234964008827b0239d6d9e1a57c9cend of “Internet + ”era

WU Jingli

（Electronic Informational Engineering College， HEBI Polytechnic， Hebi 458030， China）

Abstract： In the smart classroom environment， due to the complexity of interactive behavior data， the accuracy of search results is difficult to guarantee. Therefore， the research on the method of precise search for interactive behavior data of smart classroom in the context of the “Internet + ” era is proposed. A smart classroom interaction behavior data classification model has been constructed， which deeply analyzes the composition of smart classroom interaction behavior data from two dimensions： “human human interaction ” and “human content interaction ”. In order to achieve precise search， a smart classroom interaction behavior data chromosome with a unique label was set up， which can accurately determine the search results based on the unique label of the target object. The test results show that after adopting the design method， the search accuracy of interactive behavior data is significantly improved， with a significant advantage compared to the control group. The recall deviation is basically stable within 5.0%， the maximum deviation is only 6.0%， and the minimum deviation reaches 0.

Key words： intelligent classroom; interactive behavior data; accurate search; classification model; unique label; interactive behavior data chromosome