覃匡宇  陈鹏  

(桂林电子科技大学 计算机与信息安全学院，广西 桂林 541004)

[摘  要]反馈式教学能有效地提高教学的效果，考试作为常用的反馈手段具有一定的时间延迟性，教师无法即时地做出调整以达到预期的教学效果。如何找到一种有效的即时反馈方法成为教学工作者研究的内容。深度学习技术近年来得到了大力的发展。文中介绍了将人工智能技术应用于即时反馈教学中的一种方法，通过摄像头成像，统计分析学生的听课效果，即时显示学生认真听课人数的比例，供教师即时地掌握课堂听课状况，为行为提供参考。对比实验的结果表明，该方法能在不增加附加教学成本的同时，有效地提升课堂的教学质量。

[关键词]：人工智能；反馈式教学；神经网络；教育教学论坛

[作者简介]覃匡宇，桂林电子科技大学

一、 引言

提高教学质量一直是教育工作者关注的重点之一。学者们对此做出了大量的研究。苏联的教育学家巴班斯基^[1]提出了教学过程最优化理论，认为教学过程要全面地考虑现有的各种条件、各种方法，科学地组织最佳的教学方案。教学过程最优化不是为了追求最好的教学过程，而且是要达到对目前条件来说最佳的结果。反馈式教学是一种可以有效提高教学效果的教学方法。刘显国等^[2]研究了反馈教学法。在反馈教学法中，课堂教学的反馈结构分为两条不同的通道，一条是反馈给教师的客观反馈通道。一条是反馈给学生的自我反馈通道。在反馈信息的帮助下，师生双方通过调整教学活动来提高课堂的教学效率。近年来，教学反馈作为一种有效提升教学质量的手段，在学习过程中已经得到了大量的应用。

反馈按照时间特性，可以分为延时反馈和即时反馈。作业和考试作为常见的延时反馈，已经成为日常教学过程中不可或缺的部分。但由于作业和考试活动的实施和批改需要一定的时间，当结果出来时，在反馈时效上具有滞后性，如果在反馈结果中发现问题，教师只能花费额外的时间来增加或补足之前的教学活动，在时间和空间上造成一定的附加成本。在即时反馈方面，教学研究者们做出了大量有益的尝试。加拿大维多利亚大学的教授 Mary Sanseverino^[3]将课堂反馈系统（Clicks）应用于课堂来解决学生不善于“主动学习”的问题。美国内布拉斯加大学的教授Keng Siau和密苏里大学教授 Hong Sheng 将手机技术应用于教学^[4]，研究课堂反馈技术在课堂教学活动对教师与学生互动的影响。在英国、西班牙、韩国和新加坡等国家和地区在课堂中引进即时的课堂反馈系统，也都取得了显著的效果^[5]。但课堂反馈系统在引入的同时也带来了一定的负面效应。为了达到即时反馈的效果，在教学活动中大量使用电子设备，一方面增大了教学成本，另一方面也在一定程度上分散了学生的注意力。温斯顿塞伦州立大学教授 Debzani Deb 和 M. Muztaba Fuad^[6]的调查研究表明：在课堂上，本来期望作为教学辅助设备的智能手机，实际上学生并没有合理地使用，手机大多被作为娱乐用途而非学习用途。

近年来，人工智能，深度学习等技术得到了飞速的发展。目前，越来越多的任务可以交由机器来完成，与人工智能相关的辅助教学工具也逐渐应用到课程教学中。Goksel-Canbek等人^[7]通过智能个人助手在人与机器间构建自然的人机交互，实现陪伴学习和语言学习。Holotescu^[8]将教学机器人 MOOC Buddy服务于慕课平台，该机器人可以根据学习者的特征，为其推荐适合的学习资源。这些人工智能工具对提高教学效果都起到了很好的作用。

在当前，智能化的辅助教学手段应合理地融合进课堂教学中，而不是过度地使用。理想的教学辅助手段应该不干扰正常的教学活动，在不知不觉中解决一些教学过程中的小问题，无形中提升教学的效果。例如：在课堂教学中，教师专注于教学内容的讲解，注意力往往放在前排的学生身上，对其他学生的听课状态容易忽略，座位偏远的同学容易失去教师的关注，很容易思想开小差，不认真听课。如果能够通过一个简单的摄像头，即时的监控和分析下面学生的听课状况，帮助教师评估当前的学生听课状况，并提醒教师进行教学调整，对学生未听、漏听的部分进行反复讲解，就可以有效地提升课堂教学效果。

本文研究了人工智能技术在课堂反馈中的一种应用场景，提出了一种使用人工智能技术来即时反馈课堂教学效果的方法。对比实验表明，该方法能有效的提升课堂教学效果。

二、利用人工智能进行即时教学反馈

若要即时的评估当前的学生听课状况，需要使用图像处理和人工智能技术。具体的步骤为先获取学生听课的图像，并将各个学生的头像从背景中分离出来，再依次对这些头像进行分析，将各个学生的听课情况进行分类：分类的类别为认真听课，不认真听课，不听课几种。然后对学生的听课情况做出统计，当认真听课的学生比例低于一定阈值时，系统将给出即时反馈，从而让教师即时掌握课堂态势，做出相应的对策，如强调课堂纪律、对当前内容反复讲解等。

为了持续地观测在座学生的学习情况，可使用一个摄像头来周期性地记录学生听课的实时图像。接下来地工作是识别学生的听课状况，这需要使用一些人工智能算法来完成。尽管采用纯粹的手工编程能精确地控制程序来实现相应的功能，但由于在计算机视觉处理领域已经存在一些现成工具，合理地使用这些工具可以大大减轻系统开发的工作量。OpenCV^[9]是一个跨平台的计算机视觉库，可以运行在Windows、Linux等操作系统上。它实现了图像处理和计算机视觉方面的很多通用处理功能。特别值得指出的是，OpenCV采用了大量的机器学习算法来进行图像处理^[10]，这使得OpenCV可以提供一些看上去很智能的功能。例如：OpenCV提供了从背景图像中对特征图像进行检测和抽取的一系列方法，其中的haarcascade_frontalface检测器可以将人类的脸部图像从复杂的背景图像中分离出来。在进行即时教学反馈时，需要了解到当前学生的听课情况，将摄像头输出的图像连接到OpenCV的处理函数就可以得到一系列的学生脸部表情。

当获得各学生的脸部图像后，则可以使用卷积神经网络进一步对这些脸部图像进行处理。只需使用适当的样本对卷积神经网络进行训练，该网络就可根据当前的脸部表情将这些学生的学习状态分类为认真听课，不认真听课，不听课等几种状态。在系统构建的初期，需要通过人工对脸部图像标定类别，以便系统可以进行分类学习。到了后期，系统就可以自动对图像进行归类处理。

在实践过程中，我们发现当图片中人脸数目较少时识别率较高，因而我们对原始的大图进行切块处理，分块对脸部进行识别，能获得相对较好的效果，如图1所示。

参考文献

[1] 巴班斯基. 教学过程最优化[M]. 人民教育出版社, 2007.

[2] 刘显国. 反馈教学法[J]. 中国教育学刊, 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] 陈惠敏. 互动反馈系统在课堂教学中的应用研究[J]. 中国现代教育装备, 2014, (02): 33-45.

[6] Deb D, Fuad M M, Farag 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] 陶颖军. 基于OpenCV的人脸识别应用[J]. 计算机系统应用, 2012, 21(3):220-223.

The Application of Artificial Intelligence in the Teaching of Instant Feedback

Chen Kuangyu, Chen Peng

(school of computer and Information Security, Guilin University of Electronic Science and Technology, Guilin 541004, Guangxi)

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