智课--基于大数据的课堂教学分析评测17.11.24
在线教育平台的课程评价与数据分析报告
在线教育平台的课程评价与数据分析报告随着互联网的高速发展，在线教育平台逐渐成为了现代人学习的重要途径之一。
然而，在虚拟的学习环境中，学生对于课程的质量和效果往往感受不到直观的反馈。
因此，对于在线教育平台的课程评价与数据分析变得尤为重要。
本报告旨在通过对在线教育平台的课程评价指标和数据分析方法进行研究，探讨如何提高在线教育平台的教学质量和学生学习效果。
一、课程评价指标1. 教学内容与目标通过针对课程的内容和目标进行评价，可以了解教学的针对性和科学性。
合理设置和设计的课程内容能够帮助学生掌握知识，并达到预期的学习效果。
2. 教学方法与手段在线教育平台的教学方法和手段直接关系到学生的学习体验和效果。
灵活多样的教学方法和引人入胜的教学手段可以提高学生的参与度和学习兴趣。
3. 师资力量与教师水平教师是在线教育平台中的关键环节，他们的专业素质和教学水平直接影响到课程的质量和学生的学习效果。
因此，教师团队的专业背景和丰富的教学经验尤为重要。
4. 学生评价与反馈学生评价与反馈是在线教育平台课程质量的关键指标之一。
通过学生的评价和反馈，可以了解课程的难易程度、学习效果以及对教师的满意度等方面的问题。
二、数据分析方法1. 学习情况数据分析通过学习平台的数据统计和分析，可以获取学生的学习情况并对其进行评估。
学习情况数据包括学生的学习时长、学习进度以及学习打卡情况等。
通过对学习情况数据的分析，可以了解学生的学习习惯和学习效果。
2. 课程评价数据分析通过对学生的课程评价数据进行分析，可以了解学生对课程内容和教学方法的满意度和改进意见。
课程评价数据可以包括学生对课程内容的理解程度、学习效果的评价以及对教师的评价等。
3. 数据挖掘与机器学习数据挖掘和机器学习技术可以对海量的学生数据进行分析和挖掘，从而提取出有意义的信息和规律，为教学质量和学生学习效果提供科学的参考和改进方向。
三、优化课程评价与数据分析的方法1. 实时评估在线教育平台可以通过设置实时评估的机制，让学生在课程学习过程中随时对教学内容和教学方法进行评价和反馈。
大数据分析技术课程教学效果报告
大数据分析技术课程教学效果报告一、引言随着科技的快速发展，大数据分析技术在各个领域中扮演着越来越重要的角色。
为了适应这一市场需求，我校教育部门近期开设了一门大数据分析技术课程，并在教学过程中采用了一系列的教学手段。
本报告旨在评估这门课程的教学效果，并提供反馈及建议。
二、课程内容与安排本门大数据分析技术课程的内容包括数据预处理、数据可视化、数据挖掘、机器学习等方面的知识。
课程安排为每周两次理论课和一次实践课。
理论课主要讲授相关概念、原理和算法，实践课则提供学生亲自动手操作的机会。
三、教学方法与资源支持为了提高学生的学习效果，我们采用了多种教学方法，并为学生提供了必要的资源支持。
教师以讲解、案例分析和讨论等方式进行教学，充分激发学生的学习兴趣和思考能力。
同时，学生可以通过网络学习平台获取课程资料、参与讨论与交流，并进行代码编写和实践操作。
四、教学评估与学生反馈教学评估是我们了解教学效果的重要手段，我们通过考试、作业、实践项目等方式进行评估。
在学期结束时，我们还邀请了学生填写匿名问卷，以收集他们对课程的意见和建议。
通过评估和反馈，我们可以了解学生对课程的掌握程度和对教学方式的认可程度。
五、教学效果评估根据教师的评估和学生的反馈，本大数据分析技术课程的教学效果较为显著。
首先，学生在理论知识掌握方面取得了较好的成绩。
通过考试和作业的评估，学生对于数据预处理、数据可视化、数据挖掘和机器学习等方面的知识有了基本的理解和应用能力。
其次，学生在实践操作方面表现良好。
通过实践课的指导和实践项目的完成，学生能够运用所学知识处理真实数据集，并获得有意义的结果。
六、教学效果影响因素分析通过对教学效果的评估分析，我们发现以下几个因素对学生的学习效果产生了积极的影响。
首先，教师的讲解和案例分析具有很高的质量和启发性，能够帮助学生理解概念和算法的本质。
其次，实践课的安排为学生提供了锻炼能力的机会，使学生能够真正理解和应用所学知识。
在线教育平台中基于大数据分析的学习推荐研究
在线教育平台中基于大数据分析的学习推荐研究近年来，随着互联网技术的高速发展，越来越多的教育机构和个人开始利用在线教育平台进行学习和教学。
这种新兴的教育形式给学生提供了更加灵活的学习方式，同时也给教师提供了更多的教学资源和工具。
然而，学习者在众多的在线教育平台中如何快速找到适合自己的学习资源仍然是一个挑战。
为了提高学习者的学习效果，许多在线教育平台开始采用大数据分析技术，通过对学习者的行为数据进行分析，为学习者提供个性化的学习推荐。
本文将从大数据分析的技术原理、学习推荐的方法以及存在的挑战等方面，对基于大数据分析的学习推荐进行研究和分析。
首先，大数据分析的技术原理是基于对海量数据的处理和分析。
在线教育平台通过收集学习者的行为数据，如点击记录、观看时长、课程评价等，形成大规模的学习数据集。
然后，利用数据挖掘和机器学习等技术，对学习数据进行处理和分析，发现其中的模式和规律。
最后，根据学习者的个性化需求，给出相应的学习推荐。
其次，在基于大数据分析的学习推荐中，存在着多种推荐方法。
一种常用的方法是基于内容的推荐。
这种方法通过分析学习资源的特征和学习者的兴趣偏好，将相似度较高的资源推荐给学习者。
另一种方法是基于协同过滤的推荐。
这种方法通过分析学习者之间的相似性和关联性，将其他相似学习者喜欢的资源推荐给目标学习者。
此外，还有基于混合推荐的方法，结合了内容推荐和协同过滤推荐的优势，给学习者提供更加准确的学习推荐。
然而，基于大数据分析的学习推荐仍然面临一些挑战。
首先，数据隐私和安全问题是一个重要的考量。
学习者的个人隐私可能会受到侵犯，因此，在进行数据收集和分析时，需要采取有效的措施保证学习者的隐私安全。
其次，数据质量和数据标注问题也是一个挑战。
学习者的行为数据可能受到各种因素的干扰，如网络延迟、学习环境等，这可能导致数据的准确性和可靠性不高。
同时，在对数据进行标注时，可能存在主观误差和数据标签不准确的问题，这也会影响到学习推荐的准确性。
智课教育云系统前台站点-操作指南
智课教育云系统前台站点-操作指南一、如何注册1.在浏览器地址栏正确输入站点地址，进入智课教育云系统首页，点击站点首页右上角"注册"按钮，进入注册页面（也可以点击右侧登录框内的注册按钮）2.选择自己所属角色，按照要求分别填写手机号、真实姓名、学号/教师工号等信息（若未购买机器批改服务，则不需要选择角色、填写学号/工号）3.注册成功后进入智课教育云系统首页二、如何观看视频课程1.进入智课教育云系统首页，选择顶部导航栏目名称"名师课程"或"逐题精讲"2.进入课程列表页，通过课程筛选条件选择想学的课程，点击"立即学习"按钮3.进入该课程的详情页面，可查看该课程的课程特色、课程大纲、授课专家，再次点击"立即学习"播放该视频4.当前页面播放视频，点击右侧“记录笔记”按钮，新增视频笔记，通过下方的“课程大纲”切换当前播放的视频三、如何下载讲义方法一：1.登录系统后，点击顶部导航栏目“名师课程”“逐题精讲”，进入课程列表页2.进入课程详情页，点击“讲义资料”菜单，若当前课程上传了讲义资料，点击“下载讲义”按钮即可方法二：1.登录系统后，点击右上角用户名，选择下拉菜单中的"学习中心"2.进入学习中心，点击左侧"学习记录"菜单3.进入学习记录页面，可查看已经学习过的课程，选择对应课程，点击"讲义下载"进行下载四、如何报名直播课1.进入智课教育云系统首页，点击顶部导航栏目名称"直播课堂"，进入直播课程列表页2.选择除已结束状态外的任意直播课，进入直播课程详情页（已结束状态且不支持回放的直播课无法报名观看）3.点击“立即报名”按钮，弹窗提示报名成功即可4.报名成功后，您可以在个人中心查看已报名的直播课，并在规定的开课时间段内进入直播观看即可；若直播已经结束但支持回放，可以观看回放五、如何提交外教批改a.写作批改1.登录系统后，选择智课批改菜单下的外教批改，进入外教批模块，根据筛选条件选择要练习的作文试题，点击题目名称即可。
基于大数据技术的中职课堂教学质量云评价系统设计
基于大数据技术的中职课堂教学质量云评价系统设计
李仕希
【期刊名称】《信息与电脑》
【年(卷),期】2024(36)4
【摘要】大数据技术可以帮助教育者处理和分析海量的教学数据,并在此基础上制订针对性的教学改革方案。
本研究旨在运用大数据技术,设计中职课堂教学质量云评价系统。
具体设计围绕系统整体架构及系统功能模块展开,根据系统性能评估结果可知,本次设计的评价系统具有高效数据处理能力,能够满足现代中职教育教学质量评价需求。
【总页数】3页(P90-92)
【作者】李仕希
【作者单位】青岛莱西市职业教育中心学校
【正文语种】中文
【中图分类】G807
【相关文献】
1.基于云模型和熵权的高校课堂教学质量评价模型
2.基于云模型的高校课堂教学质量评价模型及方法研究
3.基于云重心模型的高校课堂教学质量评价研究
4.基于博弈论的研究生课堂教学质量云物元评价
5.基于大数据技术的中职课堂云教学评价系统设计
因版权原因，仅展示原文概要，查看原文内容请购买。
教育行业核心技术智能教学数据分析
教育行业核心技术智能教学数据分析近年来，随着教育行业的快速发展，技术在教学过程中扮演着越来越重要的角色。
其中，智能教学数据分析已经成为教育行业的核心技术之一。
本文将就教育行业核心技术智能教学数据分析进行讨论，揭示其在教学改进、学生评估和教育决策等方面的应用和作用。
一、智能教学数据分析在教学改进方面的应用智能教学数据分析利用大数据和人工智能等先进技术，对教学数据进行全面分析，揭示教学中存在的问题和潜在的优化方向，为教师提供科学的参考依据。
首先，智能教学数据分析可以帮助教师了解学生的学习情况，掌握学生的学习进度和学习难点，精确把握学生的差异化需求，调整教学策略，因材施教。
其次，智能教学数据分析可以提供学生学习的个体化反馈，帮助学生发现自身的学习问题，并提供相应的解决方案，激发学生的学习动力和兴趣。
最后，智能教学数据分析可以监测教学效果，及时发现教学中存在的问题，并对教学内容和方法进行优化，提高教学质量。
二、智能教学数据分析在学生评估方面的应用通过对学生的学习数据进行分析，智能教学数据分析可以客观、准确地评估学生的学习成果。
首先，智能教学数据分析可以从学生的学习进度、学习内容的掌握程度等方面全面评估学生的学习情况，避免主观性评价的不公正性。
其次，智能教学数据分析可以通过对学生学习过程的分析，揭示学生的学习策略和学习习惯，评价学生的学习态度和自主学习能力。
最后，智能教学数据分析还可以通过与标准答案的对比，评估学生解题的正确率和解题能力。
通过智能教学数据分析的评估，教师可以更好地了解学生的学习水平，并为学生提供个性化的学习指导和辅导。
三、智能教学数据分析在教育决策方面的应用智能教学数据分析在教育决策方面的应用，主要体现在对教学资源的优化配置、教育政策的制定和学校管理的决策等方面。
首先，智能教学数据分析可以通过对学生学习情况的分析，为学校和教育部门提供科学的教育资源配置建议，合理安排教师编制和教学设备投入，提高教育资源的利用效率。
课堂教学大数据分析报告(3篇)
第1篇一、引言随着信息技术的飞速发展，大数据已经渗透到教育领域的各个方面。
课堂教学作为教育教学的核心环节，其质量直接影响着学生的学业成绩和综合素质。
为了更好地提高课堂教学效果，本文通过对课堂教学大数据的分析，旨在为教师提供科学的教学决策依据，促进教育教学改革。
一、研究背景1. 大数据时代背景大数据时代，信息技术的快速发展为教育领域带来了前所未有的机遇。
通过对海量数据的挖掘和分析，可以为教育决策提供有力支持，实现教育资源的优化配置。
2. 课堂教学质量提升需求课堂教学质量是教育教学的核心，直接影响学生的学业成绩和综合素质。
为提高课堂教学质量，教育部门和教师对课堂教学大数据分析的需求日益增长。
二、研究方法1. 数据收集本文采用问卷调查、课堂观察、教学档案分析等方法，收集了教师、学生、家长等多方面的数据，包括教学计划、教学过程、教学评价、学生成绩等。
2. 数据处理对收集到的数据进行清洗、整理和筛选，采用SPSS、Python等统计软件进行数据分析，提取有价值的信息。
3. 数据可视化运用图表、图形等可视化手段，将数据分析结果直观地展示出来，便于教师理解和应用。
三、数据分析结果1. 教学计划与实施情况通过对教学计划的统计分析，发现部分教师的教学计划制定不够科学，缺乏针对性和可操作性。
在实际教学过程中，部分教师未能严格按照教学计划进行教学，导致教学内容和进度混乱。
2. 教学过程与教学方法课堂观察发现，部分教师在教学过程中存在以下问题：（1）课堂互动不足：部分教师以讲授为主，忽视了学生的主体地位，课堂互动不足，学生参与度低。
（2）教学方法单一：部分教师教学方法单一，缺乏创新，难以激发学生的学习兴趣。
（3）教学资源利用不充分：部分教师未能充分利用教学资源，如多媒体、网络等，导致教学效果不佳。
3. 教学评价与成绩分析通过对教学评价和成绩数据的分析，发现以下问题：（1）评价方式单一：部分教师评价方式单一，仅关注学生的考试成绩，忽视了学生的综合素质评价。
大数据精准教学智学网系统在初中数学开展智慧课堂初探
㊀㊀㊀１５５㊀数学学习与研究㊀２０２１ １６大数据精准教学智学网系统在初中数学开展智慧课堂初探大数据精准教学智学网系统在初中数学开展智慧课堂初探Һ郑立坚㊀（广东省汕尾市陆丰市玉燕中学，广东㊀汕尾㊀５１６５４５）㊀㊀ʌ摘要ɔ在传统的初中数学教学过程中，教师往往仅依靠教材以及纸质的习题册来引导学生进行有关数学知识的学习．这使得学生局限于特定环境学习，很难进行跨空间移步学习，学习的有效性难以突破．同时，教师也难以掌握学生的预习情况，师生互动反馈不能够及时实现．但随着信息技术的不断发展，智慧课堂的教学方式逐步在初中数学课堂中应用起来．倘若使用大数据精准教学智学网系统或许能够起到不一样的教学效果，本文将对此进行深入的研究与分析．ʌ关键词ɔ大数据；精准教学；智慧课堂引㊀言智学网系统是集课前预习㊁课堂活动资源提供㊁课后练习情况呈现㊁考试情况分析各类功能于一体的智能学习平台．这一学习平台的使用能够帮助初中数学教师迅速掌握与了解本班学生的学习状况，也能够帮助有关初中数学教师进行自身教学状态与教学进度的调节．但需要注意的是，智学网系统的使用仍未大范围推广，在初中的数学课程改革中教育工作者应当对智慧型课堂的科学合理建设足够重视．一㊁使用智学网引导预习智学网在课前，学生可以利用它预习并进行前测，教师可以结合学生前测诊断结果进行教学设计与目标制定．由于预习是初中数学课程教学中十分重要的环节，因此即便使用传统的教育教学方式，也应当进行有关教学课程的预习．但倘若没有信息技术的融合，老师无法借助平台发布有针对性的预习材料．这样一来，学生预习的效率和效果就会大打折扣．倘若学生无法通过相应预习环节的推进，来对自身在尚未接触过的知识点理解过程中所存在的疑问进行记录，对尚未完全理解的模块进行标记，那么学生就无法有的放矢地进行新授课程的学习．这样一来，预习就无法取得应有的效果．在大数据支持下的智学网系统平台使用过程中，教师可以课前发布相关预习材料，让学生围绕材料内容进行预习．在系统的使用过程中，学生可以通过微课资源学习来对即将学习的新授课程进行全面的把控，以及重难点知识的标记．这样一来，学生在新授课程正式展开过程中，就能够更加有的放矢地进行有关课程内容的聆听和理解．这对提升学生的学习效率和效果都是起到正面的促进作用．此外，由于微课教学资源多半是以视频方式来呈现的，因此相关预习环节的展开脱离了时间地点的限制，学生完全可以在课下利用碎片化的时间来进行相应环节的完成．这不仅能够使得学生在课下养成通过在线学习平台进行课程学习的良好习惯，还能够使得学生的预习质量获得显著提升．相比较线下的传统教学模式而言，微课视频资源可以允许学生进行反复的观看．换句话说，学生即便在初次进行相应预习过程完成时，没有对相关重难点知识进行很好的把控，也可以通过拉动进度条的方式进行重难点知识的反复观摩和理解，这不仅减轻了新授课程正式开始时学生的学习压力和负担，还能够使得学生的自学能力获得显著提升．同时教师可以通过简单的在线测验来对学生的预习质量进行评估，为新授课程的展开做准备．二㊁使用智学网进行课堂活动智学网在课中，教师结合学生的前测报告，课堂上进行重难点突破，突破过程中，让学生借助平板电脑上的ＡＰＰ软件进行探究式学习．在预习环节中，教师已经通过前测的方式对学生的预习情况进行了掌握．这样一来，教师结合系统中的学情分析在正式教学活动展开上能够更加科学合理，也能够更加贴合学生的学习状况，并且在相关智慧型课堂构建中，使得学生感受到新授课程知识点与自身的预习情况之间的关联．这样不仅能够提升学生的学习兴趣，还能够使得学生以更加饱满的精神状态进入相应知识点的学习当中．在课堂活动推进的过程中，教师可以结合教学内容的目标分析，对学生在预习过程中已经掌握的教学目标，适当放轻，将教学重点放在课堂中使用探究式的教学方式突破难点上，让学生借助平板电脑上安装的学习软件进行有关知识点的自主理解与探究或结合前测解题情况与同伴之间交流．教师可以在课堂上发布与教学难点相关的习题内容，让学生在平板电脑上进行完成，教师也可以实时在线监督每个学生对知识点的掌握情况，对于大难题的学生使用恰当的方式进行引导，在这种情况下教师便可以实现在线教育中的有教无类和因材施教．在传统的教育教学方式中，教师只能通过课本教材来进行有关知识的传达．但课本的知识内容含量毕竟有限，教师按照课本上的内容来进行知识点的教学，学生可能会由于有关知识点过于抽象，无法理解，而使得学习效率受到影响．为了使得学生能够尽快地掌握相关知识点，并且运用有关知识点进行相关习题的解答，教师只能以文科类的记忆背诵方法来引导学生进行知识点的强行记忆，这种方式非但无法使得学生的学习效率提升，还. All Rights Reserved.㊀㊀㊀㊀㊀１５６数学学习与研究㊀２０２１ １６很可能让学生对数学学科的本身实际含义与魅力产生曲解，这对学生综合素质的培养是会产生不良影响的．实际上数学学科有十分深厚的内涵与外延，它与学生的操作思考是息息相关的．譬如在２０１２人教版初中数学的课程中有与 二次函数 相关的课程教学内容，教师如果将二次函数的图像让学生借助平板电脑安装的 几何画板 软件进行画图操作，观察图像变化情况感悟变化规律来进行教学，就能够获得更佳的教学效果．如果教师在脱离信息技术的环境下来进行传统教学方式的使用，那么学生无法感知到二次函数图像的变化过程，很可能会使得自身的学习兴趣降低．因此教师使用相应的ＡＰＰ软件进行课堂学习是很有必要的，也是很有意义的．三㊁课后使用智学网进行数据分析智学网在课后，教师发布课后作业，学生通过平板电脑完成，教师结合学生完成情况报告进行个性化辅导，针对学生错误情况进行推送微课辅导．对于教师而言，他们在新授课程教学完成后，对学生学习状态进行分析是很有必要的，也是很有意义的．但在传统的教育教学方式展开过程中，教师无法对学生的学习质量和学习状态有一个精准的认知．教师在进行有关课后作业完成度考察时，固然可以根据作业批改过程中的正误情况，对班上学生的学习质量进行大致的了解．但这种了解是不精准的，也是不客观的．教师无法在脱离大数据技术支持的情况下，对每日作业完成过程中高频错题进行标注，也无法快速计算出每日作业完成过程中的全班作业完成平均得分，更无法为班级上每一位学生的作业完成情况进行具体知识点掌握情况分析，无法对学习状态不断上升和学习状态不断下滑的学生进行重点标注．而这一系列的数据，对教师进行每日学情掌握都是能够起到关键作用的．在传统的教育教学方式展开过程中，教师无法快速获知这些数据，只能靠自身作业批改时的感觉，进行自身教学进度和方式的改良．因此这也是传统初中数学课程教学的弊端所在．每一次的数学课程测验都是对学生学习情况的阶段性检测，教师通过相关测验结果分析，不仅能够对本班级在全年级的学习情况进行一个大体上的了解，还能够对所有学生的学习状态和学习质量进行一个细致的了解和把控．教师如果使用传统的教育教学方法来进行考试信息的统计，就无法在短时间内获得精准的数据，也无法深入了解每一位学生的进步和退步情况．甚至教师在考试结束后进行试卷讲解的过程中，也会由于重点错题标记的缺乏，而导致对相关试题讲解的重难点无法进行精准把控．老师使用传统的教育教学方式能够大致了解全班学生大概的薄弱环节，但在个性分析方面还无法达到精准，这一教学方式既无法使得学生的有效学习方式提升，也无法使得学生针对性学习得到改进，因此相关教学模式的改良是初中数学教师应当重视的问题．在大数据技术的支持下，日常初中数学课程教学可以尝试使用数据分析的方式．智学网中有日常作业完成情况记录数据分析功能，也有考试情况综合评定分析功能．在这两个功能的运用过程中，教师能够对学生的学习情况进行十分精确的把控．在日常的作业完成情况记录中，教师不仅可以对全班作业的完成率进行查看，还能够对作业完成过程中的高频错题进行查看，通过对高频错题的查看，教师便可以清楚地了解到，整个班级在新授课程的教学过程中知识点的掌握情况，然后对学生掌握情况不佳的知识点进行再度复习．而在考试情况综合评定分析功能的运用中，教师可以针对整个班级的成绩在全年级的排名，来进行未来教学规划的改进与完善，并且深入了解每一位学生的进步与退步情况．这些对教师有针对性地帮助学生进行课后辅导，与学生进行日常深度交流都是能够起到极大帮助的．四㊁进行教学理念的改进许多初中数学教师不愿意使用大数据技术支持下的精准教学智学网系统来进行初中数学智慧课堂的构建的原因是相关网络教学平台的使用，需要教师进行基础信息知识的学习．而许多初中数学教师由于习惯思维模式的影响，没有与时俱进的教学理念，也没有迅速熟悉新事物的能力，因此他们不愿意进行信息技术基础知识学习的尝试．还有许多年轻教师虽然已经尝试过使用精准教学系统智学网来进行智慧课堂的构建，但是在摸索与学习阶段，相关教师感觉到使用该类教育信息平台进行日常的教学活动，需要花费大量的时间来进行相关课前学习资料的准备，这会给他们增加负担．但实际上，教师只要能够熟练地掌握有关教育教学平台的使用规则与效果，就会感受到事半功倍的效益．结束语总而言之，大数据技术下的精准教学智学网系统的运用，对初中数学课程的展开是很有帮助的．它不仅能够进行智慧型课堂的构建，还能够使得学生的学习体验获得改善，有的教师的教学质量得到提升．因此这种新的教学模式值得进行推广使用．ʌ参考文献ɔ［１］蔡长芹．构建智慧课堂，激活初中数学教学［Ｊ］．数学大世界（下旬），２０２０（１０）：３４．［２］王朝晖，林李．基于网络课堂模式的初中数学复习教学实践［Ｊ］．名师在线，２０２０（２９）：１５－１６．［３］唐芝芬．基于智慧课堂下的初中数学教学策略研究［Ｊ］．中学课程辅导（教师教育），２０２０（１９）：２１．［４］刘光明．构建初中数学智慧课堂的策略［Ｊ］．知识窗（教师版），２０２０（０９）：１０９．［５］施剑丽．智慧课堂下初中数学教学模式的实践［Ｊ］．数学大世界（上旬），２０２０（０９）：８６．. All Rights Reserved.。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
采用时间抽样的办法，在指定的一段时间内，每隔3秒种观察者就依照左侧分类记下最能描述教师和班级语言行为的种类 的对应的编码，记在右侧表格中。比如，在第一个3秒内发生的是教师讲授行为，就在相应的格子内记下"5"这个编码。 这样，每一行20个方格就记录下1分钟内20个行为的编码。上表10行就表示10分钟的连续观察。
课堂分析报告-学生
• 课程信息
• 课堂观察记录
• 结构式课堂观察记录
• 课堂知识点内容
课堂分析报告-教师
• 课程信息
• 课堂观察记录
• 结构式课堂观察记录
• 课堂知识点内容
THANKS
教学模式
11. 沉默
教学行为分析-弗兰德斯分类体系
弗兰德斯分类
间接影响 1. 制造动机 2. 表扬 3. 理念 教师发言 直接影响 4. 提问 5. 讲授 6. 指示 7. 批评 学生发言 8. 学生应答 9. 学生自发发言 10. 沉默或混乱
FIAC数据表
1 1 2
2
3
4
5
6
7
8
9
10
3
4 5 6 7 8 9 10
学生心理
积极
消极
倾听
疑惑
理解
抗拒
不屑
技术可以测 量出的情绪
正常
高兴
鬼脸
悲伤
生气
愤怒
2.3 表情分析 学生表情
多目标情感计算
2.4 OCR识别 知识点识别
OCR
教学行为云图-教师课堂
言语
16类行为分别采样评分
指示 提问
反馈 评价
主动 提问
应答 举手 对话
云图模型的意义 1. 半径：教学行为中某一行为的分值 2. 极差：教学行为极端分布情况； 3. 离散（标准差）：教学行为分布的离 散情况，值越大教学行为分布越广； 学生 4. 周长/面积：教师教学行为掌控水平情 况，越长/越大综合行为评分越高； 5. 重心：教学行为的综合表现，教学行 为分布的集中趋势，例如：左图倾向 于教师言语
根据分值绘制云图
讲授 教师 讨论
计算云图的基本属性极 差、标准差等、周长等
个别 指导 观察 巡视
观察 笔记 练习 演示 展示 实践 实验
根据云图及基本属性相 关值横向/纵向对比
板书
思考
活动
- 红色表示可以利用人工智能自动采集分类
教学行为图-学生
教学行为一般模型
精准推送服务
学生、家长 教师
领导
3.1 学生、家长
客观数据对教学过程的分析缺失
客观数据对个性化学习支持不足
教学资源的利用率低下
是教育大数据的主要产生地
教学过程的数据挖掘
课堂视频
结构化 数据挖掘
教学情报
教学过程的信息分析是教育信息化的基础和条件
课堂观察的理论基础
教学行为分析-ST模型
教学行为笼统的分为T和S
教师T 1. 解说 2. 示范
S
7
家校通
课堂 记录或拍照
课后编辑 文字或照片
逐个定向 推送信息
接收信息
智课通
课堂智能 记录或拍照 课后生成 文字或照片 逐个定向 推送信息 实时 接收信息
学生课堂数据的精准推送
3.2 教师
教学分析
课程回放
3.3 教研人员
教师个体
对比分析
同课异构分析
支持开展同课异构活动 同校或者跨校的多位教师上的同一节课 AI系统自动分析各位教师授课过程，对比各个课堂的教学行为
S
3
学生S
7. 发言
8. 思考/计算 9. 笔记 10. 实验/作业
T T
练习型 讲授型 对话型 混合型
T
标准条件 Rt ≤ 0.3 Rt ≥ 0.7 Ch ≥ 0.4 0.3 < Rt < 0.7, Ch < 0.4
因此，该课堂为对话型
T和S采样精度低会导致D，通常无法判 别D属于T还是S，中庆智课可以提高ST 分析的精度，细分D，从而更精准的计 算Rt和Ch
1980-2000年第2次发展
2006年第3次发展
大数据
深度学习 机器学习
人脸识别
表情识别 语音识别 机器翻译
AlphaGo
OCR
人工智能落地前提
单一清晰领域
海量数据
超大计算量
国务院关于印发国家教育事业发展‘十三五’规划”中提出： 互联网、云计算、大数据、人工智能、三维(3D)打印等现代技术 深刻改变着人类的思维、生产、生活和学习方式。 “教育基础数据常态化、伴随式采集”，“即时化分析”
“若何”问题指向条件变化产生的新结果 主要了解学生对创造性知识的掌握情况。 “如何”问题指向方法、途径、状态等 主要了解学生对策略性知识的掌握情况； “为何”问题指向原理、法则、逻辑等 主要了解学生对原理性知识的掌握情况； “是何”问题指向事实性问题 主要了解学生对事实性问题的掌握情况；
若何
如何
为何 是何
教学行为分类-国内
吴康宁等学者
师个互动 师 生 行 为 对 象
教师行为指向学生个 体的师生互动
师班互动
教师行为指向全班学 生群体的师生互动
师组互动教师行为指向学生小 组的互动师 生 行 为 属 性
控制-服从型 控制-反控制型 相互磋商型
“四何”问题
概念：教师教育教学过程中提问方式的分类，包括“是何”“为何”“如何”“若何”四类
北京中庆现代技术有限公司
唐珊珊
02
背景介绍 理论基础 01
04
落地实践
精准推送
案例展示 05
03
1950年“图灵测试”
1943-1956年诞生
1956年达特茅斯会议AI诞生
符号主义 早期推理系统 早期神经网络
1950-1970年早期
人工智能发展 史
专家系统 统计学派：语音识别 机器学习 神经网络 机器视觉
基于大数据的课堂教学分析评测目的
支持学生的个性化学习
教师的专业化成长
课例评选支持
烟台-南通路小学
5间教室，36节小学课程，自动分析，报表输出……
新技术支持下的个性化学习应用 成果现场展示，小学学段（南通
路小学现场） 36 节课，均布置了
人工智能录播现场，会实时分析 这 36 节课。给出报表，供老师和 教研员参考。
3. 板书
4. 提示 5. 提问/点名 6. 评价/反馈
2 4
D ST
1
5
T
T T S S S
6
左图对应的ST序列为： T T S T S D(T&S) D(T&S) T S S S T T 从而得到： 教师行为占有率： Rt=Nt/(Nt+Ns)=8/15=53.5% 师生行为转化率： Ch=拐点/(Nt+Ns)=7/15=46.7%
高阶思维
低阶思维
教学行为分类-国内
华中师大分类
- 华中师大的模型更适合中国教育
03
落地实践
基于大数据的课堂教学分析评测
录播
非结构化数据
结构化数据
数据分析挖掘
AI
精准推送
数据建立模型
个体与模型分
析对比
诊断评测
基于大数据的课堂教学分析评测系统
AI分析维度
• 知识点
2.1 行为分析 人脸识别模型训练
7月20日，国务院印发《新一代人工智能发展规划》， 明确了我国新一代人工智能发展的重点任务： 围绕智能教育、医疗、养老等迫切民生需求，发展便捷高效的智能服务。 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。开发智能教育助理，建立智能、快速、全面的教育分析系统。 建立以学习者为中心的教育环境，提供精准推送的教育服务，实现日常教育和终身教育定制化。
2.1 行为分析 教师行为分析
2.1 行为分析 教师行为分析
目标 识别
教师行为 识别
2.1 行为分析 学生行为分析
2.1 行为分析 学生行为分析
课堂活跃热力图
多目标动态人脸识别
学生行为识别
2.1 行为分析 班级行为分析
2.2 语言分析 师生语言
2.3 表情分析 学生表情