在教育信息化2.0的时代背景下,数字化技术日益渗透于教学活动中,但在教学评价环节仍然缺乏智能化手段,传统评价方法使教学评价活动缺乏时效性、便捷性与客观性。而日常化、连续性的课堂分析评价则有助于教师实施具有深度的教学反思,利于教师专业素养的发展,进而提高教学质量。在教学理论的指导下,将前沿的人工智能技术与传统评价方法相结合,既符合教育信息化提升教师专业能力、促进教学质量的目标,同时亦利于教学研究活动中大样本量的教学分析,能够推动教学理论的发展。话语是课堂教学活动中知识传播的主要载体,作为课堂中主要说话人的教师和学生之间的话轮转换构成了知识的传授过程。本文根据课堂话语的特点提出了基于预聚类的无监督说话人身份分类算法,并以课堂教学分析中的S-T分析法为基础,以课堂录音为输入,利用该算法得出课堂教学的S-T曲线和课堂话语分时分布图,设计并实现了智能可视化的课堂教学评价系统。本文的主要工作和创新如下:首先,对比分析了三种常用的教学行为分析方法,结合本研究的技术研究基础——说话人分类算法,确定了以S-T分析法为智能教学行为分析系统的理论基础。其次,对于说话人分类算法研究的数据库缺乏课堂教学场景,本文以真实课堂视频资料为基础整理建立课堂教学会话语音数据库,并从声学特征角度分析了课堂教学场景下语音信号的特点。再次,根据课堂话语中说话人话语分布不平衡、教师为单一主要说话人的特点,提出了双重聚类说话人身份分类算法。该算法首先通过预先层次聚类确定主要说话人的部分语音片段,再利用所聚类的语音建立教师话语模型,通过逐一识别划分出教师话语部分,最后利用层次聚类将剩下部分语音进行说话人分类。并通过实验验证了本研究提出的分类算法有较高的识别效果。最后,将本文提出的算法和S-T分析法相结合,设计实现了智能教学行为分析系统,以课堂录像或录音为输入,判断教学模式,在可视化窗口将结果以教学S-T曲线、师生话语分时图、教学模式结构分布图三种方式呈现,且通过和传统S-T分析法的对比实验验证了该系统的有效性。