论文部分内容阅读
摘 要 教学体征状态的有效监控是职业院校教学质量诊断与改进工作的前提和基础，更是教师提高课堂教学质量的主要途径。以上海信息技术学校为例，设计与开发面向精准诊断的教学体征状态系统，通过初步运行，表明它能够对课堂教学全师生、全过程、全方位的音视频状态数据进行分类识别与分析，形成学生学习参与度大数据，构建起教学诊断仪表盘，为教学质量提升提供决策支持。
关键词 教学诊断；教学体征状态系统；职业院校；人工智能
中图分类号：G712 文献标识码：B
文章编号：1671-489X（2018）22-0061-05
Abstract The effective monitoring of teaching signs status is the ba-sis for the diagnosis and improvement of teaching quality in voca-tional colleges， and is also the main method to improve the quality ofclassroom teaching for teachers. Taking Shanghai Information Tech-nology College for an example， the state system of teaching signs forprecision diagnosis is designed and developed. Through the prelimi-nary application， it shows that the system can classify and analyze the status data of teacher-student， whole process， and all-around au-dio and video in classroom teaching， big data of students on partici-pation in learning is formulated， and diagnostic dashboard for tea-ching is constructed. All these can provide decision-making support for the improvement of teaching quality.
Key words teaching diagnosis； sign status； teaching sign status sys-tem； vocational colleges
1 引言
教育部部长陈宝生在《努力办好人民满意教育》[1]中提出，要把质量作为教育的生命线，坚持回归常识、回归本分、回归初心、回归梦想，深化基础教育人才培养模式改革，掀起“课堂革命”。根据教育部发布的《关于深化职业教育教学改革，全面提高人才培养质量的若干意见》[2]和《关于做好中等职业学校教学诊断与改进工作的通知》[3]
的要求，以提高人才培养质量为根本，以促进学校自主发展、内涵发展为宗旨，坚持“需求导向、自我保证，多元诊断、重在改进”的工作方针，进一步聚焦课堂、规范管理，完善课程实施条件，构建全员、全程、全方位的内部教学质量诊断与改进制度体系和运行机制。
2017年7月8日，国务院发布《新一代人工智能发展规划》[4]，人工智能（AI）上升为国家发展战略。人工智能的迅速发展将深刻改变人类社会生活、改变世界，人工智能将成为经济与社会发展的新引擎。随着人工智能相继给消费电子、电子商务、媒体、交通和医疗等行业领域带来改变，其同样会给教育行业带来颠覆性的创新，能够为职业院校的教学质量诊断与改进提供支持。
本文以上海信息技术学校教学诊断与改进工作为背景，将人工智能技术应用于教学工作诊断与改进方面，改变传统教学监测与评价的模式，克服了海量教学视频图像数据难以长期保存和分析利用的缺陷，在研究“互联网 ”、物联网、大数据、云计算和人工智能领域新技术的基础上，全面分析教学工作诊断与改进关键要素，围绕提高课堂教学质量这一核心目标，在学校原有标准化考场视频监控系统的基础上，接入智能识别系统。
智能識别系统能对课堂教学全员、全过程、全方位视频状态数据进行分类识别与存储，利用计算机人工智能深度学习技术，创建课堂教学师生行为模型，形成学生行为大数据，借助可视化分析方法进行教学数据决策分析，构建起教学诊断仪表盘、质量改进驾驶舱，以数据驱动管理为载体，为学校持续改善办学条件、完善保证体系、健全运行机制、规范教学管理、优化专业结构、提升师生素养提供全过程、全方位和全员性的教学诊断与改进的决策数据支持，有利于促进教学工作健康发展。
2 教学体征状态信息的需求
教学体征主要是指课堂教学中学生生理以及行为的状态、特征与动作。对课堂中学生的教学体征数据进行适当合理的收集，进而对课堂学生的教学体征数据进行建模分析，以便于更好地进行教学诊断。其中，胡庆芳对课堂教学诊断的实践流程进行了改进，提出“发现问题—诊断原因—实践改进”的诊断步骤[5]。黄厚江对课堂教学诊断的基本流程进行了详细阐述，提出“课堂考查—教学分析—矫正建议—时间改进”四步诊断流程[6]。可见，教学诊断第一步要做的是发现、观察课堂已有的问题，这就需要收集各方面的数据信息和分析各方面信息数据，而学生的教学特征正是其中的关键内容，需要对学生课堂教学体征数据加以收集、分析。学生课堂教学体征数据主要包括学生课堂缺勤率、课堂睡觉、课堂随意走动以及后排聚集等方面，通过对这些数据的分析和处理，能够对教师和教学管理者提供决策支持。
教师根据教学体征状态信息，主要用于课堂教学诊断和自身的教学反思。在支持课堂教学诊断方面，对课堂教学的学生出勤、课堂纪律、师生互动、学生听讲等状态数据进行全员、全景和全过程的实时动态采集，通过分析这些数据来反映课堂教学的组织实施状态，并为进一步分析课堂教学效果提供基础；在支持教师的自我教学反思方面，主要是通过定期对教师授课班级学生的课堂教学体征状态信息进行分析，反映教师课堂教学组织实施的能力，为教师的自我监督与提高提供数据支持。 学校管理者则根据教学体征状态信息，主要用于教师、系和学校不同层面的教学质量诊断和对于课堂教学异常进行识别。在支持教学质量诊断方面，通过对班级学生的课堂教学体征状态数据进行存储和统计分析，能够反映教师、系和学校层面的教学质量水平，有效地监控教学过程，确保课堂教学有序进行；课堂教学过程如果出现异常，则需要提供实时报警提示，教学监测部门能及时处置，实现教学工作事前监测与处置。
3 教学体征状态系统分析与设计
教学体征状态系统业务分析 图1为教学体征状态系统的业务流程图，分析了系统内各数据流之间的业务关系、作业顺序和信息的流向。系统业务基本分为三个部分。
1）原始体征信息的采集与分析，首先是采集视频数据，接着按照系统作业顺序经过定义行为模型、标注训练数据、产生识别模型、实时分析视频，产生初步数据，从而产生关于原始体征信息。
2）外部数据的生成。一般分别采集教室信息数据、教师信息数据、班级信息数据汇总生成外部信息数据，从而为后续的综合分析提供原始数据。
3）原始体征信息结合外部数据信息生成体征记录以及分析处理，此部分将采集来的原始体征信息与外部数据经过算法处理，采用人工智能等技术分析处理生成体征记录，并根据需要对数据进行分析和报表处理，可以实现显示实时分析信息、产生时间段报表、体征记录以及时间段体征报表。
教学体征状态系统功能设计 系统功能则可以结合系统信息需求与系统业务分析得出系统的功能设计。如图2所示，整体系统功能设计主要分为四个功能子系统，分别为数据交互子系统、体征采集子系统、体征分析子系统、权限管理子系统。
1）数据交互子系统主要实现外部数据的导入功能，可将外部的数据按照一定的格式批量化导入系统，包含三个功能，分别是教师数据导入功能、教室数据导入功能与课程数据导入功能。
2）体征采集子系统实现体征状态信息的采集功能，可将视频采集而来的数据通过建模以及识别分析产生原始的体征信息，包含四个功能，分别是模型输入功能、训练模型功能、行为识别功能以及实时图像查看功能。
3）体征分析子系统主要实现结合外部数据对原始体征状态信息的处理和分析功能，包含三个功能，分别是体征记录查询功能、教师分析功能、班级分析功能。
4）权限管理子系统主要实现对系统用户的权限分配与用户管理功能，包含两个功能，分别是模块权限管理与用户管理。
教学体征状态系统实现关键技术
1）系统实现技术方案。学生课堂体征智能诊断系统是一套基于人工智能的无侵入式校园全方位视频智能识别分析软件，能针对课堂教学存在的异常现象，通过网络摄像监控，利用人工智能的深度学习技术，对课堂教学进行全员、全景、全过程实时监控、数据采集、自动预警、智能分析，构成课堂教学体征大数据与决策分析平台。在系统业务分析的基础上，继续将整体系统分为元数据采集部分、大数据抽取转换部分、数据仓库部分、大数据存储部分、数据集群部分、大数据分析部分和应用部分。每个部分对应实现不同的功能，从而组成整个教学体征状态系统，总体解决方案框架如图3所示。
2）视频大数据处理。学校监控录像视频数据更是可以用海量来形容。然而大量的视频数据难以长期保存，且无法得到有效应用，主要原因是视频数据为非结构化数据，无法进行分类、索引，其存储与分析需要大量时间和经济成本。大数据时代对人类的数据驾驭能力提出新的挑战与机遇。该系统采用多种并行计算技术，集群化计算方式，具有海量实时数据的快速分析能力，根据应用需要进行线性扩展，支持海量视频摄像头的接入，能对实时视频图像数据进行分析、分类存储，支持更好的数据挖掘和分析利用，能对教学不良状态起到提前预警的作用。系统在视频数据录入的同时，自动对视频中的目标信息进行格式归一化与智能预处理分析，对视频进行快速处理，提取视频中关键目标的相关信息作为智能元数据保存至数据库中，在之后的相关操作、状态举证等智能检索时，就不用再做复杂的解码以及智能分析的工作，而是直接从智能元数据中提取，极大地提高了工作效率。同时提供对事件的统计与查询功能，可极快地定位有效视频位置。
为了支持多机、多核的现代计算机结构，系统采用分布式架构，同时，每个服务器上运行多个功能与作用都不同的进程，最大限度利用CPU多核并發性能。同时采用多进程与多线程技术，分析核心程序使用的是多进程结构，其内部亦采用多线程技术。该系统的视频分析核心软件实时、不间断地采集摄像头的图像，并判断是否需要发送警告。
3）背景建模方法。采用背景建模作为对视频图像中运动目标进行分析的基本分析方法。一旦背景模型建立，将当前的图像与背景模型进行某种比较，根据比较结果确定前景目标，再对前景进行识别处理。背景建模方法流程如图4所示。首先进行背景建模，具体是将训练视频输入给背景建模算法，让其进行深度学习，从而提取这个视频序列中的背景特征，以建立一个数学模型来描述这个背景。分析阶段，用背景模型对需要分析的视频序列进行处理，一般采用背景相减法，提取出当前图像中与背景模型中性质不同的像素点，这些像素点组成的图像是运动前景。
4 教学体征状态系统主要功能实现
教学体征状态系统结合最前沿的智能视觉分析技术与模式识别技术，能够通过纯视频的方式，在远程分析中心对异地的多个视频数据采集区域内发生的各类学生异常行为进行智能行为分析，如上课睡觉、随意走动、后排聚集等，及时进行检测与报警，将教学异常行为的分析与发现由“事后”转为“实时”；还可以通过异常抓拍，分析潜在的威胁，实现提前预警通知。教学体征状态系统实现的主界面如图5所示。
系统管理 系统管理功能主要包括用户管理、组织管理、角色管理、权限管理和数据字典五部分，其中，用户管理和组织管理是系统管理的基础，为系统提供组织和用户基础信息，对外提供接口，方便其他模块调用；角色管理和权限管理是系统权限管理的组成，由角色关联权限，给用户分配角色，即可使用户具有相应的权限，对外提供接口，使其他模块可以方便地查询用户权限的相关情况；数据字典是系统公用数据信息，以接口形式提供给其他模块调用，如性别、报警类型等，为系统提供公用信息管理，方便统一修改变更。 主要功能 教学体征状态系统能够实现对课堂教学状态进行精准诊断与分析，其主要功能包括三个方面。
1）出勤人数的智能统计。系统采用基于矩阵低秩稀疏分解的双背景模型，综合利用帧间差分与低秩稀疏分解预判与运动区域，根据当前视频帧像素与预判的运动区域的位置关系，运用不同的参数更新背景模型，然后利用背景差分法获取运动的目标前景区域，最后对获取的目标区域进行二值化、形态学处理连通区域预判等一系列操作，以消除噪声影响来实现初步学生图像提取。此后采用深度学习，采集教室视频数据，通过大数据分析建立学生出勤模型，实现教室课堂出勤人数的统计。
2）监测课堂教学基本状态。通过对采集的视频数据进行分析，获得学生在教室里的正常听课、睡觉、随意走动和后排聚集等行为的视频数据；根据这些数据产生可用于识别的行为模型，进行数据挖掘与统计分析，用于诊断课堂教学的基本教学体征。使用可视化方法，对出勤、正常、睡觉、随意走动和后排聚集等行为进行综合排名，为教学诊断提供基础大数据支持。
3）教学状态数据交换。依据教育部发布的《关于中等职业学校人才培养工作状态数据采集试行工作的通知》（教职成司函〔2016〕139号）[7]要求，按照“中等职业学校人才培养工作状态数据采集与管理平台数据结构”和五纵五横的总体目标，对基础状态数据进行挖掘和清洗，建立人才培养工作大数据中心，为教学体征智能诊断分析系统提供数据交换。
展示与报警管理 展示与报警管理功能主要包括视频矩阵、图像报警和语音报警。视频矩阵主要功能是将视频画面以矩阵的形式展现给用户，用户可以选择1×1、2×2、3×3、4×4、5×5等不同的矩阵规则查看，并且可以对单个摄像头进行控制查看操作。图像报警是当智能分析服务器分析出不良行为报警时，相应的视频上会在报警区域进行标识，能够清晰地提示哪个摄像头的相关区域出现问题。语音报警是当智能分析服务器分析出报警情况时，展示与报警会根据报警类型进行语音提示。报警之后，所有的报警信息就可以跟报警管理功能对接，实现报警处置。
5 教学体征状态系統的决策应用
教学体征状态系统借助视频分析技术对授课教师和学生的教学状况进行识别与统计，也可针对授课教师和班级学生在指定时间段（如该学期、上月、上周）的教学体征（如出勤率、正常听讲、缺课率、课堂睡觉、随意走动和后排聚集）进行可视化分析，通过数据的深度挖掘与分析处理，形成课堂教师教学和学生学习的质量报告，作为授课教师和班主任改进教学与管理的依据。
学生上课出勤行为诊断 优秀的教风、学风是确保和提高学校教育教学质量的重要条件，而学生课堂出勤率是衡量教风、学风的重要数据。教学体征状态诊断系统的初步应用，表明能对学生上课出勤情况做出精准诊断，减轻教师人工考勤工作量，避免了传统的RFID一卡通考勤、指纹考勤和人脸考勤存在的缺陷。教师也可借助可视化数据的决策分析，查找出勤率较低的根源，为改进策略提供精准的数据支持。
随意走动行为诊断 随意走动行为诊断是指通过采集课堂上教学状态视频数据，分析课堂教学秩序。如果课堂上出现比较多的学生随意走动情况，说明课堂教学秩序比较混乱，教师管教、管导职责落实不够到位，课堂纪律管控失常，是衡量教师教学质量的关键因素。教学体征状态诊断系统的应用能够识别课堂上随意走动的情况，提示给教学管理人员，实现对可能产生的违规行为进行预警。
正常和异常行为诊断 正常行为诊断是指通过采集课堂教学状态视频数据，分析学生听讲时的专注情况。学生睡觉行为诊断是通过采集课堂教学状态视频数据，分析学生听讲情况。如果教师的授课风格生动幽默，教学内容吸引学生，让学生感兴趣，这种情况下学生就不会睡觉。这些状态数据都是衡量教师教学质量的关键因素，而教学体征状态诊断系统的应用能够实现正常和异常行为分析。
后排聚集行为诊断 后排聚集行为诊断是通过采集课堂上教学状态视频数据，分析课堂教学秩序和课外的学生活动秩序。如果教室内出现后排聚集甚至打架的情况，那么说明课堂教学秩序特别混乱，甚至极有可能出现打架事件，可实现学生违纪的提前预警。而教学体征状态诊断系统的应用能够准确识别这种行为的发生。
6 总结
学校教师、教研人员与管理人员可以通过教学体征状态系统进行有效的教学诊断，大大提高诊断效率和质量。面向精准诊断的教学体征状态系统经过分析、开发与应用，已经在上海信息技术学校部署实施，并取得初步的应用成效。利用“互联网 ”、云计算、物联网、大数据、人工智能技术等新兴技术，为职业教育乃至各类教育提供更好的教学诊断以及其他有助于教育事业的服务，不仅有助于我国教育技术的提高，也有助于我国教育事业水平的提高。
参考文献
[1]陈宝生.努力办好人民满意的教育[N].人民日报，2017-09-08（07）.
[2]教育部关于深化职业教育教学改革全面提高人才培养质量的若干意见[DB/OL].[2016-04-07].http：//www.moe.gov.cn/srcsite/A07/moe_953/201508/t20150817_200583.html.
[3]关于做好中等职业学校教学诊断与改进工作的通知[DB/OL].[2015-07-29].http：//www.moe.gov.cn/s78/A07/A07_gggs/A07_sjhj/201604/t20160408_237263.html.
[4]国务院关于印发新一代人工智能发展规划的通知[DB/OL].[2017-07-20].http：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.
[5]胡庆芳.课堂教学诊断改进系统的重建[J].思想理论教育，2009（4）：41-47.
[6]黄厚江.语文课堂教学诊断[M].南京：江苏教育出版社，2011.
[7]关于中等职业学校人才培养工作状态数据采集试行工作的通知[DB/OL].[2016-10-13].http：//www.moe.edu.cn/s78/A07/A07_gggs/A07_sjhj/201610/t20161014_284821.html.
关键词 教学诊断；教学体征状态系统；职业院校；人工智能
中图分类号：G712 文献标识码：B
文章编号：1671-489X（2018）22-0061-05
Abstract The effective monitoring of teaching signs status is the ba-sis for the diagnosis and improvement of teaching quality in voca-tional colleges， and is also the main method to improve the quality ofclassroom teaching for teachers. Taking Shanghai Information Tech-nology College for an example， the state system of teaching signs forprecision diagnosis is designed and developed. Through the prelimi-nary application， it shows that the system can classify and analyze the status data of teacher-student， whole process， and all-around au-dio and video in classroom teaching， big data of students on partici-pation in learning is formulated， and diagnostic dashboard for tea-ching is constructed. All these can provide decision-making support for the improvement of teaching quality.
Key words teaching diagnosis； sign status； teaching sign status sys-tem； vocational colleges
1 引言
教育部部长陈宝生在《努力办好人民满意教育》[1]中提出，要把质量作为教育的生命线，坚持回归常识、回归本分、回归初心、回归梦想，深化基础教育人才培养模式改革，掀起“课堂革命”。根据教育部发布的《关于深化职业教育教学改革，全面提高人才培养质量的若干意见》[2]和《关于做好中等职业学校教学诊断与改进工作的通知》[3]
的要求，以提高人才培养质量为根本，以促进学校自主发展、内涵发展为宗旨，坚持“需求导向、自我保证，多元诊断、重在改进”的工作方针，进一步聚焦课堂、规范管理，完善课程实施条件，构建全员、全程、全方位的内部教学质量诊断与改进制度体系和运行机制。
2017年7月8日，国务院发布《新一代人工智能发展规划》[4]，人工智能（AI）上升为国家发展战略。人工智能的迅速发展将深刻改变人类社会生活、改变世界，人工智能将成为经济与社会发展的新引擎。随着人工智能相继给消费电子、电子商务、媒体、交通和医疗等行业领域带来改变，其同样会给教育行业带来颠覆性的创新，能够为职业院校的教学质量诊断与改进提供支持。
本文以上海信息技术学校教学诊断与改进工作为背景，将人工智能技术应用于教学工作诊断与改进方面，改变传统教学监测与评价的模式，克服了海量教学视频图像数据难以长期保存和分析利用的缺陷，在研究“互联网 ”、物联网、大数据、云计算和人工智能领域新技术的基础上，全面分析教学工作诊断与改进关键要素，围绕提高课堂教学质量这一核心目标，在学校原有标准化考场视频监控系统的基础上，接入智能识别系统。
智能識别系统能对课堂教学全员、全过程、全方位视频状态数据进行分类识别与存储，利用计算机人工智能深度学习技术，创建课堂教学师生行为模型，形成学生行为大数据，借助可视化分析方法进行教学数据决策分析，构建起教学诊断仪表盘、质量改进驾驶舱，以数据驱动管理为载体，为学校持续改善办学条件、完善保证体系、健全运行机制、规范教学管理、优化专业结构、提升师生素养提供全过程、全方位和全员性的教学诊断与改进的决策数据支持，有利于促进教学工作健康发展。
2 教学体征状态信息的需求
教学体征主要是指课堂教学中学生生理以及行为的状态、特征与动作。对课堂中学生的教学体征数据进行适当合理的收集，进而对课堂学生的教学体征数据进行建模分析，以便于更好地进行教学诊断。其中，胡庆芳对课堂教学诊断的实践流程进行了改进，提出“发现问题—诊断原因—实践改进”的诊断步骤[5]。黄厚江对课堂教学诊断的基本流程进行了详细阐述，提出“课堂考查—教学分析—矫正建议—时间改进”四步诊断流程[6]。可见，教学诊断第一步要做的是发现、观察课堂已有的问题，这就需要收集各方面的数据信息和分析各方面信息数据，而学生的教学特征正是其中的关键内容，需要对学生课堂教学体征数据加以收集、分析。学生课堂教学体征数据主要包括学生课堂缺勤率、课堂睡觉、课堂随意走动以及后排聚集等方面，通过对这些数据的分析和处理，能够对教师和教学管理者提供决策支持。
教师根据教学体征状态信息，主要用于课堂教学诊断和自身的教学反思。在支持课堂教学诊断方面，对课堂教学的学生出勤、课堂纪律、师生互动、学生听讲等状态数据进行全员、全景和全过程的实时动态采集，通过分析这些数据来反映课堂教学的组织实施状态，并为进一步分析课堂教学效果提供基础；在支持教师的自我教学反思方面，主要是通过定期对教师授课班级学生的课堂教学体征状态信息进行分析，反映教师课堂教学组织实施的能力，为教师的自我监督与提高提供数据支持。 学校管理者则根据教学体征状态信息，主要用于教师、系和学校不同层面的教学质量诊断和对于课堂教学异常进行识别。在支持教学质量诊断方面，通过对班级学生的课堂教学体征状态数据进行存储和统计分析，能够反映教师、系和学校层面的教学质量水平，有效地监控教学过程，确保课堂教学有序进行；课堂教学过程如果出现异常，则需要提供实时报警提示，教学监测部门能及时处置，实现教学工作事前监测与处置。
3 教学体征状态系统分析与设计
教学体征状态系统业务分析 图1为教学体征状态系统的业务流程图，分析了系统内各数据流之间的业务关系、作业顺序和信息的流向。系统业务基本分为三个部分。
1）原始体征信息的采集与分析，首先是采集视频数据，接着按照系统作业顺序经过定义行为模型、标注训练数据、产生识别模型、实时分析视频，产生初步数据，从而产生关于原始体征信息。
2）外部数据的生成。一般分别采集教室信息数据、教师信息数据、班级信息数据汇总生成外部信息数据，从而为后续的综合分析提供原始数据。
3）原始体征信息结合外部数据信息生成体征记录以及分析处理，此部分将采集来的原始体征信息与外部数据经过算法处理，采用人工智能等技术分析处理生成体征记录，并根据需要对数据进行分析和报表处理，可以实现显示实时分析信息、产生时间段报表、体征记录以及时间段体征报表。
教学体征状态系统功能设计 系统功能则可以结合系统信息需求与系统业务分析得出系统的功能设计。如图2所示，整体系统功能设计主要分为四个功能子系统，分别为数据交互子系统、体征采集子系统、体征分析子系统、权限管理子系统。
1）数据交互子系统主要实现外部数据的导入功能，可将外部的数据按照一定的格式批量化导入系统，包含三个功能，分别是教师数据导入功能、教室数据导入功能与课程数据导入功能。
2）体征采集子系统实现体征状态信息的采集功能，可将视频采集而来的数据通过建模以及识别分析产生原始的体征信息，包含四个功能，分别是模型输入功能、训练模型功能、行为识别功能以及实时图像查看功能。
3）体征分析子系统主要实现结合外部数据对原始体征状态信息的处理和分析功能，包含三个功能，分别是体征记录查询功能、教师分析功能、班级分析功能。
4）权限管理子系统主要实现对系统用户的权限分配与用户管理功能，包含两个功能，分别是模块权限管理与用户管理。
教学体征状态系统实现关键技术
1）系统实现技术方案。学生课堂体征智能诊断系统是一套基于人工智能的无侵入式校园全方位视频智能识别分析软件，能针对课堂教学存在的异常现象，通过网络摄像监控，利用人工智能的深度学习技术，对课堂教学进行全员、全景、全过程实时监控、数据采集、自动预警、智能分析，构成课堂教学体征大数据与决策分析平台。在系统业务分析的基础上，继续将整体系统分为元数据采集部分、大数据抽取转换部分、数据仓库部分、大数据存储部分、数据集群部分、大数据分析部分和应用部分。每个部分对应实现不同的功能，从而组成整个教学体征状态系统，总体解决方案框架如图3所示。
2）视频大数据处理。学校监控录像视频数据更是可以用海量来形容。然而大量的视频数据难以长期保存，且无法得到有效应用，主要原因是视频数据为非结构化数据，无法进行分类、索引，其存储与分析需要大量时间和经济成本。大数据时代对人类的数据驾驭能力提出新的挑战与机遇。该系统采用多种并行计算技术，集群化计算方式，具有海量实时数据的快速分析能力，根据应用需要进行线性扩展，支持海量视频摄像头的接入，能对实时视频图像数据进行分析、分类存储，支持更好的数据挖掘和分析利用，能对教学不良状态起到提前预警的作用。系统在视频数据录入的同时，自动对视频中的目标信息进行格式归一化与智能预处理分析，对视频进行快速处理，提取视频中关键目标的相关信息作为智能元数据保存至数据库中，在之后的相关操作、状态举证等智能检索时，就不用再做复杂的解码以及智能分析的工作，而是直接从智能元数据中提取，极大地提高了工作效率。同时提供对事件的统计与查询功能，可极快地定位有效视频位置。
为了支持多机、多核的现代计算机结构，系统采用分布式架构，同时，每个服务器上运行多个功能与作用都不同的进程，最大限度利用CPU多核并發性能。同时采用多进程与多线程技术，分析核心程序使用的是多进程结构，其内部亦采用多线程技术。该系统的视频分析核心软件实时、不间断地采集摄像头的图像，并判断是否需要发送警告。
3）背景建模方法。采用背景建模作为对视频图像中运动目标进行分析的基本分析方法。一旦背景模型建立，将当前的图像与背景模型进行某种比较，根据比较结果确定前景目标，再对前景进行识别处理。背景建模方法流程如图4所示。首先进行背景建模，具体是将训练视频输入给背景建模算法，让其进行深度学习，从而提取这个视频序列中的背景特征，以建立一个数学模型来描述这个背景。分析阶段，用背景模型对需要分析的视频序列进行处理，一般采用背景相减法，提取出当前图像中与背景模型中性质不同的像素点，这些像素点组成的图像是运动前景。
4 教学体征状态系统主要功能实现
教学体征状态系统结合最前沿的智能视觉分析技术与模式识别技术，能够通过纯视频的方式，在远程分析中心对异地的多个视频数据采集区域内发生的各类学生异常行为进行智能行为分析，如上课睡觉、随意走动、后排聚集等，及时进行检测与报警，将教学异常行为的分析与发现由“事后”转为“实时”；还可以通过异常抓拍，分析潜在的威胁，实现提前预警通知。教学体征状态系统实现的主界面如图5所示。
系统管理 系统管理功能主要包括用户管理、组织管理、角色管理、权限管理和数据字典五部分，其中，用户管理和组织管理是系统管理的基础，为系统提供组织和用户基础信息，对外提供接口，方便其他模块调用；角色管理和权限管理是系统权限管理的组成，由角色关联权限，给用户分配角色，即可使用户具有相应的权限，对外提供接口，使其他模块可以方便地查询用户权限的相关情况；数据字典是系统公用数据信息，以接口形式提供给其他模块调用，如性别、报警类型等，为系统提供公用信息管理，方便统一修改变更。 主要功能 教学体征状态系统能够实现对课堂教学状态进行精准诊断与分析，其主要功能包括三个方面。
1）出勤人数的智能统计。系统采用基于矩阵低秩稀疏分解的双背景模型，综合利用帧间差分与低秩稀疏分解预判与运动区域，根据当前视频帧像素与预判的运动区域的位置关系，运用不同的参数更新背景模型，然后利用背景差分法获取运动的目标前景区域，最后对获取的目标区域进行二值化、形态学处理连通区域预判等一系列操作，以消除噪声影响来实现初步学生图像提取。此后采用深度学习，采集教室视频数据，通过大数据分析建立学生出勤模型，实现教室课堂出勤人数的统计。
2）监测课堂教学基本状态。通过对采集的视频数据进行分析，获得学生在教室里的正常听课、睡觉、随意走动和后排聚集等行为的视频数据；根据这些数据产生可用于识别的行为模型，进行数据挖掘与统计分析，用于诊断课堂教学的基本教学体征。使用可视化方法，对出勤、正常、睡觉、随意走动和后排聚集等行为进行综合排名，为教学诊断提供基础大数据支持。
3）教学状态数据交换。依据教育部发布的《关于中等职业学校人才培养工作状态数据采集试行工作的通知》（教职成司函〔2016〕139号）[7]要求，按照“中等职业学校人才培养工作状态数据采集与管理平台数据结构”和五纵五横的总体目标，对基础状态数据进行挖掘和清洗，建立人才培养工作大数据中心，为教学体征智能诊断分析系统提供数据交换。
展示与报警管理 展示与报警管理功能主要包括视频矩阵、图像报警和语音报警。视频矩阵主要功能是将视频画面以矩阵的形式展现给用户，用户可以选择1×1、2×2、3×3、4×4、5×5等不同的矩阵规则查看，并且可以对单个摄像头进行控制查看操作。图像报警是当智能分析服务器分析出不良行为报警时，相应的视频上会在报警区域进行标识，能够清晰地提示哪个摄像头的相关区域出现问题。语音报警是当智能分析服务器分析出报警情况时，展示与报警会根据报警类型进行语音提示。报警之后，所有的报警信息就可以跟报警管理功能对接，实现报警处置。
5 教学体征状态系統的决策应用
教学体征状态系统借助视频分析技术对授课教师和学生的教学状况进行识别与统计，也可针对授课教师和班级学生在指定时间段（如该学期、上月、上周）的教学体征（如出勤率、正常听讲、缺课率、课堂睡觉、随意走动和后排聚集）进行可视化分析，通过数据的深度挖掘与分析处理，形成课堂教师教学和学生学习的质量报告，作为授课教师和班主任改进教学与管理的依据。
学生上课出勤行为诊断 优秀的教风、学风是确保和提高学校教育教学质量的重要条件，而学生课堂出勤率是衡量教风、学风的重要数据。教学体征状态诊断系统的初步应用，表明能对学生上课出勤情况做出精准诊断，减轻教师人工考勤工作量，避免了传统的RFID一卡通考勤、指纹考勤和人脸考勤存在的缺陷。教师也可借助可视化数据的决策分析，查找出勤率较低的根源，为改进策略提供精准的数据支持。
随意走动行为诊断 随意走动行为诊断是指通过采集课堂上教学状态视频数据，分析课堂教学秩序。如果课堂上出现比较多的学生随意走动情况，说明课堂教学秩序比较混乱，教师管教、管导职责落实不够到位，课堂纪律管控失常，是衡量教师教学质量的关键因素。教学体征状态诊断系统的应用能够识别课堂上随意走动的情况，提示给教学管理人员，实现对可能产生的违规行为进行预警。
正常和异常行为诊断 正常行为诊断是指通过采集课堂教学状态视频数据，分析学生听讲时的专注情况。学生睡觉行为诊断是通过采集课堂教学状态视频数据，分析学生听讲情况。如果教师的授课风格生动幽默，教学内容吸引学生，让学生感兴趣，这种情况下学生就不会睡觉。这些状态数据都是衡量教师教学质量的关键因素，而教学体征状态诊断系统的应用能够实现正常和异常行为分析。
后排聚集行为诊断 后排聚集行为诊断是通过采集课堂上教学状态视频数据，分析课堂教学秩序和课外的学生活动秩序。如果教室内出现后排聚集甚至打架的情况，那么说明课堂教学秩序特别混乱，甚至极有可能出现打架事件，可实现学生违纪的提前预警。而教学体征状态诊断系统的应用能够准确识别这种行为的发生。
6 总结
学校教师、教研人员与管理人员可以通过教学体征状态系统进行有效的教学诊断，大大提高诊断效率和质量。面向精准诊断的教学体征状态系统经过分析、开发与应用，已经在上海信息技术学校部署实施，并取得初步的应用成效。利用“互联网 ”、云计算、物联网、大数据、人工智能技术等新兴技术，为职业教育乃至各类教育提供更好的教学诊断以及其他有助于教育事业的服务，不仅有助于我国教育技术的提高，也有助于我国教育事业水平的提高。
参考文献
[1]陈宝生.努力办好人民满意的教育[N].人民日报，2017-09-08（07）.
[2]教育部关于深化职业教育教学改革全面提高人才培养质量的若干意见[DB/OL].[2016-04-07].http：//www.moe.gov.cn/srcsite/A07/moe_953/201508/t20150817_200583.html.
[3]关于做好中等职业学校教学诊断与改进工作的通知[DB/OL].[2015-07-29].http：//www.moe.gov.cn/s78/A07/A07_gggs/A07_sjhj/201604/t20160408_237263.html.
[4]国务院关于印发新一代人工智能发展规划的通知[DB/OL].[2017-07-20].http：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.
[5]胡庆芳.课堂教学诊断改进系统的重建[J].思想理论教育，2009（4）：41-47.
[6]黄厚江.语文课堂教学诊断[M].南京：江苏教育出版社，2011.
[7]关于中等职业学校人才培养工作状态数据采集试行工作的通知[DB/OL].[2016-10-13].http：//www.moe.edu.cn/s78/A07/A07_gggs/A07_sjhj/201610/t20161014_284821.html.