Q博士将从常态化录播面临的挑战、AI升级录播的关键技术、AI升级录播的4个方面，阐述AI如何升级常态化录播，为教育工作者提供参考。
本文内容思维导图
常态化录播面临的挑战
课堂录播为整堂课的视频录制和播放提供支持，但面对数据驱动教学教研的需求，常态化录播存在以下2点局限：
1、回顾课堂视频费时费力
2、缺少数据作为教研依据
AI升级常态化录播的关键技术
1、基础教育知识图谱
知识图谱一般分成通用知识图谱和领域知识图谱，基础教育知识图谱属于领域知识图谱。基础教育知识图谱的构建有准确性、全学科、全覆盖、可用性四个方面的要求。
*我们科技与.知识工程实验室合作，目前已有大规模基础教育知识图谱1000多个概念类、160万多实例、2200万条三元组，覆盖1300本教材教辅的电子资源，100011本课外的电子书资源。
2、专注力分析
专注力可以反映出学生是否进入学习状态。传统课堂，老师通过提高音量、增加互动、改进内容等方式提高学生的专注力，但由于教学任务重、班级人数多、精力有限，老师无法细致地了解每位学生每堂课的专注力情况。
伴随式采集课堂教学视频后（不干扰课堂教学），通过头部姿态估计技术，推断出学生头部在三维空间的姿态参数，建立头部三维空间姿态模型，通过头部姿态在不同坐标系之间的相互转换，判断学生群体的头部朝向。
再利用头部姿态追踪人眼的视线方向，对汇总数据进行二次分析，从而计算出学生的社交专注保持力(SAHP,SocialAttentionHoldingPower），这也是目前学习认知领域最先进的分析技术。
→点击了解“课堂专注度”详情
3、情感计算
1997年，MIT（麻省理工）媒体实验室的RosalindPicard教授提出了“情感计算”的概念，她把“情感计算”定义为：针对人类的外在表现，能够进行测量和分析并能对情感施加影响的计算。事实证明，情感计算与认知研究密不可分。
在课堂场景中，利用深度学习算法对课堂教学过程进行分析。通过采集设备获取教学过程的图像序列，利用深度神经网络检测人脸位置区域，进一步识别人脸关键点，根据教学场景的特性进行面部表情识别。然后再结合教学方法论进行深度分析，帮助学校了解教师授课风格及学生情感状态变化，在此基础上进行教学指导，改进教学效果。
AI升级常态化录播的4个方面
1、从人工检索到自动标记
录播完成后，教师通过完整的课堂教学视频回顾教学内容。但是如果教师想要回顾讲到某个知识点时，学生的课堂表现，则需要来回拖动视频进度条，这是一个人工检索信息的过程，视频只完成了记录的工作，为实际使用带来了很大的困难。
利用基础教育知识图谱技术，将整堂课的关键知识点进行自动标记，由计算机代替人工，教师在回顾知识点时就会更加高效。除了标记知识点，课堂专注力、学生情感变化也能直接呈现在视频中。
2、从回顾视频到查看数据
在回顾课堂视频的基础上，利用AI技术为教师和学校管理者提供课堂专注度、师生发言明细、教师的授课模式、学生的情绪变化等数据，能提高教学复盘的效率，从回顾视频到查看数据，为教师成长、教学管理提供数据支持。
3、更有效的教学资源积累
同时，AI技术自动提取板书、整理课堂语音笔记、提取知识点等功能，不仅让课堂教学资源得到有效积累，还可以直观、清晰地反映教师的授课逻辑。
4、量化过程性教学评价
过程性评价也应该从量化与质性两方面进行，AI技术为过程性评价提供了分析框架，可以帮助管理者更好地对课堂录像进行分析与理解，使过程性评价可用、高效。
Q博士有话说
记录之外，为教师和学校管理者提供对视频内容的解读，在教学研究和管理上用客观数据替代主观感受，这是新技术在教育教学领域应用的方向。常态化录播是信息技术走进课堂的敲门砖。接下来，我们期待新技术的应用，能更好的促进“有效教学”，服务于教师专业成长，让教研工作更加轻松有效。