基于深度学习的教师课堂提问分析方法研究

摘要：

课堂提问是教师课堂教学行为的关键组成部分,是师生进行课堂交互的主要方式.对教师课堂提问进行分析,是提升教师课堂教学水平的关键.视频分析法是目前进行课堂提问分析的主要方法.但该方法需要花费大量的时间和人力,导致无法进行大规模应用.近几年,随着人工智能技术的不断成熟,越来越多的领域开始利用人工智能替代人工操作.为使课堂提问分析能够高效、大规模地应用,本研究提出基于深度学习的课堂提问自动分析方法.研究采用卷积神经网络(CNN)及长短时记忆网络(LSTM),对80节课的9090条课堂教师提问文本进行分类.实验结果表明,CNN模型具有更好的分类效果,其在提问内容和提问类型两个维度上的整体准确率分别是85.17％和87.84％.应用该方法训练的模型,可替代传统的视频分析法,能够实现大规模的教师课堂提问话语的自动分析.

关键词：课堂提问;自动分类;深度神经网络;深度学习

所属期刊栏目：42

分类号：G434(电化教育)

资助基金：辽宁省社会科学规划基金"新媒体舆论引导机制与理性社会构建研究"项目编号:L15BXW001

在线出版日期：2021-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：108-114