As medidas específicas para a pesquisa sobre análise inteligente de dados multimodais para potencializar a reforma e a prática do modo de ensino universitário são as seguintes: Para garantir a realização dos objetivos da pesquisa, este projeto se concentrará em três níveis principais: "construção da base de dados, pesquisa de métodos de análise e ciclo fechado da prática de ensino", que correspondem, respectivamente, à solução do problema da caixa preta da avaliação do ensino, do problema do dado dormente do ensino e do problema do ciclo aberto da otimização do ensino. A estrutura geral da pesquisa é mostrada na Figura 1, e as medidas específicas para a implementação passo a passo incluem: (1) Construir uma base de dados de ensino multimodal unificada e padronizada. Primeiro, nos concentraremos em abrir e gerenciar os dados dispersos em salas de aula inteligentes. A tarefa principal é formular e implementar a "Especificação de Governança de Dados Multimodais de Ensino e Segurança da Privacidade" para limpar, desensibilizar e alinhar espaço-temporalmente os dados originais, como vídeos de sala de aula, áudios, materiais didáticos e textos interativos. Com base nisso, contando com a tecnologia de data lake warehouse, construiremos um banco de dados temático de ensino padronizado e compartilhável com segurança. Este banco de dados não apenas realiza o armazenamento centralizado e o gerenciamento eficiente de dados, mas também garante que todas as aplicações de dados sejam realizadas dentro da estrutura de conformidade por meio de protocolos rígidos de segurança de dados, fornecendo uma base de dados sólida e confiável para análises inteligentes subsequentes. (2) Desenvolver ferramentas de análise inteligente que se integrem profundamente com as teorias educacionais. O foco desta etapa é transformar a tecnologia de ponta da informação em ferramentas analíticas com poder explicativo educacional. Introduziremos sistematicamente modelos nas áreas de visão computacional e processamento de linguagem natural, e os adaptaremos profundamente e os aplicaremos de forma inovadora a cenários educacionais. Os detalhes incluem: ① Análise dinâmica do comportamento de ensino: Indo além das simples estatísticas de "taxa de cabeça erguida", usando a tecnologia de reconhecimento de pose para analisar as mudanças dinâmicas dos padrões de comportamento do grupo de alunos (como ouvir, escrever e colaborar) sob eventos de ensino específicos (como discussões em grupo e perguntas do professor), e visualizar a trajetória de movimento em sala de aula do professor e o alcance da interação. ② Avaliação do nível cognitivo da sala de aula: Aplicar a tecnologia de processamento de linguagem natural para analisar profundamente o texto transcrito do diálogo professor-aluno para realizar a identificação automatizada do nível cognitivo das perguntas e a construção do mapa da estrutura lógica das discussões em sala de aula, de modo a avaliar quantitativamente a profundidade e a qualidade do pensamento nos diálogos em sala de aula. O resultado final será refletido em um conjunto de painéis de visualização interativos incorporados ao processo de ensino, fornecendo aos professores "relatórios de análise do ensino em sala de aula" intuitivos e fáceis de entender para ajudá-los a refletir sobre seu ensino. (3) Realizar iteração de ciclo fechado da prática de ensino baseada em dados e verificação de efeitos. Para promover a transformação eficaz dos resultados analíticos em produtividade de ensino, formaremos uma "comunidade de pesquisa-prática" com professores da linha de frente e realizaremos pesquisas empíricas usando métodos de pesquisa-ação. Ao selecionar cursos típicos em cursos de engenharia, trabalharemos com professores cooperativos para estabelecer conjuntamente um ciclo fechado iterativo de "feedback de dados - intervenção de ensino - avaliação de efeitos". Forneceremos regularmente aos professores relatórios de análise de dados e organizaremos seminários conjuntos para interpretar dados, diagnosticar problemas de ensino e projetar e implementar estratégias precisas de intervenção de ensino (como otimizar o design de perguntas e ajustar os métodos de interação). Ao comparar sistematicamente os dados do processo (indicadores comportamentais e cognitivos), os dados de resultado (desempenho acadêmico) e o feedback subjetivo (pesquisas e reflexões de professores e alunos) antes e depois da intervenção, verificaremos de forma abrangente o efeito real da melhoria do ensino orientada pela análise de dados e otimizaremos continuamente o modelo e o método de análise na iteração. Através das medidas acima
A implantação e manutenção automatizadas são fundamentais pa...