内容发布更新时间 : 2024/6/18 19:32:46星期一 下面是文章的全部内容请认真阅读。
龙源期刊网 http://www.qikan.com.cn
基于大数据在课堂教学中对学生精准关注的实验研究
作者：郑怡文陈红星白云晖 来源：《现代教育科学》2016年第02期
[摘 要]当前的课堂教学通常是一位教师面对几十名学生开展教学活动，同时做到对所有学生的精准关注有一定难度。随着大数据时代的到来，借助数字媒体技术，通过提取人脸表情和体态特征，再进行数据解读和分析，使对学生实现有效关注成为可能。本文设计了一种学生学习活动状态的识别与跟踪系统，通过对学生坐姿、眼部和声音等状态数据进行采集和处理，从而较准确地解读和判断出学生的学习情况。实验表明该方案是可行及有效的。 [关键词]大数据 课堂教学 学生 精准关注
[中图分类号] G645 [文献标识码] A [文章编号]1005-5843（2016）02-0054-04 [DOI]1013980/jcnkixdjykx201602013 一、前言
在教学活动中教师对学生的关注是非常重要的，这是改善教学效果的一种有效方式。目前的教学现状通常由一个教师面对二三十人，甚至四五十人的学生开展教学活动，如何有效、精准地关注学生的学习状态，如注意力集中、听讲、发言、思考、课堂练习、情绪、身体等情况，对提高教学效率具有重要的意义，而这些状态都可以通过人脸表情和体态特征表现出来。对学生学习状态的数据获取有三种方法：一是基于生理参数的检测，通过对脑电图、眼电图和心电图来获取脑细胞群的活动情况、眼球运动情况和心脏的活动状况，这种方法实施成本较高，难度也较大。二是基于行为的检测，监测学生的到课情况、课堂学习时间、课堂参与讨论发言等学习行为。三是基于图像的检测，通过摄像头或红外装置等外界设备捕获学生实时学习情况的图像，确定学生的学习注意力状况。
本文设计了一种学生学习活动状态的识别与跟踪系统，包括学生坐姿测量系统、眼部识别系统和噪音识别系统，通过对学生在课堂的一些生存状态大数据的获取，可以较准确地解读和分析判断出学生的学习情况，如到课情况、思想集中情况、课堂活跃情况、身体疲倦情况，同时有较高的实时性，使对每个学生实现精准有效的关注成为可能。 二、课堂大数据采集 （一）眼部识别系统
龙源期刊网 http://www.qikan.com.cn
眼部识别系统由图像采集模块、光照预处理模块、人眼定位模块以及人眼状态模块组成。在图像采集模块中，CCD传感器对模拟图像信号进行双采样、暗电平截断、可变增益放大和A/D转换后形成数字图像信号发往FPGA，FPGA将接收到的数字图像信号转换为低压差分信号发往上位机，即完成一次图像采集和发送操作。自然条件下获得的人脸图像总存在一些噪声，比如传感器引起的噪声在图像中经常表现出一些孤立离散形的麻点。为去除这些噪声，可采用中值滤波技术，中值滤波是一种非线性滤波方法，在一定条件下可以克服线性滤波器处理图像细节模糊的问题。中值滤波的基本思想是把局部区域的像素按灰度等级进行排序，取该邻域中灰度的中值作为当前像素的灰度值，它对于干扰脉冲和点状噪声有良好的抑制作用，同时又能较好地保持图像的边缘。另外，在曝光条件不足或过强情况下，图像灰度可能会局限在很小的范围内，造成图像模糊不清。本实验采用非线性灰度变换技术来消除这种影响，以指数函数作为映射函数进行灰度变换：
g（x，y）=a+[SX（]ln[f（x，y）+1]/b[]lnc（式2-1）
这里，f（x，y）是原图像（x，y）位置处的像素灰度值，g（x，y）是变换后的像素灰度值，a、b、c是可调参数，通过变换，图像的低灰度区有了较大扩展而高灰度区得到了压缩，使图像灰度分布较为均匀。
人眼检测模块采用由粗到细的两极定位算法，将眼睛搜索区域分割成若干大小固定的块，对每一块求其复杂度，找出复杂度最大的几块，然后使用一些规则，将这些候选块删除、合并，最终得到人眼位置，算法公式如下：
C（A）=[SX（]1[]S（A）[SX）]ijEdge（A）（式2-2） 其中Edge是边缘检测算子，S（A）表示区域A的面积。
从人脸图像中提取出特征值，关键是二值化处理，即将图像上各点的灰度置为0或255，使整个图像呈现出明显的黑白效果，提取出来的人眼黑色块如图1所示。 图1 人眼黑色块
人眼黑色块的面积大小并不固定，而是随着人眼的闭合状态的改变而变化，结合学生上课情况，在进行大量实验之后，我们把采集到的人眼黑色块主要分为瞪眼（1）、正常用眼（2）、眯眯眼（3）、闭眼（4）四种状态。 （二）拾音系统
本系统选用杭州艾力特KO-280高性能拾音器完成语音采集工作。这款拾音器的震膜是一个电容咪头，具有拾音范围大、灵敏度高、频率范围大（20～20KHz）等特点。内置DSP数字降噪、AGC自动增益控制等高速信号处理电路，有效防止语音信号失真及衰减；自适应动态降噪处理，内置高速处理器，采用美国BOURNS专用电位器，音量调节可靠性高、准确度
龙源期刊网 http://www.qikan.com.cn
大，并且内置雷击保护、电源极性反接保护和静电保护。由于其卓越的性能，被广泛应用于教室同步录系统、会议录播系统和审讯室（见图2）。 语音信号→AD转化模块PC
语音的传输工作主要包含以下两部分：（1）由拾音器把课堂学生的语音信号转变为模拟的音频信号，送到音频功率放大器进行放大，再由音响把声音还原出来；（2）把电脑的音频信号从声卡Line Out口引出，由中控音频输出至放大路线，混合输入Aux In，经功率放大，推动音响工作把声音还原出来。其中，前置反馈器高质量可调式全频带均衡器，可进行拾音器音量调节、线路音量的独立调节；配置的RS232通信接口，实现在中控面板上进行音量调节，满足不同音质需求。 （三）学生坐姿测量系统
采用Tekscan公司的体压测量系统完成学生坐姿测量工作。该系统包括基于PC机的A/D转换电路和可重复实用的压力分布坐垫式传感器，采用基于MS Windows的压力显示和分析软件。基于PC机的A/D转换电路对各个传感点进行扫描，测量每个受力点的阻值。基于MS Windows的压力显示和分析软件能够实现压力分布数据的实时采集控制，可视化实时显示，记录压力分布过程并回放，对压力分布数据进行分析等功能。压力分布数据读取及分析模块将读取的压力分布数据进行分析，计算出压力分布敏感区域，输出指定位置压力值等参数，如图3所示。
基于体压测量平台采集的数据，经过Labview软件分析，很容易得到某一时刻学生在课堂上的位置状态，我们将学生常见5类坐姿记录为：坐姿端正、前倾15度、前倾45度、左侧身以及右侧身。
三、课堂学生数据分析
数据流计算来自于一个信念：数据的价值随着时间的流逝而降低，所以事件出现后必须立即对其进行处理，而不是缓存起来成批处理。流计算的核心价值在于实时整合来自多种异构数据源的数据，对海量“运动”中的数据进行连续实时的处理，图4给出了数据流式计算示意图。图4 流式计算系统
针对具有易失性、实时性、无序性、突发性、无限性等特征的流式大数据，理想的大数据流式计算系统应该表现出高吞吐、低延迟、持续稳定运行和弹性可伸缩等特性，这其中离不开系统架构、数据传输、编程接口等关键技术的合理规划和科学设计。系统架构是系统中各子系统间的组合方式，属于大数据计算所共有的关键技术，大数据流式计算需要选择特定的系统架构进行流式计算任务的部署。数据传输是指完成有向任务图到物理计算节点的部署之后，各个计算节点之间的数据传输方式。在大数据流式计算环境中，为了实现高吞吐和低延迟，需要更加系统地优化任务图以及任务图到物理计算节点的映射方式。编程接口是方便用户根据流式计