一、面临问题

当前教育改革面临的核心难题是评价机制、手段不健全，尤其在增值评价方面存在明显短板。具体表现为：一是监控手段有限，多依赖人工巡查，难以覆盖所有课堂，且主观性强、效率低；二是评价模式单一，往往侧重于教师的教学内容，忽视学生学习过程，无法全面反映教学效果；三是评价过程存在重监测、轻反馈的倾向，缺乏对教师教学行为的精准指导与持续改进路径。与此同时，AI在教学评价中的应用仍面临两大技术与实践挑战：一是算法可靠性不足，对海量教学行为数据的处理能力有限，难以实现高精度、高稳定性的数据分析；二是AI评价结果与传统教师评价体系融合困难，尚未形成“人机协同”的有机评价闭环，进而制约了评价体系的全面落地。

二、解决思路

1.构建人机协同的督导评价体系
    实现在线巡课系统、教学质量评价系统与综合教务系统的数据互联，将教学评价指标体系嵌入评价平台，实现“听课界面”与“评价界面”同屏显示功能。依托AI行为分析数据，结合专家督导评价，形成“AI辅助决策+专家人工评审”的人机协同评价模式，覆盖全课程、全周期，提升评价的客观性、多元性与可操作性。

2.建成课堂教学AI视频分析模型
   整合全校智慧教室与传统多媒体教室的视频、音频资源，构建统一接入的线上教学分析平台。基于深度学习技术，开发“教师行为—学生行为—教学内容—教学效果”全维度AI分析模型，实现教师肢体语言、手势动作、语音情感、板书行为等关键教学行为的自动识别与量化分析。同时，通过学习专注度检测模型，分析学生面部表情、抬头率、互动频率等行为特征，建立基于前排率、抬头率、互动率等指标的课堂参与度与学习状态评估体系，最终形成教师教学行为与学生学习状态的多维度量化报告。

3.探索AI大模型在教学视频理解与反馈中的智能应用

优化软硬件资源配置，自主搭建GPU高性能计算集群，部署多模态教育大模型，构建“智能服务矩阵”。通过AI对教学视频的深度理解，实现教学行为自动分析与评价结果自动生成；推进语音转写与自然语言处理技术在课堂对话分析中的深度应用，构建覆盖教与学全过程的动态反馈体系。同时，建立教学大数据系统，打造“智能学伴”系统，为学生提供个性化学习路径推荐、学习进度追踪与薄弱点预警服务，实现“因材施教、精准推送”的教学目标。

三、具体实施步骤

1.数据采集与平台搭建

完成全校教学空间视频与音频资源的统一接入，建成覆盖所有课程的教学视频数据库，初步实现课堂教学行为的全量数据采集。通过对学校34间中高端智慧教室、315间普通多媒体教室进行智慧化改造，采用设备复用的方式，实现了对不同楼宇、不同学院349间教室教师和学生课堂行为视频的基础采集，通过搭建课堂生态系统，实现课堂教学视频录播和在线巡查、三级督导在线听评课管理功能。数据采集与业务构成框图如图1所示。近一学期，线上教学AI评价平台上线教师1636名、上线学生31992名，共计2119门次活跃课程的教与学行为均得到实时记录（图2）。

图1 数据采集与业务构成框图

图2 教室师生画面采集

2.AI模型开发

基于深度学习与计算机视觉技术，完成了教师行为识别（如站立、走动、板书）、学生专注度检测（如抬头率、面部表情变化）等功能模块的研究部署，实现课堂教学视频的到课率、前排就座率、专注度等课堂实况分析，结合教师行为、语音转写等模块，实现课堂教学模式的分析研究，丰富了评价维度（图3，图4）。利用AI分析智能生成课堂S-T表（Student-Teacher table，学生—教师表）及Rt-Ch表（Rt-Ch indicator table，Rt-Ch指标表，其中Rt为教师行为占有率（Teacher behavior ratio），Ch为师生行为转换率（behavior Conversion ratio）），对课堂行为大数据进行统计、分析与评价，形成教与学全覆盖的评价和反馈体系。教学质量评价系统将评价结果线上及时反馈给教师。

通过提升视频信号源质量和优化算法，提升AI分析准确度；与教务部门研讨选择确定课堂教学分析要素，提升系统的实用性和有效性。将课堂教学评价指标体系内置于系统，听课与评价界面同屏显示，不仅提升评价效率，还能帮助评价者精准定位问题，为教师提供针对性改进建议，推动教学策略优化。

图3 学生课堂行为分析

图4 教师教学行为分析及教学模式

3.人机协同评价系统上线

    依托AI+智能分析和课堂生态体系，转变教学质量评价模式，形成校院两级督导教学质量评价机制，实现对课堂教学进行包括实时评价反馈、过程评价和累计评价等数字化增值评价。

    河南工业大学信息化办公室积极与学校教务处、教学质量评估中心、课程中心等教务部门沟通，研讨教学评价体系和保障机制，通过优化学校原线下教学督导和纸质评价表的领导、教学督导课堂听课流程，实现线上实时或者脱机督导听看课任务，线上填写评价表评价并进行统计分级反馈（图5），通过多元评级体系推动实现教学效果的提升。

    在部分学院试点运行“AI辅助听课+专家评审”模式，支持实时或回放听课，AI系统自动输出教学行为评分与风险提示，专家依据AI分析结果进行补充判断，显著提升评价效率与科学性。

图5 督导评价界面截图

四、实施成效分析

1.增强评价体系智能化，效能提升明显

首次将AI技术深度嵌入教学评价全流程，通过人脸识别、行为识别、语音情感分析等技术，实现教学行为的自动化识别与量化，突破传统评价“主观性强、效率低”的瓶颈，为教学评价提供客观、高效的技术支撑。

评价覆盖度实现从“抽样监测”到“全课程全周期覆盖”的转变，2119门次活跃课程的教与学行为均能实时记录。评价客观性显著增强，AI评价提供的量化数据，如到课率、专注度、互动率，有效弥补传统人工评价的主观性，评价结果一致性与可信度提升。评价效率提高，AI自动处理大量教学数据，减少督导人工统计工作量，督导可聚焦教学质量的深度评价，形成“AI提效+人工提质”的评价格局。

2.完善智慧教学生态体系，过程管理规范

构建涵盖教学管理、数据分析、质量评价、资源分享的智慧教学一体化平台，形成“教学—评价—反馈—优化”的闭环生态。

建成线下教学AI课堂生态系统，整合全校智慧教室、传统多媒体教室的视频、音频，实现课堂视频资源录制、在线巡课和在线教学督导评价，通过数字人、AI视频合成等生成式AI技术，多梯度建设线上教学资源，形成优质课程资源和常态课堂教学视频库，不仅覆盖线下课堂，还拓展教学时空边界，支持线上互动教学与沉浸式学习体验。

3.创新智慧教学工大模式，学习成效显著

根据在线巡课情况开展针对性教育教学活动，教师依据系统反馈优化教学方式方法，学生参与度和学习效果明显提升，课堂教学质量进一步提高。AI分析在教师教学行为、学生交互行为与过程性、终结性评价等关键问题上进行有益探索，为促进教学模式改革、提升教学效果，形成智慧教学“工大模式”奠定基础。

建设“智能学伴”，依据学生学习进度、能力水平及兴趣偏好，推荐学习路径和资源，实现“因材施教、精准推送”，学生学习效果明显改善，不及格课程整改率提高，学业预警响应及时。

4.构建高校教学治理新范式，教学决策直观

通过AI评价体系建设，构建了“数据驱动、人机协同、闭环改进”的高校教学治理新范式。建立常态化课堂监控机制，通过全课程AI评价替代阶段性检查。形成精准决策支持系统，通过AI评价自动生成的多维度数据，如各学院课程互动率、教师教学行为趋势、学生学业分布，为校院两级提供决策依据。

五、总结与展望

河南工业大学通过对AI驱动课堂教学质量评价变革开展深入的研究和应用实践，在教育教学评价优化及智慧教学应用方面取得了良好的效果，教学效果和学生学习质量持续优化，形成了“数据驱动、人机协同、闭环改进”的“工大教学治理新范式”。下一步，学校将继续探索AI在智慧教学评价精度、AI评价结果与教师反思机制、AI评价反馈与教学质量提升等领域的应用，构建“教—学—管—研”全链条智慧教育生态，为高等教育治理现代化提供技术支撑与实践路径。（文章来自《河南教育信息化》）