教學(xué)心電圖:多維智能反饋系統(tǒng)的設(shè)計構(gòu)建與效果研究

本文結(jié)合情緒認知和調(diào)節(jié)理論，利用面部表情識別技術(shù)和大語言模型，構(gòu)建了一套多維智能反饋系統(tǒng)。該系統(tǒng)能夠識別學(xué)生情緒變化，并為教師提供針對性的教學(xué)策略建議。為驗證其效果，作者面向初中生開展了為期6周的教學(xué)實驗。結(jié)果表明，利用多維智能反饋系統(tǒng)，能夠幫助教師快速識別學(xué)生情緒變化并及時反應(yīng)，既提升了教師的課堂掌控力，也為學(xué)生學(xué)業(yè)水平提升奠定了基礎(chǔ)。

引言

心理學(xué)研究表明，學(xué)生學(xué)習(xí)成效不僅受制于知識的輸入與輸出，還與情緒緊密關(guān)聯(lián)。心理學(xué)家梅拉賓（Mehrabian）指出，情感信息的表達55%是通過面部表情表現(xiàn)出來的。這意味著教師若能夠捕捉并識別學(xué)生的情緒，及時調(diào)整課堂環(huán)節(jié)，活躍課堂氛圍，便能更好地調(diào)動學(xué)生學(xué)習(xí)積極性，提高課堂學(xué)習(xí)效率。

然而，在當前大班化教學(xué)環(huán)境下，教師往往偏重于知識傳授，難以兼顧對學(xué)生情緒的觀察，導(dǎo)致產(chǎn)生“知識傳遞與情緒調(diào)動脫節(jié)”的問題。而人工智能能夠?qū)崿F(xiàn)面部情緒識別與智能反饋，為教師及時提供學(xué)生情緒變化信息，幫助彌補傳統(tǒng)教學(xué)對學(xué)生個體差異關(guān)照不足的缺陷。

鑒于在教育實踐中教師對情緒識別與智能化反饋的需求，筆者構(gòu)建了一套多維度智能反饋系統(tǒng)，以便為教師及時輸出學(xué)生情緒變化并提供相應(yīng)的調(diào)整建議，從而增強教師的課堂掌控力。

系統(tǒng)的設(shè)計與構(gòu)建

1.理論基礎(chǔ)：情緒認知和情緒反饋

情緒作為人類心理活動的重要組成部分，在課堂學(xué)習(xí)過程中發(fā)揮著調(diào)節(jié)與導(dǎo)向作用，其與注意力、記憶效率及課堂參與度密切相關(guān)。美國心理學(xué)家保羅·艾克曼(Paul Ekman)通過研究發(fā)現(xiàn)：六種基本情緒（高興、生氣、驚訝、恐懼、厭惡、傷心）的面部表情、生理和行為反應(yīng)具有跨文化一致性。通過對面部表情的量化識別，教師可以突破傳統(tǒng)依賴直覺觀察的局限，更準確地判斷學(xué)生群體的學(xué)習(xí)狀態(tài)。

與此同時，情緒的發(fā)生與反饋具有雙向性。在課堂中，學(xué)生如果能保持長時段積極情緒（興奮、自豪），代表其能更專注地傾聽教師授課、充分思考、快速內(nèi)化；相反，若學(xué)生始終處于消極情緒（絕望、無聊、害怕）中，則代表其遠離課堂、思考僵化、內(nèi)化遲緩。因此，課堂是情緒與認知交互并行的過程，當學(xué)生情緒信息能夠被教師及時捕捉并識別時，教師便可根據(jù)過往經(jīng)驗、策略等調(diào)整教學(xué)節(jié)奏、內(nèi)容或互動方式，形成“學(xué)生情緒—系統(tǒng)識別—策略調(diào)整—課堂反饋”的循環(huán)機制，不斷修正教學(xué)策略，加強情緒識別能力，提高課堂掌控力，使課堂更具活力，并為學(xué)生情緒由消極向積極轉(zhuǎn)化提供動力。

2.系統(tǒng)設(shè)計：情緒識別與智能體反饋設(shè)計

（1）情緒識別系統(tǒng)的設(shè)計

近年來，隨著人工智能、神經(jīng)網(wǎng)絡(luò)的飛速發(fā)展，大量可解決面部情緒識別問題的技術(shù)涌現(xiàn)出來。卷積神經(jīng)網(wǎng)絡(luò)—循環(huán)神經(jīng)網(wǎng)絡(luò)（ConvNet-RNN）和生成對抗網(wǎng)絡(luò)（Generative Adversarial Networks，GANs）等算法已在公開數(shù)據(jù)集上達到了較高的面部表情識別精度和魯棒性。

面對“距離不一+人數(shù)眾多+姿態(tài)變化+面部遮擋”的真實課堂，系統(tǒng)需要在低分辨率、復(fù)雜光照和頻繁遮擋下仍保持高找回度與穩(wěn)定位，本研究采用retinaface實現(xiàn)面部情緒識別，其能在特征金字塔（FPN）多尺度上做“單階段密集定位”，對較遠距離、低分辨率的面部分析尤為友好，適合在教室中對多數(shù)人臉檢測與關(guān)鍵點定位。此外，為匹配不同課堂環(huán)境，情緒識別系統(tǒng)提供“抽幀間隔”“錨點時間”“匹配閾值”等參數(shù)，通過輸入不同參數(shù)，不斷獲取更為精準的情緒識別，為后續(xù)情緒識別打下基礎(chǔ)。

（2）智能體反饋的設(shè)計

智能體的發(fā)展幫助大語言模型能夠更輕松地實現(xiàn)應(yīng)用并及時反饋。情緒識別系統(tǒng)在分析課堂視頻并生成情緒折線圖、熱力圖后，將多維情緒時序與聚合指標，輸入預(yù)訓(xùn)練后的大語言模型，讓其按照優(yōu)秀標準進行分析，并輸出可操作的教學(xué)建議與可視化概要，進而支撐教師快速復(fù)盤，調(diào)整教學(xué)策略。

本研究則利用Dify部署本地化課堂智能反饋智能體，將課堂視頻分析結(jié)果輸入其中，為教師及時提供課堂成效、亮點以及改進策略。教師可依據(jù)該反饋對照既定教案持續(xù)開展“修改—驗證—再修改”的循環(huán)優(yōu)化過程，從而提升課堂教學(xué)的有效性與針對性。

3.系統(tǒng)構(gòu)建：情緒理解與策略反饋系統(tǒng)

在上述情緒識別與智能反饋模塊設(shè)計的基礎(chǔ)上，本研究進一步構(gòu)建了“情緒理解與策略反饋”模型，并在感知層與反饋層分別加以實現(xiàn)，從而形成一個多維度智能反饋系統(tǒng)（如圖1）。系統(tǒng)的運行具體可以分為以下五個環(huán)節(jié)。

圖1

①輸入：教師將微格教室或相機錄制的課堂視頻上傳系統(tǒng)，輸入采集間隔時間，并經(jīng)過人臉關(guān)鍵點定位和面部表情特征點提取后，送入面部情緒識別模塊。

②識別與聚合：識別模塊根據(jù)Retinaface與閾值匹配結(jié)果，輸出學(xué)生課堂時序六類基本情緒的折線圖。

③情緒理解：通過時序建模與統(tǒng)計對比，生成課堂情緒熱力圖。

④策略反饋：將情緒識別模塊分析結(jié)果傳入到智能體中，將分析結(jié)果轉(zhuǎn)化為教師可直接應(yīng)用的改進策略與可視化報告，其中包括“分析數(shù)據(jù)結(jié)果”“優(yōu)點分析”“改進建議”“總結(jié)”。

⑤輸出與復(fù)盤：教師在查看報告后，結(jié)合課堂反思與教案進行打磨優(yōu)化，為下一輪教學(xué)的迭代優(yōu)化打下基礎(chǔ)。

教學(xué)應(yīng)用效果

為驗證以上系統(tǒng)能否有效提高學(xué)生積極情緒及教師課堂掌控力，本研究在初中階段展開了為期6周的教學(xué)實驗，以下是實驗詳細內(nèi)容。

1.實驗設(shè)計

（1）實驗對象及情況

實驗取樣于浙江省寧波某J初中，選取兩名工作5年的青年教師以及兩個平行班（共89人），其中一個班作為實驗班（共44人），另一個班作為對照組（共45人）。向教師和學(xué)生發(fā)放調(diào)查量表，并對錄制的學(xué)生情緒進行配對樣本t檢驗分析。

如下表1所示，對實驗組和對照組的學(xué)生進行前期積極情緒與消極情緒分析，p均大于0.05，結(jié)果顯示兩部分均不存在顯著性差異。

表1

如下表2所示，對實驗組和對照組教師進行課堂掌控力調(diào)查量表前測，t檢驗結(jié)果顯示兩組無顯著差異（t=-1.74，p=0.097，＞0.05）。

表2

（2）系統(tǒng)部署

在正式進行教學(xué)實驗前，在教師的電腦中預(yù)先配置Python的運行環(huán)境，部署多維智能系統(tǒng)（包括情緒識別模塊與智能反饋智能體），并通過多輪運行測試與性能調(diào)試，確保教師能在課后進行自主分析與反思。

2.實驗步驟

本實驗采用前后測非同等控制組準實驗法，具體流程如圖2所示。

圖2

本實驗歷時6周，每周1節(jié)課（40分鐘）。在第1周上課的前10分鐘，開展教師課堂掌控力調(diào)查量表和學(xué)生課堂投入度調(diào)查量表的前測與數(shù)據(jù)收集，隨后教師正常上課，對學(xué)生面部情緒數(shù)據(jù)進行收集。在2～5周時，實驗組開展有多維智能反饋系統(tǒng)支持的教學(xué)，對照組開展常規(guī)教學(xué)，實驗組和對照組的教學(xué)內(nèi)容相同。在第6周時，收集師生調(diào)查量表的后測數(shù)據(jù)并分析。

3.檢驗結(jié)果

（1）多維智能反饋系統(tǒng)對學(xué)生情緒的影響

后測結(jié)果顯示，在經(jīng)過為期4周的系統(tǒng)輔助下的教學(xué)后，實驗組的積極情緒平均值達到21.07，標準差為30.83，較前測水平得到顯著提升。對照組的積極情緒平均值為18.8，標準差為31.21，較前測水平也得到一定提升。配對樣本t檢驗的結(jié)果表明，實驗組在增加積極情緒方面顯著優(yōu)于對照組（t=-6.478，p=0.023，＜0.05）。在消極情緒方面，實驗組和對照組的平均值分別為11.12和10.15，標準差分別為9.8和8.1，較前測水平得到提升且趨向穩(wěn)定，但配對樣本t檢驗的結(jié)果在減少消極情緒方面不存在顯著差異（t=0.372，p=0.735，＞0.05）。這表明多維智能反饋系統(tǒng)起到一定作用，學(xué)生在課堂中的積極情緒得到提升。

（2）多維智能反饋系統(tǒng)對教師課堂掌控力的影響

根據(jù)后測結(jié)果和對教師前后課堂掌控力調(diào)查量表的分析，實驗組的平均值為8.48，較對照組的6.29得到顯著提高，其標準差分別為18.45和13.69。配對樣本t檢驗的結(jié)果表明實驗組在課堂掌控力水平上的提升顯著高于對照組（t=2.09，p=0.049，＜0.05）。此外，實驗組平均值8.48較前測平均值6.00得到較大提升，而對照組平均值6.29較前測平均值6.57，未得到提升。這表明多維智能反饋系統(tǒng)在提升教師課堂掌控力上起到了一定作用，使得教師可以更快識別情緒并做出及時反饋。

研究結(jié)論

1.多維智能反饋系統(tǒng)對提高教師課堂掌控力具有顯著作用

下圖3、圖4所示為實驗組學(xué)生情緒在經(jīng)過2～5周教學(xué)實驗后的變化情況。

圖3

圖4

在圖3中，學(xué)生的悲傷和憤怒情緒出現(xiàn)在多個時間節(jié)點，尤其是在教師提出問題時或師生互動階段，反映了學(xué)生對當前教學(xué)內(nèi)容或方式產(chǎn)生了反感或焦慮。整體來看，情緒比較混亂，說明在課堂初期，學(xué)生的情緒沒有得到有效管理，課堂氛圍較為低迷。隨后教師在每節(jié)課后，利用多維智能反饋系統(tǒng)對課堂進行分析并采取改進策略，對教案與教學(xué)方法進行改進，尤其是在課堂中段，從提問手段、互動方式、合作探究等方面進行更多嘗試。在圖4中，學(xué)生情緒呈現(xiàn)出穩(wěn)定的趨勢，悲傷和憤怒情緒極大程度減少，積極情緒的比例上升，特別是在高興和驚訝的情緒上，說明學(xué)生的情緒開始轉(zhuǎn)向積極的方向，課堂變得更加互動，氣氛活躍。

上述學(xué)生情緒變化的圖例表明教師能夠利用系統(tǒng)反饋及時調(diào)整教學(xué)節(jié)奏、互動方式和內(nèi)容設(shè)置，從而有效降低學(xué)生的不滿情緒，提升課堂氛圍與情緒參與度。此外，教師不斷接受智能體反饋，優(yōu)化課堂互動策略，如增加問題環(huán)節(jié)和情境化教學(xué)，進一步增加了學(xué)生的積極情緒。

2.多維智能反饋系統(tǒng)有助于提升學(xué)生在課堂中的積極情緒

從實驗組和對照組前后學(xué)生課堂情緒數(shù)據(jù)來看，學(xué)生積極、中立情緒均高于對照組，且驚喜和開心情緒占比較對照組的0.68%、0.88%顯著提升為2.71%、3.85%，這表明隨著教師根據(jù)系統(tǒng)反饋不斷調(diào)整教學(xué)策略，課堂氣氛逐漸變得活躍，學(xué)生的積極情緒顯著增加，這與上述效果驗證中的結(jié)論一致。同時，盡管消極情緒的差異并不明顯，但實驗組在害怕、悲傷情緒上的占比與對照組相比平均值略低，這表明系統(tǒng)在消極情緒的調(diào)節(jié)上仍存在一定的作用。整體來看，教師通過系統(tǒng)反饋優(yōu)化了課堂節(jié)奏和互動方式，有效提高了學(xué)生的參與度，最終實現(xiàn)了課堂氛圍的積極轉(zhuǎn)變。

結(jié)語

“學(xué)生情緒—系統(tǒng)識別—策略調(diào)整—課堂反饋”的多維智能反饋模型在提升教師課堂掌控力，活躍課堂氛圍，并最終調(diào)動學(xué)生積極情緒方面具有一定作用，能夠有效提升課堂互動性和學(xué)生參與感。然而，本研究在長期影響評估和樣本量方面仍存在改進空間。首先，實驗周期僅為6周，這可能限制了對系統(tǒng)長期效果的評估。其次，本研究的樣本量較小，只有一個初中的實驗班和對照班，未來的研究應(yīng)擴大樣本范圍，涵蓋更多學(xué)校、學(xué)科和年級，以提高結(jié)果的普適性。

本文作者：

盧卓豪 董毅 俞津津

浙江省寧波市鎮(zhèn)海蛟川書院

文章刊登于《中國信息技術(shù)教育》

2026年第2期

引用請注明參考文獻：

盧卓豪 董毅 俞津津.教學(xué)心電圖：多維智能反饋系統(tǒng)的設(shè)計構(gòu)建與效果研究[J].中國信息技術(shù)教育，2026（02）：88-91.

歡迎訂閱

識別上方二維碼訂閱紙質(zhì)版或電子版雜志