一种师范生教学技能量化评价系统及其方法与流程

1.本发明涉及教育培训技术领域，更具体地说，涉及一种师范生教学技能量化评价系统及其方法。


背景技术：

2.发展教育就得提升教育质量，教育质量紧紧依靠于教师的水平。教师的水平影响着一堂课的好坏。优秀的教师是教学成功的关键，教师的教学行为对学生的学习效果有着重要的影响。当前，我国中小学教师绝大多数源自于师范教育。师范生作为教师队伍的储备力量，影响着未来教育的发展。提高教育质量，不仅要着眼于在职教师队伍建设，更要着眼于师范教育的培养环节。课堂教学是教师传授知识与技能的“主战场”，对于师范生来讲，如何能够运用清楚的语言、工整的板书以及良好的教姿来讲授一节课的知识概念、原理和观点，引导学生进行学习，是他们课堂教学最基本的技能。在这些基础上，才能够进一步展示其他方面的教学技能。如同戏曲演员要训练唱、念、做、打一样，教师的语言、板书和教态这三项基本教学技能是习得其它教学技能的核心要素，是成为一名合格的教师前必须进行的“基本功”训练。
3.现阶段我们对师范生的培养主要采用教师指导、学生训练的培养模式。这种培养模式对教师的要求较高，所以能指导师范生进行教学技能训练的教师较少，面对日益增长的师范生的人数，指导教师很难顾及到每一个师范生。在基本技能训练时，学生为了明确努力方向，需要指导教师给出实时评价。它是教师通过个人感觉进行的主观定性评价，如：声音宏亮，富有激情，板书规范，教态自然大方等。这样的评价缺乏明确的客观性标准，更没有形成可量化的客观评价体系，学生往往无所适从，需要经过长时间，多次尝试才能达到指导教师的要求。在这样的情况下，显然用传统的方法实施基本教学技能训练的可操作性差，缺乏行之有效的训练模式，开展大规模有效训练难以进行，这些因素严重影响了师范生培养的质量。


技术实现要素：

4.1．要解决的技术问题针对现有技术中存在的问题，本发明的目的在于提供一种师范生的模拟评价系统及其方法，它可以利用大数据处理构建客观评价体系，结合人工智能、现代传感技术虚拟了智能教师和真实课堂，参训者采用沉浸式自主训练的方法，在有效的解决训练时间空间成本高、指导教师资源不足和缺乏客观评价等问题的同时，还能够实现分级达标训练，达到个体精准训练的目的，有效提高训练效率，进而提高师范生培养的质量。
5.2．技术方案为解决上述问题，本发明采用如下的技术方案。
6.一种师范生教学技能量化评价系统，包括云服务器、虚拟教室和安装于虚拟教室中的人机交互设备、语言检测模块、板书检测模块、教学姿态检测模块，所述虚拟教室由高
性能工程激光投影仪和曲面大屏幕构成，同时配备有自适应3d眼镜、音响设备和语音识别设备，所述云服务器包括数据采集模块、数据处理模块和数据对比模块，且人机交互设备通过网络与数据对比模块相连接，所述语言检测模块包括与人机交互设备相连接的语音处理设备，所述语音处理设备连接有语音收录设备，所述板书检测模块包括与人机交互设备相连接的图像处理设备，所述图像处理设备连接有智能会议平板，所述教学姿态检测模块包括与人机交互设备相连接的动作数据处理设备，所述动作数据处理设备连接有一组体感惯性传感器。
7.一种师范生教学技能量化评价方法：包括以下步骤：s1、构建教师评价数据库；s2通过硬件实时检测教师的状态；将教师状态转化为评价数据值；s3将评价数据值与教师评价数据库对比打分，综合对教师的教学进行打分评估，得到该教师课堂表现的评价结果。
8.所述的教师评价数据库包括课堂语言的评价数据库、板书的评价数据库、教姿的评价数据库。
[0009] 3根据权利要求1所述的一种师范生教学技能量化评价方法，其特征在于：所述的评价数据值包括语言检测数据值、板书检测数据值、教姿检测数据值。
[0010]
4根据权利要求1所述的一种师范生教学技能量化评价方法，其特征在于：所述的语言检测数据值包括语音响度、响度变化程度、语速、语速变化、留白。。
[0011]
3．有益效果相比于现有技术，本发明的优点在于：（1）本方案可以利用大数据处理构建客观评价体系，结合人工智能、现代传感技术虚拟了智能教师和真实课堂，参训者采用沉浸式自主训练的方法，在有效的解决训练时间空间成本高、指导教师资源不足和缺乏客观评价等问题的同时，还能够实现分级达标训练，达到个体精准训练的目的，有效提高训练效率，进而提高师范生培养的质量。
[0012]
（2）虚拟教室由高性能工程激光投影仪和曲面大屏幕构成，同时配备有自适应3d眼镜、音响设备和语音识别设备，利用投影与巨型曲面幕布，将整个画面显于眼前，同时通过3d技术和自适应3d眼镜形成立体的课堂画面，通过音响设备获得课堂环境声音，通过语音识别指令进行人机交互，通过自适应3d眼镜自动适应讲课和书写板书两种情况，构建了具有沉浸感的课堂环境，使人获得极致的沉浸感与代入感，提升师范生训练过程中的教学体验。
[0013]
（3）动作数据处理设备和智能会议平板电性连接，通过对接智能会议平板能够更加准确地判断手臂动作是刮擦黑板的动作还是书写板书的动作，基本方法是：动作发生时，有书写轨迹产生，就判定为书写动作；动作发生时，书写轨迹被清除了，就判定为刮擦黑板动作。同时接入智能会议平板还可以减少无关动作引起的误差，增加检测的精确度。
[0014]
（4）语音收录设备采用领夹式无线话筒，方便师范生在教学训练过程中进行适当范围的移动，有效提高教学沉浸感，语音处理设备内部连接有语音降噪模块，在语音处理设备对语音收录设备收录的语音数据进行处理分析前，通过语音降噪模块对语音数据进行降噪处理，有效提高语音处理设备对语音数据处理结果的准确性。
附图说明
[0015]
图1为本发明的系统原理框图；图2为本发明的系统运行流程图；图3为本发明的基本教学技能评价体系分布图；图4为本发明的体感惯性传感器位置分布图；图5为本发明的头部传感器和颈部传感器的位置分布图；图6为本发明的头部传感器和颈部传感器检测抬头低头时的结构示意图；图7为本发明的头部传感器和颈部传感器检测面部朝向时的结构示意图；图8为本发明的自适应3d眼镜的结构示意图；图9为本发明的自适应3d眼镜的结构示意图；图10为本发明的自适应3d眼镜的镜片打开时的结构示意图。
[0016]
图中标号说明：1云服务器、101数据采集模块、102数据处理模块、103数据对比模块、2虚拟教室、201镜框、202容纳盒、203通口、204镜片、205支座、206驱动盒、207电动推杆、208联动块、209微型控制器、3人机交互设备、4语言检测模块、401语音收录设备、402语音处理设备、5板书检测模块、501智能会议平板、502图像处理设备、6教学姿态检测模块、601体感惯性传感器、602动作数据处理设备。
具体实施方式
[0017]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述；显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0018]
实施例1：请参阅图1
‑
7，一种师范生教学技能量化评价系统，包括云服务器1、虚拟教室2和安装于虚拟教室2中的人机交互设备3、语言检测模块4、板书检测模块5、教学姿态检测模块6，虚拟教室2由高性能工程激光投影仪和曲面大屏幕构成，同时配备有自适应3d眼镜、音响设备和语音识别设备，利用投影与巨型曲面幕布，将整个画面显于眼前，同时通过3d技术和自适应3d眼镜形成立体的课堂画面，通过音响设备获得课堂环境声音，通过语音识别指令进行人机交互，构建了具有沉浸感的课堂环境，使人获得极致的沉浸感与代入感，提升师范生训练过程中的教学体验。
[0019]
请参阅图8
‑
10，自适应3d眼镜包括镜框201，镜框201前端固定连接有一对容纳盒202，容纳盒202外端开凿有与镜框201相匹配的通口203，容纳盒202内设有与其相匹配的镜片204，且镜片204上端延伸至容纳盒202上侧，镜片204上端固定连接有支座205，容纳盒202前端固定连接有一对驱动盒206，且两个驱动盒206分别位于通口203左右两侧，驱动盒206内固定安装有电动推杆207，支座205前端固定连接有一对位于驱动盒206正上方的联动块208，且电动推杆207的输出轴贯穿驱动盒206上壁并与其对应位置的联动块208固定连接，镜框201外端固定安装有与动作数据处理设备602电性连接的微型控制器209，且多个电动推杆207均与微型控制器209电性连接，微型控制器209和动作数据处理设备602通过无线网
络或蓝牙相连接，请参阅图8，当动作数据处理设备602检测到师范生面对学生（即：面对曲面大屏幕）进行讲课时，微型控制器209会控制电动推杆207处于收缩状态，使镜片204位于师范生眼前（即通口203处），进而使师范生能够获得立体的课堂画面，请参阅图10，当动作数据处理设备602检测到师范生书写板书（即：背对对曲面大屏幕）时，微型控制器209会控制电动推杆207处于伸展状态，使镜片204从师范生眼前离开，有效避免镜片204对师范生的板书书写造成干扰，实现自适应3d眼镜的自适应调节功能。
[0020]
请参阅图1
‑
3，云服务器1包括数据采集模块101、数据处理模块102和数据对比模块103，且人机交互设备3通过网络与数据对比模块103相连接。数据采集模块101用于采集网络上国内优秀教师上课的视频和音频数据，数据处理模块102用于对视频和音频数据进行大数据处理和分析，建立基本教学技能评价体系，确定教学语言技能量化指标、教学板书技能量化指标和教学姿态技能量化指标。教学语言技能量化指标包括：语速，响度，语速变化率，响度变化率，语音留白，口头语，语音标准（即普通话规范程度）；教学板书技能量化指标包括：字大小，字间距，行间距，行倾斜度，字清晰程度，字规范程度；教学姿态技能量化指标包括：走动步数、距离与速度，折返次数，头部姿态（反映师范生抬头、低头的次数与幅度），面部朝向（反映师范生左右扫视学生的频次与幅度），手势动作（反映师范生刮擦黑板、书写板书等手部动作的频次）。
[0021]
请参阅图1，语言检测模块4包括与人机交互设备3相连接的语音处理设备402，语音处理设备402连接有语音收录设备401，语音收录设备401采用领夹式无线话筒，方便师范生在教学训练过程中进行适当范围的移动，有效提高教学沉浸感，语音处理设备402内部连接有语音降噪模块，在语音处理设备402对语音收录设备401收录的语音数据进行处理分析前，通过语音降噪模块对语音数据进行降噪处理，有效提高语音处理设备402对语音数据处理结果的准确性。
[0022]
请参阅图1，板书检测模块5包括与人机交互设备3相连接的图像处理设备502，图像处理设备502连接有智能会议平板501，智能会议平板501内部安装有压力传感器，并且配备有智能书写笔，笔迹落笔即现，具有良好的书写感，同时在压力传感器的配合下记录板书的轨迹数据，形成板书图像数据。
[0023]
请参阅图1，教学姿态检测模块6包括与人机交互设备3相连接的动作数据处理设备602，动作数据处理设备602连接有一组体感惯性传感器601，请参阅图4
‑
5，一组体感惯性传感器601包括头部传感器、颈部传感器、背部传感器、两个手肘传感器和两个肩部传感器，头部传感器和颈部传感器的穿戴位置如图5所示，背部传感器穿戴于背部脊椎处。
[0024]
请参阅图4
‑
5，背部传感器用于检测折返次数和走动步数、距离与速度，对于折返次数，通过背部传感器的转动来检测：当背部传感器转过180
°
时，记为一次转身动作，两次转身动作记为一次折返。对于走动步数、距离与速度，通过背部传感器随脊柱的摆动来检测：由于人在走动的时候，脊椎会左右摆动。迈左脚时，人的重心向左前方移动，脊椎也会随之向左前方移动；迈右脚时，人的重心向右前方移动，脊椎则随之向右前方移动。按照此特性，通过背部传感器获得左右摆动的次数，便可以得到走动的步数，摆动一次就计为一步；通过摆动的周期，得到走动的步速；通过背部传感器的位移轨迹，得到走动的距离。请参阅图6
‑
7，头部传感器和颈部传感器用于检测头部姿态和面部朝向，请参阅图6，对于头部姿态，通过头部传感器相对于颈部传感器在垂直面（即：x
‑
z平面）上的转动角度来检测；请参
阅图7，对于面部朝向，通过头部传感器相对于颈部传感器在水平面（即：x
‑
y平面）上的转动角度来检测。
[0025]
请参阅图4
‑
5，手肘传感器和肩部传感器用于检测手势动作，无论是书写板书还是刮擦黑板，手肘传感器与肩部传感器的连线相较于初始位置都要转过一个较大的角度，通过采集它的角度变化便可以区别是否进行了书写板书以及刮擦黑板的动作。请参阅图1
‑
7，动作数据处理设备602和智能会议平板501电性连接，通过对接智能会议平板501能够更加准确地判断手臂动作是刮擦黑板的动作还是书写板书的动作，基本方法是：动作发生时，有书写轨迹产生，就判定为书写动作；动作发生时，书写轨迹被清除了，就判定为刮擦黑板动作。同时接入智能会议平板501还可以减少无关动作引起的误差，增加检测的精确度。
[0026]
请参阅图1
‑
7，当师范生需要进行教学模拟培训时，首先将语音处理设备402、图像处理设备502和动作数据处理设备602与人机交互设备3相连接，同时佩戴好语音收录设备401和七个体感惯性传感器601，七个体感惯性传感器601分别佩戴于使用者的头部、两手肘部、两肩部以及背部，然后，使用者须对七个体感惯性传感器601进行位置标定，具体标定方式为：使用者立正、手臂自然垂下的姿势保持三秒，使每个体感惯性传感器601各自建立一个坐标系。
[0027]
请参阅图1
‑
7，之后，师范生便可以在虚拟教室2中进行模拟教学，使师范生获得极致的沉浸感与代入感，提升师范生训练过程中的教学体验。在师范生模拟教学过程中，语音收录设备401对教学语音进行收录，而语音处理设备402则对收录的语音数据进行处理分析，得到师范生模拟教学过程中的语速、响度、语速变化率、响度变化率、语音留白、口头语和语音标准的数值；智能会议平板501对教学板书进行记录，形成板书图像数据，然后由图像处理设备502对板书图像数据进行处理分析，获得板书的字大小、字间距、行间距、行倾斜度、字清晰程度和字规范程度的数值；动作数据处理设备602通过七个体感惯性传感器601的自身坐标的变化和相对的坐标变化来判断测试者做出的动作，得到师范生模拟教学过程中的走动步数、距离与速度、折返次数、头部姿态、面部朝向和手势动作的数值。
[0028]
请参阅图1
‑
7，师范生模拟教学完成后，可以人机交互设备3会自动将语言检测数据、板书检测数据和教学姿态检测数据输入至云服务器1的数据对比模块103，数据对比模块103会将输入的数据与量化指标进行对比和偏差分析，得到师范生教学语言技能、教学板书技能和教学姿态技能的评价等级，并通过人机交互设备3将评价等级反馈给师范生。综上，本系统可以利用大数据处理构建客观评价体系，结合人工智能、现代传感技术虚拟了智能教师和真实课堂，参训者采用沉浸式自主训练的方法，在有效的解决训练时间空间成本高、指导教师资源不足和缺乏客观评价等问题的同时，还能够实现分级达标训练，达到个体精准训练的目的，有效提高训练效率，进而提高师范生培养的质量。
[0029]
具体的一种师范生教学技能量化评价方法：包括以下步骤：s1、构建教师评价数据库；s2通过硬件实时检测教师的状态；将教师状态转化为评价数据值；s3将评价数据值与教师评价数据库对比打分，综合对教师的教学进行打分评估，得到该教师课堂表现的评价结果。
[0030]
所述的教师评价数据库包括课堂语言的评价数据库、板书的评价数据库、教姿的评价数据库。
[0031]
所述的评价数据值包括语言检测数据值、板书检测数据值、教姿检测数据值。
[0032]
所述的语言检测数据值包括语音响度、响度变化程度、语速、语速变化、留白。语音检测的硬件与运行环境软件要求：visual studio 2013、cool edit pro 2.1硬件要求：单麦克风属性的拾音器cool edit pro 2.1是一款将声音信号转化为声谱图的软件，利用visual studio 2013编写程序对声谱图进行分析可以检测课堂语言里的各项指标。
[0033]
声音响度是声波振动时度量声音能量的一个指标，他具有与声信号的实际强度相关联的心理感受特性，是针对人耳对不同的声音的感应强弱而提出的一个衡量标准，其大小不仅与音频信号的幅度有关，还与音频型号的频率有关。本文采用了广电总局发布的itu
‑
rbs1771标准中的音频信号响度测量算法原理来实现对师范生课堂语言的响度测量。
[0034]
这个响度测量的方法包含四个阶段：滤波、计算周期的均方能量、计算周期内的响度、计算测试时间内的平均响度。
[0035]
第一步是对电信号进行滤波，滤去由于环境杂音引起的波形。
[0036]
第二步是对经过滤波的信号求出测量周期内计算时间块的音频均方能量值。在这里设置一个时间块的长度。在测量周期内的第个时间块内的均方能量值如式（1）所示。
[0037]
……………………………
（1）式中的是经过滤波后输入的信号。
[0038]
第三步是计算时间块内的音频数据的响度，其中第个时间块内的响度计算公式如下式所示
……………………………
（2）第四步是计算测试时间t内的平均响度
……………………………………
（3）其中。
[0039]
教师在进行讲课的时候，声音应该是有高低起伏的，也就是要有响度的变化，通过响度的变化来达到突出教学重点、引起学生注意等目的。而响度的方差可以用来体现响度变化，响度的方差越大，说明响度的变化越明显。通过上一节内容我们知道，响度本质是声波的均方能量。所以本文采用了计算单位时间内方均能量的方差来表示响度的变化。
[0040]
此处以为一个单位时间块，在一个单位时间内有50个小时间块前两步是参照上一节对声音响度的处理得到第个单位时间内的第个小时间块内均方能量第三步是计算第个单位时间内各个小时间块的均方能量的平均值，
第四步是计算各个单位时间均方能量的方差，首先要计算在测试时间内有几个单位时间，单位时间的个数（约去小数部分）再计算测试时间内的平均每个单位时间的均方能量，如下式所示最后计算测试时间内均方能量方差最后计算测试时间内均方能量方差就是我们所要测的响度的方差，也就是响度的变化。
[0041]
语速是人们在使用具有传播或沟通意义的词汇表达或传播信息时，单位时间内所包括的词汇容量。理论上来说，语速检测可以通过识别测试者说话的内容，将它转化为文本信息，再通过计算单位时间内出现的字数而测得语速值。这种方法测得的语速虽然准确，但是在这个检测的方法中，有一个声波到文本的转化过程，这样会增加检测的时间，同时也增加了技术难度。
[0042]
在通过查阅文献之后，我们发现汉语发音中每个字都由一个元音音素和一个辅音音素组成。在声谱图中，由于元音音素的能量远大于辅音音素的能量，所以一个波峰代表着一个元音音素。
[0043]
我们只要通过计算单位时间内的波峰数就可以得到想要测的语速了。于是我们就把语速的计算转化为了波峰数的计算。
[0044]
在说话的过程中由于可能会出现停顿，而这部分的时间不应该计入语速检测的时间，否则会严重影响我们的语速测量值。于是我们也思考了这方面的问题。通过观看大量的课堂视频，统计得到当教师停顿超过约3s时，这部分时间基本上都是有意停顿的时间，应该记为无效时间。
[0045]
第一步是对电信号进行滤波，滤去由于环境杂音引起的波形。
[0046]
第二步是对时间块内的波峰数进行计数。因为波峰处的能量远大于波谷处的能量，我们可以利用门限处理对高于绝对门限的时间块进行计数。设置的门限值，计数得到的时间块的个数就是元音音素的发声个数，记为。
[0047]
第三步是计算有效时间，其中无效的时间，其中是连续超过30个未通过门限的时间块个数，即超过3s的停顿，这部分的时间将不计入计算语速的时间。
[0048]
第四步是计算每分钟的元音音素个数，即为所要测的语速。
[0049]
语速变化的程度的大小反应了说话者的节奏的变化，课堂中语速的变化可以用来提起学生的注意。我们常用轻重缓急来评价一个优秀的语速变化。按照前文里对响度变化
的处理方法，对语速的变化，我选择采用计算测试时间内的语速的方差来表示语速的变化大小。
[0050]
前两步按照上文计算语速的方法得到第i个时间块内的语速，其中为在第个时间块内出现的元音音素的个数。以及计算这段测试时间内的平均语速第三步再计算语速的方差，其中是指测试的有效时间内出现的时间块的个数。此处以10为一个单位时间块。理论上，语速变化的越快越频繁，检测的值也越高。
[0051]
语音留白是一段语音中的停顿部分，在实际教学中，教师适当的给出一些停顿给学生一定的思考时间。所以，在一段语流中要有一定比例的留白。在观察了大量课堂教学视频，然后对这些课堂视频中的留白进行分析，我们将停顿超过5s的时间记为留白。第一步是进行滤波，过滤环境杂音引起的干扰。
[0052]
第二步是设置门限，对低于门限值г的时间块的个数进行计数，再筛选出其中连续超过50个未达到门限的时间块的个数，这段时间就是留白的时间。
[0053]
第三步是计算留白的时间。
[0054]
第四步计算留白时间占测试时间的比例为。
[0055]
板书检测的硬件介绍：检测系统的主体是maxhub智能大屏端，是具有压力传感的智能书写终端，屏幕感应是利用电容式的触摸屏原理。配合智能的书写笔，可以根据人书写的用力程度，显示出不同粗细的笔画，并且将书写信息转化为书写轨迹序列，然后在本地进行数据处理。
[0056]
板书上的字大小由字高和字宽共同决定，第一步在书写屏上书写，将书写产生的有序轨迹输入板书检测系统，为了保证计算机能对两个不同的字进行切割，在写两个字之间要有0.5s的停顿。
[0057]
第二步是将采集的轨迹信息转化为坐标序列，一个字生成一个坐标序列，超过0.5s无书写轨迹产生，即判定为一个字书写完成，坐标序列也生成完毕。设这个字的坐标序列为。
[0058]
第三步是计算字的宽和高，在这个坐标序列中取作为为这个字的左边界，为这个字的右边界，则字宽的计算公式为再取作为这个字的下边界，为这个字的上边界，则字高的计算公式为第四步是计算字的大小，字的大小是由字的上下左右边界围成的矩形的面积，所以这个字大小的计算公式为
这是单个字大小的计算方法，处理很多个字的大小是就是对所有字的大小求平均值。
[0059]
对于行间距的检测方案，我们最先的想法是将第一行文字中每个字的最低点拟合成一条直线，再将第二行文字的最高点拟合成一条直线。然后计算两条直线的平均距离。但是在实际的测量过程中，我们发现如果一段文字中存在那种笔画特别长的字或者特别短，就会对测量的结果产生较大的影响。于是，我们将两段文字中离散较大的坐标值去掉。在降低离散之后所得测试值与实际值相差不大。生成坐标序列之后，得到第一行每个字的最低点集合为，第二行每个字的最高点集合为。在一行文字中，无论还是中的元素个数并不多，所以一般来讲，只需要去掉一个最小值和一个最大值就可以达到降低离散的目的。
[0060]
降低离散之后，通过拟合曲线得到两条直线，直线一为：直线二为：设其中最长的一行字的左边界为，右边界为。
[0061]
所以两条直线的平均距离的计算公式如式所示字间距反映了书写两个字之间的间隔大小，当间隔太小时，会使两个字相互挤压；间隔太大时，也会导致字与字之间空间太大影响美感。字间距的检测与板书的字宽的检测方法类似，板书字间距是由前一个字的右边界和后一个字的左边界决定。但有一点不同于字大小的检测，就是处理两行字的字间距时，如果不对两行字行首和行尾进行区分，就会导致计算测量的字间距误差较大。所以在检测中要对行首与行尾进行区分，不计算它们之间的间距。检测的方案：大屏端采集书写信息，生成两个坐标序列、后，取第一个字的右边界，也就是，再取第二个字的左边界，所以这两个字的间距为。
[0062]
同样的方法我们可以得到第二个字与第三个字的字间距为。直至计算到第m个字，当第m个字与第n个字（）的间距小于a（a为负常数）或者大于b（b为正常数），判定为这一行的字书写完毕，第n个字是另一行字的行首，故不计算它们的字间距。
[0063]
最后计算所有的字间距的平均值，得到平均字间距。
[0064]
在计算行间距的时，我们通过计算两条拟合曲线的平均距离来计算行间距，同时我们也可以通过计算拟合曲线的斜率获得行倾斜度。设拟合曲线的斜率为k，则行倾斜度。由于要计算每一行的平均行倾斜度，所以先将所有计算得到的行倾斜度取绝对值，再进行求和平均。在计算行倾斜度的时候有与计算行间距同样的问题，就是过长的笔画与过短的笔画对结果的影响，所以我们同样对每个字的最低点进行了降离散处理来获
得拟合曲线。
[0065]
对于书写的识别度的检测，我们最先的想法是将书写轨迹转化为内码之后利用网络与汉字的标准内码库进行比对。但是，汉字的特征相对于英文字母要多很多，所以检测需要花费的时间较多，要想识别几个字都需要花费一分钟左右的时间。
[0066]
所以我们改进了检测方法，就是在检测前先书写由系统给出的一段固定的文字，所以系统只需要对比这段文字的书写轨迹产生的内码与标准内码。大大加快了检测的时间。同时通过这一步骤，可以采集测试者的书写习惯，比如写一个字所需要的时间、两字之间停顿时间、各个笔画的相对长短等。这样对正式的书写内容的识别也有帮助。
[0067]
在使用同一种笔时，书写的清晰程度是书写力度的直观体现，所以我们只需要测得书写力度就可以获得书写的清晰程度。书写力度的采集设备是具有压力传感的书写笔，书写笔的内部有压敏电阻，当用不同的力度书写时，书写笔内部的电流会发生变化，通过蓝牙传输到板书系统终端的信号也不同，最后再将电信号通过转化成笔画的粗细程度显示在智能大屏上，并且在测试结束之后，输出每个字的清晰程度。
[0068]
教姿的检测主要由传感器捕捉人体的运动，并且通过蓝牙将传感器采集的信号传导电脑终端进行数据处理。
[0069]
七个传感器都为三轴加速度传感器。分别佩戴于测试者的头部、手肘部、肩部以及背部，感器每次开启检测之前，先要对各个传感器的位置进行校正。校正时需要测试者立正、手臂自然垂下的姿势保持三秒。此时，每个传感器将各自建立一个坐标系。
[0070]
以站立的正前方为轴的正方向，右手方为轴的正方向，垂直地面向上为轴的正方向。传感器以自身坐标的变化和相对的坐标变化来判断测试者做出的动作。
[0071]
对走动的步数进行检测的方法很多，最常见的是手机软件中对走动步数的检测，这种方法是利用手机中的重力加速计，感应重力变化的方向以及大小来计数步数，但这种方法检测的精确度不是很高，而且很难测试每走一步的速度。所以本文在对步数检测时主要利用脊柱的摆动来计算。所用到的传感器是在背部脊椎处的加速度传感器。由于人在走动的时候，脊椎会左右摆动。迈左脚时，人的重心向左前方移动，脊椎也会随之向左前方移动；迈右脚时，人的重心向右前方移动，脊椎则随之向右前方移动。按照这个特性，我们只需要通过传感器获得左右摆动的次数，就可以得到走动的步数，摆动一次就计为一步。通过摆动的周期，我们还可以得到走动的步速。设测得摆动的周期为，那么步速为。
[0072]
在对走动距离的检测同样由在背部的传感器来完成，在测试之前，会进行一次校零，传感器默认校零的地方作为坐标原点。在向同一个方向走动时，轴的数值基本不会发生很大的变动，传感器主要在的平行面上运动，设走到任意一点的坐标为，我们只要计算的值就可以得到移动的距离。考虑到实际走动中不可能只向一个方向走动，这样的话，距离的测算就不准确了。于是我们就结合了所测得的步数来对距离检测方案加以改进。
[0073]
在检测走动总距离时，我们首先会对单步的走动距离进行测量，设走动一步后传
感器的坐标为，所以一步的走动距离为；当走动第二步后，传感器的坐标为，则第二步的走动距离为；同理第n步的走动距离为，只要将所测的每一步的步数相加，即得到走动的总步数为。
[0074]
速度的检测分为两项，一项是走动步速，一项是走动速度。走动步速在前面步数的检测方法中已进行了介绍。对于走动的速度，我们通过计算走动距离与脊椎摆动的时间的比值来得到。由于在实际使用时，人不会一直处于走动的状态，所以走动的时间并非测试的总时间。所以在这里使用脊椎摆动的时间来代替走动时间较为合理。假设脊椎摆动的时间为，那么走动的速度计算式如下：，头部姿态检测是检测抬头、低头的频次以及幅度，主要通过头部传感器和颈部传感器共同实现。由于抬头和低头的动作是头部绕着颈部某一点进行的摆动，所以在进行这些动作时会导致两个传感器的相对位置发生改变。
[0075]
设置颈部传感器的位置为原点坐标，在保持平视前方时，无论走到那个位置，头部传感器相对于颈部传感器都是保持不动的，此时头部传感器的坐标为，两个传感器的连线与轴所成的角度为；低头时头部传感器的坐标会发生变化，此时它的坐标为，两传感器连线与轴的角度为，转过的角度为，传感器角度为，转过的角度为,抬头时转动的角度为正。在计算抬头低头的频次时，为了排除传感器的轻微位移对计算频次的影响，我们只对转动幅度超过5
°
的计数抬头次数；对转动幅度超过
‑
3计数低头次数。面部朝向的检测主要是用来反映师范生扫视学生的频次与幅度，通过计算头部摆动的频次以及左右摆动的幅度来检测，借助于头部传感器与颈部传感器来实现的。类似于对抬头低头频次与幅度的检测，当测试者的面部朝向改变的时候，两个传感器的相对位置也会发生改变。
[0076]
设头部传感器的初始位置为，当面部的朝向发生改变，也就是向右或者向左摆头时，向右摆头时，头部传感器的坐标变为；左摆时，头部传感器的坐标变为。当面部左右摆动的时候，头部传感器的z坐标的数值不会改变，并且我们可以用两传感器连线在x
‑
y平面上的投影转过的角度来计算面部转动幅度。所以右摆转过的幅度为，右摆时转过的幅度为。当转过的幅度大于10
°
时记一次右摆头或左摆头，用计算所得幅度的正负号来判断是右摆头还是左摆头。
[0077]
刮擦黑板以及书写的次数由手肘传感器以及肩部传感器采集，无论是书写板书还
是刮擦黑板，手肘与肩部传感器连线相较于初始位置都要转过一个较大的角度，所以只要通过采集它的角度变化就可以来区别是否进行了书写板书以及刮擦黑板的动作，所以我们要先设计方案采集它的角度变化；以校零时肩部传感器为零点坐标，此时手肘处的传感器位置设为，无论是刮擦黑板还是在书写都会让手肘处的传感器发生运动，则此时手肘传感器的坐标为,但与肩部传感器的相对距离保持不变始终为。相对于校零时自身的位置的距离为于是我们可以利用余弦定理计算转过的角度，得到转过的角度为。
[0078]
只要这个角度大于一定的值φ，就计数一次刮擦黑板、书写板书的次数，并计算保持转动角度大于φ的时间，记为这次刮擦黑板或书写板书的时间。检测的流程图如下通过多次地模拟刮擦黑板与书写板书的动作，我们把φ设为了30
°
，以30
°
作为区分刮擦黑板、书写板书与无关动作的界限相对而言，检测的精确度更高。
[0079]
目前单独的教姿系统还不能区分刮擦黑板和书写的动作，要通过对接板书系统，才能够判断手臂抬过30
°
的动作是刮擦黑板的动作还是书写板书的动作。基本方法是：动作发生时，有书写轨迹产生，就判定为书写动作；如果在动作发生时，书写轨迹被清除了，就判定为刮擦黑板动作。同时接入板书系统还可以减少无关动作引起的误差，增加检测的精确度。
[0080]
在课堂中，适当的折返有助于教学保持活力，增强与学生的互动。折返动作由在背部的传感器采集。当传感器转过180
°
时，记为一次转身动作，两次转身动作记为一次折返。
[0081]
模拟智能检测体系构建原则科学性原则人工智能评价系统的发展需要计算机技术和网络技术的支持，人工智能技术评价过程需要依托大数据，让系统不断模拟人们的思维方式和行为，只有大数据达到一定的数量，人工智能评价技术才能完成。人工智能评价是一项非常复杂的技术，评价的过程包含了许多内容，还与多门科学有共同之处，其中包括语言学、心理学、计算机科学等其他学科，智能化的体现需要多种技术的支撑。因此使用人工智能评价，就是为了让人工智能更加科学的、客观的去评价教学技能，以真实的数据分析代替人们完成更加准确的、更有说服力的、更客观的评价。
[0082]
客观性原则智能检测评价系统的优势之一就是节约学校人力资源成本，实现高效评价。随着现代化科学技术的不断提升，对于基本教学评价的方式也逐步走向多样化，在以往很多难以评价的方式都可以通过智能评价系统得到解决，例如对于语速的快慢，声音的大小。我们一般都是以自身的感官为评价标准，但是，到底语音速度的大小为多少才是标准的，声音的响度有多大才是最适当的，这些我们都不能客观的去说。但是，通过人工智能评价系统对大数据的采集，并且利用相应的运算模型，通过人工智能技术，能够实现对语音信息的完全掌握，同时也可利用网络管理不断丰富更新数据，实现进一步的信息保障。
[0083]
人工智能评价系统也并不是一成不变的，它同时也具备不断学习的能力，能够把很多新数据不断归入到系统中，把那些运算难度低的数据进行处理，然后得到一些层次较
高的数据。由于人工智能的不断学习功能，网络管理的水平不断提高，运行速度也将不断加快，同时减少了评价过程的时间。
[0084]
专家型原则当今社会是一个大数据时代，评价系统也在逐渐得智能化，智能化评价系统通过计算机网络中的专家知识库，利用计算机的求解技术，建立出一个综合性的评价系统。人们输出的语音、文字、动作信息各不相同特点，只有加快评价系统智能化进程，才能提高评价的质量和效率。专家系统是现代人工智能的重要组成部分，系统可以把相关专业的专家、学者、优秀课堂的教师提供的知识信息以及经验纳入到人工智能评价系统当中，然后人工智能技术再把这些信息进行处理，最终利用这些信息来对被测者的语音、板书、教态进行评价。
[0085]
高效性原则通过对专家系统的应用，计算机网络管理的效率能够提高。人工智能评价系统网络版可以实现云端评价，不局限于学校中、教室内，在宿舍、操场、家中都可以实现师范生教学技能评价。人工智能评价系统网络版，将内部知识库作为分析处理数据的依据，然后快速完成管理任务。人工智能评价系统是一种等语音、教态、板书信息输入完成以后，然后系统自动进行数据信息搜索的技术。系统将会把搜索出来的数据自动传送到特定的位置，以提供一种智能化的服务。比如说，进行教学评价的师范生输入自身的语音信息后，人工智能技术能够应用对应的查找信息进行处理，然后根据这个信息分析数据，显示评价的结果或者提供他所需要的信息，以节省教学技能评价的时间。
[0086]
应用性原则人工智能评价系统在现在的生活中已经有了较为广泛的应用，例如在日常生活和工作时，所应用到的邮件自动收取、网络购物、会议安排、行程规划等都会用到人工智能评价功能，经过大数据的采集，形成针对每个用户的大数据系统，根据智能评价系统对大数据进行分析评价，选择最优的呈现方案。同时，人工智能评价系统现在已经应用到了很多企业中，为企业管理提供便利。人工智能评价系统能够实现自动化管理，让企业的管理更加信息化，提高企业人员的工作效率。在以往的评价模式，往往需要耗费大量的经费，而且实际评价效果不好，容易出现偏差。通过应用人工智能评价系统，基本能够解决评价的成本预算问题，提高企业管理的效果。人工智能评价系统可以把不同专业、不同行业的知识和经验累积起来，并且把这些内容进行分析和总结，然后形成一套完整科学的计算机网络智能评价系统，提高工作效率，因此人工智能评价系统具有较强的应用性。
[0087]
人工智能评价系统是科学技术不断发展，顺应时代而生的新型事物，它是依靠通信技术、计算机技术、网络技术建立并不断发展起来的，并且该项发展也逐渐应用到各个不同的领域。在未来，人工智能评价系统也会不断更新和发展与完善。人工智能评价系统能够更好满足人们对工作和生活的不同需求，网络技术本身也会不断发展，网络的运行速度将会逐渐加快，安全程度会不断加强，人工智能所涉及的领域会不断增多，并且为社会发展创造更多的价值教师基本教学技能量化评价系统通过以量化评价的形式，利用模拟训练与循环训练各种训练模式，充分集中学生注意力，以灵活多样的方式评价学生训练成果，在师范生技能训练方面，循序渐进地呈现具有科学性、难度适宜的训练样本，恰当地引导学生完成系统
化的训练；在强化技能方面，传统师范生技能训练不能运用多种强化方式进行及时强化，但是教师基本教学技能量化评价系统会有针对性的对学生的某一项技能反复训练；在训练指标方面，传统师范生技能训练指标界定不够清晰，无法准确呼应师范生的教学技能训练目标。新一轮的课程改革，更加提升对教师基本教学技能训练的要求，作为当代师范生，未来的人民教师，更应该有意识地学习、训练自己师范生基本教学技能。科学的评价依据是一切能力提高的前提，人工智能教育是教育现代化的发展趋势。系统以师范生课堂基本技能定量测量与评价为基准，分析师范生基本技能指标的现实特征，根据这些特征构建定量测量与评价体系。定量测量与评价体系以教学语音技能、板书技能、教姿技能为基础，精化的多层次题库为评价依据，量化的结构和非结构性学习记录为数据源，细分的系统评价为评价结果。通过实践测量出的教学基本技能的要点的标准值来指引师范生，提出了自助性智能化的师范生基本课堂基本技能训练方式。希望该系统能够规范师范生的基本教学技能，帮助师范生根据整体评价结果调整教学策略，根据系统评价结果补足短板，实现自身价值。
[0088]
量化评价是基本教学技能培训中不可或缺的重要组成部分。由于受到人为因素的限制，定性评价很难达到预期的效果，而定量研究引入到实验中，能够有效提高训练的可行性。量化评价作为实证研究的方法之一，实质上就等同于实证主义的研究，如萨莉
·
哈钦森指出：“实证主义者认为世界就在那，世界就是这样以一种静态形式供研究者研究。”所以，定量研究认为物质、社会现实独立于观察者本人，只要能够毫无偏见地对事实进行观察并据此作出评价，其结果就有可能构成科学知识。以学生的语音部分进行截取，导入我们的实验系统，系统的评价就可以作为一个样本，在此基础上再努力地构建数值，对比其他各种视频数据，并尽可能地利用系统分析方法获取实验结果，最大限度地获得各视频的相似处，得到统一的结果，用它作为师范生语言系统的标准值。
[0089]
虚拟仿真系统师范生技能评价结果
通过上述传统技能训练与教师基本教学技能量化评价系统训练结果对比可知，传统训练与教师基本教学技能量化评价系统训练在师范生的教学技能训练方面存在着一定
的差异。在板书技能方面，传统师范生无法用量化的方式评价一字的大小、规范、深浅，行间距、倾斜等，传统评价的内容以主观性为主，不仅容易参加个人的情感因素，同时不同的人对不同的训练结果评价也有不同的看法，无法以一个具体的标准来衡量一项指标的得分高低。同时传统评价耗费大量的人力物力，例如，小组评价需要多个人同时在一起，若一名同学训练时间为15分钟，则一个4人小组听完至少需要一个小时，再花费时间评议，统计。同样，专家评价也面临着这样的情形，并且，专家人数和学生人数存在着较大差异，不可能每一个专家都向学生提出自己的意见，同时一对一的指导在当前教育资源短缺的情况下也是不可完成的。