教师课堂教学质量的评估方法以及装置与流程

1.本发明涉及教育技术领域，具体而言，涉及一种教师课堂教学质量的评估方法、装置、计算机可读存储介质以及处理器。


背景技术：

2.教师教学质量评价是教学质量监控的重要环节，是提高教学质量和办学效益的重要手段，同时，对建立完善的教学质量监控体系、推进教风与学风建设、全面提高教师教学业务水平和教学效果，培养适应时代需求、具有创新精神和实践能力的全面发展的优秀人才有积极的作用。
3.目前课堂教师教学质量评估多由学校教师互评、领导打分，这样的评估方式容易受评分人的主观性影响，且存在评估周期长，难以反映长期授课质量等问题。
4.针对上述的问题，目前尚未提出有效的解决方案。


技术实现要素：

5.本发明实施例提供了一种教师课堂教学质量的评估方法、装置、计算机可读存储介质以及处理器，以至少解决教师课堂教学质量由学校教师互评、领导打分造成的受评分人的主观性影响，以及评估周期长，难以反映长期授课质量的技术问题。
6.根据本发明实施例的一个方面，提供了一种教师课堂教学质量的评估方法，包括：采集目标教师的教师授课数据、学生听课数据以及课程板书数据；确定课堂教学质量评估的评测维度；根据所述评测维度分别对所述教师授课数据、所述学生听课数据以及所述课程板书数据进行处理，评估所述目标教师的课堂教学质量。
7.可选地，所述评测维度包括以下至少之一：语言合规性、板书合规性、课堂活跃度、仪容仪表合规度。
8.可选地，在所述评测维度包括语言合规性时，根据所述评测维度分别对所述教师授课数据、所述学生听课数据以及所述课程板书数据进行处理，评估所述目标教师的课堂教学质量，包括：根据所述教师授课数据中的教师音频数据对授课思路流畅度进行检测，确定所述目标教师的授课思路流畅得分；和/或，根据所述教师授课数据中的教师音频数据对红线词进行检测，确定所述目标教师的语言合规性得分。
9.可选地，在所述评测维度包括板书合规性时，根据所述评测维度分别对所述教师授课数据、所述学生听课数据以及所述课程板书数据进行处理，评估所述目标教师的课堂教学质量，包括：根据所述课程板书数据对黑板上的手写内容进行识别，其中，在所述手写内容为无法识别或者字体过大或者字体过小时，则确定所述目标教师的黑板潦草/不规范，或者，在识别出所述手写内容时，则将识别出的所述手写内容与堂课的知识点进行对比，确定所述目标教师的板书综合得分；和/或，根据所述课程板书数据对涂抹痕迹进行检测，确定所述目标教师的授课流畅度得分。
10.可选地，根据所述课程板书数据对涂抹痕迹进行检测，确定所述目标教师的授课
流畅度得分，包括：将所述课程板书数据输入识别模型，由所述识别模型输出所述课程板书数据对应的涂抹痕迹次数，所述识别模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：所述课程板书数据和所述课程板书数据对应的涂抹痕迹次数；确定所述涂抹痕迹次数大于或者等于预设的涂抹痕迹次数阈值，则对所述目标教师的授课流畅度得分进行扣分处理。
11.可选地，在所述评测维度包括课堂活跃度时，根据所述评测维度分别对所述教师授课数据、所述学生听课数据以及所述课程板书数据进行处理，评估所述目标教师的课堂教学质量，包括：根据所述学生听课数据中的学生视频数据对学生人数进行检测，确定学生的出勤率；和/或，根据所述学生听课数据中的学生音频数据对学生音量进行检测，确定学生的回答音量；和/或，根据所述学生听课数据中的学生视频数据对学生人脸表情进行检测，确定学生的专注度。
12.可选地，在所述评测维度包括仪容仪表合规度时，根据所述评测维度分别对所述教师授课数据、所述学生听课数据以及所述课程板书数据进行处理，评估所述目标教师的课堂教学质量，包括：根据所述教师授课数据中的教师视频数据对所述目标教师的异常仪容和/或异常姿态进行检测，确定所述目标教师的仪容仪表得分；和/或，根据所述学生听课数据中的学生视频数据对学生的异常仪容和/或异常姿态进行检测，确定所述学生的仪容仪表得分。
13.根据本发明实施例的另一方面，还提供了一种教师课堂教学质量的评估装置，包括采集单元、确定单元以及评估单元，其中，所述采集单元用于采集目标教师的教师授课数据、学生听课数据以及课程板书数据；所述确定单元用于确定课堂教学质量评估的评测维度；所述评估单元用于根据所述评测维度分别对所述教师授课数据、所述学生听课数据以及所述课程板书数据进行处理，评估所述目标教师的课堂教学质量。
14.根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行任一种所述的教师课堂教学质量的评估方法。
15.根据本发明实施例的另一方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行任一种所述的教师课堂教学质量的评估方法。
16.在本发明实施例中，上述教师课堂教学质量的评估方法，首先，采集目标教师的教师授课数据、学生听课数据以及课程板书数据；然后，确定课堂教学质量评估的评测维度；最后，根据所述评测维度分别对所述教师授课数据、所述学生听课数据以及所述课程板书数据进行处理，评估所述目标教师的课堂教学质量。本技术通过课堂教学质量评估的评测维度对教师授课数据、学生听课数据以及课程板书数据进行处理，从而可以对教师的课堂教学质量自动进行准确地评估，进而解决了教师课堂教学质量由学校教师互评、领导打分造成的受评分人的主观性影响，以及评估周期长，难以反映长期授课质量的技术问题。
附图说明
17.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
18.图1是根据本发明实施例的教师课堂教学质量的评估方法的示意图；
19.图2是根据本技术实施例的教师课堂教学质量的评估装置的示意图。
具体实施方式
20.为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
21.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
22.应该理解的是，当元件(诸如层、膜、区域、或衬底)描述为在另一元件“上”时，该元件可直接在该另一元件上，或者也可存在中间元件。而且，在说明书以及权利要求书中，当描述有元件“连接”至另一元件时，该元件可“直接连接”至该另一元件，或者通过第三元件“连接”至该另一元件。
23.为了便于描述，以下对本技术实施例涉及的部分名词或术语进行说明：
24.语音识别：利用信号处理的方法对收到音频数据进行降噪处理、端点检测，将处理后的音频先后发至声学模型、语言模型。上述声学模型指提前训练好的深度神经网络(deep neural networks，简称dnn)模型、双向长短期记忆(long short-term memory，简称lstm)模型，利用声学模型将音素提取成特征向量。上述的语言模型指n-gram模型。利用语言模型能将特征向量解码还原成文字。
25.光学字符识别(optical character recognition，简称ocr)手写识别：利用ocr手写识别模型对检测区域进行ocr内容识别操作，得到识别结果序列，上述ocr手写识别模型为通过与识别对象对应的数据集训练获得。
26.姿态检测：实时检测图像或视频中的手部及人体，支持关键点检测、手势识别、人体轮廓分割等多种功能。可通过摄像机或摄像头采集含有人体姿态的图像或视频流，并自动在图像中检测，进而对检测到的人脸进行脸部识别的一系列相关技术。
27.人脸属性检测：识别人脸图片中的一个或多个人脸，并对个体的年龄、性别、情绪等属性做出判断。
28.正如背景技术中所说的，现有技术中教师课堂教学质量由学校教师互评、领导打分造成的受评分人的主观性影响，以及评估周期长，难以反映长期授课质量，为了解决上述问题，本技术的一种典型的实施方式中，提供了一种教师课堂教学质量的评估方法、装置、计算机可读存储介质以及处理器。
29.根据本发明实施例，提供了一种教师课堂教学质量的评估方法实施例，
30.图1是根据本发明实施例的教师课堂教学质量的评估方法的示意图，如图1所示，
该方法包括如下步骤：
31.步骤s101，采集目标教师的教师授课数据、学生听课数据以及课程板书数据；
32.步骤s102，确定课堂教学质量评估的评测维度；
33.步骤s103，根据评测维度分别对教师授课数据、学生听课数据以及课程板书数据进行处理，评估目标教师的课堂教学质量。
34.上述教师课堂教学质量的评估方法，首先，采集目标教师的教师授课数据、学生听课数据以及课程板书数据；然后，确定课堂教学质量评估的评测维度；最后，根据评测维度分别对教师授课数据、学生听课数据以及课程板书数据进行处理，评估目标教师的课堂教学质量。该方法通过课堂教学质量评估的评测维度对教师授课数据、学生听课数据以及课程板书数据进行处理，从而可以对教师的课堂教学质量自动进行准确地评估，进而解决了教师课堂教学质量由学校教师互评、领导打分造成的受评分人的主观性影响，以及评估周期长，难以反映长期授课质量的技术问题。
35.需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
36.具体地，上述教师授课数据包括教师音频数据和教师视频数据，上述学生听课数据包括学生音频数据和学生视频数据，上述课程板书数据包括录制的板书视频数据。上述教师音频数据通过教师身上佩戴的麦克风设备对教师的声音进行单独收声获取，上述学生音频数据通过安装在教室前方的两侧麦克风进行收声获取，不同路收声，以便单独采集教师和学生的声音。上述教师视频数据通过安装在教室后方的摄像头对教师的姿态，衣着等信息进行采集获取，上述学生视频数据通过安装在教室前方的两个摄像头，实现对学生的面部表情的采集获取，上述板书视频数据通过安装在教室的中部的摄像头对黑板板书进行摄像采集获取。
37.为了提高评估系统的全面性和准确性，本技术的一种实施例中，上述评测维度包括以下至少之一：语言合规性、板书合规性、课堂活跃度、仪容仪表合规度。
38.本技术的另一种实施例中，在评测维度包括语言合规性时，根据评测维度分别对教师授课数据、学生听课数据以及课程板书数据进行处理，评估目标教师的课堂教学质量，包括：根据教师授课数据中的教师音频数据对授课思路流畅度进行检测，确定目标教师的授课思路流畅得分；和/或，根据教师授课数据中的教师音频数据对红线词进行检测，确定目标教师的语言合规性得分。根据教师授课数据中的教师音频数据对伸手可思路流畅度和红线词进行检测，保证了评估教师课堂教学质量的准确性。
39.本技术的一种具体实施例中，根据教师授课数据中的教师音频数据对授课思路流畅度进行检测，可以采用语音识别技术，检测教师的授课内容出现语气词(如：嗯、啊、呢和哈等)和句中停顿(基于静音切割技术，切分出小于等于3s的静音片段)的频率，按照语气词出现的次数和预设的权重计算出停顿的次数，从而判断教师授课思路是否流畅。同样地，采用语音识别技术，教师授课数据中的教师音频数据对红线词进行检测，并将检测结果与教学数据库进行比对，计算授课中出现红线词的次数，按照每种违规语出现的次数和预设的权重计算出语言违规数据，有效规避不合规词汇的使用。另外，采用语音识别技术还可以将教师的语音转写成文本。
40.本技术的另一种具体实施例中，还可以根据教师授课数据中的教师音频数据对教师在授课时的情绪和语速进行检测，从而可以判断老师是否存在生气、悲伤、厌恶等异常情绪，以及判断老师是否存在语速过快、语速过慢的情况，若有异常可以在对应的时间段进行标注。
41.本技术的又一种实施例中，在评测维度包括板书合规性时，根据评测维度分别对教师授课数据、学生听课数据以及课程板书数据进行处理，评估目标教师的课堂教学质量，包括：根据课程板书数据对黑板上的手写内容进行识别，其中，在手写内容为无法识别或者字体过大或者字体过小时，则确定目标教师的黑板潦草/不规范，或者，在识别出手写内容时，则将识别出的手写内容与堂课的知识点进行对比，确定目标教师的板书综合得分；和/或，根据课程板书数据对涂抹痕迹进行检测，确定目标教师的授课流畅度得分。根据课程板书数据识别黑板上的手写内容，确定板书是否规范、与堂课知识点是否相符以及教师授课流畅度，使得对教师课堂教学质量的评估更加准确。
42.本技术的一种具体实施例中，通过对板书视频进行检测，若发现黑板内容为空，则标记该课程教师当堂未撰写板书；若书写了内容，将数据传输到服务端，通过ocr手写识别技术，识别出黑板手写内容。
43.为了进一步提升教学质量评估的准确性，本技术的再一种实施例中，根据课程板书数据对涂抹痕迹进行检测，确定目标教师的授课流畅度得分，包括：将课程板书数据输入识别模型，由识别模型输出课程板书数据对应的涂抹痕迹次数，识别模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：课程板书数据和课程板书数据对应的涂抹痕迹次数；确定涂抹痕迹次数大于或者等于预设的涂抹痕迹次数阈值，则对目标教师的授课流畅度得分进行扣分处理。上述课程板书数据和课程板书数据对应的涂抹痕迹次数为历史数据。
44.本技术的另一种实施例中，在评测维度包括课堂活跃度时，根据评测维度分别对教师授课数据、学生听课数据以及课程板书数据进行处理，评估目标教师的课堂教学质量，包括：根据学生听课数据中的学生视频数据对学生人数进行检测，确定学生的出勤率；和/或，根据学生听课数据中的学生音频数据对学生音量进行检测，确定学生的回答音量；和/或，根据学生听课数据中的学生视频数据对学生人脸表情进行检测，确定学生的专注度。学生的出勤率、与教师的互动及专注度侧面反映出教师的教学质量，通过学生出勤率、学生回答音量以及学生专注度评估教师的课堂教学质量，使得评估更加全面。
45.本技术的一种具体实施例中，根据学生听课数据中的学生视频数据对学生人数进行检测可以利用人数检测模型，抽取课堂中的几个时间，对单帧画面对人数进行统计，人数＝max(ri)(i＝1，2，..n)，ri代表抽取时刻的人数，再根据教务系统中统计的应到人数可计算本堂课的出勤率＝实际出勤人数/本堂课应到人数。
46.本技术的另一种具体实施例中，学生听课数据中的学生音频数据可以通过在教室前方的两麦阵列对学生端进行收声得到，一堂好课师生之间应该有适当互动，若整堂课的音量为0，说明学生情绪不够活跃或者教师没有引导交互，建议授课教师分析原因，并在后续的授课过程进行规避。
47.本技术的又一种具体实施例中，根据学生听课数据中的学生视频数据，可以采集学生的面部表情视频，扫描学生的面部动作、扫描肌肤变化的纹理，并结合可变形点的星系
建立面部详细模型并反馈，输出表情信息，判断分析学生的正向数据，例如：微笑、点头、张口等；以及负向数据，例如：走神、打瞌睡、低头；根据学生行为生成变化趋势图表以及学生表情分析模块输出的表情信息生成课堂质量报告。
48.为了进一步提高教师课堂教学质量的全面性，本技术的另一种实施例中，在评测维度包括仪容仪表合规度时，根据评测维度分别对教师授课数据、学生听课数据以及课程板书数据进行处理，评估目标教师的课堂教学质量，包括：根据教师授课数据中的教师视频数据对目标教师的异常仪容和/或异常姿态进行检测，确定目标教师的仪容仪表得分；和/或，根据学生听课数据中的学生视频数据对学生的异常仪容和/或异常姿态进行检测，确定学生的仪容仪表得分。
49.具体地，上述异常仪容检测包括分析教师和学生的仪容是否符合范式，例如：教师是否存在半裸、穿吊带、背心、超短裤的暴露衣着情况，学生是否存在穿吊带、染发、打耳洞等不规范仪容。上述异常姿态检测包括分析教师和学生是否出现不雅姿势。教师的课堂异常行为可包括：抽烟、打人、打电话、睡觉、刷手机、吃东西等。学生异常行为可以包括：打架、奔跑、扔书、睡觉、刷手机等。另外，教师和学生的动作通过不同的摄像头进行记录和区分，若产生了违反规定的特定姿势，将触发动作识别算法模型。可以利用骨架姿态估计算法和视频分类算法，综合判断给出动作行为分析的分类结果。
50.本技术实施例还提供了一种教师课堂教学质量的评估装置，需要说明的是，本技术实施例的教师课堂教学质量的评估装置可以用于执行本技术实施例所提供的教师课堂教学质量的评估方法。以下对本技术实施例提供的教师课堂教学质量的评估装置进行介绍。
51.图2是根据本技术实施例的教师课堂教学质量的评估装置的示意图，如图2所示，该装置包括：
52.采集单元10，用于采集目标教师的教师授课数据、学生听课数据以及课程板书数据；
53.确定单元20，用于确定课堂教学质量评估的评测维度；
54.评估单元30，用于根据评测维度分别对教师授课数据、学生听课数据以及课程板书数据进行处理，评估目标教师的课堂教学质量。
55.教师课堂教学质量的评估装置，先通过采集单元10采集目标教师的教师授课数据、学生听课数据以及课程板书数据；再通过确定单元20确定课堂教学质量评估的评测维度；最后通过评估单元30根据评测维度分别对教师授课数据、学生听课数据以及课程板书数据进行处理，评估目标教师的课堂教学质量。该装置通过课堂教学质量评估的评测维度对教师授课数据、学生听课数据以及课程板书数据进行处理，从而可以对教师的课堂教学质量自动进行准确地评估，进而解决了教师课堂教学质量由学校教师互评、领导打分造成的受评分人的主观性影响，以及评估周期长，难以反映长期授课质量的技术问题。
56.具体地，上述教师授课数据包括教师音频数据和教师视频数据，上述学生听课数据包括学生音频数据和学生视频数据，上述课程板书数据包括录制的板书视频数据。上述教师音频数据通过教师身上佩戴的麦克风设备对教师的声音进行单独收声获取，上述学生音频数据通过安装在教室前方的两侧麦克风进行收声获取，不同路收声，以便单独采集教师和学生的声音。上述教师视频数据通过安装在教室后方的摄像头对教师的姿态，衣着等
信息进行采集获取，上述学生视频数据通过安装在教室前方的两个摄像头，实现对学生的面部表情的采集获取，上述板书视频数据通过安装在教室的中部的摄像头对黑板板书进行摄像采集获取。
57.为了提高评估系统的全面性和准确性，本技术的一种实施例中，上述评测维度包括以下至少之一：语言合规性、板书合规性、课堂活跃度、仪容仪表合规度。
58.本技术的另一种实施例中，评估单元包括第一确定子单元，第一确定子单元用于在评测维度包括语言合规性时，根据教师授课数据中的教师音频数据对授课思路流畅度进行检测，确定目标教师的授课思路流畅得分；和/或，根据教师授课数据中的教师音频数据对红线词进行检测，确定目标教师的语言合规性得分。根据教师授课数据中的教师音频数据对伸手可思路流畅度和红线词进行检测，保证了评估教师课堂教学质量的准确性。
59.本技术的一种具体实施例中，根据教师授课数据中的教师音频数据对授课思路流畅度进行检测，可以采用语音识别技术，检测教师的授课内容出现语气词(如：嗯、啊、呢和哈等)和句中停顿(基于静音切割技术，切分出小于等于3s的静音片段)的频率，按照语气词出现的次数和预设的权重计算出停顿的次数，从而判断教师授课思路是否流畅。同样地，采用语音识别技术，教师授课数据中的教师音频数据对红线词进行检测，并将检测结果与教学数据库进行比对，计算授课中出现红线词的次数，按照每种违规语出现的次数和预设的权重计算出语言违规数据，有效规避不合规词汇的使用。另外，采用语音识别技术还可以将教师的语音转写成文本。
60.本技术的另一种具体实施例中，还可以根据教师授课数据中的教师音频数据对教师在授课时的情绪和语速进行检测，从而可以判断老师是否存在生气、悲伤、厌恶等异常情绪，以及判断老师是否存在语速过快、语速过慢的情况，若有异常可以在对应的时间段进行标注。
61.本技术的又一种实施例中，评估单元还包括第二确定子单元，第二确定子单元用于在评测维度包括板书合规性时，根据课程板书数据对黑板上的手写内容进行识别，其中，在手写内容为无法识别或者字体过大或者字体过小时，则确定目标教师的黑板潦草/不规范，或者，在识别出手写内容时，则将识别出的手写内容与堂课的知识点进行对比，确定目标教师的板书综合得分；和/或，根据课程板书数据对涂抹痕迹进行检测，确定目标教师的授课流畅度得分。根据课程板书数据识别黑板上的手写内容，确定板书是否规范、与堂课知识点是否相符以及教师授课流畅度，使得对教师课堂教学质量的评估更加准确。
62.本技术的一种具体实施例中，通过对板书视频进行检测，若发现黑板内容为空，则标记该课程教师当堂未撰写板书；若书写了内容，将数据传输到服务端，通过ocr手写识别技术，识别出黑板手写内容。
63.为了进一步提升教学质量评估的准确性，本技术的再一种实施例中，上述第二确定子单元包括输出模块和确定模块，输出模块用于将课程板书数据输入识别模型，由识别模型输出课程板书数据对应的涂抹痕迹次数，识别模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：课程板书数据和课程板书数据对应的涂抹痕迹次数；确定模块用于确定涂抹痕迹次数大于或者等于预设的涂抹痕迹次数阈值，则对目标教师的授课流畅度得分进行扣分处理。课程板书数据和课程板书数据对应的涂抹痕迹次数为历史数据。
64.本技术的另一种实施例中，评估单元还包括第三确定子单元，第三确定子单元用于在评测维度包括课堂活跃度时，根据学生听课数据中的学生视频数据对学生人数进行检测，确定学生的出勤率；和/或，根据学生听课数据中的学生音频数据对学生音量进行检测，确定学生的回答音量；和/或，根据学生听课数据中的学生视频数据对学生人脸表情进行检测，确定学生的专注度。学生的出勤率、与教师的互动及专注度侧面反映出教师的教学质量，通过学生出勤率、学生回答音量以及学生专注度评估教师的课堂教学质量，使得评估更加全面。
65.本技术的一种具体实施例中，根据学生听课数据中的学生视频数据对学生人数进行检测可以利用人数检测模型，抽取课堂中的几个时间，对单帧画面对人数进行统计，人数＝max(ri)(i＝1，2，..n)，ri代表抽取时刻的人数，再根据教务系统中统计的应到人数可计算本堂课的出勤率＝实际出勤人数/本堂课应到人数。
66.本技术的另一种具体实施例中，学生听课数据中的学生音频数据可以通过在教室前方的两麦阵列对学生端进行收声得到，一堂好课师生之间应该有适当互动，若整堂课的音量为0，说明学生情绪不够活跃或者教师没有引导交互，建议授课教师分析原因，并在后续的授课过程进行规避。
67.本技术的又一种具体实施例中，根据学生听课数据中的学生视频数据，可以采集学生的面部表情视频，扫描学生的面部动作、扫描肌肤变化的纹理，并结合可变形点的星系建立面部详细模型并反馈，输出表情信息，判断分析学生的正向数据，例如：微笑、点头、张口等；以及负向数据，例如：走神、打瞌睡、低头；根据学生行为生成变化趋势图表以及学生表情分析模块输出的表情信息生成课堂质量报告。
68.为了进一步提高教师课堂教学质量的全面性，本技术的另一种实施例中，评估单元还包括第四确定子单元，第四确定子单元用于在评测维度包括仪容仪表合规度时，根据教师授课数据中的教师视频数据对目标教师的异常仪容和/或异常姿态进行检测，确定目标教师的仪容仪表得分；和/或，根据学生听课数据中的学生视频数据对学生的异常仪容和/或异常姿态进行检测，确定学生的仪容仪表得分。
69.具体地，上述异常仪容检测包括分析教师和学生的仪容是否符合范式，例如：教师是否存在半裸、穿吊带、背心、超短裤的暴露衣着情况，学生是否存在穿吊带、染发、打耳洞等不规范仪容。上述异常姿态检测包括分析教师和学生是否出现不雅姿势。教师的课堂异常行为可包括：抽烟、打人、打电话、睡觉、刷手机、吃东西等。学生异常行为可以包括：打架、奔跑、扔书、睡觉、刷手机等。另外，教师和学生的动作通过不同的摄像头进行记录和区分，若产生了违反规定的特定姿势，将触发动作识别算法模型。可以利用骨架姿态估计算法和视频分类算法，综合判断给出动作行为分析的分类结果。
70.上述教师课堂教学质量的评估装置包括处理器和存储器，上述采集单元、确定单元以及评估单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
71.处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来解决现有技术中教师课堂教学质量由学校教师互评、领导打分造成的受评分人的主观性影响，以及评估周期长，难以反映长期授课质量的问题。
72.存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/
或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)，存储器包括至少一个存储芯片。
73.本发明实施例提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述教师课堂教学质量的评估方法。
74.本发明实施例提供了一种处理器，上述处理器用于运行程序，其中，上述程序运行时执行上述教师课堂教学质量的评估方法。
75.本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现至少以下步骤：
76.步骤s101，采集目标教师的教师授课数据、学生听课数据以及课程板书数据；
77.步骤s102，确定课堂教学质量评估的评测维度；
78.步骤s103，根据评测维度分别对教师授课数据、学生听课数据以及课程板书数据进行处理，评估目标教师的课堂教学质量。
79.本文中的设备可以是服务器、pc、pad、手机等。
80.本技术还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有至少如下方法步骤的程序：
81.步骤s101，采集目标教师的教师授课数据、学生听课数据以及课程板书数据；
82.步骤s102，确定课堂教学质量评估的评测维度；
83.步骤s103，根据评测维度分别对教师授课数据、学生听课数据以及课程板书数据进行处理，评估目标教师的课堂教学质量。
84.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
85.在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
86.在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
87.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
88.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
89.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或
部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
90.以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。