表情识别技术在现代教学评价管理中的应用

表情识别技术在现代教学评价管理中的应用

刘宏波

广州视睿电子科技有限公司  510663

摘要：本文主要对现代教学评价管理系统中的表情识别技术应用进行分析。包括系统架构设计、系统数据采集、系统数据分析以及评价结果生成等。希望通过本次的分析，可以为表情识别技术的合理应用与现代教学评价管理质量的提升提供一定参考。

关键词：表情识别技术；教学评价管理；系统设计；数据挖掘

前言：在现代教学评价与管理系统的开发设计中，表情识别技术发挥着至关重要的应用优势。基于此，设计者和技术人员应结合实际情况，对表情识别技术加以合理应用，再通过数据挖掘与分析技术来进行表情数据的科学处理。通过这样的方式，便可对教学效果做出合理评价。

一、表情识别技术概述

    表情识别技术就是借助于计算机视觉以及模式识别等的方法来采集、分析和处理人脸图像，通过其面部表情来识别相应的情感状态。就目前的表情识别技术而言，其中包含的主要技术内容有人脸检测技术、特征提取技术、特征选择与降维处理技术、情感分类技术等[1]。凭借着数据获取便捷、识别效率高、智能性强等的诸多优势，表情识别技术在当前的很多领域中都得到了广泛应用。尤其是在现代化教学评价管理系统中，该技术的应用更是备受关注。

二、表情识别技术在现代教学评价管理中的应用分析

    在现代教学评价管理工作中，信息化教学评价管理系统已经得到了广泛应用。而在此类系统的设计与开发中，通过表情识别技术的合理应用，便可对学生学习过程中的表情进行实时采集，再通过数据挖掘技术等对获取到的表情数据进行处理与分析，便可准确获悉学生的实际情绪状态。这对于教学效果的评价与教学方案、方法等的调整都将起到非常有利的支持作用。基于此，本次便以表情识别技术为依据，对一款现代教学评价管理系统的设计与应用进行研究。

（一）系统架构设计

    本次所设计的教学评价管理系统主要将表情识别技术作为依托，结合具体的教学评价理论及其评价方法，通过数据挖掘技术来准确分析学生在学习过程中的情感状态及其参与度等，从而对教学效果做出科学评价。基于此，设计者主要按以下几个模块来设计该系统的整体架构：1）数据采集，即通过表情识别技术来采集学生的表情数据，并将其实时上传给系统。2）数据分析，通过数据挖掘与人工智能等技术来处理获取到的表情数据，并对其情感数据进行综合分析。3）评价结果生成，将数据分析模块得出的分析结果作为依据，在系统中生成相应的教学评价结果，以此来为实际的教学效果评估及其教学方案调整等提供参考依据。

（二）系统数据采集

    在该系统的实际应用中，数据采集是一个首要环节，同时也是表情识别技术最为关键的一个应用步骤。在此过程中，该系统主要借助于多种现代先进的传感器设备来采集学生学习过程中的面部表情数据，包括红外传感器、深度摄像头以及高清摄像头等。除此之外，该系统还可以对其他和学生情感状态有关的信息数据进行采集，包括学生学习过程中的皮肤电反应数据、心率数据以及声音数据等[2]。通过这样的方式，便可为系统后续的综合数据分析及其教学效果评价提供足够全面的数据支持。

（三）系统数据分析

1、数据挖掘技术应用

所谓数据挖掘技术，就是通过相应的算法在海量数据中搜索隐藏信息，以此来完成所需数据的处理和分析。在该系统的实际应用中，数据挖掘技术是最为关键的一种技术类型，该技术在其中的主要应用功能是对通过表情识别技术获取到的学生表情数据和与之相关的其他数据进行全面分析，以此来评价学生的情感状态。为实现此项技术的合理应用，本次系统设计中，特将数据挖掘技术中的各种算法建立在了该系统数据库里，以此来全面挖掘和分析表情识别技术获取到的数据信息，并将设定好的表情与情感状态对应模型作为依据，根据学生学习中的表情来评价其情感状态。图1为数据挖掘技术处理流程示意图：

图1-数据挖掘技术处理流程示意图

2、表情数据处理分析

    在该系统的实际应用中，表情数据主要通过以下流程来进行处理：1）采用计算机视觉与机器学习算法来处理和分析获取到的学生面部表情数据，包括表情特征提取与表情模式识别等。2）通过深度神经网络对提取出的面部表情特征进行自动学习，并通过数据集的大规模训练来学习更加抽象、复杂的面部表情特征，从而使获取到的面部表情识别结果更加准确。3）将时序信息法结合应用其中，以此来分析学生面部表情的动态变化，包括单独某一时刻的学生表情及其表情的持续变化趋势等，并通过数据挖掘技术与表情情感关联模型的方式来分析学生学习过程中的情感状态。

3、情感数据综合分析

    在该系统的实际应用中，情感数据综合分析主要依托于数据挖掘技术来实现。在此过程中，该系统会将识别出的学生面部表情状态作为依据，根据系统中的相应关联模型对其在学习过程中的情感体验及其参与度等进行分析。并将相应的情感理论与心理学研究等模型作为基础，将获取到的学生表情状态合理关联到相应的情感类别中，包括厌恶、喜悦以及焦虑等

[3]。除此之外，通过数据挖掘技术的合理应用，该系统也可以将其他数据综合应用到学生情感分析中，包括学生的皮肤电反应数据、心率数据及其声音数据等，以此来实现学生表情与情感类别的有效关联，从而实现学生情感信息的全面获取。这样便可对学生学习中的情绪波动程度做出科学分析，使获取到的情感分析结果更加准确。

（四）评价结果生成

    在通过该系统进行教学评价时，评价结果生成是最后一个环节，同时也是最为关键的一个环节。在此过程中，该系统会将通过数据挖掘技术获取到的学生情感分析结果作为依据，生成具体的学生学习情感状态分析与评价结果，并将其以图表的形式显示在系统交互界面上。通过生成的评价图表信息，教师可以更加直观地了解到学生在学习过程中的情感状态变化情况，以此来明确实际教学为学生带来的具体情感体验。同时，该系统也可以单独生成每一名学生的学习评价报告与学习体验评估报告等，从而为每一名学生的学习效果评估提供有力的参考依据。另外，在具体的教学评价结果生成中，该系统中的数据挖掘技术也会将学生的情感状态评价数据与学生的学习成绩及其行为等数据结合起来，从而为教师的教学评价提供更加科学、全面的数据支持。在这样的教学评价模式下，每一名学生的学习成果都将与其学习过程之间实现有效关联，这样便可为教师的教学质量评价和学生学习效果评估提供足够科学、全面、准确的数据支持，从而为教师教学方案与教学方法的调整提供参考依据。

结束语：

    综上所述，在现代科学技术的支持下，教学评价管理工作也实现了信息化、数字化与智能化的发展。尤其是在大数据技术与表情识别技术的支持下，教学评价管理系统更是具备了良好的应用优势。为实现该系统应用效果的进一步提升，满足现代教学评价与管理工作的实际需求，在此类系统的设计与开发过程中，设计者与技术人员一定要对表情识别技术做到充分了解，并结合实际应用需求，将此项技术合理引入到教学评价管理系统中，以此来完成学生学习过程中的面部表情数据采集，并在数据挖掘技术的支持下完成相应数据的分析和处理。最终生成足够科学、客观、准确的评价结果。通过这样的方式，才可以为教学效果的评估与教学方案的调整提供足具科学性的参考依据。

参考文献：

[1] 唐强,张璐平,夏志远,等. 表情识别在课堂教学评价中的应用研究[J]. 现代信息科技,2022(20):191-195.

[2] 梁利亭. 人脸检测和表情识别在课堂教学评价中的应用研究[J]. 山东商业职业技术学院学报,2020(2):100-104.

[3] 梁利亭. 人脸检测和表情识别在课堂教学评价中的应用[J]. 晋城职业技术学院学报,2020(2):40-44.