本文結(jié)合情緒認(rèn)知和調(diào)節(jié)理論，利用面部表情識(shí)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(shí)別學(xué)生情緒變化，并為教師提供針對(duì)性的教學(xué)策略建議。為驗(yàn)證其效果，作者面向初中生開展了為期6周的教學(xué)實(shí)驗(yàn)。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(shí)別學(xué)生情緒變化并及時(shí)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(shí)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(dá)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(shí)別學(xué)生的情緒，及時(shí)調(diào)整課堂環(huán)節(jié)，活躍課堂氛圍，便能更好地調(diào)動(dòng)學(xué)生學(xué)習(xí)積極性，提高課堂學(xué)習(xí)效率。

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

鑒于在教育實(shí)踐中教師對(duì)情緒識(shí)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(shí)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(qiáng)教師的課堂掌控力。

系統(tǒng)的設(shè)計(jì)與構(gòu)建

1.理論基礎(chǔ)：情緒認(rèn)知和情緒反饋

情緒作為人類心理活動(dòng)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(guó)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(duì)面部表情的量化識(shí)別，教師可以突破傳統(tǒng)依賴直覺觀察的局限，更準(zhǔn)確地判斷學(xué)生群體的學(xué)習(xí)狀態(tài)。

與此同時(shí)，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(zhǎng)時(shí)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(yuǎn)離課堂、思考僵化、內(nèi)化遲緩。因此，課堂是情緒與認(rèn)知交互并行的過程，當(dāng)學(xué)生情緒信息能夠被教師及時(shí)捕捉并識(shí)別時(shí)，教師便可根據(jù)過往經(jīng)驗(yàn)、策略等調(diào)整教學(xué)節(jié)奏、內(nèi)容或互動(dòng)方式，形成“學(xué)生情緒—系統(tǒng)識(shí)別—策略調(diào)整—課堂反饋”的循環(huán)機(jī)制，不斷修正教學(xué)策略，加強(qiáng)情緒識(shí)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(dòng)力。

2.系統(tǒng)設(shè)計(jì)：情緒識(shí)別與智能體反饋設(shè)計(jì)

（1）情緒識(shí)別系統(tǒng)的設(shè)計(jì)

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(shí)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(duì)抗網(wǎng)絡(luò)（Generative Adversarial Networks，GANs）等算法已在公開數(shù)據(jù)集上達(dá)到了較高的面部表情識(shí)別精度和魯棒性。

面對(duì)“距離不一+人數(shù)眾多+姿態(tài)變化+面部遮擋”的真實(shí)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(shí)現(xiàn)面部情緒識(shí)別，其能在特征金字塔（FPN）多尺度上做“單階段密集定位”，對(duì)較遠(yuǎn)距離、低分辨率的面部分析尤為友好，適合在教室中對(duì)多數(shù)人臉檢測(cè)與關(guān)鍵點(diǎn)定位。此外，為匹配不同課堂環(huán)境，情緒識(shí)別系統(tǒng)提供“抽幀間隔”“錨點(diǎn)時(shí)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(zhǔn)的情緒識(shí)別，為后續(xù)情緒識(shí)別打下基礎(chǔ)。

（2）智能體反饋的設(shè)計(jì)

智能體的發(fā)展幫助大語言模型能夠更輕松地實(shí)現(xiàn)應(yīng)用并及時(shí)反饋。情緒識(shí)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(shí)序與聚合指標(biāo)，輸入預(yù)訓(xùn)練后的大語言模型，讓其按照優(yōu)秀標(biāo)準(zhǔn)進(jìn)行分析，并輸出可操作的教學(xué)建議與可視化概要，進(jìn)而支撐教師快速?gòu)?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(shí)提供課堂成效、亮點(diǎn)以及改進(jìn)策略。教師可依據(jù)該反饋對(duì)照既定教案持續(xù)開展“修改—驗(yàn)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(duì)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(shí)別與智能反饋模塊設(shè)計(jì)的基礎(chǔ)上，本研究進(jìn)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(shí)現(xiàn)，從而形成一個(gè)多維度智能反饋系統(tǒng)（如圖1）。系統(tǒng)的運(yùn)行具體可以分為以下五個(gè)環(huán)節(jié)。

圖1

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

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

③情緒理解：通過時(shí)序建模與統(tǒng)計(jì)對(duì)比，生成課堂情緒熱力圖。

④策略反饋：將情緒識(shí)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(jìn)策略與可視化報(bào)告，其中包括“分析數(shù)據(jù)結(jié)果”“優(yōu)點(diǎn)分析”“改進(jìn)建議”“總結(jié)”。

⑤輸出與復(fù)盤：教師在查看報(bào)告后，結(jié)合課堂反思與教案進(jìn)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(yàn)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(shí)驗(yàn)，以下是實(shí)驗(yàn)詳細(xì)內(nèi)容。

1.實(shí)驗(yàn)設(shè)計(jì)

（1）實(shí)驗(yàn)對(duì)象及情況

實(shí)驗(yàn)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(gè)平行班（共89人），其中一個(gè)班作為實(shí)驗(yàn)班（共44人），另一個(gè)班作為對(duì)照組（共45人）。向教師和學(xué)生發(fā)放調(diào)查量表，并對(duì)錄制的學(xué)生情緒進(jìn)行配對(duì)樣本t檢驗(yàn)分析。

如下表1所示，對(duì)實(shí)驗(yàn)組和對(duì)照組的學(xué)生進(jìn)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(duì)實(shí)驗(yàn)組和對(duì)照組教師進(jìn)行課堂掌控力調(diào)查量表前測(cè)，t檢驗(yàn)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(jìn)行教學(xué)實(shí)驗(yàn)前，在教師的電腦中預(yù)先配置Python的運(yùn)行環(huán)境，部署多維智能系統(tǒng)（包括情緒識(shí)別模塊與智能反饋智能體），并通過多輪運(yùn)行測(cè)試與性能調(diào)試，確保教師能在課后進(jìn)行自主分析與反思。

2.實(shí)驗(yàn)步驟

本實(shí)驗(yàn)采用前后測(cè)非同等控制組準(zhǔn)實(shí)驗(yàn)法，具體流程如圖2所示。

圖2

本實(shí)驗(yàn)歷時(shí)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(cè)與數(shù)據(jù)收集，隨后教師正常上課，對(duì)學(xué)生面部情緒數(shù)據(jù)進(jìn)行收集。在2～5周時(shí)，實(shí)驗(yàn)組開展有多維智能反饋系統(tǒng)支持的教學(xué)，對(duì)照組開展常規(guī)教學(xué)，實(shí)驗(yàn)組和對(duì)照組的教學(xué)內(nèi)容相同。在第6周時(shí)，收集師生調(diào)查量表的后測(cè)數(shù)據(jù)并分析。

3.檢驗(yàn)結(jié)果

（1）多維智能反饋系統(tǒng)對(duì)學(xué)生情緒的影響

后測(cè)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(shí)驗(yàn)組的積極情緒平均值達(dá)到21.07，標(biāo)準(zhǔn)差為30.83，較前測(cè)水平得到顯著提升。對(duì)照組的積極情緒平均值為18.8，標(biāo)準(zhǔn)差為31.21，較前測(cè)水平也得到一定提升。配對(duì)樣本t檢驗(yàn)的結(jié)果表明，實(shí)驗(yàn)組在增加積極情緒方面顯著優(yōu)于對(duì)照組（t=-6.478，p=0.023，＜0.05）。在消極情緒方面，實(shí)驗(yàn)組和對(duì)照組的平均值分別為11.12和10.15，標(biāo)準(zhǔn)差分別為9.8和8.1，較前測(cè)水平得到提升且趨向穩(wěn)定，但配對(duì)樣本t檢驗(yàn)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(duì)教師課堂掌控力的影響

根據(jù)后測(cè)結(jié)果和對(duì)教師前后課堂掌控力調(diào)查量表的分析，實(shí)驗(yàn)組的平均值為8.48，較對(duì)照組的6.29得到顯著提高，其標(biāo)準(zhǔn)差分別為18.45和13.69。配對(duì)樣本t檢驗(yàn)的結(jié)果表明實(shí)驗(yàn)組在課堂掌控力水平上的提升顯著高于對(duì)照組（t=2.09，p=0.049，＜0.05）。此外，實(shí)驗(yàn)組平均值8.48較前測(cè)平均值6.00得到較大提升，而對(duì)照組平均值6.29較前測(cè)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(shí)別情緒并做出及時(shí)反饋。

研究結(jié)論

1.多維智能反饋系統(tǒng)對(duì)提高教師課堂掌控力具有顯著作用

下圖3、圖4所示為實(shí)驗(yàn)組學(xué)生情緒在經(jīng)過2～5周教學(xué)實(shí)驗(yàn)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(gè)時(shí)間節(jié)點(diǎn)，尤其是在教師提出問題時(shí)或師生互動(dòng)階段，反映了學(xué)生對(duì)當(dāng)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(duì)課堂進(jìn)行分析并采取改進(jìn)策略，對(duì)教案與教學(xué)方法進(jìn)行改進(jìn)，尤其是在課堂中段，從提問手段、互動(dòng)方式、合作探究等方面進(jìn)行更多嘗試。在圖4中，學(xué)生情緒呈現(xiàn)出穩(wěn)定的趨勢(shì)，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(dòng)，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(shí)調(diào)整教學(xué)節(jié)奏、互動(dòng)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(dòng)策略，如增加問題環(huán)節(jié)和情境化教學(xué)，進(jìn)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(shí)驗(yàn)組和對(duì)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(duì)照組，且驚喜和開心情緒占比較對(duì)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(yàn)證中的結(jié)論一致。同時(shí)，盡管消極情緒的差異并不明顯，但實(shí)驗(yàn)組在害怕、悲傷情緒上的占比與對(duì)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(dòng)方式，有效提高了學(xué)生的參與度，最終實(shí)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(shí)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(dòng)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(dòng)性和學(xué)生參與感。然而，本研究在長(zhǎng)期影響評(píng)估和樣本量方面仍存在改進(jìn)空間。首先，實(shí)驗(yàn)周期僅為6周，這可能限制了對(duì)系統(tǒng)長(zhǎng)期效果的評(píng)估。其次，本研究的樣本量較小，只有一個(gè)初中的實(shí)驗(yàn)班和對(duì)照班，未來的研究應(yīng)擴(kuò)大樣本范圍，涵蓋更多學(xué)校、學(xué)科和年級(jí)，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(guó)信息技術(shù)教育》

2026年第2期

引用請(qǐng)注明參考文獻(xiàn)：

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(jì)構(gòu)建與效果研究[J].中國(guó)信息技術(shù)教育，2026（02）：88-91.

歡迎訂閱

識(shí)別上方二維碼訂閱紙質(zhì)版或電子版雜志