基于多模态数据的初中物理课堂教学智能评价指标体系的构建

1. 引言

传统的物理课堂评价方法通常依赖教师的主观观察和即时反馈，这种方式难以全面且准确地反映学生的学习过程。尤其是在“光的折射”这类实验性较强的物理课中，教师往往无法在第一时间发现学生在实验过程中的每个细节问题。此外，随着《义务教育物理课程标准（2022 年版）》对物理学科核心素养要求的提高，如何有效评估学生在实验探究、科学推理等方面的能力，成为了亟待解决的问题。

近年来，人工智能、大数据分析等技术的发展为教育评价提供了新的可能性。教育信息化2.0背景下，智能评价技术逐渐成为研究热点。多模态学习分析通过整合视频、语音、文本等多种数据源，能够更全面地分析学生的学习行为，为课堂评价提供客观、精准的数据支持。

2. 理论与评价技术

（1）物理学科核心素养框架

《义务教育物理课程标准（2022 年版）》提出物理学科核心素养包括：物理观念：理解物理概念和规律，如光的折射定律。科学思维：具备逻辑推理、模型构建等能力。实验探究：能够设计实验、分析数据并得出结论。科学态度与责任：培养严谨的科学态度和社会责任感。

（2）多模态学习分析（MMLA）理论

MMLA 理论强调通过整合视频、语音、文本等多种数据源，进行跨模态分析，从而全面理解学生的学习状态。在物理课堂中，MMLA可应用于：实验操作分析：通过视频数据评估学生的实验规范性。师生互动分析：通过语音数据识别学生的科学推理能力。课堂练习分析：通过文本数据评估学生的概念掌握程度。

（3）德尔菲法优化指标

德尔菲法是系统化、交互式专家预测决策法，借多轮匿名问卷与反馈收敛意见达成共识，通过匿名、多轮、反馈、统计四步机制实现科学决策：先组 5-20 人专家小组，匿名问卷收首轮意见；再统计分析结果（均值、中位数等）并反馈，专家参考修正，经 2-4 轮迭代缩小分歧；意见收敛后用中位数法等确定共识，形成含权重、争议点的最终报告。

（4）权重分配（两两比较法）

采用两两比较法计算指标权重，确保评价体系的科学性。为了确定各评价指标的权重，可对指标进行逐对比较，并加以评分，重要者记为 ¹ 分，次要者记为 0 分；然后分别计算各指标得分之和，再除以所有指标得分之总和。这就叫两两比较法。 结合各位专家给出的评分和初中物理学科课程标准对“光的折射”的侧重点得出各评价指标的权重值。

（5）技术实现与数据采集

摄像头结合 OpenCV 与 YOLOv5 检测器材使用规范并即时提醒；麦克风采集对话经语音识别与 BERT 分析科学问题质量；答题系统标记高频错题；数据汇总至教师可视化仪表盘，展示错误预警、参与度热力图、推理能力雷达图；学生借 AR 眼镜与语音助手获得个性化帮助，提升教学与学习效率。

3. 实证研究：以“光的折射”为例

3.1 案例背景

本研究在某市重点初中开展，选择八年级（3）班为实验组（N=45）、（4）班为对照组（ N=43 ），两班年龄、性别比例、上学期物理成绩无显著差异。实验组用智能辅助教学系统，含 6 个高清摄像头、实验台录音设备、平板数据记录及教师端智能分析仪表盘；对照组采用传统教学，教师现场巡视、纸质实验报告记录及课后人工批改。研究选“光的折射”实验，因它是初中物理光学核心内容、含精准操作要求与科学推理过程，且是学生易操作失误的典型实验，研究价值高。

3.2 数据采集与分析（1）实验组采用多模态数据采集

本研究收集多类数据：视频数据为 12 组“光的折射”实验视频，用于分析操作规范性，发现 15% 学生未规范用量角器导致结果偏差；

语音数据提取 83 条师生对话， 28% 涉及科学推理，可反映学生理解程度与思考过程，助于分析互动质量及探究态度；文本数据为 45 份学生答题记录，正确率 76% ，能体现对折射定律的理解，进一步了解概念掌握与结果分析能力；传感器数据实时记录折射角、入射角等，可评估实验数据准确性与操作规范性。

（2）对照组采用传统数据采集实验报告评分，随堂测试成绩，教师观察记录。

3.3 与传统评价对比

本次研究通过成绩对比、操作规范性、概念理解度以及学生的反馈来评估两组的差异。

对比显示，采用智能辅助教学的实验组在多个评估维度均优于传统教学的对照组：学习成绩提升更显著（较大优势），实验操作更规范，错误更少（明显优势），对知识概念的理解更深入（显著优势），学生反馈更积极（适度优势）。整体而言，智能教学系统在提升学习效果、规范操作、深化理解和改善学习体验等方面展现出全面优势，尤其在概念理解和操作规范方面表现最为突出。

4. 结论与建议

（1）多模态数据能有效量化学生的核心素养表现

本研究表明，融合视频、语音、文本和传感器等多模态数据，可从操作规范、数据准确、概念理解、师生互动等维度，全面评估学生实验表现，尤其在科学探究与物理思维能力评价上更精确丰富，有助于教师针对性指导。

（2）智能评价在过程性诊断中优于传统方法。

智能评价系统在过程性诊断上优于人工评价，可实时采集分析多模态数据，即时反馈操作、推理与分析，精准识别不规范行为并纠错，提升学习效果与实验准确性。

（3）教学改进启示

教师可利用智能评价系统的实时反馈和规范性报告优化实验指导，课前通过分析仪表盘掌握学生准备情况并提前提供帮助，课中依据操作数据及时纠正不规范行为，避免错误，还能发现传统评价忽略的细节问题，提升教学针对性；学生则可借助个性化反馈明确薄弱环节，获得改进建议，在后续实验中逐步提升技能与概念理解，将理论与实践结合，不断提高科学素养。

5. 局限与展望

数据隐私方面，需严格遵守《个人信息保护法》，建立健全保护机制，确保采集的视频、语音、文本及传感器数据的保密性与匿名性，采用加密与权限控制，获得学生及家长知情同意。跨学科应用上，可推广至化学、生物实验课，利用智能系统实时监控操作与数据，融合多学科特点设计创新评价模型，提升科学探究与综合素养。未来结合大数据与机器学习，优化反馈策略与硬件设备，提高系统智能化与实时性。

参考文献

[1] 中华人民共和国教育部 . 义务教育物理课程标准 [M]. 北京师范大学出版社 ，2022.

[2] 刘中敏 . 教育信息化 2.0 背景下的初中学生学习指导研究 [D].内蒙古师范大学 ，2020.DOI：10.27230/d.cnki.gnmsu.2020.000177.

[3]Ling W .Automatic Recognition of Students’Classroom Behavior Based on Computer Vision[J].Academic Journal of Computing & Information Science，2022，5.0（2.0）：

[4] 陈雅淑 . 基于语音识别的多维课堂交互分析 [D]. 华中师范大学 ，2021.DOI：10.27159/d.cnki.ghzsu.2021.001171.

[5] 白爽 ， 卢荣德 . 数字化互动式课堂答题系统的设计与实现 [J]. 数 字 技 术 与 应 用 ，2012，（01）：86+88.DOI：10.19695/j.cnki.cn12-1369.2012.01.058.

作者简介：许亚珠（2000.11） 性别：女 民族：汉，籍贯：河南省周口市 学历：在读硕士 研究方向：学科教学物理