本发明涉及教育评价，特别是一种室内教学的教学质量评估方法及系统。
背景技术：
1、在教育信息化蓬勃发展的背景下，教学质量评估逐渐转向数据驱动的精细化管理，以期实现教育质量的持续优化。传统评估方法主要依赖于教师主观评价和学生期末考试成绩，缺乏实时性与全面性，难以捕捉教学过程中的动态变化与学生学习状态的细微差别。一方面，现有技术往往侧重于单一维度的分析，而未能充分整合学生的情绪、认知和生理数据，导致评估结果的片面性和局限性。另一方面，大多数评估方法缺乏自适应性，无法根据学生的学习状态和课程目标动态调整评估策略，这限制了评估的灵活性和针对性，难以满足个性化教学的需求。
技术实现思路
1、鉴于上述现有存在的问题，提出了本发明。
2、因此，本发明提供了一种室内教学的教学质量评估方法及系统解决了传统教学质量评估方法缺乏实时性、全面性与自适应性，难以精准反映教学过程动态变化及学生多维度学习状态的问题。
3、为解决上述技术问题，本发明提供如下技术方案：
4、第一方面，本发明实施例提供了一种室内教学的教学质量评估方法，其包括，部署多种传感器，获取教学过程数据，设置课程目标，收集学生学习数据；
5、对教学过程数据和学生学习数据，进行初步分析；
6、基于初步分析结果，运用自适应评估算法，进行教学质量评估；
7、基于教学质量评估结果，提出教学建议。
8、作为本发明所述室内教学的教学质量评估方法的一种优选方案，其中：所述多种传感器包括摄像头、麦克风和生物信号监测器；
9、所述课程目标是指教育者设定的、学生通过课程学习后应达成的知识掌握、能力提升和价值观形成的结果；
10、所述教学过程数据包括视频流、音频数据和心率数据；
11、所述学生学习数据包括学生的考试分数和作业完成情况得分。
12、作为本发明所述室内教学的教学质量评估方法的一种优选方案，其中：对教学过程数据和学生学习数据进行处理，得到教学向量，具体步骤如下：
13、利用图像分割技术、频谱分析和带通滤波器，对教学过程数据进行分析，得到学生面部、学生肢体动作、学生发言和心率数据；
14、应用卷积神经网络对学生面部关键点检测，结合fisherfaces算法进行表情识别，提取学生情绪特征；
15、使用骨架追踪技术，识别学生的肢体姿态，识别学生参与度特征；
16、利用深度学习模型，分析学生发言的语调、语气和词汇，识别情感倾向特征；
17、采用小波变换分析心率数据，识别心率变化模式，识别学生心理状态特征；
18、基于学生学习数据，计算考试分数和作业完成情况得分的平均分的和，得到课堂衍生特征；
19、将学生情绪特征、学生参与度特征、情感倾向特征、学生心理状态特征和课堂衍生特征进行整合，形成教学向量e。
20、作为本发明所述室内教学的教学质量评估方法的一种优选方案，其中：基于教学向量，计算初步分析得分，具体步骤如下：
21、基于教学向量，运用主成分分析，得到的主成分矩阵，应用主成分矩阵将教学向量进行转化，得到主成分得分pi；
22、使用梯度提升树模型，基于主成分得分pi，得到主成分的权重wi；
23、基于主成分得分pi和主成分的权重wi，计算初步分析得分ia，表示为，
24、
25、其中，i表示主成分索引变量。
26、作为本发明所述室内教学的教学质量评估方法的一种优选方案，其中：基于初步分析得分ia，设计自适应评估算法，具体步骤如下：
27、采用强化学习的自适应算法，根据初步分析得分ia和课程目标，动态调节评估任务的难度，创建自适应评估算法，得到评估得分，表示为，
28、
29、其中，ak表示第k位学生的评估得分，σk表示第k位学生表现的方差，n表示学生总数，ek表示第k位学生在评估任务中的实际表现得分，iak表示第k位学生的初步分析得分，gj表示第j个课程目标的达成度，wj表示第j个课程目标达成度的权重，m表示课程目标的数量，λ表示调整难度曲线陡峭程度的参数，μ表示调整偏移量的参数，k表示学生的索引变量，j表示课程目标的索引变量，wk表示第k位学生的权重。
30、作为本发明所述室内教学的教学质量评估方法的一种优选方案，其中：基于自适应评估算法，进行教学质量评估，具体步骤如下：
31、运用自适应评估算法计算班级内所有学生的评估得分的平均值；
32、基于课程目标，设定上下评估阈值；
33、当平均值大于等于上评估阈值时，定义为高教学质量，表明本堂课的教学过程活跃，课程目标完成度高；
34、当平均值小于等于下评估阈值时，定义为低教学质量，表明本堂课的教学过程枯燥乏味，课程目标完成度低；
35、当平均值在上下评估阈值之间时，定义为中教学质量，表明本堂课的教学过程和课程目标完成度处于中间水平，进一步分析以识别改进空间。
36、作为本发明所述室内教学的教学质量评估方法的一种优选方案，其中：基于教学质量评估结果，提出教学建议，具体步骤如下：
37、对于高教学质量的课堂，通过强化成功要素、拓展深度与广度和分享最佳实践的方法，优化教学质量；
38、对于低教学质量的课堂，通过根本原因分析、教学策略调整、学生反馈与沟通和专业发展的方法，提高教学质量；
39、对于中教学质量的课堂，通过诊断性分析、个性化教学和课程内容调整的方法，提高教学质量。
40、第二方面，本发明提供了一种室内教学的教学质量评估系统，包括，数据采集模块，用于部署多种传感器，获取教学过程数据，设置课程目标，收集学生学习数据；
41、初步数据分析模块，用于对教学过程数据和学生学习数据，进行初步分析；
42、教学质量评估模块，用于基于初步分析结果，运用自适应评估算法，进行教学质量评估；
43、教学建议生成模块，用于基于教学质量评估结果，提出教学建议。
44、第三方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本发明第一方面所述的室内教学的教学质量评估方法的任一步骤。
45、第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本发明第一方面所述的室内教学的教学质量评估方法的任一步骤。
46、本发明有益效果为：通过部署摄像头、麦克风及生物信号监测器，采集视频、音频及心率等多模态数据，奠定全面、客观的数据基石。随后，利用图像分割、频谱分析与深度学习技术，净化数据、提取学生情绪、参与度等多维度特征，拓宽评估视野。主成分分析与梯度提升树的应用，精炼数据，凸显关键教学指标，为自适应评估奠定科学基础。强化学习算法动态调整评估难度，确保结果个性化且有效，助力教育者实时掌握教学实况。最终，基于评估反馈，提供策略调整、个性化教学等定制化建议，推动教育质量持续提升。
1.一种室内教学的教学质量评估方法，其特征在于：包括，
2.如权利要求1所述的室内教学的教学质量评估方法，其特征在于：所述多种传感器包括摄像头、麦克风和生物信号监测器；
3.如权利要求1所述的室内教学的教学质量评估方法，其特征在于：对教学过程数据和学生学习数据进行处理，得到教学向量，具体步骤如下：
4.如权利要求3所述的室内教学的教学质量评估方法，其特征在于：基于教学向量，计算初步分析得分，具体步骤如下：
5.如权利要求4所述的室内教学的教学质量评估方法，其特征在于：基于初步分析得分ia，设计自适应评估算法，具体步骤如下：
6.如权利要求5所述的室内教学的教学质量评估方法，其特征在于：基于自适应评估算法，进行教学质量评估，具体步骤如下：
7.如权利要求6所述的室内教学的教学质量评估方法，其特征在于：基于教学质量评估结果，提出教学建议，具体步骤如下：
8.一种商场地址推荐系统，基于权利要求1～7任一所述的室内教学的教学质量评估系统，其特征在于：包括，
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1～7任一所述的室内教学的教学质量评估方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～7任一所述的室内教学的教学质量评估方法的步骤。
