数据驱动的教师言语行为识别新方法

A New Data-Driven Recognition Method for Teachers’ Verbal Behaviors

摘要

准确识别和分析教师言语行为是课堂教学智能评价的重要手段，也是建立教师数字画像的客观依据，然而现有研究多忽视了教师的口头禅、不规范语言、甚至语言暴力等不当行为，为此本文将这类不当行为引入至教师言语行为分析，针对其样本量少、隐蔽性强的特点，提出一种基于双流图卷积网络自适应融合模型的教师言语行为智能识别新方法。该方法首先在弗兰德斯互动分析系统基础上引入教师不当言语，建立教师课堂言语行为编码规则；然后构建双流图卷积网络自适应融合模型实现教师言语行为识别，即利用图卷积网络与图注意网络提取教师言语的全局特征与局部特征，引入自适应特征融合策略实现二者的深度融合，采用文本自训练方法减少语义误差。在作者构建的教师言语行为专用数据集上进行了实验，实验结果表明，所提方法能准确且有效地检测不当言语行为，可将其用于课堂教学过程的督导及教师职业素养的提升。

Abstract

Accurately identifying and intelligently analyzing teachers’ verbal behavior is a pivotal means of intelligent classroom teaching evaluation and provides an objective basis for constructing digital teacher profiles. However, existing studies have largely overlooked inappropriate behaviors such as teachers’ pet phrases, non-standard language, and even verbal violence. To address this gap, the paper incorporates these inappropriate behaviors into the analysis of teachers’ verbal behavior and, in view of their small sample size and strong concealment, proposes a novel intelligent recognition method based on a dual-stream graph convolutional network with adaptive fusion. First, the method extends the Flanders Interaction Analysis System to include teachers’ inappropriate speech, thereby establishing a coding scheme for classroom verbal behavior. Next, it builds a dual-stream graph convolutional network with adaptive fusion to recognize such behavior: a graph convolutional network and a graph attention network are employed to extract global and local features of teachers’ speech, respectively; an adaptive feature-fusion strategy is introduced to achieve deep integration of these features; and a text self-training approach is adopted to reduce semantic errors. Experiments conducted on a purpose-built dataset of teachers’ verbal behavior demonstrate the proposed method’s effectiveness and accuracy in detecting inappropriate speech. The approach can be applied to the supervision of classroom teaching processes and to improving teachers’ professional competence.

Graphical abstract

关键词

数据驱动 / 教师言语行为 / 不当言语 / 行为识别 / 图卷积网络

Key words

data-driven / teachers’ verbal behavior / inappropriate speech / behavior recognition / graph convolutional networks

0　 引 言

近年来，教育部先后印发《新时代基础教育强师计划》等政策文件，着力推进新时代教师队伍建设。2024年全国教育大会进一步强调，要立足国家重大战略需求，加速推动教育、科技、人才深度融合。全面开展人工智能助推教师队伍建设行动已经成为教育数字化的时代要求和必然趋势。

课堂是教书育人的第一阵地，而教师言语是传递知识的重要载体，是塑造学生价值观和世界观的主要手段。精准识别和分析教师言语行为，不仅有助于课堂教学质量监管，而且有助于教师教学反思和教学能力提升。在课堂教学活动中，教师通常通过“提问”“讲授”等符合教育规律的言语行为推进教学进程^[1]；但值得注意的是，个别教师可能存在使用嘲笑、谩骂、诋毁等不当言语行为^[2]。这类行为不仅严重损害学生人格尊严与心理健康，构成典型的“心理精神惩罚”，而且易使学生失去对课堂、课程及学科的学习信心和积极性，甚至会对学生认知发展与社会化进程产生持久性负面影响。

传统的教师言语行为识别主要依靠人工编码，辅以质性分析软件统计分析，识别效率较低、主观性强，难以做到对课堂教学全过程的智能评价^[3]。随着自然语言处理技术的不断发展，以深度学习为代表的智能技术在大语言模型中取得了突破性进展。目前，已有学者利用智能技术开展关于教学活动^[4]、教师言语意图^[5]、师生情感预测^[6-7]等方面的智能分析，并取得了一系列研究成果。但这些方法大多忽略了课堂上教师可能出现的不当言语行为，因此如何通过新一代信息技术赋能课堂教学，利用课堂教学大数据及时发现教师在课堂教学过程中存在的问题，避免学生因教师非正常、不规范，甚至隐性暴力行为而遭受的身心伤害，提升教师职业能力和职业素养，是学校现代化治理体系建设迫切需要解决的现实问题。

在真实的课堂环境中，教师不当言语通常具有较强的隐蔽性、欺骗性和随机性^[2]，对师生关系及学生发展造成消极影响。针对此，本文将教师不当言语行为引入到教师言语行为的自动化编码，全面分析教师言语文本的特征，以提高教师言语行为的识别能力，助力教师专业素养提升和教学智能评价。

1　 教师言语行为相关研究

在教师言语行为分析领域，实证研究已经积累了大量成果，相关研究大致可以分为传统的教师行为分析和数据驱动的教师行为分析两类。

1.1　传统的教师行为分析

该类方法通常先以固定时长分解师生言语，然后通过人工编码标注教师行为类别，最后使用NVivo等质性分析软件进行统计分析。代表性工作有：1963年，Flanders^[1]首次提出的弗兰德斯互动分析系统(Flanders Interaction Analysis System,FIAS)，将课堂行为编码为10类，其中教师言语行为包括“表达情感、鼓励表扬、采纳意见、提问”4类间接影响和“讲授、指令、批评”3类直接影响。FIAS中教师的“批评”言语涵盖了Criticizing or Justifying Authority相关的4类情况，其中“Bawling Someone Out”即大声呵斥某人，具有不尊重学生和人身攻击成分；“Extreme Self-Reference”即教师过度以自我为中心，采用“我说什么就是什么”“不听我的就滚出去”等话语威胁学生，具有过度使用权威的特征。这两类言语行为具有明显的不当言语行为特征，属不当言语行为。

在文献[1]的基础上，文献[8]提出包含18个编码的基于信息技术的互动分析编码系统，将“提问”扩展为“提问开放性问题”和“提问封闭性问题”，其教师行为包含8类言语行为与1类教师操纵设备或软件的非言语行为；文献[9]以移动学习终端为代表构建1∶1数字化环境，提出包含24个编码的课堂教学互动行为分析编码体系，它沿用文献[8]中的8类教师言语行为，将教师操纵设备或软件细化为“资源演示”等4类；2021年，Zhao等^[10]新增“Other”标识教师管理课堂话语，将FIAS的“批评”替换为“Comments on Students’ Answer”，没有考虑教师不当言语；2024年，李红美等^[11]从传统书本或板书和信息技术两个角度将“讲授”扩展为“讲授、演示或示范、展示交流”等5类，把FIAS的教师言语从7类拓展到11类。

传统的行为分析在编码阶段依赖于人工完成，在实际应用中需要专家参与，时间和人力成本较高。此外，人工编码过程容易受到编码人员的主观判断影响，分析结果的客观性和准确性难以保证，限制了课堂行为分析的自动化程度，不利于教育数字化的要求。

1.2　数据驱动的教师行为分析

该类方法利用人工智能、大数据、云计算等新一代信息技术智能分析教师的课堂教学行为。近年来的代表性工作有：2019年，Xu等^[12]融合词频-逆文档频率(Term Frequency-inverse Document Frequency, TF-IDF)特征和word2vec词向量特征，以支持向量机作为分类器，将教师言语行为自动识别为“讲授、指示、提问”3类；2021年，骆祖莹等^[4]通过语音识别技术获得教师言语文本，利用基于时长的S-T分析法将教师言语文本自动分为“讲授/组织、示范/展示、布置作业、提问、师生讨论”5类；同年，Zhang等^[13]运用深度卷积神经网络(Convolutional Neural Networks, CNN)研究中学语文、数学课堂中的教师言语，自动识别“讲授、提问、课堂管理”3类教师行为^[14]；2024年，廖盛斌等^[15]利用基于信息技术的互动分析编码系统^[8]对23个课堂实录视频进行编码，通过主成分分析法和聚类算法将课堂师生互动风格分为学生中心式、教师中心式和师生互动式。

数据驱动的行为分析技术为教师言语行为分析带来了发展新机遇，有力推动了课堂教师行为分析的智能化和自动化。然而，由于教师不当言语行为有一定的隐蔽性、随机性，在专家评课、教学比赛等场合不易被发现，加之样本数量少，因此教师不当言语行为智能分析相关成果鲜有报道。

本文将不当言语行为类别引入至FIAS编码系统，在构建教师言语行为数据集基础上，利用语音识别、文本分析及深度神经网络等技术从多角度探究教师课堂言语行为的智能分析方法。

2　 教师课堂言语行为编码规则

早在1999年，Gazda等^[16]明确指出教师不当言语行为不仅会影响教学效果，而且会对师生关系、学生心理健康等方面产生不良影响。为此，本文将教师的口头禅、语言暴力等不当言语行为作为新增类别。另一方面，组织课堂活动、掌控教学进度、维护课堂纪律等课堂管理类言语在对分课堂、翻转课堂、个性化教学等启发式教学中占比日益增多，故新增教师“课堂管理”言语行为。而“表达情感、鼓励表扬、采纳意见”常发生在教师对学生回答的反馈环节，与“批评”同属于教师对学生的评价，可合并为“教师评价”类别。因此，本文在FIAS基础上构建的教师课堂言语行为编码规则共包括“课堂讲授^[17]、提问互动^[17]、不当言语、课堂管理^[17]、教师评价”5类，如表1所示。

3　 双流图卷积网络自适应融合模型

3.1　支撑数据集

目前教师言语行为没有统一的编码标准，加之缺乏公开可用的教师言语行为基准数据集，为此，本文在表1编码规则的基础上构建了教师言语行为专用数据集(Teacher Speech Behavior Dataset, TSBD)。该数据集源于陕西师范大学27名师范生的真实课堂教学视频，每个视频时长约为40 min，共27个视频，覆盖语文、数学、化学、政治、地理、信息技术共6门中学课程。

在言语文本形成阶段，利用FFMPEG工具从原始视频中剥离音频信息，然后通过腾讯云^[18]分离出教师音频及其对应的教师言语文本序列，接着对文本数据进行清洗、长句分割等预处理流程后，共获得5 973句预处理后的教师言语文本序列。该阶段流程如图1所示。

在数据类别标注阶段，分别由3位现代教育技术专业研究生根据表1编码规则，对上述5 973条教师言语文本分别标注相应的单一标签，即“课堂讲授、提问互动、不当言语、课堂管理和教师评价”中的某类。

将TSBD按照9∶1的比例划分为训练集和测试集，再用90%的训练集中的样本训练模型，10%的剩余样本组成验证集，因此训练集样本4 838个，验证集样本538个，测试集样本597个。

3.2　双流图卷积网络自适应融合模型AF-DGCN

本文提出基于双流图卷积网络自适应融合模型的教师言语行为智能识别方法，其主要思想是：将真实课堂环境下收集的教师言语数据转化为文本语句序列，经文本清洗、长句分割、编码标注等处理步骤后，利用双流图卷积网络自适应融合(Adaptive Fusion of Dual-stream Graph Convolutional Networks, AF-DGCN)模型准确提取兼顾全局结构和稀疏信息的文本特征，并识别言语行为类别。

AF-DGCN模型构建步骤如下：

步骤1：将教师言语句子构建为文本图，作为模型的输入特征；

步骤2：将文本图分别输入图卷积网络流和图注意网络流，得到两个分支的文本特征，其中图卷积网络流通过卷积操作有效捕捉文本的全局结构信息，图注意网络流利用注意力模块关注文本稀疏信息的能力，可有效捕捉“隐蔽性、欺骗性、随机性”等教师不当言语的文本特点；

步骤3：自适应特征融合模块(Adaptive Feature Integration Module, AFIM)融合上述双流文本特征，形成最终的文本图表示，通过Log_softmax函数得到教师言语行为的初始类别；

步骤4：根据文献[19]的文本自训练方法，将置信度高于0.9的词加入到训练集，利用关键词减少言语文本间的语义误差，再次执行步骤1至步骤3，得到教师言语行为的最终类别。

AF-DGCN模型的结构由文本信息图表示、双流特征提取和自适应特征融合3个模块组成，如图2所示。

1) 文本信息图表示模块

该模块的功能是根据教师言语行为产生的文本特征构造无向图G=(V,E)，其中，V表示节点集合，包含由one-hot形式编码的言语文本语句节点和词节点；E表示边集合，包含词节点和文本语句节点之间的边以及词节点之间的边。

定义初始节点特征矩阵为单位矩阵，即：

\mathit{X}={\mathit{I}}_{n_{\mathrm{d}\mathrm{o}\mathrm{c}}+n_{\mathrm{w}\mathrm{o}\mathrm{r}\mathrm{d}}}（1）

其中，n_doc表示文本语句节点的数量，n_word表示词节点的数量。

根据文献[19]，邻接矩阵 A 的定义为：

{\mathit{A}}_{m,n}=

\left\{\begin{array}{ll}\mathrm{P}\mathrm{P}\mathrm{M}\mathrm{I}(m,n),& m,n\mathrm{都是}\mathrm{词}\\ \mathrm{T}\mathrm{F}-\mathrm{I}\mathrm{D}\mathrm{F}(m,n)\times \mathrm{C}\mathrm{o}{\mathrm{n}}_n,& m\mathrm{是文}\mathrm{本语}\mathrm{句},n\mathrm{是词}\\ \mathrm{0},& \mathrm{其他}\end{array}\right.（2）

其中，PPMI(m,n)表示两词节点间边的权重；TF-IDF(m,n)表示词频-逆文档频率，Con _n 表示词n的置信度。

为了减少歧义词引起的语义误差，计算词置信度并将置信度高于0.9的词作为关键词，更新图状态。词置信度的定义为：

\mathrm{C}\mathrm{o}{\mathrm{n}}_n=\frac{\mathrm{m}\mathrm{a}\mathrm{x}(q_{\mathrm{0}},q_{\mathrm{1}},\cdots ,q_C)}{{\displaystyle \sum _{c=\mathrm{0}}^C}{q}_c}（3）

其中，c表示类别标签，q_c 表示标记语句中包含词n的第c类语句数量，C表示类别数，max(·)表示q₀，q₁，…，q_C 中的最大值。词置信度根据带类别标签的教师言语文本计算，包括训练样本及带有预测标签的测试样本。模型经过两阶段训练：在第一阶段训练中，仅使用训练样本进行计算；在第二阶段训练中，训练样本与带有预测标签的测试样本共同参与计算。

注意：为避免后续节点的自身特征被忽略，邻接矩阵 A 需加上单位矩阵 I，得到初始邻接矩阵{\mathit{A}}^{\mathrm{\text{'}}}。

2) 双流特征提取模块

该模块的功能是构建图卷积网络和图注意网络（Graph Attention Networks,GAT）^[20]提取双流文本特征，前者通过卷积操作捕捉全局性的特征表示以反映文本的整体结构和信息流动，后者利用注意力模块聚焦于文本的局部特征以丰富网络的文本表征能力，二者采用共享参数的方式进行联合训练，并使用交叉熵损失优化网络参数。

在图卷积网络流中，将 X 和{\mathit{A}}^{\mathrm{\text{'}}}输入到具有L层的图卷积网络中，得到该分支教师言语文本特征。第l层节点的输出特征矩阵为：

{\mathit{X}}^{{}^{(l)}}=\mathrm{R}\mathrm{e}\mathrm{L}\mathrm{U}(\tilde{\mathit{A}}{\mathit{X}}^{(l-\mathrm{1})}{\mathit{W}}^{(l)})（4）

其中，ReLU(·)为激活函数，\tilde{\mathit{A}}={\tilde{\mathit{D}}}^{-\frac{\mathrm{1}}{\mathrm{2}}}{\mathit{A}}^{\mathrm{\text{'}}}{\tilde{\mathit{D}}}^{-\frac{\mathrm{1}}{\mathrm{2}}}表示归一化邻接矩阵，\tilde{\mathit{D}}为{\mathit{A}}^{\mathrm{\text{'}}}的度矩阵，即每个节点的连接数（包含自环）； X⁽⁰⁾表示初始节点特征矩阵； W^(l)表示第l层的权重矩阵，L=2。

在图注意网络流中，图注意网络在生成图中任意节点的特征时，通过注意力机制动态评估其不同邻居节点的贡献程度，并为它们分配相应的权重。

对于一个注意力模块，其输入特征为\mathit{h}=\left\{{\mathit{h}}_{\mathrm{1}},{\mathit{h}}_{\mathrm{2}},\cdots ,{\mathit{h}}_s\right\}，{\mathit{h}}_i\in {\mathbb{R}}^F，s为节点总数，F为节点特征的原始维度。每个节点的特征需要考虑其直接相邻的邻居节点，节点j的特征对于节点i特征影响的权重为：

{\alpha }_{ij}=\frac{\mathrm{e}\mathrm{x}\mathrm{p}(\mathrm{L}\mathrm{e}\mathrm{a}\mathrm{k}\mathrm{y}\mathrm{R}\mathrm{e}\mathrm{L}\mathrm{U}({\mathit{a}}^{\mathrm{T}}\left[\mathit{W}{\mathit{h}}_i‖\mathit{W}{\mathit{h}}_j\right]))}{\sum _{b\in N_i}\mathrm{e}\mathrm{x}\mathrm{p}(\mathrm{L}\mathrm{e}\mathrm{a}\mathrm{k}\mathrm{y}\mathrm{R}\mathrm{e}\mathrm{L}\mathrm{U}({\mathit{a}}^{\mathrm{T}}\left[\mathit{W}{\mathit{h}}_i‖\mathit{W}{\mathit{h}}_b\right]))}（5）

其中，LeakyReLU(·)为激活函数，\mathit{a}表示一个可训练的参数向量， W 表示一个线性变换的权重矩阵，{\mathit{h}}_i和{\mathit{h}}_j表示i和节点j的特征向量，(·)^T表示矩阵的转置操作，||表示拼接操作，N_i 表示所有与节点i直接相邻的节点集合。

类似地，利用K个注意力模块对邻居节点特征加权求和，更新节点i的特征向量，即：

{\mathit{h}}_i^{\mathrm{\text{'}}}=‖{}_{k=\mathrm{1}}^K\mathrm{R}\mathrm{e}\mathrm{L}\mathrm{U}(\sum _{j\in N_i}{\alpha }_{ij}^k{\mathit{W}}^k{\mathit{h}}_{{}_j})（6）

其中，{\alpha }_{ij}^k表示由第k个注意力模块计算的归一化注意系数， W^k 表示第k个注意力模块的转换矩阵。

将 X 输入到2层的图注意网络中，第1个注意力层有8个注意力模块，第2个注意力层有1个注意力模块，即l=1时，K=8；l=2时，K=1。将两层注意力层堆叠，得到节点i第l层的特征向量为：

{\mathit{h}}_i^{(l)}=\mathrm{R}\mathrm{e}\mathrm{L}\mathrm{U}(\sum _{j\in N_i}{\alpha }_{ij}^{(l-\mathrm{1})}{\mathit{W}}^{(l-\mathrm{1})}{\mathit{h}}_j^{{}^{(l-\mathrm{1})}})（7）

其中， h⁽⁰⁾= X 即注意力模块中的输入特征。

3) 自适应特征融合模块

图卷积网络能够捕获到节点之间的复杂关系，从而充分利用图的全局结构信息；图注意网络则擅长处理节点之间的重要性差异，使得模型更加聚焦图中的关键信息，从而提升模型性能。自适应特征融合模块的功能是采用权重自适应策略融合来自图卷积网络和图注意网络的文本特征，经过Log_softmax函数得到教师言语行为的最终类别。

利用权重自适应策略融合图卷积网络流的输出特征 X⁽²⁾与图注意网络流的输出特征{\mathit{h}}^{(\mathrm{2})}=\left\{{\mathit{h}}_{\mathrm{1}}^{(\mathrm{2})},{\mathit{h}}_{\mathrm{2}}^{(\mathrm{2})},\cdots ,{\mathit{h}}_s^{(\mathrm{2})}\right\}，得到最终的文本特征为：

f={\epsilon }_{\mathrm{1}}\times {\mathit{X}}^{(\mathrm{2})}+{\epsilon }_{\mathrm{2}}\times {\mathit{h}}^{(\mathrm{2})}（8）

其中：\sum {\epsilon }_p=\mathrm{1}，{\epsilon }_p=\frac{\mathrm{e}\mathrm{x}\mathrm{p}({\omega }_p)}{\sum _q\mathrm{e}\mathrm{x}\mathrm{p}({\omega }_q)}(p=\mathrm{1,2};q=\mathrm{1,2})为归一化权重；{\omega }_p为初始化指数权重，初始值为1；{\omega }_q为特征权重。

显然，当{\epsilon }_{\mathrm{1}}=\mathrm{1},{\epsilon }_{\mathrm{2}}=\mathrm{0}时，只考虑图卷积网络流产生的全局文本特征；当{\epsilon }_{\mathrm{1}}=\mathrm{0},{\epsilon }_{\mathrm{2}}=\mathrm{1}时，只考虑图注意网络流产生的局部文本特征。

融合后的文本特征经过Log_softmax函数，得到教师言语行为类别预测结果。

4　 实验与分析

4.1　实验环境及评价指标

硬件平台配置为：AMD Ryzen 9 3900X 12 Core处理器，NVIDIA GeForce RTX 3090显卡2块，128 GB内存，1 TB硬盘；相关软件及环境为：Ubuntu 22.04 OS，Python 3.9.19，PyTorch 2.0.1，FFMPEG 4.2.2，腾讯云。

对比方法选用6个主流的识别模型，分别是：TextCNN^[14]、TextRNN^[21]、AttBiLSTM^[22]、DPCNN^[23]、ST-Text-GCN^[19]和Bert_RCNN^[24]。

4.2　实验结果与分析

1) AF-DGCN模型的性能

在教师言语行为数据集TSBD上对比AF-DGCN模型与当前主流文本分类模型的性能时，为保证结果的可靠性，在每个模型上测试5次，取5次结果的平均值和标准偏差作为每个模型的最终性能指标值，结果如表2所示。

表2表明，与当前主流模型相比，AF-DGCN模型在TSBD上性能最优。相较于基线模型中识别效果最好的Bert_RCNN，所有指标都有提升。

AF-DGCN模型性能最佳的原因在于：一方面，图卷积网络流和图注意网络流能够同时关注教师言语文本的整体结构特征和局部细节特征，对于提问互动等环节的短句以及课堂讲授等环节的长句均能正确理解语义内容；另一方面，自适应特征融合模块能够在模型训练过程中动态调整两个网络流的特征权重，以便在性能最优时为每个特征分配恰当的权重，从而提升模型的识别性能。

2) 混淆矩阵

归一化混淆矩阵（图3）可直观评估AF-DGCN模型对不同言语行为的识别能力。

从图3可以看出，AF-DGCN模型对5类教师言语行为识别的准确率分别为：89%、93%、95%、81%和96%，说明“课堂讲授”“提问互动”“不当言语”和“教师评价”的识别性能较优；“课堂管理”的准确率相对较低，但保持在80%以上。究其原因，部分“课堂管理”话语虽简单提到课堂知识点，但其真实意图却是推进课堂进程、管理课堂，如“我们刚刚学习了信息的定义，现在请同学们讨论并巩固其性质。”等被误判为“课堂讲授”。

3) 自适应特征融合模块性能

AF-DGCN模型中的{\epsilon }_{\mathrm{1}}和{\epsilon }_{\mathrm{2}}表示模型对全局特征和局部特征的权重，可用其比值{\epsilon }_{\mathrm{1}}:{\epsilon }_{\mathrm{2}}代表模型对两类特征的重视程度。显然，高比值意味着模型更注重全局特征，反之，模型更注重局部特征。表3为5次测试实验获得的权重结果。

根据表3可知，5次实验均保持{\epsilon }_{\mathrm{1}}>{\epsilon }_{\mathrm{2}}，这说明模型在处理文本数据时，更倾向于关注全局特征而非局部的细节；权重比值{\epsilon }_{\mathrm{1}}:{\epsilon }_{\mathrm{2}}始终在(1.90,2.03)区间浮动，说明初始的随机指数权重总会在迭代过程中根据样本特征自适应地调整融合权重，确保分类性能较优。

在图卷积网络流和图注意网络流的特征融合方面，表4给出了单流特征识别、双流均权融合特征识别和双流自适应融合特征识别的实验结果。这里选择准确率（A）和Macro-F1（每个类别F1值的算术平均数）作为评价指标。

从表4可以看出：

① 当{\epsilon }_{\mathrm{1}}=\mathrm{1},{\epsilon }_{\mathrm{2}}=\mathrm{0}时，仅采用图卷积网络流识别教师言语行为，准确率为85.95%，Macro-F1为86.55%，双流自适应融合方法的准确率和Macro-F1分别比其提高4.85和4.36个百分点。这是由于模型忽略了图注意网络流中的局部细节特征；

② 当{\epsilon }_{\mathrm{1}}=\mathrm{0},{\epsilon }_{\mathrm{2}}=\mathrm{1}时，仅采用图注意网络流识别教师言语行为，准确率为87.46%，Macro-F1为87.97%，双流自适应融合方法的准确率和Macro-F1分别比其提高3.34和2.94个百分点。这是由于模型忽略了图卷积网络流中的整体结构特征；

③ 双流均权特征融合方式虽综合考虑两种特征，但因其未能动态调整特征权重，双流自适应融合方法的准确率和Macro-F1比其提高2.17和4.95个百分点。

5　 结 语

人工智能技术为教学行为研究提供了前所未有的机遇，准确识别和分析教师言语行为不仅是课堂教学智能评价的重要手段，也是建立教师数字画像的客观依据。本文将教师的口头禅、不规范语言、甚至语言暴力等不当行为引入至教师言语行为分析，并针对其样本量少、隐蔽性强、特征稀疏的特点，建立教师课堂言语行为编码规则，构建教师言语行为专用数据集TSBD，并提出一种基于双流图卷积网络自适应融合模型的教师言语行为智能识别方法。结果显示AF-DGCN模型在识别教师言语行为方面表现突出。

然而，在语音转录文本环节中由于课堂环境复杂、噪声干扰、教师语音变化、方言等因素，语音转录过程中可能会出现错误、遗漏或模糊不清的情况，这些都可能直接影响到后续的文本分析和行为识别。因此，提高语音转录的准确率是未来研究需要关注的重要问题之一。此外，受教师言语行为的单一模态和数据集规模所限，本文仍有进一步优化和提升的空间。后续研究将进一步扩充教师不当行为及敏感行为样本，尝试多模态分析方法，充分挖掘和发现课堂视频中教师的表情、动作语调变化等更多模态的信息，进一步提高教师课堂行为的智能评价与监督，助力人工智能时代教师队伍建设的数字化进程。

参考文献

[1] FLANDERS N A. Intent， action and feedback： A preparation for teaching［J］. Journal of Teacher Education， 1963， 14（3）： 251-260. DOI：10.1177/002248716301400305 .

[2] 刘彩云. 法治国家建设进程中教师语言暴力问题思考［J］. 教育实践与研究， 2022（12）： 23-27. DOI：10.14160/j.cnki.13-1259/g4-c.2022.12.012 .

[3] LIU C Y. Reflections on teachers’ language violence in the process of building a country ruled by law［J］. Educational Practice and Research， 2022（12）： 23-27. DOI：10.14160/j.cnki.13-1259/g4-c.2022.12.012（Ch ）.

[4] 刘清堂， 何皓怡， 吴林静， 等. 基于人工智能的课堂教学行为分析方法及其应用［J］. 中国电化教育， 2019（9）： 13-21. DOI：10.3969/j.issn.1006-9860.2019.09.003 .

[5] LIU Q T， HE H Y， WU L J， et al. Classroom teaching behavior analysis method based on artificial intelligence and its application［J］. China Educational Technology， 2019（9）： 13-21. DOI：10.3969/j.issn.1006-9860.2019.09.003（Ch ）.

[6] 骆祖莹， 赵琦琦， 段福庆. 基于教师近场语音的课堂教学过程自动分析［J］. 现代教育技术， 2021， 31（8）： 76-84. DOI：10.3969/j.issn.1009-8097.2021.08.009 .

[7] LUO Z Y， ZHAO Q Q， DUAN F Q. Automatic analysis of classroom teaching process based on teachers’ near-field speech［J］. Modern Educational Technology， 2021， 31（8）： 76-84. DOI：10.3969/j.issn.1009-8097.2021.08.009（Ch ）.

[8] JENSEN E， DALE M， DONNELLY P J， et al. Toward automated feedback on teacher discourse to enhance teacher learning［DB/OL］. ［2025-01-02］. DOI: 10.1145/3313831.3376418 .

[9] 欧志刚， 刘玉屏， 李若琳， 等. 国际中文课堂中的教师语音情感识别研究［J］. 现代教育技术， 2023， 33（8）： 87-95. DOI：10.3969/j.issn.1009-8097.2023.08.010 .

[10] OU Z G， LIU Y P， LI R L， et al. Research on teacher speech emotion recognition in international Chinese language classrooms［J］. Modern Educational Technology， 2023， 33（8）： 87-95. DOI：10.3969/j.issn.1009-8097.2023.08.010 （Ch ）.

[11] 唐烨伟， 吴姗珊， 赵一婷. 基于教师言语的学习者听觉情绪预测［J］. 现代教育技术， 2023， 33（3）： 46-55. DOI：10.3969/j.issn.1009-8097.2023.03.005 .

[12] TANG Y W， WU S S， ZHAO Y T. Learners’ auditory emotion prediction based on teachers’ speech［J］. Modern Educational Technology， 2023， 33（3）： 46-55. DOI：10.3969/j.issn.1009-8097.2023.03.005（Ch ）.

[13] 顾小清， 王炜. 支持教师专业发展的课堂分析技术新探索［J］. 中国电化教育， 2004（7）： 18-21. DOI：10.3969/j.issn.1006-9860.2004.07.004 .

[14] GU X Q， WANG W. A new exploration of classroom analysis technology to support teachers’ professional development［J］. China Educational Technology， 2004（7）： 18-21. DOI：10.3969/j.issn.1006-9860.2004.07.004 （Ch ）.

[15] 韩后， 王冬青， 曹畅. 1∶1数字化环境下课堂教学互动行为的分析研究［J］. 电化教育研究， 2015， 36（5）： 89-95. DOI：10.13811/j.cnki.eer.2015.05.013 .

[16] HAN H， WANG D Q， CAO C. An analysis of classroom interaction behaviors in a 1∶1 digital learning environment［J］. e⁃Education Research， 2015， 36（5）： 89-95. DOI：10.13811/j.cnki.eer.2015.05.013（Ch ）.

[17] ZHAO K L， BOONYAPRAKOB K. A case study of Chinese students learning Thai as a foreign language： Flanders interaction analysis category system［J］. International Journal of TESOL & Education， 2021， 2（1）： 145-169. DOI：10.54855/ijte.222110 .

[18] 李红美， 卞鹏， 徐梦秋. 智慧教室环境下数学课堂互动教学双编码分析系统开发与行为模式挖掘［J］. 现代教育技术， 2024， 34（3）： 105-115. DOI：10.3969/j.issn.1009-8097.2024.03.011 .

[19] LI H M， BIAN P， XU M Q. The development and pattern mining of double coding analysis system for interactive teaching of mathematics classroom under the smart classroom environment［J］. Modern Educational Technology， 2024， 34（3）： 105-115. DOI：10.3969/j.issn.1009-8097.2024.03.011（Ch ）.

[20] XU L L， HE X L， ZHANG J， et al. Automatic classification of discourse in Chinese classroom based on multi-feature fusion［C］//2019 International Conference on Computer， Information and Telecommunication Systems （CITS）. New York： IEEE Press， 2019： 1-5. DOI：10.1109/CITS.2019.8862101 .

[21] ZHANG X L， WANG J Q， WAN Z H， et al. Classification of classroom teachers’ speech intention based on deep learning［C］//2021 International Conference on Computer Engineering and Application （ICCEA）. New York： IEEE Press， 2021： 230-233. DOI：10.1109/ICCEA53728.2021.00053 .

[22] KIM Y. Convolutional neural networks for sentence classification［C］//Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing （EMNLP）. Stroudsburg： Asscoication for Computational Linguistics， 2014： 1746-1751. DOI：10.3115/v1/d14-1181 .

[23] 廖盛斌， 齐飞. 课堂师生互动行为的机器分析研究［J］. 华中师范大学学报（自然科学版）， 2024， 58（2）： 279-285. DOI：10.19603/j.cnki.1000-1190.2024.02.014 .

[24] LIAO S B， QI F. Research on machine analysis of classroom teacher-student interaction behavior［J］. Journal of Central China Normal University （Natural Sciences）， 2024， 58（2）： 279-285. DOI：10.19603/j.cnki.1000-1190.2024.02.014（Ch ）.

[25] GAZDA G M， BALZER F J， CHILDERS W C， et al. Human Relations Development： A Manual for Educators［M］. 6th Edition. Boston： Allyn and Bacon， 1999.

[26] 殷玮. 基于知识图谱和文本分析的教学分析系统［D］. 上海： 上海交通大学， 2020. DOI：10.27307/d.cnki.gsjtu.2020.003208 .

[27] YIN W. A teaching analysis system based on knowledge graph and text analysis［D］. Shanghai：Shanghai Jiao Tong University， 2020. DOI：10.27307/d.cnki.gsjtu.2020.003208（Ch ）.

[28] 腾讯云. 腾讯AI开放平台［EB/OL］. ［2018-09-18］.

[29] TENCENT CLOUD. Tencent AI Open Platform［EB/OL］. ［2018-09-18］.

[30] CUI H Y， WANG G K， LI Y X， et al. Self-training method based on GCN for semi-supervised short text classification［J］. Information Sciences， 2022， 611： 18-29. DOI：10.1016/j.ins.2022.07.186 .

[31] VELIČKOVIĆ P， CUCURULL G， CASANOVA A， et al. Graph attention networks［DB/OL］. ［2025-01-02］. DOI: 10.20944/preprints202309.0962.v1 .

[32] LIU P F， QIU X P， HUANG X J. Recurrent neural network for text classification with multi-task learning［DB/OL］.［2025-01-03］. DOI: 10.24963/ijcai.2017/473 .

[33] ZHOU P， SHI W， TIAN J， et al. Attention-based bidirectional long short-term memory networks for relation classification［C］// Proceedings of the Annual Meeting of the Association for Computational Linguistics. Stroudsburg： Association for Computational Linguistics， 2016： 207-212. DOI: 10.18653/v1/p16-2034 .

[34] JOHNSON R， ZHANG T. Deep pyramid convolutional neural networks for text categorization［DB/OL］.［2025-01-02］. DOI: 10.18653/v1/p17-1052 .

[35] MURFI H， GOWANDI T， ARDANESWARI G， et al. BERT-based combination of convolutional and recurrent neural network for Indonesian sentiment analysis［J］. Applied Soft Computing， 2024， 151： 111112. DOI：10.1016/j.asoc.2023.111112 .

基金资助

国家自然科学基金(62377031)

中国教育学会教育科研重点规划课题(202426676908A)