本文结合情绪认知和调节理论，利用面部表情识别技术和大语言模型，构建了一套多维智能反馈系统。该系统能够识别学生情绪变化，并为教师提供针对性的教学策略建议。为验证其效果，作者面向初中生开展了为期6周的教学实验。结果表明，利用多维智能反馈系统，能够帮助教师快速识别学生情绪变化并及时反应，既提升了教师的课堂掌控力，也为学生学业水平提升奠定了基础。
引言
心理学研究表明，学生学习成效不仅受制于知识的输入与输出，还与情绪紧密关联。心理学家梅拉宾（Mehrabian）指出，情感信息的表达55%是通过面部表情表现出来的。这意味着教师若能够捕捉并识别学生的情绪，及时调整课堂环节，活跃课堂氛围，便能更好地调动学生学习积极性，提高课堂学习效率。
然而，在当前大班化教学环境下，教师往往偏重于知识传授，难以兼顾对学生情绪的观察，导致产生“知识传递与情绪调动脱节”的问题。而人工智能能够实现面部情绪识别与智能反馈，为教师及时提供学生情绪变化信息，帮助弥补传统教学对学生个体差异关照不足的缺陷。
鉴于在教育实践中教师对情绪识别与智能化反馈的需求，笔者构建了一套多维度智能反馈系统，以便为教师及时输出学生情绪变化并提供相应的调整建议，从而增强教师的课堂掌控力。
系统的设计与构建
1.理论基础：情绪认知和情绪反馈
情绪作为人类心理活动的重要组成部分，在课堂学习过程中发挥着调节与导向作用，其与注意力、记忆效率及课堂参与度密切相关。美国心理学家保罗·艾克曼(Paul Ekman)通过研究发现：六种基本情绪（高兴、生气、惊讶、恐惧、厌恶、伤心）的面部表情、生理和行为反应具有跨文化一致性。通过对面部表情的量化识别，教师可以突破传统依赖直觉观察的局限，更准确地判断学生群体的学习状态。
与此同时，情绪的发生与反馈具有双向性。在课堂中，学生如果能保持长时段积极情绪（兴奋、自豪），代表其能更专注地倾听教师授课、充分思考、快速内化；相反，若学生始终处于消极情绪（绝望、无聊、害怕）中，则代表其远离课堂、思考僵化、内化迟缓。因此，课堂是情绪与认知交互并行的过程，当学生情绪信息能够被教师及时捕捉并识别时，教师便可根据过往经验、策略等调整教学节奏、内容或互动方式，形成“学生情绪—系统识别—策略调整—课堂反馈”的循环机制，不断修正教学策略，加强情绪识别能力，提高课堂掌控力，使课堂更具活力，并为学生情绪由消极向积极转化提供动力。
2.系统设计：情绪识别与智能体反馈设计
（1）情绪识别系统的设计
近年来，随着人工智能、神经网络的飞速发展，大量可解决面部情绪识别问题的技术涌现出来。卷积神经网络—循环神经网络（ConvNet-RNN）和生成对抗网络（Generative Adversarial Networks，GANs）等算法已在公开数据集上达到了较高的面部表情识别精度和鲁棒性。
面对“距离不一+人数众多+姿态变化+面部遮挡”的真实课堂，系统需要在低分辨率、复杂光照和频繁遮挡下仍保持高找回度与稳定位，本研究采用retinaface实现面部情绪识别，其能在特征金字塔（FPN）多尺度上做“单阶段密集定位”，对较远距离、低分辨率的面部分析尤为友好，适合在教室中对多数人脸检测与关键点定位。此外，为匹配不同课堂环境，情绪识别系统提供“抽帧间隔”“锚点时间”“匹配阈值”等参数，通过输入不同参数，不断获取更为精准的情绪识别，为后续情绪识别打下基础。
（2）智能体反馈的设计
智能体的发展帮助大语言模型能够更轻松地实现应用并及时反馈。情绪识别系统在分析课堂视频并生成情绪折线图、热力图后，将多维情绪时序与聚合指标，输入预训练后的大语言模型，让其按照优秀标准进行分析，并输出可操作的教学建议与可视化概要，进而支撑教师快速复盘，调整教学策略。
本研究则利用Dify部署本地化课堂智能反馈智能体，将课堂视频分析结果输入其中，为教师及时提供课堂成效、亮点以及改进策略。教师可依据该反馈对照既定教案持续开展“修改—验证—再修改”的循环优化过程，从而提升课堂教学的有效性与针对性。
3.系统构建：情绪理解与策略反馈系统
在上述情绪识别与智能反馈模块设计的基础上，本研究进一步构建了“情绪理解与策略反馈”模型，并在感知层与反馈层分别加以实现，从而形成一个多维度智能反馈系统（如图1）。系统的运行具体可以分为以下五个环节。
图1
①输入：教师将微格教室或相机录制的课堂视频上传系统，输入采集间隔时间，并经过人脸关键点定位和面部表情特征点提取后，送入面部情绪识别模块。
②识别与聚合：识别模块根据Retinaface与阈值匹配结果，输出学生课堂时序六类基本情绪的折线图。
③情绪理解：通过时序建模与统计对比，生成课堂情绪热力图。
④策略反馈：将情绪识别模块分析结果传入到智能体中，将分析结果转化为教师可直接应用的改进策略与可视化报告，其中包括“分析数据结果”“优点分析”“改进建议”“总结”。
⑤输出与复盘：教师在查看报告后，结合课堂反思与教案进行打磨优化，为下一轮教学的迭代优化打下基础。
教学应用效果
为验证以上系统能否有效提高学生积极情绪及教师课堂掌控力，本研究在初中阶段展开了为期6周的教学实验，以下是实验详细内容。
1.实验设计
（1）实验对象及情况
实验取样于浙江省宁波某J初中，选取两名工作5年的青年教师以及两个平行班（共89人），其中一个班作为实验班（共44人），另一个班作为对照组（共45人）。向教师和学生发放调查量表，并对录制的学生情绪进行配对样本t检验分析。
如下表1所示，对实验组和对照组的学生进行前期积极情绪与消极情绪分析，p均大于0.05，结果显示两部分均不存在显著性差异。
表1
如下表2所示，对实验组和对照组教师进行课堂掌控力调查量表前测，t检验结果显示两组无显著差异（t=-1.74，p=0.097，＞0.05）。
表2
（2）系统部署
在正式进行教学实验前，在教师的电脑中预先配置Python的运行环境，部署多维智能系统（包括情绪识别模块与智能反馈智能体），并通过多轮运行测试与性能调试，确保教师能在课后进行自主分析与反思。
2.实验步骤
本实验采用前后测非同等控制组准实验法，具体流程如图2所示。
图2
本实验历时6周，每周1节课（40分钟）。在第1周上课的前10分钟，开展教师课堂掌控力调查量表和学生课堂投入度调查量表的前测与数据收集，随后教师正常上课，对学生面部情绪数据进行收集。在2～5周时，实验组开展有多维智能反馈系统支持的教学，对照组开展常规教学，实验组和对照组的教学内容相同。在第6周时，收集师生调查量表的后测数据并分析。
3.检验结果
（1）多维智能反馈系统对学生情绪的影响
后测结果显示，在经过为期4周的系统辅助下的教学后，实验组的积极情绪平均值达到21.07，标准差为30.83，较前测水平得到显著提升。对照组的积极情绪平均值为18.8，标准差为31.21，较前测水平也得到一定提升。配对样本t检验的结果表明，实验组在增加积极情绪方面显著优于对照组（t=-6.478，p=0.023，＜0.05）。在消极情绪方面，实验组和对照组的平均值分别为11.12和10.15，标准差分别为9.8和8.1，较前测水平得到提升且趋向稳定，但配对样本t检验的结果在减少消极情绪方面不存在显著差异（t=0.372，p=0.735，＞0.05）。这表明多维智能反馈系统起到一定作用，学生在课堂中的积极情绪得到提升。
（2）多维智能反馈系统对教师课堂掌控力的影响
根据后测结果和对教师前后课堂掌控力调查量表的分析，实验组的平均值为8.48，较对照组的6.29得到显著提高，其标准差分别为18.45和13.69。配对样本t检验的结果表明实验组在课堂掌控力水平上的提升显著高于对照组（t=2.09，p=0.049，＜0.05）。此外，实验组平均值8.48较前测平均值6.00得到较大提升，而对照组平均值6.29较前测平均值6.57，未得到提升。这表明多维智能反馈系统在提升教师课堂掌控力上起到了一定作用，使得教师可以更快识别情绪并做出及时反馈。
研究结论
1.多维智能反馈系统对提高教师课堂掌控力具有显著作用
下图3、图4所示为实验组学生情绪在经过2～5周教学实验后的变化情况。
图3
图4
在图3中，学生的悲伤和愤怒情绪出现在多个时间节点，尤其是在教师提出问题时或师生互动阶段，反映了学生对当前教学内容或方式产生了反感或焦虑。整体来看，情绪比较混乱，说明在课堂初期，学生的情绪没有得到有效管理，课堂氛围较为低迷。随后教师在每节课后，利用多维智能反馈系统对课堂进行分析并采取改进策略，对教案与教学方法进行改进，尤其是在课堂中段，从提问手段、互动方式、合作探究等方面进行更多尝试。在图4中，学生情绪呈现出稳定的趋势，悲伤和愤怒情绪极大程度减少，积极情绪的比例上升，特别是在高兴和惊讶的情绪上，说明学生的情绪开始转向积极的方向，课堂变得更加互动，气氛活跃。
上述学生情绪变化的图例表明教师能够利用系统反馈及时调整教学节奏、互动方式和内容设置，从而有效降低学生的不满情绪，提升课堂氛围与情绪参与度。此外，教师不断接受智能体反馈，优化课堂互动策略，如增加问题环节和情境化教学，进一步增加了学生的积极情绪。
2.多维智能反馈系统有助于提升学生在课堂中的积极情绪
从实验组和对照组前后学生课堂情绪数据来看，学生积极、中立情绪均高于对照组，且惊喜和开心情绪占比较对照组的0.68%、0.88%显著提升为2.71%、3.85%，这表明随着教师根据系统反馈不断调整教学策略，课堂气氛逐渐变得活跃，学生的积极情绪显著增加，这与上述效果验证中的结论一致。同时，尽管消极情绪的差异并不明显，但实验组在害怕、悲伤情绪上的占比与对照组相比平均值略低，这表明系统在消极情绪的调节上仍存在一定的作用。整体来看，教师通过系统反馈优化了课堂节奏和互动方式，有效提高了学生的参与度，最终实现了课堂氛围的积极转变。
结语
“学生情绪—系统识别—策略调整—课堂反馈”的多维智能反馈模型在提升教师课堂掌控力，活跃课堂氛围，并最终调动学生积极情绪方面具有一定作用，能够有效提升课堂互动性和学生参与感。然而，本研究在长期影响评估和样本量方面仍存在改进空间。首先，实验周期仅为6周，这可能限制了对系统长期效果的评估。其次，本研究的样本量较小，只有一个初中的实验班和对照班，未来的研究应扩大样本范围，涵盖更多学校、学科和年级，以提高结果的普适性。
本文作者：
卢卓豪 董毅 俞津津
浙江省宁波市镇海蛟川书院
文章刊登于《中国信息技术教育》
2026年第2期
引用请注明参考文献：
卢卓豪 董毅 俞津津.教学心电图：多维智能反馈系统的设计构建与效果研究[J].中国信息技术教育，2026（02）：88-91.
欢迎订阅
识别上方二维码订阅纸质版或电子版杂志
热门跟贴