本发明涉及一种基于教学反思的异步专递课堂教学行为事件识别的方法，属于教育信息。
背景技术：
1、向教育条件有限的偏远地区输送远程教育录像教材开展异步专递课堂是促进教育公平的有效途径之一。偏远地区的助学教师借助录像教材如何开展教学是决定教学质量的关键因素。偏远地区教学设备有限，通过录像视频进行过程记录和识别的方法难以实现。而教学行为事件是课堂教学的组成单位，也是教师开展教学反思的基本单位。教师课后的教学反思记录着教师对教学过程的回忆、对教学问题的思考和教学理念的表达。因此，教学反思文本可以成为偏远地区通过教学行为事件识别了解教学开展过程的另一渠道。此外，通过对教学行为事件的分析可以界定教师专业发展中的关键行为事件，分析教师教学反思的深度和广度。
2、由此可知，基于教学反思文本的异步专递课堂教学行为事件识别不仅能帮助教师、管理者、研究者及时了解教学条件受限地区的教学实施过程，还可为教师专业发展过程中关键教学事件界定提供持续性数据的便捷采集方法，为教学反思自动化分析提供参考。因此，本发明提出了基于教学反思文本的异步专递课堂教学行为事件识别方法。方法提出教学反思文本的预处理方法和教学行为事件的编码，从而构建异步专递课堂教学行为事件识别数据集；基于异步专递课堂教学行为事件识别数据集，构建对识别文本上下文特征和词嵌入特征多次拼接融合的教学行为事件识别模型，从而实现异步专递课堂教学反思文本中教学行为事件的自动识别。
技术实现思路
1、本发明要解决的技术问题是提供一种基于教学反思的异步专递课堂教学行为事件识别方法，用以解决偏远地区异步专递课堂教学过程不明的问题，亦可为教学反思文本的自动化分析提供初步的方法基础。
2、本发明的技术方案是：一种基于教学反思的异步专递课堂教学行为事件识别方法，构建基于教学反思文本的异步专递课堂教学行为事件识别数据集，提出教学行为事件识别模型，该模型提取教学反思文本上下文特征和词嵌入特征并进行多次拼接融合，融合特征再经过最大池化层提取突出特征，从而进行教学行为事件标签预测，实现教学反思文本中教学行为事件的自动化识别。
3、所述方法具体步骤为：
4、step1：获取异步专递课堂教师教学反思文本数据。
5、step2：基于教学反思文本数据，构建异步专递课堂教学行为事件识别数据集。
6、所述step2具体为：
7、step2.1：对获取的异步专递课堂教师教学反思文本数据中emoji表情符号及标点符号进行预处理，具体为：
8、step2.1.1：将异步专递课堂教师教学反思文本excel文件转换为txt文件（utf-8编码），使教学反思文本中emoji表情符号转换为常规标点符号并剔除emoji表情符号转换产生的常规标点符号。
9、step2.1.2：对无标点的长文本添加标点符号，修正文本数据。
10、step2.1.3：根据所需粒度选择标点符号对文本数据进行分割，设教师们上课后撰写的教学反思文本数据预处理并分割后获得的样本集为，s为教学反思文本中按标点符号分割的句子，n是样本的个数。
11、step2.2：基于“教师呈现”“学生演练”“评价”和“调控反馈”等基本教学环节，细化教学环节下的教学行为事件，构建异步专递课堂教学行为事件编码。
12、step2.3：基于step2.2构建的异步专递课堂教学行为事件编码，对step2.1.3得到的待标注文本进行标注，获得异步专递课堂教学行为事件识别数据集，文本数据样本，其中，x表示组成句子样本s的单词，m表示文本数据样本中单词个数个。按6:2:2划分为训练集、测试集和验证集，作为教学行为事件识别模型的训练材料。
13、所述step3具体为：
14、step3：基于step2.3构建的数据集，构建基于深度学习技术的教学行为事件识别模型。
15、step3.1：将step2.3构建的异步专递课堂教学行为事件识别数据集作为预训练bert模型的输入，通过预训练bert模型提取识别文本s的词嵌入特征，其中，se为样本s提取的词嵌入特征，xe为单词x提取获得的词嵌入特征，m表示文本数据样本中单词个数个。
16、step3.2：将step3.1提取的词嵌入特征se作为长短时记忆网络bilstm的输入，通过bilstm提取识别文本的上下文特征，提取的上下文特征表示为，t表示时间步长。
17、step3.3：将step3.2中bilstm提取的上下文特征和step3.1中bert提取的词嵌入特征进行多次拼接融合，获得时序语义增强特征，具体为：
18、所述上下文特征和所述词嵌入特征首次拼接融合，得到时序语义融合特征；
19、再将时序语义融合特征与词嵌入特征se二次拼接融合，得到时序语义增强特征；
20、step3.4：将step3.3获得的识别文本时序语义增强特征作为教学行为事件识别的依据，首先进行max pooling操作，得到降维后的池化特征：
21、
22、所述池化特征作为全连接层的输入，得到全连接层特征，输出结果为：
23、，
24、式中，是权重矩阵，为偏执向量；
25、最后将全连接层输出的特征向量输入softmax层，获得预测的教学行为事件编码，完成识别文本的教学行为事件识别。
26、所述step2.1中，通过转换文件格式和剔除标点符号的方式，实现教学反思文本中emoji表情符号的处理，使识别文本由常规文字和标点符号组成，减小emoji表情符号对文本特征提取和语义识别结果的影响，有利于识别模型对识别文本语义特征的提取。
27、同时，通过对无标点符号的长文本添加标点符号，修正文本数据；
28、最后，通过标点符号对教学反思文本进行分割，可控制识别的教学反思文本的粒度。
29、所述step3.3中，提出文本上下文特征和词嵌入表征特征多次拼接融合的方式，具体为：
30、所述上下文特征和所述词嵌入特征首次拼接融合，得到时序语义融合特征；
31、再将时序语义融合特征与词嵌入特征se二次拼接融合，得到时序语义增强特征。
32、该融合方式为教学行为事件识别模型的核心，通过bilstm、bert等提取文本的上下文特征和词嵌入特征，然后将得到的各个语义特征，使用融合的方式进行处理，得到增强的文本表征，进而提高文本分类的准确性，
33、所述step3.4中，根据step3.3融合特征，预测文本所属教学行为事件，通过特征最大池化提取文本局部显著特征，去除冗余信息，提升模型在识别任务中的泛化能力。
34、本发明对基于教学反思文本的异步专递课堂教学行为事件识别方法进行设计，将自然语言处理中的文本分类技术应用到教学行为事件识别任务中。方法设计了针对教学反思文本中emoji表情符号和标点符号的预处理方法；构建异步专递课堂教学行为事件编码；以信息技术课程为例，构建异步专递课堂教学行为事件识别数据集；提取文本词嵌入特征和上下文特征，并利用特征的多次拼接融合，优化模型在教学行为事件识别任务中的效果。
35、相比于一般地区，偏远地区的教学数据收集更加困难，教学状况更加难以进行持续性的量化分析。由于教学反思文本包含了教师对教学过程的回忆、教学问题的思考、教学理念的表达等方面的内容，为洞悉偏远地区教学过程提供数据基础。发明设计从教学反思文本预处理方法、教学行为事件编码设计、面向异步专递课堂教学行为事件识别的教学反思文本数据集构建到自然语言处理领域分类模型构建的教学反思文本自动化分析方法，对实现偏远地区基于教学反思文本的教学过程等分析具有重要参考意义。
36、本发明的有益效果是：能够有效识别信息技术课程异步专递课堂教学反思文本中的教学行为事件。与现有的教学行为事件识别方法相比，数据获取和存储的软硬件要求低，更适用于偏于农村地区。与现有的以人工为主的教学反思文本分析方法相比，本发明可以减少已有分析方法中教学反思文本编码环节的人力成本，实现自动化。
1.一种基于教学反思的异步专递课堂教学行为事件识别的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于教学反思的异步专递课堂教学行为事件识别的方法，其特征在于，所述step2具体为：
3.根据权利要求1所述的基于教学反思的异步专递课堂教学行为事件识别的方法，其特征在于，所述step3具体为：
4.根据权利要求2所述的基于教学反思的异步专递课堂教学行为事件识别的方法，其特征在于：所述step2.1中，通过转换文件格式和剔除标点符号的方式，实现教学反思文本中emoji表情符号的处理，使识别文本由常规文字和标点符号组成；
5.根据权利要求3所述的基于教学反思的异步专递课堂教学行为事件识别的方法，其特征在于，step3.3中，所述文本上下文特征和词嵌入特征多次拼接融合，具体为：
6.根据权利要求3所述的基于教学反思的异步专递课堂教学行为事件识别的方法，其特征在于：step3.4中，通过时序语义增强特征预测文本所属教学行为事件，通过特征最大池化提取识别文本的局部显著特征，去除冗余信息，提升模型在识别任务中的泛化能力。
