AI+教学评测

课堂考勤：目前高等教育，课堂的出勤率一直是老师的心病，老师往往通过点名的方式对课堂学生进行考勤，但是，当点名遇到如公共科目这种大班课时候，课堂学生众多，往往一次点名就会耗费半节课的时间，耽误教学工作，同时，也会出现学生代替别人答到的情况，这种情况下，通过人工智能技术，对出席课堂的学生进行面部识别，统计课堂的出勤率、识别出勤的学生，有效的代替了传统的点名方式进行考勤，节省老师上课的时间，同时，提高了学生的出勤率。

课堂互动识别与分析：人工智能智慧教学系统通过语音识别，收集课堂中师生互动的数据，将学生的发言及老师的授课内容通过文本的形式记录下来，并通过文本技术，将非结构化的数据转化为结构化的数据，提取互动的关键词语，通过课堂气氛的改变自动为这些词语进行标记，提取出有助于课堂氛围的正面词汇。 同时，也可针对每个不同学生的互动情况提取对学生学习积极性调动正面词汇，帮助教师及家长，提高教学互动效果，提升学生学习效率。

课堂专注度：通过教室中的摄像头收集上课数据，同时后台人工智能智慧教学系统在后台分析上课的情况，当后台程序发现课堂上学生专注度较高，学生上课效果较好，或者此时学生专注度较差，就会这些时间内的视频提取出来，当老师下课回到办公室时，可观看这些视频，分析自己教学的得失。

课堂行为识别与分析：人体行为识别技术可以通过教室中布有的摄像头收集上来的视频检测教学视频中头、颈、肩、肘、手、臀、膝、脚等多处人体骨骼关键点的组合和移动，识别学生上课举手、站立、侧身、趴桌、端正等多种课堂行为。

学业诊断：依托人工智能技术，基于伴随式数据的采集与动态评价分析，通过线上线下相结合的测试手段，针对每一位同学输出评测结果、学业报告和个性化的智能提升计划。针对每一位同学的不同需求，精准化推送学习资源和知识点拆解。最终实现因材施教，帮助管理者全面督导和辅助决策。

多维度教学报告和个人成长档案：针对不同用户群体（例如主管、校长、教师、家长、学生等）输出多维度、多层次的报告，并为适应不同区域要求，提供高覆盖、货架式灵活可定制的数据分析维度，从而满足国内各区域、各类型、各用户的分析需求。同时通过分析历史数据，针对每一位学生，形成其个性化的个人成长档案。

新高考下智能排课：通过人工智能技术找出全局最优的排课组合，实现传统排课和分层走班排课的整合。另外，还可结合学生的历史成绩、评价数据、兴趣爱好、职业生涯规划等信息和教师的教学质量评价数据，基于深度神经网络算法实现智能排课推荐。