为了营造科研氛围，提升教师科研水平与素质素养，计算机与软件学院于2024年6月27日下午14:30-16:00在B2-205智慧教室举行题为“计算机视觉与大模型在教育领域的应用：行为检测与教学评价”科研讲座。软件工程系教师杨帆应邀分享科研经验和成果。

随着人工智能技术的迅猛发展，计算机视觉和大模型在教育领域展现出巨大的潜力。本次分享深入探讨了计算机视觉中的目标检测技术在学生行为检测中的应用，以及如何通过大模型微调、部署和提示词工程来分析课堂内容，提供教学评价和教师授课能力分析等。

关于计算机视觉中的目标检测技术在学生行为检测中的应用方面，杨帆老师首先介绍了目标检测技术的基本概念和发展历程，强调了其在计算机视觉领域的重要性。目标检测技术能够快速准确地识别图像或视频中的物体，并对其进行分类和定位，这在学生行为检测中具有重要应用价值。接着，杨帆老师详细介绍了YOLO（You Only Look Once）目标检测算法的工作原理及其在教育领域的应用。他指出，YOLO算法由于其高效的检测速度和较高的准确率，已经广泛应用于学生课堂行为检测中。通过摄像头实时监控课堂，YOLO算法能够识别学生-教师的各种行为，如举手、阅读、写字、指导等，为教师提供即时反馈，帮助他们及时调整教学策略。在行为分析与评估方面，杨帆老师展示了团队开发的行为分析系统。该系统通过集成YOLO目标检测技术，能够自动记录和分析学生的课堂行为，并生成详细的行为报告。这些报告不仅可以帮助教师了解学生的学习状态，还可以用于教学评估和改进，提高整体教学质量。

在大模型在课堂内容分析与教学评价中的应用方面，杨帆老师介绍了大模型（Large Models）的基本概念和发展现状。大模型因其强大的数据处理和分析能力，在许多领域都取得了显著成果。在教育领域，大模型同样展现出巨大的潜力。在大模型的微调与部署部分，杨帆老师分享了团队在这方面的经验。他指出，通过对预训练的大模型进行微调，可以显著提升模型在特定任务上的表现。团队利用微调后的大模型，对大量课堂数据进行分析，能够有效识别课堂中的各种细节，为教学提供有力支持。杨帆老师还介绍了提示词工程在课堂内容分析中的应用。他解释说，通过设计合理的提示词，可以引导大模型生成高质量的分析结果。例如，在课堂内容分析中，提示词可以帮助模型识别教学重点、学生的疑问和教师的讲解风格，从而为教学评价提供依据。

最后，杨帆老师展示了团队在教学评价和教师授课能力分析方面的研究成果。他们开发了一套基于大模型的教学评价系统，通过对课堂录音和视频的分析，自动生成教师授课能力的评估报告。这些报告不仅包括对教师讲解内容的评价，还涵盖了教师与学生互动、教学方法和课堂管理等多个方面，为教师的专业发展提供了宝贵的参考。

此次讲座内容丰富，涵盖了计算机视觉和大模型在教育领域的多个前沿应用，与会教师和学生纷纷表示受益匪浅。讲座结束后，大家就感兴趣的问题进行了深入交流和讨论，气氛热烈。

通过此次科研讲座，计算机与软件学院进一步提升了教师的科研水平，营造了浓厚的学术氛围。未来，学院将继续组织更多类似的学术活动，推动学院科研水平的不断提升，促进科研创新，为构建更智能化的教育环境做出更多贡献。