1.一种教师自主支持性教学行为自动识别方法,其特征在于,包括以下步骤:采集教师授课语音,基于语音分割技术将所述授课语音进行分割处理,获得单句语音;
利用语音识别技术将所述单句语音转换为教学行为文本信息;基于所述文本信息构建教学行为数据集;
构建教学行为识别模型,将所述教学行为数据集输入所述教学行为识别模型进行训练,获得目标教学行为识别模型;
基于所述目标教学行为识别模型对教师自主支持性教学行为进行智能识别;
将所述教学行为数据集输入所述教学行为识别模型进行训练的过程包括:将所述教学行为数据集随机划分成5等份,选取1份作为测试集,其余作为训练集进行训练;将所述训练集中5%的训练数据作为验证集,使用随机过采样平衡所述数据集,通过基于代价敏感学习的损失函数快速计算类别可分性,优化所述教学行为识别模型;
所述基于代价敏感学习的损失函数包括优化神经网络参数的损失函数Lossθ和优化代价矩阵参数的损失函数Lossξ;
所述优化神经网络参数的损失函数Lossθ的表达式为:其中, 表示第k类中样本i的概率,ξk是将第k类误分为不同类的代价矩阵,yi是第i类目标的one‑hot向量,N是每批样本的个数,γ(γ≥0)是一个可调的超参数, 为调节因子,ξ为代价矩阵;
所述优化代价矩阵参数的损失函数Lossξ的表达式为:其中CEval是在验证集上模型经过CE损失函数计算得到的分类损失值,θ为当前训练所得的网络模型参数;
所述矩阵M的表达式为:
M=D·exp(‑S)·exp(‑R)
其中R是验证集上当前分类错误的混淆矩阵;
所述矩阵D的表达式为:
其中,Di,j表示第i类相对于第j类的数据分布特征, 和 分别是i类和j类的数量;
所述矩阵S的表达式为:
其中 表示第i类中样本k被预测到第j类的概率,N为第i类中样本的个数。
2.根据权利要求1所述的教师自主支持性教学行为自动识别方法,其特征在于,利用语音识别技术将所述单句语音转换为文本信息之后还包括,对所述教学行为文本信息进行分类,获得控制行为数据、自主支持行为数据、中性行为数据。
3.根据权利要求2所述的教师自主支持性教学行为自动识别方法,其特征在于,所述自主支持行为数据包括鼓励学生讲话、以表扬作为信息反馈、允许学生以自己的方式工作、交流式表达、提供提示、提供鼓励、对学生产生的问题负责;
所述控制行为数据包括提供解决方法/答案、发出指令/命令、作出应当/应该陈述、截止时间陈述、展示解决方案/答案、提出控制问题;
所述中性行为数据包括教师讲话。
4.根据权利要求1所述的教师自主支持性教学行为自动识别方法,其特征在于,构建所述教学行为识别模型的过程包括:拼接BERT模型后四层的输出作为词嵌入,在所述BERT模型后分别增加2层BiLSTM网络和3层并行的CNN网络,所述BERT的嵌入作为BiLSTM的输入,所述BiLSTM的输出将与其输入拼接后再送入CNN网络,获得BERT‑BiLSTM‑CNN模型。