教师教学行为评价论文

今天小编为大家精心挑选了关于《教师教学行为评价论文(精选3篇)》，供大家参考借鉴，希望可以帮助到有需要的朋友。摘要：初中英语教师课堂教学行为指标是以完善和提高初中英语教师教学能力和课堂教学效果为目的的初中英语教师课堂教学行为价值判断标准。本文提出初中英语教师课堂教学行为评价的原则及维度设计构想，以及在建立系统化、合理化的初中英语教师课堂教学行为评价标准的基础上，更好地帮助初中英语教师完成课堂教学活动，提高教学效果。

第一篇：教师教学行为评价论文

初中物理教师课堂教学评价行为研究

【内容摘要】物理是初中教育教学中一门重要的基础课程，不仅可以让学生掌握物理知识和原理，还能培养学生的逻辑思维和分析能力。初中物理课堂上教师不应该只是单向的知识传授，而应该把学生当作学习的主体，与学生进行充分的交流和互动。评价，是一种教师与学生进行互动的有效方式，通过适当合理的评价，不仅可以让学生了解到自己的不足，进行相应的改进;还可以对学生产生鼓励和帮助的作用，引导学生更有兴趣地进行学习，激发学生学习物理的积极性。为提高初中物理课堂的教学效果，物理教师应该在课堂上优化对学生的评价方式和方法，提高课堂教学的效率，帮助学生收到理想的学习效果。

【关键词】初中物理 教师评价 行为研究 教学效果

一、恰当的物理课堂评价对学生学习的积极作用

教师单纯的知识传授很难让学生长时间保持注意力集中，尤其是初中物理这种逻辑性较强的理科科目，教师及时的、合理的评价可以与学生形成一种互动，让学生感觉自己是被重视的，更容易集中精神，继续下一环节的学习。教师根据学生各自的表现，对学生进行恰当的评价，表现好的学生可以受到鼓舞，进一步调动他们自主学习的积极性，增强学生的学习动力;表现不够好的学生也能受到引导，了解自己哪些地方还有欠缺，进而按照老师的教导进行改进，获得较大的提升。初中物理老师对学生进行及时适当的评价，可以让物理课堂形成有效的互动，以评价促学习，有力地推动教学活动的顺利进行，从而达到理想的教学效果。另一方面，教师适当的评价可以让学生对自己形成准确的认识，获得鼓励和继续改进的勇气，增强学习物理的自信心和克服困难的勇气，对于促进学生的心理健康，也有很大的促进作用。

二、提高初中物理教师课堂评价有效性的策略

1.评价应该和教学内容、教学目标相结合

初中物理课堂的教学评价不应该流于形式、为了评价而评价。物理教师应该深刻把握教学目标，选用精炼、有效的评价语来促进教学活动的顺利进行，帮助学生建立正确的自我认知，通过评价一方面提高课堂上互动的有效性，加深学生对教学内容的理解，另一方面也要通过评价去促进学生进行自主学习和思考，发挥学生探索物理知识的积极性。例如在苏教版初中物理“声现象”的教学中，教师在水中摇小铃铛、把正在发声的手机放在密闭的广口瓶中，然后抽调瓶中的空气，然后向学生提问：水中的摇铃声和密闭瓶中的手机铃声还能听见吗?声音可以在水中、固体中、气体中传播吗?学生会根据自己的想法回答完后，教师需要给予及时的评价，学生正确的想法要给予肯定，进行表扬和鼓励，还要根据下一步的教学内容，通过评价引导学生继续进行思考和探索，教师就可以说：很高兴你知道了声音可以在哪些介质中传播，那你知道声音是以一种什么樣的方式在进行传播吗?我们看不见声音的形态，我们可以通过哪些实验来进行猜想声音传播的方式呢?物理教师通过有效的评价来促进教学的进行，引导学生自主的思考，从而达到理想的教学效果。

2.认真倾听、及时进行评价

初中物理的课堂教学中，经常有小组合作学习和合作实验的形式，教师应该走下讲台，认真倾听学生们的交流、实验情况，发现好的表现，及时进行表扬和肯定，为学生树立榜样，也能鼓励学生进一步的创新和努力;发现错误的观点或者思路，教师应该及时进行引导，将学生拉回正确的轨道，及时纠正偏差。物理教师要认真倾听学生们的小组学习和实验过程，根据掌握到的情况及时做出评价。例如在苏教版初中物理“光的反射”的教学中，教师可以将学生分成3-5人的学习小组，进行实验。学生在教师的引导下，将手电筒射出的光照到平面镜上，它的反射光会在光屏上形成一个光斑，改变入射光照到平面镜上的角度，光斑位置也会发生变化。实验后教师让学习小组讨论入射光与反射光的关系。在小组讨论的过程中，教师要认真倾听，学生如果思路正确，教师可以进行肯定评价，鼓励学生继续按当前思路进行探索;如果学生思路偏差太多，教师可以通过评价进行建议，引导学生从入射光和反射光的角度、方向进行思考。教师认真倾听学生的讨论情况，通过评价激发学生学习的积极性，让课堂成为一个动态的互动过程，能很好地提高物理教学效果。

3.根据学生特点选择适当的评价方式

每个学生都有不同的性格、特点，初中物理教师在进行评价的时候，应该根据学生的年龄、性格、特点选择不同的评价方式，这样才能取得好的评价效果。例如对于整体性格比较开朗的班级学生，由于学生感情充沛、个性鲜明，教师在进行表扬评价的时候，老师可以充分表达自己的喜悦和赞美，配合活泼、生动的课堂教学氛围。再比如有的学生性格含蓄，在对这类学生进行引导性评价时，教师要保护学生的自尊心，采用较为含蓄的方式指出学生的学习问题和不足，并提出改进性的建议，帮助学生快速地进步。例如同样是苏教版初中物理“物态变化”的教学中，在进行实验时，性格开朗的学生活泼好动，可能不管教师的建议和指导，径自按照自己的想法进行实验，反而弄巧成拙。教师这时就要直接表明批评的态度，让学生不要过于自我，不听劝告。而如果是性格内向的学生在按照教师的建议和引导做实验，由于粗心大意导致实验失败，教师为了照顾学生的自尊心，不可像对活泼开朗学生进行直接批评评价，而应该含蓄提醒，不动声色中进行评价和引导，帮助学生能快速进步。总之，根据学生的性格特点，采取恰当的评价，才能让评价有用，促进学生增加物理知识，锻炼抽象思维和逻辑思考。

【参考文献】

[1]庄志刚.新课程理念下的初中物理课堂教学评价[J].新课程·中学，2017(2).

[2]罗朝帅.小议初中物理教学课堂评价[J].未来英才，2016(10)：209.

(作者单位：高邮市送桥镇天山初级中学)

作者：张明政

第二篇：初中英语教师课堂教学行为评价指标研究

摘要：初中英语教师课堂教学行为指标是以完善和提高初中英语教师教学能力和课堂教学效果为目的的初中英语教师课堂教学行为价值判断标准。本文提出初中英语教师课堂教学行为评价的原则及维度设计构想，以及在建立系统化、合理化的初中英语教师课堂教学行为评价标准的基础上，更好地帮助初中英语教师完成课堂教学活动，提高教学效果。

关键词：初中英语;教学行为;评价指标

教育部在2001年、2010年分别颁发了《基础教育课程改革纲要(试行)》与《国家中长期教育改革和发展规划纲要(2010—2020年)》(以下简称《纲要》)，为我国基础教育的发展与改革指明了方向，同时也为教师提出了新的要求。英语作为初中教育的重要学科，教师的素质至关重要，而英语学习由于其自身的特点，学生知识获取的主要途径来源于课堂教学，教师课堂教学行为的有效性直接影响到学生的英语学习效果。

一、概念的界定

广义的教学行为包括教师的“教”和学生的“学”的行为，狭义的教学行为指教师“教”的行为。施良方(2003)认为，课堂教学行为即教师在课堂上为了完成教学目标而采取的一切可观察的外显行为。本文中的初中英语教师课堂教学行为主要指在英语课堂环境下，英语教师为使教学顺利实施而采取的直接指向教学内容的各种行为。这种行为因英语教育理念、教学风格、专业知识与技能、英语课堂教学机智等个体差异，在具体英语课堂教学情境中表现出不同的行为方式。而初中英语教师课堂教学行为评价则是以完善和提高初中英语教师教学能力和课堂教学效果为目的的初中英语教师课堂教学行为价值判断。

二、指标建立的原则

教师课堂教学行为评价指标指具体的、行为化的、可测量的、可观察的评价内容。通过评价指标体系评价课堂教学行为的优点是：具有规范性、便于测量和定量处理、信度较高。当然，指标的设计和编制较为费时耗力，较难全面反映被评价对象的特点和评价多样化的需要。此外，多次分解可能偏离本质属性、造成效度相对较低等问题。为克服运用指标评价存在的缺陷，使它的优势尽量发挥，在构建指标体系时应遵循以下原则。

1.可操作性原则。可操作性原则是评价得以进行的前提条件。它指教师课堂教学行为评价指标制定过程中应尽可能多地考虑到其使用中的具体情况，满足使用中的易于操作需求，指标描述应具体、清晰、易于观察、便于操作，避免过于抽象和笼统的语言，防止评价者对指标的理解产生偏差，减少主观臆断的成分，从而让评价的客观性和可靠性得到保证。

2.独立性原则。评价指标在逻辑上必须是相互独立、互补的，而不是相互交叉、彼此重叠、互为因果等关系。评价指标如果存在意思上的重复或是过于烦琐，都会影响评价指标体系的科学性和合理性，降低评价记过的有效性。

3.学、教结合，以学论教原则。教师课堂教学行为的目的在于帮助学生掌握知识、提高能力。因此，评价教师课堂教学行为关键的一点就是看教师课堂教学过程中是否有与学生的互动、交流，交流过程中是否能够促进学生的语言学习、促进程度如何等。也就是说，教师在教学过程中是否以学生为中心，是否以学生发展为中心，是否真正促进了学生的发展。

4.导向性原则。教师课堂教学行为评价指标体系应遵循初中英语教学的基本理念，具有积极的导向性，与初中英语课程标准保持一致。评价中应注意过程、结果并重，既考虑到教学结果，也对教学过程中的教师行为进行系统、全面地分析，从而保证数据的科学性。

三、指标的维度

国内外对于教师课堂教学行为评价指标和维度的研究很多，国外比较有代表性的研究有盖奇和伯利纳提出的教师课堂组织、提问、探究、奖励四个行为研究;多伊尔的四维度(教学能力、教学态度、激发智慧活动、对学生的影响)16方面教师课堂教学行为评价表。我国学者施良方(2003)将教师课堂教学行为归为三类：主要教学行为、辅助教学行为和课堂管理行为。后又有学者将这三个方面进行细化为讲述、板书、多媒体教学、问答、讨论、指导、反馈、管理、观察、倾听、评价、反思等行为。至于英语学科，华中师范大学雷云萍(2009)结合小学英语课的案例分析设计了《小学英语课堂有效教学的评价标准》，从教学设计、教学过程、教学效果三方面设计英语教师教学评价标准。

综合以上维度设计，遵循评价指标设计原则，结合初中英语学科教学特点，笔者认为初中英语教师课堂教学行为评价指标可以分为教学准备、教学实施、教学效果三个维度，并在这三个维度的基础上，设计相关下级指标以评价和测量英语教师课堂教学行为。

以上表格是初拟的初中英语教师课堂教学行为评价指标，指标设计分为两级，其中一级指标3个，二级指标15个，并以5个档次评价二级指标的完成效果。

四、结语

教师课堂教学评价是教师专业化发展的重要途径之一，评价指标的建立与使用直接影响教师对教学的自我认识，并为教师教学提出了发展方向。本文中的量表旨在为初中英语教师课堂教学行为评价指标设计做一次新的尝试，指标中的相关项目能否有效地反映和科学地评价教师课堂教学行为，促进教师专业发展还需要在使用中不断验证，并在实施过程中不断完善。

参考文献：

[1]雷云萍.小学英语课堂有效教学的评价标准的探讨[J].英语教师，2009，(8)：27-29.

[2]施良方，崔允漷.教学理论：课堂教学的原理、策略与研究[M].上海：华东师范大学出版社，2003.

作者：张蔚东 霍金侠

第三篇：一种基于姿势识别的教师教学行为评价方法

摘 要：随着智慧教室的不断普及，采用传统人工评教方法已经不能满足评估教师在这些教室教学视频中教学行为的需要。针对这些教学视频，建立了智能化评价教师教学行为的框架。这个框架首先基于HRNet深度学习网络获得教师人体姿态信息，然后根据教师的姿态信息建立了评价其教学行为的指标，最后采用模糊综合评价的方法实现了对教师教学行为的综合评分。实验表明，本框架的评价结果总体和传统的人工评价结果是一致的。

关键词：教师教学行为;深度学习;模糊综合评价;HRNet模型;姿势识别

1 引言(Introduction)

教師教学行为评价是指学校对教师在课堂上的教学行为有效性进行评价的过程。将评价结果反馈给相关教师，可以指导他们课堂教学能力的提升。当前，教师教学行为评价在很大程度上依赖于学校管理人员、教学督导或其他专业教师的课堂观察。这种评价方法只能对教师具体的一节课堂教学进行评价，却难以对教师在整个学期的全部课堂教学进行观察，不能对教师的课堂教学形成客观和长期的分析。研究新的教师评价方法和框架成为推动教学改革的新动力之一。当前，人工智能在教育领域的应用成为教育技术领域的新兴研究课题之一。将人工智能技术应用于教师教学行为评价，更是一个新兴的研究领域。随着智能教室等教育信息基础设施不断投入使用，实时和全教学过程地获取教师教学行为成为可能。利用人工智能技术实现对教师教学行为的全教学过程智能化分析，为教师提供客观的课堂评价数据，对促进教师课堂高效教学和提高课堂教学质量具有重要的意义[1]。

2 相关研究(Related works)

2.1 教师教学行为的视频分析与评估

视频分析法是采用智能化的手段跟踪视频的目标对象，并获得目标数据的运动数据。HUANG等[2]提出了一种基于深度卷积神经网络和级联的人脸特征点定位方法，分析和识别学生头部姿态和面部表情，获取学生的课堂行为，从而评估教师上课效果。闫晓炜等[3]基于yolo算法完成了教师上课时两种肢体动作的识别，周鹏霄等[4]基于OpenCV的帧差面积法分析教师上课时提问和板书两种行为。视频运动目标分析法采用非接触式的运动分析法，对被检测对象没有产生额外干扰，非常适合应用在课堂教学环境中，在运动教学中得到一定的运用，然而当前教师课堂教学中能识别的动作比较少。

获得教师教学行为数据后，需要评估这些行为反映的教师教学状态和教学效果，不少最新研究都集中在建立各种教学评估模型上。BLACKWELL[5]采取专家组和非专家组观看及评价乐器教学演奏视频的方法，研究发现专家组和非专家组的评价结果总体是匹配的，而且不随教学经验的变化而变化。GREVE等[6]提出了一个用于分析课堂视频的评分系统，然而评分来自被授权的观察员对教师的主观评估。上述研究存在无法提供定量分析结果的问题，而且有些定量数据的来源也是通过其他人员的主观评估而得。教师教学行为的评估还需进一步和教师教学行为数据自动对接，才能发挥信息技术的巨大优势，实现教师教学行为分析与评估全程自动化。

2.2 项目的研究框架

人体姿势反映了人体运动特征、人的情绪等综合信息。在教学中，教师的肢体语言充分反映了教师的教学状态，对学生学习兴趣具有重大的影响。本研究建立了基于深度学习技术的课堂教学行为的分析和评估框架，这个框架采用HRNet深度学习网络建立教师课堂教学行为的人体姿态估计模型，从而获取教师上课时的人体关键点;分析这些人体关键点与教师课堂教学行为的对应关系，建立评价教师教学行为的指标;采用模糊综合评价法对这些指标进行综合评估，从而判断教师教学效果。本研究成果能做到教师全过程教学评估，提高评价效率，对有效规范教师教学行为、促进教师教学能力提升，从而提升教学质量具有一定的帮助。

本项目的14 个测试视频来源于视频网站haokan.baidu.com公开的教学示范课，每个示范课时长为8—12 分钟，视频展示了教师在黑板前的教学活动情况。这些视频覆盖了小学和初中的语文、数学、英语等主干课程，部分视频还展现了一些教师容易出现的负面教学行为。文献[5]的研究方法，本项目组还邀请了三位资深教师对每个视频独立打分，评估视频中教师教学效果，重点考查教师教学行为。对比教师们的评估结果与本文算法的分析结果，从而验证本算法的有效性。

实验平台的硬件环境：Intel i7-8750H@2.20 GHz CPU，32 GB内存，Nvidia RTX 2070 GPU，8 GB显存;软件环境：CUDA Toolkit V10.0，CUDNN V7.0，基于Anaconda 3的Python V3.7，PyTorch 1.6深度学习框架，Windows 10 64 bit操作系统。HRNet模型权重采用精度最高的官方预训练权重COCO w48 384×288，HRNet模型计算通过GPU加速。

3 人体姿势识别算法(Human posture recognition algorithm)

3.1 項目的研究框架

人体姿态估计被定义为图像或视频中人体关节(也被称为关键点，例如肘部、手腕等)的定位问题。人体骨骼关键点的识别在人体姿势识别的应用中有着举足轻重的理论价值，它是该任务的基础方法之一[7]。姿势识别主要基于骨骼关键点检测来实现，因为骨骼关键点的检测更能精确地描述人体姿势。基于深度学习的人体姿势估计核心在于提高人体骨骼关键点检测精确度。在当前众多人体姿势识别模型中，HRNet模型的精度是最高的[8]。

HRNet模型是中国科学技术大学和微软亚洲研究院共同研究并发布的人体姿态估计模型，是CVPR 2019(Conference on Computer Vision and Pattern Recognition， 国际计算机视觉与模式识别会议)影响力最大的10篇论文之一。HRNet模型采用与众不同的并联结构，可以随时保持高分辨率表征，保证姿势识别的效果稳定输出，在COCO公开数据集的关键点检测、姿态估计、多人姿态估计这三项任务里，HRNet模型都超越了现有的人体姿态估计模型。因此本文采用HRNet模型作为人体姿态估计算法核心，算法原理如图1所示。

HRNet模型结构如图1虚线部分所示，横向表示模型深度变化，纵向表示特征图尺度变化。第一、第二、第三行分别负责高、中、低分辨率特征图的多层卷积运算，每行在适当的卷积运算单位之间分别进行上、下采样运算，以此相互交换信息，实现多尺度融合与特征提取。最终所估计的人体骨骼关键点是通过高分辨率的卷积运算，形成输入人体图的骨骼关键点热力图。根据热力图，可以获得鼻子、左右眼、左右耳、左右肩、左右肘、左右手、左右臀、左右膝、左右脚，共17个骨骼关键点的位置信息和最优估计概率。教师的手势和脸部对教学效果影响最大，因此本研究着重分析鼻子和左右手这三个骨骼关键点，如图2中黑色方块所示。

给定一段教学视频，可定义为由帧率为的幅图片集组成的集合。把HRNet模型作为一个算子，第帧图片中的鼻子(nose)、左手(left_hand)和右手(right_hand)估计概率和位置信息，如公式(1)所示：

3.2 有效关键点的选择

教师在教学过程中，肢体动作不停地变化，姿势不停地变换，例如转身、遮挡、肢体交互等，导致鼻子和左右手可能在图像中暂时消失，这三个关键点的对应估计概率比较低。设判断鼻子消失的关键点概率阈值为，则全部满足的鼻子位置数据组成一个有效显示鼻子关键点的定位序列。

同理，设判断左右手消失的关键点概率阈值分别为、，可得有效显示左右手关键点的定位序列、。一般地，取、、均为0.7，以保证关键点能被正确识别。图3是测试视频1的鼻子和左右手定位信息展示。

4 教学行为状态的评价指标(Evaluation criteria of teaching behaviors)

根据上节所获得的测试视频鼻子、左右手定位序列、、，进一步定义教师教学行为状态的评价指标。

4.1 教师板书的评价指标

对于一个测试视频序列，若相邻的两个元素的帧序数差大于等于两倍的帧率，即满足公式(2)条件，则记为教师完成一次有效板书：

按此定义，教师一次连续板书时间要超过2秒或以上才能算是完成一次有效板书。这次的有效板书时长如公式(3)所示：

设这个测试视频的有效板书时长序列为，可得评价指标1—3如下：

指标1：有效板书次数。

指标2：最长有效板书时长。

指标3：平均有效板书时长如公式(4)所示。

4.2 教师头部与手部的评价指标

对于一个测试视频序列，设鼻子的平均水平位置是，平均垂直位置是，则头部偏向左边时间是，头部偏向右边时间是，可得指标4。

指标4：头部左右偏差时间如公式(5)所示。

教师在教学中手部超过胸口以上位置的手势，称为上区手势[9]。手势在这一区域活动，一般表示教师基本进入教学状态，而且情绪比较激昂。设左右手的平均垂直摆幅为，则上区手势阈值定义如公式(6)所示。

指标5：左手属于上区手势的帧数

指标6：右手属于上区手势的帧数 。

5 教学行为综合评价(Comprehensive evaluation of teaching behaviors)

运用上述教师教学行为评价指标，对本文的14 个教师教学视频进行综合评价，以评估视频中教师的教学行为。本研究采用模糊综合评价法[10]，此方法以模糊数学为理论基础，它既可以把对象的多个评价指标融合分析获得其综合分值，还可以把综合分值按最大隶属度原则去评定对象的等级，尤其适于教师教学的评价。

模糊综合评价法包括确定因素集、权重集，计算因素评判矩阵，综合评价计算。

本项目中，因素集即指标1—6，其对应权重集是{0.2，0.2，0.2，0.2，0.1，0.1}。权重集是因素集中每个指标在综合评价里面所占的权重。由于教师板书时包含了一部分上区手势，因此左右手的上区手势权重应适当降低。

设某一个评价指标在14 个测试视频中的平均值是，最大值是，最小值是，则取平均值作为“最优秀”，建立公式(7)的三角形隶属度函数。这个隶属度函数体现了该指标越接近平均评价水平，教师教学行为就越好。根据公式(7)，计算14 个测试视频中指标1—6的隶属度，形成因素评判矩阵。

因素评判矩阵乘以权重集即可得到最后的综合评价，如表1所示。计算综合评价与三位专家评分均值之间的相关系数，可得相关系数是0.99，即两者的相关程度非常大，表明本算法对教师教学行为的评价和专家的评价基本一致。可见，本算法是有效的。

6 结论(Conclusion)

本研究针对教师课堂教学视频，建立全自动评价教师教学行为的框架。这个框架基于人体姿势识别模型HRNet获得了教师的鼻子、左手和右手的关键点信息，在这些关键点信息的基础上进一步建立描述教师教学行为状态的评价指标，将这些评价指标依据模糊评价综合算法，获得了教学视频的综合评分。在14 个教学演示视频中，证实了本框架是可行的，为实现教师全教学过程的智能化分析和自动化评价提供了有益的参考。而且本算法框架具有较好的鲁棒性，例如关键点概率阈值的取值范围比较广。第3节中取阈值是0.7，而实际上，阈值取值为[0.6，0.8]并不影响最后的综合评价结果，只是个别评价指标数值略有变化。

然而教师教学的视频行为分析是一个新颖的研究领域，还有很多值得深入研究的问题，主要包括：

(1)目前本研究的教学视频是教师在黑板前的教学行为，而教师不在黑板前的教学行为需要进一步深入研究;

(2)目前本研究是完全依据视频进行分析，没有结合教师的授课语音综合分析，教师授课语音和教学行为的信息融合分析有待突破，评价指标需要进一步增加;

(3)教师的教学视频样本量还不够大，今后需要建立一个覆盖各学段、各学科、各年级，以及不同教师的教龄、职称、学历等方面的教师教学视频库。

参考文献(References)

[1] DOHMS M C， COLLARES C F，TIBERIO I C. Video-based feedback using real consultations for a formative assessment in communication skills[J]. BMC Med Educ， 2020， 20(1)：1-9.

[2] HUANG W， LI N， QIU Z J， et al. An automatic recognition method for students' classroom behaviors based on image processing[J]. Trait Signal， 2020， 37(3)：503-509.

[3] 闫晓炜，张朝晖，赵小燕，等.用于课堂教学评估的教师肢体动作检测[J].中国教育信息化，2019，16(8)：88-91.

[4] 周鹏霄，邓伟，郭培育，等.课堂教学视频中的S-T行为智能识别研究[J].现代教育技术，2018，28(06)：54-59.

[5] BLACKWELL J. Differentiating between teaching experience and expertise in the music studio： A pilot study[J]. Res Stud Music Educ， 2020， 14(4)：1-13.

[6] GREVE S， WEBER K E， BRANDES B， et al. Development of pre-service teachers' teaching performance in physical education during a long-term internship analysis of classroom videos using the Classroom Assessment Scoring System K-3[J]. Ger J Exerc Sport Res， 2020， 11(3)：343-353.

[7] XU X X， ZOU Q， LIN X， et al. Integral knowledge distillation for multi-person pose estimation[J]. IEEE Signal Process Lett， 2020， 27(2)：436-440.

[8] SUN K， XIAO B， LIU D， et al. Deep high-resolution representation learning for human pose estimation[C]. 2019 IEEE Conference on Computer Vision and Pattern Recognition. Long Beach， 2019：5686-5696.

[9]李鵬.电视节目主持人的手势语浅析[J].中国广播电视学刊，2019(08)：100-102.

[10] 何梅.基于模糊综合评价法的本科教学评价[J].中国多媒体与网络教学学报(上旬刊)，2020(07)：34-36.

作者简介：

郑誉煌(1979-)，男，博士，副教授.研究领域：机械电子工程.

作者：郑誉煌