面向课堂教学评估的语音分析系统

作     者：康世勇 

作者单位：上海交通大学 

学位级别：硕士

导师姓名：申丽萍

授予年度：2017年

学科分类：0711[理学-系统科学] 0401[教育学-教育学] 04[教育学] 07[理学] 040110[教育学-教育技术学（可授教育学、理学学位）] 

主      题：说话人识别 场景分类 高斯混合模型 i-vector 教学评估 语速估计 响度估计 

摘      要：传统的教学评估方式是请专家在课堂中对授课老师按标准进行打分。而本论文的目的是建立一个语音分析系统,自动评价教学过程,帮助老师改进教学质量。语音分析系统需要包含不同的模块,主要有语音采集、预处理、特征提取、VAD、说话人识别和场景分类等。我们定义出最常见的五类教学场景——老师说话、学生回答、齐声回答（朗读）、杂声讨论和静音。然后构建了一个课堂语音场景的数据库,并对部分语音课程进行了标记。在此基础上,用高斯混合模型（GMM）、高斯混合-通用背景模型（GMM-UBM）和总体变化因子分析（i-vector）建模并分类场景,并比较了两类数据源（课堂录制类和互联网精品课程类）在不同模型下的分类效果,最后选用合适的模型应用到语音分析系统中。在场景分类的基础上,我们试图从语速、声音响度和课堂信息挖掘三个方面去评价老师的教学过程。语速和声音响度可以从教师的说话语音中估计得到;而把课堂场景连接成一系列的场景序列,就可以进行课堂信息挖掘。从基础信息的汇总统计,到频繁场景子序列的挖掘,再到课程层面的过程挖掘,我们通过对数据的挖掘和分析,可以从中获知课程和教师的特点,为老师改进教学提供参考。