跳到主要内容

DATASET 02 · 教育语言学

课堂多模态教学语料库

312 节课、860 小时的课堂音视频、教师动作与板书文本,支撑课堂话语与教学行为研究。

语音视频文本动作捕捉教育语言学课堂研究
课堂多模态教学语料库 · 封面示意
规模
860 小时
参与者
1,120 名学生与 146 名教师
语种
普通话(含 6 个地区口音)
标注
师生话语转写、课堂事件编码、教师手势与体态、板书与课件 OCR
格式
WAV / MP4 / ELAN / JSON / CSV
同步
音视频与动作捕捉同步误差 ≤ 4 ms
授权
科研授权 / 商业授权
更新
2026 年 8 月 20 日

01 / 数据构成

规模、关键指标与数据流

把一节课拆解为可分析的多模态时间序列

860 h
总时长
312 节
课堂
1,266 人
参与者
4 个
覆盖学段
数据构成与规格
数据流规格说明
音频16 kHz / 16-bit · 6 通道教室阵列麦克风,区分教师与学生区
视频1920 × 1080 · 25 fps教师、学生全景与板书三机位
动作120 Hz · 17 个关节点教师上肢与躯干动作捕捉
文本UTF-8 / JSON课件、板书 OCR 与逐句转写

表格为示例批次的采集参数,最终规格以随数据交付的说明文档为准。

02 / 数据说明

采集、标注与质量控制

以下内容说明数据如何被采集、标注与验证,可作为方法学引用与方案评估的依据。

数据概况

课堂多模态教学语料库收录 312 节完整课堂,累计 860 小时,覆盖小学、初中、高中与高校四个学段,学科包括语文、数学、英语、科学与人文学科。参与者共 1,120 名学生与 146 名教师,采集时间为 2024 年 3 月至 2026 年 5 月。每节课保留从导入到课堂总结的完整过程,不做片段裁剪,便于分析教学节奏与互动结构。

语料按学段、学科与课型(新授、复习、实验、讨论)分层组织,同一教师至少贡献 3 节课,用于考察其教学行为的稳定性。

采集规范

教室内部署 6 通道阵列麦克风,教师通道与学生区通道分开记录,采样率 16 kHz;视频采用教师机位、学生全景机位与板书机位三路 1920 × 1080 · 25 fps 录制。授课教师佩戴惯性动作捕捉设备,以 120 Hz 记录上肢与躯干 17 个关节点,用于分析手势与讲解内容的耦合关系。

采集前完成场地勘测与隐私告知,学生家长与教师分别签署同意书;画面中非参与者区域做遮挡处理。所有设备在课前完成同步校准,板书与课件按时间戳与音视频对齐。

标注体系

标注围绕「谁、在什么时间、做了什么」组织,采用统一编码手册。

层级内容规模复核方式
话语层师生逐句转写、话轮边界约 92 万句双盲复核 15%
事件层提问、讲解、指令、反馈、小组活动14 类事件双人标注,仲裁复核
非言语层手势类型、注视方向、体态9 类手势关键片段双人标注
文本层课件与板书 OCR、版面区域约 4.6 万页人工抽检 10%

质量与验证

音视频与动作捕捉的同步误差中位数 2.1 ms,95 分位不超过 4 ms;转写字准确率 98.6%;课堂事件编码一致性 κ = 0.87;板书 OCR 字符准确率 97.3%。每批次抽取 10% 课堂做全流程复核,重点检查事件边界与话轮切分。交付包含同步报告、编码手册、课堂元数据表(学段、学科、课型、班级规模)与抽检记录。

典型研究问题

  • 教师提问类型与学生话语长度的关系。
  • 手势与抽象概念讲解之间的时间耦合模式。
  • 不同课型下课堂话语的互动结构差异。
  • 多模态信号能否自动识别「学生困惑」状态。
  • 教学反馈的即时性与学生学习投入的关联。

获取与授权

科研授权面向教育学、语言学与心理学研究团队,商业授权面向教育科技与教师培训产品。交付格式为 MP4、WAV、ELAN、JSON 与 CSV,可按学段、学科或课型筛选子集。由于涉及未成年人影像,申请方需提供伦理审查证明与数据管理计划;可先通过示例数据了解字段结构,或在联系页预约方案沟通。

03 / 典型用途

这批数据可以回答的问题

以下为典型研究与产品方向,具体分析方案需结合研究设计与统计方法确定。

  • 01

    课堂话语互动分析

  • 02

    教师提问与反馈研究

  • 03

    多模态教学行为自动识别

  • 04

    师范生课堂观察训练

NEXT STEP

需要调整采集场景或标注体系?

现有数据集可直接授权,也可基于你的研究设计扩展说话人、场景与标注层级。

1 个工作日内回复 · 支持 NDA 与数据授权协议 · 高校科研专属方案