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
04 / 相关数据集
可以组合使用的数据集
同一研究问题常需要跨模态组合;以下条目与本数据集共享场景、说话人或标注体系。