本项目立项源于职业院校课堂教学质量监测的现实痛点：传统教学督导依赖人工听课、听课后由督导员手工填写评课表，存在评课标准不统一、过程繁琐、结果难以量化和追溯、对青年教师帮扶缺乏数据支撑等问题，督导员往往需要往返课堂拍摄材料、随后加班整理报告，效率低下。项目将 AI 大模型、语音识别与工作流编排能力引入教学督导业务，构建面向职业院校的课堂教学质量智能评价系统；督导员在现场用手机拍摄教案、课堂照片，录制课堂视频或音频后上传，系统在后台自动完成多模态诊断并生成规范化的评课报告，实现"上传即评课、报告可追溯"，帮助学校开展常态化、数据化、可追溯的课堂质量监测与教学改进。
本项目主要具备以下功能模块：
一、材料采集与异步上传：督导员可分次上传教案照片、课堂照片、课堂视频、课堂音频，支持现场拍摄、相册多选、单页删除，按需填写课型、任课教师与课程名称；上传后返回案例编号并在后台排队诊断，督导员无需等待即可继续上传下一节课。
二、多模态自动诊断：系统按教学设计、教学实施、教学效果、教学特色四个维度评价。教案通道完成结构检测、课型自动识别、课程名与教师名提取，核对教学目标、重难点、教学过程、作业布置、教学反思等要素；课堂通道对照片可见事实、视频师生互动与学生专注、音频转写语义分别诊断，并校验材料真实性，证据不足的材料判为不参与评分。
三、评分与等级判定：内置理论课、实习课、工学一体化课三套 100 分量规，划分优秀至不合格等级；对教案的空泛缺陷按数量对总分设限，抑制虚高给分。
四、评课报告生成与归档：自动生成含分项得分图表、总分等级、主要亮点、待改进项与整改建议的报告，支持在线查看、下载 Word 与打包完整档案。
五、聚合分析：提供整体督导报告、教师画像、工作坊名单、专项评估等，支撑教学管理部门的数据化督导。
六、权限与安全：登录鉴权与角色分流，令牌校验、密码哈希存储，数据本地化留存。
本人负责本项目的整体开发，涵盖后端核心业务、前端交互与工程落地。技术栈采用 Python 与 FastAPI 构建 Web 服务，LangGraph 编排多节点诊断工作流，调用多模态大模型完成教案与课堂内容的语义诊断，接入 SenseVoice 语音识别、faster-whisper 兜底引擎对课堂音频进行转写（支持 GPU 分块转写加速），并用 python-docx 生成报告、matplotlib 生成得分图表。前端为原生 HTML/JS 的移动端适配页面，通过进度条轮询反馈诊断进度；后端采用队列方式实现上传即存、后台串行异步诊断。实现亮点包括：多通道并行诊断与证据约束，非教学材料判为证据不足不参与评分；教案空泛缺陷客观封顶；顺口音、损坏音频的容错转写与兜底；整体督导与教师画像的聚合分析。难点在于长音频 / 视频在 4GB 显存 GPU 上的分块转写、口音音频被方言模型误转写的回退处理，以及异步队列状态与前端列表的闭环。
评论