在我国,课堂是进行教育教学活动的主要场所,一直以来都受到国家和社会的关注。现如今的课室教学大多注重知识讲授,也就缺少了老师和学生之间的感情互动;且“大班制”课堂学生众多,老师难以兼顾所有学生的学习状态。另外,学生在学习过程中呈现的情感反馈能较好的反映当前学生对于所学内容接受度,从而反映当前课堂的教学质量。目前情感评价方法缺乏及时性,且容易给老师带来巨大的工作量,教师负荷过多会直接影响教学效果。利用信息技术帮助教师及时获取学生学习过程中的情感反馈,及时调整教学策略,增进师生情感互动与交流,有利于提升教育教学效果。本篇文章主要探讨了应用在教室的教学活动中的学生情绪评价的面部表情识别技术。这种技术依托于深度学习概念,并且具有技术的客观性和及时反馈特性,为现阶段课堂教学过程中学生的评价不全面,不及时的问题提供了新的研究工具。本篇文章的主要工作有:首先,归纳整理了国内外情感领域的研究状况,特别是教育层面的应用,分析了目前学生情感评价方法的不足:(1)目前课堂评价聚焦知识层面,缺少对学生情感方面的评价;(2)在“一对多”的环境中,一个老师难以兼顾众多学生,造成评价的不全面,不及时性;(3)目前的访谈法,结构化观察法等评价方式单一,且依赖于教师的主观选择,随着信息技术的发展,技术助力教学是大势所趋。其次,提出了一种基于表情识别技术的智能学生评价方法,归纳了四种基本的学生学习情绪(理解、倾听、疑惑和抗拒),并对其进行特点提取及数据化处理,给出课堂评价指标(关注度、参与度、疑难度)的表达公式。然后,利用卷积神经网络CNN作为主网络,结合了Occam框架、Xception体系、反向传播可视化等人工智能方法,进行人脸表情识别分类。可进行学生学习表情(理解、倾听、疑惑、抗拒)一共四类表情的识别分类。最后,设计了完整的智能学生评价系统,详细描述了系统的设计思路、系统框架以及各模块的功能。