人工智能赋能高校舞蹈教学的创新实践研究 ——从三维量化训练到智能评价系统的构建‌

‌摘要：人工智能作为模拟、延伸人类智能的现代科技，以其强大的计算力、学习力、判断力和工作力对教育领域带来了前所未有的影响。该文聚焦分析人工智能促进高校舞蹈教学创新发展的价值，提出以‌动作捕捉与实时纠错和学习数据分析为主题的智能化辅助训练及智能化教学评价‌方面的创新实践，并提出未来展望，以期为高校舞蹈教学提供创新发展思路，推动舞蹈教育向智能化、精准化、高效化迈进。

关键词：人工智能；舞蹈教学；创新发展；智能化

‌

我国高度重视教育数字化，教育部等九部门联合印发了《关于加快推进教育数字化的意见》中指出，全面推进智能化，促进人工智能助力教育变革。推动课程、教材、教学数字化变革。完善知识图谱，构建能力图谱，深化教育大模型应用，推动课程体系、教材体系、教学体系智能化升级，将人工智能技术融入教育教学全要素全过程，推动科技教育和人文教育融合[1]。在国家政策的支持与推动下，AI+教育已成为大趋势，我们应积极推动将人工智能技术融入高校舞蹈教育教学全要素全过程，利用人工智能赋能进行教育评价改革。为此，本文在人工智能促进高校舞蹈教学创新发展价值基础上，探讨人工智能赋能高校舞蹈教学的创新实践路径，提出从三维量化训练到智能评价系统的构建‌及未来展望。

1 人工智能促进高校舞蹈教学创新发展价值分析

1.1 教学方式多元化

纵观传统舞蹈教学模式，从教学方式来说，舞蹈教学本质上是学生对教师动作的模仿，教师多以口传身授的教学方式，给学生最直观的教学视觉效果，但此教学模式过于单一化，无法满足不同学生的需求，学生得不到个性化培养与训练。

线上与线下教学模式的融合让教学模式实现由单一化转变为多元化。目前已有很多高校都通过超星通、智慧树等平台建设线上课程，如长江大学艺术学院通过智慧树开设《湖北省传统民间舞》课程；武汉音乐学院通过学习通开设《土家族民间舞“滚龙连厢”》课程等，使学生在手机端即可获取相关舞蹈课程内容，增强舞蹈的普及化教育。通过线上＋线下的教学模式，将理论与实践相结合加强课程效果。

1.2 教学内容科学化

从课程设置来说，各学校人才培养方案的制定以及教学中大多依赖于教师多年的教学经验，主观性很强，课程及教学内容的设置无法紧跟学生需求进行调整，一定程度上缺乏科学性与逻辑性。   

在人工智能强大的数据支撑下，多途径多方面收集教学与训练信息，量化数据形成具有科学性的教学计划与内容，同时教师还可以根据人工智能反馈的信息及时调整教学计划，从而进行个性化教学，深度契合学生的兴趣、态度、习惯与能力等，提高教学效率。

目前，由教育大数据应用技术国家工程研究中心和华中师范大学共同研发的云端一体化智能教育 SPOC平台——小雅平台，该平台构建了智能问答、知识图谱等多个智能模块，支持伴随式采集教学数据和数据驱动分析。小雅平台将学生的学情进行数字化分析并加以可视化呈现，助力学生查漏补缺，加强对知识体系的掌握，同时帮助教师实施精准化差异教学[2]。

1.3 教学工具智能化

从教学工具来说，传统教学课堂中仅仅使用到多媒体电视，对于舞蹈教学类的专业课程来说局限性强，无法让学生及时领悟到特定舞蹈的情感表达。

在人工智能的支持下，教学工具走向多元化、智能化，教师能够设计出互动性及参与感更强烈的教学形式，通过VR使学生身临其境，在模拟的真实环境中，激发学生的环境感知力及情绪表现力，沉浸式的学习体验，将激发学生的学习兴趣，促使训练高效。

2 人工智能赋能舞蹈教学方式的创新实践‌‌

2.1 ‌智能化辅助舞蹈训练：精准化与个性化

2.1.1 ‌动作捕捉与实时纠错：舞蹈动作量化

动作捕捉技术是一种将人体运动通过骨骼关键点的记录实现可视化的技术，该技术对于舞蹈教育的发展起着独特的意义。通过体感系统对人的面部和肢体动作进行捕捉并提供骨骼关键点的位置信息，精准定位20个核心关键节点，包括头部、四肢、腰部等主要部分，并对关节点进行持续跟踪精准估算人体关键点的空间位置，实时捕捉人体位置及姿态信息[3]。动作捕捉技术将人体骨骼关键点的捕捉数据形成BVH动作文件。BVH(Biovision Hierarchya)是一种用于表示动作捕捉数据的文件格式，它以层次结构的方式组织数据，用于描述人体骨骼结构和动作的层次关系。

目前市场中很多行业已经将此设备运用到产品中，比如《Just Dance 2025》，该应用使用两种技术方案，一是摄像头深度捕捉，通过红外深度感应构建玩家骨骼模型，追踪全身关节运动轨迹；二是手机/手柄惯性传感，利用加速度计+陀螺仪检测手柄/手机的运动方向、幅度和节奏，通过数据融合计算动作匹配度。但该技术主要聚焦大幅度的上肢动作，如手臂摆动等。Katerina El Raheb等研究出名叫WML的应用程序，是一个具有浏览、搜索、可视化、个性化和文本注释功能的存档系统[4]。该程序强大的数据库能实现舞蹈视频与动作捕捉技术关键点同步播放，给出改善性建议，但该程序使用复杂并且只能以录入视频的方式使用。还有学者提出一种基于特征向量匹配的舞蹈姿态分析方法，并将其应用于舞蹈教学。根据人体运动姿态自由编辑的特点，提取人体骨骼模型，建立数据库，并提出特征平面相似度匹配方法来计算模型组件和运动参数[5]。

基于以上研究结果，本研究设想提取人体骨骼模型、肌肉解剖图，建立动作数据库，使用视觉传感器捕捉舞蹈动作并获取人体骨骼关节与肌肉数据，结合特征平面相似度匹配方法来计算模型组件和运动参数，最终与标准数据进行量化比对，科学指导学生掌握舞蹈动作的角度、力度（如图 1所示）。

图 1 设想模式流程展示图

2.1.2 ‌学习数据分析：基础训练结果可视化

智能舞蹈教学系统通过动作捕捉技术详细记录下学生训练数据，如练习时长、动作完成度、练习问题等，通过量化分析自动生成可视化个人训练报告。在报告中学生能够看到自己与标准动作的具体差异，比如站立重心的偏移，视觉捕捉技术通过分析练习者的骨骼关键点,并结合骨骼结构图与标准动作骨骼关键点进行对比分析，得出关节骨骼区对重心的影响（如表 1所示），以及通过三维动作捕捉，量化重心在冠状面（左右）和矢状面（前后）的偏移角度，综合数据给出矫正建议。

表 1 关节骨骼区对重心的影响示例表

对比以往的只记录骨骼关键点的动作捕捉技术，加入动态的深入分析，提取对应数据，与数据库中的标准数据进行量化比对，分析得出差异数据，并将其形成简练的文字即时反馈给教师和学生。教师据此进行相应指导与纠正，实现教学个性化；同时能引导学生自我观察，帮助其更科学掌握好舞蹈动作的角度、力度以及运动轨迹。

2.2 智能化教学评价：科学化与综合化‌

学习评价是教学活动中的一个重要环节，是学生学习成果具象化的表现。以往的舞蹈教学中，评分机制过分依赖于教师的主观性，缺乏科学性。人工智能通过大数据分析能使传统评价发生根本性变化，更具科学性，所有学生的学习记录将被人工智能综合收集起来，互相参照、优化、聚合和分发，从而提升总体水平，彻底升级“教学相长”的含义[6]。该系统通过与正确动作数据比对，针对不同舞种采用差异化分析标准进行评分，如土家族民间舞“滚龙连厢”注重膝盖的颤，重心下沉；古典舞侧重于“呼吸与圆动律”；基训课程注重“动作技术完成度”等。由教师在系统中输入相应评分维度及各项占比，AI系统通过对人的面部和肢体动作进行捕捉，将记录下的数据进行深入分析，得到综合分数并评价等级，这提高了工作效率，也保证了教育的公平性。

以土家族民间舞“滚龙连厢”为例，将评分维度分为节奏契合度、快板连厢技巧、步法规范性、体态与韵律、表现力与风格、团队协作六个方面，分别占比15%，25%，15%，25%，15%，5%进行综合评分，系统自动形成雷达图并算出综合分数（如图 2所示）。

图 2土家族民间舞“滚龙连厢”评分雷达图示意图

最终通过设定指定函数将综合得分划分为优秀，良好，及格，不及格四个等级,如函数=IFS(B9>=90,“优秀”,B9>=80,“良好”,B9>=60,“及格”,B9<60,“不及格”)。

3 未来发展策略

3.1情感技术融合创新‌

在舞蹈表演中，动作是舞蹈的本体，情感则是舞蹈的灵魂之窗。如今大多数动作捕捉技术往往聚焦于舞蹈肢体动作的解析，而忽略了面部表情这一关键的情感载体。市场中有出现情感机器人，如日本的情感机器人Pepper，它能够辨识人类的表情与声调，也会表达情感、进行简单对话[7]。人类的情感是由个人感知外界事物经神经中枢处理所表达出来的情感，它是不定的、丰富多变的，每个人对于情绪的表达是不一样的。机器人想要精确分析人类情感，未来可以利用高精度面部捕捉技术实时记录舞者的微表情变化，将细微表情转化为可量化的肌肉运动单元数据，再将表情进行分类整合，形成相应的表情库，通过系统智能分析出学生情感表达程度，为舞蹈教学提供客观的情绪评估工具。

3.2 教学工具跨学科融合‌

如今教育教学工具多元化融合已成为势不可挡的趋势，舞蹈教育同样须进行跨学科的融合。将舞蹈动作捕捉技术与解剖学相融合，实现动作分解多元化，给教师与学生更科学化地指导方案。同时还可以与心理学相融合，通过分析舞者动作与心理学知识相匹配，分析出舞者所想表达地情绪及心理。

3.3 舞蹈文本的智能融合

    舞蹈的文本记录长时间静态存在于纸媒上，如拉班舞谱，但其晦涩难懂，增加学习难度。随着科技的不断发展，出现以视频为主的记录形式，将文本由静态的文字转变为动态的影像，直观地保存了舞蹈的韵律动作与节奏，降低了学习的难度，实现了便捷化转换。由于视频为二维平面的记录，缺少三维立体的记录，未来可以结合定位舞谱，将肢体动作的角度、坐标实现数字化转换，并形成定位舞谱数据库。教学中结合视觉传感技术同步动作数据，与舞谱数据进行三维立体对比，实现舞蹈文本的智能融合。

4 结论‌

AI技术的蓬勃发展牵动着舞蹈教育模式转型升级，高校舞蹈对于“AI+教育”这一新型教学模式的应用仍处于摸索阶段，但其给教学所带来的便利已展露头角。从‌教学过程到成果检测借助人工智能均能实现量化及科学化。高校应当积极应对技术变革，让线上线下教育与人工智能技术进行有机整合，实现教育模式的转型升级，提升教学质量。未来舞蹈教育应进一步推动‌技术创新、跨学科融合以及舞蹈文本的融合转换‌，将技术优势充分发挥到教学中，使AI真正成为舞蹈教育的赋能工具，实现舞蹈教育向智能化、精准化、高效化迈进。

文章来源：《尚舞》https://www.zzqklm.com/w/wy/26862.html