基于LSTM时空建模的中国古典舞“圆场步”智能评估研究

摘要

目的：针对中国古典舞“圆场步”传统教学中动作评判主观性强及反馈滞后等问题，本研究旨在构建基于长短期记忆网络（LSTM）的智能评估模型，实现动作质量的客观评价。方法：依据“步位”“步形”与“步伐”三大构成要素制定量化标准，利用MediaPipe提取人体骨骼关键点的时空特征序列。针对数据局限，基于60个原始样本，采用“先划分、再增强”策略扩充训练集，并通过LSTM捕捉“圆场步”动态特性。结果：实验显示，模型在测试集上的整体准确率达91.7%，“错误”类别的召回率为1.00，“正确”类别的召回率为0.83。结论：模型在小样本条件下表现较好，降低了教学中的“错位纵容”风险（即将错误动作误判为正确从而导致劣质动作固化）。该研究初步验证了将智能评估技术应用到中国古典舞“圆场步”教学中的可行性，未来研究可通过扩大数据集和进一步优化模型，提升其在大规模教学中的应用潜力。