在教育改革的大背景下,越来越多的目光聚集在基础教育上。然而传统的课堂教师大班授课模式已经难以满足当前家长、教师、学生的三方互动需求。为了改善上述痛点,我们设计并且初步实现了一种自动化的教学分析评估系统框架,主要由文本分析模块、知识点处理模块以及最后的综合分析模块构成。课堂文本数据属于短文本,针对短文本分类存在的例如特征稀疏、用语不规范、存在新词等难点。我们提出了一种多特征融合的适用于课堂教学文本的短文本分类方法。该方法在传统提取短文本字符层面特征的基础上,增加了事件层面的信息以及借助外部数据库扩充了概念信息。该方法在同样属于短文本的微博情感7分类数据集以及电商评论2分类数据集上分别取得了55.2%以及77.5%的分类准确率,领先目前的前沿方法。此外,在属于常规文本的SOUGOU新闻数据集上获得了95.7%的分类准确率。在自制课堂教学数据集上该方法取得了92.3%的分类准确率,领先目前的主流方法。此外,我们还提出了一套针对课堂文本的知识点处理流程,包括数据预处理、实体识别、关系提取、知识图谱构建等流程,研究从文本信息中提取知识点,并梳理内在关联,对比教师教案以及教育考试院颁发的教学大纲,判断知识点的覆盖程度,教学与教案的一致性、上课内容的焦点与深度。同时基于neo4j数据库搭建知识图谱,便于学生复习。最后,我们提出了一套综合分析评价系统,借助文本场景分类结果以及时间轴信息,设计了诸多课堂指标,有助于判断上课形式的多样性、结构流程以及活跃度等信息。可以帮助新手教师复盘授课过程,进行标杆分析,及时总结经验。