大数据背景下科学课教师的教学行为评析*——以两节小学科学同课异构课为例

陈俊强　连阳梅　冯　涛

（1．厦门市思明区观音山音乐学校，福建厦门 361009；2．厦门市前埔北区小学，福建厦门 361008；3．首都师范大学 教育技术系，北京 100048）



大数据背景下科学课教师的教学行为评析*
——以两节小学科学同课异构课为例

陈俊强1连阳梅2冯涛3

（1．厦门市思明区观音山音乐学校，福建厦门 361009；2．厦门市前埔北区小学，福建厦门 361008；3．首都师范大学 教育技术系，北京 100048）

摘要：文章对大数据背景下科学课教师的教学行为评析进行了探讨，提出了针对课堂教学行为评析的研究结论：对课堂教学行为的数据分析，能够帮助教师发现和解决课堂教学问题，促进教师改进课堂教学行为；结合课堂教学行为大数据进行定量与定性相结合的综合分析，能够丰富课堂教学评析的手段、提高评析质量；结合大数据对科学课进行全面综合的分析是教育信息化发展的必然趋势，也是今后进行课堂教学研究的新方向。

关键词：大数据；科学课；教学行为评析

一　研究背景

长期以来，作者使用“经验分析法”对小学科学探究式教学中的教学行为进行评析研究，但往往因评析依赖主观经验，缺乏客观数据的支持，对教育科研的科学性、课例评析的准确性产生了一定程度的制约。为提升课例评析的科学性，作者参加了由首都师范大学现代教育技术重点实验室开展的“教师在线实践社区COP”课题研究，在对课例进行经验式分析的基础上，引进了基于大数据的课堂教学行为观察分析方法，以期通过课堂观察数据发现课堂教学行为的内在规律，从而揭示教学行为的意义。本研究利用上述两种分析方法，针对小学科学“照镜子”一课，采用同课异构的形式进行了教师教学行为的评析研究。

二　分析方法简介

1 经验分析法

经验分析法（又称“因素分析法”）是指根据课例选择应考虑的各种因素，凭借分析人员的经验集体研究确定选择对象的一种方法［1］。它是一种定性分析的方法，依据分析人员经验做出选择，简便易行，特别是在被研究对象彼此相差较大以及时间紧迫的情况下比较适用。经验分析法的缺点是缺乏定量依据，准确性较差。

2 基于课堂观察数据的分析方法

基于课堂观察数据的分析方法主要以课堂中的师生互动行为为主要研究对象，通过观看课堂录像并对其编码，将课堂中的行为信息量化，以发现课堂中的师生行为规律，揭示课堂中的教学活动结构的研究方法［2］。

本研究使用了结构编码体系S-T观察分析方法（下文简称S-T分析法）和记号体系观察分析方法。其中，S-T分析法适用于对教学过程及其活动进行分析，包括定量处理和定性评价［3］。S-T分析法利用S-T图和Rt-Ch图进行教学结构分析，Rt是教师行为占有率，Ch是师生行为转换率。根据Rt和Ch值，将课堂教学模式分为练习型、混合型、讲授型和对话型四类。记号体系观察分析方法是利用记号（如“正”字），针对课堂中某个维度的教学行为进行记录的观察方法。本研究针对课堂教学中的“有效性提问”、“对话深度”和“四何问题”等三个维度进行了观察记录。

三　课程简介

本研究针对小学科学“照镜子”一课，采用“同课异构”的形式分别开展了两次课堂教学，并以这两节课作为评析研究对象。在本研究中，两节课分别命名为“照镜子1”和“照镜子2”。

“照镜子”一课要求学生完成四个方面的学习任务：①了解平面镜可以改变光的传播方向；②了解平面镜的构造特点；③知道平面镜能成像，像与物体的左右相反；④了解平面镜的用途。两节公开课的教学内容相同，但教学对象不同——“照镜子1”是国家级公开示范课，教学对象是来自城区中心校的学生，他们有一定的科学探究学习经验；“照镜子2”是一堂送教下乡课，教学对象是乡村中心校的学生，他们平时没有专职的科学教师任课，缺乏科学探究学习经验。

基于学生学习经验的差异，教师采用了不同的教学活动设计。两节课详细的教学活动流程如图1所示，可以看出：“照镜子1”在教学环节的把握、教学材料的设计以及期待学生达成的认知深度上，要远高于“照镜子2”；“照镜子1”注重实验探究，“照镜子2”侧重游戏感知。

图1　两节课的教学流程示意图

四　教师教学行为分析

因学生学习水平的不同，教师应采用与之相应的教学模式和方法进行教学，做到因材施教。为了能够评析教师的教学行为是否积极有效，本研究将分别采用经验分析法和基于课堂观察数据的分析方法对这两节课进行评析。

1 以经验分析法对两节课进行评析

经验分析法以评课教师的已有经验为基础，可在当堂课后及时进行评价，能比较全面地反映出课堂的一些情境，且易于操作。利用经验分析法对两节课进行评析，得出如下结果：

（1）认知目标达成过程不同。“照镜子1”力图从事物的科学原理方面来引导探究，具有一定的高度；“照镜子2”是学生在游戏中达成对科学现象的认知。所以，“照镜子1”的教学活动要比“照镜子2”丰富，且有教师的“强势”干预对话，如教师连续提出诸如“人的眼睛为什么能看到物体”、“物体能成像，成像的规律是什么”此类具有一定难度的问题，若没有教师的指导与支持，学生将很难完成学习任务。相比之下，“照镜子2”则多以游戏观察活动为主，教师通过讲解、启发和演示等行为，引导学生达成认知目标。

（2）教学材料组织的复杂度不同。“照镜子2”选择的材料是反光性强的塑料板，材料单一，便于学生快速掌握使用；“照镜子1”不仅采用了镜子，还有烟雾式的实验箱和激光笔等，实验材料设计较为复杂，但能够丰富实验活动，实现教学目标的多元化，同时也需要教师具有较强的课堂实验控制能力。所以在课堂教学中，要提倡设计使用“能引导学生进行一定思考，并能自己动手解决问题”的结构性教学材料。

（3）教学设计结构不同。“照镜子2”的教学设计侧重游戏感知，教学材料简单易用，面对不同的学生，认知目标达成较为容易。而“照镜子1”采用合作探究式教学模式，更适用于学习能力强、具有一定实验探究学习经验的学生。

（4）前概念水平和最近发展区。两个班的学生在上课前对“照镜子”的认知水平基本相同；在目标达成上，两个班的学生也都获得了一些关于“照镜子”方面的初步知识。但是，“照镜子1”在教学活动设计上具有一定的层次性和深度，学生在成像原理层面有更多的认识。因此，利用最近发展区，根据学生的能力水平增强教学活动的设计，有利于学生达到较高的认知目标。

2 以基于课堂观察数据的分析方法对两节课进行评析

两节课在教学设计上的差异，必然会导致教师在课堂教学过程中的教学行为发生变化。通过课堂教学行为的观察获得教师行为的数据，然后进行评析，有助于更客观地对课堂教学进行研究。下面利用课堂观察数据对两节课进行评析，以发现和研究蕴含在教师行为中的教学特点。

图2　S-T图

（1）利用“S-T分析法”进行分析

如图2所示，两节课分别呈现出不同的教学进程——“照镜子1”的“S行为”占47.62%（“照镜子2”仅占34.15%），且图内中间部分有较多的锯齿线，说明教师给予“照镜子1”的学生更多的实验探究时间，同时通过对话给予更多的干预与支持；而“照镜子2”图内有较多的平直线，说明这堂课更多的是通过教师的讲解与指导来完成教学。两堂课的教学模式如图3所示，分别为对话型课和混合型课。为什么会有这样的差异？这两个数据恰恰反映了因学生能力的不同而采取了不同的教学设计，从而导致教师行为的差异——在“照镜子1”课堂上，对于学习能力较强的学生，教师可以安排较多的学生独立学习的时间和活动，通过提问对话启发引导学习，给学生提供干预和支持；而在“照镜子2”课堂上，教师要发挥主导性，通过讲解、演示和启发对话等形式，促进、引导学生的学习。

图3　RT-CH图

（2）利用师生“对话深度”进行分析

记号体系对话深度分析法是对课堂中师生连续对话的深度进行记录与分析的一种聚焦式课堂观察方法［4］。对话深度指教师采用追问的形式连续向学生提问，这些问题具有相关性且难度与深度层级递进。如图4所示，两节课都具有较高的对话深度（分别达到5级和4级），说明两节课都对提问对话进行了层次性设计，为学生的学习搭建了问题支架，使之与学生的认知能力相匹配。再进一步看，“照镜子1”的对话深度2、深度3和深度5都高于“照镜子2”，为什么会出现这种情况？如前所述，“照镜子1”注重实验探究和在成像原理层面的理解，具有一定的深度和难度，为使学生达成目标，教师要及时抓住学生的难点，动态生成问题，通过追问引导学生思考，消解认知压力，扶助学生完成学习任务，这体现了教师的教学主导性和机智应变能力。

图4　对话深度

（3）利用“四何问题”进行分析

记号体系四何问题分析法是对课堂中教师所提问题的类型进行记录与分析的一种聚焦式课堂观察方法［5］。四何问题是将问题按照引导词划分为“是何”、“为何”、“如何”、“若何”四种类型。对“四何问题”的统计，可以分析对话中所蕴含的知识结构，以及所能达成的目标层次。

如图5所示，“照镜子2”的“是何”和“为何”问题之和占到了约91%且远高于“照镜子1”的数据，但缺少“若何”问题；“照镜子1”的四种问题类型皆有出现，其中“如何”和“若何”问题占据了一定的比例——这说明“照镜子2”的对话侧重事实性知识和推理性知识的学习；而“照镜子1”以记忆与理解为基础，更注重策略性知识和创造性知识的学习。

图5　四何问题

图6　有效性提问

（4）利用“有效性提问”进行分析

记号体系有效性提问分析法是对课堂中教师提出的问题和采用的提问策略进行记录与分析的一种聚焦式课堂观察方法［6］。其中，“有效性提问”的问题类型反映了对学生思维的训练程度。如图6所示，两节课中各类型问题所占比例相近，而且“推理性”问题占比最高，也具有一定比例的“创造性”问题，这说明两节课都注重学生推理性思维和创造性思维的发展，符合科学课对学生逻辑性思维和开放创造性思维培养的特点。但进行具体的比较，可知“照镜子1”的“常规管理性问题”和“记忆性问题”比“照镜子2”低11.08%，“照镜子1”的“推理性问题”和“创造性问题”则比“照镜子2”高11.08%，这说明“照镜子1”课堂教学更具有开放性和创造性。因为学生学习能力的不同，“照镜子2”中教师要通过一定数量的浅层次对话帮助学生建构基础的知识，而“照镜子1”中教师更多地将问题推向高阶思维的发展。

3 经验分析法和基于课堂观察数据的分析方法的讨论

基于以上评析过程，可以发现：经验分析法具有即时评价、分析全面、能够对课堂教学进行整体评价的优点，其不足之处在于缺乏有效数据的支持，且依赖于主观经验。基于课堂观察数据的分析方法聚焦教学行为，提供客观数据，能揭示蕴含在教学行为中各个教学要素间的量化关系。但数据和图表通常是“生硬”的，其背后所隐含的教学问题，仍需要分析者依据教学经验进行充分的解读和正确的评判。所以本研究将这两种分析方法有机结合，并充分利用课堂大数据，对课堂教学进行了定量与定性相结合的系统化综合分析。

五 结论

本文就“照镜子”一课采用经验分析法和基于课堂观察数据的分析方法相结合的方式，对科学课教师的教学行为评析进行了探讨，得出：

①课堂教学大数据正在改善教学的三大核心要素：反馈、个性化和概率预测［7］，借助大数据，可使科学课的评析变得量化且直观。对课堂教学行为的数据分析能够为教师教学行为的改进提供数据上的指导，也能够帮助教师找到解决课堂教学问题的途径。

②应当融合应用经验分析法和基于课堂观察数据的分析方法，进行定量与定性相结合的系统化综合分析。

③对课堂教学进行大数据分析是信息时代的一种进步，也是一种必然的趋势。结合大数据对科学课进行全面综合的分析，是本研究今后要探索的新方向。

“教师在线实践社区COP”课题为研究者指明了一个通过大数据进行课例研究的方向，持续不断地进行基于教学行为大数据的研究，将有可能发现更多的课堂教学规律，从而更好地改善课堂教学评析的“同质性”倾向。而关注评析的“异质性”，做到评课时“一个尺寸适合一类教师”，并以这种方式促进教师自身专业的发展，将有助于教育教学优化的实现。

参考文献

［1］百度百科.经验分析法［OL］. ＜http：//baike.baidu.com/link？url=ypSe_5w5oAZamAr5Bfjg2LlbkAI26lYN_MZeDFIzxRpQ-YHJl2HKojlFdUVrh0H0ixnYrhADXYYhdXJtj2MsKq＞

［2］陈瑶.课堂观察指导［M］.北京：教育科学出版社，2002：20-25.

［3］［4］王陆，张敏霞.教学反思方法与技术［M］.北京：北京师范大学出版社，2012：80-86.

［5］杨卉，冯涛.教师网络研修活动设计方法与技术［M］.北京：北京师范大学出版社，2012：90-94.

［6］王陆，林司南.案例分析：《台球桌上的数学》［J］.中国电化教育，2004，（9）：53-55.

［7］（英）维克托·迈尔-舍恩伯格，（英）肯尼思·库克耶著.赵中建，张燕南译.与大数据同行：学习和教育的未来［M］.上海：华东师范大学出版社，2015：17-21.

编辑：小米

Analysis of Instructional Behavior of Science Teachers under the Background of Big Data——A Case of Two Open Classes in a Heterogeneous Pattern

CHEN Jun-qiang1LIAN Yang-mei2FENG Tao3

（1. Guan Yinshan Primary School， Xiamen， Fujian， China 361009；2. North of Qianpu Primary School， Xiamen， Fujian， China 361008；3. Department of Educational Technology， Capital Normal Univerisity， Beijing， China 100048）

Abstract：The instructional behaviors of science teachers were analyzed and discussed， and conclusions were drawn as follows： the data analysis of instructional behaviors can help teachers identify and resolve their instructional problems in the classroom， and also promote teachers to improve their instructional behavior； the combination of quantitative and qualitative analysis of big data of instructional behaviors can enrich the means of classroom teaching evaluation and improve the quality of evaluation； the comprehensive analysis of the science class combined with big data was an inevitable trend of the development of educational informatization， as well as a new direction of the study on the classroom teaching in the future.

Keywords：big data； science class； analysis of instructional behavior

【中图分类号】G40-057

【文献标识码】A 【论文编号】1009—8097（2016）05—0044—06 【DOI】10.3969/j.issn.1009-8097.2016.05.007

*基金项目：本文受教育部人文社会科学研究2013年度规划基金项目“教师在线实践社区中的知识管理与知识创新”（项目编号：13YJA880077）、福建省普通教育教学研究室2015年度福建省基础教育课程教学研究立项课题“基于培养学生探究能力的教学行为研究”（项目编号：MJYKT2015-046）资助。

作者简介：陈俊强，副校长，小学高级教师，本科，研究方向为小学科学教育，邮箱为cjqxm@126.com 。

收稿日期：2015年11月30日