AI大数据为教师专业成长赋能

皮孟玲

岳麓二小是一所新学校，年轻教师多。在教育信息化2.0时代，能否用AI大数据帮助岳麓二小青年教师解决专业成长的问题？

传统听评课存在的问题。传统校本教研的研究主要依靠优秀教师、教研员的个人经验进行，但由于教学的复杂性，这些以经验性为主的教学研究存在着一定局限性：（1） 粗放式的信息采集难以准确量化教师的教学特征，无法精准地反映出日常课堂全貌，教学研究内容存在难以察觉的死角；（2） 传统教研活动中的听评课难以反映出日常上课的全貌，上课教师可能存在刻意准备的表演式教学；（3） 有限的教师教学评价，难以对教师提供连续性跟踪指导，不能形成教师专业发展从评价、指导到反馈的有效闭环；（4） 传统意义上的名师观摩课无法常态化，新入职教师、青年教师难以在有需求时及时地得到帮助；（5） 以经验为导向的传统校本教研天然地具备主观化特质，容易出现口说无“据”的潜在性矛盾；（6） 学校在教学评价中使用种类繁多的教学量表，一定程度上增加了教研工作量，可能会造成教学评价的形式化，难以准确评价教师教学水平，容易降低教师参与的积极性。

人工S-T分析法在实际操作中的局限性。人工记录教师学生教学行为容易存在漏记的现象；收集的数据难以统计，形成系列的分析。

基于学校内涵发展的需要，源于经验的教研越来越显示出其先天性的不足，教研转型，势在必行。2019年，岳麓二小引进两套AI智课教学行为分析系统，以五年级两个平行班的语文、数学、英语教师作为研究的对象。这套系统以人脸识别、机器视觉、专家系统等与大数据技术融合应用，每节课结束后给出课堂数据报告，主要包括以下信息。学生行为和教师行为可视化呈现—学生和教师的9种课堂行为数据，其中学生行为有5种，分别为举手、听讲、读写、应答、生生互动，教师行为有4种，分别为讲授、板书、巡视、师生互动。高精度采集分析课堂师生行为，精确到学生的课堂参与度—该指标反映了学生参与有效课堂活动的占比以及课堂活动的变化情况。以S-T图和CH图反映教学模式—依照教师的讲授和演示行为的占比以及师生活动的交互程度CH行为的转化率，给出包含练习型、讲授型、对话型、混合型的四种教学类型结论。

实践一段时间后，绝大多数教师在面对课堂观察分析报告中的大量数据，及大数据智能分析后得出的众多图形表格时，疑惑还是很多。比如：系统是如何判定孩子在参与，是依据举手、发言，还是表情等？系统是依据什么来判断练习型、讲授型、混合型、对话型这四种课堂类型呢？AI智课系统所认为的优课的标准是怎样的？还比如：课堂观察报告中的好课与真正意义上的好课的标准真的一致吗？

在第一次教学研讨后，我们决定做两件事：

精准定位问题所在，寻找与优课的差距。人工智能系统下的S-T课堂教学行为分析法把“对话型”和“混合型”课堂定义为比较理想的课型。在实践一个月之后，我们从6位老师的报告单中随机每人抽10节课做样本分析，我们发现教师讲授的频率很高，给予学生思考、学习的机会较少、时间较短，每节课的“生生互动”“师生互动”都没有超过10%。其中讲授型和练习型的课占了近50%，4位老师中“对话型课”仅有1节，只有1位老师的混合型课达到70%。这种灌输式的课堂状态令我们担忧，长此以往将不利于学生自主探究精神和能力的培养。面对数据和图表，老师们开始反思自己前期教学的不足，制定后期的弥补方案，向优课的数据靠拢。通过这样的数据研读，教师基于数据的自我诊断、自我反思能力有了明显提高。

明确课堂改善方向，提高教学有效性。怎样才能上出一堂好课？首先需要教师的自我驱动。老师上完课后自己对照课堂观察分析报告，一点点去改善：为何这节课只有3.1%的人举手？师生互动为何只有5.1%？是否有对单个学生进行精准分析的数据？其次是专业引领。专家的引领也很重要。学校邀请到华中师大教授与区教研室信息专家来校指导。在诊断时，专家们指出“生生互动”“师生互动”的数据相当低，要加强小组合作学习的引导，要加强大问题教学的设计……老师们反复回看自己的课堂视频，详细观察和思考课堂观察报告单中记录的所有可用信息。专家定期进校干预，老师再完善教学设计和课堂教学行为。这种“实践—反思—实践”精准分析数据的方式，提高了课堂有效性。

通過半年的摸索，我们与专家商量，决定以“个案行动—众人行动—积优行动”的路径进行再探索：

第一阶段：“个案行动”，找准问题。我们采用“个案行动”上案例课，首先，教师自我对标反思（基于视频实录、数据报告），个人针对自己课堂视频实录和观察分析报告中的数据，回顾教学中的得失，重点是通过观学生的学习行为来思教师的教。然后，同伴客观互助（基于经验初评和报告研读）。同伴根据报告对课堂教学视频不同时段的不同行为进行标签化处理，如教师的提问，学生的举手、应答等。可以通过这些标签，快速定位至教师提问、学生应答等课堂重要时间节点，并将这些节点的时长、频次等数据信息记录至教学量表，精准诊断问题。

第二阶段：“众人行动”，达成共识。“众人行动”就是多人一起同课异构，寻找解决问题的方法。首先，自我聚焦反思（基于视频实录、数据报告）。研自己，研他人。然后，同伴分享交流（基于经验初评和报告研读）。同伴给出经验性评价以及基于教学行为数据和同课异构分析。看视频，调观点，最后找到解决问题的N种方法，达成共识。

第三阶段：“积优行动”，共享资源。如果在第二阶段找到方法，就按此标准立示范课。如果在第二阶段没有找到解决问题的方法，就聚集优秀的老师来共研一节课，集体教研树标，也可以用名优教师来完成立标课，达成资源共享的优势。

总之，“个案行动”上案例课，就是找准研修主题（问题）；“众人行动”上同课异构，就是找到解决问题的方法；“积优行动”立示范课，就是积累优质资源，建设教师成长智库。（见下图）

通过研究，我们觉得基于AI智课系统的师生教学行为大数据分析的校本教研为教师专业发展带来以下几个方面的便利：

1. 将教师隐形教学习惯可视化。教师自身凭经验进行讲课，有时会对经验进行自我修正。但AI智课系统却通过对大量课堂教学行为数据的分析，将教师大量隐形教学习惯以定量的方式展示出来，使教师从中发现自己教学经验、教学习惯的优缺点，有益于教师更为清晰、立体化地审视自身的课堂教学。

2. 有助于教师反思自身教学行为。其一，智课系统带来的教学行为大数据分析，可以帮助教师清晰地审视自身教学行为习惯的合理性、教学风格的偏好，并且可以从中发现自身教学特征，有益于教师实现教学能力的自我提高；其二，教师可以随时回看智课系统录制的课堂教学视频，并且依照行为标签信息，快速定位至课堂重要节点，发现自身教学行为的优缺点。

3. 为职初教师便捷地提供向骨干教师学习的机会。在教学行为大数据分析的基础下，职初教师可以便捷直观地了解到骨干教师的教学特征、教学方法。这将极大地减少学习的机会成本和时间成本。并且，可以进行基于课堂教学行为大数据分析的同课异构，实现职初教师和骨干教师教学行为的直接对话，帮助职初教师直观地发现自身的缺点，学习骨干教师的优点，实现教学能力的快速提升。

随着AI大数据分析技术的不断发展，教学研究从经验主义向更具科学性的方向不断靠拢，使精准教研成为一种教研常态；用真实的数据说真话，用真实的数据说有用的话，用真实的数据说有效的话，让AI大数据成为我校青年教师成长的利器，为教师专业成长赋能。

（作者单位：湖南省长沙市岳麓区第二小学）