基于智慧课堂的教学行为数据分析研究

周顺 王益华 冯鑫华

摘   要：教师的教学行为蕴藏着海量的具有研究价值和应用价值的数据。文章在分析当前教师行为数据研究不足之处的基础上，构建了基于智慧课堂的教师行为数据指标模型，通过课前、课中、课后21个行为指标最终构建了基于智慧课堂的教师行为分析系统。通过单项指标对比分析和教师画像分析为教师教研和学校教研提供了科学依据和数据支撑。最终通过合肥市某数学教师课堂行为数据分析应用案例展示了该系统的可行性和实践价值。

关键词：智慧课堂;教师教学行为;教学行为数据

中图分类号：TP393 文献标志码：A 文章编号：1673-8454（2020）11-0071-05

一、问题的提出

教师的专业发展和综合素质提升始终是当前教育改革的核心任务之一。早在2001 年，国家就基于三大基本理念（关注学生发展、强调教师成长、重视以学定教）开始启动新世纪基础教育课程改革。而后，2010年更是制定《国家中长期教育改革和发展规划纲要（2010—2020年）》，把建设高素质专业化教师队伍作为保障教育发展改革的战略任务[1]。在2019年印发的《中国教育现代化2035》中更是进一步明确要建设高素质专业化创新型教师队伍。由此可见，教师成长与发展始终是当前教育发展的核心问题。

教学研究始终是教师成长和发展这一问题的核心关注点，也是促进教师成长和发展的重要途径。当然，教学并非是教师的单向行为，它是连接教师与学生之间的桥梁，教师行为与学生行为构成了教学活动这个行为系统[2]。当前在基础教育领域，主体已由教师逐渐转向学生，诸多的研究者更是将研究重心放在学生行为这个问题上，但是不可否认的是当前教学质量提升的关键仍然寄托于教师的素质以及优质的教学活动安排。随着信息化教育的不断发展，基础教育领域中的教学活动、教学行为类型、实施方式都发生了巨大的变化，因此我们更应当对信息化环境下的教学行为有更清楚的了解和认知，为教师核心素养的提升，以及教师教学行为、教学方法和教学技能的形成、掌握和提高提供依据[3]。

在数据驱动教育教学变革的大数据时代，教师的教学行为蕴藏着海量的具有研究价值和应用价值的数据。如何建立科学的工具收集教师行为数据并对该数据进行有效分析是当前提升教师素质和教学质量亟需解决的一个重要问题。

综上所述，本文基于教学行为大数据新视角，探究如何利用智慧课堂的教学行为数据采集系统丰富教学行为数据采集指标。并通过不同应用场景的划分以及指标体系的建立构建符合智慧课堂环境的分析应用模型。最终通过合肥市XX中学的典型案例，探究智慧课堂环境下的教师行为数据如何指导教师重构智慧课堂，以期优化智慧课堂教学模式，设计新的学习路径，培养学生的核心素养。

二、相关研究综述

1.智慧课堂相关研究

目前学界对于智慧课堂的研究成果斐然，在智慧课堂技术与课堂实践融合、智慧课堂推进策略、智慧课堂应用下的大数据研究等诸多领域都有着丰硕的研究成果。但当前智慧课堂的构建源自于不同的技术，尤其是在实践层面，有基于电子书包的初代智慧课堂[4]，还有基于物联网和教育云端等新技术于一体的新一代智慧课堂[5]，所以对智慧课堂的定义尚未形成统一的结论。基于本研究案例实践的现实情况，本研究无意对智慧课堂进行定义，而主要关注教师使用智慧课堂所带来的教学行为数据。这些教学行为数据使用和分析成为智慧课堂研究中亟待解决的问题。

2.教学行为分析研究

20世纪中期，课堂教学行为研究随着教学改革的推进从其他教学问题中独立出来，成为研究者关注的问题。教师行为的研究始于克瑞兹（Kratz）对优良教师品质的意见调查，至此之后虽历经50余年的发展，但始终只是一种间接研究。到20世纪60年代开始，国外教师行为研究产生巨大转向，开始研究课堂教学行为与教学效果之间的关系，探讨教学行为因素，为改进教学效能提供参考。尤其是瑞安斯通过鉴定课堂中的教师行为而得出的“教师有效/无效行为分辨表”，为后来的“过程—结果法”奠定了一定的基础[6]。

在课堂教学行为中，师生之间的互动是课堂教学中的本质性行为[7]。对于教学互动行为的研究始终没有中断过，随着技术的更新，教学互动行为的分析研究方法更是进一步发展。弗兰德斯分析法（FIAS）以师生间的言语互动为分析元素，通过对师生间的言语互动行為进行编码、记录、定量分析，结合课堂观察中的对教学描述的分析，从而得出较为全面的教师行为和学生学习之间的关系 。S-T教学分析法通过观察课堂教学过程，按一定的频率对教学过程进行采样，将课堂行为分为教师行为和学生行为，最终通过形成S-T数据和S-T曲线确定教学模式。顾小清等人通过改进弗兰德斯课堂互动分析系统，通过增加学生语言和技术的互动行为设计出了基于信息技术的互动分析系统（ITIAS）。穆肃等人通过对课堂教学行为的分类与总结，利用定时抽样编码建立数据矩阵的方式设计了基于教学活动的课堂教学行为分析系统（TBAS）。

这些系统运用“过程—结果法”的课堂教学行为研究方法，通过一些课堂观察工具以及量化统计和分析，极大丰富了教学行为研究的成果。但是仍然存在不少问题，最重要的问题就是教师的教学行为被置于一个狭义的概念范畴下进行，当前教学行为已经不仅仅局限于课堂场景，教学行为已逐步延伸至全环节。

三、智慧课堂教学行为数据收集分析系统

1.智慧课堂大数据收集分析系统总体框架

智慧课堂数据挖掘分析的关键是获取海量的教学行为数据以及如何对这些数据进行挖掘分析。[8]基于智慧课堂开展的教学过程复杂且从单一的授课环节延展至备课、作业等课前和课后环节。过往研究中以问卷、视频分析等方式收集和分析数据，难以体现整个智慧课堂教学的全环节。所以，为更针对智慧课堂大数据进行分析应用，本文重点围绕整体学习的影响因素和海量教学行为数据获取及建模分析等关键问题，构建了智慧课堂大数据收集分析系统框架，如图1所示。

整个系统分为三个层级，包括基础数据及模型层、大数据智能分析能力层以及应用与服务层。在基础数据及模型层，除了用户数据、考试数据以外，系统会收集和挖掘各种结构化、半结构化乃至非结构化的数据，根据教学智慧课堂的不同教学阶段建立相应的数据仓库。大数据智能分析能力层主要是应用技术层，涉及大数据和人工智能这两个领域的诸多技术应用。而整个系统最为核心的是应用和服务层，本层将针对不同的角色建立相应的应用专题，不同的角色可根据自身的需求从本层的各个主题实现角色所需的功能。

在整个系统中，无论是基础数据及模型层还是应用与服务层的构建都需要完整的数据指标。由于智慧课堂的教学贯穿教学全环节和全场景，所以在课前、课中、课后三个环节中会累积大量的数据，可能来自于老师、学生、学校管理者、家长。这些数据有过程性数据也有结果性数据，伴随式采集所有埋点会导致数据驳杂且难以进行分析，所以针对系统中的所有数据，综合考虑功能性、结构性、应用性、角色性等多重因素。笔者将整个系统所需要构建的指标模型拆分成以教师教学为主导的教学行为数据，以学生学习为主导的学习行为数据以及管理层管理与建设的基础数据与建设、监管数据这三个子模型。对每个子模型所需要的指标进行分聚类分析和单独建模，最终满足应用层的使用。

2.智慧课堂教学行为数据指标构建

为保证构建全方位、多维度的教学行为模型。研究者前期通过智慧课堂使用教师的需求调研，重点分析影响智慧课堂教学的各项因素，对智慧课堂实践运用中的老师进行观察，设计出一套观察指标。具体来说观察内容包括教授、提问、提示、反馈与评价、讨论、预习、板书、演示/展示、作业指导、作业布置、互动管理等十余项指标。

由于智慧课堂教学相比传统教学更为复杂，涉及到更多的教学流程，所以在教学行为数据收集与分析系统设计之初就开始以多维视角进行考虑，一方面考虑到智慧课堂教学贯穿课前、课中、课后的全过程，通过三阶段全方位的教师行为分析研究，去选取合适的埋点数据;另一方面考虑智慧课堂平台自身的特点，即可视化呈现、立体化互动、及时化评价、数据化决策等特点构建模型。不仅如此，在研究过程中笔者分析了智慧课堂教师的典型需求，总结出教师自身有以下几个典型需求：①能够将教师在课前、课中、课后使用智慧课堂的行为及结果数据，进行分场景展示。②能够将自己和同年级同科下其他教师的使用情况进行对比呈现，了解自己在整体中的使用情况。③智慧课堂数据统计不仅包括自己的行为，也包括和学生的课堂互动、作业、辅导和分享等行为统计。④能够将所带班级学生参与课堂互动、作业完成的情况进行例举呈现。

结合多维视角的考虑以及教师典型需求的分析，笔者构建了基于智慧课堂课前、课中、课后三大模型，囊括21项数据指标的教学行为数据模型，如图2所示。

课前指标主要包括备课资源下载/上传、备课资源优化/修改这两项业务模型。智慧课堂在发展过程中特别注意资源建设，根据当前主流教材版本，建立一套包括教学设计、知识讲解、知识探究、拓展素材、测试训练、师范课例，覆盖教师备课、授课、考试测评及教研进修等全应用场景的体系化教学资源库。在课前环节，教师的教学行为会紧紧围绕这些资源进行开展，通过不同种类的资源下载、上传、修改、优化数据可以看到教师的信息化备课情况，累积数据也可生成备课趋势分布，看到教师的备课重点。通过不同教师间的数据堆叠，更能看到校内备课排名分布情况。

课中指标模型主要关注课本/课件同屏、授课内容板书、师生交流互动和重点问题讲评四个环节。教师课前所备的各种资源包括智慧课堂系统中本身包括的各种资源，课件的使用情况能直接体现教师课堂教学的丰富性。不同的学科有不同的学科工具，比如语文和英语学科的点读与跟读评测、聚焦重点句和翻翻卡，数学学科的网络画板、函数画图，化学和物理学科的电子实验等等。通过对白板、学科工具、语音助手等工具和模块使用数据的统计能够分析出教师信息化素养以及本堂课中教师的授课情况。不仅如此，结合立体化的交流互动数据，如抢答、分组讨论、PK板、投票等多样化的互动方式及其数据，我们可以分析出智慧课堂教师所使用的教学模式。

课后指标主要包括作业布置、资源共享和重难点讲评。课后的作业考虑到学生用眼保护以及学生平板管理和作业批改效率，智慧课堂有两种不同的作业可供选择：一种是传统纸质作业;另外一种是电子作业。教师可根据作业类型以及作业性质进行选择，但是无论选择哪一种都可以将数据同步到系统里。纸质作业既可以通过网阅（即先扫后改），也可以通过手阅（先批改后扫描）进行，这样通过教师批改后既保留了批改的痕迹，又有电子化数据保证每个學生的学业情况和过程性数据。同时在教师行为这一侧，可以看到教师布置不同类型题目的行为数据也可以看到这些不同类型题目的完成情况。此外，通过智慧课堂所配置的网络学习空间，教师能够进行高效、及时的课后辅导，而通过行为数据收集系统既可以收集教师在网络学习空间进行辅导的量化统计分析数据又可以保留每一个数据背后的具体辅导内容。

3.智慧课堂教学行为分析方法构建

上述囊括21项数据指标的教学行为数据模型营建了智慧课堂教学行为数据系统的基础。但如何充分利用教学行为数据模型构建全方位、全过程的智慧课堂教学行为数据分析模型，让单一的数据指标变得更具统计学价值才是教学行为数据应用的核心问题。唯有将这些数据处理、分析建模才能更方便教师深度了解课堂教学数据所蕴含的价值，从经验决策到数据决策，为教师改进教学行为提供科学的数据支撑，真正实现基于数据的教育。

（1）智慧课堂互动指数评价指标体系

师生互动是智慧课堂区别于传统课堂教学的重要标志，基于智慧课堂可以轻松完成多种传统课堂中难以实现的互动方式。智慧课堂通过长期使用，用户老师会积累大量互动数据，通过对互动行为数据挖掘，构建互动指数评价指标体系，能够全面展示教师使用智慧课堂进行互动的情况。其基本框架在于：首先通过对平台所产生的教师和学生行为数据进行分析，选择适应的师生互动评价指标。由于直接对行为指标进行分析较为繁琐，所以运用因子分析法即大量样本数据的采集来确定各层评价指标的权重，计算出互动指标体系的权重。最后基于互动指标体系及权重模型，运用实际产生行为数据，计算出教师与学生的互动指数并进行可视化展示。具体框架如图3所示。

（2）教师教学行为特质分析

特质是指一种可表现于许多环境的、相对持久的、一致而稳定的思想、情感和动作，它反映一个人的人格特点和行为倾向，具有抽象性、 稳定性、 结构层次性和相对性等性质。教师的特质是其专业知识、品格、思想与行为的集中体现。在教师特质中，教学行为特质是其中最为突出的外在体现，利用智慧课堂平台中的各类教学行为数据指标对教师教学行为进行特质分析有利于教师的专业发展。由于单一教学行为数据指标在不同程度上指向某一特质，简单的归纳无法真实体现教师特质。所以首先对众多行为指标进行简单筛选，利用R型聚类分析，根据数据指标的相关性形成连接树状图，最后根据近30天的实际数据归一化在指定的特质里并进行可视化展示。具体框架如图4所示。

（3）基于智慧课堂的S-T分析

S-T分析法即Student-Teacher分析法，是众多课堂分析方法中能对教学过程进行可视化定量分析的有效方法。此种方法将课堂教学行为分成教师行为（T行为）和学生行为（S行为）两种。智慧课堂平台利用语音收集、平板埋点和课堂实录三个模块，每30秒钟的采集一次数据。然后将采集的数据记录导入相应数据模板，以原点为教学的起始时刻，将测得的 S、T数据顺序地在 S 轴、T 轴上绘制S-T图，然后计算Rt值（教师行为占有率）和Ch值（行为转化率），最后由计算得到的Rt 和Ch 值可以得到Rt-Ch 图，该图将教学划分为四种不同的教学模式：练习型、讲授型、对话型和混合型，如图5所示。

（4）逐语记录与教学行为时间序列分析

在学校教研中，为了保证教师尤其是新教师更加深入了解如何更好地开展课堂教学，往往会采取跟课学习，利用课堂观察方法去捕获课堂教学中的实践性知识。这是教师改进教学行为、促进专业发展的重要途径。由于学校教师各类工作安排繁重，难以持续跟课听课，所以许多学校采取录屏的方式，通过视频的课堂教学观察方法去弥补现场听课的一些缺陷。无论是现场观察还是视频观察，最大的优点在于能够对教师的课堂语言安排以及教学行为序列进行有效学习和分析观察。

课堂观察法观察内容的核心有三个，分别是教师课堂语言艺术、教学课件的设计以及教师教学过程的安排。为了更大程度上对教师课堂进行分析，智慧课堂平台充分构建了课堂逐语记录和教学行为事件序列分析的系统。智慧课堂平台利用智能麦克风对教师的声音进行采集并且利用智能语音技术将视频中的教师讲解内容进行文本化处理，并依据事先制定好的规则提取语义，进行语义分析。利用录屏技术和基于PPT翻页的关键帧打点技术对课堂教学内容进行有效捕捉和录制。而智慧课堂也会对教师通过智慧课堂教师端的操作时间序列进行记录。在一堂课完成后，系统根据PPT课件、教师课堂逐语记录的文本内容以及智慧课堂教师端的操作行为能够对整堂课进行有效分析和记录。

四、智慧课堂教学行为数据分析应用案例

在上述的教学行为数据分析方法中，S-T分析方法是最为常用的课堂交互行为分析方法，利用智慧课堂非入侵式、伴随式的数据采集方法，使课堂教学行为分析实现现代化、常态化、规模化成为可能[9]。笔者以S-T分析为例，详细阐述智慧课堂分析模型与实践应用过程。

1.数据的来源与采集方法

本研究数据来源于合肥市某中学老师利用科大讯飞畅言智慧课堂系统进行的数学讲评课。利用系统的智能麦克风与教师端Pad，对本堂课教师视觉、听觉的信息传递行为进行采集。以30秒的时间间隔对课堂过程进行采样，并根据采样样本点的行为类别，以相应的符号S或T编码并记录，从而构成S-T数据序列。

2.编码规则及指标构建

基于智慧课堂实践过程中的一般行为与S-T分析模型的一般定义，主要对在使用智慧课堂上课过程中一般性出现的T行为进行识别，分为T1听觉行为和T2视觉行为，课堂中的T行为和S行为的具体含义如表1所示。

3.结果呈现

根据教师的教学语言以及教学板书，系统操作自动记录了师生行为，并对师生行为进行了相对的识别。利用识别的结果计算生成师生互动曲线并判定课堂教学模式。设定教师行为（T）的个数为Nt，学生行为（S）的个数为Ns，连续同一行为的连数为g，得到课堂中教师行为占有率Rt如公式1所示，得到师生行为转换率Ch如公式2所示：

利用改进型 Rt-Ch 图教学模式及其标准条件可以判定教学模式，如表2所示。

系统根据S-T分析模型以及最终采集到的数据进行自动计算并绘制了Rt-Ch图，如图6所示，展示了合肥市某中学老师所授的数学讲评课的师生互动情况。Rt-Ch图反映了本次课的教学模式类型为混合型课堂。

系统所收集的S-T师生互动数据使课堂教学行为分析形成常态，利用系统可以对所有历史授课类型进行统计并支持按照日期范围查看历史授课类型分布。教师在进行教研时能更加充分利用历史累积数据，通过与优秀老师的横向比较，也通过历史数据纵向比较来发現自身授课的不足之处，促进教师的真正发展。

五、结束语

本研究在分析当前教师行为数据研究不足之处的基础上构建了基于智慧课堂的教师行为数据指标模型，通过课前、课中、课后21个行为指标最终构建了基于智慧课堂的教师行为分析系统。在未来，笔者将继续在以下几方面开展工作：持续迭代更新教师教学行为指标，建立更加完善的指标模型;加入基于语音、文本、视频分析等教师行为的数据分析方式;通过课堂实录改进教学。

参考文献：

[1]乔爱玲，王陆，李瑶等.不同教师群体教学行为的差异性研究[J].电化教育研究，2018（4）：95-97.

[2]钟启泉.教学活动理论的考察[J].教育研究，2005（5）：36-42.

[3]穆肃，左萍萍.信息化教学环境下课堂教学行为分析方法的研究[J].电化教育研究，2015（9）：62-69.

[4]周晓雨.大数据背景下的高职智慧课堂研究[J].电脑知识与技术，2017（34）：34-38.

[5]王盛之，毛沛勇.基于数字化教学案的智慧课堂互动教学系统实践研究[J].教学月刊，2014（4）：14-18.

[6]郑燕祥.教育的功能与效能[M].中国香港：广角镜出版社有限公司，2018.

[7]张建琼.国内外课堂教学行为研究之比较[J].外国教育研究，2005（3）：40-43.

[8]刘邦奇，李鑫.智慧课堂数据挖掘分析与应用实证研究[J].电化教育研究，2018（6）：41-47.

[9]刘清堂等.基于人工智能的课堂教学行为分析方法及其应用[J].中国电化教育，2019（9）：35-41.

（编辑：王晓明）