数据赋能课堂教学行为诊断

林温阳 叶兴崎

（福鼎市第六中学，福建 福鼎 355200）

新一轮基础教育课程改革已然进入深水区，以课堂为主阵地的教学行为诊断备受关注。反观当前囿于主观经验的校本教研，无法精确地反映课堂教学全貌；粗放型的听评课模式难以提供常态化持续跟踪指导；常规观摩研讨、座谈会和问卷调查等研课活动，教研方法单一，缺乏数据实证支撑，存在路径依赖（Path Dependence）现象。这些因素势必导致课堂教学行为改进的被动、盲目和随意。在教育信息化2.0 背景下，国内外学者在课堂教学改革研究领域，高度关注基于数据实证分析的课堂教学行为观察，重视课堂教学行为数据采集和课堂教学行为诊断方法研究。

一、课堂教学行为诊断新诉求

课堂教学主要是通过师生对话、质疑和讨论等言语互动将隐性缄默知识外显化。课堂教学行为轨迹是以教师的“教”和学生的“学”两条主链，通过师生互动联结，呈麻花状类DNA 双螺旋结构推进。在课堂教学进程中，会产生大量的教学行为数据。深度挖掘课堂教学行为数据，打开课堂教学过程的“黑箱”，能为一线教师提供优化课堂教学行为、提升课堂教学质量的策略支持和实践指导，能促进学生的“学”实现内化于心、外化为行、转化为果、分享于众。开展基于数据的课堂教学行为观察与诊断研究，是回应当前课堂教学改革研究方法和手段的新诉求，它具有重要的理论和实践意义：有利于改变当前课堂教学现状，构建“以学为中心”的高效课堂教学模式；有利于教师反思调控自身课堂教学行为，增强课堂教学效能；有利于培养学生学科核心素养，提升学生学习元认知和创新能力；有利于搭建教师专业成长平台，促进学习型教研团队建设。

二、课堂教学行为诊断新工具

课堂教学行为是在一定的教学思想和理论指导下，在特定课堂教学情境中，为实现一定教学目标，运用一定教学模式和策略，促进学生个体成长的课堂师生活动行为的总和，包括教师授课行为、学生学习行为和师生互动行为。借助科学的方法和有效的工具，进行量化观察和数据分析课堂教学行为，对揭示课堂教学规律，改善教师的“教”和学生的“学”有着重要的作用。国内外课堂教学行为分析方法有S-T 分析法、FIAS 分析法、TIMSS 分析法、IIS 图分析法等。［1］其中FIAS 分析法应用广泛，课堂教学行为诊断细致成熟。

美国学者弗兰德斯（N.A.Flanders，1970）提出师生言语互动分析系统（Flanders Interaction Analysis System，简称FIAS），它是一种结构化定量的课堂行为分析技术，通过定时采样分属三类的10 种师生言语互动行为，编码量化课堂教学过程，矩阵分析课堂行为数据，结合课堂观察提出教学改进方案。［2］在课堂教学行为诊断研究中，发现FIAS 分析法对诸如学生课堂练习、实验操作和教师板书、演示、巡视等缄默行为处理能力不足。在此，应用改进型FIAS 课堂互动行为编码系统（如表1 所示），对某一节课的教学实录进行师生行为量化分析，检验课堂教学形态。详细操作流程分四步：第一步，课堂观察采样记录。按照课堂行为编码规则，每3 秒取样一次，时长40 分钟的一节课，共记录797 个编码，并按时序标记，如表2 所示。

第二步：建立互动分析矩阵模型（Interaction Analysis Matrix）。把上述记录的所有编码转换为矩阵坐标，如：（6，7）、（7，16）、（16，5）、（5，5）、（5，5）等。每个编码分别与前后联结，形成796 个序对。接着在24x24 矩阵AT=中，使用Excel、Nvivo 或SPSS 统计软件，将序对（i，j）出现的次数填入对应的矩阵元aij 中，aij 位于矩阵AT 的第i 列第j 行（如图1 所示）。在由FIAS 定义推导的“积极整合格”区域中数据分布密集，表明课堂气氛融洽；“缺陷格”区域数据分布密集，表明师生交互出现情感隔阂；对角线上的“稳态格”区域，数据编码显示课堂行为持续时长。其中，学生主动回答（10，10）、思考问题（14，14）、学生动手（15，15）和操作练习（21，21）行为时长数值较大，说明教师注重以学为中心的课堂活动，师生互动频次较高，能很好地激发学生自主学习；讲授（6，6）和个人创作（22，22）数值也是相对较大。此时，课堂组织小组合作探究学习，学生充分讨论，并独立完成学习任务。

表1 课堂教学师生互动行为编码体系

表2 某一节课堂教学行为编码

第三步：比率分析课堂结构和形态。使用SAS 数据分析套件，计算师生言语行为比率、技术交互比率、媒体资源使用率等，解析课堂结构；计算教师提问率及反馈率、学生应答率及主动提问率等，分析师生互动行为；计算直接影响与间接影响比率、积极影响与消极影响比率（1-3 列次数：7-8 列次数）等，进行LSD（Least Significance Difference，即最小显著差异法）多重比较。结合对照Flanders 师生言语比率常模数据，可以将课堂教学大致划分为生控型、生导型、均衡型、师导型和师控型五种类型。

第四步：绘制时间线标记图，观察师生在各个时段的课堂行为，直观显示课堂交互类型。如图2 所示，上方6 行为教师间接教学行为，以教师为主导，学生为主体；下方4 行为教师直接教学行为，以教师讲演示范，学生被动接受为主。图2 中填充部分大多数在讲授（6）之上，表明课堂教学风格是以学为中心的开放型课堂。

图2 时间线标记图

三、定位课堂形态，改进教学行为

（一）数据定位课堂教学形态

杜威认为，学生身心的发展、素质的形成主要是通过学生活动来实现，教师的教学不能直接作用于或者转化为学生的发展；佐藤学亦认为，自主学习是学习者不断地准备开始与世界、他人和自我展开三重对话，被动学习则表现为一种非自觉的、勉强的能动性。依据上述观点，为了区分学生学习的主体性和自主性的高低，将课堂教学划分为四种形态（如图3 所示）。水平方向以学生言语行为占比Rs=Ns/N（其中Ns 表示学生S 行为数，N 表示行为采样总数）来标识，Rs 值越大表明学生主体性发挥越充分；垂直方向以学生学习主动比率Si=Ni/Ns（其中Ni 表示学生主动行为数，Ns表示学生S 行为数）来标识，Si 值越大表明学生学习自主性越强。

图3 四种课堂教学形态

如图3 所示I 区：学生本位－自主学习。课堂发挥了学生主体地位，学生自主能动地设计问题、解决问题而展开学习，学习处于主动探究状态，课堂教学是真正促进了学生的发展。II 区：教师本位－自主学习。课堂以教师的教为本位，虽然是以学生的问题为导向，但问题的解决是由教师直接来解答，学生无实质性参与，学习处于主动接受状态。III 区：教师本位－勉强学习。课堂以教师的教为本位，以教师预设的限定性问题为导向，而非学生在学习中真正遇到的问题，学生缺乏学习内驱力，没有独立完成学习活动的时间和空间，学习处于被动接受状态。IV 区：学生本位－勉强学习。课堂以学生的学为本位，学生只是在教师预设问题的外在驱动下勉强学习，并非内在自觉地主动建构，学习处于被动探究状态。研究表明：I区以学生的活动为本位，以学生的问题为导向，课堂真正发挥学生主体的主动性，是教学追求的高效课堂教学形态；II 区是和IV 区是需要改进的课堂教学形态；III 区是应当避免的课堂教学形态。

笔者以粤教版高中信息技术必修（1）第三章《设计最优旅行路线方案》的项目式教学为例，进行基于视频的课堂教学行为诊断。整堂课包括指导（Guidance）、活动（Action）、经验（Experience）、评价（Evaluation）和分享（Share）五个环节。统计师生行为主体的不同行为活动，其中教师言语行为占比为62.4%（常模约为68%），学生言语行为占比为25.2%（常模约为20%），体现课堂发挥了学生的学习主体性地位。其中，教师言语－学生驱动比率为30.2%（常模为42%），学生言语－学生主动比率为36.8%（常模约为34%），表明学生学习是主动探究，为理解而学。

（二）改进课堂教学行为方式

运用上述基于数据的课堂教学行为诊断工具，研究表明好课堂是问题驱动，并留置充裕的静默思考时间，让学生积极思考、大胆质疑，教师重在激疑，引导学生在同伴互助、教师点拨中释疑。面对学生学习遇到难题，是经验匮乏还是知识缺陷，是技能缺失还是体验不足，不同教师群体的教学行为存在多维度显著性差异。［3］在特定的40 分钟课堂时空中，“教”是条件或手段，“学”是本体或目的，教师教的行为应以满足学生个体发展需求为教育价值取向。［4］如教学目标是培养学生的操作技能，那么最有效的方式是让学生动手操作，教师适宜采取操作示范、方法指导和跟踪反馈等方式；又如教学目标是培养学生的情感态度与价值观，那么最有效的学习方式是情境体验呼唤情感，教师适宜采取创设情境、组织活动、引导反思等方式。

课堂教学是一个动态的复杂系统，课堂教学行为的有效性与教学情境密切相关。［5］采用量化编码方式将课堂行为划分为“单位行为”，容易忽视对课堂教学的整体认知。此外，课堂教学行为编码也有待完善。如：手势、眼神和表情等非语言行为缺少编码；采纳、接受及鼓励行为分类，有时难于权衡界定。这些都将影响后期的行为数据分布、时间线标记和比率计算精度。随着人工智能技术在教育领域的广泛应用，以及课堂观察理论研究的不断深入，基于数据的课堂教学行为诊断操作将更加简便易行，且精度要远高于人工分析。