数据驱动的课堂观察活动多元分析与改进研究

王阿习 余胜泉 陈玲

摘要：线上线下相结合的课堂观察活动具有跨越时空、支持大规模协同等优势，已成为促进中小学教师专业发展的重要活动。但是，其在应用中存在突出问题，如难以从大量非结构化的多源反馈数据中及时发现教师集体共识信息，难以精确诊断与改进教学问题，难以实现教师同伴之间互助学习。为解决上述问题，该研究依据观察学习理论与学习分析技术，构建了包含课堂观察活动全过程数据采集、多元分析、可视化反馈报告、社会知识网络自动推荐、精准改进等要素的课堂观察多元分析与改进模型，并开发了支撑系统。研究结果表明该模型实现了对教师教学知识技能、观察参与行为与情感状态的及时诊断，能够推动课堂观察向数据驱动的科学决策与精准改进转变，实现观察者与被观察者的协同发展。

关键词：数据驱动；课堂观察；多元分析；观察学习；社会知识网络

中图分类号：G434 文献标识码：A

* 本文系教育部人文社会科学青年项目“基于文本情感识别的教师教学问题智能诊断与改进研究”（项目编号：20YJC880088）、北京联合大学教育科学研究课题“基于社会知识网络的U-S协同课例研究活动设计”（课题编号：Jk202003）阶段性研究成果。

随着互联网、大数据与学习分析等技术的快速发展与普及应用，线上线下相结合的混合式课堂观察活动（又称为听评课），因其能够跨越时空障碍、支持大规模协同、便于教师智慧共建共享等而成为促进教师专业发展的重要活动。同时，中共中央、国务院于2018年发布的《关于全面深化新时代教师队伍建设改革的意见》，指出要转变教师培训方式，推动信息技术与教师培训的有机融合，实行线上线下相结合的混合式研修[1]。教育部于2019年发布的《关于加强和改进新时代基础教育教研工作的意见》，提出要创新教研工作方式，积极探索信息技术背景下的教研模式改革，提升教研工作的针对性与有效性[2]。然而，高效开展教研活动的先决条件是精确诊断教师教学中存在的关键问题、发现教师专业发展需求。基于此，本研究以中小学教师参与较多的混合式课堂观察活动为切入点，依据观察学习理论与学习分析技术，采集课堂观察活动全过程的大量非结构化多源反馈数据，构建数据驱动的课堂观察活动多元分析与改进模型，以帮助教师从非结构化反馈数据中发现、改进教学问题，这对于提升教研工作的针对性与有效性、建设高素质专业化创新型的教师队伍具有重要的理论与应用价值。

（一）课堂观察工具的相关研究

课堂观察，既作为一种教育科学研究的方法，也作为促进教师专业发展的活动。本研究采用崔允漷教授的界定，将课堂观察作为听评课的新型范式，是一种有组织、有准备、有程序的专业活动，需要借助于一定的研究方法和工具[3]。基于不同的观察视角可以将课堂观察工具分为不同的类别，本研究按照课堂观察工具依据的媒介形态将其分为：基于量规的工具（包含量表）、基于标记注释的工具、基于综合性观察系统的工具。

基于量规的课堂观察工具，这类课堂观察工具的特点在于各个观察指标清晰可见、易于操作[4]。例如Robert Pianta教授团队领衔开发的Classroom Assessment Scoring System，是一种基于量表的课堂观察工具，旨在帮助教师改进课堂师生交互行为，以支持师生学习和发展。作为各个学科通用的课堂观察工具，其信度与效度已经过验证[5]；基于标记注释的工具，这类课堂观察工具的特点在于需要借助编码分析表和视频等标注工具实现，经常用于观察师生行为。例如，弗兰德斯研发的互动分析系统（Flanders Interaction Analysis System， FIAS）[6]是一种典型的基于时间采样的标记注释工具；基于综合性观察系统的工具，这类课堂观察工具的特点在于将量表嵌入网络平台，研发基于网络端与移动端的综合性课堂观察工具。例如，王陆教授团队在S-T分析法的基础上开发了课堂行为在线分析系统[7]，并借助于课堂教学行为大数据的优势，分析不同区域的教师课堂教学行为差异与特点，通过改进课堂教学行为实现课堂教学质量的提高[8]。朱雪梅教授团队将专门的课堂观察量表嵌入网络平台，研发基于移动终端的课堂观察系统，在听课的过程中采集教与学的表现行为信息，从而为评课提供量化证据[9]。

课堂观察自引入到教育领域以来，已得到国内外的普遍关注，产生了一批有影响力的研究成果。例如，构建了多样化的课堂观察模式、涌现出一批适用不同情境的课堂观察系统[10]。与此同时，课堂观察活动研究也存在突出的问题，主要表现在以下四个方面：现有的课堂观察分析模型与工具，难以快速发现听课者的集体共识信息，精准诊断教学问题与教学特色；难以对教师的多次活动数据形成历程分析[11]，发现教师知识与能力变化趋势与规律；忽视听课教师的关注点与发展需求，难以实现教师同伴互助学习；课堂观察结果反馈滞后[12]，无法基于教学问题提供及时反馈与干预，难以实现多元主体参与的精准改进。

（二）学习分析过程模型与可视化相关研究

学习分析过程模型主要包含对利益相关者的数据处理、应用措施的实施两大部分[13]。Brown根据学习分析的理论性概念，提出了学习分析过程的五个环节：数据收集、分析、学生学习、受益者和干预；Siemens提出了学习分析过程模型，确定了学习分析模型的基本要素，并基于学习分析的技术性和过程性阐述了学习分析的应用步骤[14]；胡艺龄等以学习需求为导向，以理解和优化学习为目标，自底向上对在线学习行为过程进行建模，将学习分析过程分为数据、机制、结果三部分[15]；國际学习分析研究协会的学者们设计了一种整合多个引擎的学习分析系统，该系统由分析引擎、干预引擎、学习适应与个性化引擎构成，实现了线上学习与线下学习的无缝衔接，能够满足学习者、教育者和管理者的发展需求[16]。

学习分析可视化研究主要借助于学习仪表盘技术实现学习结果可视化、行为可视化和情感状态可视化。关于学习结果可视化方面，姜强与赵蔚等从个人、他人及个人与班级等视角设计了学习分析仪表盘[17]，研究结果发现学习分析仪表盘能够提高学习效率和动机，增强学生对课程学习的满意度；关于学习行为可视化方面，有研究者发现学习行为可视化工具，不仅可以基于时间实现学习者个体活动行为的可视化，而且可以实现小组活动行为的可视化[18][19]。教师能清晰地查看学习者的课程学习和参与情况，也便于监控整个班级的学习者的学习进展，发现问题、及时指导；关于学习者情感状态可视化方面，Leony等采集学生使用电脑编程的交互数据，设计了四种情感可视化方式：基于时间的情感可视化、基于情境的情感可视化、情感变化趋势的可视化、信息汇聚的可视化，以改善学生学习中的情感意识、促进自我反思，进而验证了学生的情感结果与学习过程相关[20]。

综上可以看出，学习分析过程模型的建构一般从数据的采集、数据的分析、数据的可视化、干预和结果反馈等环节展开。学习分析的可视化主要包括学习结果可视化、学习行为可视化与情感状态可视化。研究者们从各个角度探索了数据可视化的呈现方式，如借助学习仪表盘技术可视化学习者个体的学习结果、对比分析学习者个体与群体学习结果差异、提供基于时间线的评价与可视化反馈报告，利用数据挖掘技术洞悉学习者学习过程中的行为特点与规律，利用情感分析技术判断学习者学习过程中的情感倾向、可视化学习者的情感状态、挖掘隐含信息。学习分析的过程模型与数据可视化方式，为构建数据驱动的课堂观察分析模型提供了有力的技术支持，为设计课堂观察可视化反馈报告提供了重要启示。

已有研究表明：采用基于数据驱动的教学是撬动教师专业学习与发展过程变革的有力杠杆，教师若长期采用基于数据的反馈，对透视教与学中存在的问题、改进教学实践、完善自身知识与能力结构大有裨益[21]。因此，为解决课堂观察活动中存在的问题，本研究将依据观察学习理论与学习分析技术为指导，构建数据驱动的课堂观察活动多元分析与改进模型，以期帮助教师快速发现并改进教学问题，推动课堂观察向数据驱动的科学决策与精准改进转变。

构建可操作的、行之有效的课堂观察活动分析与改进模型，需要依据科学的学习理论支持。课堂观察是一种有组织、有准备、有程序的教师学习活动，从属于观察学习范畴。因此，本研究主要以观察学习理论为指导构建课堂观察活动分析与改进模型。

（一）观察学习理论的核心观点

美国心理学家阿尔波特·班杜拉，在吸收和借鉴行为主义、认知主义、人本主义等心理学派学术观点的基础上提出观察学习理论。观察学习理论是班杜拉社会学习理论的关键要素[22]，阐述了通过观察习得新技能的四个先决条件。即观察学习的四个子过程：学习者需要注意到相关行为；学习者需要将信息储存到记忆中；学习者能够重现观察到的示范行为；学习者有实施新技能的动机。四个子过程需要在一个学习情境中进行[23]，各子过程及其影响因素如图1所示[24]。

观察学习的注意过程决定了一个人在显示给他们的大量范例中选择什么来观察，以及在这些示范原型中把哪些东西抽取出来；保持过程涉及对某个时刻所模仿活动的保持。影响保持过程的因素有：符号编码、认知组织、符号预演、动作预演；运动再现过程是将符号的表象转换成合适的行动。人们在建立自己的反应时，若使它们与示范的模式在时间和空间上保持一致，就可以获得行为的再现；动机过程，任何人都无法复演学过的所有动作，动机过程则决定哪种经由观察习得的行为得以表现[25]。影响动机过程的因素有：外部强化、替代强化和自我强化。强化在观察学习中起着一定的作用，但主要是作为居先的而非继后的影响发生作用的。事先告诉观察者仿效行为的好处，比等待他们碰巧模仿了一个原型的动作然后给予奖赏，能够更有效地获得观察学习[26]。

（二）观察学习理论对课堂观察活动分析与改进的启示

观察学习理论强调行为习得过程中各种认知活动与环境因素的交互作用和自我调节功能。强调观察学习是学习者系统参与注意过程、保持过程、运动再现过程与动机强化四个子过程的连续，是依次进行的，具有较强的系统性、参与性。这为构建课堂观察活动的多元分析改进模型提供了重要的启示，具体表现在以下五个方面：

1.鼓励教师、学科专家、教研员等多元参与对话，形成知识协同建构的民主氛围

课堂观察活动应该鼓励教师与学科专家、教研员等协同参与对话，形成知识协同建构的民主氛围。因为已有研究表明，来自同伴的反馈更易促进学习者的发展[27]，同伴反馈可以提供多样的观点帮助学习者进行自我反思，并利于学习者从导师和同伴那里获得认可[28]。因此，本研究在构建课堂观察活动的多元分析改进模型时，将建立由学科专家、教研员、教师、校长、学科组长等多种角色协同参与的对话机制，实现教师个体隐性知识显性化，便于共享教师群体的实践性知识，从而促进教师个体与群体知识的协同建构。

2.对多次课堂观察活动数据进行历时分析，发现教师的知识变化趋势与规律

已有研究表明：长期采用基于数据的反馈能够显著提高教师教学质量[29]。而若要达到为教师提供可靠的建设性反馈的目标，则至少需要观察三次课[30]。本研究构建的多元分析改进模型需要采集教师参与课堂观察活动的全过程数据，包括教师个体的单节课和多节课的上课记录、听课记录与反思日志，教师群体的单节课与多节课的课堂观察报告等。实现教师参与单次活动与多次活动的历时性分析，发现教师的知识变化趋势与规律。

3.建立具有共同价值追求的教师学习共同体，促进教师智慧共建共享

情境学习理论认为知识是内含在团队或学习共同体中的，是同情境、空间密切相关的。学习不仅是个体在情境中建构意义的过程，更是在一定的社会文化背景下，通过社会性的、实践性的、以资源工具为中介的参与过程。本研究在构建课堂观察活动的多元分析改进模型时，首先需要课堂观察活动的参与者之间建立互信，形成具有共同价值追求的学习共同体。因为学习共同体中的参与者来自不同的学校、不同区域，这些各异的经验背景本身就是一种宝贵的学习资源。教师通过观察、模仿专家与同伴的行为，并结合亲身实践可以实现隐性知识的共享，完成隐性知识的社会化[31]，促进教师智慧共建共享。

4.提供可动态进化的教学支持服务，满足教师专业持续发展需要

教师的教学知识与能力是随着教学经验地增加而不断变化的，教师的教学关注点也是随着自身专业技能地提高而不断变化的，这就要求多元分析改进模型提供的分析结果具有动态进化的功能。本研究将构建可持续进化的学科教学知识本体库、教学问题库、教学模式库。多元分析改进模型将以学科教学知识库、教学问题库和资源库为基础，分析教师多次的教学行为、教学材料、学生学习情况等，发现教師专业发展需求，提供可动态进化的教学支持服务，满足教师专业持续发展需要。

5.提供及时的可视化反馈，促进教师实现基于真实问题解决的深度学习

反馈有利于促进学习者开展自我反思，有利于学习者识别需要改善的领域。观察学习理论认为行为习得有两种不同的过程，一种是通过直接经验获得行为模式的过程，另一种是借助于间接经验，通过观察示范者的行为而习得行为的过程。在观看了示范者的操作之后，观察者能够高度精确地描述行为，如果给予适当的诱导与反馈，他们常常在第一次尝试演习中就能正确地呈现行为[32]。这对构建多元分析改进模型的启示是：需要在活动开展前告诉参与教师相关的激励机制，提供及时的可视化反馈，实现基于问题解决的深度学习。

本研究基于观察学习理论，遵循多元参与、历时分析、协同知识建构、动态进化与及时反馈原则，构建了包含课堂观察活动全过程数据采集、数据多元分析、自动生成可视化反馈报告、自动生成面向教学问题改进的社会知识网络、多元主体协同参与改进五个要素的课堂观察多元分析与改进模型（如图2所示）。该模型以促进“上课教师和听课教师双向分析、持续改进”作为核心追求，将一个完整的课堂观察活动过程分为课前准备过程（即备课），包括制定观察目标、观察任务，是观察学习的注意过程；课中观察过程（即听课），包括观察师生教与学的行为、撰写观察记录，是观察学习的保持过程；教学实践过程（即上课），是观察学习的运动再现过程；课后研讨与改进过程（即评课），包含提供及时反馈、推荐学习资源等。观察学习的动机过程贯穿课堂观察的全过程，是实现课堂观察活动精准改进的重要组成部分。

在课堂观察活动的多元分析与改进模型的基础上，本研究设计与开发了数据驱动的课堂观察活动多元分析与改进系统。该系统是在学习元平台的基础上开发而成的[33]，有网络端的“教研空间”与移动端的“听课本APP”构成，包括数据采集模块、数据多元分析模块、可视化反馈报告自动生成模块、社会知识网络自动生成模块、多元主体协同参与改进模块。通过上述功能模块，本研究能够采集教师参与课堂观察活动的全过程数据，诊断教师的知识技能、课堂观察活动参与行为和参与情感状态，实现课堂观察活动以经验判断为主到基于证据的科学决策转变。

（一）课堂观察活动全过程的数据采集

数据采集是数据分析的基础，是确保课堂观察活动结果分析客观性与科学性的关键环节。在本研究中，备课、上课、听课与课后研讨等活动不是孤立的，数据在各个活动之间可以无缝流转。活动理论认为两个活动系统之间以“学习者集体”和“高级学习网络”可以建立联系，形成更大的活动系统，以增加活动的开放性与活动之间的交互性[34]。备课与听课活动本身具有共同的参与者集体和高级的学习网络，二者共享教学设计、课件等教学制品类客体（如图3所示）。因此，在制定数据采集机制时应兼顾备课与听课，统一两类活动的开展规则，明确学习共同体内各个成员的职责与任务分工，确保数据采集完整与规范，为开展多元分析奠定坚实的数据基础。

（二）构建学科教学知识库、教学领域语料库、问题库与资源库

为分析教师的知识技能与课堂观察参与情感，本研究构建了学科教学知识库、教学领域语料库、教学问题库、学习活动库与学习资源库。其中，学科教学知识库由十位学科专家，经过多轮的协商建構而成；教学领域的语料库是在依据已有的通用语料库基础上，整合教学领域的语料建构而成的；教学问题库的构建主要是基于学科教学知识点，汇聚教师在备课、上课、听课、评课与教学反思等课堂观察活动过程中存在的典型教学问题，将教学问题逐一归类到相应的学科教学知识点；学习资源库旨在为教师提供个性化的学习资源，其建构流程包括清晰界定知识点及其语义关系、制作学习资源、学习资源语义属性添加、学习资源评价方案创建。这种设计方式建立了学科教学知识、教学问题与学习资源之间的关联，能够实现自动记录、评价学习者的学习进度，为教学问题自动改进提供重要支持。

（三）课堂观察活动的多元分析

大数据时代，对课堂教学的反思、优化与评价，从基于经验主义的主观看法，转向了基于行为数据分析的精准诊断[35][36]。为了精准诊断教师的教学问题，本研究将把教学这个复合体的个别方面，孤立出来加以研究，以便于更细致更深入地研究它们各自的特点和规律，在分析的基础上进行综合[37]。本研究的课堂教学行为分析将依据教育教学理论指导，采用学习分析技术与方法收集课堂教学行为各个要素的数据，分析教学行为的各个组成要素及其之间的关系。除此之外，本研究还从课堂教学知识技能、课堂观察活动参与行为和情感状态三个方面构建诊断模型的分析维度和指标体系，相应的分析机制与技术如图4所示。

以“知识技能维度”分析为例，本研究将采用学科教学知识库、社会信任度模型、同伴反馈机制等，利用文本主题分析、语音识别与知识图谱等技术分析教师的教学风格、教学模式、提问技能、TPACK知识结构。通过综合采用多元分析机制与支持技术，本研究以促进执教教师与听课教师双向发展为核心追求，既关注教师的教学知识技能发展，又关注教师的课堂观察参与行为，以及课堂观察活动参与情感；既对教师执教一节课的数据进行分析，又对多节课的数据进行历时性分析，以促进教师积极参与和深度互动，进而诊断与改进教学问题，增强教学特色，实现课堂观察从单一分析走向多元参与的精准改进。

（四）自动生成可视化反馈报告

系统科学的反馈原理表明，任何系统只有通过信息反馈，才可能实现有效地控制，从而达到预期的目的[38]。课堂观察作为一个特殊的系统，要保证观察目标的有效达成，就必须通过信息反馈，实现对课堂观察过程的改进。为满足教师专业发展需求，本研究基于社会比较理论设计了便于交互的、可视化的反馈报告，并可实现反馈报告的自动生成。该反馈报告包括教师知识技能分析、课堂观察参与行为分析和参与情感分析结果。

社会比较理论指出在某些方面与他人相似度高的学习者更易受到社会比较的影响[39]。因此在设计可视化反馈报告时，本研究重点体现两个方面的对比：一个方面是实现教师个体与群体（同伴）之间的社会性比较，即个体与群体之间的横向比较；另一个方面是实现教师个体过去的知识结构与现在的知识结构之间的历史性比较，即教师的当前知识结构与过去知识结构之间的纵向比较，促进教师开展教学反思，扬长补短[40]。

（五）自动生成面向教学问题改进的社会知识网络

发现教师的教学知识结构短板与专业发展需求是开展教学改进的前提。而对于如何开展有效的教学改进，则需要专业的指导与学习资源的支持（既包括物化资源支持，又包括人力资源支持）。社会知识网络融合了知识网络与社会网络，是促进深度学习交互的有效支架，是促进多层次交互行为有效发生的重要保障。基于社会知识网络可以整合学习者和学习内容，可以更好地促进学习者开展深度学习[41]。因此，本研究在构建学科教学知识库与问题库的基础上，诊断教师的教学问题，建立学科教学知识、教学问题与学习资源之间的关联，形成了面向教学问题改进的社会知识网络。该社会知识网络能够可视化呈现教师的教学知识技能结构；能够可视化地呈现教师的教学问题与教学特色。借助于融合了物化资源与人力资源的社会知识网络，教师不仅可以直接咨询学科专家、随时随地获得专业指导，而且能够快速查阅与教学问题相关的教学设计、教学视频、教学课件与可视化反馈报告等学习资源。这种连接教学问题、学科教学知识、物化学习资源与人力资源的整合设计方式，可以促进教师个体实现基于教学问题解决的深度学习，可以促进不同校际、区域的教师之间知识共享与知识创造。

（六）开展多元主体协同参与的精准改进

课堂观察活动多元分析改进模型的基本价值追求是促进上课教师与听课教师的协同发展。在数据采集与多元分析的基础上，本研究从系统自动干预与人工干预两个方面，开展区域教研员、校长、学科组长与学生等多元主体协同参与的精准改进（如图5所示）。

系统干预措施包括实施基于可视化反馈报告的系统自动干预，可为教师提供详实的分析结论与基于真实教学实践问题的建设性反馈建议，促进教师开展证据导向的持续改进；实施基于教学问题改进的社会知识网络智能推荐干预，便于教师随时随地获得学科专家与同伴的指导，及时获得与教学问题相关的教学设计、课件等学习资源；实施基于个性化评价方案的系统自动干预，能够实时反馈教师的学习进度，督促教师使用相关资源开展学习活动，保质保量完成学习任务，以实现督促改进的目的。

人工干预措施是实施多元主体协同参与改进，区域教研员针对本区域教师教学中存在的规律性与个性化教学问题，开展专业指导，制定区域教师发展方案；校长围绕学校的教师教研中存在的突出问题，制定学校课堂观察制度，提供调课、派车、网络与硬件设备等后勤保障；学科组长基于整个学科教师存在的教学问题，安排公开研讨课，做出榜样示范引领学科教师专业发展；学生反馈学习效果，促进教师调整教学策略。借助于教研员、校长、学科组长与学生等多元主体的协同干预[42]，最终实现教师教学问题的精准改进。

（一）研究设计与实施

本研究采用了调查研究方法和案例研究方法，分析课堂观察活动的多元分析与改进系统的应用效果。其中，调查研究方法主要用于调查教师对多元分析改进系统的满意度与科技接受度，案例研究方法主要用于深描多元分析改进系统是如何、为何能够促进教师学科知识与互动行为等发生变化。本研究以小学语文教师的课堂观察活动为例，组织来自河北省张家口市涿鹿县与广东省广州市荔湾区等12所小学的55位语文教师，采用多元分析与改进系统，于2018年9月至12月中旬，开展了为期三个月的课堂观察活动。

（二）研究数据收集与结果分析

首先，为调查教师对多元分析改进系统的满意度与科技接受度，本研究收集了55名教师对课堂观察活动多元分析与改进系统的使用体验，发放55份问卷，剔除3份无效问卷，得到52份有效问卷。其次，本研究选择了处于不同发展阶段的八位教师，作为案例研究的对象，分析其应用多元分析与改进系统开展课堂观察活动的效果。访谈与行为日志是此次案例研究收集资料的主要方法。在正式访谈之前，研究者依据研究目标制定了半结构化的访谈提纲，包含采用课堂观察多元分析改进系统开展观察活动的优势、不足与改进建议等。

研究结果表明教师比较认可多元分析改进系统，认为使用课堂观察分析系统开展观察活动可以帮助其发现新的问题，比以前的课堂观察活动更有趣味性（均值为4.03分，满分为5分）。教师认为多元分析改进系统可以让课堂观察活动内容更丰富（均值为3.92分），教师认为采用多元分析改進系统可以帮助其获得有用的信息（均值为4.08分），可以让课堂观察活动开展的更好（均值为3.94分）。认知有用性量表整体均值为3.95，认知易用性量表整体均值为3.73。

调查研究的结果发现教师对系统的满意度与科技接受度较高，能够促进教师发现与改进教学问题，通过系统推荐的个性化学习资源提升教学知识技能。这从案例研究的结果中也可以看出，例如，关于可视化反馈报告的应用效果方面，一位新手教师从自己作为执教教师与听课教师两方面总结到：“作为执教教师，我记得上节课有位老师给我提了很好的建议，那么就可以通过系统提供的这张图，看到他提供的教学改进建议。在我下次上课的时候，可以及时回看这些建议，而且很容易找到这位老师给我提供的改进建议。作为听课教师，我可以快速地浏览所有老师对这节课的评价，能够拓宽我听课的视角。我想如果以后我也上了这节课，我能很迅速地找到这些资源，包括完善后的教学设计与课件，对我来说，会非常方便”；课堂观察多元分析与改进系统能够采集分析教师直接的行为数据，有利于减少课堂观察中的社会惰化现象[43]，促进教师积极参与和深入互动。这从教师访谈的结果中也可以看出，例如，一位骨干教师指出：“从系统里面的‘人际网络图’里边我能看出来有多少位教师参与了活动，能够一目了然看到自己所在的位置，越接近中心点，说明我的参与度越高。另外，这张图也便于发现每节课的教师参与情况，尤其便于教研员督促老师们及时完成课堂观察任务”。

尽管课堂观察活动多元分析改进系统能够实现对教师教学知识技能和活动参与行为的及时诊断，但是，由于此次研究选择的观察记录数量较少，所以教学知识技能分析的准确度有待进一步提高。正如一位骨干教师指出的可视化反馈报告的不足之处：“分析报告基本上是能够正确反映的，但是对于其他的课，偶尔也可能会出现不太准确的现象。例如，我执教的《纸船与风筝》一课，报告中提到评价反馈不及時，但是，因为我主要设计的是学生之间互评互改。所以，这个时候报告中的结果跟我设计的课型不一致，就容易出现分析不准确的现象。就像咱们去医院看病，做各种身体检查的诊断，整体上的综合诊断是比较客观的，也有可能出现一个不太准的指标”。为解决此问题，后续研究需要选择不同学科的观察记录、完善学科教学知识库与优化分析算法，进一步提高系统准确度。

本研究依据观察学习理论与学习分析技术，构建了数据驱动的课堂观察活动多元分析与改进模型。该模型能够汇聚教师参与课堂观察活动全过程的数据，采用学习分析技术从大量数据中挖掘教师的集体共识信息，诊断教师的教学问题；能够对多次课堂观察活动数据进行历时分析，发现教师的知识能力变化趋势与规律；能够基于教师的课堂观察记录、教学反思等教学材料分析教学关注点与专业发展需求，促进教师积极参与互动，实现教师同伴之间的互助学习。

本研究还从系统干预与人工干预两个方面设计课堂观察活动改进方案，开展区域教研员、校长、学科组长与学生等多元主体协同参与改进；构建了学科教学知识库、教学问题库与学习资源库，建立了学科教学知识、教学问题与学习资源之间的关联，实现了面向教学问题改进的社会知识网络个性化推荐；形成了课堂观察活动的双向、历时与多元分析机制，实现了对教师教学知识技能、观察参与行为与情感状态的及时诊断，推动课堂观察以经验判断为主向数据驱动的科学决策与精准改进转变，实现观察者与被观察者的协同发展。

参考文献：

[1] 中共中央，国务院.关于全面深化新时代教师队伍建设改革的意见[EB/OL].http：//www.gov.cn/zhengce/2018-01/31/content_5262659. htm，2018-01-31.

[2] 教基[2019]14号文件，教育部关于加强和改进新时代基础教育教研工作的意见[Z].

[3] 崔允漷.论课堂观察LICC范式：一种专业的听评课[J].教育研究，2012，（5）：79-83.

[4] Kane T.J.，Staiger D.O.，et al.Gathering Feedback for Teaching： Combining High-Quality Observation with Student Surveys and Achievement Gains [EB/OL].http：//www.metproject.org/reports. php，2012-01-18.

[5] Paro K.L.，Pianta R.C.，et al.The Classroom Assessment Scoring System：Findings from the Prekindergarten Year [J].Elementary School Journal，2004，104（5）：409-426.

[6] Flanders N.A.Intent，Action and Feedback：A Preparation for Teaching [J].Journal of Teacher Education，1963，14（3）：251-260.

[7] 王陆，张敏霞.课堂观察方法与技术[M].北京：北京师范大学出版社，2012.

[8] 王陆，蔡荣啸.课堂大数据视角下的提问倾向研究[J].电化教育研究，2016，（7）：82-92.

[9] 朱雪梅.“互联网+”时代课堂评价的转型变革[J].中国德育，2016，（22）：39-41.

[10] Martinez F.，Taut S.，et al.Classroom observation for evaluating and improving teaching：An international perspective [J].Studies in Educational Evaluation，2016，（49）：15-29.

[11][30] Lans R.，van de Grift，et al.Once is not enough：establishing reliability criteria for feedback and evaluation decisions based on classroom observations [J].Studies in Educational Evaluation，2016，（50）：88-95.

[12] Haep A.，Behnke K.，et al.Classroom observation as an instrument for school development：school principals’ perspectives on its relevance and problems [J].Studies in Educational Evaluation，2016，（49）：1-6.

[13] 郑晓薇，刘静.学习分析模型的分类与对比研究[J].现代教育技术，2016，26（8）：35-41.

[14] 魏雪峰，宋灵青.学习分析：更好地理解学生个性化学习过程——访谈学习分析研究专家George Siemens教授[J].中国电化教育，2013，（9）：1-4.

[15] 胡艺龄，顾小清等.在线学习行为分析建模及挖掘[J].开放教育研究，2014，20（2）：102-110.

[16] Siemens G.，Gasevic D.，et al.Open learning analytics：An integrated & modularized platform [J].Society for Learning Analytics Research，2011，（8）：2-18.

[17] 姜强，赵蔚等.基于大数据的学习分析仪表盘研究[J].中国电化教育，2017，（1）：112-120.

[18][40] Vieiraa C.，Parsonsb P.，et al.Visual learning analytics of educational data：A systematic literature review and research agenda [J]. Computers & Education，2018，（122）：119-135.

[19] Sedrakyan G.，Malmberg J.，et al.Linking learning behavior analytics and learning science concepts：designing a learning analytics dashboard for feedback to support learning regulation [J].Computers in Human Behavior.2020，（107）：1-15.

[20] Leony D.，Mu oz-Merino P.J.，et al.Provision of awareness of learners’ emotions through visualizations in a computer interaction-based environment [J]. Expert Systems with Applications，2013，40（13）：5093-5100.

[21] Marsh J.Interventions promoting educators’ use of data：Research insights & gaps [J].Teachers College Record，2012，114（11）：1-48.

[22] Bandura A.Social learning theory [M].New York：General Learning Press，1977.

[23] Bandura A.Social foundations of thought and action：A social cognitive theory [M].Englewood Cliffs，NJ：Prentice Hall，1986.

[24][26][32] 阿尔伯特·班杜拉著，陈欣银，李伯黍译.社会学习理论[M].北京：中国人民大学出版社，2015.

[25] 鲍文丽.班杜拉社会学习理论对成人教育发展启示[J].中国成人教育，2017，（4）：15-17.

[27] Chen I.，Hwang G.，et al.From design to reflection：Effects of peerscoring and comments on students’ behavioral patterns and learning outcomes in musical theater performance [J].Computers & Education，2020，（150），1-21.

[28] Susanne J.Do question prompts support students in working with peer feedback [J].International Journal of Educational Research，2018，（92）：1-9.

[29] Hurk H.，Houtveen A.，et al.Fostering effective teaching behavior through the use of data-feedback [J].Teaching and Teacher Education，2016，（60）：444-451.

[31] 王阿习，陈玲等.基于SECI模型的教师培训活动设计与应用研究[J].中国电化教育，2016，（10）：24-30.

[33] 余胜泉，杨现民等.泛在学习环境中的学习资源设计与共享——“学习元”的理念与结构[J].开放教育研究，2009，15（1）：47-53.

[34] Engestrom Y.Expansive learning at work：Toward an activity theoretical reconceptualization [J].Journal of Education and Work，2001，14 （1）：133-156.

[35] 王繼新，田俊等.基于教学行为数据分析的“互联网+在地化课堂”优化对策研究[J].电化教育研究，2020，41（4）：93-101.

[36] 顾小清，李世瑾.人工智能教育大脑：以数据驱动教育治理与教学创新的技术框架[J].中国电化教育，2021，（1）：80-88.

[37] 王策三.教学论稿（第2版）[M].北京：人民教育出版社，2005.

[38] 皇甫全，王本陆.现代教学论学程（修订版）[M].北京：教育科学出版社，2003.

[39] Schunk D.H.，Dibenedetto M.K.Motivation and social cognitive theory [J].Contemporary Educational Psychology，2020，（60）：1-10.

[41] 余胜泉，段金菊等.基于学习元的双螺旋深度学习模型[J].现代远程教育研究，2017，（6）：37-47.

[42] 刘清堂，卢国庆等.活动理论支持的区域同侪研修模式构建及实践探索[J].中国电化教育，2021，（1）：118-127.

[43] Wang A.，Yu S.，et al.Effects of a visualization-based group awareness tool on inservice teachers’ interaction behaviors and performance in a lesson study [J]. Interactive Learning Environments，2019，27（5-6）：670-684.

作者简介：

王阿习：讲师，博士，研究方向为教师教育、课堂观察工具设计与开发、在线课例研究。

余胜泉：教授，博士，博士生导师，研究方向为人工智能教育应用、移动教育与泛在学习、区域教育信息化、信息技术与课程整合。

陈玲：副教授，博士，研究方向为技术支持下创新教学、技术支持下的教师专业发展。

Data-driven Multiple Analysis and Improvement of Classroom Observation Activities

Wang Axi1， Yu Shengquan2，3， Chen Ling2，3

（1.Teachers College， Beijing Union University， Beijing 100011； 2.Beijing Advanced Innovation Center for Future Education， Beijing Normal University， Beijing 100875； 3.Faculty of Education， Beijing Normal University， Beijing 100875）

Abstract： Online and offline classroom observation activities have the advantages of spanning time and space， supporting largescale collaboration， facilitating wisdom co-construction and sharing， etc.， and have become an important activity to promote the professional development of primary and secondary school teachers. However， there are prominent problems in its application， such as difficulty in timely discovering teachers’ collective consensus information from a large number of unstructured multi-source feedback data， difficulty in accurately diagnosing and improving teaching problems， and difficulty in realizing mutual learning among teachers. To solve the above problems， this study constructed the model on multiple analysis and improvement of classroom observation activities based on the theory of observational learning， including the whole process of data collection， multivariate analysis， visual feedback report， and the social knowledge network， multiple subjects collaborate to improve. This research realized the timely diagnosis of teachers’ teaching knowledge and skills， participation behavior and emotional state， promoted the transformation of classroom observation to scientific decision-making and accurate improvement based on data， and realized the collaborative development of the observers and the observed.

Keywords： data-driven； classroom observation； multivariate analysis； observational learning； social knowledge network

責任编辑：邢西深