MOOC教学视频中教师课堂教学行为分析与改进研究

范彦彬 钱明霞 赵磊磊

摘 要：文章基于国内外主流MOOC平台，通过对课程评分、学习者点评等内容分析筛选出18门具有代表性的MOOC课程，对其中18部教学视频进行分析。文章采用了“教师语言行为”“教师肢体语言行为”和“教师文本呈现行为”三个维度，构建并运用分析模型、结合案例分析等方法对教学视频中的教师行为进行分析，从而得出相应的结论，以期为今后MOOC课程教学视频设计提供参考建议。

关键词：MOOC课程;教学视频;分析模型;教学行为

中图分类号：G434 文献标志码：A 文章编号：2096-0069（2022）02-0069-08

收稿日期：2021-09-17

基金项目：江苏省教育科学“十三五”规划2016年度立项课题“面向高校青年教师教学发展的电子档案袋设计与应用研究”（C-c/2016/01/26）;江南大学2019年本科教育教学改革研究项目“两性一度”视域下江南大学“金课”评价体系及应用研究（JG2019114）

作者简介：范彦彬（1980— ），男，江苏无锡人，硕士，副研究员，研究方向为教育信息技术;钱明霞（1980— ），女，江苏常熟人，博士，助理研究员，研究方向为教学质量评估;赵磊磊（1991— ），男，河南新蔡人，博士，副教授，研究方向为教育管理。

一、研究背景

2019年，教育部发布的《关于深化本科教育教学改革   全面提高人才培养质量的意见》明确指出，要着力打造一大批具有高阶性、创新性和挑战度的线下、线上、线上线下混合、虚拟仿真和社会实践“金课”。其中，线上一流课程，即国家精品在线开放课程，旨在突出优质、开放、共享，打造中国慕课品牌。MOOC（Massive Open Online Course）即大规模开放在线课程，诞生于2008 年，是一种以联通主义学习理论为基础的cMOOCs（Connectivist MOOCs）。在MOOC的发展过程中，随着越来越多的世界名校和商业机构的加入，逐渐发展出一种以行为主义的知识传授为主的xMOOCs（edX MOOCs），其典型的代表有Coursera、edX 和Udacity 等平台上开发的课程。随着世界名校的关注、各商业机构的强力推动和学习者的大规模参与，近年来xMOOCs得到了国际社会的广泛关注。在xMOOCs 中，教师充当专家，而学习者消费知识，学习是设计者组织、教师传递、学习者学习知识结构框架的过程[1]。它是目前发展速度最快、受众面最广、社会关注度最高的一类MOOC。

与传统远程教育主要以文本为核心内容传播不同，xMOOCs 是以视频作为核心传播媒介。这种转变并非偶然，因为视觉是人类感觉系统中最占优势的信息来源，视频也就成了开放课程最主要的教学表现形式[2]。在Coursera、edX、Udacity 中，均以教学视频作为学习者学习MOOC的主要途径[3]。教学视频在MOOC中的重要性不言而喻。因此，对教学视频的设计成为MOOC发展过程中非常关键的问题。在此背景下，针对MOOC具有开放授权、开放结构以及学习支持服务等特点，本研究尝试设计出适合的分析模型，对MOOC教学视频中的教师行为进行分析，以期为今后MOOC教学视频设计提供参考建议。

二、研究设计

（一）研究工具开发

目前，国内外已有对课堂教学行为开展的相关研究，并形成了一些比较成熟的研究方法，如弗兰德斯互动分析系統将课堂上教师和学习者之间产生的语言互动行为分为教师语言、学生语言和沉寂或混乱（无有效语言活动）三类共十种情况[4];朗克尔信息反馈模型，在结构层面进一步解释师生行为的相互影响的作用，主要表现在教师参考结构、教师行为、学生参考结构、学生行为四个因素，通过各个因素之间的信息反馈，对调节师生互动行为、提升教学效果、适应教学环境以及深化师生情感交互均有提升;艾胥利三大中心理论是将教师、学生和知识三个课堂教学中的重要因素作为中心的师生互动行为理论，其采用了教学分析观察系统和数学统计方法，将各个中心情境下的重点表现描述出来[5]。在国内相关研究中，吴康宁提出课堂师生互动行为探究模型，将师生互动行为的主体和客体进行区分，同时分析两者之间的行为互动关系。王家瑾构建的课堂互动行为模型注重表现教学环境下的师生互动行为，用一种直接的方式来表现师生互动之间的联系，而在动态行为分析的处理上尚不够严谨，不贴合实际行为变化[6]。

xMOOCs课程的视频分析以教师教学行为为主体，传统课堂师生互动行为分析的模式并不完全适用。以教师教学行为为主的分析看似不够全面，其实客观上使研究者对教师教学行为给予了更多关注。因此，笔者将教师在视频中展现的不同性质的行为进行了维度划分，同时加入了对知识展现的思路和情感态度表达的行为维度的分析，得出了初始分析模型框架，如表1所示。

在此分析模型框架中，将教师教学行为中的语言行为和肢体行为进行分离，同时加入了能够体现教师对知识展现理解的知识文本呈现行为作为分析维度，这三大维度在视频分析中能够相互区分且互不影响。然而，在分析模型的完善过程中笔者发现，在教师语言行为维度上，整体行为偏向于对课堂教学流程的划分，而具体行为中的语言行为使用未显著提及，这可能使后期的对比分析缺少说服力。因此，笔者参考宋其蕤、冯显灿的《教学言语学》以及其他相关文献后[7]，对教师语言行为中的教学流程性语言行为的具体教学方法进行了概括，得到如下补充框架，如表2所示。

教师语言行为的外显行为数据相对便于采集，内隐化的教学方法往往在对数据进行分析时才能呈现出来，而两种行为结合时，对教师教学行为的分析更加全面，因此，综合补充得到的完整框架如表3（见下页）所示。

（二）研究流程与方法

1.研究流程

笔者通过文献研究，发现以教学视频作为研究对象的分析研究，大多是根据其教学行为进行的，MOOC视频中的教师课堂教学行为在视频分析中可作为一个统计变量。同时在一系列对教学改进的研究成果中，对教学行为的系统化分析也为笔者提供了研究思路，因此，本研究拟采用视频分析技术统计提取MOOC中的教师课堂教学行为特征，尝试为教学视频制作的改进提供有效帮助。本研究设计的研究流程如图1所示。

2.研究方法

本研究采用文献分析、案例分析与内容分析等研究方法，通过文献分析法并根据本研究的目标与数据内容，了解MOOC开发的研究进展，对相关理论进行梳理，为本研究提供理论支撑;通过案例分析法选择有代表性的MOOC平台，将课程视频中教师课堂教学行为进行切片、编码、统计分析;通过内容分析法对MOOC视频资源的附属文本，如学习者对该课程的点评、教学内容评价、教学资源的选择等文本进行分析，得出该课程的基本情况及其研究可取性和学科课程属性。

（三）案例选择与分析

本研究主要围绕以视频为主的MOOC，而当前MOOC平台资源差异化显著。为了增强所选取课程视频的代表性，本研究遴选了国内外主流MOOC平台上知名学科中的课程进行分析，涵盖了5个平台9个学科18门课程，选取原则如下。

1.MOOC平台具有权威性

本研究选取的课程涉及各大MOOC平台，如：Coursera、Udacity、edX、学堂在线、中国大学MOOC等。提供课程的院校也是国内外知名大学，如麻省理工学院、宾夕法尼亚大学、清华大学、北京大学、浙江大学等。

2.学科范围涵盖较广

本研究选取的学科涵盖了计算机、管理学、设计学、农学、医学、数学等。这些学科在MOOC平台中具有代表性，同时高评分的课程在学科内又具有代表性。

3.课程评价等级高

本研究所选课程均有1000人次以上的学习者参与，最高达到4万人次，其中最低综合评分8.10分，最高综合评分9.70分，平均分8.92分。同时，所选课程都有“知识量、教师参与、趣味性、课程设计”四个方面的评分，四个方面的平均分分别为9.23分、9.15分、9.34分、9.06分。所选课程概况如表4（见下页）所示。

所选课程均以周作为章节知识内容划分节点，由于各部分内容章节化区分明显，模块独立，故选用最具有代表性的章节视频进行数据分析。其中连载的课程有8门，笔者选用这些课程中最新完整的章节进行分析。与此同时，在选取课程视频时，时长要求是该知识模块的平均时长，时长误差不超过10%，超过10%则选取中间区域长度的视频进行分析。

本研究数据采集使用的工具是EDIUS 7.5，其具有较强的素材编辑能力，可以对视频时间轴进行切片，还能以教学行为单元独立切片分离，有利于后期的数据统计。以四川大学首次在中国大学MOOC开设的课程“化妆品赏析与应用”为例，根据拟定的数据采集规则进行的数据记录如表5所示。

三、研究结果及分析

本次统计的18部视频中有效视频为18部，在三维度分析中均未出现分析模型之外的教师行为，即该分析模型可以较为完整地囊括本次研究数据中涉及的教师教学行为。

（一）导入性语言教学行为统计分析

1.课堂起始性语言行为分析

研究中有11门课程是以视频片头的形式作为教学视频课堂起始性语言的表现方式，6门课程教学视频是教师直接口头表达的形式，其中有1门教学视频并未包含课堂起始性语言行为。上述课程的课堂起始性语言行为占比均低于10%。不同学科课程之间的差异较大，主要体现为管理学类课程课堂起始性语言行为占比普遍比理工类课程占比高一些，如表6所示（見下页）。

2.课堂导入性语言行为统计分析

18门课程中课堂导入性语言行为的占比情况如表7（见下页）所示，能比较直观地看出各课程之间的差异性较大。所有课程的导入性语言行为平均占比为16.1%，而在传统课堂，其课堂导入性语言行为远低于该数值，说明MOOC对课堂导入性语言更加看重，其作为引导学习者与虚拟影像交互的催化剂，在课程中起着非常重要的作用。

（二）知识教学性语言行为统计分析

在知识教学语言行为方面，笔者设置的三个二级指标构成了教师在教学视频中的知识教学行为，由于教师在三类行为之间的侧重点不同，导致教学视频中三类行为的占比不同，从表8（见下页）可知大部分教师在解释知识的语言行为上用时最多，数学类课程以推理求证的语言行为为主。对应教学行为主要采用的教学方法也能体现学科差异下的教师教学行为特征。按学科来分，可以分为两类：一是将单一的教学行为作为主体，其余两类行为作为次要行为辅助，代表学科有信息技术类等。二是将两类教学行为作为主体的学科，代表学科有经济学类等。可见，不同学科的教学行为存在一定的差异性。

（三）教师肢体语言行为统计分析

在传统课堂上，教师肢体语言行为承担着举足轻重的地位，教师给学生传达的情感态度非常容易影响整个课堂的教学氛围。在网络教育发展进程中，尤其是微视频课程开始兴起到如今MOOC教学视频设计大发展期间，学者们对教学视频中的教师肢体语言行为研究较少，这与学者们发现MOOC教学视频与学习者交互的成分和作用较少、教师肢体语言行为的影响力不大有关。而笔者发现，数据统计的结果与大家预期相反，教师肢体语言行为在MOOC视频中造成的影响并不比传统课堂小，教室肢体语言行为表达情感态度出现次数如表9所示。

上述课程中，教师肢体语言行为表达的三类情感态度的分布，以无意义情感态度为主，积极的情感态度其次，而消极的情感态度并没有预想的那么少。这与在MOOC教学视频中师生的虚拟交互有关，区别于传统课堂消极态度对学生个体或团体造成的影响，MOOC教学视频中的消极情感态度更多的是针对某些观点，反而能增强学习者在这方面的关注度，从而加深学习者记忆。

不同学科在三类情感态度占比方面未表现出较大的差异性，说明不同学科性质对教师的肢体语言影响较小，而不同课程之间肢体语言行为传达的情感态度次数有较大差异，这可能是本研究选取的教学视频时长不一致导致的，也可能是不同课程在教学视频中要传授的知识量差异导致的。

（四）教师文本呈现行为数据统计分析

从表10可以看出在MOOC中，教学视频中的文本呈现行为以口授为主，与传统课堂不同，鲜有课程采用文本呈现行为中第二大主体的板书呈现行为。其余课程都将图文呈现作为文本呈现的第二手段，运用图文呈现本身就是摆脱传统课堂上板书呈现的进阶所在。而板书呈现有一些局限性，如书写时间较长，课堂占时较多，对教师要表现的内容和书写水平有较高要求等，同时板书不适合呈现复杂的知识结构等。

四、总结及反思

笔者通过内容分析等方法选取了18门MOOC平台的课程教学视频，并通过文献研究和理论整合等方法构建出适合本研究的分析模型，统计并分析了该模型下教师教学行为的特点和对整个课程的影响，具体结论如下。

1.导入性语言教学行为方面

课堂起始性语言行为在不同学科课程之间的差异较大，主要体现为管理学类课程课堂起始性语言行为占比普遍高于理工类课程。MOOC的课堂导入性语言行为比重远高于传统课堂，并在课程中起着非常重要的作用。有学者指出，在远程学习过程中，学生辍学在很大程度上是因为他们失去学习动力，而学校提高学生学习动力必须主动出击[8]。笔者认为，在导入性语言阶段进行充分的课程和教学目标说明，就是帮助学习者有效规避学习困难、提高学习动力的重要环节。

2.知识教学性语言行为方面

从陈述知识语言行为、解释知识语言行为、推理求证语言行为三个维度分析，信息技术类课程以单一维度的教学性语言行为为主，其余两个维度行为作为辅助。经济学和管理学类课程兼具陈述知识语言行为、解释知识语言行为两个维度教学语言行为为主。笔者认为，MOOC教学视频中三类知识教学性语言行为的选用，应尽量结合教学内容，体现学科特点，符合学习者认知需求，实现教学效果最大化。

3.教师肢体语言行为方面

本研究选取的课程中，教师肢体语言行为表达均以无意义情感态度为主，积极的情感态度次之，同时消极的情感态度也普遍存在。不同学科在三类情感态度占比方面未表现出较大差异，说明学科的差异性对教师的肢体语言影响较小，而不同课程之间肢体语言行为传达的情感态度次数有较大差异。笔者认为，在MOOC教学视频中采用丰富的画面形式，如肢体语言、教师特写中的表情等，能较好地维持学习者的学习兴趣，更好地传递知识和情感态度。

4.教师文本呈现行为方面

本研究涉及的教学视频中的文本呈现行为以口授为主，以图文呈现作为文本呈现的第二手段，板书呈现行为鲜有采用。部分教学视频使用了实地拍摄、计算机录屏、讨论等多种视频呈现方式。图文呈现方式相对板书而言，能更好地呈现复杂的知识结构。笔者认为，相对于传统课堂教学，MOOC教学视频应充分利用信息技术手段，借助多样化的图文、图表、字幕、交互软件等元素，设计出能够增强学习者专注度和学习兴趣的文本呈现方式。

本研究在实施过程中也存在一些不足，在下一步研究中，拟从以下几个方面进行改进。

1.研究数据的优化选择

本研究选取的课程，主要参照的是该课程在综合评分、学习者点评和课程教师知识大纲思路等方面。这些课程作为优秀MOOC教学视频具有代表意义，但數据研究不应仅从单方面着手，尤其本研究是以寻求改进MOOC设计策略为目标的，笔者认为在今后研究中要加大研究对象范围，选取一些评分较低的作为反面数据的代表。从正反双向对比分析，进而得出影响教师教学行为优化的直接因素。

2.研究方法的改进

尝试对视频案例的分析法做进一步改进。本研究中视频切片是按时长划分，实际时长是按教师语言性行为来划分的，没有较好地兼顾其他两个维度，因为切片中有可能产生文本呈现行为的变化或是教师肢体行为的变化，因此在视频切片的划分上可尝试采用更多方式，如按照不同维度作为主体的情况下进行视频切片。

3.数据研究方面改进

在文本呈现统计分析时，本研究采用教师在教学视频中出现的文本呈现行为次数作为分析对象，结果发现所有课程在文本呈现行为的比例没有明显差异。如果用时长占比来分析，可以尝试将教师在不同文本呈现方式上使用的时长占比作为分析依据，进而得出教学视频中文本呈现的主体方式。

参考文献

[1][3]李秋菊，王志军，陈丽.xMOOCs中的教学视频设计要点：基于案例的视频分析研究[J].远程教育杂志，2014，32（6）：95-102.

[2]沈夏林，周跃良.论开放课程视频的学习交互设计[J].电化教育研究，2012，33（2）：84-87.

[4]FLANDERS N A.Analyzing Teaching Behavior[M].[S.I.]：Addison-Wesley Educational Publishers Inc，1970.

[5]张建琼.国内外课堂教学行为研究之比较[J].外国教育研究，2005，32（3）：40-43.

[6]亢晓梅.师生课堂互动行为类型理论比较研究[J].比较教育研究，2001（4）：42-46.

[7]宋其蕤，冯显灿.教学言语学[M].广州：广东教育出版社，1999：30.

[8]ANDERSON E.Retention for Rookies.Presentation at the National Conference on Student Retention[M]. San Diego：[s.n.]，2006.

（责任编辑 王策）

Teachers’Classroom Teaching Behavior Analysis and Improvement Research in the Teaching Videos of MOOC Courses

—Based on Video Analysis Technology

FAN Yanbin，QIAN Mingxia，ZHAO Leilei

（Teaching Assessment & Teacher Excellence Center，Jiangnan University，Wuxi，Jiangsu，China 214122）

Abstract： Based on the mainstream MOOC platform at home and abroad，this article has filtered 18 representative MOOC courses by analyzing contents like authority scores of course， learners’ comments，etc.，and has done an analysis to 18 teaching videos. This article has adopted three dimensions，namely， “teachers' speech acts”， “teachers’ physical behavior” and “text rendering behavior for teachers”，constructed and applied analytical model，done an analysis to teaching behavior in teaching videos combining the methods like case analysis，hence got corresponding conclusions，hoping to provide reference and suggestion to the teaching video design of future MOOC courses.

Key words：  MOOC courses;teaching video;analysis model;teaching behavior