行为序列分析视角下智慧教室环境对师生互动行为的影响研究

袁宁

（河南师范大学，河南 新乡）

一 引言

随着智能技术的快速发展，越来越多的普通中学开始建设智慧教室( SC )来支持教学。SC 被认为是未来的课堂，旨在优化教学内容的呈现、促进学习资源的获取、改善师生互动、帮助教师评估学生学习和负责课堂教学[1]。

二 智慧课堂师生互动行为分析的研究现状

与传统的“粉笔+ 黑板”和“计算机+ 投影”结合不同，SC 是通过交互式教学平台和各种媒体拓展学习空间、营造氛围的新型课堂。在智慧课堂环境下，教师利用信息技术开展教学的行为是教师信息技术应用能力的外化表现，并已逐渐成为教师信息技术应用能力发展评价的一个重要依据。在一个标准化的SC 环境中，学生有更多的机会在智能技术的支持下进行探索、创造、展示和评价。教师还可以利用该技术呈现教学内容，检测学生的学习状态，诊断教学过程，及时调整教学方法。正如刘邦奇提出的，SC 中增加的学生互动可能包括推动学习资源(如视频、活动、测验等 )和提供反馈、口头交流、及时反馈、个性化教学、作业管理和评价[2]。

简言之，SC 和TMC 具有不同的特点，产生了不同的教与学方法。然而，关于课堂环境中师生互动的比较，尤其是在行为序列层面的比较，研究还比较少。那么，教师和学生的行为及其行为序列模式在SC 和TMC 之间是否存在差异？基于此，故本研究分别从SC 和TMC 教学行为的角度出发，来探究不同教室环境下教师信息技术应用对师生互动行为的影响，从而更好去佐证在智慧教室环境下更好去发挥学生的主体性。

三 研究设计

（一） 研究对象

本研究从“一师一优课”国家教育资源公共服务平台选取了该平台最新的6 个初中数学优质教学视频课例，课型均为新授课。其中3 个研究案例的课堂环境达到了智慧课堂的标准，笔者把这三个案例作为实验组；另外剩余3 个案例对象则是传统的多媒体课堂，这三个案例作为对照组。SC 课例的选择依据是教学环境符合“1:1 数字化环境”要求，具有智慧教室基本特征，师生都拥有一台移动学习终端，使用交互式电子白板等设备[3]。如表1 和表2。

表1 智慧课堂环境下的三个视频案例

表2 传统多媒体课堂环境下的三个视频案例

（二） 研究工具

本研究选用质性分析软件NVivo12 和互动行为序列分析软件GSEQ(Generalized Sequential Querier)两种工具。本研究重点用到了NV12 能够对视频资源进行切分和特定节点编码的功能，GSEQ 可以把NV 编码后地结果作行为滞后分析，进而可以得到行为序列矩阵表和残差图。

（三） 研究方法

滞后序列分析法(Lag Sequential Analysis，LSA)是Sackett[4]（1978）提出的一种行为分析方法，目前已广泛应用于各个领域。在教育领域范围内，LSA能够对互动中的显著行为序列进行分析和研究[5]。它有助于分析学习过程中记录的相关行为的频率，挖掘出重要的行为序列，并分析行为特征，驱动行为的因素和其他有价值的信息。LSA 的优势在于不仅可以实现行为因果关系分析，而且能够实现行为结构模式的可视化，有利于探索隐性的关键行为序列与结构。基于此，在本研究中，LSA 被用来分析在SC 和TMC 两种不同的环境下师生互动有什么区别，进而帮助教师发现教学行为问题，促进教师开展教学反思，从而提升教师的信息技术应用能力[4]。

（四） 编码过程

本研究通过比较智慧教室(SC)和传统多媒体教室( TMC ) 中的行为序列来考察课堂硬件设置对初中数学课堂师生互动的影响。笔者构建了师生互动行为编码模式，通过对课堂视频的回顾，共收集到2972 个可观察到的行为，并进行了顺序编码。然后，建立行为模式图，以教师语言、教师行为、学生语言和学生行为四个主题来可视化滞后序列分析结果。

首先，将6 个视频按1 ～6 编号，逐一导入NVivo，将视频每5 秒暂停一次，即按5 秒分割取样；然后，结合修改过ITIAS 的编码体系，将5 秒取样内容对其编码，为了保证编码的客观性和准确性，笔者连同另外一名研究者同时对课例进行编码，具体过程如下：第一，研究者熟悉ITIAS 编码类别及其行为表述，确保对编码体系持有一致态度；第二，为了使编码效果更贴近事实，笔者在ITIAS 的基础了做出一些小改动，如把“接受情感，表扬，讲授”并入了“教师讲学”这一环节、删除了原有“批评”以及重新分类了“教师活动”和“学生活动”等，具体编码细则如表3；第三，为了保证编码结果的信度，两名研究者各自分别进行编码，编码结束后将两份结果进行分析比较，得出Kappa 值为0.84 大于0.75，表示两份编码数据的一致性较好，然后对不同再商讨确定唯一编码[5]。如表3。

表3 师生互动编码

四 分析结果

（一） 在SC 和TMC 中的教师和学生行为比较

如图1 中显示了在SC 和TMC 行为类别的频率。可以看出，在MC 中，学生驱动的教师谈话、学生发起的谈话、学生驱动的教师活动和学生发起的行动都有所增加，尤其是学生发起的谈话SC 是TMC的三倍还要多，这从一定程度上凸显在SC 中学生更加积极踊跃地发言。

图1 SC 和TMC 行为类别的频率

此外，在SC 和TMC 之间，教师发起的谈话和行动没有明显的变化。通过比较教师主导或学生主导的行为总数，在SC 中，教师发起的谈话增加了4.54%。而学生驱动的教师谈话的增加了11.22%，比前者的两倍还要多。在学生方面，学生发起的谈话比例增加了240%，学生发起的行动增加了20.94%，表明在SC 中的学生主要地位得到了进一步的加强。

如图2 展现的是在SC 和TMC 的具体行为编码频率。与TMC 相比，在SC 中教师教学T1、观察或巡视T9、学生主动回答S1、练习或笔记S7 和实践或实验S9 有大幅度的降低，而教师加入学生活动T8、学生被动应答S2、学生与同伴讨论S5、观察与思考S6 和学生操作技术S8 则有明显的增长。尤其是在S5、S6、S8 方面的提升更能体现SC 课堂更加注重学生的思考和讨论，更能体现出现代课堂以学生为中心的原则。另外在SC 中学生使用技术参与整个课堂教学也可以体现智慧课堂教学模式的多样性。

图2 在SC 和TMC 的具体行为编码频率

（二） 在SC 和TMC 中的教师和学生行为序列模式

图3和图4 分别显示了在SC 和TMC 中重要行为序列转换图。根据滞后行为分析软件Querier 5.1 计算的Z 值，表示该行为序列显著，其中在图3 和图4中相连线的粗细程度表示行为序列的重要性（调整后的Z 值越大，线越粗）。可以看出，在SC 中显示的行为转换网络比在TMC 中显示的行为更加丰富和相互联系。值得关注的是，教师提供反馈（T4）、教师加入学生活动（T8）、学生与同伴讨论（S5）、学生观察与思考（S6）、学生操纵技术（S8）和教师操纵技术（T10）的行为表明学生从事实践活动和使用技术的记录更频繁，学生在SC 中的自我生成行为更多，从侧面也可以表明多样化的教学活动增强了互动[6]。

图3 SC 中重要行为序列转换图

图4 TMC 中重要行为序列转换图

为了探索智能技术在教学中的影响，我们着重从教师操纵技术（T10）和学生操纵技术（S8）两个方面进行分析。在TMC 中，学生和技术之间没有联系，只有教师与技术之间有相互作用，之后才有学生后续的一系列重要的行为，如（T10 →T5 →S5）。此外，教师对技术的使用通常发生在教师教学（例如，T10 →T5）和教师提问（例如，T1 →T10）等。更值得注意的是，在TMC 的环境中T10 →S10 的Z 值达到了6.97，这表明教师在使用技术的同时，学生往往表现出无助和困惑。然而，在SC 中，结合案例视频分析笔者发现教师不仅使用技术进行教学（T1）和提问（T2/T3），还用于测试发布任务（T5），观察学生行为（T9），帮助学生通过技术（S8），进行观察思考（S6）以及辅助记笔记和练习（S7）。虽然通过行为序列可以看出在SC 和TMC 中重要的行为序

列存在差异，但区别不是很大，但结合案例视频分析可以发现在SC 和TMC 两种环境中学生中都存在很大比例的沉默行为，这可能值得去探索导致学生在TMC 或SC 中学生经常不发声沉默行为的原因[7]。

五 结语

（一） 在不同课堂环境中师生对话与行动分析

对话是指老师和学生之间的口语行为。SC 和TMC 环境之间的学生谈话总数没有显着差异。然而，学生在SC 中提问（T2）的频率有所下降（TMC 中T2 概率为2.16%，SC 则为2.08%），而教师要求学生阅读（S4）的频率降低了（TMC 中S4 的概率0.36%，SC 中则为0.06%）。这表明学生主要通过活动或者操作技术来回答教师问题。总体而言，不管是在SC 还是TMC 环境中，教师谈话（T1）在整个课堂上所占的比例都是最大的。然而，在SC 的教师谈话减少了（TMC 中T1 的 概 率31.75%，SC 中 则 为28.74%），主要是因为教师的教学减少了，而他们提供反馈（T4）和提供指导（T8）的行为比例却明显增加了。

行动是指没有语言投入的具体活动。与TMC 相比，学生在SC 中的主动行为显著增加，包括主动思考和操纵技术；然而，相比之下学生的笔记和练习有所下降是因为学生相当部分的笔记和练习是通过平板来实现的。此外，教师在操纵技术工具和智能测试方面的行动也显著增加。出乎意料的是，在SC和TMC 环境中，学生无助和困惑行为的频率使我们重新考虑技术的影响，就其优势和劣势而言，一方面，在TMC 中，多媒体技术有利于丰富学习内容的呈现，显示难以视觉表达的信息，加深学生对抽象知识的理解。另一方面，在技术丰富的环境中，教师有时会过于关注技术，忽视了师生之间的互动以及学生与技术之间的知识构建过程。因此，这是学生在TMC 中安静行为的最重要原因之一。

（二） 在不同课堂环境中驱动方式的行为差异

研究表明，与TMC 相比，在SC 中教师发起的谈话和学生发起的谈话都有增加，值得注意的一点是学生发起的谈话明显增多，这表明在SC 环境下学生表现的更加积极活跃，更加勇于表达自己的见解和想法。另外可以发现学生发起的行动与学生驱动的教师行动之间存在显著差异。虽然两者在SC 中都有所增加，但学生发起的行动变化的更大。结合案例视频分析发现通过移动终端，学生可以一起检索信息并克服问题，这有助于他们节省寻求老师帮助和等待反馈的时间。这表明SC 帮助学生以协作的方式学习。在比较教师驱动的行为和学生驱动的行为时，值得注意的是，教师基本上很少加入到学生的活动中。也就是说，当教师与学生一起解决问题或在实验中实验时，因为班级规模普遍很大（每班约40 名学生，甚至更多），因此教师很难亲自参与学生的合作。在这种情况下，教师通常会随机询问观察部分小组的进展情况，并评估或提供必要的指导。

（三） 在SC 与TMC 环境下的师生互动

本研究的研究结论可以在一定程度上代表在SC和TMC 之间师生互动的主要差异，总结如下：首先，在SC 中增加了从移动终端收集学生学习状况信息的重要渠道；同时，智能技术支持教师以更少的努力发现学生的错误，更方便教师评估学生的状态并提供及时有效的反馈；其次，在SC 中支持教师创造更丰富的互动类型，教师可以使用在线平台组织各种形式的活动（例如，测验，游戏和比赛）。当学生完成测试时，该平台会自动记录一些关键信息（例如，速度、正确率等），代表他们的学习状态，并在技术援助下提供更有效的反馈和指导，以优化交互过程；第三，在SC 提供了更好的教学内容展示方式。教师在SC 中使用图形和文本来丰富学生的观察和聆听行为，并以更直观的方式可视化抽象内容；第四，在SC 环境下使用课堂管理更加方便，帮助教师从不利于教学的琐碎活动中抽出时间。例如，教师可以利用在SC 中的教学管理和活动下对应的使用功能来改善和提高活动质量，使互动更加高效；第五，学生也有更多机会操纵SC 中的技术，特别是在思考和创造过程中（例如，搜索资源，分组协作，共享作业，在虚拟实验室中进行实验），这有助于通过直接参与获得特定的学习经验。因此，学生的行为（谈话和行动）的比例增加，我们还发现，当学生学习新知识或抽象概念时，智能技术会产生很大的影响。