以自动化评价助力大单元教学的整体优化—— 以“整式的加减”单元教学案例为例

郑贤玉 苏洪雨 许世红 刘军民

一、问题提出

《义务教育数学课程标准（2022 年版）》（以下简称“《课程标准》”）在“课程实施”的教学建议中提到“选择能引发学生思考的教学方式”，其具体要求如下：一要丰富教学方式，探索大单元教学，促进学生核心素养发展；二要改变过于注重以课时为单位的教学设计，推进重视单元整体设计，体现数学知识之间的内在逻辑关系，以及学习内容与核心素养表现的关联。[1]可以看出，中小学教师要推动学习有效发生，落实学生核心素养培育，采用大单元教学是重要途径和有效抓手。

那么教师如何把握大单元课堂教学的整体实施情况，及时洞察并确立大单元教学的优化方向，从而实现教学整体优化呢？采用基于信息技术和人工智能开发的课堂教学智慧评价系统（classroom structure-based multimodel-supported scoring system，简称CSMS）[2]是一种新的尝试。CSMS以学习发生的知行模型[3]为理论支点，借助机器自动化分析生成单课时大数据分析报告和大单元分析报告，从而建构出素养导向的课堂教学质量评价体系，它是助力教师常态化、自主性专业成长的一种新的评价工具。机器自动化评价助力大单元教学整体优化包括以下环节：首先，使用CSMS对2 节课例进行前测，教师Z对自身教学进行诊断；其次，教师Z熟悉CSMS大数据分析报告，根据前测诊断结果做大单元教学设计，改进数学教学质量；再次，使用CSMS对9 节大单元教学课例进行测评，比较前测2 节课例与9 节大单元教学课例的评价数据，找到差距和不足，实现大单元教学的整体优化。

二、研究对象、目标与框架

1.研究对象

自2022 年9 月起，广东省教育研究院联合努比技术公司在广东省开展“5G+CSMS 助力教研数字化转型”实验项目[4]，省内多所中小学积极响应，纷纷加入教学实验队伍。作为某实验学校初一年级的数学科组长，Z 教师有20 余年的执教经验，她积极热心地参与了“5G+CSMS 助力教研数字化转型”实验项目，期望借助该教学实验项目带领学校数学科组教师学习新的测评技术，实现职业发展的新突破。

Z 教师按照实验规范先进行2 节课例前测，熟悉基于CSMS 数据优化课堂教学的基本方法，借助CSMS 发现自身教学的优缺点，为后续大单元教学设计做好准备。随后，完成人教版7 年级数学上册第2 章“整式的加减”大单元教学的9节课例。这11 节常态课例成为本文的研究对象。

2.研究目标

机器自动化评价助力大单元教学整体优化研究有3 个目标：第一，运用CSMS 大数据分析报告，检验各节课例的实施效果；第二，运用CSMS大单元分析工具，检验大单元教学活动是否体现素养导向，以寻找完善的方向，不断优化教学设计；第三，运用课堂专项指数进一步洞察大单元教学的整体优化情况。

基于这一目标，Z 教师首先基于2 节前测课例的CSMS 大数据分析，诊断出自身课堂教学的优缺点，明晰优化方向；其次，对人教版7 年级数学上册第2 章“整式的加减”大单元9 节课例做整体设计；再次，基于CSMS 大单元分析工具，评价9 节课例的教学情况、课时特征、素养培育匹配情况等；最后，借助课堂专项指数，评估各课时及大单元教学的育人成效，辅助教师检验学科核心素养是否在各课时与大单元教学中有所贯彻，最终不断改进和优化教学活动。

3.研究框架

CSMS 大单元教学分析框架主要包括CSMS大数据分析、大单元分析、课堂专项指数3 个模块。（详见表1）借助该分析框架，研究者可以发现课堂教学的特点，并基于机器自动化评价数据来诊断、改进与优化教学。所有定量数据均来源于11 节常态课例，相关课例音视频文件上传到CSMS 平台后，自动生成对应指数值与指标值。

（1）CSMS 大数据分析

CSMS大数据分析选取了课堂整体表现中的目标定位、课堂艺术、课堂调控、思维激发、评价反馈、整体发展、合作交流、学习体验、目标达成这9 个指数[2]，重点分析课堂教学结构的合理性。教师将每一节课采集的课堂教学视频文件即时上传到CSMS平台，由其自动生成对应指数值与指标值，借助CSMS大数据分析报告，可以及时发现课堂教学存在的问题，对课堂教学的设计和教学活动及时进行反思，及时调整教学策略，不断改进和优化课堂教学。

（2）CSMS 大单元分析

CSMS 从重要教学策略运用、4C 核心素养培育有效性、大单元课堂教学特征3 个方面，重点分析单元内课堂间的有机配合情况，直观展示了教学的整体实施状况。[4]本文选取课堂管理、合作交流、思维激发、课堂知行思维特征这4 个角度，分析“整式的加减”9 节课例的教学实施情况、课时特征、素养培育匹配情况等。

（3）课堂专项指数分析

课堂专项指数能协助教师洞察学科核心素养和学生综合素养的培育情况。[5]CSMS 提炼出学生学科自信指数、学习课堂兴趣指数、学科素养导向指数，用于评估各课时及大单元教学的育人成效，辅助教师检验学科核心素养是否在各课时与大单元教学中有所贯彻。

三、研究过程

1.前测课例的CSMS大数据分析

Z教师先执教了前测课例1“有理数的混合运算”，该节课的CSMS 大数据分析报告显示：在9个CSMS 大数据分析指标中，目标定位、课堂艺术、评价反馈、整体发展、学习体验等5 个指标表现良好，建议继续保持；而合作交流、目标达成等指标表现偏低，需重点关注。（见表2）

表2 前测课例的CSMS 大数据分析情况单位：分

在CSMS的精准指引下，Z教师讲授了前测课例2“乘方”，根据课例1 的大数据分析结果，她着重在学生主体的合作交流指标上尝试改进。从表2 可以看出，在前测课例2 中，Z教师的教学优点得以保持，且在合作交流指标上改进效果明显；与此同时，思维激发指标得分也有所提升。前测课例的大数据分析报告表明，教师学会使用测评工具后，能够及时发现不足，并通过改进教学行为以提升教学质量，这为后续大单元教学的设计与优化提供了实践基础。

2.大单元教学整体设计

《课程标准》对大单元整体设计给出了具体建议：大单元整体教学设计要整体分析数学内容本质和学生认知规律，合理整合教学内容，分析主题、单元、课时的数学知识以及核心素养的主要表现，确定大单元教学目标，并落实到教学活动各个环节，整体设计、分步实施，促进学生对数学教学内容的整体理解与把握，逐步培养学生的核心素养。[1]

根据《课程标准》要求以及前测课例的CSMS大数据分析结果，Z 教师从大单元教学知识技能与思想方法、关联核心素养及其相互关系，对“整式的加减”大单元进行整体设计：一是分析具体问题中的数量关系，并用代数式表示，进一步理解用字母表示数的意义；二是理解整式的有关概念，掌握合并同类项和去括号法则，进行简单的整式加减运算；三是通过类比数的运算学习式的运算，体会“数式通性”，感悟类比的思想方法；四是发展数学抽象能力、运算能力、推理能力、模型观念、应用意识、创新意识等核心素养。

Z 教师结合大单元特点，对教材内容进行了重组整合，明晰了每节课关联的主要数学思想方法与需要重点培育的学科核心素养，作为教学一体化实施的参照系。各课时的具体知识技能方法与素养导向规划详见表3。

表3 大单元教学实施规划一览

结合大单元教学特点和前测课例的CSMS 大数据分析结果，Z 教师制定了3 条教学策略：创设真实情境，感受数学与生活实际的密切联系；注重类比学习，渗透数学思想方法；拓展探索交流空间，发展思维能力。在概念习得、运算法则研究等活动中，Z 教师非常注意为学生创造思维探索以及合作交流的空间。

3.CSMS大单元教学分析

（1）CSMS 大数据分析

表4 展示的是11 节课例CSMS 大数据分析整体表现。可以看出，在2 节前测课例和9 节大单元教学课例中，目标定位、课堂艺术、评价反馈、整体发展、学习体验这5 个指数的得分均在高位正常波动，说明Z 教师专业素质高，表现一贯优秀。值得一提的是，课堂调控、思维激发、评价反馈、合作交流这4 个指数的得分均呈现上升态势。与此同时，Z 教师的前测课例1 的平均得分为87.6 分，前测课例2 的平均得分为91.7 分，9节大单元教学课例的平均得分为91.8 分，这既说明CSMS 大数据分析可以协助教师精准洞察课堂教学问题，助力教师不断优化课堂，又初步呈现出大单元整体教学效果超越单一课时教学效果的优势。

表4 11 节课例CSMS 大数据分析整体表现单位：分

（2）CSMS 大单元分析

大单元教学需要单元内各课时之间的有机配合，只有这样才能实现大单元整体超越单个课时简单累积的教学效果。本文选取课堂管理、合作交流、思维激发、课堂知行思维特征4 个维度，探讨“整式的加减”9 节课例的教学内容、课时特征、素养培育的匹配情况。

在CSMS 大单元分析中，本研究采用“指标对”来生成分析维度。“指标对”是由两个相互影响的指标组合而成的，其分值由CSMS 自动生成。每个模块下的若干“指标对”构成若干二维平面，每节课相应的“指标对”得分则呈现为对应平面上的一个点，从不同角度形象描述模块的关键特征，以生动呈现课堂教学的平衡性、制约性和复杂性。[4]CSMS 在各个“指标对”构成的坐标平面内设定了4 个体现价值引导的区域，分别用“负向”“较负向”“较正向”“正向”标注。

①课堂管理

课堂管理主要体现在积极氛围、课堂控制、问答评表现、有效表达等方面。若教师能运用积极话语、饱满情绪营造正面宽松的课堂氛围，且较少运用指令或说教方式来维持课堂纪律，则有利于学生获得更好的学习体验。可用两个“指标对”衡量课堂管理情况。[6]

第1 个“指标对”是“积极氛围—课堂控制”。一节课在“积极氛围”“课堂控制”这两个指标维度的取值，对应于图1 坐标平面上的一个点，点的位置反映该堂课的课堂管理在营造积极和宽松自由氛围感受上的表现。图1 展示了9 节大单元课例在“积极氛围—课堂控制”坐标平面上的分布情况，黑点是9 节大单元课例所处位置和得分，空心点代表9 节课例的平均水平。负向、较负向、较正向、正向这4 个区域的划分标准源自广东省中小学课堂大数据报告（2022 年）的相关常模[5]，下同。

图1 “积极氛围-课堂控制”的表现

图1 显示，空心点（大单元9 节课例均值）位于正向区域，有7 节课例也位于正向区域，课例（1）位于较正向区域，课例（6）处于负向区域，说明Z 教师在整个大单元教学中的课堂管理风格偏向民主和谐，教学节奏控制适当，营造了宽松积极的课堂学习氛围。

第2 个“指标对”是“问答评表现—学生有效表达次数”。其中，问答评表现（initiation response evaluation，简称IRE）用3 个基本类型的加权数量来衡量。若教师能有效运用IRE 模式了解学情，且给予学生充分表达的机会，则有利于学生专注于数学学习活动。

图2 显示，空心点（大单元9 节课例均值）位于正向区域，有5 节课例位于正向区域，2 节课例位于较正向区域，课例（6）位于较负向区域，课例（5）位于负向区域。9 节课例中，学生有效表达次数均在10 次及以上，说明学生在课堂上能完整、充分地进行表达交流；但IRE 加权总数值的波动较大，说明Z教师在9 节课例中使用IRE模式了解学情方面表现还不稳定，仍有提升空间。

图2 “问答评表现-学生有效表达次数”的表现

具体来说，Z教师在课例（2）“单项式”、课例（3）“多项式”、课例（4）“合并同类项”这3节课中的课堂管理表现很好；在课例（6）“整式加减的实际应用”中，学生课堂体验不佳、有效表达次数不高，这既是由教师课堂管理表现较弱造成的，也与课程内容难度较大息息相关。

2、加强基层动物防疫机构建设根据经营性服务和公益性职能分开的原则，积极推进乡镇畜牧兽医站改革。由县级兽医行政主管部门按乡镇或区域设立畜牧兽医站，人员、业务、经费等由县级兽医行政主管部门统一管理，承担动物防疫、检疫和公益性技术推广服务职能。要将原由乡镇畜牧兽医站承担的诊疗服务等经营性业务进行科学界定，并与公益性职能合理分离，使其走向市场。鼓励和引导乡镇畜牧兽医站分流人员创办经营性兽医服务实体。

②合作交流

合作交流是师生、生生之间的互动交流，主要体现在教师讲授的方式、学生的学习活动和交流情况等方面。可用“教师主导讲授—学生自主学习”“课堂学生活动时间—学生交流与合作的有效度”这两个“指标对”来衡量大单元各课时师生合作交流的有效程度。

从图3“教师主导讲授—学生自主学习”的表现可以看出，空心点（大单元9 节课例均值）位于较负向区域，有7 节课例也位于较负向区域，只有课例（5）和课例（6）位于正向区域，说明Z 教师在整个大单元教学中还是采用主导讲授形式，学生自主学习用时占比不高，仍有一定的优化空间。若教师能在平衡教与学的前提下，尽量把课堂时间让渡给学生开展自主学习，则可以为学生充分表达、合作交流创造出时间和空间。

图3 “教师主导讲授-学生自主学习”的表现

从图4“课堂学生活动时间—学生交流与合作的有效度”的表现可以看出，空心点（大单元9 节课例均值）位于较负向区域，课例（7）位于正向区域，课例（9）位于较正向区域，课例（3）（4）位于负向区域，其余5 节课例则位于较负向区域。有6 节课例的课堂学生活动时间占比高于常模，说明学生的活动时间较为充分。

图4 “课堂学生活动时间-学生交流与合作的有效度”的表现

从学生交流与合作的有效度来看，课例（1）～（4）侧重于概念理解与运用，学生交流合作的有效度为30%～40%；课例（5）～（9）侧重于技能练习、问题解决、方法梳理，学生交流合作的有效度为45%～60%。总体而言，9 个课例中学生的交流与合作情况和其课时特征是匹配的。比如，教师在课堂上给予学生较多的活动时间，学生利用活动时间进行合作交流的有效度就会很高，这也在一定程度上说明了大单元教学中学生的合作交流素养得到了较好培育。

③思维激发

可用“思维激发开放度—强化知识记忆倾向”“教师推动有效学习程度—思维激发开放度”两个“指标对”衡量大单元各课时学生课堂思维激发的开放与有效程度。思维激发开放度用教师在授课时激励学生从不同角度思考的有意义的次数来衡量。例如，课堂上教师经常组织“知识重温”“学习目标设定”“课堂总结”等与知识技能记忆相关的教学活动，出现该活动情形则计1 次。这些次数用来衡量教师强化知识记忆的程度。教师推动有效学习程度是根据学习发生的知行理论，主要衡量“为何”（解释欲）、“如何”（实践欲）方式的有效使用程度。[4]

图5 中，空心点（大单元9 节课例均值）位于较正向区域；2 节课例位于正向区域；5 节课例位于较正向区域，其中课例（4）和课例（8）是重合的；课例（1）和课例（7）位于负向区域。这次的大单元教学主要是从具体数的情境中抽象出式子的表达，从图5 可以看出，整个大单元的情境创设、思维开放整体是良好的，但数学思想方法运用的稳定性仍有提升空间。这提示教师要经常激励学生从不同角度思考，不要过于强调知识技能的记忆要求，为学生更自由发散地展开探究性学习提供帮助。

图5 “思维激发开放度-强化知识记忆倾向”的表现

图6 “教师推动有效学习程度-思维激发开放度”的表现

④课堂知行思维特征

衡量课堂知行思维特征的“指标对”为“教师思维激发特征—学生课堂思维特征”，分别对应知行教学风格、知行学习风格。CSMS 借由“四何”（“是何”“为何”“若何”“如何”）的分布可以计算并推测教师课堂知行思维激发特征（教学风格），同样的分析算法也可用来洞察学生的课堂思维特征（学习风格）情况。[4]

从9 节课例的内容以及对学生的认知要求可以看出，课例（1）（2）（3）（9）属于概念问题，与“是何”“如何”的教学风格相关；课例（4）～（8）属于数学运算活动，对应学生的认知，它既涉及概念，又涉及思想方法，还涉及内化建构和场景认知，与“为何”“如何”“若何”的教学风格相关。图7、图8 显示，Z 教师的教学信息投放重心都在概念抽象方面（即“是何”类信息），适当兼顾了“为何”类信息与“如何”类信息；而学生则对场景类信息（即“若何”类）更感兴趣，对“行：内化建构”有更高的需求。这种教师教学思维与学生思维诉求之间的差异，令大单元教学配合有了优化空间。这提示教师在大单元思维激发活动中投放的信息要均衡照顾“四何”，采用能够成功调动学生开展积极活跃思考的思维激发措施，让学生在大单元教学中表现出的思维特征有效地覆盖知行平面的各个象限。比如，在设计数学内容时应该考虑投放更多场景类信息，多引导学生探索问题背后的原因，更好地满足学生的思维诉求。

图7 教师思维激发特征（知行教学风格）

图8 学生课堂思维特征（知行学习风格）

（3）课堂专项指数分析

课堂专项指数分析能协助教师洞察课堂学科核心素养和学生综合素养的培育情况。从同行反馈的信息以及课堂观察得知，Z 教师所教授的班级在同一年级中表现俱佳，其课堂气氛活跃，注重师生交流，学生主体地位较高、思维比较活跃。Z 教师形成了关注学生自主表达观点、强调数学思维培养、注重课堂民主管理的教学风格。表5 显示，虽然9 节课例在3 个课堂专项指数上的具体表现有波动，但大单元平均表现还是超出了初中数学课堂相应指数的常模值。[7]其中，学生学科自信指数超出广东初中生数学常模均值33.73 分，表现尤其突出，学生课堂兴趣指数超出常模均值3.2 分，学科素养导向指数超出常模均值7.8 分。可以看出，CSMS 大单元9 节课例的课堂专项指数评分结果与Z 教师的教学风格是相吻合的。

表5 大单元9 节课例的课堂专项指数分析单位：分

四、总结与反思

大单元教学在课程整合、学生数学核心素养提升方面有着一定的优势，然而，如何评价具有多种主题、课型、活动等需要内容整合的大单元教学，也成为教育评价的难点。CSMS 能够对教学的过程进行机器自动化分析，并自动输出评价结果，这对大单元教学的评价有一定的辅助作用，也可以帮助教师发现教学中的不足。

从上述案例研究可以看出，借助CSMS 大数据分析，教师可以不断优化教学方法，提升学生核心素养；对于科组教研而言，全体成员参与并结合课堂教学评价数据，可以优化集体备课效果。但值得注意的是，基于CSMS 的大单元教学自动化分析也存在不足：评价过程倾向于使用某些指标的定量评价，不能揭示教学的全貌，而且在学科特征方面指向性不够突出；评价结果的呈现方式比较简单，缺乏对课堂变化的连续追踪。

1.将CSMS用于教师个体和科组教研的教学优化

实验研究表明，CSMS 课堂大数据报告可以帮助教师诊断课堂教学优缺点，有意识地发现、分析、优化教学方法。[8]当CSMS 某个指数或相关的细项指标出现低分时，意味着对应的教学环节需要改进，低指数在一定程度上能够灵敏地指向课堂有待改进和优化的方向。例如，CSMS 评价显示教师在互动交流方面得分不高，这就意味着教师需要在教学活动中加大探索师生互动交流的空间，发挥学生学习的主动性和积极性，发展学生的思维能力，提升课堂教学质量。

CSMS 大数据诊断结果不仅对教师个人的教学能力发展有重要参考，还可以助力学校学科组教研。在“整式的加减”大单元教学过程中，学科组全体教师将常规的教学内容、教学方法、教学活动的质性研讨与CSMS 的定量分析相结合，针对每堂课的CSMS 大数据分析结果，及时对下一课时的教学策略做出调整，不断改进和优化学科组的集体备课策略，提升科组整体的课堂教学质量。

2.从多维度展开CSMS大单元教学

前文分析发现，CSMS 评测结果与Z 教师在思维激发、交流互动、学科自信、课堂兴趣和学科素养导向等方面的实际教学情况高度吻合。可以看出，CSMS 的大单元数据分析显示出极高的灵敏度和准确度，从学科内容与课时特征、思维激发的科学匹配等方面，较为准确地反映出概念课和技能课的不同特征和效果。[9]

然而，大单元教学是一个多课型、多主题、多活动的综合体，无论设计、实施和评价，都要从多维度开展。CSMS 虽然在目标定位等9 个指标上给出了相应的数据，但这些指标缺乏评价“课与课”的关联，针对学生核心素养的表现（尤其是批判性和创新性思维）、教师的教学改进过程等内容也没有给出细化的评价指向。未来，可适当增加对课程关联度的分析，以及对学生在学科素养表现变化方面的分析，让教师从教学设计、实施过程和教学评价多个角度全面理解大单元教学，并不断进行优化。

3.CSMS评价结果呈现方式应该多样化

大单元教学注重课程的结构化，强调整体教学，从单独的课例分析难以全面评价大单元教学的效果。CSMS 根据学习发生知行模型，从多模态对课堂教学进行分析，借助于机器自动化分析，给出多个课堂教学评价维度的数据，有助于发现大单元课堂教学存在的问题，并展示大单元教学的发生发展过程。

不过，当前的CSMS 只是给出评价的结果性数据，呈现方式比较单一，对于教学评价结果的解读不够详细。大单元教学中，课程的结构化、课堂的连续性、学生核心素养形成的过程性等特征尤其不能被忽视[10]，因此，CSMS 自动化分析结果更要体现这些特征。那么，在未来的CSMS 分析中，首先需要增加对大单元教学设计的文本分析，结合课堂实施，完整展示课程整合的结果，包括教材分析、重难点处理、学情把握等。其次，针对教师的主导行为和学生的主体表现，可尝试使用连续的追踪曲线或者雷达图，更清晰地展示大单元教学的过程性[11]，帮助教师发现教学过程中的不足。最后，评价结果要呈现学生核心素养形成的过程，展示学生在合作、交流、批判、创新等指标上产生了怎样的变化，反映大单元教学设计的实施效果。[12]

将AI 技术应用于课堂教学评价还属于探索性研究，通过上述案例的分析，可以发现CSMS在自动化分析大单元教学中存在的优势和不足，这为未来的机器自动化助力课堂教学提供了重要的参考，也将对未来的教学评价产生重要的影响。