小学人工智能课堂教学行为分析研究

摘 要：课堂教学行为分析能有效帮助研究者、教学者了解课堂特征、发现教学问题，促进其进行教学反思并提升课堂质量。本研究以12节2022学年G市中小学人工智能优秀课例的教学视频为研究对象，采用滞后序列分析法，对所选取的优秀课例的教学视频进行对比分析，并结合具体的教学片段进行个案分析，从教学主体、教学内容、教学范式、教学设备等4个维度进行辨识，总结出优质小学人工智能课堂特征，并在此基础上提出了相应的建议，以期提升人工智能教师的教学能力。

关键词：小学人工智能课；课堂教学行为；滞后序列分析

中图分类号：G4 文献标志码：A 文章编号：2096-0069（2024）04-0038-06

引言

随着人工智能技术的普及和应用领域的拓展，教育领域对人工智能的应用也给予了高度重视。目前人工智能课程已被G市视为重要地方课程之一，要求每两周至少安排1课时。那么，优质小学人工智能课堂特征有哪些？如何有效地开展一节优质的小学人工智能课？为此，本研究构建了小学人工智能课堂教学行为框架，选取了G市中小学人工智能课程优秀课例进行滞后序列分析，探索小学人工智能优质课堂的内在规律，并为小学人工智能教师提供有针对性的建议。

一、文献综述

（一）课堂教学行为分析

在教学行为分析这一领域，较为成熟的分析系统有弗兰德斯提出的互动分析系统（The Flanders Interaction Analysis System，简称FIAS）、S-T分析系统。近年来，国内研究者基于不同的教学环境，对其进行了探索和改进。如顾小清等[1]提出的基于信息技术的互动分析编码系统（Information Technology-Based on Interactive Analysis System，简称ITIAS），相较于FIAS增加了技术的类别，以期反映技术在课堂教学中的意义，从学生和教师两个角度对其行为进行细分，分类维度清晰易懂，对于改进教学具有较大的意义。郭炯等[2]在参考S-T分析法及FlAS的基础上构建了一个用于分析师生在数学学科能力培养中课堂技术应用行为的框架。鉴于本研究的研究对象为中小学人工智能课例，并考虑到人工智能课程与一般的学科课程存在差异性，因此，本研究在参考S-T模型、ITIAS的基础上，结合人工智能课堂的特征，形成人工智能课堂教学行为分析编码体系。

（二）滞后序列分析法

滞后序列分析法（Lag Sequential Analysis，简称LSA）主要用于评估在某行为发生后，另一种行为出现的频率，及其在统计学上是否具有显著性。如今，在教育领域已有许多研究者使用LSA研究课堂教学行为。例如，杨现民等[3]认为，LSA能够协助教育工作者理解学习者潜在的行为模式；彭林华等[4]应用LSA对智慧课堂教学行为进行研究，分析教师的教学行为模式，以提升教师在信息技术应用方面的能力；薛晓倩等[5]以某平台语文部级优课为研究对象，采用LSA揭示语文课堂师生问答行为现状并提供建议。综上，LSA在探索课堂教学行为模式上有较好的效果，因此，本研究选用LSA探索人工智能课堂教学行为模式。

二、研究设计

（一）研究对象

本研究从G市中小学人工智能教学平台抽取6节一等奖教学视频（组1）和6节非一等奖教学视频（组2），共12节，其中获奖视频均由专家背对背评选。鉴于参赛情况，样本学段定为小学，每个课例时长约40分钟。G市中小学人工智能课程包括4种类型：通识型、应用型、编程型、开发型。经分析，优秀课例中后3类占比较大，因此在这3类课程中进行样本抽取。

（二）研究方法

本研究在参考S-T模型、ITIAS、OOTIAS的基础上，结合研究者对教学视频的观察和人工智能课堂的特点，将教师行为分为讲授、与学生互动、下达指令/任务、操作演示/指导、评价、秩序管理、板书等7种行为，以Tn进行编码；将学生行为分为技术体验、上机实践、成果展示、与教师互动、沉寂等5种行为，分别以Sn和SL进行编码。如表1所示。

（三）抽样及编码方法

本研究首先从优秀课例中各挑选一节视频，由4名编码者一起观看，在此过程中确定行为归属级别，并建立统一的评价尺度。在后续实验中，本研究安排4位研究人员独立对视频进行编码，每10秒进行1次采样，共获得2935个行为样本，通过GSEQ 5.0软件的运算，得到相应的频次表及残差值。

三、分析结果

（一）小学人工智能课堂教学行为频次统计分析

本研究共选择教学视频12节，组1和组2分别包含6节，共形成编码2935个。总的来说，组1教师行为时长占比54.7%，学生行为时长占比45.3%；组2教师行为时长占比53.6%，学生行为时长占比45.7%。两组课例中，教师行为时长与学生行为时长占整节课时长的比例较为相似，且接近50%，说明两组课例中教师均贯彻了以学生为中心的教育理念，充分展现了学生在课堂中的主体作用。

（二）小学人工智能课堂教学行为分析

本研究将编码数据导入GSEQ 5.0软件，得到了两组课例调整后的残差值表。根据残差值表，分别绘制了组1、组2的人工智能课堂教学行为模式图，如图1、图2所示。

在组1和组2的课例中，观察到有以下几个共同点：

（1）教师评价与学生成果展示之间存在显著转移序列，教师评价随学生成果展示的出现而出现（S3→T5），说明优质人工智能课堂注重对学生展示的反馈，教师能够即时对学生的回答和作品进行点评。

（2）教师与学生互动、学生与教师互动之间均存在显著转移序列（S4→T2，T2→S4），且转移显著性方面均高于其他教学行为，说明优质人工智能课堂都比较注重师生间的双向互动。学生能主动提问教师、积极回答教师问题，教师也能及时回应学生的提问，积极地对学生的回答进行引导、提示。

（3）在学生行为中，技术体验（S1）及上机实践（S2）都达到了极高的显著水平，说明在优质人工智能课堂中学生能够积极地参与技术体验和上机实践，同时也凸显了该课堂重视学生的实操和AI技术的体验。

通过观察、分析可知，两组教师的课堂教学行为之间存在显著差异。具体为：组1课例中，关联其他行为最多的是S4（4个），重心效果明显；组2课例中，主要是以T1发起、结束的教学行为为主（分别为2个、2个）。

在组1课例中，学生主动提问与回答等互动行为会随教师提问、回答、引导等互动行为的出现而出现（T2→S4），且学生的互动行为持续时间较长（S4→S4），说明教师关注学生在课堂中的主体性，教师使用板书进行知识点梳理的行为会随学生回答行为的出现而出现（S4→T7）。结合课堂实录可知，在师生问答互动时，教师会通过提问的方式，引导学生回答的内容尽量与课程知识点接近，随后教师通过板书帮助学生重新回顾知识点或梳理思路，从而引导学生内化知识。目前，小学人工智能教师已经能熟练使用技术及言语对学生开展多样化的评价[（S4→T5）和（S3→T5）]。结合课堂实录可知，在学生进行上机实践、合作探究等活动时，教师能及时给予学生上机指导、演示帮助等，能够灵活转换自身课堂角色（S2→T4），持续时间适中（T4→T4），并且多数教师提供技术指导均针对学生的问题进行一对一指导。在课堂上，教师也没有忽略传统媒体的使用（S4→T7）。在学生的行为中，虽然两组课例在技术体验和上机实践中都达到了极高的显著水平，但在组2课例中，此行为并没有与其他行为发生显著性关联，而在组1的课例中，教师秩序管理行为常紧随学生技术体验后发生（S1→T6），结合视频实录可知，多数学生在技术体验时呈现出非常高的学习兴致，非常主动地与同伴讨论，因此课堂会比较吵闹，反映出学生对技术体验很感兴趣，这时需要老师通过秩序管理加以正确引导，将学生的兴奋劲引导到学习上。

从图2可以发现，组2数据呈现了两条较为完整

的行为序列[（T6→S3→T5→T1→T7）和（T6→S3→

T5→T1→SL）]。在序列中，学生成果展示紧随教师管理秩序之后（T6→S3）。结合课堂实录可知，学生在上机实践后期会出现秩序混乱的情况，因此教师往往会先管理秩序，再进行学生成果展示；教师讲授行为会导致沉寂的发生（T1→SL），反映出教师讲授行为在一定程度上没有得到学生回应，教师讲授水平相较于组1课例中的教师偏低，有可能是因为教师讲授内容太难或内容没有引起学生兴趣。除以上两条行为序列之外，同时还存在着另一对相互循环的序列[（T2→S4）和（S4→T2）]。观察图2可知，虽然教师在课堂中注重与学生互动（T2→S4），但是这种互动更多是由教师发起的（S4→T2），并且这种互动没有与课堂其他行为形成显著相关关系，这反映出教师难以将教学互动融入人工智能课堂。此外，师生上机实践、操作行为并没有与任何一个行为形成关联，但这些行为都与本身高度相关（S1→S1）（S2→S2）、（T4→T4），这反映出课堂上机操作、技术体验等使用技术的行为与其他行为产生了脱节。

四、研究结论与建议

（一）优质的小学人工智能课堂特征

本研究通过对两组课例教学行为的对比，并结合具体教学片段的个案分析，参照教学行为发生后观察到的学生实际反馈，从教学主体、教学内容、教学范式、教学设备等4个维度进行辨识，总结出优质小学人工智能课堂教学行为特征。

1.在教学主体上，凸显以学生为主体的师生双向课堂交互

通过分析数据可知，课堂学生行为时间占比高于教师行为时间占比。具体来说，课堂中教师讲授所占时长较少，学生回答问题、技术体验、上机实践等时间较多。尤其是在组1课例中，师生交互以“老师讲授→老师与学生互动→学生与老师互动→评价”为主要行为逻辑，且技术的加入、开放提问型和正向反馈型的对话模式凸显了人工智能课堂中以学生为主体的师生双向课堂交互。具体如下：

（1）技术的加入让课堂的师生互动形式更丰富、高效。教师通过简单的随机点名、抢答、拍照上传、展示等功能与学生开展实时互动，便捷的交互方式和丰富的交互内容提高了学生的课堂参与度，让学生在师生沟通交流中占据主体地位。

（2）师生互动形成了开放提问型的对话模式。教师提问更侧重开放性问题，其能有效地促进学生的深度思考。结合课堂实录发现，组1教师提问是基于特定情境，以开放的发散性问题为主，擅长为学生创造思考的条件。另外，在人工智能课堂中，教师较少提出诸如“能不能？对不对？”等局限性、封闭性问题。

（3）师生互动形成了正向反馈型的对话模式。据前文，教师评价行为与学生成果展示间存在显著转移序列，说明教师能够开展小组评价、自我评价等多样化评价。值得注意的是，教师在开展口头评价时擅长对学生情感上的接纳。教师给予学生正向评价和引导，可以有效提高学生的学习积极性，进而凸显人工智能课堂中学生的主体地位。

2．在教学内容上，围绕人工智能核心素养进行教学内容设计

中小学人工智能课程隶属于中小学信息科技课程体系，因此人工智能课程核心素养应符合信息科技课程核心素养。

通过深入观察课堂实录，并结合教师教学设计，可知教师在教学内容设计上是从以下几个方面入手的：

（1）突出人工智能基础知识与核心概念：着重讲解人工智能的基础知识和核心概念，如人脸识别、深度学习等。通过详细解释这些概念和原理，帮助学生扎实掌握基本知识，为后续的学习和应用打下坚实的基础。在组1中，我们发现，大多数教师都会将概念性的知识后置，在学生进行体验后再对概念进行讲解；另外，相较于组2，组1的教师会采取多种教学方法和手段，如案例分析、任务驱动法、AI体验等，帮助学生理解人工智能技术的原理和应用。同时，组1教师会更注重教学内容的更新和拓展，及时引入最新的人工智能技术和应用，让学生了解人工智能领域的发展动态和趋势。

（2）强化智能思维与问题解决能力：在组1和组2的课例中，内容设计均会选取具有挑战性的问题和案例，引导学生运用计算思维解决问题。此外，教师均会利用流程图或思维导图的方式帮助学生厘清问题的解决程序，强化学生的逻辑推理能力。

（3）强化实践与应用环节：在组1和组2的课例中，均安排了较为充足的实践与应用环节，如编程、机器人开发等。这样的实践活动能够让学生深入了解人工智能技术的实际应用场景，提高学生的动手、动脑能力。

（4）引入人工智能伦理与社会责任内容：在组1中，教师会在教学中设置人工智能伦理和社会责任的讨论活动，或者由教师亲自讲授，让学生认识到人工智能技术的双重性，树立正确的价值观和道德观。但在组2中，在此方面的内容设计稍显不足，具体体现为：①部分教师几乎没有提及此方面的内容；②部分教师对于时间的把控不足，导致在此方面的讲解时间被压缩，教学效果不佳；③部分教师讲解该内容时难以引起学生注意。

3．在教学范式上，遵循“一主三环”的人工智能课堂教学范式

G市人工智能课程实验团队已总结出中小学人工智能课堂“一主三环”教学范式。通过分析视频实录得知，本研究所选取的人工智能课例基本遵循“一主三环”的人工智能课堂教学范式，即以人工智能通识为主线，通过体验、实验、应用3个环节学习人工智能。

首先，将通识学习作为课程重点以及主线贯穿于3个环节，设置相应的任务活动，让学生的能力在任务、活动中得到提升，促进其理解并掌握人工智能通识知识。在体验环节，教师将问题镶嵌于学生熟悉的生活情境中，从而增强学生学习人工智能的兴趣；同时，为有效激发学生学习人工智能通识知识的内在认知驱力，教师也会引导学生在情境中体验如何应用人工智能解决问题。在实验环节，学生在体验并了解人工智能通识知识后，通过图形化编程来应用人工智能技术，以验证原理，从而加深对原理的理解，并进一步认识人工智能在现实生活中的应用。在应用环节，让学生应用体验环节和实验环节所学的知识来完成一个应用项目，以让学生利用所掌握的人工智能技术，发挥自身创新思维，进行创造性开发，从而提高并发展学生对人工智能的应用能力。

4．在教学设备上，充分利用智能应用平台

在优质小学人工智能课堂中，教师使用新型媒体和使用传统媒体分别占比为9.8%和1.2%。结合课堂实录，可以发现优质课堂的教师能够熟练地使用人工智能实验室中的硬件设施以及软件设施实施课程教学。尽管目前多数教师都能够熟练使用所选取的平台进行操作演示，但教师在使用技术进行评价时仍略显困难，多数教师仍采取口头评价。

（二）有效地开展一节优质的小学人工智能课程的建议

1.在教学主体上，充分发挥教师主导、学生主体作用

在人工智能课堂中充分发挥教师主导、学生主体作用，应从以下几方面入手：一是采用适配的教学策略，如游戏化教学、实际案例等，向学生传授人工智能原理及应用技能，引导学生对知识加强掌握和理解；二是注重实践，如图形化编程、机器人编程等，并提供实时反馈，帮助学生在实践中发现问题并解决；三是通过案例法、小组讨论等方法向学生普及人工智能伦理道德问题，引导学生形成正确的信息社会责任，发挥教师在价值观、情感方面的导向作用。

2．在教学内容上，重点关注人工智能伦理和社会责任内容

通过上述分析可知，目前小学人工智能课堂在人工智能伦理和社会责任方面的内容设计比较欠缺。对此，本研究提供两点建议：一是通过讲解典型案例的方式，让学生了解人工智能技术应用中可能引发的伦理问题，引导学生意识到遵循伦理原则的重要性；二是把握课堂教学中的问题生成，通过问题解决来提高学生的能力。

3．在教学范式上，采用“一主三环”的人工智能课堂教学范式

研究表明，现行阶段推行“一主三环”的人工智能课堂教学范式符合中小学课堂教学规律[6]。因此，在人工智能课堂上，建议教师以“通识学习”为主线，将其贯穿于体验、实践和应用3个环节，围绕人工智能通识知识展开人工智能教学，并将AI体验和实践融入人工智能课堂教学，让学生在动手、动脑中完成对人工智能概念、原理的理解以及技术的验证与应用，实现对知识技能的内化和操作技能的掌握。

4．在教学设备上，充分融合技术与教学

教学设备只有与知识充分融合，才能够有效促进学生的知识内化。考虑到人工智能课堂的教学过程中存在大量的推导和演示过程，一方面，教师要不断提升对各种教学设备、新型技术的使用能力，对课堂技术的使用场景进行深度挖掘，从而促进学生对人工智能教学内容的理解；另一方面，教师需要结合技术，融合课程知识，将知识有效形象化，通过多种形式增强学生的学习体验。

五、结语

本研究通过采用LSA对两组课例的教学行为进行对比，并结合具体教学片段的个案分析，从教学主体、教学内容、教学范式、教学设备等4个维度进行辨识，总结出优质的小学人工智能课堂特征，并在此基础上提出了有效地开展一节优质的小学人工智能课程的建议。同时，需要指出的是，本研究仅对小学人工智能课堂教学实录进行了分析，为了更全面地了解中小学人工智能课堂的教学情况，未来还需开展更大规模的实证研究。

参考文献

[1] 顾小清，王炜.支持教师专业发展的课堂分析技术新探索[J].中国电化教育，2004（7）：18-21.

[2]郭炯，丁添.面向数学学科能力培养的智慧课堂技术应用行为分析研究[J].中国电化教育，2023（2）：134-141.

[3]杨现民，王怀波，李冀红.滞后序列分析法在学习行为分析中的应用[J].中国电化教育，2016（2）：17-23，32.

[4]彭林华，林晓凡.基于滞后序列分析的智慧课堂教学行为研究[J].现代教育技术，2021，31（7）：55-61.

[5]薛晓倩，陈娬.信息化背景下中小学语文课堂师生问答话语分析：以“一师一优课”为例[J].数字教育，2022，8（4）：55-63.

[6]刘载兴.义务教育阶段人工智能课程课堂教学范式构建与实践研究[J].教育导刊，2021（8）：66-70.

（责任编辑 孙兴丽）

An Analysis of AI Classroom Teaching Behavior in Primary Schools

Li Xiaomina， Zheng Youxiana， Liu Haoa， Dong Yi longa， Chen Wua， Zhong Jingxunb

（a. School of Information Technology in Education; b. School of Education， South China Normal University， Guangzhou， Guangdong， China 510631）

Abstract： The analysis of classroom teaching behaviors can effectively help researchers and teachers understand classroom characteristics， identify teaching problems， promote teaching reflection and improve classroom quality. Taking the teaching videos of 12 excellent examples of AI classes in primary and secondary schools in G city in the school year of 2022 as the research object， this paper conducts a comparative analysis of the teaching videos of the selected excellent examples by using the Lag Sequential Analysis method， and conducts a case study in conjunction with the specific teaching clips to identify the four dimensions of the teaching subject， teaching content， teaching paradigm， and teaching equipment. Finally， it summarizes the characteristics of high-quality elementary school AI classroom and puts forward corresponding suggestions with a view to improving the teaching ability of AI teachers.

Key words： "Elementary school AI course; Classroom teaching behavior; Lag Sequential Analysis

收稿日期：2023-11-16

基金项目：国家社会科学基金教育学2022年度一般课题“‘双减’背景下义务教育教师负担的发生机制及治理对策研究”（BFA220185）

作者简介：李晓敏（1999 — ），女，广东梅州人，硕士研究生，研究方向为人工智能教育；郑友娴（1999 — ），女，广东深圳人，硕士研究生，研究方向为人工智能教育；刘昊（2000 — ），男，湖南衡阳人，硕士研究生，研究方向为人工智能教育；董一龙（2000 — ），男，辽宁大连人，硕士研究生，研究方向为远程教育；陈娬（1976 — ），女，广东梅州人，博士，教授、硕士生导师，研究方向为远程教育、教师教育;钟景迅（1981 — ），男，广西合浦人，教授、博士生导师，研究方向为教育社会学和教育管理学。