盧國(guó)慶 [美]謝 魁 劉清堂 張臣文 于 爽

(1.華中師范大學(xué) 湖北省教育信息化研究中心，湖北武漢 430079；2.俄亥俄州立大學(xué) 數(shù)字化學(xué)習(xí)研究實(shí)驗(yàn)室，美國(guó)俄亥俄州 43210；3.湖北文理學(xué)院 教育學(xué)院，湖北襄陽(yáng) 441053)

一、引 言

隨著人工智能等技術(shù)的迅速發(fā)展，人類的生產(chǎn)生活方式正發(fā)生著重大變革。教育生態(tài)中教學(xué)要素的關(guān)系、課堂教學(xué)管理和評(píng)價(jià)方式也隨著新技術(shù)的引入而發(fā)生重大變化。2017年7月，國(guó)務(wù)院(2017)印發(fā)的《新一代人工智能發(fā)展規(guī)劃》明確提出，利用智能技術(shù)加快推動(dòng)教學(xué)方法、人才培養(yǎng)模式變革，開(kāi)發(fā)智能教育助理，建立智能、快速、全面的教育分析系統(tǒng)，推動(dòng)人工智能在教學(xué)、教研、管理等領(lǐng)域的應(yīng)用。課堂是教育生態(tài)的主場(chǎng)，是教學(xué)行為最常發(fā)生的地方(王陸等，2019)。每種新技術(shù)都為課堂教學(xué)帶來(lái)了新的可能。人工智能技術(shù)能否創(chuàng)新、以何種方式創(chuàng)新課堂教學(xué)成為教育界關(guān)注的問(wèn)題。

有效的課堂教學(xué)行為分析可以幫助教師了解課堂實(shí)情，改善課堂教學(xué)，促進(jìn)教師專業(yè)發(fā)展(Mintzes，2010)。目前，課堂教學(xué)行為實(shí)證分析方法主要有三種：第一，以“時(shí)間取樣法”為主的量化分析(孫眾等，2020)，即以課堂教學(xué)視頻為研究對(duì)象，采用人工編碼量化課堂教學(xué)言語(yǔ)和行為；第二，以“關(guān)鍵教學(xué)活動(dòng)或事件”為主的質(zhì)性分析(劉喆等，2020)，即以教學(xué)活動(dòng)或關(guān)鍵事件為切入點(diǎn)(孫眾等，2013；郁曉華等，2018)，運(yùn)用內(nèi)容分析法，借助質(zhì)性分析軟件對(duì)若干課堂教學(xué)視頻樣本進(jìn)行編碼，然后對(duì)編碼結(jié)果進(jìn)行統(tǒng)計(jì)、分析和歸納；第三，針對(duì)單一課堂視頻語(yǔ)料的多模態(tài)話語(yǔ)分析(Lim，2017；Lim，2019)，即通過(guò)分析課堂教學(xué)視頻中言語(yǔ)、表情、手勢(shì)、姿態(tài)等的符際關(guān)系，重點(diǎn)探索語(yǔ)言學(xué)、外語(yǔ)課堂教學(xué)中各模態(tài)之間的協(xié)同關(guān)系以及多模態(tài)的應(yīng)用。然而，目前大多數(shù)課堂教學(xué)行為分析仍采用課堂觀察(司治國(guó)等，2012)、人工編碼的方式(蔣立兵等，2018)。這些傳統(tǒng)方式受人工編碼的限制，存在過(guò)度依賴專家、編碼復(fù)雜、分析低效等問(wèn)題(蔣立兵等，2020)，無(wú)法對(duì)大樣本課堂教學(xué)視頻進(jìn)行自動(dòng)標(biāo)注分析。此外，由于數(shù)據(jù)標(biāo)注技術(shù)的限制，研究者難以通過(guò)采集大樣本數(shù)據(jù)分析課堂教學(xué)行為之間的關(guān)聯(lián)關(guān)系和差異性。

人工智能在教育研究領(lǐng)域的逐步應(yīng)用(余勝泉，2018)，形成了新興的跨學(xué)科的研究領(lǐng)域——人工智能教育(Artificial Intelligence in Education，AIED)。盡管當(dāng)前人工智能的整體發(fā)展仍處于弱人工智能階段(劉凱等，2018)，但是人工智能為大規(guī)模采集課堂教學(xué)視頻及自動(dòng)智能分析提供了可能。人工智能和物聯(lián)網(wǎng)技術(shù)構(gòu)建的以智能設(shè)備為基礎(chǔ)的數(shù)據(jù)采集體系，可實(shí)時(shí)捕獲課堂中師生全方位的多模態(tài)學(xué)習(xí)行為數(shù)據(jù)，為刻畫教師、學(xué)生課堂表現(xiàn)提供了新思路(顧小清等，2021)。那么，目前課堂教學(xué)行為有哪些標(biāo)注方式？進(jìn)展如何？大規(guī)模課堂教學(xué)行為具有什么特征？不同教師、課堂類型的教學(xué)行為有何差異？本研究在深入梳理課堂教學(xué)行為采集方法演化和分析模型的基礎(chǔ)上，采用人工智能引擎自動(dòng)標(biāo)注方法，以大量真實(shí)常規(guī)課堂的教學(xué)視頻為研究樣本，運(yùn)用統(tǒng)計(jì)分析方法探索課堂教學(xué)行為之間的關(guān)聯(lián)特征，以及不同教師、不同課堂類型的教學(xué)行為差異。

二、文獻(xiàn)綜述

(一)課堂教學(xué)行為采集方式的進(jìn)展

本研究將課堂教學(xué)行為的標(biāo)注方式分為純手工標(biāo)注、半自動(dòng)化標(biāo)注、智能標(biāo)注三個(gè)階段(見(jiàn)圖1)，三個(gè)階段按時(shí)間先后出現(xiàn)，并非替代性發(fā)展，而是同時(shí)存在的。

圖1 課堂教學(xué)行為采集方式的發(fā)展歷程

1. 課堂教學(xué)行為的純手工標(biāo)注

傳統(tǒng)的課堂教學(xué)行為采集主要采用純手工標(biāo)注，研究者通過(guò)現(xiàn)場(chǎng)觀察，將課堂教學(xué)行為類別填入紙質(zhì)記錄卡片。早期的課堂觀察與記錄工具有座位表觀察記錄、弗蘭德斯互動(dòng)分析記錄表、S-T分析表。座位表觀察記錄(searing chart observation records, SCORE)主要指課堂觀察人員利用教室的座位表，依照預(yù)定的符號(hào)和編碼框架，記錄師生的課堂互動(dòng)和移動(dòng)狀態(tài)(吳權(quán)威等，2020)。早期的弗蘭德斯互動(dòng)分析系統(tǒng)每隔3秒對(duì)言語(yǔ)活動(dòng)事件進(jìn)行采樣，全部取樣后利用紙筆將事件的遷移序列記錄在10×10的矩陣中，并統(tǒng)計(jì)課堂活動(dòng)事件出現(xiàn)的頻次(寧虹等，2003)。S-T分析主要記錄師生的課堂教學(xué)行為類別，每隔固定時(shí)間(如30秒)記錄一次，根據(jù)該時(shí)刻課堂教學(xué)的行為類別，手工記錄T行為或者S行為，從而判斷行為轉(zhuǎn)化和教學(xué)模式(程云等，2015)。這些單純依靠手工標(biāo)注的方法存在分析維度少、勞動(dòng)密集、容易出錯(cuò)等缺點(diǎn)。

2. 課堂教學(xué)行為的半自動(dòng)化標(biāo)注

隨著計(jì)算機(jī)技術(shù)的發(fā)展，輔助課堂教學(xué)行為標(biāo)注和分析的軟件不斷涌現(xiàn)，可用于課堂教學(xué)行為的半自動(dòng)化采集。常見(jiàn)的標(biāo)注軟件有LessonNote、Nvivo和MMA video 2.0等。LessonNote是一款保留了課堂座位表特征，通過(guò)畫畫、筆記、錄音、照相等方式，標(biāo)注師生互動(dòng)行為的iPad應(yīng)用程序(Lesson Study Alliance，2020)。Nvivo是一款打點(diǎn)標(biāo)注、分析課堂教學(xué)視頻中行為、教學(xué)事件等的質(zhì)性分析軟件。課堂多模態(tài)話語(yǔ)分析以教學(xué)錄像為主要研究對(duì)象，對(duì)課堂教學(xué)中語(yǔ)言、手勢(shì)、媒體等符號(hào)特征進(jìn)行標(biāo)注。例如，研究者通過(guò)多模態(tài)視頻分析軟件MMA video 2.0從多個(gè)層面對(duì)課堂錄像進(jìn)行標(biāo)注、統(tǒng)計(jì)和分析(郭紅偉等，2020；陳松菁，2014)。ELAN軟件也是標(biāo)注口語(yǔ)錄音、教學(xué)錄像等線性語(yǔ)料的常用軟件(Lausberg & Sloetjes，2009)。這種半自動(dòng)化標(biāo)注的方法同樣依靠人工打點(diǎn)標(biāo)注，很難實(shí)現(xiàn)大規(guī)模課堂教學(xué)視頻中教學(xué)行為的即時(shí)采集與分析。

3. AI支持的課堂教學(xué)行為智能標(biāo)注

隨著圖像識(shí)別技術(shù)、機(jī)器學(xué)習(xí)算法、傳感器技術(shù)的發(fā)展，課堂教學(xué)行為的自動(dòng)化、智能化標(biāo)注與分析成為可能。研究者利用多種智能算法，識(shí)別、提取及分析教學(xué)視頻幀圖像主體的行為特征。例如，任婕(2019)通過(guò)自動(dòng)識(shí)別課堂錄像中的六類行為特征動(dòng)作，并利用多模態(tài)信息融合及層次分析法計(jì)算興趣度。周鵬霄等(2018)通過(guò)檢測(cè)視頻幀圖像輪廓特征、主體動(dòng)作幅度等，使用貝葉斯因果網(wǎng)模型獲取行為序列，智能識(shí)別課堂教學(xué)視頻中的師生行為。劉清堂等(2019)基于課堂S-T行為分析理論，從數(shù)據(jù)采集與存儲(chǔ)、行為建模與計(jì)算、智能服務(wù)三方面提出課堂教學(xué)行為智能分析模型，并通過(guò)實(shí)例進(jìn)行分析和應(yīng)用。趙剛等(2020)針對(duì)傳統(tǒng)教學(xué)行為存在的手工編碼、定時(shí)分隔等局限，構(gòu)建了多維度特征融合的教學(xué)行為智能分析模式。另外，有研究者借助穿戴式便攜傳感器，智能記錄課堂教學(xué)行為。例如，普列托等(Prieto et al., 2016)利用頭戴式便攜眼動(dòng)儀、腦波儀、智能手機(jī)，自動(dòng)采集教師的眼動(dòng)、腦波、三維加速度、視野錄像和語(yǔ)音等數(shù)據(jù)，使用機(jī)器學(xué)習(xí)算法預(yù)測(cè)教師發(fā)布任務(wù)、提問(wèn)、解釋等教學(xué)活動(dòng)。然而，已有算法的分析粒度、識(shí)別精度還有待完善。

AI支持的課堂教學(xué)行為智能采集工具適用于不同的應(yīng)用場(chǎng)景，目前主要應(yīng)用于智慧教室和常規(guī)教學(xué)。針對(duì)智慧教室情境，研究者設(shè)計(jì)開(kāi)發(fā)了蘇格拉底教學(xué)行為分析系統(tǒng)。該系統(tǒng)根據(jù)師生課堂智能終端的使用情況，智能標(biāo)注師生教與學(xué)行為，采集內(nèi)容主要涉及技術(shù)運(yùn)用頻次、累計(jì)時(shí)間、互動(dòng)指數(shù)、教法應(yīng)用指數(shù)、技術(shù)運(yùn)用分布圖等(Ku et al., 2018；吳權(quán)威等，2020)。此外，智課系統(tǒng)是一款A(yù)I課堂教學(xué)行為分析系統(tǒng)，主要利用人工智能、大數(shù)據(jù)、互聯(lián)網(wǎng)、音視頻等技術(shù)，實(shí)現(xiàn)常規(guī)教學(xué)行為的常態(tài)化伴隨式數(shù)據(jù)采集。該系統(tǒng)根據(jù)既定的課堂教學(xué)行為分類編碼，采用固定時(shí)間間隔(如3秒)的取樣方式，利用深度圖像識(shí)別技術(shù)，自動(dòng)智能標(biāo)注課堂教學(xué)行為的最佳類別編碼，生成課堂教學(xué)行為的結(jié)構(gòu)矩陣，然后通過(guò)對(duì)課堂教學(xué)視頻的結(jié)構(gòu)化分析，借助數(shù)據(jù)挖掘技術(shù)對(duì)課堂教學(xué)行為進(jìn)行建模，生成可視化分析報(bào)告，實(shí)現(xiàn)及時(shí)的評(píng)測(cè)和診斷。

三個(gè)階段的課堂教學(xué)行為采集特征不同(見(jiàn)表一)。與純手工標(biāo)注、半自動(dòng)化標(biāo)注相比，智能標(biāo)注的識(shí)別精度盡管存在誤差，但為大規(guī)模處理課堂教學(xué)視頻提供了技術(shù)支持。據(jù)此，本研究主要采用人工智能引擎自動(dòng)標(biāo)注常規(guī)課堂教學(xué)行為，對(duì)課堂教學(xué)行為的規(guī)律和差異進(jìn)行量化分析。

表一 課堂教學(xué)行為采集方式的三個(gè)階段

(二)課堂教學(xué)行為分析模型

課堂教學(xué)行為分類、建模等相關(guān)研究由來(lái)已久，且近年來(lái)備受關(guān)注。誕生于20世紀(jì)60年代的弗蘭德斯互動(dòng)分析系統(tǒng)(Flanders, 1963)是一類影響較大的課堂行為分類系統(tǒng)。該分類模型將課堂言語(yǔ)行為分為10類，其中，教師語(yǔ)言行為占7類，學(xué)生語(yǔ)言行為占2類，最后一類是沉默和混亂。同一時(shí)期，VICS語(yǔ)言互動(dòng)分類系統(tǒng)(楊平展等，2009)將課堂教學(xué)行為分為五類。為了減少行為分類的模糊性，有研究者提出了S-T分析，將11類課堂教學(xué)行為分為教師(T)行為和學(xué)生(S)行為兩類(傅德榮等，2011)。

后續(xù)研究者針對(duì)不同的環(huán)境和學(xué)科提出了各種分類模型。例如，顧小清等(2004)提出了基于信息技術(shù)的互動(dòng)分析框架；方海光等(2012)針對(duì)數(shù)字化課堂教學(xué)環(huán)境提出了改進(jìn)型弗蘭德斯互動(dòng)分析系統(tǒng)(iFIAS)；張屹等(2016)提出智慧教室環(huán)境下的課堂教學(xué)互動(dòng)分析編碼系統(tǒng)；劉向永等(2018)針對(duì)英語(yǔ)學(xué)科的特點(diǎn)，修改和完善了iFIAS，提出了基于電子書包的小學(xué)英語(yǔ)課堂師生互動(dòng)分析編碼系統(tǒng)；何文濤等(2018；2019)對(duì)協(xié)作學(xué)習(xí)情境中的教學(xué)系統(tǒng)進(jìn)行建模，運(yùn)用教學(xué)信息集合IIS結(jié)構(gòu)，將教學(xué)視頻轉(zhuǎn)錄成文本，并對(duì)信息流進(jìn)行切分，提出了基于視頻的教學(xué)機(jī)制圖。研究者發(fā)現(xiàn)，課堂教學(xué)中82%的信息通過(guò)教師的非言語(yǔ)行為傳遞，只有18%的信息通過(guò)言語(yǔ)行為傳遞(Brown, 2020)。由此可見(jiàn)，課堂教學(xué)行為分析不僅需要考慮課堂的言語(yǔ)行為，更需要關(guān)注課堂的非言語(yǔ)行為。

針對(duì)已有行為類別劃分的模糊性與不均衡，程云等(2017)從行為活動(dòng)和行為主體兩個(gè)維度，將課堂教學(xué)行為分為學(xué)生言語(yǔ)行為、學(xué)生活動(dòng)行為、教師言語(yǔ)行為、教師活動(dòng)行為四類，并建立了包含16類教學(xué)行為的云坐標(biāo)體系，提出了課堂教學(xué)行為云模型。本研究基于課堂教學(xué)行為云模型，關(guān)注課堂的非言語(yǔ)行為，結(jié)合圖像識(shí)別技術(shù)、行為特征檢測(cè)技術(shù)，重點(diǎn)探索課堂教學(xué)過(guò)程中的教學(xué)行為特征和差異性規(guī)律。

(三)課堂教學(xué)行為特征及差異

教學(xué)行為指師生一系列有目的的教與學(xué)活動(dòng)，具有一定的主體性、關(guān)聯(lián)性和可變性。從參與主體看，課堂教學(xué)行為包括教師的教學(xué)行為和學(xué)生的學(xué)習(xí)行為；從師生交互看，課堂教學(xué)行為分教師主導(dǎo)為主、學(xué)生主導(dǎo)為主兩類。從只關(guān)注教師行為和學(xué)生行為的S-T分析(傅德榮等，2011)，到將課堂對(duì)話內(nèi)容分為十類的弗蘭德斯互動(dòng)分析系統(tǒng)(Flanders, 1963)，再到涵蓋16類課堂教學(xué)行為的云模型(程云等，2017)，不同的理論分析框架將課堂教學(xué)行為劃分為不同的類別，為課堂教學(xué)行為的量化分析提供了模型。運(yùn)用這些模型和描述性統(tǒng)計(jì)方法，研究者能夠有效地分析課堂教學(xué)行為的頻次或占比、時(shí)序變化、師生行為的主導(dǎo)趨勢(shì)等。不同的課堂教學(xué)行為之間具有一定的關(guān)聯(lián)性，即某種教學(xué)行為會(huì)伴隨著其他行為而出現(xiàn)。

研究表明，不同特征教師群體的課堂教學(xué)行為有一定差異，不同課堂類型的教學(xué)行為同樣會(huì)表現(xiàn)出一定的特征差異。傅德榮等(2011)根據(jù)教師行為占比率、師生行為轉(zhuǎn)換率，將課堂教學(xué)分為練習(xí)型、混合型、講授型和對(duì)話型等四類，其中，練習(xí)型課堂的教師行為占比低于30%，講授型課堂的教師行為占比高于70%，對(duì)話型課堂的師生行為轉(zhuǎn)換率大于40%，混合型課堂同時(shí)滿足教師行為占比大于30%、小于70%，且?guī)熒袨檗D(zhuǎn)換率小于40%。王陸等(2020)發(fā)現(xiàn)，隨著時(shí)間的變化，混合型、對(duì)話型課堂中的有效提問(wèn)具有相似的變化趨勢(shì)。然而，由于數(shù)據(jù)采集技術(shù)的限制，已有研究沒(méi)有通過(guò)大規(guī)模量化研究分析課堂教學(xué)行為之間的關(guān)聯(lián)特征，且鮮有研究關(guān)注不同課堂教學(xué)行為的關(guān)聯(lián)特征、不同教師特征及不同課堂類型的教學(xué)行為差異。

三、數(shù)據(jù)采集與分析方法

本研究基于課堂教學(xué)行為云模型，以常規(guī)課堂教學(xué)視頻為研究樣本，采用AI課堂教學(xué)行為分析系統(tǒng)對(duì)每堂課的教學(xué)行為進(jìn)行自動(dòng)化采集和標(biāo)注。

(一)研究對(duì)象與樣本

本研究于2019年9-11月采集了3所中學(xué)(1所高中、2所初中)的1201份課例數(shù)據(jù)，經(jīng)過(guò)人工初步篩選，獲得976份有效課堂數(shù)據(jù)樣本，有效率為81.27%。在有效樣本中，高中課例有590份、初中課例有386份，涉及語(yǔ)文、數(shù)學(xué)、英語(yǔ)等10個(gè)學(xué)科。其中，數(shù)學(xué)(21.11%)、語(yǔ)文(18.65%)和英語(yǔ)(15.98%)的有效課例最多，美術(shù)(0.1%)、心理(0.41%)、政治(1.84%)等學(xué)科的有效課例較少。女教師的課例(622份，占63.73%)比男教師(354份，占36.27%)多。高教齡組教師課例(579份，占59.32%)比低教齡組教師(397份，占40.68%)多。高級(jí)職稱教師課例有397份，占40.68%，一級(jí)職稱教師課例446份，占45.70%，二級(jí)職稱教師課例133份，占13.62%。課堂類型涉及4種，包括講授型課堂(137份，占14.04%)、練習(xí)型課堂(457份，占46.82%)、混合型課堂(25份，占2.56%)、對(duì)話型課堂(357份，占36.58%)。

(二)數(shù)據(jù)收集方法

本研究采用人工智能引擎自動(dòng)標(biāo)注、課堂視頻觀察和線下數(shù)據(jù)收集等三種數(shù)據(jù)收集方法。人工智能引擎自動(dòng)標(biāo)注主要依托課堂中搭建的人工智能終端，對(duì)教學(xué)過(guò)程進(jìn)行無(wú)干擾、伴隨式常態(tài)化數(shù)據(jù)采集。在班級(jí)建模后，研究者通過(guò)多視角(教師/學(xué)生視角)4K攝像機(jī)，實(shí)時(shí)采集課堂教學(xué)視頻信息，經(jīng)由人工智能引擎終端的邊緣計(jì)算模塊(見(jiàn)圖2)，實(shí)現(xiàn)對(duì)客戶端視頻數(shù)據(jù)的結(jié)構(gòu)化數(shù)據(jù)處理，并可視化呈現(xiàn)行為分布、教學(xué)模式等數(shù)據(jù)分析報(bào)告。

圖2 人工智能引擎機(jī)制

人工智能引擎首先實(shí)時(shí)提取課堂樣本中的圖像、語(yǔ)音/文本特征，獲得行為特征矩陣，并經(jīng)過(guò)深度神經(jīng)網(wǎng)絡(luò)的教學(xué)行為預(yù)測(cè)模型，計(jì)算得到九類課堂行為的時(shí)間序列矩陣。該人工智能引擎能夠自動(dòng)識(shí)別課堂教學(xué)行為云模型中的九類行為，其中，學(xué)生行為包括舉手、應(yīng)答、聽(tīng)講、讀寫和生生互動(dòng)，教師行為包括板書、巡視、講授和師生互動(dòng)。對(duì)于學(xué)生行為，一個(gè)學(xué)生舉手就被識(shí)別為舉手行為，應(yīng)答指1個(gè)及以上學(xué)生站立回答問(wèn)題，聽(tīng)講指大部分學(xué)生端坐、抬頭和聽(tīng)課，讀寫指多數(shù)學(xué)生在課堂低頭閱讀和書寫，生生互動(dòng)指多個(gè)學(xué)生應(yīng)答或者小組討論。對(duì)于教師行為，板書指教師在黑板、白板或大屏上書寫，巡視指教師在學(xué)生區(qū)域走動(dòng)、觀察或授課，講授指教師在講臺(tái)區(qū)域授課、講解或演示，師生互動(dòng)涉及教師提問(wèn)、學(xué)生應(yīng)答、學(xué)生在講臺(tái)區(qū)域互動(dòng)。教師授課時(shí)，系統(tǒng)自動(dòng)錄制教學(xué)視頻，采用時(shí)間間隔采樣的方法，根據(jù)既定的課堂教學(xué)行為分類框架，記錄、描述和自動(dòng)統(tǒng)計(jì)教師行為和學(xué)生行為。經(jīng)過(guò)多輪大樣本的圖像訓(xùn)練和人工檢驗(yàn)，課堂教學(xué)行為識(shí)別的精度大于80%。

課堂視頻觀察的主要任務(wù)，是對(duì)人工智能引擎自動(dòng)標(biāo)注的結(jié)果進(jìn)行人工觀察和篩選，排除無(wú)效課例。線下數(shù)據(jù)收集主要指從教育管理部門獲取視頻對(duì)應(yīng)教師的個(gè)人信息，如性別、職稱、教齡等。

(三)研究變量

研究變量包括課堂教學(xué)行為類型、教師個(gè)人信息、課堂類型三個(gè)維度，共13個(gè)研究變量。課堂教學(xué)行為類型變量用于衡量課堂教學(xué)行為的頻率，由AI引擎自動(dòng)標(biāo)注獲得，共包括9個(gè)變量，其中，學(xué)生行為包括舉手、應(yīng)答、聽(tīng)講、讀寫、生生互動(dòng)五個(gè)變量，教師行為包括板書、巡視、講授、師生互動(dòng)四個(gè)變量。教師個(gè)人信息包括教師性別、教齡、職稱三個(gè)變量。根據(jù)教師行為占比、師生行為轉(zhuǎn)換率，課堂類型變量被分為練習(xí)型、混合型、講授型和對(duì)話型四種教學(xué)模式。

(四)數(shù)據(jù)分析方法

由于課堂行為數(shù)據(jù)呈非正態(tài)分布，為了更加科學(xué)準(zhǔn)確地描述課堂各個(gè)行為之間的關(guān)系，本研究先采用斯皮爾曼相關(guān)系數(shù)對(duì)行為間關(guān)系進(jìn)行相關(guān)分析，挖掘課堂教學(xué)行為之間的關(guān)聯(lián)；其次，采用主成分分析方法將高維數(shù)據(jù)進(jìn)行降維，以發(fā)現(xiàn)課堂教學(xué)行為的主成分特征；再次，采用非參數(shù)差異性分析方法分析不同教師特征的課堂教學(xué)行為差異；最后，分析不同教學(xué)模式的課堂教學(xué)行為之間的差異，并以課堂講授為基準(zhǔn)，采用非參檢驗(yàn)方法分析不同課堂類型的教學(xué)行為差異。

四、數(shù)據(jù)分析與結(jié)果

(一)課堂教學(xué)行為關(guān)聯(lián)分析

本研究采用斯皮爾曼相關(guān)系數(shù)度量非正態(tài)數(shù)據(jù)變量間的相關(guān)性(見(jiàn)表二)。由表二第二欄均值和標(biāo)準(zhǔn)差的描述性統(tǒng)計(jì)分析結(jié)果可知，課堂教學(xué)行為按照頻率從高到低排列為：讀寫(M=1.08，SD=5.81)、講授(M=0.92，SD=4.76)、巡視(M=0.58，SD=3.13)、聽(tīng)講(M=0.26，SD=0.78)、應(yīng)答(M=0.18，SD=1.41)、舉手(M=0.06，SD=0.27)、板書(M=0.09，SD=0.30)、生生互動(dòng)(M=0.03，SD=0.25)、師生互動(dòng)(M=0.03，SD=0.12)?？傮w來(lái)看，常態(tài)化課堂教學(xué)過(guò)程中，師生互動(dòng)和生生互動(dòng)相對(duì)較少。根據(jù)標(biāo)準(zhǔn)差排名，課堂教學(xué)行為波動(dòng)較大的三類行為分別是讀寫、講授和巡視，波動(dòng)較小的三類行為分別是舉手、生生互動(dòng)和師生互動(dòng)。

表二 斯皮爾曼相關(guān)分析結(jié)果(n=976)

表二中的相關(guān)性統(tǒng)計(jì)結(jié)果表明，多數(shù)課堂教學(xué)行為之間具有關(guān)聯(lián)性。其中，教師巡視、學(xué)生讀寫與其他課堂行為均存在顯著的負(fù)相關(guān)。此外，學(xué)生的應(yīng)答行為與生生互動(dòng)的相關(guān)性最高(r=0.59，p<0.01)。由此，生生互動(dòng)可能會(huì)在一定程度上促進(jìn)學(xué)生的應(yīng)答行為，教師可以通過(guò)課堂教學(xué)活動(dòng)設(shè)計(jì)促進(jìn)生生互動(dòng)、師生互動(dòng)，進(jìn)而提高學(xué)生應(yīng)答行為發(fā)生的頻率。

(二)課堂行為的主成分分析

針對(duì)976條課堂教學(xué)行為數(shù)據(jù)，本研究運(yùn)用主成分分析法，按照因子載荷從大到小排序，并刪除因子載荷小于0.6的教學(xué)行為，從九種課堂行為數(shù)據(jù)中提取出兩個(gè)主成分，這兩個(gè)主成分累積解釋方差達(dá)到總方差的79.07%，說(shuō)明其在79.07%的程度上代表九個(gè)維度的課堂行為。換句話說(shuō)，所提取的兩個(gè)主成分可以代表九種課堂教學(xué)行為，有效地實(shí)現(xiàn)了對(duì)課堂行為數(shù)據(jù)的降維處理。

結(jié)果表明：1)與主成分1相關(guān)性較高的行為依次是讀寫、巡視、講授、生生互動(dòng)、聽(tīng)講和師生互動(dòng)，載荷分別為0.918、0.849、0.815、0.795、0.775、0.642；2)與主成分2相關(guān)性較高的行為是舉手、應(yīng)答和板書，載荷分別為0.933、0.878、0.826。由此可見(jiàn)，在一定程度上，教學(xué)是一個(gè)有機(jī)的系統(tǒng)，課堂教學(xué)的教師行為和學(xué)生行為密不可分、相互聯(lián)系，且有時(shí)候能夠組成教學(xué)行為對(duì)，如讀寫和巡視、生生互動(dòng)和師生互動(dòng)。同時(shí)，教師行為和學(xué)生行為又具有一定的獨(dú)立性，例如，學(xué)生舉手、應(yīng)答等是相對(duì)獨(dú)立的行為。

(三)不同特征教師的課堂教學(xué)行為差異

為了進(jìn)一步對(duì)課堂數(shù)據(jù)進(jìn)行分析，本研究對(duì)教師的性別、教齡、職稱等特征進(jìn)行差異性分析。鑒于因變量均為非正態(tài)定距數(shù)據(jù)，本研究采用曼-惠特尼U檢驗(yàn)(Mann-Whitney U-test)做差異分析。曼-惠特尼U檢驗(yàn)又稱曼-惠特尼秩和檢驗(yàn)，可以看作是對(duì)兩均值之差的參數(shù)檢驗(yàn)方式的T檢驗(yàn)或大樣本正態(tài)檢驗(yàn)的替代方法。

1. 不同性別教師的課堂行為差異

在總樣本中，女教師有622條記錄，占63.73%，男教師有354條記錄，占36.27%。通過(guò)Mann-Whitney U檢驗(yàn)，本研究比較了男女教師的課堂行為。結(jié)果表明，與男教師相比，女教師課堂具有更多的舉手(Z=-5.281，P=0.000<0.001)、應(yīng)答(Z=-8.095，P=0.000<0.05)、聽(tīng)講(Z=-3.596，P=0.000<0.05)、生生互動(dòng)(Z=-5.456，P=0.000<0.001)、講授(Z=-7.758，P=0.000<0.001)、師生互動(dòng)(Z=-2.676，P=0.000<0.001)等教學(xué)行為；男教師課堂有更多的讀寫(Z=-8.935，P=0.000<0.001)和巡視(Z=-8.157，P=0.000<0.001)行為。男女教師的板書行為(P=0.11>0.05)不存在統(tǒng)計(jì)學(xué)意義上的差異。

2. 不同教齡教師的課堂行為差異

在總樣本中，低教齡組的教師有397條記錄，占40.68%，高教齡組教師有579條記錄，占59.32%。通過(guò)Mann-Whitney U檢驗(yàn)，本研究比較了高低教齡組教師的課堂教學(xué)行為差異(見(jiàn)表三)。統(tǒng)計(jì)結(jié)果表明，低教齡組教師的課堂有更多的巡視行為(Z=-4.504，P=0.000<0.001)和學(xué)生聽(tīng)講行為(Z=-2.857，P=0.004<0.01)，高教齡組教師的課堂有更多的講授行為(Z=-5.299，P=0.000<0.001)。除了聽(tīng)講、巡視和講授外，其余課堂教學(xué)行為在教齡上不存在顯著差異。

表三 不同教齡教師的課堂行為差異統(tǒng)計(jì)

3. 不同職稱教師的課堂行為差異

由于樣本不服從正態(tài)分布，本研究采用魯斯卡爾-沃利斯檢驗(yàn)(Kruskal-Wallis test)檢驗(yàn)高級(jí)、一級(jí)、二級(jí)職稱教師的課堂行為是否存在差異。在總樣本中，高級(jí)職稱教師有397條記錄，占40.68%，一級(jí)職稱教師有446條記錄，占45.70%，二級(jí)職稱教師有133條記錄，占13.62%。統(tǒng)計(jì)結(jié)果表明(見(jiàn)表四)，舉手(χ2=15.60，df=2，p<0.001)、讀寫(χ2=9.70，df=2，p<0.001)、生生互動(dòng)(χ2=30.27，df=2，p<0.001)、板書(χ2=24.70，df=2，p<0.001)、巡視(χ2=42.07，df=2，p<0.001)、講授(χ2=30.08，df=2，p<0.001)等行為存在顯著差異。此外，高級(jí)職稱組教師的課堂有更多的舉手、講授行為，一級(jí)職稱組教師的課堂有更多板書、讀寫行為，二級(jí)職稱組教師的課堂有更多的巡視、生生互動(dòng)行為。

表四 不同職稱教師的課堂行為差異統(tǒng)計(jì)

(四)不同課型的課堂教學(xué)行為差異

本研究先采用魯斯卡爾—沃利斯檢驗(yàn)，檢驗(yàn)講授型、練習(xí)型、混合型和對(duì)話型課堂是否在課堂行為上存在差異。統(tǒng)計(jì)結(jié)果表明，舉手(χ2=28.059，df=3，p<0.001)、應(yīng)答(χ2=35.498，df=3，p<0.001)、聽(tīng)講(χ2=653.907，df=3，p<0.001)、讀寫(χ2=479.996，df=3，p<0.001)、生生互動(dòng)(χ2=29.985，df=3，p<0.001)、板書(χ2=25.393，df=3，p<0.001)、巡視(χ2=112.954，df=3，p<0.001)、講授(χ2=62.965，df=3，p<0.001)師生互動(dòng)(χ2=31.853，df=3，p<0.001)等課堂教學(xué)行為，在不同課堂類型之間均存在顯著差異。為進(jìn)一步分析不同課堂類型之間的差異，本研究采用Mann-Whitney U檢驗(yàn)法，將講授型課堂分別與其余三類課堂進(jìn)行差異檢驗(yàn)。

1. 講授型課堂與練習(xí)型課堂的教學(xué)行為差異

與講授型課堂相比，練習(xí)型課堂存在更高頻率的讀寫(Z=-16.66，P=0.000<0.001)、巡視行為(Z=-9.25，P=0.000<0.001)，且存在顯著差異。舉手(Z=-4.07，P=0.000<0.001)、應(yīng)答(Z=-4.33，P=0.000<0.001)、聽(tīng)講(Z=-17.18，P=0.000<0.05)、生生互動(dòng)(Z=-3.45，P=0.000<0.001)、講授(Z=-7.18，P=0.000<0.001)、師生互動(dòng)(Z=-4.33，P=0.000<0.001)等教學(xué)行為在講授型課堂出現(xiàn)的頻率更高，且存在顯著差異。另外，在板書行為(P=0.38>0.05)方面，講授型課堂和練習(xí)型課堂之間不存在顯著差異。由此可見(jiàn)，與練習(xí)型課堂相比，講授型課堂具有更高頻率的舉手、應(yīng)答、聽(tīng)講、互動(dòng)等行為。

2. 講授型課堂與混合型課堂的教學(xué)行為差異

與講授型課堂相比，混合型課堂存在較多的讀寫(Z=-5.95，P=0.000<0.001)、較少的聽(tīng)講(Z=-7.38，P=0.000<0.001)和講授(Z=-2.46，P=0.01<0.05)行為。但兩種課堂類型在舉手(P=0.35>0.05)、應(yīng)答(P=0.66>0.05)、生生互動(dòng)(P=0.97>0.05)、板書(P=0.38>0.05)、巡視(P=0.07>0.05)、師生互動(dòng)(P=0.32>0.05)等行為方面不存在顯著差異。兩類課堂在很多行為方面沒(méi)有表現(xiàn)出統(tǒng)計(jì)學(xué)意義上的差異，可能是因?yàn)榛旌闲驼n堂(n=25)的樣本較少。后續(xù)研究可以擴(kuò)大樣本量，進(jìn)一步研究?jī)深愓n堂教學(xué)行為之間的差異。

3. 講授型課堂與對(duì)話型課堂的教學(xué)行為差異

與講授型課堂相比，對(duì)話型課堂存在更多的讀寫(Z=-13.52，P=0.000<0.05)、板書(Z=-2.50，P=0.01<0.05)和巡視(Z=-4.10，P=0.000<0.05)行為。然而，與講授型課堂相比，對(duì)話型課堂的舉手(Z=-2.20，P=0.03<0.05)、聽(tīng)講(Z=-13.67，P=0.000<0.05)和講授(Z=-4.19，P=0.000<0.05)等行為較少。另外，在應(yīng)答(P=0.44>0.05)、生生互動(dòng)(P=0.77>0.05)、師生互動(dòng)(P=0.27>0.05)等行為方面，兩者沒(méi)有統(tǒng)計(jì)學(xué)意義上的差異。

五、研究結(jié)論

(一)基于大數(shù)據(jù)的課堂教學(xué)行為特征及類型

不同教師的教學(xué)風(fēng)格不同、每節(jié)課的教學(xué)內(nèi)容不同，這就意味著不存在單一、普適的教學(xué)行為標(biāo)準(zhǔn)。同樣，對(duì)一堂課的分析結(jié)果也不能作為評(píng)價(jià)教師教學(xué)能力的依據(jù)。但是，大規(guī)模課堂教學(xué)行為的分析卻能反映總樣本中教師的課堂教學(xué)行為特征、類型及共性問(wèn)題。

第一，每種課堂教學(xué)行為出現(xiàn)的頻率不等且相差較大。按照均值從大到小依次為讀寫、講授、巡視、聽(tīng)講、應(yīng)答、舉手、板書、生生互動(dòng)、師生互動(dòng)。讀寫、講授、巡視行為占比較大，生生互動(dòng)、師生互動(dòng)占比較少。這表明樣本中的課堂教學(xué)更偏向于單向知識(shí)傳遞的教學(xué)方式。

第二，各行為之間具有一定的相關(guān)性。大多數(shù)教學(xué)行為之間存在一定的正相關(guān)關(guān)系，但是巡視、讀寫與其他行為之間存在一定的負(fù)相關(guān)?？梢?jiàn)，教師巡視在一定程度上能夠維持課堂紀(jì)律，但是對(duì)學(xué)生其他課堂行為有一定的抑制作用。另外一種解釋是，課堂教學(xué)中其他行為低，教師會(huì)增加課堂巡視，由此呈現(xiàn)一定的負(fù)相關(guān)。此外，讀寫與其他行為存在一定的負(fù)相關(guān)。學(xué)生的讀寫行為包括一系列低頭行為，如低頭閱讀、低頭書寫等。在課堂教學(xué)中，學(xué)生長(zhǎng)時(shí)間的低頭行為可能會(huì)對(duì)其他行為產(chǎn)生抑制作用。

第三，教師行為、學(xué)生行為相互交織。為了研究方便，研究者最初將課堂教學(xué)行為分為教師行為和學(xué)生行為，但是實(shí)際上，教師行為和學(xué)生行為交織在一起。將課堂教學(xué)行為劃分為教師行為和學(xué)生行為，忽略了教學(xué)行為之間的關(guān)聯(lián)性和復(fù)雜性。后續(xù)研究可以基于人工智能引擎自動(dòng)標(biāo)注的課堂教學(xué)行為數(shù)據(jù)集，探索教與學(xué)行為之間的復(fù)雜關(guān)系。

(二)課堂教學(xué)行為差異

在性別、教齡、職稱等個(gè)人特征上，教師的課堂教學(xué)行為存在一定差異。具體而言，女教師的課堂有更多的舉手、應(yīng)答、聽(tīng)講、生生互動(dòng)、講授、師生互動(dòng)等教學(xué)行為；男教師的課堂上，讀寫和巡視行為的頻率相對(duì)較高。低教齡組教師的課上有更多的巡視行為和學(xué)生聽(tīng)講行為，高教齡組教師的課上有更高頻率的課堂講授行為；高級(jí)職稱教師組的課上表現(xiàn)出更多的舉手、講授行為，一級(jí)職稱組教師的課上表現(xiàn)出更多的板書、讀寫行為，二級(jí)職稱組教師的課上呈現(xiàn)出更多的巡視、生生互動(dòng)行為。

在教學(xué)行為類型上，舉手、應(yīng)答、聽(tīng)講、讀寫、生生互動(dòng)、板書、巡視、講授和師生互動(dòng)等課堂教學(xué)行為，在不同課堂類型之間均存在顯著差異。然而，讓人意外的是，生生互動(dòng)、師生互動(dòng)在講授型與混合型、講授型與對(duì)話型課堂之間沒(méi)有顯著差異。同樣，對(duì)話型課堂的舉手、應(yīng)答等學(xué)生行為的頻率沒(méi)有顯著高于講授型課堂，原因可能是研究樣本來(lái)源單一。本研究的分析樣本并非經(jīng)過(guò)多次演練的示范公開(kāi)課，也不是精品課，樣本主要源于欠發(fā)達(dá)地區(qū)的常規(guī)課堂教學(xué)，其課堂教學(xué)方式以教師講授為主。盡管本研究將課堂分為四類，但是樣本中混合型課例占比較少(占2.56%)。在總樣本中，教師講授、學(xué)生課堂練習(xí)仍是主要的課堂形式，課堂教學(xué)缺乏有效的師生互動(dòng)、生生互動(dòng)。該地區(qū)可以采用協(xié)作學(xué)習(xí)、任務(wù)驅(qū)動(dòng)等多種教學(xué)方式，加強(qiáng)課堂互動(dòng)。

(三)課堂教學(xué)行為分析應(yīng)用

發(fā)揮人工智能優(yōu)勢(shì)，推動(dòng)人工智能和教育深度融合是我國(guó)人工智能教育的重要目標(biāo)。人工智能支持的課堂教學(xué)行為分析以課堂教學(xué)為陣地，聚焦人工智能、物聯(lián)網(wǎng)等技術(shù)與課堂教學(xué)的深度融合，以課堂教學(xué)行為分類模型為理論框架，通過(guò)伴隨式、常態(tài)化AI引擎，采集多模態(tài)學(xué)習(xí)行為，自動(dòng)標(biāo)注課堂教學(xué)行為，為教師的課堂教學(xué)表現(xiàn)、專業(yè)發(fā)展提供一定的實(shí)證式數(shù)據(jù)支撐(顧小清等，2021)。具體應(yīng)用包括：

第一，為發(fā)現(xiàn)課堂教學(xué)行為規(guī)律提供方法，即通過(guò)課堂教學(xué)視頻數(shù)據(jù)采集與存儲(chǔ)、課堂行為建模和計(jì)算，為大規(guī)模量化課堂教學(xué)行為提供可能。隨著樣本量的增加，人工智能引擎將融入更多的多維關(guān)聯(lián)的課堂教學(xué)行為特征，為挖掘課堂教學(xué)行為之間的規(guī)律、行為的變化模式提供更加客觀和全面的證據(jù)。第二，為教師改進(jìn)課堂教學(xué)提供客觀評(píng)價(jià)。一線教師會(huì)通過(guò)多種途徑學(xué)習(xí)，其中，從自己的教學(xué)實(shí)踐中學(xué)習(xí)是重要的學(xué)習(xí)途徑(約翰·D.布蘭思福特，2013)。人工智能技術(shù)能夠?qū)崿F(xiàn)課堂教學(xué)的常態(tài)化伴隨式縱向數(shù)據(jù)采集，利用班級(jí)、教師和學(xué)生等行為建模技術(shù)，通過(guò)構(gòu)建不同地區(qū)、不同學(xué)段、不同學(xué)科的課堂教學(xué)行為常模，為教師提供課堂教學(xué)的過(guò)程性、增值性評(píng)價(jià)報(bào)告，實(shí)現(xiàn)教學(xué)行為的智能分析。在教學(xué)實(shí)踐中，教師可以將這些客觀分析的結(jié)果與主觀總結(jié)相結(jié)合，通過(guò)教學(xué)診斷，促進(jìn)教學(xué)反思，進(jìn)而改進(jìn)課堂教學(xué)。第三，為教師研修活動(dòng)提供支撐平臺(tái)。區(qū)域教研員可以依托人工智能課堂教學(xué)行為分析系統(tǒng)，開(kāi)展線上線下相結(jié)合的課例研修、直播錄播課堂支持的同儕互助研修、主觀評(píng)課數(shù)據(jù)與客觀課堂分析數(shù)據(jù)相結(jié)合的混合式研修活動(dòng)。這種實(shí)證數(shù)據(jù)支撐的教研活動(dòng)的開(kāi)展，能夠?yàn)榫珳?zhǔn)備課、評(píng)課議課及教學(xué)反思提供有力的抓手，最終促進(jìn)教師信息化教學(xué)能力的提升(張妮等，2020)。

本研究存在如下局限：第一，在技術(shù)上，人工智能引擎自動(dòng)標(biāo)注識(shí)別的精度有待提高。課堂教學(xué)行為智能采集系統(tǒng)可通過(guò)標(biāo)注、分析和融合教學(xué)視頻中的語(yǔ)言、手勢(shì)、姿態(tài)等多模態(tài)數(shù)據(jù)，豐富教學(xué)行為識(shí)別類型，提高教學(xué)行為識(shí)別精度；第二，在數(shù)據(jù)源上，本研究主要分析師生課堂行為類型等觀察性指標(biāo)，未涉及教師和學(xué)生的認(rèn)知、情感等內(nèi)在心理狀態(tài)。未來(lái)研究可以將課堂參與主體的認(rèn)知和情感數(shù)據(jù)，與課堂全景式視頻相結(jié)合，更加全面立體地分析課堂教學(xué)行為規(guī)律；最后，值得注意的是，人工智能應(yīng)用于教育必然會(huì)產(chǎn)生及使用大量的敏感數(shù)據(jù)，如何保護(hù)學(xué)生、教師的個(gè)人隱私，以及保證數(shù)據(jù)的安全性是一個(gè)不容忽視的倫理、利益和安全問(wèn)題(唐漢衛(wèi)，2018)，這也是未來(lái)需要關(guān)注的重要研究方向。

[注釋]

①師生互動(dòng)既有教師行為也有學(xué)生行為，兩種行為交織一起。鑒于大部分課堂中師生互動(dòng)由教師主導(dǎo)發(fā)生，為了分析方便，本研究將師生互動(dòng)歸類為教師行為。