摘 要：課堂教學(xué)行為分析能有效幫助研究者、教學(xué)者了解課堂特征、發(fā)現(xiàn)教學(xué)問題，促進(jìn)其進(jìn)行教學(xué)反思并提升課堂質(zhì)量。本研究以12節(jié)2022學(xué)年G市中小學(xué)人工智能優(yōu)秀課例的教學(xué)視頻為研究對象，采用滯后序列分析法，對所選取的優(yōu)秀課例的教學(xué)視頻進(jìn)行對比分析，并結(jié)合具體的教學(xué)片段進(jìn)行個案分析，從教學(xué)主體、教學(xué)內(nèi)容、教學(xué)范式、教學(xué)設(shè)備等4個維度進(jìn)行辨識，總結(jié)出優(yōu)質(zhì)小學(xué)人工智能課堂特征，并在此基礎(chǔ)上提出了相應(yīng)的建議，以期提升人工智能教師的教學(xué)能力。

關(guān)鍵詞：小學(xué)人工智能課；課堂教學(xué)行為；滯后序列分析

中圖分類號：G4 文獻(xiàn)標(biāo)志碼：A 文章編號：2096-0069（2024）04-0038-06

引言

隨著人工智能技術(shù)的普及和應(yīng)用領(lǐng)域的拓展，教育領(lǐng)域?qū)θ斯ぶ悄艿膽?yīng)用也給予了高度重視。目前人工智能課程已被G市視為重要地方課程之一，要求每兩周至少安排1課時。那么，優(yōu)質(zhì)小學(xué)人工智能課堂特征有哪些？如何有效地開展一節(jié)優(yōu)質(zhì)的小學(xué)人工智能課？為此，本研究構(gòu)建了小學(xué)人工智能課堂教學(xué)行為框架，選取了G市中小學(xué)人工智能課程優(yōu)秀課例進(jìn)行滯后序列分析，探索小學(xué)人工智能優(yōu)質(zhì)課堂的內(nèi)在規(guī)律，并為小學(xué)人工智能教師提供有針對性的建議。

一、文獻(xiàn)綜述

（一）課堂教學(xué)行為分析

在教學(xué)行為分析這一領(lǐng)域，較為成熟的分析系統(tǒng)有弗蘭德斯提出的互動分析系統(tǒng)（The Flanders Interaction Analysis System，簡稱FIAS）、S-T分析系統(tǒng)。近年來，國內(nèi)研究者基于不同的教學(xué)環(huán)境，對其進(jìn)行了探索和改進(jìn)。如顧小清等[1]提出的基于信息技術(shù)的互動分析編碼系統(tǒng)（Information Technology-Based on Interactive Analysis System，簡稱ITIAS），相較于FIAS增加了技術(shù)的類別，以期反映技術(shù)在課堂教學(xué)中的意義，從學(xué)生和教師兩個角度對其行為進(jìn)行細(xì)分，分類維度清晰易懂，對于改進(jìn)教學(xué)具有較大的意義。郭炯等[2]在參考S-T分析法及FlAS的基礎(chǔ)上構(gòu)建了一個用于分析師生在數(shù)學(xué)學(xué)科能力培養(yǎng)中課堂技術(shù)應(yīng)用行為的框架。鑒于本研究的研究對象為中小學(xué)人工智能課例，并考慮到人工智能課程與一般的學(xué)科課程存在差異性，因此，本研究在參考S-T模型、ITIAS的基礎(chǔ)上，結(jié)合人工智能課堂的特征，形成人工智能課堂教學(xué)行為分析編碼體系。

（二）滯后序列分析法

滯后序列分析法（Lag Sequential Analysis，簡稱LSA）主要用于評估在某行為發(fā)生后，另一種行為出現(xiàn)的頻率，及其在統(tǒng)計學(xué)上是否具有顯著性。如今，在教育領(lǐng)域已有許多研究者使用LSA研究課堂教學(xué)行為。例如，楊現(xiàn)民等[3]認(rèn)為，LSA能夠協(xié)助教育工作者理解學(xué)習(xí)者潛在的行為模式；彭林華等[4]應(yīng)用LSA對智慧課堂教學(xué)行為進(jìn)行研究，分析教師的教學(xué)行為模式，以提升教師在信息技術(shù)應(yīng)用方面的能力；薛曉倩等[5]以某平臺語文部級優(yōu)課為研究對象，采用LSA揭示語文課堂師生問答行為現(xiàn)狀并提供建議。綜上，LSA在探索課堂教學(xué)行為模式上有較好的效果，因此，本研究選用LSA探索人工智能課堂教學(xué)行為模式。

二、研究設(shè)計

（一）研究對象

本研究從G市中小學(xué)人工智能教學(xué)平臺抽取6節(jié)一等獎教學(xué)視頻（組1）和6節(jié)非一等獎教學(xué)視頻（組2），共12節(jié)，其中獲獎視頻均由專家背對背評選。鑒于參賽情況，樣本學(xué)段定為小學(xué)，每個課例時長約40分鐘。G市中小學(xué)人工智能課程包括4種類型：通識型、應(yīng)用型、編程型、開發(fā)型。經(jīng)分析，優(yōu)秀課例中后3類占比較大，因此在這3類課程中進(jìn)行樣本抽取。

（二）研究方法

本研究在參考S-T模型、ITIAS、OOTIAS的基礎(chǔ)上，結(jié)合研究者對教學(xué)視頻的觀察和人工智能課堂的特點，將教師行為分為講授、與學(xué)生互動、下達(dá)指令/任務(wù)、操作演示/指導(dǎo)、評價、秩序管理、板書等7種行為，以Tn進(jìn)行編碼；將學(xué)生行為分為技術(shù)體驗、上機(jī)實踐、成果展示、與教師互動、沉寂等5種行為，分別以Sn和SL進(jìn)行編碼。如表1所示。

（三）抽樣及編碼方法

本研究首先從優(yōu)秀課例中各挑選一節(jié)視頻，由4名編碼者一起觀看，在此過程中確定行為歸屬級別，并建立統(tǒng)一的評價尺度。在后續(xù)實驗中，本研究安排4位研究人員獨立對視頻進(jìn)行編碼，每10秒進(jìn)行1次采樣，共獲得2935個行為樣本，通過GSEQ 5.0軟件的運算，得到相應(yīng)的頻次表及殘差值。

三、分析結(jié)果

（一）小學(xué)人工智能課堂教學(xué)行為頻次統(tǒng)計分析

本研究共選擇教學(xué)視頻12節(jié)，組1和組2分別包含6節(jié)，共形成編碼2935個?？偟膩碚f，組1教師行為時長占比54.7%，學(xué)生行為時長占比45.3%；組2教師行為時長占比53.6%，學(xué)生行為時長占比45.7%。兩組課例中，教師行為時長與學(xué)生行為時長占整節(jié)課時長的比例較為相似，且接近50%，說明兩組課例中教師均貫徹了以學(xué)生為中心的教育理念，充分展現(xiàn)了學(xué)生在課堂中的主體作用。

（二）小學(xué)人工智能課堂教學(xué)行為分析

本研究將編碼數(shù)據(jù)導(dǎo)入GSEQ 5.0軟件，得到了兩組課例調(diào)整后的殘差值表。根據(jù)殘差值表，分別繪制了組1、組2的人工智能課堂教學(xué)行為模式圖，如圖1、圖2所示。

在組1和組2的課例中，觀察到有以下幾個共同點：

（1）教師評價與學(xué)生成果展示之間存在顯著轉(zhuǎn)移序列，教師評價隨學(xué)生成果展示的出現(xiàn)而出現(xiàn)（S3→T5），說明優(yōu)質(zhì)人工智能課堂注重對學(xué)生展示的反饋，教師能夠即時對學(xué)生的回答和作品進(jìn)行點評。

（2）教師與學(xué)生互動、學(xué)生與教師互動之間均存在顯著轉(zhuǎn)移序列（S4→T2，T2→S4），且轉(zhuǎn)移顯著性方面均高于其他教學(xué)行為，說明優(yōu)質(zhì)人工智能課堂都比較注重師生間的雙向互動。學(xué)生能主動提問教師、積極回答教師問題，教師也能及時回應(yīng)學(xué)生的提問，積極地對學(xué)生的回答進(jìn)行引導(dǎo)、提示。

（3）在學(xué)生行為中，技術(shù)體驗（S1）及上機(jī)實踐（S2）都達(dá)到了極高的顯著水平，說明在優(yōu)質(zhì)人工智能課堂中學(xué)生能夠積極地參與技術(shù)體驗和上機(jī)實踐，同時也凸顯了該課堂重視學(xué)生的實操和AI技術(shù)的體驗。

通過觀察、分析可知，兩組教師的課堂教學(xué)行為之間存在顯著差異。具體為：組1課例中，關(guān)聯(lián)其他行為最多的是S4（4個），重心效果明顯；組2課例中，主要是以T1發(fā)起、結(jié)束的教學(xué)行為為主（分別為2個、2個）。

在組1課例中，學(xué)生主動提問與回答等互動行為會隨教師提問、回答、引導(dǎo)等互動行為的出現(xiàn)而出現(xiàn)（T2→S4），且學(xué)生的互動行為持續(xù)時間較長（S4→S4），說明教師關(guān)注學(xué)生在課堂中的主體性，教師使用板書進(jìn)行知識點梳理的行為會隨學(xué)生回答行為的出現(xiàn)而出現(xiàn)（S4→T7）。結(jié)合課堂實錄可知，在師生問答互動時，教師會通過提問的方式，引導(dǎo)學(xué)生回答的內(nèi)容盡量與課程知識點接近，隨后教師通過板書幫助學(xué)生重新回顧知識點或梳理思路，從而引導(dǎo)學(xué)生內(nèi)化知識。目前，小學(xué)人工智能教師已經(jīng)能熟練使用技術(shù)及言語對學(xué)生開展多樣化的評價[（S4→T5）和（S3→T5）]。結(jié)合課堂實錄可知，在學(xué)生進(jìn)行上機(jī)實踐、合作探究等活動時，教師能及時給予學(xué)生上機(jī)指導(dǎo)、演示幫助等，能夠靈活轉(zhuǎn)換自身課堂角色（S2→T4），持續(xù)時間適中（T4→T4），并且多數(shù)教師提供技術(shù)指導(dǎo)均針對學(xué)生的問題進(jìn)行一對一指導(dǎo)。在課堂上，教師也沒有忽略傳統(tǒng)媒體的使用（S4→T7）。在學(xué)生的行為中，雖然兩組課例在技術(shù)體驗和上機(jī)實踐中都達(dá)到了極高的顯著水平，但在組2課例中，此行為并沒有與其他行為發(fā)生顯著性關(guān)聯(lián)，而在組1的課例中，教師秩序管理行為常緊隨學(xué)生技術(shù)體驗后發(fā)生（S1→T6），結(jié)合視頻實錄可知，多數(shù)學(xué)生在技術(shù)體驗時呈現(xiàn)出非常高的學(xué)習(xí)興致，非常主動地與同伴討論，因此課堂會比較吵鬧，反映出學(xué)生對技術(shù)體驗很感興趣，這時需要老師通過秩序管理加以正確引導(dǎo)，將學(xué)生的興奮勁引導(dǎo)到學(xué)習(xí)上。

從圖2可以發(fā)現(xiàn)，組2數(shù)據(jù)呈現(xiàn)了兩條較為完整

的行為序列[（T6→S3→T5→T1→T7）和（T6→S3→

T5→T1→SL）]。在序列中，學(xué)生成果展示緊隨教師管理秩序之后（T6→S3）。結(jié)合課堂實錄可知，學(xué)生在上機(jī)實踐后期會出現(xiàn)秩序混亂的情況，因此教師往往會先管理秩序，再進(jìn)行學(xué)生成果展示；教師講授行為會導(dǎo)致沉寂的發(fā)生（T1→SL），反映出教師講授行為在一定程度上沒有得到學(xué)生回應(yīng)，教師講授水平相較于組1課例中的教師偏低，有可能是因為教師講授內(nèi)容太難或內(nèi)容沒有引起學(xué)生興趣。除以上兩條行為序列之外，同時還存在著另一對相互循環(huán)的序列[（T2→S4）和（S4→T2）]。觀察圖2可知，雖然教師在課堂中注重與學(xué)生互動（T2→S4），但是這種互動更多是由教師發(fā)起的（S4→T2），并且這種互動沒有與課堂其他行為形成顯著相關(guān)關(guān)系，這反映出教師難以將教學(xué)互動融入人工智能課堂。此外，師生上機(jī)實踐、操作行為并沒有與任何一個行為形成關(guān)聯(lián)，但這些行為都與本身高度相關(guān)（S1→S1）（S2→S2）、（T4→T4），這反映出課堂上機(jī)操作、技術(shù)體驗等使用技術(shù)的行為與其他行為產(chǎn)生了脫節(jié)。

四、研究結(jié)論與建議

（一）優(yōu)質(zhì)的小學(xué)人工智能課堂特征

本研究通過對兩組課例教學(xué)行為的對比，并結(jié)合具體教學(xué)片段的個案分析，參照教學(xué)行為發(fā)生后觀察到的學(xué)生實際反饋，從教學(xué)主體、教學(xué)內(nèi)容、教學(xué)范式、教學(xué)設(shè)備等4個維度進(jìn)行辨識，總結(jié)出優(yōu)質(zhì)小學(xué)人工智能課堂教學(xué)行為特征。

1.在教學(xué)主體上，凸顯以學(xué)生為主體的師生雙向課堂交互

通過分析數(shù)據(jù)可知，課堂學(xué)生行為時間占比高于教師行為時間占比。具體來說，課堂中教師講授所占時長較少，學(xué)生回答問題、技術(shù)體驗、上機(jī)實踐等時間較多。尤其是在組1課例中，師生交互以“老師講授→老師與學(xué)生互動→學(xué)生與老師互動→評價”為主要行為邏輯，且技術(shù)的加入、開放提問型和正向反饋型的對話模式凸顯了人工智能課堂中以學(xué)生為主體的師生雙向課堂交互。具體如下：

（1）技術(shù)的加入讓課堂的師生互動形式更豐富、高效。教師通過簡單的隨機(jī)點名、搶答、拍照上傳、展示等功能與學(xué)生開展實時互動，便捷的交互方式和豐富的交互內(nèi)容提高了學(xué)生的課堂參與度，讓學(xué)生在師生溝通交流中占據(jù)主體地位。

（2）師生互動形成了開放提問型的對話模式。教師提問更側(cè)重開放性問題，其能有效地促進(jìn)學(xué)生的深度思考。結(jié)合課堂實錄發(fā)現(xiàn)，組1教師提問是基于特定情境，以開放的發(fā)散性問題為主，擅長為學(xué)生創(chuàng)造思考的條件。另外，在人工智能課堂中，教師較少提出諸如“能不能？對不對？”等局限性、封閉性問題。

（3）師生互動形成了正向反饋型的對話模式。據(jù)前文，教師評價行為與學(xué)生成果展示間存在顯著轉(zhuǎn)移序列，說明教師能夠開展小組評價、自我評價等多樣化評價。值得注意的是，教師在開展口頭評價時擅長對學(xué)生情感上的接納。教師給予學(xué)生正向評價和引導(dǎo)，可以有效提高學(xué)生的學(xué)習(xí)積極性，進(jìn)而凸顯人工智能課堂中學(xué)生的主體地位。

2．在教學(xué)內(nèi)容上，圍繞人工智能核心素養(yǎng)進(jìn)行教學(xué)內(nèi)容設(shè)計

中小學(xué)人工智能課程隸屬于中小學(xué)信息科技課程體系，因此人工智能課程核心素養(yǎng)應(yīng)符合信息科技課程核心素養(yǎng)。

通過深入觀察課堂實錄，并結(jié)合教師教學(xué)設(shè)計，可知教師在教學(xué)內(nèi)容設(shè)計上是從以下幾個方面入手的：

（1）突出人工智能基礎(chǔ)知識與核心概念：著重講解人工智能的基礎(chǔ)知識和核心概念，如人臉識別、深度學(xué)習(xí)等。通過詳細(xì)解釋這些概念和原理，幫助學(xué)生扎實掌握基本知識，為后續(xù)的學(xué)習(xí)和應(yīng)用打下堅實的基礎(chǔ)。在組1中，我們發(fā)現(xiàn)，大多數(shù)教師都會將概念性的知識后置，在學(xué)生進(jìn)行體驗后再對概念進(jìn)行講解；另外，相較于組2，組1的教師會采取多種教學(xué)方法和手段，如案例分析、任務(wù)驅(qū)動法、AI體驗等，幫助學(xué)生理解人工智能技術(shù)的原理和應(yīng)用。同時，組1教師會更注重教學(xué)內(nèi)容的更新和拓展，及時引入最新的人工智能技術(shù)和應(yīng)用，讓學(xué)生了解人工智能領(lǐng)域的發(fā)展動態(tài)和趨勢。

（2）強(qiáng)化智能思維與問題解決能力：在組1和組2的課例中，內(nèi)容設(shè)計均會選取具有挑戰(zhàn)性的問題和案例，引導(dǎo)學(xué)生運用計算思維解決問題。此外，教師均會利用流程圖或思維導(dǎo)圖的方式幫助學(xué)生厘清問題的解決程序，強(qiáng)化學(xué)生的邏輯推理能力。

（3）強(qiáng)化實踐與應(yīng)用環(huán)節(jié)：在組1和組2的課例中，均安排了較為充足的實踐與應(yīng)用環(huán)節(jié)，如編程、機(jī)器人開發(fā)等。這樣的實踐活動能夠讓學(xué)生深入了解人工智能技術(shù)的實際應(yīng)用場景，提高學(xué)生的動手、動腦能力。

（4）引入人工智能倫理與社會責(zé)任內(nèi)容：在組1中，教師會在教學(xué)中設(shè)置人工智能倫理和社會責(zé)任的討論活動，或者由教師親自講授，讓學(xué)生認(rèn)識到人工智能技術(shù)的雙重性，樹立正確的價值觀和道德觀。但在組2中，在此方面的內(nèi)容設(shè)計稍顯不足，具體體現(xiàn)為：①部分教師幾乎沒有提及此方面的內(nèi)容；②部分教師對于時間的把控不足，導(dǎo)致在此方面的講解時間被壓縮，教學(xué)效果不佳；③部分教師講解該內(nèi)容時難以引起學(xué)生注意。

3．在教學(xué)范式上，遵循“一主三環(huán)”的人工智能課堂教學(xué)范式

G市人工智能課程實驗團(tuán)隊已總結(jié)出中小學(xué)人工智能課堂“一主三環(huán)”教學(xué)范式。通過分析視頻實錄得知，本研究所選取的人工智能課例基本遵循“一主三環(huán)”的人工智能課堂教學(xué)范式，即以人工智能通識為主線，通過體驗、實驗、應(yīng)用3個環(huán)節(jié)學(xué)習(xí)人工智能。

首先，將通識學(xué)習(xí)作為課程重點以及主線貫穿于3個環(huán)節(jié)，設(shè)置相應(yīng)的任務(wù)活動，讓學(xué)生的能力在任務(wù)、活動中得到提升，促進(jìn)其理解并掌握人工智能通識知識。在體驗環(huán)節(jié)，教師將問題鑲嵌于學(xué)生熟悉的生活情境中，從而增強(qiáng)學(xué)生學(xué)習(xí)人工智能的興趣；同時，為有效激發(fā)學(xué)生學(xué)習(xí)人工智能通識知識的內(nèi)在認(rèn)知驅(qū)力，教師也會引導(dǎo)學(xué)生在情境中體驗如何應(yīng)用人工智能解決問題。在實驗環(huán)節(jié)，學(xué)生在體驗并了解人工智能通識知識后，通過圖形化編程來應(yīng)用人工智能技術(shù)，以驗證原理，從而加深對原理的理解，并進(jìn)一步認(rèn)識人工智能在現(xiàn)實生活中的應(yīng)用。在應(yīng)用環(huán)節(jié)，讓學(xué)生應(yīng)用體驗環(huán)節(jié)和實驗環(huán)節(jié)所學(xué)的知識來完成一個應(yīng)用項目，以讓學(xué)生利用所掌握的人工智能技術(shù)，發(fā)揮自身創(chuàng)新思維，進(jìn)行創(chuàng)造性開發(fā)，從而提高并發(fā)展學(xué)生對人工智能的應(yīng)用能力。

4．在教學(xué)設(shè)備上，充分利用智能應(yīng)用平臺

在優(yōu)質(zhì)小學(xué)人工智能課堂中，教師使用新型媒體和使用傳統(tǒng)媒體分別占比為9.8%和1.2%。結(jié)合課堂實錄，可以發(fā)現(xiàn)優(yōu)質(zhì)課堂的教師能夠熟練地使用人工智能實驗室中的硬件設(shè)施以及軟件設(shè)施實施課程教學(xué)。盡管目前多數(shù)教師都能夠熟練使用所選取的平臺進(jìn)行操作演示，但教師在使用技術(shù)進(jìn)行評價時仍略顯困難，多數(shù)教師仍采取口頭評價。

（二）有效地開展一節(jié)優(yōu)質(zhì)的小學(xué)人工智能課程的建議

1.在教學(xué)主體上，充分發(fā)揮教師主導(dǎo)、學(xué)生主體作用

在人工智能課堂中充分發(fā)揮教師主導(dǎo)、學(xué)生主體作用，應(yīng)從以下幾方面入手：一是采用適配的教學(xué)策略，如游戲化教學(xué)、實際案例等，向?qū)W生傳授人工智能原理及應(yīng)用技能，引導(dǎo)學(xué)生對知識加強(qiáng)掌握和理解；二是注重實踐，如圖形化編程、機(jī)器人編程等，并提供實時反饋，幫助學(xué)生在實踐中發(fā)現(xiàn)問題并解決；三是通過案例法、小組討論等方法向?qū)W生普及人工智能倫理道德問題，引導(dǎo)學(xué)生形成正確的信息社會責(zé)任，發(fā)揮教師在價值觀、情感方面的導(dǎo)向作用。

2．在教學(xué)內(nèi)容上，重點關(guān)注人工智能倫理和社會責(zé)任內(nèi)容

通過上述分析可知，目前小學(xué)人工智能課堂在人工智能倫理和社會責(zé)任方面的內(nèi)容設(shè)計比較欠缺。對此，本研究提供兩點建議：一是通過講解典型案例的方式，讓學(xué)生了解人工智能技術(shù)應(yīng)用中可能引發(fā)的倫理問題，引導(dǎo)學(xué)生意識到遵循倫理原則的重要性；二是把握課堂教學(xué)中的問題生成，通過問題解決來提高學(xué)生的能力。

3．在教學(xué)范式上，采用“一主三環(huán)”的人工智能課堂教學(xué)范式

研究表明，現(xiàn)行階段推行“一主三環(huán)”的人工智能課堂教學(xué)范式符合中小學(xué)課堂教學(xué)規(guī)律[6]。因此，在人工智能課堂上，建議教師以“通識學(xué)習(xí)”為主線，將其貫穿于體驗、實踐和應(yīng)用3個環(huán)節(jié)，圍繞人工智能通識知識展開人工智能教學(xué)，并將AI體驗和實踐融入人工智能課堂教學(xué)，讓學(xué)生在動手、動腦中完成對人工智能概念、原理的理解以及技術(shù)的驗證與應(yīng)用，實現(xiàn)對知識技能的內(nèi)化和操作技能的掌握。

4．在教學(xué)設(shè)備上，充分融合技術(shù)與教學(xué)

教學(xué)設(shè)備只有與知識充分融合，才能夠有效促進(jìn)學(xué)生的知識內(nèi)化?？紤]到人工智能課堂的教學(xué)過程中存在大量的推導(dǎo)和演示過程，一方面，教師要不斷提升對各種教學(xué)設(shè)備、新型技術(shù)的使用能力，對課堂技術(shù)的使用場景進(jìn)行深度挖掘，從而促進(jìn)學(xué)生對人工智能教學(xué)內(nèi)容的理解；另一方面，教師需要結(jié)合技術(shù)，融合課程知識，將知識有效形象化，通過多種形式增強(qiáng)學(xué)生的學(xué)習(xí)體驗。

五、結(jié)語

本研究通過采用LSA對兩組課例的教學(xué)行為進(jìn)行對比，并結(jié)合具體教學(xué)片段的個案分析，從教學(xué)主體、教學(xué)內(nèi)容、教學(xué)范式、教學(xué)設(shè)備等4個維度進(jìn)行辨識，總結(jié)出優(yōu)質(zhì)的小學(xué)人工智能課堂特征，并在此基礎(chǔ)上提出了有效地開展一節(jié)優(yōu)質(zhì)的小學(xué)人工智能課程的建議。同時，需要指出的是，本研究僅對小學(xué)人工智能課堂教學(xué)實錄進(jìn)行了分析，為了更全面地了解中小學(xué)人工智能課堂的教學(xué)情況，未來還需開展更大規(guī)模的實證研究。

參考文獻(xiàn)

[1] 顧小清，王煒.支持教師專業(yè)發(fā)展的課堂分析技術(shù)新探索[J].中國電化教育，2004（7）：18-21.

[2]郭炯，丁添.面向數(shù)學(xué)學(xué)科能力培養(yǎng)的智慧課堂技術(shù)應(yīng)用行為分析研究[J].中國電化教育，2023（2）：134-141.

[3]楊現(xiàn)民，王懷波，李冀紅.滯后序列分析法在學(xué)習(xí)行為分析中的應(yīng)用[J].中國電化教育，2016（2）：17-23，32.

[4]彭林華，林曉凡.基于滯后序列分析的智慧課堂教學(xué)行為研究[J].現(xiàn)代教育技術(shù)，2021，31（7）：55-61.

[5]薛曉倩，陳娬.信息化背景下中小學(xué)語文課堂師生問答話語分析：以“一師一優(yōu)課”為例[J].數(shù)字教育，2022，8（4）：55-63.

[6]劉載興.義務(wù)教育階段人工智能課程課堂教學(xué)范式構(gòu)建與實踐研究[J].教育導(dǎo)刊，2021（8）：66-70.

（責(zé)任編輯 孫興麗）

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

基金項目：國家社會科學(xué)基金教育學(xué)2022年度一般課題“‘雙減’背景下義務(wù)教育教師負(fù)擔(dān)的發(fā)生機(jī)制及治理對策研究”（BFA220185）

作者簡介：李曉敏（1999 — ），女，廣東梅州人，碩士研究生，研究方向為人工智能教育；鄭友嫻（1999 — ），女，廣東深圳人，碩士研究生，研究方向為人工智能教育；劉昊（2000 — ），男，湖南衡陽人，碩士研究生，研究方向為人工智能教育；董一龍（2000 — ），男，遼寧大連人，碩士研究生，研究方向為遠(yuǎn)程教育；陳娬（1976 — ），女，廣東梅州人，博士，教授、碩士生導(dǎo)師，研究方向為遠(yuǎn)程教育、教師教育;鐘景迅（1981 — ），男，廣西合浦人，教授、博士生導(dǎo)師，研究方向為教育社會學(xué)和教育管理學(xué)。