關(guān)鍵詞：大數(shù)據(jù)；課堂交互評(píng)價(jià)；層次分析；聚類分析；智慧教室

中圖分類號(hào)：G642 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2025）03-0067-03 開放科學(xué)（資源服務(wù)） 標(biāo)識(shí)碼（OSID） ：

0 引言

近年來，大數(shù)據(jù)和人工智能技術(shù)在教育領(lǐng)域的應(yīng)用日益廣泛。新工科人才培養(yǎng)強(qiáng)調(diào)學(xué)生的創(chuàng)新意識(shí)和實(shí)踐能力，課堂交互作為實(shí)現(xiàn)這一目標(biāo)的重要途徑，成為教學(xué)改革的重點(diǎn)。課堂教學(xué)交互效果評(píng)價(jià)是檢驗(yàn)教學(xué)質(zhì)量和推進(jìn)教學(xué)改革的重要環(huán)節(jié)，其科學(xué)性和準(zhǔn)確性至關(guān)重要。然而，傳統(tǒng)的課堂教學(xué)效果評(píng)價(jià)方法存在以下問題：

主觀性強(qiáng)：傳統(tǒng)評(píng)價(jià)方法主要依賴教師的經(jīng)驗(yàn)和學(xué)生的感受，評(píng)價(jià)結(jié)果易受主觀因素影響，缺乏客觀性和可比性。

評(píng)價(jià)指標(biāo)單一：傳統(tǒng)評(píng)價(jià)方式通常只關(guān)注師生互動(dòng)頻率、學(xué)生參與情況等少數(shù)評(píng)價(jià)指標(biāo)，忽略了學(xué)生學(xué)習(xí)效果、知識(shí)水平、情感態(tài)度等多方面因素。

評(píng)價(jià)方法局限：傳統(tǒng)評(píng)價(jià)方法主要依賴教師自我感知、學(xué)生問卷調(diào)查等方式，無法全面、實(shí)時(shí)地反映課堂交互的真實(shí)情況。

評(píng)價(jià)結(jié)果反饋滯后：傳統(tǒng)評(píng)價(jià)通常在課程結(jié)束后才進(jìn)行，無法及時(shí)發(fā)現(xiàn)和解決教學(xué)中存在的問題，不利于教師及時(shí)調(diào)整教學(xué)策略。

傳統(tǒng)評(píng)價(jià)方法的局限性，促使研究人員尋求更加科學(xué)、客觀的評(píng)價(jià)方法，以滿足新時(shí)代教育評(píng)價(jià)的需求。

1 基于大數(shù)據(jù)的課堂交互效果評(píng)價(jià)相關(guān)研究

近年來，許多研究者開始探索利用大數(shù)據(jù)和人工智能技術(shù)進(jìn)行課堂交互效果的評(píng)價(jià)。文楷等提出了基于視頻分析的課堂教學(xué)效果自動(dòng)評(píng)價(jià)系統(tǒng)，采用了考勤檢測(cè)、學(xué)習(xí)狀態(tài)分析等模塊，實(shí)現(xiàn)了課堂教學(xué)效果的自動(dòng)評(píng)價(jià)[1]。宋陽春等研究了高校學(xué)生評(píng)教現(xiàn)狀，并提出了相應(yīng)的對(duì)策建議[2]，徐俊武等定量分析了翻轉(zhuǎn)課堂教學(xué)模式對(duì)學(xué)生成績的影響，發(fā)現(xiàn)翻轉(zhuǎn)課堂模式對(duì)學(xué)生期末考試成績有顯著的正向影響[3]。金力等學(xué)者利用深度學(xué)習(xí)技術(shù)構(gòu)建了課堂教學(xué)效果評(píng)價(jià)模型，能夠獲取學(xué)生面部表情變化，促進(jìn)課堂教學(xué)質(zhì)量的提高[4]。任遠(yuǎn)芳以智慧課堂為研究案例，提出了大數(shù)據(jù)背景下智慧課堂教學(xué)效果評(píng)價(jià)的構(gòu)建策略[5]。這些研究豐富了課堂教學(xué)效果評(píng)價(jià)的方法，采用了機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等先進(jìn)技術(shù)，以提高評(píng)價(jià)的準(zhǔn)確性和效率，為教學(xué)質(zhì)量提升提供了新的思路和方法。但是也都存在交互效果評(píng)價(jià)不突出，評(píng)價(jià)指標(biāo)泛化能力差，通用性差，不符合學(xué)校統(tǒng)一管理需求等問題，本文提出一種基于大數(shù)據(jù)的高效課堂評(píng)價(jià)方法，能較好地適應(yīng)不同課堂類型，能獲得師生認(rèn)可的評(píng)價(jià)結(jié)果。

2 大數(shù)據(jù)驅(qū)動(dòng)的教學(xué)交互評(píng)價(jià)模型

課堂交互效果評(píng)價(jià)模型包括評(píng)價(jià)指標(biāo)、指標(biāo)權(quán)重和指標(biāo)量化等諸多元素。目前層次分析、主成分分析等統(tǒng)計(jì)分析模型已經(jīng)廣泛應(yīng)用于教學(xué)效果評(píng)價(jià)，在信度和效度性能上表現(xiàn)良好。本研究采用層次分析法（AHP） 構(gòu)建教學(xué)交互評(píng)價(jià)模型。主要通過將教學(xué)交互問題分解成多個(gè)層次和因素、確定判斷矩陣、計(jì)算相關(guān)權(quán)重、完成一致性檢驗(yàn)，最終得出評(píng)價(jià)結(jié)果。

2.1 評(píng)價(jià)標(biāo)準(zhǔn)的層次結(jié)構(gòu)

根據(jù)新工科人才培養(yǎng)目標(biāo)，分析課堂教學(xué)交互的各要素關(guān)系，融合課堂的交互主體、目標(biāo)任務(wù)等多個(gè)視角分析確定評(píng)價(jià)標(biāo)準(zhǔn)的層次為：學(xué)生、教師和目標(biāo)達(dá)成度。如圖1所示。

學(xué)生層包含：參與度、專注度、參與質(zhì)量三組測(cè)量項(xiàng)。

教師層包含：反饋及時(shí)性、目標(biāo)達(dá)成度等二組測(cè)量項(xiàng)。

教師學(xué)生復(fù)合層包含：互動(dòng)頻率一組測(cè)量項(xiàng)。

學(xué)生和目標(biāo)達(dá)成度復(fù)合層包含：參與質(zhì)量一組測(cè)量項(xiàng)。

詳細(xì)的觀測(cè)點(diǎn)如表1所示。

2.2 數(shù)據(jù)采集及量化

表1中具體觀測(cè)點(diǎn)數(shù)據(jù)，可利用智慧教室中相關(guān)支撐技術(shù)完成采集。如課堂互動(dòng)次數(shù)、回答問題頻率等數(shù)據(jù)可用AI行為識(shí)別系統(tǒng)自動(dòng)檢測(cè)和記錄學(xué)生在課堂中的主動(dòng)互動(dòng)行為，包括舉手、發(fā)言和提問次數(shù)等。教師提問次數(shù)等數(shù)據(jù)可以通過教室內(nèi)的麥克風(fēng)陣列和語音識(shí)別技術(shù)進(jìn)行采集記錄。

評(píng)價(jià)中采集的數(shù)據(jù)都是課堂參與者實(shí)際產(chǎn)生的，不同課程和教學(xué)場(chǎng)景產(chǎn)生的數(shù)據(jù)規(guī)模不同，因此不能使用統(tǒng)一的標(biāo)準(zhǔn)來量化等級(jí)。為達(dá)到數(shù)據(jù)量化的自適應(yīng)性，利用縱向聚類算法將每個(gè)觀測(cè)點(diǎn)采集的數(shù)據(jù)量化為具體的等級(jí)，本研究中采用K-means聚類分析法[6]，具體步驟：

1） 數(shù)據(jù)標(biāo)準(zhǔn)化：對(duì)各數(shù)據(jù)進(jìn)行z-score[7] 標(biāo)準(zhǔn)化，如式1所示。

z 為標(biāo)準(zhǔn)化后的數(shù)值，x 為原始數(shù)據(jù)值，μ為數(shù)據(jù)的均值，σ為數(shù)據(jù)的標(biāo)準(zhǔn)差。通過z-score標(biāo)準(zhǔn)化，可以消除不同指標(biāo)的量綱差異，使其在同一尺度上進(jìn)行比較。

2.3 指標(biāo)權(quán)重計(jì)算方法

為體現(xiàn)指標(biāo)體系的科學(xué)性，評(píng)價(jià)指標(biāo)的權(quán)重應(yīng)適配不同的教學(xué)場(chǎng)景或課程類型。本研究提出的評(píng)價(jià)體系，可根據(jù)具體情況分析計(jì)算各指標(biāo)的權(quán)重，從而使評(píng)價(jià)體系更加貼合實(shí)際教學(xué)情況，使評(píng)價(jià)結(jié)果更具客觀性。評(píng)價(jià)指標(biāo)所占權(quán)重采用熵值[8]法確定。通過計(jì)算各指標(biāo)的信息熵，衡量其信息效用，熵值越小，指標(biāo)的信息效用越大。根據(jù)信息效用值確定權(quán)重，效用值越大，權(quán)重越高，以此客觀地反映各指標(biāo)在整體評(píng)價(jià)中的重要性。研究中采用的步驟如下。

1） 數(shù)據(jù)標(biāo)準(zhǔn)化：消除指標(biāo)之間量綱的影響，對(duì)各項(xiàng)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理；

2） 計(jì)算熵值：根據(jù)標(biāo)準(zhǔn)化后的數(shù)據(jù)，依次計(jì)算每一項(xiàng)指標(biāo)的熵值；

3）確定信息效用值：根據(jù)熵值計(jì)算各指標(biāo)的信息效用值；

4）計(jì)算權(quán)重：根據(jù)各項(xiàng)指標(biāo)信息效用值計(jì)算各項(xiàng)指標(biāo)的權(quán)重。

3教學(xué)交互效果的案例研究

3.1對(duì)象樣本

研究樣本來源于某地方高校的新工科課堂，利用智慧教室中的AI行為識(shí)別、面部追蹤、在線課堂問卷等多種手段，采集學(xué)生課堂參與和互動(dòng)情況的數(shù)據(jù)。

本次評(píng)價(jià)樣本涵蓋4門新工科課程，共計(jì)120名學(xué)生和4位授課教師，評(píng)估一個(gè)學(xué)期內(nèi)110節(jié)課的課堂教學(xué)情況。具體評(píng)價(jià)數(shù)據(jù)包括學(xué)生出席情況、課堂互動(dòng)次數(shù)、回答問題頻率等維度17項(xiàng)，共計(jì)890萬條數(shù)據(jù)。

3.2分析方法

基于先前討論的大數(shù)據(jù)驅(qū)動(dòng)的教學(xué)交互評(píng)價(jià)模型，采集數(shù)據(jù)后，進(jìn)行聚類分析和量化處理，然后對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。采用熵值法確定各指標(biāo)的權(quán)重。最后，使用加權(quán)求和方法計(jì)算每次課堂的交互效果。整個(gè)過程確保了數(shù)據(jù)處理的科學(xué)性?；厥盏臄?shù)據(jù)在Pytorch2.3工具中進(jìn)行統(tǒng)計(jì)分析，以驗(yàn)證評(píng)價(jià)體系的可靠性和有效性。

3.3信度分析

信度分析用于評(píng)估評(píng)價(jià)指標(biāo)體系的可靠性，即各指標(biāo)之間的一致性和穩(wěn)定性。常用的信度分析方法是計(jì)算Cronbach's Alpha系數(shù)[9]，當(dāng)α值大于0.7時(shí)，表明評(píng)價(jià)指標(biāo)體系具有較好的內(nèi)部一致性。本研究提出的課堂交互效果評(píng)價(jià)指標(biāo)體系，也采用計(jì)算Cron?bach's Alpha系數(shù)，來驗(yàn)證模型的內(nèi)部一致性和信度。分析結(jié)果如表3所示。

從表3數(shù)據(jù)中可以看出，四門科目中各指標(biāo)的α（Cronbach's Alpha） 均在0.895以上，最高為0.915，表明各測(cè)試評(píng)價(jià)的α值均大于0.7，滿足量表的信度系數(shù)要求。綜合分析顯示，四次測(cè)試中α值都較高，說明評(píng)價(jià)指標(biāo)之間內(nèi)在信度較好，評(píng)價(jià)體系具有較高的可靠性。

3.4 效度檢驗(yàn)

效度檢驗(yàn)用于評(píng)估評(píng)價(jià)結(jié)果的準(zhǔn)確性和可信度。本研究采用因子分析法[10]對(duì)課堂交互效果指標(biāo)體系的效度進(jìn)行檢驗(yàn)，以確保各評(píng)價(jià)項(xiàng)能夠真實(shí)反映課堂交互效果。通過探索性因子分析（EFA） 識(shí)別各項(xiàng)指標(biāo)的潛在結(jié)構(gòu)。進(jìn)行確認(rèn)性因子分析（CFA） ，檢驗(yàn)各指標(biāo)的加載系數(shù)，確保模型擬合度良好。最后，采用Kaiser-Meyer-Olkin （KMO） 檢驗(yàn)和Bartlett 球形度檢驗(yàn)，驗(yàn)證數(shù)據(jù)的適用性。分析結(jié)果如表4所示。

從表4數(shù)據(jù)中可以看出，四門課程的KMO值均大于0.8，表明數(shù)據(jù)適合進(jìn)行因子分析。Bartlett球形度檢驗(yàn)的χ2值顯著（Plt;0.001） ，說明數(shù)據(jù)具有良好的因子結(jié)構(gòu)。因子負(fù)荷范圍在0.68至0.92之間，表明各評(píng)價(jià)項(xiàng)對(duì)相應(yīng)因子的解釋力較強(qiáng)。綜合分析顯示，本研究的評(píng)價(jià)指標(biāo)體系具有較高的效度，能夠準(zhǔn)確反映課堂交互效果。

3.5評(píng)價(jià)效果對(duì)比分析

為了驗(yàn)證本研究制定的評(píng)價(jià)指標(biāo)體系的合理性，研究中選取了6名教學(xué)專家對(duì)A課程的三節(jié)課進(jìn)行評(píng)價(jià)。專家評(píng)分標(biāo)準(zhǔn)采用優(yōu)良中差5級(jí)打分制，評(píng)分范圍為60至100分。最后將專家評(píng)價(jià)結(jié)果與所提出評(píng)價(jià)體系結(jié)果進(jìn)行對(duì)比分析，以檢驗(yàn)評(píng)價(jià)體系的可靠性和有效性，結(jié)果如圖2所示。

圖2中可以看出，專家評(píng)分與本研究所提評(píng)價(jià)體系評(píng)分在不同課程節(jié)次上的誤差在±5%左右，誤差范圍較小。分析結(jié)果表明所提評(píng)價(jià)指標(biāo)體系與專家評(píng)價(jià)結(jié)果具有較高的一致性，能夠較為準(zhǔn)確地反映課程的實(shí)際教學(xué)效果。因此，本研究制定的評(píng)價(jià)指標(biāo)體系具有較高的可靠性和有效性，可以用于課堂交互效果的評(píng)價(jià)。

4結(jié)束語

本研究圍繞課堂交互效果評(píng)價(jià)“現(xiàn)狀”“優(yōu)勢(shì)”“如何”三個(gè)問題展開：針對(duì)“現(xiàn)狀”問題，本研究詳細(xì)分析了基于大數(shù)據(jù)的課堂交互效果評(píng)價(jià)體系的構(gòu)成與特征，闡述了其在新工科教育中的重要性和應(yīng)用前景；針對(duì)“優(yōu)勢(shì)”問題，探討了傳統(tǒng)課堂交互效果評(píng)價(jià)方法存在的局限性以及現(xiàn)代大數(shù)據(jù)技術(shù)在提升評(píng)價(jià)客觀性和準(zhǔn)確性方面的優(yōu)勢(shì)；針對(duì)“如何”問題，本文構(gòu)建了基于層次分析法的教學(xué)交互評(píng)價(jià)模型，提出了科學(xué)的數(shù)據(jù)采集和量化方法，并通過信度和效度檢驗(yàn)驗(yàn)證了評(píng)價(jià)體系的可靠性和有效性。

本研究旨在通過大數(shù)據(jù)技術(shù)和人工智能手段，構(gòu)建一個(gè)科學(xué)、全面、實(shí)時(shí)的課堂交互效果評(píng)價(jià)體系，提升教學(xué)效果的反饋速度和準(zhǔn)確性，為教學(xué)策略的及時(shí)調(diào)整和優(yōu)化提供依據(jù)。研究發(fā)現(xiàn)，該評(píng)價(jià)體系在多個(gè)新工科課程的實(shí)際應(yīng)用中，能夠有效地反映課堂交互效果，且與專家人工評(píng)價(jià)結(jié)果具有高度一致性，證明了其在實(shí)際教學(xué)中的可行性和可靠性。

未來將進(jìn)一步優(yōu)化評(píng)價(jià)指標(biāo)和數(shù)據(jù)采集方法，探索更多維度的交互效果評(píng)價(jià)，如增加情感分析、認(rèn)知負(fù)荷等，以提升評(píng)價(jià)的科學(xué)性。同時(shí)，如何將評(píng)價(jià)結(jié)果更好地應(yīng)用于教學(xué)改進(jìn)，形成閉環(huán)的教學(xué)質(zhì)量提升體系，也是后期值得深入探討的問題。