基于数据挖掘的智慧课堂教学行为事理图谱研究*

张 海 崔宇路 余露瑶 季孟雪 王以宁

（1.东北师范大学 传媒科学学院；2.东北师范大学 信息科学与技术学院，吉林长春130117）

教师队伍建设是促进和培养面向教育时代人才的重要途径，对推进和实施智慧教育具有重要价值。推进教育信息化能力体系建设，需要不断加强教师队伍的信息化应用与服务能力，促进和支撑高素质技能型人才培养[1]。在2018年相继出台的《教师教育振兴行动计划（2018-2022年）》和《关于实施卓越教师培养计划2.0的意见》以及2019年《教育部教师工作司2019年工作要点》和《关于实施全国中小学教师信息技术应用能力提升工程2.0的意见》，都指出，需要将卓越中小学教师培养提升到重要层面，倡导推进卓越教师培养模式改革，就需要不断提升教师信息技术应用能力，以培养“高素质、专业化、创新型教师”[2]。现代化教师队伍建设是推进智慧教育的必然要求，因此，对智慧教育背景下教师专业发展和成长的关注尤其重要。然而到目前为止，对智慧课堂的模式、教师知识结构、课堂教学行为的研究，仍缺乏有效的研究工具[3]，从智慧课堂沉淀下来的教育大数据没能被充分地研究和利用，基于数据科学的课堂研究范式仍有待深入探索。

近年来，事理图谱为理解课堂教学行为研究提供了新的研究视角。该研究致力于采用教育数据挖掘方法建构课堂行为事理图谱，实现课堂教学行为的图谱可视化。通过事理图谱的建构，可深入分析课堂行为数据的演化规律，凸显具有潜在价值的课堂行为模式。我们通过探索性地使用滞后序列分析和社会网络分析方法，建构了智慧课堂教学行为事理图谱，发现滞后序列分析可以反映课堂教学行为事件间的相互关系；结合社会网络分析，进一步构建事理演化图谱，可有效发现智慧课堂中的教学行为规律，从而帮助教师反思及建立有效的教师发展策略。

一、事理图谱的概念及其在智慧课堂研究中的应用前景

祝智庭教授指出，智慧教育需要构建技术融合的学习环境，从而培养善于学习、能够解决实际问题的智慧型人才[4]。在智慧教育学习环境中，智慧课堂的概念包含了心理学和哲学范畴的“智慧”和技术上的“智慧”两个概念[5]。因此，智慧课堂的含义具有两个方向：一种是区别于传统课堂“知识传授”，以培养学生“智慧”能力和素质为核心的课堂；另一种是区别于传统课堂教学环境，从信息化视角构建的信息化、智能化的“智慧”学习环境[6]。智慧课堂中的教育实践对促进教师理解和使用技术，促进教育教学改革，加速教师专业发展，都具有重要的价值。有研究者指出，智慧课堂学习环境中的互动分析存在两种视角：师生互动分析和协作分析，前者注重教与学特征的量化统计分析；后者注重学生视角的生生互动分析[7]，两种视角均能用于分析、干预和优化教学与学习活动[8]。智慧教育的发展促使教育数据日趋丰富，这为理解教育教学过程、提升教师发展提供了重要参考依据。数据科学视角下的智慧教育研究，促进了研究者对教育数据的深度解读，这为智慧教育课堂和教师发展研究奠定了基础。

从哲学视角审视，人们认识世界的方式存在两种认知：唯物论和唯心论。唯物论的研究者认为，认识世界即需要认识自然界存在的客观和普遍的规律，而“事件”是人们认识世界的主要途径之一，人们的社会活动往往是由事件驱动的，事件包含了组成事件之间的概念和事件之间的相互关系。从认知心理学视角审视，对事件的认知符合人们认知的普遍规律。知识图谱表达了事件本身的概念，但对事件之间的关系描述则显得较为模糊，不足以表现事件间的演化规律[9]。为了更好地描述事件间的相互影响，“事理图谱”应运而生。

2017年，在中国计算机大会（CNCC 2017）上，哈尔滨工业大学刘挺教授团队率先提出“事理图谱”（Event Logic Graph，ELG）的概念，ELG 被定义为一个有向循环图，其中的“节点”代表事件，“边”代表事件之间的顺序关系、因果关系、条件关系或上下位关系[10]。ELG 本质上是一个事件逻辑知识库，它揭示了现实世界事件的演化模式和发展逻辑，因此，对认识人类行为和社会发展变化规律具有一定的意义[11]。近年来，事理图谱受到越来越多的关注，在事件预测、常识推理、意图挖掘等方面，都具有良好表现；在医疗、信息、消费推荐、人机辅助对话和问答系统、辅助决策等领域，有着巨大的潜力[12]。

如图1所示，事理图谱以事件为节点、事件间的关系为边，一般采用三种典型的拓扑结构，描述事件间的相互作用和影响，分别是链状拓扑、树状拓扑和环状拓扑。链状拓扑表现事件之间的顺承关系，树状拓扑和环状拓扑则可以进一步表现事件间的因果、条件或者上下位关系。通过事理图谱的建立，我们可以发现研究领域中的关键节点和相似节点，通过不同的演变路径，可以进一步探究事件形成和发展的原因，从而管控和引导事件进行的方向[13]。事理图谱也显示了各个事件相互作用的关系，再根据图谱的结果调整这种联系，从而强化或减弱事件之间的相互影响，进一步优化已经存在的图谱结构，从而实现对整体事件的综合管控。

图1 事理图谱典型拓扑结构

由上可知，在智慧课堂的背景下，对课堂行为的研究也可以采用事理图谱的方式，进行课堂事理图谱（Classroom Event Logic Graph，CELG）的构建，用以描述课堂行为的结构，从而进一步探寻典型教学行为模式的潜在意义。基于此，我们将课堂中出现的交互行为视为事理图谱中的单个事件，通过教育数据挖掘中滞后序列分析方法，不仅可以可视化地呈现事件间的相互作用，从而构建课堂教学决策序列的事理图谱；而且通过社会网络分析方法，还可以可视化地呈现单个事件的变化趋势，从而构建智慧课堂教学行为的事理演化图谱。

二、构建课堂教学行为事理图谱的方法：滞后序列分析和社会网络分析

我们尝试探索使用滞后序列分析和社会网络分析这两种方法，建构智慧课堂教学行为事理图谱，通过建立行为事件间的相互关系，结合社会网络分析，可视化地呈现智慧课堂教学行为的演化情况，从而深入解读智慧课堂中的教学结构和教师教学行为，并为教师提供具有针对性的反思工具和提升策略。

（一）滞后序列分析

教育数据挖掘技术，已然成为智慧学习环境中教育数据分析的重要手段之一。相关的研究和实践经验表明，利用教育数据挖掘能有效挖掘参与者的行为模式[14]。滞后序列分析方法（Lag Sequential Analysis，LSA）是教育数据挖掘技术中的一种，旨在评估行为随着时间发生的概率，利用LSA 能揭示学习过程中若干重要的学习行为序列，从而帮助研究者和教学者准确把握学习者潜在的行为模式[15]。

近年来，国内外的教育工作者应用滞后序列分析做了大量的研究，如，分析中小学生的学习模式差异[16]，探究小学体育课程中教师言语行为模式的差异[17]，以及探究大学生PBL 项目的学习活动不同群体间的行为模式[18]和参与过程中显著的行为序列[19]。少数研究者则利用开发的系统导出的结构化日志数据或基于MOOC或SPOC平台的日志数据，对其滞后序列分析，以推断学生的学习行为模式[20]和参与模式[21-22]。一些研究者认为，这些参与者的行为序列体现了学习和教学过程的“行为习惯”，因此，滞后序列分析为理解教育和教学的过程提供了重要线索。

在滞后序列分析过程中，若某行为路径的序列间转换率Z-score＞1.96，则表明该行为路径在统计学上具有显著意义（p＜0.05）[23]。因此，可以通过计算二阶序列的转换值Z-score 来进行序列转换显著水平的判断。由此，滞后序列分析可用于构建事理图谱的事件间的相互作用，序列的转换值可凸显出具有显著性的事件联系。

（二）社会网络分析

在社会网络分析中，中心度是描述节点间的关联强度及集中趋势最直接的度量指标[24]。参照社会网络的概念，可以将教学行为视作网络中的单个节点，将变化的教学行为及知识结构，看作是一个动态的网络。通过节点相对中心度的计算，可挖掘教学元素间的关联结构，体现事理图谱中教学行为的演变规律。为此，我们通过团队自主开发的OKC软件，用于计算各点的相对中心度。OKC是采用Shaffer的相对中心度算法构建的智慧课堂互动观察工具，相对中心度R（fi）算法依据如下：

Mi，j表示为该节点在某一时刻的邻接矩阵。Cmax（M）表示为该节点该时刻之前最大的相对中心度。相对中心度表示某一时刻节点的重要程度和对整个行为过程的贡献大小，相对中心度越高代表其在整个矩阵中越重要。以B5行为为例，Mi，j值表示B5节点在某一时刻与其他节点的相对关系和重要程度；R（fi）值表示B5节点在某一时刻之前的所有时间在整个网络中的相对重要程度。通过这种方法，我们将一系列的相对中心度串联连起来，可从时间演化角度表示B5的变化过程和趋势。由此，基于社会网络分析，构建了单个教学行为的事理演化图谱，使研究者可从事件演化的角度进一步解读智慧课堂中的教学行为，分析教师的教学决策过程。

三、智慧课堂教学行为事理图谱的构建方法和过程

（一）研究过程

我们研究事理图谱相关理论，将教师课堂行为、媒体使用和TPACK 知识，视为教学决策网络事理图谱的单个行为事件。基于滞后序列分析和社会网络分析方法，对智慧课堂进行事理图谱及事理演化图谱的构建。研究过程分为如下三个阶段：

首先，获取真实课堂的教育大数据。依据ETIAS编码改进版，对真实课堂环境中教师行为进行量化，形成事理图谱的数据来源。

其次，进行滞后序列分析。使用滞后序列分析GSEQ工具，统计分析教师具有显著意义的行为序列，初步构建事理图谱。

最后，进行社会网络分析。使用OKC工具，对教师的教学行为节点（即事件）进行相对中心度分析，探究事理图谱中单个事件在时间上的变化趋势，以进一步构建事理演化图谱。

研究对象是G市D中学某堂真实数学智慧课堂公开课，现场一百多位中小学校长和专家观摩了此节公开课，反映效果良好。编码标准基于ETIAS标准[25-26]，结合了智慧课堂的相关特点，补充了“信息技术支持的符号智能媒体”“信息技术支持的计算智能媒体”两类重要媒体编码，用以涵盖智慧课堂中使用的各类智能媒体应用，改进后的编码为ETIAS 2.1。

（二）ETIAS编码

我们首先基于ETIAS编码标准对视频量化编码，将教学视频划分成多个持续时间单元，每个持续时间单元都有某类课堂行为、教学媒体和教师TPACK与之相对应。为保证对编码过程的一致性，划分持续单元工作，首先由第一位熟悉ETIAS的研究者编码完成，第二位编码者随机抽取其中100条数据用于一致性的检验，结果反馈一致性较好。ETIAS 2.1编码，如表1所示。

（三）事理图谱建构

我们通过对已完成的编码进行滞后序列分析，初步构建事理演化图谱。使用Bakeman和Quera 合作研发的GSEQ 5.1软件[27]，探索智慧课堂中教师潜在行为模式，初步构建课堂行为事理图谱CELG。序列分析将产生两个重要表格，分别为行为转换频率表和调整后的残差表。在行为转换频率表（见表2）中，行表示起始行为，列表示起始行为结束后随即发生的行为，数值代表每种行为向其他行为转换的频率大小，如序列B5-B8表示，在行为“讲解”发生之后，发生行为“借助媒体或教具的实践活动”的频次是26次。序列B5-B8是一个有向的行为序列，同样的序列B8-B5发生频次为23次，因此，通过频次统计能够凸显发生频次较多的重要行为序列。调整后的残差表（见表3）中的数值为Z-score，如行为B5-B8，Z-score=8.17＞1.96表示该行为序列是一个具有显著意义的行为序列[28]。Z-score表现了事理图谱中事件间的指向关系和显著性意义，因此，可用于构建教学行为的事理图谱（CELG）。

表1 ETIAS编码2.1

表2 行为转换频率表

表3 调整后的残差表

在社会网络分析中，由于ETIAS是依据持续时间单元进行切分的，经过邻接矩阵计算后单个节点的每个编码只有一个中心且没有明显的群组[29]，因此，更适用于相对中心度的计算。我们运用自主开发的相对中心度计算软件OKC，将编码记录导入OKC 中进行统计分析，进行教育数据的自动挖掘，利用OKC工具进行社会网络的演化分析，从而构建事理演化图谱。

四、智慧课堂教学行为序列事理图谱的分析案例

（一）课堂行为应用分析

我们通过课堂观察的课堂教学行为数据，可以统计出各类教学行为的持续时间。持续时间最长的几类行为是教师控制的行为（B4、B5、B6、B16），课堂整体偏向教师控制的课堂。然而，传统的频次和时长统计无法精确判断课堂结构，也无法表现课堂行为事件的演变过程、趋势和规律。因此，需要进一步建构课堂教学行为的事理图谱。

依据滞后序列分析结果中调整后的残差表，我们可得到具有显著性关联的二阶序列（见表3），基于此建构课堂的事理图谱（见图2）。转换箭头表示行为序列的转换方向，粗细表示行为显著水平的大小（Z-score）。

图2 课堂教学行为事理图谱

我们结合视频中教师的实际教学情况，发现课堂教学行为事理图谱显示了教学事件的多起点、多影响和多链接特点。单一教学事件往往受到其他教学事件的影响，教学行为常成链状分布。而在智慧课堂中的教学行为事件，也显示出以下特征：

1.智慧课堂主要行为：提问和讲解

研究发现，提问（B4）和讲解（B5）是课堂中应用时间最长的两类行为。事理图谱的结果显示，教师提问B4和讲解B5是许多教学行为序列的起点或终点。教师在提问之后常面临四种教学情况，分别为B11、B16、B10、B9，即学生主动发言、沉默或混乱、学生被动发言、交互促进或强调等四种情况。教师在学生主动、被动发言后，可以及时接受、肯定学生主张（B10-B2，Z=7.28|B11-B2，Z=4.03），并及时表扬或鼓励学生（B11-B2，Z=2.91），甚至连续鼓励（B2-B2，Z=2.73）。教师在讲解时，主要借助媒体或教具进行实践活动（B5-B8，Z=8.17）；然后，继续进行讲解（B8-B5，Z=6.84），同时，可能产生一定课堂管理行为（B8-B7，Z=3.15）。事理图谱结果显示，在智慧课堂环境中，教师常通过提问和讲解作为引导教学进程的主要行为，尤其在持续讲解几个知识点时，常采用提问和讲解的方式，主动引导学生参与学习、回答问题、借助资源实践，以促进学生内化和深层理解知识。

2.智慧课堂连接行为：指导、指令

研究发现，教师的行为B6（指令）不仅发生频次高，持续时间也相对较长。在教学行为事理图谱中，共有5条路径指向（被指向）B6行为，说明课堂中部分行为发生后，会转向教师的指令和指导；再者，许多行为由教师指导或指令引发出，这体现了课堂中教师指导、指令的重要推动作用。事理图谱显示，教师在给予指导或命令后常面临三种教学情况，分别为学生自主使用教育资源（B14）、讲解（B5）、学生被动发言（B10）。教师在命令（B6）后，学生最有可能使用教育资源（B6-B14，Z=2.92），且在学生实践时应实时指导（B14-B6，Z=5.44）。教师给予命令如“请你来说一下”时，学生可能被动发言（B6-B10，Z=2.21），此时教师会及时接受、肯定学生主张（B10-B3，Z=7.28），以增加学生信心及主动回答的欲望。教师的行为充分体现了学科与教学法的深度融合，当学生在自主使用各类教育资源（如，看书中材料、做计算题等）时，教师常常及时给予指导或指令（B14-B6，Z=4.65），并反复交互（B6-B14，Z=3.51）。

3.智慧课堂凸显行为：沉默或混乱

研究数据显示，沉默或混乱（B16）发生频次较高且持续时间较长。在教学实境上，引发课堂沉默或混乱的原因包含学生思考、师生媒体调试。根据事理图谱所示，教师通常会采用提问（B16-B4，Z=2.92）、给予指导或指令（B16-B6，Z=2.27），来解决课堂中的沉默或混乱。提问后造成的沉默（B4-B16，Z=5.44）以及沉默后教师的细化提问（B16-B4，Z=2.92）反复交互，说明在课堂中需要给予学生一定时间进行深层次的信息加工。智慧课堂中的教师在提问、学生沉默后，会进一步提问，重新进行解释说明、启发问题，或者基于指导或指令，促进学生深入思考。因此，研究结果显示，智慧课堂中可能具有更多的课堂沉默，尤其是在卓越教师的课堂中学生会有更多的思考和疑问，这应该是一种良性沉默。这时，教师良好的学科教学方法，就具有重要的应用价值。

此外，沉默或混乱与媒体调试也有密切关系。技术因素增多后，媒体调试不可避免。因此，在智慧课堂中，教师更应当注意主动进行指导或指令（B16-B6，Z=2.27），让课堂教学顺畅进行。

（二）媒体应用和TPACK结构分析

在信息技术背景下，媒体应用成为了教师与学科结合的重要手段。真实课堂与智慧课堂距离有多远，我们通过媒体的应用，可以进行相对应的课堂结构分析。TPACK结构能够表现教师学科知识、教学法、技术知识等方面的知识结构，进一步进行序列分析发现，智慧课堂中的媒体使用和教师的TPACK结构，也呈现出一定的关联特点：

1.智慧课堂行为关联密切：教学媒体、方法、内容

课堂媒体行为事理图谱表明（见图3），媒体的应用多指向自身，教师会反复使用同一种媒体进行讲解，只有在切换讲解状态或内容时，才会切换教学媒体。我们结合视频分析发现，教师连续使用IL、II等信息技术支持的媒体（IL-IL，Z=8.3|II-II，Z=13.95），主要对应的教学行为是提问（B4）和讲解（B5）。教师连续使用TL、TI 等传统媒体（TL-TL，Z=2.97|TI-TI，Z=11.32），主要对应的教学行为是讲解（B5）和沉默或混乱（B16），教师主要进行题目的讲解和验算。传统媒体TP与Verbal、ID也具有显著关联。教师在利用传统著作媒体（TP）授课的过程中，最有可能出现只有语言在使用的情况（TP-Verbal，Z=3.04），并连续使用语言讲解（Verbal-Verbal，Z=2.39），说明良好的语言组织能力是教师利用传统媒体进行授课的必备技能。

图3 课堂媒体行为事理图谱

案例中的教师在课堂启动阶段较多的运用IX媒体，在随后的教学中，IX 媒体应用逐渐减少，且有关交互性的媒体应用也相应减少。教师连续使用IX（计算智能媒体）（IX-IX，Z=11.28）主要对应的教学行为是讲解（B5）和借助媒体或教具的实践活动（B8）；教师主要基于数据进行反馈和评价，分析班级成绩的表现，并且利用交互设备进行习题讲解。研究体现了教师对同一教学媒体的掌握情况，也验证媒体分类的有效性，体现了媒体分类的生态位问题。这也说明，教师熟悉同一媒体的特性，教师能够灵活地应用不同媒体讲解（B5）不同的知识点，将媒体应用与学科内容本体和课堂教学活动紧密地结合起来。

2.智慧课堂教师TPACK结构联系紧密

在智慧课堂环境中，TPACK结构中CK、TK与PCK的联系紧密（见图4左），体现了紧密的学科教学法结构。CK主要体现在学生控制的行为，CK与PCK行为的双向流动（CK-PCK，Z=2.88|PCK-CK，Z=5.39），说明教师在学生思考时能够给予适当提示或相关指导，且这种行为转换显著性更高（Z=5.39）。PK 主要对应于行为B6。PCK主要对应行为B4、B5、B6，说明教师更多结合学科内容进行讲解、提问、给予指导或指令，而且教师能够及时注意课堂行为并给予指导或指令（B6），为学生带来积极的情绪体验。在优质课堂实践中，教师良好的PK和PCK是保证教学活动有条不紊进行的关键。

图4 课堂TPACK行为事理图谱

在整合技术条件下，TCK、TPK、TPACK也具有紧密的联系（见图4右）。TCK主要体现在教师借助媒体或教具的实践活动（B8）中，在TCK行为发生之后，下一个行为主要转向TPK、TPACK。TPACK强调了技术运用、教学法知识、学科内容知识三方面的融合。TCK与TPACK的行为双向流动（TCK-TPACK，Z=2.39|TPACK-TCK，Z=3.83），是教师灵活运用技术服务于学科内容教学的体现，说明了智慧课堂背景下紧密的学科教学法和整合技术的学科教学法结构。我们对TPACK结构的探寻说明了，教师的学科教学法与技术应用的紧密融合及良好的教师知识结构非常重要。教师可以结合学科特点合理运用技术，拓展更为丰富的教学方法。

五、智慧课堂教学行为决策网络事理图谱的分析案例

相对中心度表现了事理图谱中单个事件节点随时间变化的趋势，相对中心度较高的事件节点表明，其在整个行为事件社会网络中愈加重要。因此，关注事件节点的变化趋势具有重要价值。

（一）课堂行为应用分析

依据相对中心度的计算，在所有行为中教师讲解（B5）的平均相对中心度最高，B5呈现急速升高并一直持续位于较高的水平，这说明教师最常使用讲解来进行教学。此外，研究结果表明，在教学开始的阶段，讲解（B5）、借助媒体或教具的实践活动（B8）、给予指导或指令（B6）、提问（B4）持续不断地波动出现。我们结合视频分析可知，教学从教师讲解慢慢向学生操作练习过渡，因此，学生控制相关的行为慢慢增多，教师指导也慢慢增多。16类教学行为的相对中心度时间演化图，如图5所示。

图5 教学行为演化图

（二）媒体应用和TPACK结构分析

在媒体应用中，从相对中心度媒体演化图（见图6）可以发现，在教学起始阶段，计算智能媒体（IX）急速攀升。此时，教师不断采用智能分析云平台，总结学生考试情况。在之后的教学中，IX、Verbal 迅速下降，而信息技术支持的陈述性媒体（IL）迅速上升。此阶段，教师不断通过投影展示课堂内容。在接下来的教学中，教师逐渐对学生开展指导和指令（B6），因此，语言讲解（VerBal）又开始波动。

图6 媒体应用演化图

依据相对中心度演化图（见图7），我们发现：教师的TPACK高于其他所有元素，在整堂课中相对中心度持续较高，说明教师整合技术、学科内容和教学法的水平较高。在教学过程中，TCK、TPK 在课程开始不断波动，并逐渐下降；PK 不断下降，PCK先波动下降后来不断爬升。这些波动和趋势说明，教师随教学过程的进展，不断结合学科内容和教学法进行教学，教师的学科知识、教学法知识掌握的较为牢固。

图7 TPACK知识演化图

六、结论与展望

教师对真实课堂教师行为及知识结构的研究及反思，是提升教师实践水平的重要手段。本研究提出并构建课堂教学行为事理图谱的方法，从滞后序列分析视角分析了教学行为之间的相互联系，从动态网络视角结合相对中心度的计算，探讨了教学元素的动态网络演化过程，从而揭示真实课堂的教学行为图谱结构和初步演化规律。再结合智慧课堂教学的特点，我们通过案例研究，探索性地构建了智慧课堂教学行为事理图谱。上述分析方法，为今后基于数据挖掘的智慧课堂教学行为研究，提供了新的研究思路。

未来课堂事理图谱可能的应用场景，包括如下三种：首先，借助“一师一优课”的海量视频数据和智慧课堂过程中沉淀下来的海量教育数据，课堂事理图谱的大范围推广应用，可实现对智慧课堂的深层规律的深入探索。其次，基于“大学—政府—中小学”的三方协作模式，大学可帮助中小学教师构建课堂事理图谱，有助于促进区域教师的反思和专业发展。第三，为师范生教育提供建构课堂事理图谱的相关课程，并形成基于数据的新型师范生培养模式，从而真正有效地为培养大量的卓越教师助力。