基于行为量化聚类的教师线上教学行为研究*

王传安，周丽丽，李 堃

(安徽科技学院 a.信息与网络工程学院；b.生命与健康科学学院，安徽 滁州 233100)

1 引言

随着信息化的发展，线上教学成为现代教学改革的潮流.尤其在疫情时期，线上教学已然成为教学新常态，也成为停课不停学的重要教学保障[1].线上教学并不只是单纯的进行线上学习，本质上是利用互联网的便利性，将传统的线下课堂教育模式数字化，实现不受时空限制的教学模式[2].而为保证和完善线上教学效果，则需要通过对线上教学中的线上教学行为进行采集，并分析教学行为有效性，从而为线上课堂教学效果提供保障[3].

研究认为，近年来兴起的大规模在线教学将对大学教学改革产生深远影响，在后疫情时期，在线教学改革应继续引向深入[4-5].目前，教师线上教学行为研究处于初始阶段，已有的一些研究成果聚焦于影响教师教学行为的因素及教师信念等方面[6-9]，教师线上教学行为细化描述及定性量化方面的研究几乎处于空白.唐琳等人[10]利用 Stallings 课堂教学观察系统，通过计算教学活动、课堂管理、非教学活动三类教学行为信息熵，量化课堂教学，构建教师教学信息熵多维评价模型，从而为教师教学提供客观公正的评价.程云等人[11]在探讨课堂教学行为的交互深度基础上，提出了教师教学行为交互深度量化分析的过程模型.然而，这些教学行为分析统计法主要应用在传统课堂教学评价中，无法直接应用到线上教学活动中.因此，本研究在对教师线上教学行为数据进行细分量化的基础上，通过构建动态化的教学行为问题模型，采用距离聚类分析法对教学行为进行分类研究，并探究不同教师教学行为及差异性，以及不同教学行为对学生学习的影响.

2 教师线上教学行为定量分析

线上教学行为数据获取是分析和挖掘教学活动规律的前提，当在线教学活动数据集的行为特征属性较多时，选择有效的行为特征并进行高效的行为量化，可大大提升计算的准确性，进而提升分类研究性能.本部分在对线上教学活动分析的基础上，给出教师线上教学行为描述方法，并对各行为进行了量化处理.

2.1 教师线上教学行为描述

在借鉴分析Stallings 课堂教学观察系统的基础上[12]，结合线上教学过程中教师教学行为特性，将教师课堂教学行为分解如表1所示.

表1 教师线上课堂教学行为分解表

2.2 教师线上教学行为量化

2.2.1 课前引导行为

教育规划纲要中明确指出教育要以人为本，尤其线上教学更要注重学生的深入参与，突出学习主体的自我感悟与发现，而有效的课前引导可以让学生更大地发挥自己的能动性、积极性.因此，教师在课前应对学生相关背景知识进行了解与预测，以线上授课内容为基点，利用学生已有知识和认知空白创设问题情境，引导学生带着问题主动学习与主题相关的线上学习资源，布置教学视频观看任务等.文中将教师课前发布学习任务次数及线上学习资源导航情况作为教师课前引导行为量化指标：

(1)

式中N为某门课程线上教学次数，Mi为第i次线上教学中学生需要掌握的知识点数，ki和li分别为第i次线上教学前教师发布的学习任务数和资源导航数.

2.2.2 线上课堂组织行为

有效的课堂组织是保障教学效果的重要因素，尤其线上教学过程中，由于教与学在时间或空间上相分离，导致无法对学生的到课情况进行有效的监督，特别是一些学习主动性较差的同学，经常会出现迟到、早退及旷课情况，甚至还会出现只“挂机”不上课的情况.因此，教师多角度不定时的进行点名签到，是一种保障出勤率及避免学生挂机的有效组织方式.为此，文中将教学过程中课前签到和课中随机点名的情况作为教师线上课堂组织行为量化指标：

(2)

式中ni为第i次线上教学中教师点名次数.

2.2.3 线上引导行为

线上教学过程中，学生对教师发起的提问和讨论话题都会积极参与，教师的观点、建议和及时指导反馈不但可以引导学生自主思考问题，同时对学生参与课题活动的积极性有着重要影响.因此，线上教学过程中教师要充分发挥调控引导作用，对重要的知识点进行针对性提问或发布讨论话题，并及时给与指导总结，可充分调动师生交互的积极性，提高学习效率.文中，将教师线上授课过程中提问频率及话题数作为教师线上引导行为量化指标.

(3)

pi和qi分别表示第i次线上课堂中针对性提问次数和话题数.

2.2.4 师生交互行为

线上教学本质上是将传统的线下课堂教育模式数字化，这种教学模式突破时空限制，极大提高了学习的便利性.但无论是传统的线下课堂教育，还是线上教学，师生互动都是提高学习效率的重要因素之一.传统课堂教育中学生可以随时与教师交流或课间向教师请教以解决学习中遇到的问题，而线上教学中，由于时空隔离导致师生无法面对面交流，因此线上答疑或回帖互动则成为师生互动过程中不可或缺的教学行为.因此，文中将线上教学过程中教师线上答疑次数和回帖数作为教师答疑交互行为量化指标：

(4)

其中K为整个课程线上教学中教师答疑次数，Ai为第i次线上课堂中的学生发帖数，ai为教师回帖数，μ为教师延迟回帖或一次性回复多次线上教学中的多个帖子的惩罚因子，μ值的量化表达式可表示为：

(5)

式中表示ai个教师回帖中不是回复第i次线上课堂发帖的回帖数，tj为布尔值数据，若第j个教师回帖超过给定的时间阈值，则为1，否则取值0.

2.2.5 课后任务反馈行为

为巩固线上课堂教学所学的知识点，教师经常布置相应的作业或单元测试任务，并及时进行批改和反馈，这样不但可以发现学生学习过程中存在的不足，还可起到自我教学修正作用，以持续改进教学.文中将教师课后作业和单元测试批阅反馈情况作为课后指导反馈行为的量化指标：

(6)

其中vi与wi分别为作业和单元测试批阅批改情况，均为布尔值，若已批阅并反馈值为1，否则值为0.τ为作业批量打分惩罚系数，其量化值可取值为批量打分学生数占总学生数的比例.

3 教师线上教学行为分类研究

3.1 线上教学行为分类模型

由于教学过程中存在不定的行为变化，教师可能会随着教学内容、学情变化等而改变教学行为，传统的经验公式和静态分类方法很难清晰描述.因此，教师行为分类模型的构建，不仅要考虑整体性、科学性，还要考虑行为分析的时效性和动态性.文中借鉴面向数据资源的知识表示理论和表示方法，采用四元组(U,βt,V,F)对线上教学过程中教师产生的教学行为数据进行形式化表示，其中U表示学习者集合，βt表示t时刻的行为特征集合，V表示教师教学行为类型，F表示U×βt→V的信息函数.

3.2 线上教学行为聚类分析

由于目前对于教师线上教学行为分类的研究还处于初步研究阶段，无法采用传统的基于给定聚类中心的近邻聚类算法进行聚类.为解决上述的分类问题，文中借鉴数据场理论[13]，将教学行为数据看作成空间数据点，在聚类个数未知的情况下采用快速聚类算法[14]，进行教学行为分类，其算法的核心步骤是：

ϑi=∑jρ(rij-rd)

(7)

其中，rij为数据点i与数据点j间的距离，rd为截断距离；若rij

(8)

实验过程中,将笔者所在学校网络教学平台上采集到的18 033条线上教学数据作为研究数据集.在进行数据清理后，按教职工号为主键进行分类整理，最终获得522名教师的有效线上教学行为数据.采用文中第二部分所提方法对教师线上行为数据进行量化，并采用快速聚类法进行聚类，为避免数值差异过大引起结果误差，在聚类分析中对数据进行了归一化处理，结果如表2所示.

表2 教师线上教学行为聚类情况

3.3 不同背景的教师线上教学行为分析

不同背景的教师，线上教学过程中表现出的教学行为也会表现出一定的差异.分别以性别和年龄为分类统计变量进行分析后发现，46.4%的女性教师线上教学过程中采取互动式教学，其人数比例远高于男性教师，而61%以上的男性教师采用以管理为主的教学形式.不同年龄段的教师在教学方式上也不尽相同，年龄在35岁以下的教师更偏向于互动教学，但同时，低于参与度的人数比例也远高于其他年龄段的教师，出现两极分化现象.随着年龄段的增加，线上教学过程中采取管理为主的教师人数比例出现递增的现象，尤其是55岁以上的管理型教师人数比例达到了86.6%，具体结果如表3所示.

表3 不同背景教师的线上教学行为

3.4 不同教学行为对学生的影响

无论是采取传统课堂教学还是线上教学模式，教师有效的教学行为是保证课堂教学效果的有力因素.不同类型的教学行为对学生学习产生的影响不尽相同，同时，学生对教学的满意度差异也会比较大.互动型教师在进行有效的在线教学管理的基础上，积极引导学生进行师生互动，不但有利于营造良好的教学环境，还可调控师生关系，从而激发学生线上学习的自主性.统计结果显示，绝大部分互动型教师所在班级学生的主动参与互动的人数比例都在85%以上，同时，70%以上的互动型教师获得的学生评教分超过95分.但值得注意的是，互动型教师在评教得分上存在明显分化现象，评教分90分以下的互动型教师人数也最多，这从侧方面反应，部分年轻教师虽然很注重课堂互动，但是在教学方法、教学管理等方面经验欠缺，导致学生满意度较低.管理型教师对课堂组织和课堂管理把控较好，学生主动性也相当较高，所在班级学生主动参与互动的人数比例集中在80%左右，且评教得分未存在明显分化现象，大部分得分在92分到95分之间.低参与度型教师所在班级学生主动参与互动的人数比例最低，90%以上的互动型教师所在班级学生参与互动率低于80%.不同教学行为对学生的影响，具体统计分析结果见图1所示.

图1 不同教学行与学生间的影响关系

此外，值得深思的是低参与度型教师评教得分未出现明显普遍低分现象，45%以上的教师评教得分超过95分，只有不到10%的教师评教得分低于90分.造成该现象的主要原因可能有以下两个方面：首先，低参与度型教师在教学中既不布置较多的教学任务，也不严格要求学生完成任务，学习主动性好的学生有了一定的学习自由度，而动力型困难学生不关心学习过程只关注最后的课程成绩，导致给教师的评教分较高.其次，部分低参与度型教师线上教学过程中采用视频直播的方式进行教学，而不是完全的“放羊”式教学，因此这部分教师的评教得分也较高.

4 小结

文中以在线教育环境下教师教学行为研究为落脚点，采用四元组表示方法将教师产生的教学行为数据进行形式化表示，建立教学行为分类问题模型，将教师教学行为研究问题转换为教学行为多分类问题.为解决该多分类问题，在教师教学行为描述的基础上，对教师的课前引导行为、线上课堂组织行为、线上引导行为、师生互动行为及课后任务反馈行为进行了细分量化处理，并采用距离聚类分析法对教学行为进行分类研究.为验证文中所提方法的有效性，选取了安徽科技学院网络教学平台中的在线课堂数据作为研究实例，将采集到的教学行为数据作为实验样本进行验证.结果表明，文中所提方法可有效判别教师教学行为类型，还可进一步分析出不同教学行为对学生的影响.

目前各学校的数字化校园平台中保存着大量的用户数据，这些数据记录着教师的几乎所有线上教学操作情况.本研究通过对教师的在线教学行为数据进行微观结构划分，采用数据挖掘技术对行为进行量化与聚类，寻找其隐含模式，并结合可视化教学反馈系统，及时掌握教师在线教学的整体情形，以促进在线教学效果及教师自身的教学水平提升.此外，对于教育管理者来说，行为聚类分析结果对教师在线教学的有效干预提供重要参考，同时对高校数字化教学平台建设的更好实施具有重要的理论意义和实践指导价值.