人工智能视域下教学行为分析与评价研究

鲁圆圆　刘阳　冯浩

关键词：人工智能；教学行为；行为分析；教学评价；智慧课堂

中图分类号：G424 文献标识码：A

文章编号：1009-3044（2023）02-0129-03

1 概述

人工智能是信息技术进一步演进的国家级战略性技术方向，2020年国务院印发的《深化新时代教育评价改革总体方案》提出，要加快推进教育现代化，利用人工智能、大数据等现代信息技术创新教育评价工具，探索智能时代教学行为规律。课堂教学行为分析是进行教师专业发展、学生学习效果分析、教学质量提升的基础。课堂教学行为是包含课堂教学行为的主体、客体以及其相互关系的统一整体，是包含教学相关的教师行为、学生行为、师生交互等多种元素构成的复杂系统。

2 传统课堂教学行为分析

传统课堂下的教学行为分析基于课堂分析理论，课堂行为数据的获取形态以课堂量表为主，采用以访谈为代表的质性研究、问卷调查法、课堂观察法等方法进行数据的获取，其中课堂观察法是最常见的传统课堂行为分析方法，观察者实际参与到课程中或不实际参与到课堂中而是以旁观者的形式依据设定科学合理的观察量表进行课堂观察[1]，对课堂行为进行编码，并进行数据的分析。

量表的设立和编码的形式是决定观察数据形式的关键。弗兰德斯的互动分析方法（FIAS）是已有编码体系中进行课堂观察时较为权威的课堂分析方法，该系统是弗兰德斯在1970年提出，聚焦于师生之间的互动交互，记录课堂中教师语言、学生语言和沉寂混乱三大类共计十小类课堂行为。张露丹等[2]利用FIAS和课堂观察与访谈相结合的方式，对信息技术课程中经验丰富的教师进行观察并总结出专家型教师的授课特点。武小鹏等[3]利用弗兰德斯互动分析法对两节观摩课进行分析发现两位授课教师授课特点的不同以及存在的地区差异问题。

获取编码数据后需要对数据进行分析，S-T分析法是使用广泛的课堂行为分析方法，将课堂行为划分为教师行为和学生行为，以时间为序列，将课堂行为量化为具体行为数据并以S-T曲线和Rt-Ch图等可视化图表的形式呈现的分析方法。如刘立新等[4]将该方法改进后用于观察高中化学优质课，Rt-Ch图分析可以看出结果显示教学模式均是混合型教学模式。程云等[5]将S-T分析方法进行改进，提出了一种基于视频的分析方式，并进行应用研究，证明了其有效性。

传统课堂下大多数分析方式依旧是以人工参与为主要手段。这种方式使用频率最高，但是一般会受分析者个人主观影响，分析时间长，效率较低，不利于海量数据的分析。

3 智慧课堂下教学行为分析

在教育信息化背景下智慧教育迅速普及兴起，智慧课堂下的教学行为分析维度和方法发生了改变。智慧课堂环境因为有技术的加入，为数据的收集和处理创造了条件。智慧课堂环境有一套完整的录播设备，可以进行课堂实录，对课堂教学实录进行分析，打破了教学时间的限制，对录制的视频进行分析，让数据的收集方式更加便捷。

在编码方式上，弗兰德斯的互动分析方法（FIAS）具有一定的局限性，国内学者进行了一些改进，在其基础上设计了的基于信息技术的互动分析方法。如顾小清等人[6]设计了在信息技术支持下，突出师生互动的ITIAS编码方式，来进行教学行为互动分析。方海光等[7]建立了适合于数字化课堂环境的iFIAS编码体系，用于智慧课堂环境下的行为分析。穆肃等[8]在总结以往分析方法优缺点的基础上，提出了基于教师活动的教学行为分析系统（TBAS），互动分析方法的改进为基于智慧课堂的分析方式打下了基础。

智慧课堂下教学行为分析会结合教师信息技术应用能力，分析方法除了S-T分析法外，也增加了其他的分析方法。如彭林华等[9]对智慧课堂下教学行为进行编码，分为讲解、操纵设备等六类，研究人员依据编码标准人工分析视频得出结果，并利用滞后序列分析法（LSA）进行分析，将教师使用技术的能力分为四个层级并提出了教学行为提升策略。一些学者利用智慧课堂环境下的实录视频，分析了智慧学习背景下的教学行为特征，如李美凤等[10]利用授课视频，人工分析了智慧课堂下的19节数学优质课中的练习反馈环节，发现智慧课堂环境下开展练习反馈的次數更多。蒋立兵等[11]利用自主开发的CTBAS教学行为分析框架对智慧课堂环境下的师生交互进行分析，发现智慧教室中的师生互动更多，智慧教室的改革成效在文科课程和高级职称教师中更加显著。刘喆等[12]利用TBAS分析方式对智慧教室中的数学课堂行为进行分析，利用Nvivo软件进行编码，发现智慧教室下课堂行为的特点。

智慧课堂中可以获取授课视频，从而依据视频分析可以提高传统课堂分析的效率，但是分析的方式有的会结合数据分析技术，但是结合程度较低，依旧是需要依赖于人工分析的形式进行。

4 智能技术在教学行为分析中的应用

“互联网+教育”形态下，智慧课堂环境的创建为教学行为分析提供了新的形式，人工智能技术在教学行为分析中得到了有效应用，也使教学行为分析的方式发生了改进。课堂行为分析中除了通过量表记录行为信息外，也可以对课堂实录中的文本、语音、表情、手势等海量的教学行为数据进行量化采集，实现数据的多模态分析[13]。

基于人工智能的教师行为分析已经有了一定的理论基础，如杨晓哲和任友群[14]在人工智能与教育结合的未来发展中提到，利用人工智能的手段对课堂进行分析是人工智能教育的主要发展方向，通过获取多维度的教学数据从而建立一体化的教学分析系统。吴立宝等[15]建立了利用人工智能技术进行教学评价的建构体系，提出对师生的语音、姿态、表情和生理动作进行处理构建课堂语言、行为和情感三位一体的课堂评价体系。张俍等[16]指出已有量表进行评价时会受评价者主观经验的影响，设计了含有摄像机、眼动仪、手环等多种数据采集装置的多模态的智能化课堂分析系统。

多位学者利用人工智能技术进行了课堂行为分析的实践应用。如赵刚等[17]基于深度学习理论和视频分割技术，结合教学中多维度的教学行为信息，开发了一套智能化的教师课堂行为分析系统。王继新等[18]致力于利用人工智能技术实现乡村学校教学质量的提升，利用智能化推荐、数据挖掘等技术，建立了智能教与学的系统。刘清堂等[19]提出并使用了智慧课堂的智能分析模型，采集语音、图像、生理和其他四类数据，构建计算机行为模型，并服务于课堂的教学行为分析模块。

人工智能技术应用于教师行为分析中，为教学分析和评价注入了新的生机，基于人工智能的教学行为方式可以获取数量更多、准确度更高的师生行为数据，从而推进师生行为分析的改革与前进。

5 人工智能下课堂教学评价的变革

人工智能技术的引入为课堂行为评价注入新的活力，引发了课堂教学评价的变革，促使评价主体更加多元化、评价内容更加科学化、评价方法更加立体化、评价结果更加精准化。

5.1 评价主体：多元化交互

评价主体是对课堂行为实施评价手段的人或物。《教育信息化“十三五”规划》中指出，要利用信息化的手段实现政府部门、学校、家长和社会等方面广泛连接以及信息快速互通，从而推动教育评价主体多元化[20]。课堂行为评价的对象是教师和学生，实施课堂评价的主体除包括教师自评和学生评价外，教学管理者、专家、同行教师等都可以作为评价主体。选取的评价主体不同，评价结果也会有所差异，因而会导致评价结果失去权威性。

与传统的人工进行评价方式下相比，人工智能技术实现了集合教师、学生、专家、管理者、机器评价主体多位一体的多元化评价方法，按照评价主体的不同可以分为教师自评、专家评价、管理者评价、机器评价等方式，不同的评价主体可以从多角度对教师进行评价，使评价结果更加公正客观。刘清堂等[19]构建了基于人工智能技术的课堂行为分析系统，对师生交互、教师和学生行为等各方面进行分析，利用课堂录像设备，评价主体可以利用智能技术对课堂录像中的行为姿态、声音进行分析。

5.2 评價内容：科学化模型

评价内容不只包含简单的课堂教学，而是融合多种评价方法，对教师教学的整个过程进行全面评价。数字技术的融入使评估内容更加个性化，使评价内容可以精准获得师生的行为特征。使用人工智能技术可以捕捉到传统评价中无法量化分析的行为数据。评价内容涉及教师行为和学生行为。人工智能评价一方面注重对学生的学习效果进行评价，另一方面则注重多模态的评价结果，利用多模态跟踪课堂授课轨迹，收集课堂授课过程中的行为数据，如回答问题次数、师生面部表情变化、师生互动信息等。

课堂评价的对象是教师和学生，依据评价对象的不同，评价内容也有所差距。有学者将评价内容集中在教师行为中，如基于视频的教师专业发展可视化分析方法，融合教师话语分析技术，教师观看智能化视频分析结果进行反思，研究发现参与教师具有更高的自我效能感和积极性。还有学者对学习者特征的分析数据，Matias等[21]使用智能化评估工具提出问题，通过学生对话记录评估学生解决问题的能力。Oscar 等[22]提出了一种同伴评估方法，模拟学生的同伴进行课堂评价，可以减轻学生的负担。

5.3 评价方法：立体化分析

评价方法是评价过程中所采取的手段和技术，评价内容不同，评价方法也会有所差异。基于人工智能的课堂评价方法是一种全新的、融合多维度的评价方法。依据课堂教学视频进行评价，采用人工智能技术，利用摄像机以及智能设备获取数据，建立合适的评价指标体系，对视频中反映出的教师情绪、声音、身体姿态等各个方面进行评价，人工智能技术可以利用语音识别技术、话语分析技术、情绪识别技术、人体姿态估计技术、辅助利用红外光线、毫米波技术等，分析教师和学生的精准行为数据和生理数据，从多维度对课堂进行客观分析和评价。

刘婷婷[23]利用课堂录像设备获取教学数据，依据视频分析教师的情绪以及手势动作，从而对教师信誉度进行量化评价，并建立了教师管理的系统，完全实现了教学评价的机器化，杜绝了问卷调查、课堂观察等评价方法的主观性干扰。基于课堂录像，对课堂中师生的面部表情，身体姿态等视频数据进行分析，有研究者提出基于学生人脸进行估计的模型来助力于自动化课堂评估。

5.4 评价结果：精准化反馈

评价结果是评价结束时获取的分析结果，利用分析结果可以助力于课堂精准化反馈。教育评价的作用是改进教学，智能化评价可以设置个性化的评价目标，依据目标实施评价。相比于人工评价，智能化评价将从关注绩效到关注教师发展上来，注重评价结果的反馈。发展性教师评价是指通过合理的评价体系和评价方法，对教师专业成长的过程进行评价，更加注重教师在评价中的主体地位，让教师参与到评价过程中，注重评价结果的反馈，体现了以教师为中心的评价理念。

人工智能技术能将评价主体从繁杂的评价过程中解放出来，能大大提高评价的效率。相比人工评价，基于人工智能的课堂教学评价分析结果准确率更高、速度更快。可以快速生成评价结果并能够可视化展示，且评价结果与人工评价相比具有较高的一致性，实现课堂行为精准化全面化地采集。

6 结束语

在我国教育改革不断深入的时代背景下，教学行为研究已经成为课堂教学研究的有效方法之一，得到了普遍的重视和应用，特别是在教育信息化改革的推动之下，大数据、计算机视觉、人工智能技术等信息技术为课堂教学行为数据的挖掘、分析和建模提供了便利。因此，推进人工智能环境下的教师课堂教学行为分析研究既可以为教师提供反思与评价的可视化信息，促进教师综合能力提升，同时又可以帮助教学管理者动态监控和实时分析教师在教学过程存在的问题，生成评教结论，并以形象直观的方式呈现评教数据，从而为建立和完善评教机制提供科学依据。