基于教学行为分析的精准教研实践研究

易立铁 李军

摘要：教研是提升教师专业发展水平的主要路径。 针对目前教师研修活动中存在的教研需求模糊、教研模式粗放、课堂教学评议的主观性与随意性大等问题，本研究基于经验学习圈理论，以人工智能支持的课堂教学行为分析为核心，采用量化分析与质性分析相结合的方式深入分析课堂教学行为，构建基于教学行为分析的精准教研模式，探索智能技术支持的教研转型发展新路径，并基于此模式在成都市北新小学校开展了教研实践。

关键词：教学行为分析；精准教研；经验学习圈；人工智能；教师专业发展

教师是优质教育的关键要素，教研是提升教师专业水平的主要路徑之一。传统教研基于教研人员自身的知识与主观经验，对教育教学现象进行模糊判断，教研实践中存在着教研需求模糊、教研模式粗放、课堂教学评议的主观性与随意性大等问题。精准教研是相对于经验导向的传统教研而言的，是以教师专业发展为愿景，基于信息技术环境收集多模态数据进行分析和应用，以支持课堂教学改进、教学行为优化与宏观教研精准决策的一种教研形态[1]。精准教研是“互联网+”背景下中小学教研的一种新形态，借助新一代信息技术实现对教研数据的常态化采集与自动化分析，精准诊断与定位教研需求，让教师教研更加个性化与精准化。随着教育大数据应用的不断深入，教师教研正在从经验导向的传统教研向基于数据的智能教研转变。

课堂作为教学活动的主阵地，是中小学教师教研的核心领域，课堂教学行为是教师的理念、知识、技能与教学经验的外在表现，是教师和学生为了达到教学目标、实现全面发展而表现出来的教师教和学生学的行为[2]。智能技术的发展使得常态化、规模化地采集与分析课堂教学行为数据成为可能。基于人工智能（AI）的课堂教学行为分析系统，可通过构建数据分析模型，对课堂教学行为数据进行伴随性采集、自动识别、存储与分析，建立教师课堂教学行为大数据，再通过数据发现问题、探索规律，改进并优化课堂教学。但我们也注意到，目前的量化数据一般是对师生教与学活动的外在形式进行识别与记录，还不能实现对师生话语互动意义的深度分析。基于此，本研究基于经验学习圈理论，构建基于教学行为分析的精准教研模式，以AI支持的课堂教学行为分析为核心，采用量化分析与质性分析相结合的方式深入分析课堂教学行为，并提出改进策略。

一、基于教学行为分析的精准教研模式构建

（一）理论基础

1.经验学习圈理论。大卫·库伯（David Kolb）提出的经验学习圈理论认为，人们的知识学习过程由四个环节构成：具体经验获得、反思性观察、概念抽象化和积极实验[3]。其中，积极实验又是下一个循环经验获得的起始。经验学习圈理论在各类学习培训中应用广泛，刘清堂等人依据经验学习圈理论构建了AISTTM研修模式，基于AI分析，开展主讲教师、观察教师、教研员、专家等多维评价[4]。本研究依据经验学习圈理论，在AISTTM模式基础上加入质性分析内容，构建基于教学行为分析的精准教研模式。

2.课堂教学行为分析理论。在课堂教学行为数据采集与分析领域，影响较大的是弗兰德斯互动分析法、课堂教学行为S-T分析法，以及在此基础上衍生的各类改进方法。它们的基本思路都是制订一套代码系统，每隔一定时间识别、记录课堂教学行为，从而得出师生行为统计数据，并以此对师生互动情况、各类活动占比、课堂类型等进行分析。本研究采用中央电教馆智能研修平台采集与分析师生课堂教学行为，该平台依据课堂教学分析理论和人工智能技术对师生课堂教学行为进行识别、统计与分析。

（二）模式内涵

笔者基于经验学习圈与混合学习理论，构建了基于教学行为分析的精准教研模式（如图1）。以下是该模式的关键环节。

一是构建“GEBUS”教师研修生态体系。“G”表示教育行政部门，牵头并主要负责智能分析设备（分析平台与录播系统）的保障与人员投入；“E”表示教研机构，负责教师研修活动的组织实施；“B”表示企业，主要负责提供AI分析技术支持，优化课堂教学行为分析系统的设计；“U”表示大学，主要负责提供专家保障，开展课堂教学行为分析，分析解读数据，提出改进意见；“S”表示中小学，学校是实践主体，提供研究案例。

二是按照经验学习圈理论的四个环节实施教师研修。学校教研组在集体备课的基础上提供课堂教学案例，可以是针对某个主题的单节课例，也可以是不同教师的同课异构，并采取现场与网络相结合的方式观课。智能录播系统伴随性采集教学数据，对师生的教学行为开展量化分析，形成数据分析报告。

三是课堂教学行为分析。这一环节是该模式的核心环节。为弥补量化数据仅分析师生活动形式而不分析师生话语互动意义的缺陷，课堂教学结束后，教研组对视频课例进行文字转录，并针对重点环节的教学活动开展质性分析。学科教研组、主讲教师、教研员、大学教师在充分讨论的基础上，提炼概括出教学行为改进策略。

四是根据改进意见开展新的课堂教学实践，获取新的具体经验，开始新一轮研修循环。

（三）实施流程

1.教研团队组建。相关人员按照GEBUS教师研修生态体系，组建教研共同体，明确各自职责，协同配合开展研修活动。

2.课堂教学实践。学校教师与教研组、教研员共同协商，选定上课的教师、课例主题、课例类型以及教研形式。不同类型的课例（如新授课、复习课等）中，师生的课堂教学行为表现也不同。与此同时，企业要做好智能分析系统的调试与准备，确保录播系统正常工作，能常态化采集教学行为数据。

3.课堂教学行为的量化分析。智能研修平台包括区域端与学校端。学校端用于课堂行为数据的采集与分析，区域端则用于各学校数据的汇总分析与呈现。该平台主要关注课堂教学活动中的言语行为和显性活动，利用AI技术自动识别人体姿态和肢体动作，并利用语音识别、屏幕OCR识别、人脸识别等技术，按照“时间采样、动态补偿”的原则，自动识别与统计教学行为，其识别精度达90%以上[5]。在上完课十分钟内，平台即可出具课堂教学行为数据报告，包括教师和学生九种课堂教学行为的统计数据。其中，教师行为四种（讲授、板书、师生互动、巡视），学生行为五种（读写、听讲、生生互动、举手、应答）。平台还提供课堂参与度曲线图、课堂教学行为时序图、教学行为分布图、S-T教学模式分析图等。如果是同课异构，还能提供两节课的教学行为对比分析报告。教研共同体成员可依据量化分析的数据开展课例分析与点评，帮助教师教学反思。

4.课堂教学行为的质性分析。教研员利用视频文字转录工具将教学课例视频转为文字，利用Nvivo系统对师生的话语交互进行记录和分析。一是对教师提问和学生应答数据进行分析。教师提问可分为讲授性提问、思考性提问、探究性提问。讲授性提问主要是为了讲授的连贯性，需要学生回应性应答，思考性提问能够引发学生思考，探究性提问则需要学生开展探究活动后才能回答。学生应答则分为简单回应、原理表述、质疑提出和小组讨论[6]。二是选择重点环节教学活动开展师生对话互动的深度分析。教研共同体聚焦新知识构建的关键环节，针对重点环节教学活动，进行话语意义级别的深度分析，以了解学生真实的意义建构情况，从而发现教学互动规律，提出教学行为改进策略。

5.抽象概括。在量化与质性分析的基础上，教研共同体对师生课堂教学行为表现进行充分而深入的讨论。大学教师及教研员提供理论支撑，依据量化分析数据、课堂提问数据、重点环节教学活动互动情况，帮助教师开展深度反思，引导教师认识到行为、数据背后的教与学原理，提炼概括教学设计、提问设计、互动设计等方面的改进策略。

6.新的实践。教师将前一阶段抽象与概括得到的实践性知识，应用到新的教学实践中去，进行新的教学设计与实施。这样一来，教师既能检验所总结提炼的新知识和新策略，又可以获得新的经验，从而开启下一个知识学习与研修活动循环。

二、实践案例

基于本研究构建的精准教研模式，笔者在成都市金牛区进行教师教研实践，并在金牛区北新小学校开展了小学数学精准教研活动。

根据上述实施流程，本次教研活动包括五个阶段：活动准备、课堂实践（经验获取）、教学反思（基于量化分析与质性分析）、抽象概括、新的实践。

（一）活动准备

1.团队组建。区教科院数学教研员邀请北新小学数学教研组、小学数学名师工作室成员、四川师范大学教授、市技术装备管理中心教研员共同组建教研共同体，企业负责提供技术支持，区内小学中段数学教师线上参与教研活动。

2.确定教研主题。教研共同体选择小学数学“分一分”（分数的引入）作为研修课题，由北新小学李老师执教，年龄32岁，教龄8年。

（二）课堂实践

在个人备课的基础上，教研组开展研讨，对学生学情、教学设计、课件制作、资源支持、教学活动、作业等进行了分析与设计。教师在真实场景中上课，并进行网络直播与全程录像，智能研修平台同步运行。

（三）教学反思

此阶段主要完成对课堂教学行为的量化分析与质性分析，在此基础上教师开展教学反思。课堂教学行为量化分析分为三个部分。

第一部分是对师生行为数据占比情况的分析。教研团队依据系统给出的数据进行量化分析（如图2）。本节课教师讲授行为占比63.39%，学生听讲占比51.10%，反映出本节课教师讲授、学生听讲占比较大。但两项数据相差了12.29个百分点，这是什么原因造成的呢？我们注意到，学生举手行为占比12.54%，是否说明教师还在讲授时学生就开始举手，或者学生举手时间较长而未得到教师回应？基于此疑问，我们回看课堂录像，证明确实存在上述情形。此外，师生互动占比为4.77%，生生互动占比为2.76%。这两项数据明显偏低，说明教学设计对师生互动活动的设计不够重视。我们还注意到，教师巡视行为占比25%，说明教师比较注意走下讲台，了解学生的学习与小组活动情况。

第二部分是对课堂参与度曲线的分析。在行课至第3～6分钟时，课堂参与度曲线急剧下降，从第6～8分钟参与度曲线上升（如图3）。一般来说，新授课前10分钟课堂参与度都应该保持较高水平，为何本节课会在此形成一个低点呢？经过回看课堂录像，我们发现在第3分钟进入“平均分一个苹果”阶段，教师引导半个苹果怎么表示，明显此阶段部分学生不清楚教师的意图（有学生回答用0.5表示）， 学生注意力有分散的迹象，产生参与度曲线下降现象。在第6～8分钟，教师讲解分数各部分名称与写法，并开始学生练习，参与度曲线再度上升。显然，关于引入分数如何表示半个苹果是本节课的核心环节。此处应该保持较高的参与度才好，教师的提问可以再仔细斟酌、改进。

第三部分是对S-T数据的分析。本节课的Rt值为0.52，行为转化率Ch值为0.37，落在混合型课例数据区间，并靠近对话型课例数据区间（如图4）。这说明本节课虽以讲解为主，教学互动不足，但教师比较关注学生自主与合作学习情况，师生行为转化率较高。综合来看，本節课属于混合型教学课例，也印证了本节课的授课教师为一名较有经验的成熟教师。

课堂教学行为质性分析，分为以下两个方面。

一是统计与分析教师提问与学生应答的数据。教研组将教师提问与学生应答类型编码后，利用Nvivo进行统计分析（见表1）。数据显示，课堂教学中教师占相对主导地位，教师提问占节点总数的57.22%，且提问类型中讲授性提问占比达72.82%，导致教师成为课堂话语的绝对主导者。从学生应答类型看，不需要深入思考的简单应答占比77.92%，提出疑问占比为0，讨论占比2.6%。这说明学生主动参与、深度思考不足，相互交流缺乏。

二是分析课堂教学重点环节教学活动。根据教研员建议，教研共同体将教学引入（平均分的强调）、分数引入（为什么要用分数）、分数各部分名称与意义三个教学活动列为重点环节教学活动（受篇幅限制，仅列举第一个重点环节教学活动的话语互动分析）。教研组先将视频进行文字转录，再深入分析教学活动的教学互动（见表2）。

总体来看，师生话语互动存在以下问题：一是教师提问过于琐碎。从话语互动看，教师过渡性提问多，需要学生简单应答的提问多，话题转化很快，造成师生互动看似频率高，但浮于表面。二是探究性、开放性问题较少。大多数问题不需要深度思考，问题的开放性不强，很难激发学生的创新意识，基于学生深度理解的学习难以实现。三是教师主导意识较强。教师为实现自己的教学设计流程不敢放手，急于按照自己的思路去引导学生，造成学生没有思考的时间，学生主体地位体现不足。

（四）抽象概括

教研共同体在充分讨论交流的基础上，就如何提高教学互动与提问水平、促进学生深度学习提出了改进策略。例如，在教学活动设计方面，注意增强师生互动、生生互动交流环节；在提问设计上，注意增加探究性、开放性问题，给学生留足思考、表达的时间与机会。

（五）新的实践

根据形成的改进意见，教师对教学设计进行了修改，再进行新的教学实践，开始新一轮教研循环。

三、结语

数据是开展精准教研的基石。本研究基于经验学习圈理论，以课堂教学行为数据采集与分析为核心，构建了精准教研模式，探索教研转型发展的新路径。实践证明，该模式较好地实现了依据经验的课堂教学评议与依据数据的课堂教学评议相结合，有利于降低课堂教学评议的主观性与随意性，提升教研的针对性与实效性。值得注意的是，教学是一门艺术，对课堂教学的评价需要综合考虑学科核心素养达成、知识技能培养、课堂互动生成、课堂教学氛围等多种因素，课堂教学行为数据仅提供了一种参考与辅助，教研组织者应从循证思维角度帮助教师对课堂教学进行深度反思，促进教师专业发展。

参考文献

[1] 林梓柔，胡小勇.精准教研：数据驱动提升教师教研效能[J].数字教育，2019（6）：42-46.

[2] 黄斌，曹海文.国内课堂教学行为研究综述——基于184篇教育类核心期刊论文的质性元分析[J].岭南师范学院学报， 2020（2）：1-11.

[3] 王陆，张敏霞.一种改进的基于教师凝聚子群的远程合作学习圈方法[J].电化教育研究，2011（4）：59-64.

[4] 刘清堂，郑欣欣，吴林静，等.基于经验学习圈构建AI支持下的教師研修模式[J].电化教育研究，2021（10）：114-120.

[5] 张曼.基于教学行为分析的精准教研模式研究及应用[D].黄冈：黄冈师范学院，2020.

[6] 李利，梁文洁，薛锋.智慧教室环境中的课堂互动教学现状分析——基于小学数学课堂教学个案的研究[J].电化教育研究，2018（3）：115-121.

（作者易立铁系四川省成都市金牛区教育科学研究院教研员，中学高级教师；李军系四川省成都市金牛区教育科学研究院教研员）

责任编辑：牟艳娜