用数据说话：基于智能平台的循证课例路径研究

孙丽

课例研究被认为是一种能够有效促进教师的教学改进和专业发展的方法，具有突出的反思性实践特征。它既是一种研究，又是一种反思性实践，但是受到现实中种种因素的制约，在实践中的效果并不理想。循证课例研究被美国教育部教育研究与改进助理秘书格罗夫·怀特赫斯特定义为：依据专业智慧与最佳可利用的证据的融合，集大学研究者与中小学教师的合作、反思、教学改进于一体的教师专业发展范式。智能研修平台借助人工智能技术对课堂中师生的教学行为进行量化评价，形成可供参考的数据，这种数据具有生成性和动态性，这对于循证课例研究来说是最佳、可利用的、精准的证据。

从教师数字素养发展来看，每位教师都有发展的需求，都有成长的空间。但每位教师的成长速度并不一样，学校开展统一的课例研修路径并不能满足每位老师成长的需要。在信息技术的帮助下，是否每位教师都可以找到自己课堂教学中的问题，进而开展课堂研修活动，促进自己的专业成长呢？笔者借助了智能研修平台，与任课教师一起开展以数据为证据的循证课例研究，帮助教师精准提升课堂实效。

一、精准画像，寻求发展

在第一阶段的研修过程中，笔者选择了三类教师：刚进校的青年教师、非骨干中青年教师和骨干教师，对他们进行个案观察。从发展需求上看，青年教师想把课上好，非骨干教师想成为骨干，骨干教师想走得更远。在开展研究前，先对研究對象进行“画像”。“画像”分自画像和学科画像两种。

（一）自画像

由教师描述自己的教学观念、取得的成绩等内容。三位教师的自画像内容如下。

青年教师的自画像：我认为在教学工作中，最幸福的是赢得了家长的信任，学生的喜爱。最大的愿望是给予学生最有价值的礼物——“爱”，且尽可能多地让学生感受到这种爱。

非骨干中青年教师的自画像：我驾驭信息技术融合课堂经验比较丰富，曾获国家新媒体新技术课例评比二等奖；我对待工作很认真，曾获得校级“感动人物”荣誉。

骨干教师的自画像：我多次获得过国家级、省级、市级赛课一、二等奖，教学经验丰富；多篇论文获奖或发表，有一定的教研能力。曾获得市“优秀少先队辅导员”、市“优秀教师”、校“师德标兵”“优秀教师”等荣誉称号。

笔者从三类教师的自画像中，发现他们各自的教学风格以及教学擅长点。

（二）学科画像

由同年级的教研组长或学科责任人描述任课教师的教学优点和不足等内容。这种从旁观者的角度看研究对象的方法，有助于后期的数据研究准确定位。受试教师的学科画像内容如下。

青年教师的学科画像：作为刚入职的年轻教师，她处于教学专业能力不断上升的时期；思维活跃，敢于尝试，不拘泥于现有的技术手段和使用方法；亲和力强，能将学生的生活经验带入教学，更容易与学生形成共鸣，促进教学展开。但是她对教材的理解和把握以及对学生认知规律把握尚显不足，往往容易受到名师、身边老教师已经形成的教学方案影响，忽视个人执行能力和本班学生的个性特点，过于强调教学设计的流程，对于教学过程中的生成性资源的使用不够灵动。

非骨干中青年老师的学科画像：作为经验丰富的语文教师，他能够紧扣文本的特点，抓住单元语文要素，立足长程视角进行教学设计。在实施教学设计的过程中，他充分体察学情，根据学生经验及能力储备，设置问题情境，让学生充分读、想、说、议，发展语文核心素养。他能充分利用信息技术，从不同角度修正自己的课堂教学，努力将课堂的时间和空间还给学生，构建有智慧的教学。但他有时对文本解读不够深入，对大问题的设计还不够精巧。在课堂上，师生口头语言表达较多，动笔书写、表达思维的环节较少。

骨干教师的学科画像：她有着丰富的教学经验，经历过大循环教学，对各年段学生的认知特点和学科知识都有较好的把握。同时，她还有珠心算教学研究的背景，对一至三年级学生的教学尤为擅长。教学过程中，她能够重组教材，根据班级学生的认知需求调整教学；课堂上善于系列化、结构化的提问与应答，设计螺旋递进的探究活动，收集并有效运用课堂生成资源推进教学，课堂灵动生长感强。面对概念多、结构散的内容，她偶尔会表现出替代思考现象。

对以上的学科画像进行分析，不难发现这三类教师在学科教学中的优点与不足，如青年教师“思想活跃、受学生喜爱，但是对教材的理解和把握以及对学生认知规律把握尚显不足”；非骨干教师“信息素养高，实施教学经验丰富，但缺少深入研究”；骨干教师“研究能力强，因为教低年段学生经验丰富，对高年段学生不易放手”。

这些“画像”能够帮助教师找到自身问题，并有意识地解决问题。

二、聚焦数据，诊断课堂

在智能录播教室环境下，研修平台自动采集了课堂教学中教师和学生九种教学行为的数据，并记录下课堂教学全过程。针对教师的四种行为（讲授、板书、观察及师生互动）和学生的五种行为（听讲、读写、举手、应答及生生互动）生成了系列图表，通过数据挖掘，我们可以找出教学问题所在。

（一）从教学行为数据上进行诊断

教学行为数据图以中线为分割线，左边是教师行为，右边是学生行为（如图1）。讲授占92.07%，听讲占58.45%，这反映出课堂是以教师讲授、学生听讲为主。应答占22.05%，读写占14.70%，由此可知教师在教学时有学生回答以及读写的设计。但教师观察，师生互动、生生互动的数据非常低，这表明在课堂上教师对学生的指导很少，基本上没离开讲台。“举手：0.64%”说明教学设计中缺少问题，或者学生的教学常规比较差，没有举手回答的意识。

另一个以教师讲授、学生听讲为主的课堂上，教师观察比率达33.4%，学生应答达25.4%，生生互动达19.36%（如图2）。课堂上，教师一定设计了不少让学生参与的环节，如回答、做题、上台板书、小组活动等。教师在这些活动中都参与指导。

笔者分析教学行为数据图，发现不同年龄、不同经验的教师在课堂上有不同的表现。这些数据有利于教师诊断课堂，反思教学，迭代优化。

（二）从课堂互动数据进行诊断

研修平台以一定的时间间隔（30 秒）对课堂教学进行采样、记录，根据教学过程中学生（S）和教师（T）行为以及S和T的转换行为生成课堂互动数据。图3至图5是一位教师三次试教的S-T课堂互动数据。

从图3看，曲线转折很多，说明课堂上师生互动的教学行为比较多；从每段的数据来看，有六段学生活动明显且数据线比较长，说明课堂上有六个比较大的学生活动；从曲线走势来看，偏向左边，说明本节课设计的学生活动略多。

图4的曲线转折明显减少，但是有三段教师的数据线比较长，特别是第三段，基本上占据两格的位置。这说明本节课设计的目标可能过高，学生没有能达到教师预期，出现了教师花较长时间讲解的情况。

图5的曲线有了明显的变化，呈现45°走势，说明师生互动比较合理。从开始的一条比较明显的教师数据线来看，教师在上课伊始用了比较长的时间。从曲线的后面走向可以看出来本节课有一个大的学生活动。

通过分析课堂互动数据，我们可以诊断出课堂教学环节是否合理，是否符合教学设计。如果课堂教学与教学设计一致，但是数据中出现了明显的偏离现象，教师就需要思考教学设计是否太难或太简单，是否符合学生学习需求等问题。

（三）从课堂表現数据进行诊断

课堂表现曲线能够反映课堂上学生的行为。当学生行为趋于一致时，曲线值比较高，反之则值比较低。从曲线时间来看，本节课教学时间为52分钟，已经超时。从曲线走势来看，在上课12分钟时，表现曲线达到峰值75%（如图6），说明学生的集体行为在这个时间点最一致。视频回放显示此时教师在板书，学生在看教师。在16分钟时，曲线出现最低点26%（如图7），视频回放显示此时有学生在回答问题。笔者从视频里看到，在某位学生回答问题时，其他学生纪律松散，做小动作比较多，导致这个时间点全班学生行为离散，表现度值最低。

分析课堂表现数据，我们可以诊断出课堂教学内容和活动是否与大多数学生的能力匹配。如果引发学生思考的问题过难，就会出现少数学生在思考、多数学生无事可做的局面。因此，如果从课堂表现曲线中分析发现学生纪律松散，教师需要考虑原因是否在于教学设计不适合学情。

三、数据循证，反思改进

叶澜教授曾说：一个教师写一辈子教案不一定成为名师，如果写三年反思，就可能成为名师。这句话充分揭示了教学反思在教师专业成长中的重要作用和意义。教师在撰写教学反思时，可以结合分析不同的数据图表诊断课堂问题，进而调整教学。

（一）曲线切片循证

任课教师可以观看课堂教学视频回放，结合教学设计找出教学环节的时间点，将课堂表现曲线按照时间点切片，标注学生活动，形成新的数据，以便后期调整教学。如图8是统编版《义务教育教科书 语文 四年级 上册》中的《扁鹊治病》一节课堂的表现曲线数据切片。按照该方法将课堂表现曲线图切片后，教学环节、学生活动和课堂表现之间的关系就很清晰地表现出来。

2分40秒至4分30秒是课堂的导入新课环节。该环节的设计意图是课堂引入。教师以提问和出示人物简介的方式激发学生的兴趣。

4分30秒至13分20秒是检查预习、概括文意环节。该环节的设计主要是检查学生课前预习情况。教师检查学生朗读生字词的情况，发现易读错的字“侯”和“髓”，让其他学生正音，最后齐读词语。

13分20秒至28分30秒是精读课文、理解人物环节。该环节的设计意图是通过自读课文、齐读课文、分角色朗读课文等多种方式的朗读，让学生学习用描写人物的语言动作来表现人物的性格特点。

28分30秒至34分58秒是理论寓意、拓展延伸环节。该环节的设计意图主要是以一张病历表格这种直观的形式帮助学生发现每次看病的时间、部位、治疗建议和患者态度的不同，让学生更好地找到规律。

综观本次智能研修课，教学各环节时间分配比较合理，学生各种形式的阅读活动不少，但是思考感悟和互动的时间略短。教师课堂上讲授时间略长，语言还要再精练一些。

（二）数据阈值循证

骨干教师能够利用直观数据诊断课堂问题，并结合教学设计及课堂实践进行教学反思，进而有意识地调整课堂教学内容结构、预设问题乃至教学环节。由于教学内容重组，每次实践均可能引发课堂数据比较大的变动。以苏教版《义务教育教科书 数学 六年级 上册》中“按比例分配的实际问题”的课堂教学为例，教师先后两次在前一节课堂数据分析和反思的基础上进行了教学调整（课堂数据及其变化如图9）。

1.从模型数据循证

第一堂课教学结束后，该骨干教师有如下反思。

笔者发现本堂课的教学模式是对话型，教师的行为占有率为36.00％，学生行为占有64.00％。智能研修平台将教学模式分为练习型、讲授型、对话型和混合型。通过阅读报告并结合教学感受，笔者发现自己对课型的定位不够准确。在一节新授课上，如果教师引发思考的点过少，只限教师问学生答的形式，调动思维活跃的形式就会过于单薄，从而导致学生呈现“吃不饱”的状态。笔者应该将这节课教学定位成什么模式比较合适呢？是不是师生的教学行为占有率越接近，课堂的氛围越好，教学效率越高呢？

2.从曲线数据循证

分析第一次教学后的S-T数据，教师在研修时进行了反思：第一次试教时，原教学设计中的学习路线存在问题，采用生生互动的方式教学并未达到预期效果，导致学生探究时间过长、次数过多。（与前期直观看图3的师生互动数据得到的推测一致。）

结合以上反思，教师第二次教学调整了内容的知识结构，研修时再次进行了反思：将“已知一个量求另一个量”和“已知差量求每份是多少”这两个类型放在新知教学后，从教学结构上来说它是完整的，但教学时却发现教学设计过难，只能依靠教师不断启发、提醒，导致教师行为过多。（与图4的推测接近。）

于是教师继续调整教学设计，增加了生生互动以及学生演示的环节，用活动突破难点，完成了第三次教学并形成了新的教学反思：在第三次试教中将已知总量、已知部分量及相差量这三种类型分别呈现，过程中增加了生生互說以及一生到台前演说，根据自己的理解去思考去发现总结方法。学生发现：和的量除以份数和等于单位“1”，已知一个量除以对应的份数等于单位“1”，已知差的量除以份数差等于单位“1”，它们都要先求出单位“1”是多少。这样，学生便突破了难点。

四、研究体会，期待蜕变

在一学期的数据监测过程中，笔者发现青年教师虽然使用了平台，但是并未有效利用平台数据。虽然从研修数据上看，他们的教学行为也在发生变化，但是从听课团队的评价来看，教学效果并不理想。教师反思：教学中没有在学科与技术、教研与技术方面的融合应用及有效使用上进行深度思考，导致找不准问题，提升效果不佳。

经常开展数字化教学的教师能够对照录制的课例，使用量化工具寻找课堂改进的“证据”，但从反思情况来看，数据挖掘不深，对于课堂问题研究不够，教学曲线波动不大，缺少设计。

骨干教师能够看懂数据量表，会根据自己教学经验进行教学调整，并配合课堂数据验证自己的教学。

不管哪类教师，在智能研修技术的帮助下，他们或多或少都有所发展，也符合研究的初衷。笔者期待所有教师在课堂教学中蜕变，成为美丽的蝴蝶。

五、结语

不管什么学科，每节课前教师都要精心将教学内容和目标整合到教学活动中，引导学生学会思考、学会提问，充分调动学生的主观能动性，让学生成为课堂真正的主人。从教师的研修过程来看，利用智能平台进行教师循证课例研究的路径已经基本形成，这种课例研修方式可以在校内推广。智能研修平台能实时对教学活动、教学行为等进行精准观察，其终端生成的课例分析报告能有效地反映教学预设、教学生成的质量与效果。人工智能和大数据技术支持下的课例“循证”，既解决了传统课例研究中“证据”不足或需要加工的问题，又将教师的教学和教研结合起来，将课例中原始信息转变和融合为对教研有用的数据，对精准提升教师的教学具有积极意义。

参考文献

[1] 陈向明.教育改革中“课例研究”的方法论探讨[J].基础教育， 2011（2）：71-77.

[2] 王陆，郑志生，张敏霞，等.大数据赋能循证课例研究中的知识治理[J].电化教育研究，2021（12）：5-12.

[3] 李阳，曾祥翊.人工智能赋能教研高质量发展：智能精准教研的理论框架、实践蓝图与发展脉络[J].中国电化教育，2022（11）：99-107.

（作者系江苏省淮安市淮阴师范学院第一附属小学教师）

责任编辑：祝元志