数字化转型下AI课堂观察系统使用对师生课堂行为的影响

刘梦君 蔡雨菲 蒋新宇 杨兵

摘要：当前，课堂教学的数字化转型实践和应用正如火如荼，但师生可能因习惯于传统教学环境而对新技术的引入产生抵触情绪，从而影响数字化转型的成效。对此，文章以武汉市W中学七年级四个班的412节课例为研究样本，通过前后测实验设计，对比了AI课堂观察系统投入使用前后师生的课堂行为变化情况、不同特征（包括科目、职称、性别）教师的课堂行为差异，结果发现：AI课堂观察系统对师生课堂行为有一定的影响，且这种影响会随着时间的推移而减弱；AI课堂观察系统对不同特征教师产生了不同程度的影响。文章的研究揭示了课堂教学数字化转型面临的实践挑战，可为课堂教学创新的科学管理提供理论支撑和实践参考。

关键词：AI课堂观察系统；课堂行为；数字化转型；科目；职称；性别

【中图分类号】G40-057 【文献标识码】A 【论文编号】1009—8097（2024）05—0064—10 【DOI】10.3969/j.issn.1009-8097.2024.05.007

引言

课堂教学数字化转型是教育数字化转型的主阵地，而人工智能（Artificial Intelligence，AI）技术的飞速发展，为课堂教学的数字化转型带来了新契机。目前，AI已具备强大的现场态势感知能力，能够即时捕捉、感知并分析学生的学习状态^[1]，从而对课堂进行大规模、精细化的数据分析与评价。例如，杭州某中学部署的智慧课堂行为管理系统，可以通过动作与面部识别，获取学生在课堂上的个体行为与表情数据，以此计算出学生的实时专注度，便于教师即时对上课走神的学生进行提醒^[2]。因此，许多研究者认为，智能技术赋能的教学行为评价方法有望为课堂教学的诊断和干预提供更精准的实践时机和手段，从而推动课堂教学数字化转型的持续深化与发展^[3][4]。

AI课堂观察系统主要用于观察、量化课堂教学效果，能够为教学质量提升和教师专业发展提供更高效的支持^[5]，其核心技术包含图像处理、模式识别、深度学习等。AI课堂观察系统可以通过部署在教室内的高清摄像头，拍摄教室实时画面；之后通过图像识别，获取师生教学过程中的行为和表情数据；进一步，对这些数据代表的教学特征进行解读，据此剖析课堂教学的节奏与内容，指出不足之处，并给出相应的改进方向。然而，以教师、学生等为主体的实践者可能由于依赖传统或习惯使然，容易对新系统的引入产生抵触情绪，从而影响系统的使用效果^[6]。目前，研究者多关注AI课堂观察系统应用在教学行为识别、课堂评价等方面的性能^[7][8]，而对于系统使用是否会对师生的教与学造成影响以及会产生何种影响，尚缺乏科学的实证探究。基于此，本研究试图通过对比AI课堂观察系统投入使用前后师生的课堂行为变化情况和不同特征教师的课堂行为差异，来探究AI课堂观察系统使用对师生课堂行为的影响，以期为学校管理者决定是否在常规教室引入AI课堂观察系统提供科学依据。

一 研究假设

信息技术具备支撑教学的能力，但并不等同于师生能较好地应用信息技术开展教学^[9]。而信息技术的教学应用，还有可能遭到师生的抵制。一方面，一些中国的教师和学生认为信息技术引发的新学习方法会破坏他们既定的学习习惯和教学程序^[10]。这一偏见可以采用Al-Adwan等^[11]提出的“学习传统”概念来解释——该概念强调创新的主要障碍是沿用传统的使用模式，而这种对传统模式的依赖会影响师生对新技术的接受度。另一方面，一些教学决策正在由人工决策转变为人机协同决策，这种转变可能会对教师的职业地位构成威胁，从而引发教师的担忧^[12]，继而影响其课堂行为。基于此，本研究提出假设H1：AI课堂观察系统投入使用后会对教师课堂行为产生一定的影响。

信息技术进入课堂教学的应用效果，可能受教师讲授科目的影响。Serezhkina^[13]对两项国际研究的数据进行分析后，发现教师的数字技能与学科、教育教学背景有关。Chen等^[14]发现，中小学不同学科的教师在信息素养上存在显著差异，学科差异会导致教师在信息管理、整合和创新方面的发展不同。杨福义^[15]通过调查发现，中小学教师中信息技术教师使用教育信息技术的频率最高，但局限于信息检索、社交、多媒体应用等方面，而高级的信息技术使用相对较少。基于此，本研究提出假设H2：不同学科的教师在AI课堂观察系统使用前后存在不同的课堂行为差异。

有时，教师经验和技术接受度是一对矛盾体：一方面，Rozell等^[16]的研究表明，拥有更长时间计算机使用经历的教师倾向于在教学中频繁地应用信息技术；教师的这种经验越丰富，越有可能对信息技术教学应用表现出积极的态度^[17]。另一方面，Scherer等^[18]研究影响教师接受度和信息技術融入课堂的因素时发现，教师年龄越大，越易在使用信息技术时感知到问题和障碍。然而，Van Braak等^[19]发现，一旦积累足够的信息技术经验，教师的年龄就不再是影响信息技术使用的关键因素，而是职称越高，教师在实际教学中使用信息技术越多。基于此，本研究提出假设H3：不同职称的教师在AI课堂观察系统使用前后存在不同的课堂行为差异。

信息技术的使用动机可能存在性别差异，由此导致不同性别的教师在课堂行为上出现差异。Tondeur等^[20]发现，在小学教育阶段，男教师更积极地将信息技术投入教育应用；Sadik^[21]通过调查，同样发现发展中国家的男教师比女教师有更高的信息技术经验和更积极的信息技术应用态度。然而，也有研究得出了不同的结论，如Shapka等^[22]发现信息技术使用的性别差异很小，且这种差异在逐渐消失。基于此，本研究提出假设H4：不同性别的教师在AI课堂观察系统使用前后存在不同的课堂行为差异。

二 研究设计

1 研究对象

本研究使用多视角（包括教师视角、学生视角）的4K摄影机，实时采集了武汉市W中学七年级四个班为期一个月的课程视频资料，共得412份课堂数据样本。这些样本涵盖语文、数学、英语等11门学科，其中数学（占21.35%）、语文（占20.87%）、英语（占20.87%）三门学科的样本较多，而历史（占7.28%）、生物（占3.64%）、音乐（占3.39%）等学科的样本较少；具有高级职称、一级职称、二级职称的教师课例分别为15份（占3.64%）、215份（占52.18%）和182份（占44.18%）；女教师课例有309份（占75%），男教师课例有103份（占25%）。

2 研究思路

本研究历时四周（分别记为W1、W2、W3、W4），分为S1（前两周，包含W1和W2）、S2（后两周，包含W3和W4）两个阶段。为确保数据的一致性，两个阶段均使用AI课堂观察系统录制、分析师生的课堂行为。不同的是，在S1阶段，系统运行但未打开提示灯，此时教师对系统录制并不知情，系统记录的是AI课堂观察系统使用前的师生日常课堂行为数据，这些数据可用于后续与S2阶段的数据进行比较；而在S2阶段，系统亮起红色提示灯，显示其运行状态，此时教师知晓系统正在录制，系统记录的是AI课堂观察系统使用后的师生课堂行为数据，这些数据可用于探究师生的行为变化。在整个实验中，四个班级的学生对系统录制均不知情，以尽可能地确保学生课堂行为所受到的影响仅来自于教师的行为变化，而排除系统直接对学生造成的影响。

四周时间的录制结束后，本研究一方面通过对比S1、S2两个阶段的师生课堂行为差异，来探究AI课堂观察系统的引入是否会对师生的课堂行为产生影响——若该影响存在，就进一步将W3、W4时间段的课堂行为与S1阶段的课堂行为进行比较，以了解这种影响的程度变化；另一方面通过比较不同特征（包括科目、职称、性别）教师在S1、S2两个阶段的行为是否存在差异，来探究不同特征教师的课堂行为差异。

3 研究工具

本研究使用AI课堂观察系统，对师生课堂行为进行干预。首先，AI课堂观察系统通过多视角的4K摄影机，实时录制课堂教学视频。之后，通过人工智能引擎终端的边缘计算模块，对视频进行结构化分析处理，以可视化的方式呈现师生的课堂行为分布、教学模式、专注度曲线等数据。其中，教师的课堂行为被分为四类：①板书，是指教师在介质上进行书写；②讲授，是指教师在讲台区面向学生主动授课、讲解、演示；③师生互动，是指教师提问、学生应答，教师邀请学生到讲台区域互动；④巡视，是指教师在学生区域走动、观察、授课。与此同时，学生的课堂行为被分为五类，包括读写、举手、听讲、生生互动、应答，其中生生互动行为是指多个学生应答或小组讨论，而应答行为是指学生站立回答问题。

通过AI课堂观察系统，教师可以洞悉课堂中自身教和学生学的具体表现，据此及时调整教学策略；学校管理者可以便捷地知晓教师的课堂教学情况，从而针对相关问题及时调整教学安排。然而，AI课堂观察系统强大的教学过程分析和辅助能力，对教师来说也是一种强大的过程监督，有可能对教师心理产生压力，从而影响其教学行为。

4 AI课堂观察系统与人工编码的一致性检验

为探究AI课堂观察系统采集、分析数据的可靠性，本研究进行了一致性检验：如果Kappa值＞0.75，就证明一致性良好^[23]。本研究随机抽取一节课程视频，邀请两名经过编码培训的专家对师生的课堂行为进行编码，结果显示两位专家的编码具有较高的一致性（针对教师课堂行为的一致性检验结果Kappa值为0.71，针对学生课堂行为的一致性检验结果Kappa值为0.85）。经过商议评定后，两位专家统一了意见。本研究将AI课堂观察系统与两位专家统一意见后得到的编码进行一致性检验，结果顯示针对教师课堂行为的编码结果Kappa值为0.73、针对学生课堂行为的编码结果Kappa值为0.83。整体而言，AI课堂观察系统与两位专家的编码具有较高的一致性，说明本研究的实验数据具有良好的可靠性。

三 研究分析

本研究先分析AI课堂观察系统使用前后的师生的课堂行为变化情况，后分析不同特征教师的课堂行为差异，以探究AI课堂观察系统投入使用可能造成的影响。

1 系统投入使用前后师生的课堂行为变化情况

据统计，系统使用前的S1阶段共有207条记录（占50.24%），而系统使用后的S2阶段有205条记录（占49.76%）。为进一步探究不同特征师生在系统使用前后的课堂行为是否发生变化，本研究通过Mann-Whitney U检验对S1、S2阶段师生的课堂行为进行了对比，结果如图1所示。可以看出，系统使用后，课堂中的生生互动（p=0.006＜0.05，ΔM＝3.77）、讲授（p=0.016＜0.05，ΔM＝4.82）行为有所增加，而读写（p=0.007＜0.05，ΔM＝-6.67）、板书（p=0.003＜0.05，ΔM＝-1.51）、巡视（p=0.002＜0.05，ΔM＝-4.16）行为有所减少；举手（p=0.931＞0.05）、听讲（p=0.898＞0.05）、应答（p=0.118＞0.05）、师生互动（p=0.165＞0.05）行为在系统灯光亮起前后不存在显著性差异。由此可以初步判断，AI课堂观察系统的使用对师生课堂行为造成了一定的影响。

为探究AI课堂观察系统使用对师生的影响随时间变化的情况，本研究将系统使用前（S1阶段）与系统使用后第一周（W3）、系统使用后第二周（W4）的师生课堂行为进行了成对比较，结果如表1所示。

由于样本为非正态分布，因此本研究采取Kruskal-Wallis检验S1、W3、W4中师生的课堂行为是否存在差異。总样本共有412条记录，其中S1阶段共有207条记录（占50.24%），W3时间段共有113条记录（占27.43%），W4时间段共有92条记录（占22.33%）。Kruskal-Wallis检验结果显示，读写（χ²=7.455，df=2，p=0.024＜0.05）、生生互动（χ²=8.258，df=2，p=0.016＜0.05）、讲授（χ²=6.2，df=2，p=0.045＜0.05）存在显著差异，而板书（χ²=9.236，df=2，p=0.010≤0.01）、巡视（χ²=10.404，df=2，p=0.006≤0.01）存在极其显著差异。

为探究AI课堂观察系统对师生的影响是否会随时间而变化，本研究对发生显著变化的行为进行了成对比较，结果显示：大多数发生显著变化的行为在S1-W3这一段时间里呈现出显著差异，如读写（p=0.037＜0.05）、生生互动（p=0.018＜0.05）、板书（p=0.024＜0.05），其中巡视（p=0.002≤0.01）存在极其显著差异，而上述行为在S1-W4这一段时间里并无行为呈现出显著差异，表明师生在系统使用初期（W3时间段）受到的影响较大，而随着时间的推移，这种影响随之减轻，因此发生显著变化的行为也有所减少。秩均值可以在数据分布为非正态时提供一个比传统均值更为稳健的度量，因此本研究对比了S1阶段和W3、W4时间段师生课堂行为的秩均值，结果如图2所示，可以看出：随着时间的推移，发生显著变化行为的秩均值变化有所减缓，表明师生受到的影响随着时间的推移而减弱。

2 不同特征教师的课堂行为差异

为探究不同特征（包含科目、职称、性别）教师对AI课堂观察系统使用前后的行为差异，本研究通过Mann-Whitney U检验对系统使用前后不同特征教师的课堂行为进行了差异分析，不同特征教师的课堂行为差异相关数据统计如表2所示。

（1）不同科目教师在系统使用前后的课堂行为差异

在412条总样本中，文科教师样本共有261条记录，其中系统使用前有133条，系统使用后有128条；理科教师样本共有103条记录，其中系统使用前有52条，系统使用后有51条。

表2显示，在系统使用后，文科教师课堂中的讲授（p=0.035＜0.05，ΔM＝19.66）、生生互动（p=0.009≤0.01，ΔM＝24.46）行为明显增加，但板书（p=0.022＜0.05，ΔM＝-21.27）、巡视（p=0.031＜0.05，ΔM＝-20.15）行为有所减少；理科教师的课堂中出现了更多的举手（p=0.047＜0.05，ΔM＝11.63）行为，但读写（p=0.01≤0.01，ΔM＝-15.09）行为有所减少。此外，文科教师课堂中的读写、举手、听讲、应答、师生互动5类行为不存在显著差异，理科教师课堂中的听讲、生生互动、应答、板书、讲授、师生互动、巡视7类行为不存在显著差异。可见，相较于理科教师，文科教师在系统使用后发生显著性变化的行为更多，表明文科教师受系统的影响更大。

（2）不同职称教师在系统使用前后的课堂行为差异

在412条总样本中，高级职称教师样本共有15条记录，其中系统使用前有7条，系统使用后有8条；一级教师样本共有215条记录，其中系统使用前有111条，系统使用后有104条；二级教师样本共有182条记录，其中系统使用前有89条，系统使用后有93条。

表2显示，高级职称教师的各类课堂行为在系统使用前后均不存在显著差异；在系统使用后，一级职称教师的课堂中出现了更少的读写（p=0.012＜0.05，ΔM＝-21.26）、板书（p=0.019＜0.05，ΔM＝-19.79）行为，但在系统使用前后其课堂中的举手、听讲、讲授、巡视4类行为均不存在显著差异；在系统使用后，二级职称教师的课堂中出现了更多的生生互动（p=0.023＜0.05，ΔM＝17.83）、讲授（p=0.049＜0.05，ΔM＝15.4）、师生互动（p=0.046＜0.05，ΔM＝15.61）行为，而巡视（p=0.003≤0.01，ΔM＝-23.47）行为有所减少，其余行为在系统使用前后不存在显著差异。可见，职称越低的教师在系统使用后发生显著性变化的行为越多，表明职称越低的教师受系统的影响越大。

（3）不同性别教师在系统使用前后的课堂行为差异

在412条总样本中，女教师样本共有309条记录，其中系统使用前有154条，系统使用后有155条；男教师样本共有103条记录，其中系统使用前有53条，系统使用后有50条。

表2显示，在系统使用后，女教师的课堂中出现了更多的生生互动（p=0.011＜0.05，ΔM＝25.97）、讲授（p=0.02＜0.05，ΔM＝23.67）行为，但读写（p=0.015＜0.05，ΔM＝-24.84）、板书（p=0.001≤0.001，ΔM＝-32.72）、巡视（p=0.016＜0.05，ΔM＝-24.44）行为有所减少；女教师课堂中的举手、听讲、应答、师生互动4类行为在系统使用前后不存在显著差异。而男教师课堂中的行为在系统使用前后均不存在显著差异。可见，相较于男教师，女教师在系统使用后发生显著性变化的行为更多，表明女教师受系统的影响更大。

四 研究结论

1 AI课堂观察系统对师生课堂行为有一定的影响，且这种影响会随着时间的推移而減弱

课堂行为变化情况的分析结果显示，系统刚使用时对师生课堂行为的影响较大，且这种影响会随着时间的推移而减弱。Kruskal-Wallis检验结果表明，随着时间的推移，发生显著变化行为的秩均值变化有所减缓，且课堂中发生显著变化的行为数量也有所减少。

上述结论可以采用适应水平理论来解释——适应水平理论由美国心理学家Helson^[24]提出，认为当某一种刺激经过多次重复达到一定的水平之后，就会失去其原本引起兴趣的效力。在本研究中，系统工作时亮起的灯光可以看作是对教师的一种环境刺激。在系统使用的第一周，习惯了传统课堂环境的教师会较为强烈地感知到环境的刺激，而随着时间的推移，系统对教师的刺激不断重复，就会逐渐失去其原本能够引起教师行为变化的效力。这表明，面对人工智能技术创设的全新教学环境和提供的强大教学支持，教师会在不断的重复刺激之下逐渐适应，具体表现为其行为的变化会随着时间的推移而逐渐放缓。

2 AI课堂观察系统对不同特征教师产生了不同程度的影响

课堂行为差异的分析结果显示，系统对不同学科、职称、性别教师的影响不尽相同。

①学科特征方面，文科教师比理科教师受系统的影响更大。系统使用后，文科教师课堂中的板书、巡视行为有所下降，讲授、生生互动行为增加，其课堂中生生互动行为的增加可能是由于在系统的监督下，教师为了活跃课堂氛围、提高学生的课堂参与度而增加了小组讨论、互动问答等活动；理科课堂中听讲、生生互动、应答、板书、讲授、师生互动、巡视7类行为均无显著变化，而举手、读写行为却与系统使用前存在较大差异。究其原因，可能是学科性质与特点导致文科教师、理科教师在系统使用前后的课堂行为出现差异。例如，在理科教学中，结合板书能得到更理想的教学效果^[25]，因为教师的板书行为有利于学生获得充分的思维缓冲时间，也有利于促进学生的智力参与和独立思考^[26]。因此，为了取得更好的教学效果，无论系统是否存在，理科教师都会注重板书，致使其板书行为在系统使用前后都没有发生较大的变化。

②职称特征方面，职称越低的教师受系统的影响越大。高级职称教师课堂中的行为均无明显变化；一级职称教师课堂中的读写、板书行为在系统使用后明显减少；而二级职称教师课堂中的生生互动、讲授、师生互动行为增多，巡视行为有所减少。这种结果可以用Fuller^[27]的教师成长三个阶段理论来解释：在三个阶段理论中，一级职称、二级职称的教师可能处于“关注生存”阶段或“关注环境”阶段，而处于上述两个阶段的教师通常更为注重别人对自身的看法以及自己的教学模式、方法等。高级职称的教师可能处于“关注学生”阶段，而处于此阶段的教师更关注学生的差异，更注重因材施教，也更少受到环境的影响。在AI课堂观察系统能够实时记录课堂教学行为的情况下，职称较低的教师可能会对自己的教学行为更加关注，其教学行为可能因此发生较大的变化；职称较高的教师由于已经形成了具有自身特色的教学方式，其教学行为习惯不会因为环境的影响而发生较大的改变。

③性别特征方面，女教师比男教师受系统的影响更大。在系统使用后，女教师课堂中的读写、板书、巡视行为有所减少，而生生互动、讲授行为有所增加。究其原因，可能在于教师行为的改变导致学生的行为发生变化，如学生记笔记时会被记录为读写行为，而教师板书行为的减少可能会降低学生读写行为的发生。在系统使用后，女教师课堂中的举手、听讲、应答、师生互动行为没有显著变化，而男教师课堂中的9类行为均无明显变化。主要原因可能在于，女性在尝试应用新技术时比男性持有更被动的态度^[28]，对新技术的接受也有着更消极的表现^[29]。因此，女教师在系统投入使用初期可能会对系统产生抵触情绪，从而影响其行为；而男教师可能会以一种更加积极的态度去面对系统的使用，故其行为在系统使用前后变化不大。

五 结语

本研究通过引入AI课堂观察系统对师生的课堂行为进行干预，发现系统的使用对师生课堂行为造成了一定的影响。具体来说，在宏观层面，AI课堂观察系统的使用对师生课堂行为造成了一定的影响，但这种影响会随着时间的推移而减弱。据此，在课堂教学数字化转型的过程中，系统研发者、学校管理者等可以通过编制AI课堂观察系统使用手册、开展讲座等形式，尽量缩短系统对教师的影响时间，以帮助教师尽快适应并掌握、应用系统。而在微观层面，AI课堂观察系统对不同特征教师产生了不同程度的影响。据此，在课堂教学数字化转型的过程中，学校管理者应实时关注教师对系统的使用表现及其对待系统使用是否存在心理障碍，对其中有障碍的教师进行及时辅导和心理疏导，并关注那些系统使用表现不佳者的适应状况；教师之间可以结对互助，受系统影响较小的教师或对系统使用较为熟练的教师可以一对一帮助受系统影响较大的教师或对系统使用存在困难的教师，助其提升系统应用水平、克服心理障碍。后续研究将继续完善AI课堂观察系统，并深入探究深度融合AI课堂观察系统的教学模式，以更大程度地发挥技术推动课堂教学变革的作用。

参考文献

[1][8]鲁圆圆，陈增照，陈荣，等.智能技术助推教师课堂教学行为评价的应用框架研究[J].现代教育技术，2022，（12）：76-84.

[2]钱江晚报.上课时专不专心……尽收眼底！杭十一中这款神器逆天了[OL].

[3]陈凯泉，沙俊宏，何瑶，等.人工智能2.0重塑学习的技术路径与实践探索——兼论智能教学系统的功能升级[J].远程教育杂志，2017，（5）：40-53.

[4]赵丽，贺玮，王洋.人工智能支持的课堂教学行为分析：困境与路径[J].电化教育研究，2022，（1）：86-92.

[5]刘清堂，何皓怡，吴林静，等.基于人工智能的课堂教学行为分析方法及其应用[J].中国电化教育，2019，（9）：13-21.

[6][10]Ma L， Lee C S. Investigating the adoption of MOOCs： A technology-user-environment perspective[J]. Journal of Computer Assisted Learning， 2019，（1）：89-98.

[7]卢国庆，谢魁，刘清堂，等.基于人工智能引擎自动标注的课堂教学行为分析[J].开放教育研究，2021，（6）：97-107.

[9]B?E T， Sandvik K， Gulbrandsen B. Continued use of e-learning technology in higher education： A managerial perspective [J]. Studies in Higher Education， 2021，（12）：2664-2679.

[11]Al-Adwan A S， Yaseen H， Alsoud A， et al. Novel extension of the UTAUT model to understand continued usage intention of learning management systems： The role of learning tradition[J]. Education and Information Technologies， 2022，（27）：3567-3593.

[12]Almaiah M A， Al-Khasawneh A， Althunibat A. Exploring the critical challenges and factors influencing the E-learning system usage during COVID-19 pandemic[J]. Education and Information Technologies， 2020，（6）：5261-5280.

[13]Serezhkina A. Digital skills of teachers[A]. E3S Web of Conferences[C]. Paris： EDP Sciences， 2021，258：07083.

[14]Chen M， Zhou C， Man S， et al. Investigating teachers information literacy and its differences in individuals and schools： A large-scale evaluation in China[J]. Education and Information Technologies， 2023，（3）：3145-3172.

[15]楊福义.我国中小学教师教育信息技术的应用状况及其影响因素——基于全国数据库的实证分析[J].华东师范大学学报（教育科学版），2017，（6）：116-125、157.

[16]Rozell E J， Gardner III W. Computer-related success and failure： A longitudinal field study of the factors influencing computer-related performance[J]. Computers in Human Behavior， 1999，（1）：1-10.

[17]Ba? G， Kubiatko M， Sünbül A M. Teachers perceptions towards ICTs in teaching-learning process： Scale validity and reliability study[J]. Computers in Human Behavior， 2016，61：176-185.

[18]Scherer R， Siddiq F， Teo T. Becoming more specific： Measuring and modeling teachers perceived usefulness of ICT in the context of teaching and learning[J]. Computers & Education， 2015，88：202-214.

[19]Van Braak J， Tondeur J， Valcke M. Explaining different types of computer use among primary school teachers[J]. European Journal of Psychology of Education， 2004，19：407-422.

[20]Tondeur J， Valcke M， Van Braak J. A multidimensional approach to determinants of computer use in primary education： Teacher and school characteristics[J]. Journal of Computer Assisted Learning， 2008，（6）：494-506.

[21]Sadik A. Factors influencing teachers attitudes toward personal use and school use of computers： New evidence from a developing nation[J]. Evaluation Review， 2006，（1）：86-113.

[22]Shapka J D， Ferrari M. Computer-related attitudes and actions of teacher candidates[J]. Computers in Human Behavior， 2003，（3）：319-34.

[23]Fleiss J L， Levin B， Paik M C. Statistical methods for rates and proportions[M]. New York： John Wiley & Sons， 2013：227-239.

[24]Helson H. Adaptation-level theory： An experimental and systematic approach to behavior[J]. American Journal of Psychology， 1964，（78）：158-159.

[25]郭晓光.多媒体教学与板书教学的再认识[J].中国教育学刊，2014，（2）：71-74.

[26]陆珺.技术热背景下传统板书的功能审思——以数学教学为例[J].中国教育学刊，2019，（6）：74-78.

[27]Fuller F F. Concerns of teachers： A developmental conceptualization[J]. American Educational Research Journal， 1969，（2）：207-226.

[28]Cai Z， Fan X， Du J. Gender and attitudes toward technology use： A meta-analysis[J]. Computers & Education， 2017，105：1-13.

[29]Goswami A， Dutta S. Gender differences in technology usage—A literature review[J]. Open Journal of Business and Management， 2015，（1）：51-59.

The Impact of AI Classroom Observation System on Teachers and

Students Classroom Behaviors under the Context of Digital Transformation

——An Evidence-based Study Based on 412 Class Cases from W Middle School

LIU Meng-Jun    CAI Yu-Fei    JIANG Xin-Yu    YANG Bing^{[Corresponding Author]}

（School of Education， Hubei University， Wuhan， China 430062）

Abstract： At present， the practice and application of digital transformation in classroom teaching are in full swing， but teachers and students may have resistance to the introduction of new technologies because they are accustomed to the traditional teaching environment， thus affecting the effectiveness of digital transformation. Therefore， this paper took 412 lessons from four classes of Grade 7 in Wuhan W Middle School as research samples， and compared the changes of teachers and students classroom behavior before and after artificial intelligent （AI） classroom observation system was put into use， as well as the differences in teachers classroom behaviors with different characteristics （including subject， professional title and gender） through pre-test and post-test experiment design. The results showed that the AI classroom observation system had a certain influence on teachers and students classroom behaviors， and this influence could be weakened with time. The AI classroom observation system had different degrees of influences on teachers with different characteristics. The research of this paper revealed the practical challenges faced by the digital transformation of classroom teaching， which could provide theoretical support and practical reference for the scientific management of classroom teaching innovation.

Keywords： AI classroom observation system; classroom behavior; digital transformation; subject; professional title; gender

*基金項目：本文为教育部大学生创新训练项目“基于人工智能的课后服务监管机制研究”（项目编号：202210512029）的阶段性研究成果，并受国家自然科学基金项目“新高考综合素质评价数据安全管理机制研究：区块链技术赋能视角”（项目编号：72204077）、湖北中小学素质教育研究中心开放基金重点课题“幼儿学习习惯培养对小学阶段儿童课堂行为的影响研究”（项目编号：2023HBSZA07）资助。

作者简介：刘梦君，副教授，博士，研究方向为人工智能教育应用，邮箱为lmj_whu@163.com。

收稿日期：2023年10月6日

编辑：小米