课堂智能分析赋能教研的路径与思考

魏宁

【摘 要】本文探讨了课堂智能分析的含义，介绍了教学行为数据和师生生理数据的分析工具与方法，阐述了基于课堂智能分析的“问题设计、课堂观察、数据诊断、教学改进”四阶段教研模式，并提出了此类教研应与传统教研相结合、应重视挖掘问题、应规避伦理风险等若干需要注意的问题，以供应用课堂智能分析开展教研的学校与教师参考。

【关键词】课堂智能分析；教研模式；基于证据的教研

【中图分类号】G434   【文献标志码】A

【论文编号】1671-7384（2024）06-008-03

课堂是教和学的主阵地，是教学活动发生的第一现场，也是教研聚焦的中心所在。在一节课中，师生的行为和互动将产生大量的数据，这些数据的背后反映出了诸多的教学特征和规律。人工智能、大数据等技术应用于课堂，使课堂数据的采集与分析实现了数字化与智能化，使基于证据的教研成为可能。笔者认为，课堂智能分析是指借助人工智能、大数据等技术，对课堂教学数据进行采集、分析的过程。它可以有力地支持基于证据的教研模式，从而推动中小学教研方式变革与创新。

课堂智能分析的主要工具与方法

随着人工智能等技术的发展，针对课堂教学的智能分析工具也在不断迭代更新。从分析对象来看，课堂智能分析主要针对两大类数据——教学行为数据和师生生理数据。对于教学行为数据，以往主要是对教学视频进行分析，得出分析结论或报告，这意味着此类分析只能发生在课后，主要用于教师对课堂教学的研究与反思。随着近年来各种“智慧教室”“智能学习空间”的建设，在教学现场也可以实时捕捉各种数据，同步输出分析结论，虽然在技术实现上还存在一定程度的时间延迟，但也为教师实时了解学生学习状态、改变教学策略、及时进行干预提供了可能。而对于师生生理数据，则可以通过“智慧教室”中的各类摄像机、传感器实时捕捉并进行分析。目前的教学视频分析工具主要包括各种公共智能教研平台或各地、各学校自行研发的智能分析工具。

在公共智能教研平台方面，开发方主要包括教育科技公司和教育研究机构，前者如科大讯飞、希沃等，后者如中央电化教育馆等。各地区或学校也可以根据需求自行研发课堂智能分析工具，供本地学校或教师使用。

1.教学行为数据分析

课堂上的教学行为包括教师行为、学生行为和互动行为，是目前课堂智能分析的主要对象。通过对各种教学行为数据的分析，可以全面呈现仅凭经验观察无法掌握的诸多教学特征和规律，以帮助教师在教研过程中深入反思课堂、优化教学设计、提升教学效果。表1列举了常见的教学行为数据主要来源、分析方法与技术以及分析目标。

2.师生生理数据分析

一般来说，人的各项生理数据是由植物神经系统调节的，所以是客观的、无法伪造的。生理数据的采集对象主要是学生，借以深入观察、分析学生在学习过程中的心理活动及各种表现，但也可以通过采集教师在教学过程中的生理数据，更为精准地刻画教师的教学特征，帮助教师反思自己的课堂教学。

随着人工智能、传感器、大数据技术的迅速发展，课堂上师生生理数据的采集变得简便易行，且不会影响正常的教学进程。目前的技术设备无论在精度、准确度上都足以深入刻画教学场景。如分析脑电波、面部表情、微表情、呼吸、心率、皮肤电、肢体动作等方面的生理数据，教师能够获得学生在学习过程中的心理活动、疲劳情况、课堂参与度、学习压力、心理活动和情绪等方面的信息。

基于课堂智能分析的教研模式

课堂智能分析所提供的丰富而精准的教学数据，实现了在教研中“让数据说话”，促使教研方式由传统的“经验式”教研向“实证式”教研转变，使得基于证据的教研，即循证教研成为可能。

虽然课堂智能分析工具具有强大的功能，但在具体的教研过程中，我们还需精心设计基于课堂智能分析的教研模式，使课堂教学数据充分融入教研过程，让数据的作用最大化。笔者建议，基于课堂智能分析的教研以“问题设计、课堂观察、数据诊断、教学改进”四阶段模式，在课前、课中、课后和再上课四个时段展开。

1.课前：问题设计

基于课堂智能分析的教研，参与者包括学校教师、教研员或学科专家等，形成一个教研共同体。在上课之前，教研共同体成员需要对整个教研活动进行设计，除了常规的课堂教学打磨、研讨外，还需明确本次课堂智能分析聚焦的重点问题。如前所述，课堂智能分析内容繁多，对课堂教学的切入点各不相同，如果没有重点研究问题，将会使课后的数据诊断过于庞杂，不易聚焦。

因此，笔者建议每一次基于课堂智能分析的教研最好都能明确重点问题，如一次教研重点研究教师的课堂提问策略和技巧，或课堂合作学习中的学生表现及教师策略。有了明确的研究问题，所有参与教研的成员就可以带着问题去观察，在技术工具的选择上也更易把握。如果没有明确的观察点，在应用课堂智能分析工具的初期，笔者建议侧重于教师一般教学行为的研究，包括师生互动分析（S-T分析、FIAS互动分析）、教师提问分析以及课堂重点内容的切片观察和分析。这些数据基本可以涵盖一节课中教师的大部分教学行为，足以形成完整的“证据链”，从而支持对教师的教学风格、特征进行全面深入的探讨。此外，在应用课堂智能分析的初期或缺乏明确研究问题的情况下，不建议采集、分析学生的学习行为数据甚至生理数据，因为对这类数据的解读及其因果关系较为复杂，需要明确的设计以及专家指导。

当明确一次教研中课堂智能分析的重点问题后，笔者还建议所有参与教师对相关的智能分析方法和工具进行全面了解，如对课堂提问类型、S-T分析的原理要有所了解。这样在课后分析时，教师才能做到既知其然，又知其所以然。

2.课中：课堂观察

在课堂教学过程中，执教教师在“智慧教室”或具备录像功能的教室上课，其他观课教师、教研员在同一空间内现场观摩并做课堂观察。课后，教师可将课堂教学视频上传到智能教研平台或用专门的智能分析工具进行处理，进而形成数据报告。如在“智慧教室”中上课，则会自动汇集所有数据并形成数据报告，供教师教研使用。课中是教学的第一现场，教研共同体成员的现场观课，与课堂智能分析工具现场采集数据同步进行，大家的主观感受和数据的客观反馈将在课后的教研过程中汇聚、碰撞、融合，从而产生新的解释，也构成了“经验+数据”的“中西医结合”式教研。

3.课后：数据诊断

课后，教研共同体成员进行针对课堂教学的“经验+数据”循证式教研活动。教研过程，笔者提倡分两步走，做到“两次结合”。

第一步是将教研共同体成员的课堂观察与课堂智能分析得出的结论相结合，发现问题。通过对师生互动数据、教师提问数据等的分析，可以呈现出课堂教学模式、教师提问倾向、教学风格、行为特征等结论，经过与教师现场观察的感受相对比，锁定教学中存在的问题。这一过程往往会经过反复分析、研讨。

第二步是将发现的问题与课堂切片相结合，进一步挖掘原因，找到解决方案。在发现问题后，教研共同体成员还需要利用课堂教学切片，回看视频的相应环节，再对照问题，反思改进，形成优化方案。如S-T分析显示某一时段教师行为占有率过高且师生行为转换率偏低，可以通过对相关时段切片的再分析，反思该部分内容应如何减少教师讲授并增加师生互动。再如课堂上的师生对话深度较低，教师就需要结合课堂提问环节的切片分析，反思如何通过问题设计引导学生深入思考。

4.再上课：教学改进

经过数据诊断，教研共同体成员对课堂教学中存在的问题进行反思，形成优化方案后，还需再通过实践进行检验。如在其他班级尝试第二次授课，以期在教学过程中改进、提升。在条件具备的情况下，教研共同体应全员参与再上课的过程，并结合智能分析数据与第一次授课情况进行对比分析，形成一次完整的教研闭环。

应用课堂智能分析应注意的问题

1.量化的数据应与传统教研的优势相结合

课堂智能分析真正实现了“让数据说话”，但与此同时，我们也应看到，一些课堂智能分析方法本身还存在一定的局限性。如某些数据分析方法中的数据缺乏明确的指向性，或其背后的意义不明：在师生互动分析中大量存在的“沉默”行为，其背后的意义难以体现；学生在教室内的学习活动轨迹具有一定随机性，其对应的意义尚不清晰[1]。

因此，对于课堂教学的研究，也不可一味追求量化的数据，“唯数据”论。我们不妨把基于数据的教研看作西医，呈现出的各项数据报告就像CT、核磁等检验报告，而传统的“经验式”教研则更像中医。笔者倡导“中西医结合”的教研方式，实现优势互补，既要通过实证数据深入分析具体的问题，同时也不可忽视对课堂的整体把握，对于课堂教学的认识和理解，既要见“树木”，更要见“森林”。

2.看重课堂智能分析的结论，更重视问题所在

在应用各种课堂智能分析方法、工具对课堂教学进行研究时，我们不仅要了解得出了怎样的分析结论，更要重视课堂教学中存在哪些问题，应如何解决。如S-T分析可以藉由师生教学行为占比及转换判断一节课的教学模式，但对于教师而言，知道一节课是讲授型或混合型是远远不够的，还需要挖掘课堂中教师教学行为存在的问题并加以改进。

3.应用各类智能技术的同时规避可能的伦理风险

可用于课堂智能分析的技术五花八门、功能繁多，在实践中，我们不能只顾应用技术，更不能认为技术用得越多越好，而是要充分了解每种技术的特性，避免产生负面影响。笔者认为，在课堂上应用智能技术采集、分析各种数据，应把握以下两条原则。一是在分析目的方面，要明确对课堂上各类数据的分析和应用，仅仅作为教师研究课堂、改进教学的参考依据，不具有对学生个人学业能力进行研判等其他目的。二是在操作方式方面，对可见的数据采集方式，如摄像头、穿戴式设备等需提前告知学生使用目的，以避免引发学生的排斥心理。我国发布的《人脸识别应用公众调研报告（2020）》中指出，“运用人脸识别技术收集学生的抬头率、微表情、上课的姿态”在“最无法接受的场景”中排名第二[2]，这告诫我们对涉及师生生理数据的采集、分析应慎重对待，对其可能引发的伦理问题必须引起足够的重视。

课堂智能分析让人工智能等新技术赋能中小学教研，实现了“让数据说话”，创新了教研工作方式，是未来中小学教研的一条重要发展路径。与此同时，我们也要认识到，基于课堂智能分析的教研依然处于起步时期，其中的技术工具与方法、教研模式等还需要在实践中不断探索、完善，期待基于课堂智能分析的教研在未来能大放异彩。

参考文献

陈雅云，郭胜男，马晓玲，吴永和. 数智融合时代学习分析技术的演进、贡献与展望：2021学习分析与知识国际会议（LAK）评述[J]. 远程教育杂志，2021（4）.

付丽丽. 《人脸识别应用公众调研报告（2020）》出炉 六成受访者认为人脸识别技术有滥用趋势[N]. 科技日报，2020-10-19（5）.