基于教學行為分析的精準教研實踐研究

易立鐵?李軍

摘要：教研是提升教師專業發展水平的主要路徑。 針對目前教師研修活動中存在的教研需求模糊、教研模式粗放、課堂教學評議的主觀性與隨意性大等問題，本研究基于經驗學習圈理論，以人工智能支持的課堂教學行為分析為核心，采用量化分析與質性分析相結合的方式深入分析課堂教學行為，構建基于教學行為分析的精準教研模式，探索智能技術支持的教研轉型發展新路徑，并基于此模式在成都市北新小學校開展了教研實踐。

關鍵詞：教學行為分析；精準教研；經驗學習圈；人工智能；教師專業發展

教師是優質教育的關鍵要素，教研是提升教師專業水平的主要路徑之一。傳統教研基于教研人員自身的知識與主觀經驗，對教育教學現象進行模糊判斷，教研實踐中存在著教研需求模糊、教研模式粗放、課堂教學評議的主觀性與隨意性大等問題。精準教研是相對于經驗導向的傳統教研而言的，是以教師專業發展為愿景，基于信息技術環境收集多模態數據進行分析和應用，以支持課堂教學改進、教學行為優化與宏觀教研精準決策的一種教研形態[1]。精準教研是“互聯網+”背景下中小學教研的一種新形態，借助新一代信息技術實現對教研數據的常態化采集與自動化分析，精準診斷與定位教研需求，讓教師教研更加個性化與精準化。隨著教育大數據應用的不斷深入，教師教研正在從經驗導向的傳統教研向基于數據的智能教研轉變。

課堂作為教學活動的主陣地，是中小學教師教研的核心領域，課堂教學行為是教師的理念、知識、技能與教學經驗的外在表現，是教師和學生為了達到教學目標、實現全面發展而表現出來的教師教和學生學的行為[2]。智能技術的發展使得常態化、規?；夭杉c分析課堂教學行為數據成為可能?；谌斯ぶ悄埽ˋI）的課堂教學行為分析系統，可通過構建數據分析模型，對課堂教學行為數據進行伴隨性采集、自動識別、存儲與分析，建立教師課堂教學行為大數據，再通過數據發現問題、探索規律，改進并優化課堂教學。但我們也注意到，目前的量化數據一般是對師生教與學活動的外在形式進行識別與記錄，還不能實現對師生話語互動意義的深度分析?；诖?，本研究基于經驗學習圈理論，構建基于教學行為分析的精準教研模式，以AI支持的課堂教學行為分析為核心，采用量化分析與質性分析相結合的方式深入分析課堂教學行為，并提出改進策略。

一、基于教學行為分析的精準教研模式構建

（一）理論基礎

1.經驗學習圈理論。大衛·庫伯（David Kolb）提出的經驗學習圈理論認為，人們的知識學習過程由四個環節構成：具體經驗獲得、反思性觀察、概念抽象化和積極實驗[3]。其中，積極實驗又是下一個循環經驗獲得的起始。經驗學習圈理論在各類學習培訓中應用廣泛，劉清堂等人依據經驗學習圈理論構建了AISTTM研修模式，基于AI分析，開展主講教師、觀察教師、教研員、專家等多維評價[4]。本研究依據經驗學習圈理論，在AISTTM模式基礎上加入質性分析內容，構建基于教學行為分析的精準教研模式。

2.課堂教學行為分析理論。在課堂教學行為數據采集與分析領域，影響較大的是弗蘭德斯互動分析法、課堂教學行為S-T分析法，以及在此基礎上衍生的各類改進方法。它們的基本思路都是制訂一套代碼系統，每隔一定時間識別、記錄課堂教學行為，從而得出師生行為統計數據，并以此對師生互動情況、各類活動占比、課堂類型等進行分析。本研究采用中央電教館智能研修平臺采集與分析師生課堂教學行為，該平臺依據課堂教學分析理論和人工智能技術對師生課堂教學行為進行識別、統計與分析。

（二）模式內涵

筆者基于經驗學習圈與混合學習理論，構建了基于教學行為分析的精準教研模式（如圖1）。以下是該模式的關鍵環節。

一是構建“GEBUS”教師研修生態體系?！癎”表示教育行政部門，牽頭并主要負責智能分析設備（分析平臺與錄播系統）的保障與人員投入；“E”表示教研機構，負責教師研修活動的組織實施；“B”表示企業，主要負責提供AI分析技術支持，優化課堂教學行為分析系統的設計；“U”表示大學，主要負責提供專家保障，開展課堂教學行為分析，分析解讀數據，提出改進意見；“S”表示中小學，學校是實踐主體，提供研究案例。

二是按照經驗學習圈理論的四個環節實施教師研修。學校教研組在集體備課的基礎上提供課堂教學案例，可以是針對某個主題的單節課例，也可以是不同教師的同課異構，并采取現場與網絡相結合的方式觀課。智能錄播系統伴隨性采集教學數據，對師生的教學行為開展量化分析，形成數據分析報告。

三是課堂教學行為分析。這一環節是該模式的核心環節。為彌補量化數據僅分析師生活動形式而不分析師生話語互動意義的缺陷，課堂教學結束后，教研組對視頻課例進行文字轉錄，并針對重點環節的教學活動開展質性分析。學科教研組、主講教師、教研員、大學教師在充分討論的基礎上，提煉概括出教學行為改進策略。

四是根據改進意見開展新的課堂教學實踐，獲取新的具體經驗，開始新一輪研修循環。

（三）實施流程

1.教研團隊組建。相關人員按照GEBUS教師研修生態體系，組建教研共同體，明確各自職責，協同配合開展研修活動。

2.課堂教學實踐。學校教師與教研組、教研員共同協商，選定上課的教師、課例主題、課例類型以及教研形式。不同類型的課例（如新授課、復習課等）中，師生的課堂教學行為表現也不同。與此同時，企業要做好智能分析系統的調試與準備，確保錄播系統正常工作，能常態化采集教學行為數據。

3.課堂教學行為的量化分析。智能研修平臺包括區域端與學校端。學校端用于課堂行為數據的采集與分析，區域端則用于各學校數據的匯總分析與呈現。該平臺主要關注課堂教學活動中的言語行為和顯性活動，利用AI技術自動識別人體姿態和肢體動作，并利用語音識別、屏幕OCR識別、人臉識別等技術，按照“時間采樣、動態補償”的原則，自動識別與統計教學行為，其識別精度達90%以上[5]。在上完課十分鐘內，平臺即可出具課堂教學行為數據報告，包括教師和學生九種課堂教學行為的統計數據。其中，教師行為四種（講授、板書、師生互動、巡視），學生行為五種（讀寫、聽講、生生互動、舉手、應答）。平臺還提供課堂參與度曲線圖、課堂教學行為時序圖、教學行為分布圖、S-T教學模式分析圖等。如果是同課異構，還能提供兩節課的教學行為對比分析報告。教研共同體成員可依據量化分析的數據開展課例分析與點評，幫助教師教學反思。

4.課堂教學行為的質性分析。教研員利用視頻文字轉錄工具將教學課例視頻轉為文字，利用Nvivo系統對師生的話語交互進行記錄和分析。一是對教師提問和學生應答數據進行分析。教師提問可分為講授性提問、思考性提問、探究性提問。講授性提問主要是為了講授的連貫性，需要學生回應性應答，思考性提問能夠引發學生思考，探究性提問則需要學生開展探究活動后才能回答。學生應答則分為簡單回應、原理表述、質疑提出和小組討論[6]。二是選擇重點環節教學活動開展師生對話互動的深度分析。教研共同體聚焦新知識構建的關鍵環節，針對重點環節教學活動，進行話語意義級別的深度分析，以了解學生真實的意義建構情況，從而發現教學互動規律，提出教學行為改進策略。

5.抽象概括。在量化與質性分析的基礎上，教研共同體對師生課堂教學行為表現進行充分而深入的討論。大學教師及教研員提供理論支撐，依據量化分析數據、課堂提問數據、重點環節教學活動互動情況，幫助教師開展深度反思，引導教師認識到行為、數據背后的教與學原理，提煉概括教學設計、提問設計、互動設計等方面的改進策略。

6.新的實踐。教師將前一階段抽象與概括得到的實踐性知識，應用到新的教學實踐中去，進行新的教學設計與實施。這樣一來，教師既能檢驗所總結提煉的新知識和新策略，又可以獲得新的經驗，從而開啟下一個知識學習與研修活動循環。

二、實踐案例

基于本研究構建的精準教研模式，筆者在成都市金牛區進行教師教研實踐，并在金牛區北新小學校開展了小學數學精準教研活動。

根據上述實施流程，本次教研活動包括五個階段：活動準備、課堂實踐（經驗獲?。?、教學反思（基于量化分析與質性分析）、抽象概括、新的實踐。

（一）活動準備

1.團隊組建。區教科院數學教研員邀請北新小學數學教研組、小學數學名師工作室成員、四川師范大學教授、市技術裝備管理中心教研員共同組建教研共同體，企業負責提供技術支持，區內小學中段數學教師線上參與教研活動。

2.確定教研主題。教研共同體選擇小學數學“分一分”（分數的引入）作為研修課題，由北新小學李老師執教，年齡32歲，教齡8年。

（二）課堂實踐

在個人備課的基礎上，教研組開展研討，對學生學情、教學設計、課件制作、資源支持、教學活動、作業等進行了分析與設計。教師在真實場景中上課，并進行網絡直播與全程錄像，智能研修平臺同步運行。

（三）教學反思

此階段主要完成對課堂教學行為的量化分析與質性分析，在此基礎上教師開展教學反思。課堂教學行為量化分析分為三個部分。

第一部分是對師生行為數據占比情況的分析。教研團隊依據系統給出的數據進行量化分析（如圖2）。本節課教師講授行為占比63.39%，學生聽講占比51.10%，反映出本節課教師講授、學生聽講占比較大。但兩項數據相差了12.29個百分點，這是什么原因造成的呢？我們注意到，學生舉手行為占比12.54%，是否說明教師還在講授時學生就開始舉手，或者學生舉手時間較長而未得到教師回應？基于此疑問，我們回看課堂錄像，證明確實存在上述情形。此外，師生互動占比為4.77%，生生互動占比為2.76%。這兩項數據明顯偏低，說明教學設計對師生互動活動的設計不夠重視。我們還注意到，教師巡視行為占比25%，說明教師比較注意走下講臺，了解學生的學習與小組活動情況。

第二部分是對課堂參與度曲線的分析。在行課至第3～6分鐘時，課堂參與度曲線急劇下降，從第6～8分鐘參與度曲線上升（如圖3）。一般來說，新授課前10分鐘課堂參與度都應該保持較高水平，為何本節課會在此形成一個低點呢？經過回看課堂錄像，我們發現在第3分鐘進入“平均分一個蘋果”階段，教師引導半個蘋果怎么表示，明顯此階段部分學生不清楚教師的意圖（有學生回答用0.5表示）， 學生注意力有分散的跡象，產生參與度曲線下降現象。在第6～8分鐘，教師講解分數各部分名稱與寫法，并開始學生練習，參與度曲線再度上升。顯然，關于引入分數如何表示半個蘋果是本節課的核心環節。此處應該保持較高的參與度才好，教師的提問可以再仔細斟酌、改進。

第三部分是對S-T數據的分析。本節課的Rt值為0.52，行為轉化率Ch值為0.37，落在混合型課例數據區間，并靠近對話型課例數據區間（如圖4）。這說明本節課雖以講解為主，教學互動不足，但教師比較關注學生自主與合作學習情況，師生行為轉化率較高。綜合來看，本節課屬于混合型教學課例，也印證了本節課的授課教師為一名較有經驗的成熟教師。

課堂教學行為質性分析，分為以下兩個方面。

一是統計與分析教師提問與學生應答的數據。教研組將教師提問與學生應答類型編碼后，利用Nvivo進行統計分析（見表1）。數據顯示，課堂教學中教師占相對主導地位，教師提問占節點總數的57.22%，且提問類型中講授性提問占比達72.82%，導致教師成為課堂話語的絕對主導者。從學生應答類型看，不需要深入思考的簡單應答占比77.92%，提出疑問占比為0，討論占比2.6%。這說明學生主動參與、深度思考不足，相互交流缺乏。

二是分析課堂教學重點環節教學活動。根據教研員建議，教研共同體將教學引入（平均分的強調）、分數引入（為什么要用分數）、分數各部分名稱與意義三個教學活動列為重點環節教學活動（受篇幅限制，僅列舉第一個重點環節教學活動的話語互動分析）。教研組先將視頻進行文字轉錄，再深入分析教學活動的教學互動（見表2）。

總體來看，師生話語互動存在以下問題：一是教師提問過于瑣碎。從話語互動看，教師過渡性提問多，需要學生簡單應答的提問多，話題轉化很快，造成師生互動看似頻率高，但浮于表面。二是探究性、開放性問題較少。大多數問題不需要深度思考，問題的開放性不強，很難激發學生的創新意識，基于學生深度理解的學習難以實現。三是教師主導意識較強。教師為實現自己的教學設計流程不敢放手，急于按照自己的思路去引導學生，造成學生沒有思考的時間，學生主體地位體現不足。

（四）抽象概括

教研共同體在充分討論交流的基礎上，就如何提高教學互動與提問水平、促進學生深度學習提出了改進策略。例如，在教學活動設計方面，注意增強師生互動、生生互動交流環節；在提問設計上，注意增加探究性、開放性問題，給學生留足思考、表達的時間與機會。

（五）新的實踐

根據形成的改進意見，教師對教學設計進行了修改，再進行新的教學實踐，開始新一輪教研循環。

三、結語

數據是開展精準教研的基石。本研究基于經驗學習圈理論，以課堂教學行為數據采集與分析為核心，構建了精準教研模式，探索教研轉型發展的新路徑。實踐證明，該模式較好地實現了依據經驗的課堂教學評議與依據數據的課堂教學評議相結合，有利于降低課堂教學評議的主觀性與隨意性，提升教研的針對性與實效性。值得注意的是，教學是一門藝術，對課堂教學的評價需要綜合考慮學科核心素養達成、知識技能培養、課堂互動生成、課堂教學氛圍等多種因素，課堂教學行為數據僅提供了一種參考與輔助，教研組織者應從循證思維角度幫助教師對課堂教學進行深度反思，促進教師專業發展。

參考文獻

[1] 林梓柔，胡小勇.精準教研：數據驅動提升教師教研效能[J].數字教育，2019（6）：42-46.

[2] 黃斌，曹海文.國內課堂教學行為研究綜述——基于184篇教育類核心期刊論文的質性元分析[J].嶺南師范學院學報， 2020（2）：1-11.

[3] 王陸，張敏霞.一種改進的基于教師凝聚子群的遠程合作學習圈方法[J].電化教育研究，2011（4）：59-64.

[4] 劉清堂，鄭欣欣，吳林靜，等.基于經驗學習圈構建AI支持下的教師研修模式[J].電化教育研究，2021（10）：114-120.

[5] 張曼.基于教學行為分析的精準教研模式研究及應用[D].黃岡：黃岡師范學院，2020.

[6] 李利，梁文潔，薛鋒.智慧教室環境中的課堂互動教學現狀分析——基于小學數學課堂教學個案的研究[J].電化教育研究，2018（3）：115-121.

（作者易立鐵系四川省成都市金牛區教育科學研究院教研員，中學高級教師；李軍系四川省成都市金牛區教育科學研究院教研員）

責任編輯：牟艷娜