智慧課堂教學交互事理圖譜的構建與實證：融合知識與事理邏輯

詹澤慧 李通德 鄒萱萱 李梁

[摘? ?要] 事理圖譜以其動態化知識表征和自動推理等優勢逐漸進入教育研究視野?；谑吕韴D譜的智慧課堂教學交互分析有利于教學設計與實施的中微觀改善以及學生認知發展過程的細粒度探析。在綜述智慧課堂教學行為交互分析的基礎上，討論了事理圖譜的教育應用優勢與挑戰，提出融合知識與事理邏輯的智慧課堂教學交互TSM事理圖譜構建方法，并在廣東省某實驗學校開展實證研究。以一節高中物理智慧課堂為例，分析了教學設計與實施的一致性、教學要素貢獻度、技術工具豐富度以及知識點與教學行為耦合下的認知水平發展。研究驗證了事理圖譜應用于智慧課堂教學的可行性以及融合知識與事理邏輯分析的必要性；通過對模型和實證進行反思，對應用事理圖譜精準化提升智慧課堂教與學的潛在價值提出展望。

[關鍵詞] 事理圖譜； 教學事件； 智慧課堂； 教學交互； 知識與事理邏輯

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 詹澤慧（1983—），女，廣東廣州人。教授，博士，主要從事學習科學與智慧教育、跨學科與創新教育研究。Email：zhanzehui@m.scnu.edu.cn。

一、引? ?言

智慧課堂是新興技術賦能教育的主要陣地。物聯網、人工智能、大數據分析等技術應用于智慧課堂逐漸常態化，為構建個性化、精準化、多模態的“教、學、管、評、測”智慧教育生態奠定基礎[1]。但另一方面，智慧課堂中的場景、資源、終端、工具等要素日益豐富，使得課堂中多元主體的交互行為更加復雜[2]?，F有智慧課堂教學的研究主要針對師生交互行為進行分析，而面向師生學習內容的深層交互特征提取卻沒有得到足夠的重視，難以對教學設計與實施進行細粒度的一致性效驗，對學生的知識習得、認知發展過程的中微觀細節表征也力有不逮。因此，需要依托適切的分析工具、構建合理的分析邏輯，方能有效地助力課堂教學[3-4]。

近年來，事理圖譜作為理解認知智能發生的一種技術手段，在事件知識豐富的金融、情報、醫療等領域產生了巨大影響。與知識圖譜相比，事理圖譜在事件的動態表征及對未來事件發生的概率預測上獨具優勢[5]。以事件為中心的表征邏輯，可呈現特定教學模式特征與主體行為序列之間的關系，有效描述智慧課堂中發生的教學行為和學習行為之間的事理邏輯，凸顯課堂中有潛在分析價值的事件關聯，挖掘課堂教學的規律，為理解課堂教學行為、促進教師專業化發展和學習者認知水平發展提供支持[6]。本研究嘗試將事理圖譜應用于智慧課堂的多元主體交互行為分析，希望能揭示“教師—學生—教學媒體”多元交互下潛在的教學規律，為智慧課堂教學分析開拓新的研究視野。

二、文獻綜述

（一）智慧課堂教學行為交互分析

近年來，學界對智慧課堂交互主體的認識日漸明晰[7-8]，而對于交互行為的分析卻尚未有普適的方法。為了合理呈現教學過程中的關鍵序列和行為關聯，滯后序列分析法（Lag Sequential Analysis，LSA）被進一步應用于課堂交互行為分析中，其多用于挖掘交互行為之間的順序關系及行為序列的顯著性分析，并依據研究結果指導智慧課堂教學的設計與實施[9-10]。滯后序列分析的優勢在于對教學行為的時序和因果關系分析，探索隱性的關鍵行為序列與關系結構[4，11-12]。目前，針對智慧課堂的教學分析以ITIAS結合滯后序列分析方法為主流。ITIAS提供教學行為分類指標，研究者結合具體研究目的補充完善ITIAS指標后再加以應用[13-14]。除此之外，改進型S-T分析法[15]、社會網絡分析方法[6]、課堂教學行為云分析法[16]、基于人工智能技術自動標注分析方法[17]等也在智慧課堂交互行為分析中得以應用。這些方法各有千秋，但整體而言，大多是以師生技之間的交互作為分析的邏輯主線，卻忽視了生成性的知識脈絡和學習過程的事理邏輯，而事理圖譜恰好有助于彌補這些缺陷。

（二）事理圖譜及其教育應用優勢

事理圖譜是一種以事件為中心，用來描述事件信息以及事件之間各種關系的圖譜[18]。與知識圖譜使用實體及實體之間的關系來理解世界的邏輯相比，事理圖譜關注的重點落腳于事件及事件關系，并認為事件是人們理解世界、記憶世界、與世界交互的基本單位。人類的命題記憶是以“事件”為存儲單位的，存儲的是組成事件的概念及其之間的關系[19]，可表征在某個特定的時間和地點，多個相關角色參與的一件事情或者一組事情[20]。事件所帶來的信息要比實體更加豐富，更能生動地描述人與客觀世界的交互過程，也更有助于理解和刻畫人們認識世界的過程。

在實際應用中，事理圖譜用于描述事件之間的順承、因果等關系邏輯，以揭示真實世界事件的發展邏輯和演化規律[21]。結構上，事理圖譜是一個有向循環圖，其中，節點代表事件，有向邊代表事件之間的順承、因果、條件和上下位等事理邏輯關系[5]。目前，與事理圖譜有關的事件抽取、事件關系推斷、事件預測等技術及包含的神經網絡、長短期記憶網絡等各類算法逐步成熟[22]，在智能問答、未來事件預測、決策支持、精準營銷等方面得到一定應用[23]，也逐漸引起教育領域學者們的關注。

將事理圖譜應用于學習分析，以事件表征學習行為，利用事理圖譜的自動化識別與分析技術，描述事件發生的詳細過程，以實現學習行為的微觀精確分析。學習的發生通常伴隨著知識結構的生成，因此，在利用事理圖譜進行學習分析時，可考慮融入知識邏輯，以實現學習內容分析與學習行為分析的統一，獲得的分析結果更能精準描繪學習者的知識建構過程[24]。另外，學習者的學習過程是自身知識結構與思維結構共同發展的過程，清楚描述學習者對于知識的建構過程，也即清楚描述了學習者思維結構的發展過程[25]。例如，Shen等為探究學習者計算思維的發展過程，構建了詳細的學生學習行為分類體系。這種方式將具體的知識放置在事件的具體表征中，有效描述了計算思維的作用過程[26]。

（三）事理圖譜在教育領域的應用挑戰

事理圖譜應用于教育領域主要面臨著兩個方面的挑戰：（1）用于圖譜構建的教育領域語料庫匱乏。語料庫是構建事理圖譜的基礎，是進行領域事件抽取和事件演化關系挖掘的前提[27]。雖然，教育領域已積累了龐大的數字化資源，但類似教材、教案、試題集、開放課程庫等非結構化資源并不能直接應用于教育事理圖譜構建。從非結構化資源中抽取有用的事件信息是繁雜、任務量巨大且易出現錯誤的工作。另外，已有的通用領域數據集也甚少與教育領域相關。目前，僅有FewEvent數據集中出現教育領域的事件類型，但也主要集中于人口統計類事件[28]，粒度欠精細且缺乏課堂教學情境的適用性。這在很大程度上制約了教育事理圖譜現階段的應用和推廣，難以大規模支持教學事件和教育決策事件的有效抽取和分析。（2）教學事件抽取任務精度較低，事件間關系隱蔽，提取困難。作為事理圖譜的節點，事件抽取的精度直接影響著圖譜構建的效果。對于教學事件來說，由于自然語言的表達具有靈活性和歧義性，且教學過程中語言表達簡短但重復度高，甚至會出現省略、反復、混雜等情況，這給從非結構化文本中準確抽取教學事件和關系增加了困難。

然而，若僅僅依據知識點分解并與課件和題庫關聯的方式、基于知識圖譜來表征和組織教學活動、學習資源等各實體之間的關系，則會丟失大量的學習過程數據；不能完整捕捉課堂事件時序，難以揭示課堂教學活動的模式和趨勢；不利于生成學生的全面畫像，難以達成個性化教學的目的?；诖?，本研究將事理圖譜應用于智慧課堂教學交互分析，利用事理圖譜詳細呈現生成性的知識脈絡和學習過程的事理邏輯，聚焦“師—生—技”多元交互，對教學設計與實施進行細粒度的一致性效驗，并通過構建指標對整個教學過程、學生的知識習得過程等進行中微觀分析，探索智慧課堂中的教學交互規律，從而幫助教師有效反思并改進教學。

三、智慧課堂教學交互TSM事理圖譜的構建方法

（一）教學事理圖譜構建流程

類比“事件”定義，可將“教學事件”界定為在特定教學環境中由學生和教師共同參與的最小過程單元，通常表現為教學或學習的一個動作。有別于其他事件，教學事件的產生必然伴隨著具體的知識習得、理解或應用過程。教學事件的事理圖譜構建流程如圖1所示，包括教學事件本體構建、教學事件抽取以及事件間關系抽取三部分。其中，教學事件本體構建包括教學事件分類、事件表示模型，是事理圖譜的底層邏輯。教學事件抽取則是事理圖譜構建的關鍵，包括事件類型識別、事件元素識別和事件泛化等步驟。事件關系抽取研究的是事件的外部聯系，描述了事件的演變過程，抽取事件之間的關系可以在宏觀層面把握事件發展的邏輯，揭示事件的演變邏輯[29]。

依據以上流程獲取到教學事件具體實例及其關系后，便可以教學事件為節點，教學事件組成元素為屬性，教學事件關系為邊，構建教學事理圖譜，并使用圖數據庫Neo4j對事理圖譜進行存儲與顯示。

（二）智慧課堂教學事件本體

本研究重點關注教學系統中的教育者（T）、受教育者（S）、教學媒體（M）三項主體以及主體之間的互動關系，如師生交互、生生交互、教師與媒體交互、學生與媒體交互。參考以往研究的課堂教學要素，確定了四個類別的25種行為編碼，構建TSM編碼表（見表1）。教學事件分為三層，分別是主體交互層、教學要素層和具體事件層。主體交互層是所有教學事件的父類型，教學要素層是中觀的教學事件表示，具體事件層是最小粒度的，表現為教師或學生的一句話、一個動作等，且包含知識點。知識點屬性能將教學事件從大量無關的課堂行為中篩選出來，這樣即可細粒度地還原出教學的整個過程。

（三）教學事件表示模型

教學事件結構表示為：<知識點、認知水平、工具、 [學習環境]、持續時間>，知識點為教學事件中包含的單個知識點或知識組圖；認知水平對應教學事件中知識點的認知目標水平，參照布魯姆認知領域學習目標，劃分為：記憶、理解、應用、分析、評價、創造[30]；工具為教師在授課過程中所用到智能化/非智能化的教學用具；學習環境分為線上、線下或混合學習環境；持續時間為教學事件持續的時間。其中，如果學習環境持續不變可缺省。具體教學事件模型結構如圖2所示，該模型結構與教學事件分類對應，事件的父類型對應主體交互層，事件的子類型對應教學要素層。

四、智慧課堂教學交互事理圖譜的實證分析

為檢驗上述教學事理圖譜構建方法及技術的可行性，以及應用教學事理圖譜分析教學的有效性，本研究選擇廣東省某實驗學校一個自然班作為研究對象，對其實施的高一年級物理學科《失重和超重》的智慧課堂實錄進行分析。首先，獲取教學設計文本數據，并在教學實施完畢后，對實施視頻進行轉錄獲取教學實施文本數據；其次，分別對教學設計文本、教學實施轉錄文本進行預處理，刪除干擾數據，對文本進行主體標注、屬性添加、類型識別；接著，按照知識點關鍵詞、技術工具關鍵詞抽取出相應的教學事件，以順承關系作為事件間的主要關系考慮時序發展邏輯，最后，通過Neo4j數據庫進行存儲并結構化顯示，獲得教學設計事理圖譜和教學實施事理圖譜。

教學設計事理圖譜是從教學設計文稿中抽取事件及其關系構建而成的事理圖譜。教學實施事理圖譜是在教學實施后，通過將教學實施過程轉錄成文本，從文本中抽取教學事件及事件關系獲得。通過對教學設計事理圖譜和教學實施事理圖譜的對比分析，首先，可以發現教學設計與教學實施的一致或不一致之處，反思教學，提升教師專業能力。其次，可以分析學生學習狀況，包括學習目標的完成情況，潛在認知沖突節點、技術工具的作用范疇等。最后，根據教學事件中包含的知識點、認知水平、工具等屬性，可以結合事理圖譜統計事件及要素數量、計算其所占比例等量化手段，分析教學事件發展的不同階段知識點的加工數量、加工深度等情況，作出教學診斷。

（一）設計與實施一致性分析

獲得的教學設計事理圖譜與教學實施事理圖譜如圖3所示，圖中深灰底白字結點表示師生交互事件，淺灰底白字結點表示教師與教學媒體交互事件，深灰底黑字結點表示學生與教學媒體交互事件，灰底黑字結點表示生生交互事件。另外，考慮融入知識點的事理圖譜可以表征更豐富的教學事理邏輯，因此，將教學事件中所包含的知識點也顯示在圖譜中，用淺灰底黑字結點表示知識點。以“加速度”為例，在教學設計中，教師計劃通過實驗演示向學生講解加速度的知識點，而在教學實施中，可觀察與其相關的教學事件。從時間上看，與“加速度”有關的教學事件幾乎分布在整個教學過程中，在教學實施的后半段相對集中。這些教學事件包括實物演示、布置任務等9種類型，與之相關的知識點也較多?？梢姟凹铀俣取痹谡麄€學習內容中的重要地位，與其他知識點的關聯程度較高，因此可以契合知識點設計相關的拓展活動。

教學事件中包含知識點，如果將知識點與教學事件的關聯作為教學事理圖譜觀察指標，那么某一知識點與教學事件關聯度越高，在教學過程中遍布越廣，則知識點越重要，在教學事理圖譜中便呈現出與多個事件相關聯的特征?？衫媒虒W事理圖譜有效呈現和分析高頻知識點與本課重難點的一致性程度，診斷教學設計與實施過程，關注教學設計與實施不一致的情況。例如，教師在實施中拓展引入了設計時未考慮的知識點，或遺忘了設計時設計的知識點。

為了更清晰比較知識點在設計與實施中出現的比重，可分別計算出知識點在設計和實施中的所占比例，然后相減取得差值。如果差值為正，則表明知識點在實施中的比重大于在設計中的比重，如果差值為負，則表明知識點在設計中的比重大于在實施中的比重。例如，圖4展示了教學設計與實施知識點比重統計情況，各知識點在教學設計與課堂實施過程中執行情況清晰可見。例如，對于“加速度”來說，在實施中出現的比重遠大于在設計中出現的比重，其差值為5.67%；對于“失重現象”來說，在設計中出現的比重大于在實施中出現的比重，其差值為4.46%。當清楚了知識點比重差異情況后，教師便可以結合教學事理圖譜進行分析，以此判斷是否接受差異或改進設計與實施。

（二）教學要素貢獻度分析

教學要素貢獻度指主體交互所包含的教學事件所觸及的知識點對整個教學過程中知識生成的貢獻程度。通過統計教學要素貢獻度，可以對智慧課堂的交互主體及教學要素進行量化分析，以計量各主體交互對于知識生成所作貢獻的顯著程度。如公式1所示，教學要素貢獻度P（EK） 通過知識點占比與權重相乘得出，其中，K表示全部知識點出現次數，Ki表示i分類中教學事件包含的知識點數量，T（E）表示全部教學事件所耗時間，T（Ei）表示i分類所含教學事件所耗時間。

以“教師講授”分類為例，其包含的教學事件共耗時309秒，知識點在這些教學事件共出現83次，而本節課中全部教學事件共耗時2414秒，全部知識點出現總次數為527次，由此計算得出“教師講授”這一要素的貢獻度為0.02251。得出所有要素的貢獻度后，通過歸一化處理，計算出所有教學要素貢獻度的占比，如圖5（1）所示?？梢?，本課的教師行為貢獻度較高，其中教師反饋（24.17%）、教師講授（22.62%）以及教師提問（16.89%）的貢獻度最高，教師布置任務、展示學生作品、實物演示次之，整體教師行為的貢獻度占比達88.12%（其中，師生交互：78.27%；師媒交互：13.59%）。結合本節智慧課堂以探究為主的特征，表明在教師演示、學生探究后，本課主要通過教師反饋、講授、提問等形式承載知識點的傳遞過程；而學生數據處理、言語討論、模擬仿真等貢獻度占比較小，整體學生行為類型所觸及的知識點貢獻度占比為11.88%（其中，生生交互：2.2%；生媒交互：5.93%），說明學生自主探究、小組協作等探究行為在知識生成過程的貢獻率仍有提升空間，可增加腳手架等促進學生在動手探究過程中的相關知識生成。

（三）技術工具豐富度分析

技術工具豐富度是指教學要素層所包含的教學事件所使用的技術工具在整個教學過程中的豐富程度，可用于衡量智慧課堂中技術工具在教學中的應用情況。具體計算方式如公式2所示，其中，P（ET）表示某教學要素所使用的技術工具豐富度，Te表示全部技術工具出現次數，Tei表示i分類中教學事件使用的技術工具數量，T（E）表示使用技術工具的全部教學事件所消耗的時間，T（Ei）表示i分類所含教學事件所消耗的時間。

以“教師展示學生作品”為例，使用了技術工具的“教師展示學生作品”教學事件所消耗時間為174秒，其使用技術工具的次數10次；使用了技術工具的教學事件總耗時為901秒，共使用技術工具的總次數為61次，由此得出“教師展示學生作品”分類的技術工具豐富度為0.03165。得出所有分類的技術工具豐富度后，通過歸一化處理，計算出各教學要素所使用的技術工具豐富度的占比。如圖5（2）所示，本課教師的行為類型中，展示作品、布置任務分類中所使用的技術工具最為豐富，分別達到30.92%和23.03%，說明教師在小組合作探究后能夠針對學生的作品進行展示并講解，并且在設計學生小組活動及布置任務時能夠充分考慮技術工具的使用。學生言語討論占比23.33%，說明學生能夠圍繞技術工具進行探究實驗及言語討論，體現了智慧課堂中技術工具對學生協作學習過程的輔助作用。綜上，本課中技術對于教學交互過程產生了較為豐富的賦能。

除了了解技術工具在智慧課堂中產生的整體影響以外，還可以結合事理圖譜分析具體教學事件所用到的技術工具及其產生的作用。如圖6所示，與“學生言語討論”事件有關的技術工具有平板、測力計等，即學生在小組合作過程中主要涉及這兩個工具，再結合事件具體的發生時間，可以分析得出使用這兩個工具的具體時間、所涉知識點和詳細過程，以此判斷技術工具的作用范疇和使用情況。

將教學要素貢獻度和技術工具豐富度呈現在主體交互層的四個維度上，即可對智慧課堂教學交互及技術賦能的情況作出整體診斷。圖7呈現了主體交互層四個象限的教學要素貢獻度和技術工具豐富度?？梢钥闯?，本課的師生交互占絕對主導，但技術賦能更多地發生在生媒交互的過程中。

（四）知識點與教學行為的耦合下的認知水平發展分析

清晰表征學生認知發展的具體過程有利于理解教學過程、促進學生學習、探究學生思維發展?？蓮膬蓚€方面具象化學生的認知發展過程：一是統計各類認知行為發生頻次；二是將知識點和教學行為進行耦合分析，呈現教學過程中學生知識習得的時間節點和認知發展的變化過程。

1. 認知行為發生頻次

采用安德森修訂的布魯姆認知領域學習目標分類標準，將認知領域的目標分為記憶、理解、應用、分析、評價和創造。通過統計認知行為發生頻次，可以了解課堂教學發生及學生知識點建構的主要方式。例如，本課學生認知行為集中在“分析”水平，而記憶、理解、應用知識次數較少，評價、創造等目標水平行為缺失。學生主要通過小組合作探究來完成教師布置的任務，達成對知識的記憶、理解與應用。

2. 知識點與教學行為的耦合分析

教學事理圖譜可以清晰顯示學習者對學習內容的加工構建過程，以及知識點目標水平的變化過程。圖8展示了與“理解”目標有關的知識點和事件。以“拉力”知識點為例，在本節智慧課堂中，拉力共涉及三個目標水平：分析、理解、記憶，通過觀察與“拉力”知識點相關的教學事件及它們的屬性，可見在教學初始（5min左右），學生即進入“拉力”的分析階段，主要通過教師實物演示并結合提問、反饋以及學生的回答等過程達成；“拉力”的理解與記憶則被安排在教學的結束階段（55min）。通過提問、理答、反饋促成學生的理解；通過講授、實操練習、總結、回顧促成學生的記憶。

上文展示了教學事理圖譜在智慧課堂中的應用與分析過程。教學事理圖譜通過圖結點聯結的方式實現了教學過程中微觀層面的還原，教師可以根據總圖譜、知識點相關圖譜、教學事件屬性并結合統計分析結果進行“設計與實施”一致性分析，基于分析結果改善設計與實施；也可通過計算各教學要素“貢獻度”，體現中觀層次上各要素在整個知識生成過程中貢獻的顯著程度，以此來探究智慧課堂的整體特征；通過計算“技術工具豐富度”并結合教學事理圖譜可分析技術工具在課堂中所起的作用，包括技術工具發生起始點、終止點、作用過程等，以此展示智慧課堂中技術工具賦能教育的具體表現；最后，結合教學事理圖譜有利于構建學習者認知的發展過程以及呈現學生學習加工過程的細節表現，以此來掌握課堂教學目標達成的過程及具體形式。此外，還可以基于事理圖譜比較分析不同課堂的教學特點，總結教學規律；通過構建學生學習事理圖譜，比較分析不同能力和年齡階段學生的學習表現，促進有效學習的發生。

五、研究反思與展望

教師對教學的理解至關重要，影響著教師對教學的反思及自身專業能力的提升。智慧課堂教學需考慮知識和事理雙重邏輯的耦合，以及技術工具對教學的賦能機制。本研究提出了一種融合知識與事理邏輯的智慧課堂教學交互事理圖譜構建及分析方法，嘗試為教師理解教學提供新的視角。教師可以通過教學事理圖譜宏觀分析教學設計與實施的效果，結合“教學要素貢獻度”“技術工具豐富度”指標在中觀層面上了解整個課堂中師生技互動的情況，通過構建學習者認知的發展和加工過程的細節表現來微觀分析學習者的學習狀態，從而完善從宏觀、中觀、微觀三個層面上對智慧課堂教學過程的理解。結合已有研究，教學事理圖譜可在教與學兩個方向得到進一步的應用。

（一）利用事理圖譜促進“教”：發掘教育教學模式，助力教師專業成長

事理圖譜關注事件中包含的行為或狀態的變化，而在教學場景中教師的行為相對清晰且容易捕捉，因此利用事理圖譜分析教學行為是可行方向之一。近年來，研究者們通過構建教師行為事理圖譜，發掘出特定教學模式下的教師行為規律，幫助教師掌握教學規律、促進專業成長。教師教學事理圖譜的主流構建方法是通過滯后行為序列分析得出相關行為的關聯度及行為之間的轉換概率生成。例如張海等將16種教學行為作為基本事件類型進行編碼，獲取各行為類型之間的轉換度，進而構建相應的事理圖譜[6]。唐燁偉等將教師風格劃分為四種類型，通過事理圖譜表征不同風格教師的信息技術應用能力，挖掘出不同風格教師的課堂教學行為規律[31]；并基于教學數據流構建課堂事理圖譜，對教師信息技術應用能力進行測評，為提升教師信息技術應用能力提供指導[32]。

事理圖譜通過細粒度還原課堂事件邏輯，可幫助教師在中觀層面理解自己的教學，發現教學問題，對自身教學能力形成直觀的認識。另外，通過構建相同類型課堂的事理圖譜，有助于總結同類課堂的教學模式，探究教學行為事理演化路徑，發現教師課堂行為規律，促進教育教學的深入發展。

（二）利用事理圖譜促進“學”：描繪動態路徑，創建學習分析新視角

學習分析通過對真實學習情境中學習者和學習情境數據的采集和分析，實現對學習過程的精準表征和學習結果的準確預策，促進個性化學習的實現[33]。在課堂教學中運用知識圖譜可以表示和組織學生、教師、話題、學習資源等各種實體之間的關系。然而，知識圖譜雖擅長表示實體之間的關系，但其靜態屬性決定了它在本質上不能捕捉課堂事件的時序和事理邏輯。而事理圖譜可以對教學活動的時序和相互關系進行精準記錄和分析，提供全面的課堂動態視圖，以揭示課堂教學的潛在模式和趨勢，從而改善課堂動態分析，并幫助教育工作者識別能夠提供決策信息的教育模式。

誠然，只有事件關系而忽視知識邏輯的做法也存在局限?，F有學習行為編碼指標更多是對學習行為的中觀抽象（如應答、提問、討論等）。這種做法方便研究者準確獲悉學習行為的相關數據，但卻容易忽視學習者對于知識內容的逐步建構過程。另外，隨著技術的發展，利用智能技術可自動化識別課堂中具有明顯特征的行為。融合知識和事理邏輯的智慧課堂教學交互事理圖譜將為智能化時代的學習分析提供新的分析視角和范式。

綜上所述，針對學習行為的統計和分析，我們不能忽略具體的知識，脫離知識的行為嚴格意義來講不應當歸為學習行為。高階素養的培養是以記憶和理解深廣的知識為基礎的[34]。在事理圖譜中將知識與事理邏輯相融合應用于學習分析，可有效實現學習內容分析與學習行為分析的統一，其表征出的學習者動態學習路徑將更加準確，傳統學習行為分析方法缺乏知識屬性的問題也將得到有效解決。

[參考文獻]

[1] 楊現民， 余勝泉. 智慧教育體系架構與關鍵支撐技術[J]. 中國電化教育，2015（1）：77-84，130.

[2] 吳砥，王俊，王美倩，鐘正，徐建.技術發展視角下課堂教學環境的演進脈絡與趨勢分析[J]. 開放教育研究，2022，28（5）：49-55.

[3] 王曉晨，黃榮懷，王夢舒，盧婷婷.智慧教室環境下的中小學課堂人際互動分析[J].電化教育研究，2016，37（12）：111-116.

[4] ZHAN Z， WU Q， LIN Z， et al. Smart classroom environments affect teacher-student interaction： evidence from a behavioural sequence analysis[J]. Australasian journal of educational technology，2021，37（2）：96-109.

[5] LI Z， DING X， LIU T. Constructing narrative event evolutionary graph for script event prediction[M]. arXiv，2018.

[6] 張海，崔宇路，余露瑤，季孟雪，王以寧.基于數據挖掘的智慧課堂教學行為事理圖譜研究[J].遠程教育雜志，2020，38（2）：80-88.

[7] 張屹，白清玉，馬靜思，周平紅，范福蘭.交互式電子雙板環境下的課堂交互性研究——以高?！敖逃夹g學研究方法”課堂教學為例[J].電化教育研究，2014，35（3）：83-87.

[8] 王曉晨，江紹祥，黃榮懷.面向智慧教室的中小學課堂互動觀察工具研究[J].電化教育研究，2015，36（9）：49-53.

[9] 楊現民，王懷波，李冀紅.滯后序列分析法在學習行為分析中的應用[J].中國電化教育，2016（2）：17-23，32.

[10] 王覓，文欣遠，李寧寧，陳煥東.大單元教學視角下基于LSA的同步課堂師生交互行為研究[J].電化教育研究，2020，41（8）：74-81.

[11] 江波，高明，陳志翰，王小霞.基于行為序列的學習過程分析與學習效果預測[J].現代遠程教育研究，2018（2）：103-112.

[12] ZHAN Z， WU Q， HE W， et al. K12 teacher-student interaction patterns in the smart classrooms[J]. International journal of innovation and learning，2021，29（3）：267-286.

[13] 韓后，王冬青，曹暢.1：1數字化環境下課堂教學互動行為的分析研究[J]. 電化教育研究，2015，36（5）：89-95.

[14] 江毅，王煒，李辰鈺，康苗苗，沈潔.智慧教室環境下師生互動行為研究[J].現代遠距離教育，2019（3）：13-21.

[15] 趙明潔. “學生中心”視角下S-T分析法的構建及其應用研究[J]. 當代教育與文化，2022，14（6）：52-59.

[16] 程云， 王艷麗， 王鋒， 鄭莉莉， 郭宇塵. 基于課堂教學行為云的教學模式分析方法研究[J]. 現代教育技術，2018，28（5）：61-67.

[17] 盧國慶，謝魁，劉清堂，張臣文，于爽.基于人工智能引擎自動標注的課堂教學行為分析[J]. 開放教育研究，2021，27（6）：97-107.

[18] 胡志磊，靳小龍，陳劍赟，黃冠利.事件圖譜的構建、推理與應用[J].大數據，2021，7（3）：80-96.

[19] 仲兆滿，劉宗田.利用事件影響關系識別文本集合中重要事件的方法[J].模式識別與人工智能，2010，23（3）：307-313.

[20] 趙軍，劉康，何世柱，陳玉博.知識圖譜[J].中文信息學報，2020，34（9）：111.

[21] DING X， LI Z， LIU T， et al. ELG： an event logic graph[M]. arXiv，2019.

[22] WU Z， PAN S， CHEN F， et al. A comprehensive survey on graph neural networks[J]. IEEE transactions on neural networks and learning systems， 2021，32（1）：4-24.

[23] 項威. 事件知識圖譜構建技術與應用綜述[J]. 計算機與現代化，2020（1）：10-16.

[24] 楊開城， 李通德， 惠治儒， 田浩. 在線教育眾籌的技術機制與學習神經元[J]. 現代遠程教育研究，2017（1）：51-58.

[25] 李藝，馮友梅.支持素養教育的“全人發展”教育目標描述模型設計——基于皮亞杰發生認識論哲學內核的演繹[J].電化教育研究，2018，39（12）：5-12.

[26] SHEN W， ZHAN Z， LI C， et al. Constructing behavioral representation of computational thinking based on event graph： A New Approach for Learning Analytics[C]//Proceedings of the 6th International Conference on Education and Multimedia Technology. New York， NY， USA： Association for Computing Machinery， 2022： 45-52.

[27] 白璐，周子雅，李斌陽，劉宇涵，邵之宣，吳華瑞.面向政治領域的事理圖譜構建[J].中文信息學報，2021，35（4）：66-74，82.

[28] DENG S， ZHANG N， KANG J， et al. Meta-Learning with Dynamic-Memory-Based Prototypical Network for Few-Shot Event Detection[C]//Proceedings of the 13th International Conference on Web Search and Data Mining. New York， NY， USA： Association for Computing Machinery， 2020： 151-159.

[29] 馬春明，李秀紅，李哲，王惠茹，楊丹.事件抽取綜述[J]. 計算機應用，2022，42（10）：2975-2989.

[30] 吳紅耘，皮連生.修訂的布盧姆認知教育目標分類學的理論意義與實踐意義——兼論課程改革中“三維目標”說[J].課程·教材·教法，2009，29（2）：92-96.

[31] 唐燁偉，趙一婷，陸淑婉，鐘紹春，周東岱.基于教學行為的教師信息技術應用能力測評事理圖譜研究——以2017—2019年中小學展示與培訓活動優質課為例[J]. 遠程教育雜志，2020，38（5）：90-100.

[32] 唐燁偉，李施，彭蕓.教師信息技術應用能力測評：基于教學數據流的課堂事理圖譜[J].開放教育研究，2021，27（3）：85-95.

[33] 潘青青，楊現民，陳世超.國際學習分析技術研究進展與趨勢分析——基于2014年至2016年Journal of Learning Analytics論文分析[J].中國遠程教育，2019（3）：14-22，92.

[34] 李芒.教學“謊花”的妖艷遮蔽了勞而無功的教育[J].教育科學研究， 2022（5）：1.

Construction and Empirical Study of Event Graph for Interaction Teaching in Smart Classroom： Integrating Knowledge and Event Logic

ZHAN Zehui1，? LI Tongde1，? ZOU Xuanxuan1，? LI Liang2

（1.School of Information Technology in Education， South China Normal University， Guangzhou Guangdong 510631; 2.Guangdong Experimental High School， Guangzhou Guangdong 510375）

[Abstract] Event graph has gradually entered the field of educational research due to its advantages of dynamic knowledge representation and automated reasoning. The analysis of interactive teaching in smart classroom based on event graph is beneficial for micro- and meso-level improvement in instructional design and implementation， as well as the fine-grained analysis of cognitive development process of students. Based on the review of the analysis of interaction behavior in smart classroom teaching， this paper discusses the advantages and challenges of using event graph in education， proposes a method for constructing an event graph for interactive teaching in smart classroom that integrates knowledge and event logic， and carries out empirical research in an experimental school in Guangdong Province. Taking a high school physics smart class as an example， this paper analyses the consistency of instructional design and implementation， the contribution of teaching elements， the richness of technical tools， and the cognitive development under the coupling of knowledge points and teaching behaviors. The study verifies the feasibility of applying the event graph in smart classroom teaching， as well as the necessity of integrating knowledge and event logic analysis. By reflecting upon the model and empirical research， the study discusses the potential value of applying event graph to promote smart classroom teaching and learning precisely.

[Keywords] Event Graph; Teaching Event; Smart Classroom; Interactive Teaching; Integration of Knowledge and Event Logic