大數據視野下的課堂觀察方法研究

胡曉燦+丁革建+江惠

【摘要】課堂觀察作為一種重要的教育研究方法，一直以來得到教師的關注。本文對國內外課堂觀察研究進行分析，了解課堂觀察的歷史、發展以及當前的應用情況，發現課堂觀察因操作繁瑣而沒有充分發揮應有的作用。本文討論了在大數據背景下，運用技術來支持課堂觀察，探討視頻監控和模式識別技術，機器學習等等在課堂觀察中的應用，進而探討大數據如何支持學生的成長和教師的專業發展。

【關鍵詞】大數據；課堂觀察；機器學習

【中圖分類號】G434 【文獻標識碼】A

課堂觀察是指通過觀察對課堂的運行狀況進行記錄、分析和研究，并在此基礎上謀求學生課堂學習的改善、促進教師發展的專業活動。通過課堂觀察，可以幫助改善學生的課堂學習和促進教師的專業發展。

一、傳統的課堂觀察方法

課堂觀察作為一種研究課堂的方法，發展于20世紀五六十年代。1950年貝爾思的“互動過程分析”，第一次提出“人際互動12類行為編碼”，構建了課堂討論互動框架，也開啟了課堂研究的量化序幕。1960年美國課堂研究專家弗蘭德斯的“互動分類系統”，釆用編碼程序，將課堂師生互動情況進行系統記錄，然后分析、改進教學。從70年代開始，人種志研究等質性研究方法開始走入課堂觀察。完整的文字描述呈現了課堂全貌，使原本被剝離出來的課堂事件、課堂行為回歸情境本身，從而研究者利用個人經驗可以更好地理解、詮釋課堂。從此，課堂觀察的方法更加豐富，定量和定性的方法相互結合、相互補充成了課堂觀察發展的主要趨勢。

我國的課堂觀察研究在借鑒國外研究的基礎上，并通過對課堂觀察的深入研究，取得了不小的成就。隨著技術的進步，越來越多的輔助設備和器材被用來幫助教師觀察和分析課堂，基于視頻的課堂觀察越來越普遍，例如弗蘭德斯分析法等等。這些課堂觀察的方法在一定程度上幫助了教師對課堂的觀察，但是在整個過程中，教師起主要的作用，教師不僅需要觀看視頻，還要對視頻中的師生行為進行分類、編碼，整個過程需要消耗大量的人力物力，工作量非常大，這一系列繁瑣的工作使得課堂觀察在平時沒有發揮出應有的作用。因此，我們結合大數據的背景，尋找能夠幫助教師減輕工作量的課堂觀察方法。

二、技術應用于課堂觀察

大數據時代的到來，可以幫助教師從技術層面上使學生在課堂中的表現得以顯現和量化。學生在一堂課中的表現，經過大數據的處理變得可視化，教師也能獲取更多了解學生的途徑和方法。如果更進一步的設想，不是通過教師的觀察，而是直接應用信息化的技術對學生的行為進行記錄，就能夠真正實現大數據的收集與處理，從而實現與課堂的結合。通過對學生課堂行為的大數據的收集，可以幫助教師了解學生對知識的感興趣程度以及掌握程度，進而反思教師的教學是否滿足了學生的需求。

在大數據的背景下，我們可以借助視頻監控和模式識別技術以及機器學習對學生個體在整個課堂中的表現進行觀察，了解個別學生與其他學生在課堂中的學習行為差異，從而來尋找學生的課堂學習行為存在的問題。

之前的課堂觀察雖然已經采用攝像機將課堂拍攝下來，但只是一個記錄的作用，而現在的攝像機已經包括一系列完整的視頻監控系統，并且視頻監控系統大多已經能實現對場景內運動目標的檢測或跟蹤，也就是說，當學生的行為發生變化的時候，視頻監控系統可以對學生的行為進行檢測和追蹤。而模式識別是指對表征事物或現象的各種形式的（數值的、文字的和邏輯關系的）信息進行處理和分析，以對事物或現象進行描述、辨認、分類和解釋的過程，是信息科學和人工智能的重要組成部分。我們可以借助模式識別對學生的行為進行量化分析和描述。視頻監控系統和模式識別技術可以對不一樣的行為進行自動識別和存儲，從而讓老師及時發現不一樣的行為，了解學生的學習狀態。

機器學習（Machine Learning， ML）是一門多領域交叉學科，專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。它是人工智能的核心，是使計算機具有智能的根本途徑，其應用遍及人工智能的各個領域，它主要使用歸納、綜合而不是演繹。借助機器學習，讓計算機成為老師進行課堂觀察的助手，可以在一定程度上減輕老師的工作量。

可以將課堂觀察分為兩個階段，第一階段是機器學習的過程，最終形成一個機器識別系統，來輔助教師進行課堂觀察；第二階段是運用機器識別系統來完成學生課堂學習行為的診斷，從而尋找課堂行為與成績之間的相關性。

在第一階段，首先對學生在課堂中的行為進行分類并標注，對不同的行為進行編碼。然后隨機選取n個學生作為觀察對象，對他們在課堂中的行為進行實錄。根據之前的行為編碼，先對視頻中的一個學生的行為進行人工標識，畫出關于時間-行為變化的曲線圖，生成行為曲線s；再對同一個學生的行為用機器標識的方法生成曲線m，然后對比曲線s和曲線m，如果兩者的差異不在誤差范圍內，則不斷改善機器學習的過程，調整相關的變量，直到兩者的差異在誤差范圍內，曲線s與m基本符合，就完成機器學習的過程，從而完成一個機器識別系統。在改善機器學習的過程中，可以在事先選取的n個對象中選擇不同的學生作為觀察對象，也可以不斷調整時間的選取點，來提高機器學習的精確度。

第二階段需要借助之前生成的機器識別系統，重新選取研究對象O和參照對象R，根據他們在課堂中的表現，分別生成行為曲線MO和MR，對比兩者的行為曲線并尋找差異性，從而生成關于研究對象O的診斷報告，在選取研究對象與參照對象前，教師需要對學生在本堂課的知識掌握情況做個測試，選取成績在中等水平的學生作為參照對象，選取成績較差或者較好的學生作為研究對象，然后結合診斷報告與學生的隨堂測試成績，尋找學生的課堂學習行為與成績之間的相關性。

整個分析過程一開始需要借助人為標識和機器標識相結合來完成，通過一次次的分析和機器學習的過程，最終形成一個機器識別系統，在這過程中也形成了一系列大數據。因此，借助于大數據的理念和機器學習等相關的技術，整個課堂觀察的過程可以讓機器來幫助完成，老師只需要查看診斷報告，結合學生的成績，制定相應的改善措施。觀察得到的數據可以進行詳細的記錄并重復利用，同時可以鏈接到具體事件，比較不同學生的課堂學習行為，可以幫助教師了解學生的課堂學習，進而反思自己的教學實踐。在這些條件下，老師的工作量會減少很多，課堂觀察的流程也會變得更簡單，可以使老師更容易進行課堂觀察。

三、困難與展望

目前，要做到只靠機器識別來對課堂進行觀察與分析，還是存在一定困難的。首先，雖然貝爾思提出了12類人類行為編碼以及之后學者提出的編碼系供人們參考，但人的行為是復雜多樣的，并且很多動作都很細微，不容易被發現，更不容易被機器識別。其次，在完善機器學習的過程中，不可避免會存在誤差，對結果會有影響。最后，每個人都有不同的個性，并且在不同的課學生的表現不一樣，要尋找適合所有學生的一個系統，也將是一個漫長的過程。

因此，我們現在需要做的就是尋找合適的工具與方法，運用技術來幫助收集數據和分析學生在課堂中的表現。在大數據的背景下，我們通過對課堂中的數據的分析，可以了解學生在課堂上的學習情況，從而可以判斷他在課堂上進行的是有效學習還是無效學習。然后將分析結果與學生的平時測試中的表現相聯系，可以很容易發現學生對知識的掌握情況以及學習過程中存在的問題，這對于教師改善學生的課堂學習和提高自身的專業化發展都能有所幫助。

參考文獻

[1]何穎.課堂觀察一種新的教研方式——以小學品德與社會學科為例[D].南京：南京師范大學，2011.

[2]黃江燕，李家鵬，喬劉偉.課堂觀察研究的文獻綜述[J].長江師范學院學報，2012（12）.

[3]陳穎鳴，陳樹越，張顯亭.智能視頻監控中異常行為識別研究[J].微電子學與計算機，2010（11）.

[4]李新良.模式識別理論的研究與應用[J].北京電子科技學院學報，2011（4）.

[5]百度百科.機器學習[EB/OL].http：//baike.so.com/doc/3290018-3465759.html.

[6]周秋怡.課堂視頻分析工具支持下教師課堂教學行為案例分析[J].韶關學院學報，2013（2）.

作者簡介：胡曉燦，1992年生，碩士，主要研究信息技術教育應用。

（編輯：龍賢東）