基于課堂教學行為云的教學模式分析方法研究*

程 云 王艷麗 王 鋒 鄭莉莉 郭宇塵

（黃岡師范學院 教育科學與技術學院，湖北黃岡 438000）

教學模式是指建立在一定的教學理論或教學思想的基礎上，為實現特定的教學目的，將教學諸要素以特定的方式組合成具有相對穩定且簡明的教學結構理論框架，并具有一定的可操作性程序[1]。S-T分析法是一種典型的教學模式量化分析方法，其核心思想是關注教師和學生的行為主體性，將課堂教學交互行為分解為教師行為和學生行為，并通過計算教師行為的占有率和師生行為的轉換率之間的關系，將教學模式劃分為講授型、練習型、對話型和混合型[2]。隨著教育理念的發展與教學環境的改善，S-T分析法潛在的問題日益凸顯。新的教育理念倡導給予學生較高的自主性，鼓勵學生多參與實踐性較強的學習活動，而 S-T分析法無法體現活動性質的教學模式，并存在行為劃分粗略、教學內涵難反映、行為采樣方式機械、數據采集的效率和準確性偏低等不足[3]，故探索新時代背景下的課堂教學模式分析方法頗有必要。

圖1 課堂教學行為云

一 課堂教學行為云

圖2 云的重心“四邊形”邏輯范圍

本研究從行為主體（教師、學生）與行為方式（言語、活動）兩個維度出發，依據課堂教學交互行為的差異[4]，建立了涵蓋四大類16種行為的教學行為編碼體系，并以此為基礎構建了課堂教學行為云，如圖1所示。課堂教學行為云（下文簡稱“云”）具有行為主體與行為方式兩個維度的關聯性，為課堂教學模式的判定和量化評價提供了新的依據。

二 基于課堂教學行為云的教學模式

1 計算云的重心

重心是云的一個核心屬性，是教師教學行為的綜合表現，反映的是行為分布的集中趨勢。不同的課堂教學有不同的行為云，但任何形態的云都存在一個重心——它是教師教學行為傾向的一種圖形化體現，可反映課堂教學行為分布的整體傾向[5]，并作為教學模式判定的依據。

在重力場中，不管物體處于何種方位，所有組成支點之重力的合力都會通過某一點，這一點即為物體的重心。對于密度均勻分布的物體（均勻物體），其重心的位置只跟物體的形狀有關；若物體有規則的形狀，它的重心就在幾何中心上[6]。而在課堂教學行為云中，云可被看作是一個密度均勻分布的物體，故其重心只與云的形狀有關。

根據云的構成原理可知，扇形云片是課堂教學行為云的基本組成元素。課堂教學行為云由16塊扇形云片組成，但各扇形的半徑大小不一，故構成的云是由多個扇形組成的不規則圖形，只能先求解16塊扇形云片的重心，繼而再計算出云的重心。依據重心坐標值，可精準確定課堂教學行為云的重心所在的具體位置。

2 確定云的重心的邏輯范圍

在行為主體與行為方式兩個維度的坐標體系中，依次連接水平和垂直方向的四個點，可形成一個四邊形。此四邊形的四個頂點到云的幾何中心的距離為四邊形的外接圓的半徑，它就是圖1中最外圈的圓的半徑，本研究取其值為11（11是多級評分后得到的評分值），得到云的重心“四邊形”邏輯范圍（如圖2所示的陰影部分），一般教學過程的重心應落在此邏輯范圍之內。

根據扇形的重心計算公式求解16塊扇形云片的重心，可知各扇形的重心到云的中心點的距離為2risinθ/3θ，當扇形的半徑取最大值11時，各扇形的重心到云的中心點的距離約為7.15，小于四邊形的四個頂點到云的重心的距離（此距離為11），說明在圖2陰影部分所示的“四邊形”邏輯范圍中，有部分區域是無效區域，即不論教學行為如何分布，云的重心都不可能落在該區域。為去除無效區域，本研究取四邊形的內切圓（半徑約為7.78），得到更為精確的云的重心“圓形”邏輯范圍，如圖3所示。

圖3 云的重心“圓形”邏輯范圍

圖4 基于課堂教學行為云的教學模式劃分

圖3中的橫軸表示行為主體（教師、學生）傾向，縱軸表示行為方式（言語、活動）傾向。綜合考察兩個軸之間的關聯，可將基于課堂教學行為云的教學模式分為五種：講授型、對話型、練習型、活動型和混合型[7]，如圖4所示。具體來說，在講授型教學模式中，教師處于主導地位，教師的言語和活動分布相對均衡；在對話型教學模式中，言語所占比重較大，且師生的言語相對均衡；在練習型教學模式中，學生處于主導地位，學生的言語和活動分布相對均衡；在活動型教學模式中，活動所占比重較大，且師生的活動相對均衡；在混合型教學模式中，活動的重心偏離云中心相對較少，教師與學生的行為占有率、言語與活動的比重相對均衡。

3 標定教學模式常模

基于課堂教學行為云的教學模式可以作為描述教學風格的一種分析方法。為便于應用過程中的實際操作，需要確定不同教學模式劃分的標準條件，在教學模式劃分圖中標定各教學模式的取值參考范圍，為課堂教學單元的教學模式判定提供依據。基于此，本研究用半徑r和角度θ兩個參數，對五種教學模式的重心值標定范圍進行區分，得到五種教學模式的取值參考范圍，如表1所示。其中，半徑r表示課堂教學行為云的重心到云中心的距離，而角度θ表示課堂教學行為云的重心與“教師—學生”維度水平軸的逆時針方向夾角。

表1 五種教學模式的取值參考范圍

三 基于課堂教學行為云的教學模式分析方法的應用

1 樣本選擇

本研究共選取11個教學視頻樣本，進行了基于課堂教學行為云的教學模式分析方法的應用。其中，有10個基礎教育領域的樣本來源于已有的村鎮教育資源配置與遠程服務平臺，是綜合考慮教師、學科、學段等因素，從訪問率較高的教學視頻中利用計算機程序，采取簡單隨機抽樣的方法而隨機抽取確定的；另外1個高等教育領域的樣本（即“多媒體CAI課件設計與開發”）來自于平臺之外，教學視頻樣本的詳細信息如表2所示。

2 數據收集

本研究運用 S-T分析法、基于課堂教學行為云的教學模式分析方法，對相同的課堂教學視頻分別進行采樣，行為類別的劃分、采樣方法和編碼分別依據各自編碼系統標準的要求進行。S-T分析法的采樣間隔時間為30秒，采集2種教學行為，逐一記錄采樣數據；基于課堂教學行為云的教學模式分析方法采集16種教學行為，教學行為樣本采集遵循“時間抽樣，動態補償”的原則，采樣間隔時間依據單類行為的持續時間動態確定，并根據編碼系統規定的標準，依次記錄行為數據，最終形成關鍵行為數據序列[8]。兩種方法的比較如表3所示。

表2 教學視頻樣本的詳細信息

表3 兩種方法的比較

表4 各樣本的行為信息與教學模式判定結果

3 實驗結果

如前文所述，S-T分析法將教學模式分為講授型、練習型、對話型和混合型四種，依據教師行為占有率Rt和師生之間的教學行為轉換率Ch的數值，可以確定課堂教學在Rt-Ch圖中的分布位置，進而判定其所屬的具體教學模式；基于課堂教學行為云的教學模式分析方法包括講授型、對話型、練習型、活動型和混合型五種教學模式，依據課堂教學行為云的重心所在的邏輯范圍，可以判定課堂教學所屬的具體教學模式。最終，本研究通過數據統計，得到11個教學視頻樣本的行為信息與教學模式判定結果，如表4所示。

4 分析與討論

11個教學視頻樣本在基于課堂教學行為云的教學模式分析方法和S-T分析法中的教學模式分布如圖5、圖6所示，圖中的數字1～11代表教學視頻樣本的編號。

圖5 各樣本在基于課堂教學行為云的教學模式分析方法中的教學模式分布圖

圖6 各樣本在S-T分析法中的教學模式分布圖

由于基于課堂教學行為云的教學模式分析方法和 S-T分析法在樣本的采集、行為的統計與分析等方面都不相同，所以在最終的教學模式分布上也存在一些差異。除了個別樣本差別較大，多數樣本在兩種分析方法中的教學模式判定結果整體上趨于一致。如樣本2在兩種方法中的教學模式判定結果都是混合型，但從圖5、圖6可以看出，兩者的實際分布都靠近練習型；樣本1和4在兩種方法中的教學模式判定結果也都是混合型，但兩者的實際分布都靠近對話型。

表4中的教學模式判定結果顯示，只有樣本3、5、11的差別較大。其中，樣本5在基于教學行為云的教學模式分析方法中的教學模式判定結果為活動型，但由于 S-T分析法中的教學模式中并沒有這種類型，因此判定結果必然不同。樣本11在基于教學行為云的教學模式分析方法中的教學模式判定結果為混合型，但圖5顯示其實際分析靠近講授型，雖然在S-T分析法中的教學模式判定結果是講授型，但兩者的大致趨勢仍是一致的。差別最大的是樣本3，它在基于課堂教學行為云的教學模式分析方法中的教學模式判定結果為對話型，而在 S-T分析法中的教學模式判定結果是講授型。通過分析視頻，本研究發現這種差異是由兩種分析方法在數據采集和分析方法上的差異導致的。

在樣本3中，依據基于課堂教學行為云的教學模式分析方法的行為編碼標準進行統計，實際的教學行為轉換次數有179次（180個樣本點），其教學行為時序列如圖7所示。圖7顯示，行為1、2、4、6出現的次數明顯較多，教學活動按照“講授—提問—應答—反饋”的基本流程展開；2、4、6這三種行為之間的轉換頻率也非常高，其原因主要在于教學過程中有多次提問、應答與反饋，因此在課堂教學活動中，師生之間的語言對話行為在行為方式中占據了很大的比重——這一點與樣本3在基于課堂教學行為云的教學模式分析方法中的教學模式判定結果是對話型相符。同樣，即使按照S-T分析法的兩種行為編碼標準進行統計，樣本3的實際教學行為轉換次數也達到了122次（123個樣本點）。由于S-T分析法采用機械采樣的方式采集教學行為樣本，所采集的行為數據的有效性偏低[9]，如樣本3共采集了99個行為樣本，其中是有效行為的樣本有48個，有效率僅為43.24%；再加上其行為占有率的統計方式存在局限，故樣本3在S-T分析法中的教學模式判定結果出現了較大的偏差，變成了不同于對話型的講授型。

圖7 樣本3的教學行為時序列圖

五 結束語

綜上所述，由于基于課堂教學行為云的教學模式分析方法和 S-T分析法在行為分類、數據采集方式、行為占有率的統計方式及教學模式的判定方式上都不相同，最后的教學模式判定結果必然存在差異。而兩種分析方法在11個教學視頻樣本中的應用結果表明，在課堂教學中的行為轉換不是很頻繁、且 S-T采集到的行為適當的前提下，樣本在兩種分析方法中的教學模式判定結果整體上趨于一致；但當課堂教學中的行為轉換頻率較高時，樣本在 S-T分析法中的教學模式判定結果就會出現較大的偏差。

從課堂教學行為云到基于課堂教學行為云的教學模式再到基于課堂教學行為云的教學模式分析方法，本研究層層推進，試圖針對S-T分析法的不足，提出一套新穎的教學模式量化分析方法。基于課堂教學行為云的教學模式分析方法采用新的行為分類、新的行為數據采集方式和新的行為占有率統計方式，為所采集的行為樣本數據的有效性和準確性提供了保證；該方法還提供了一種全新的教學模式判定方式，在一定程度上完善并發展了 S-T分析法，并有助于課堂教學行為分析的進一步深化。

[1]何克抗.建構主義的教學模式、教學方法與教學設計[J].北京師范大學學報(社會科學版),1997,(5):74-81.

[2][7]傅德榮,章慧敏,劉清堂.教育信息處理(第2版)[M].北京:北京師范大學出版社,2011:2.

[3]王艷麗,程云,王鋒,等.技術支持下的課堂教學行為觀察方法探究[J].現代教育技術,2016,(9):39-45.

[4]程云,王艷麗,王鋒,等.課堂教學行為交互深度量化分析方法研究[J].現代教育技術,2017,(9):26-32.

[5]程云,劉清堂,王艷麗,等.課堂教學行為分析云模型的構建與應用研究[J].遠程教育雜志,2017,(2):36-42.

[6]戴淑華.關于剛體重心的討論[J].重慶師范學院學報(自然科學版),2001,(3):43-45.

[8][9]程云,劉清堂,王鋒,等.基于視頻的改進型S-T分析法的應用研究[J].電化教育研究,2016,(6):90-96.