VR環境下師范生微格教學能力的認知網絡分析

彭曉麗，李凌月

（浙江師范大學教師教育學院教育技術學系，浙江 金華 321004）

作為未來的老師，師范生的教學能力直接關系到教學的成果以及教育行業未來發展和改革[1]。傳統的師范院校教學模式對師范生的人才培養比較單一，尤其是在信息迅速發展、對教師的要求越來越高的情況下，師范生往往達不到學科教學實際要求。學校可以借助不同的技術對師范生的微格教學能力進行培養，比如，將虛擬現實技術運用到微格教學中，以此彌補傳統微格教學無法模擬很多真實教學環境的缺點，從而提高學生的教學真實感、沉浸感，以此達到優良有效的素質教育[2]。同時，借用認知網絡分析這一工具將師范生教學能力可視化，為師范生從事教學工作打下堅實的基礎。

1 理論基礎

1.1 基于虛擬現實的微格教學

在國外，美國的中佛羅里達大學首創了TeachlivE教師技能訓練系統，該系統通過VR 技術創設一種虛擬和現實相結合的混合虛擬環境,讓師范生沉浸于一種完全“真實”的課堂環境中,訓練其教學技能、管理技能和反思技能等教育教學核心素養,以強化現實環境中教師教育實踐和反思的薄弱環節,促進教師培養質量的大幅度提高[3]。

在國內，對虛擬現實運用于微格教學的研究主要集中在訓練系統和平臺的開發與應用方面。溫州大學的團隊利用虛擬現實技術構建了全新的師范生技能培訓系統，利用計算機產生的數字化教學環境，模擬現實的課堂環境，師范生可以借助頭盔操縱系統中的虛擬設備以達到身臨其境的感受，實現人與物實時互動[4]。

1.2 教學能力

教學能力是教師或者師范生應該具備的基本素養，這也充分且直接地反映出教師在教學過程中任務完成得是否順利。不同的專家對教學能力的概念界定也有所不同，從行為角度，邵成智[5]將教學能力之知界定為教師將智力特征應用到實踐教學中的知識，提出教學能力是基于行動的教學技藝、基于智能的教學覺知和基于感覺的教學直觀的綜合表現；從認知心理學角度，申繼亮[6]提出教學能力是教師完成教學活動所應該具備的教學能力和影響教育活動效果的教學智慧的集合。可見，不同研究領域的專家對教學能力的理解都有自己的側重點和闡述。

1.3 認知網絡分析

認知網絡分析（ENA）是一種通過對話語數據進行定量分析，來描述個人或團體認知框架模式的分析方法[7]。認知網絡分析最初是為認知網絡建模而開發的，用來探究認知網絡之間的關聯模式中知識、技能、價值觀、思維方式和其他復雜思維的特征。

認知網絡的數據建模過程總共包含數據的分割與編碼、矩陣建立、向量計算、標準化處理、降維分析、定位網絡節點等六個步驟，具體情況如圖1所示。

圖1 ENA數據建模流程圖

2 VR環境下師范生教學能力ENA可行性分析

2.1 基于VR的微格教學

隨著智慧教育的不斷發展以及國家對師范生培養的逐步重視，研究師范生教學能力以及師范生教學特點是大勢所趨，但由于傳統的微格教學的教學環境較為單一，無法模擬很多真實教學環境；微格教學中的教學對象基本都是由本班同學來扮演，隨著教育信息化的推進，傳統的微格教學已經不能滿足師范生教學需求。

為解決上述的問題，可將虛擬現實技術與微格教學相結合，從而彌補傳統微格教學的短板，為提高師范生教學能力提供了新思路。本研究使用的沉浸式虛擬現實設備可以完全取代周圍的物理環境，使用戶完全沉浸在虛擬環境中[8]。在該系統中，學生可以與虛擬角色進行有效交互，達到最好的練習效果。此外，本研究的虛擬現實教學設備會盡可能地模擬現實教學環境，比如在訓練過程中，不僅僅是師范生單純的對知識的講解，還會有學生提問、班級突發情況等事件發生，在整個訓練過程中，設備將會把師范生的話語，視頻等數據記錄下來。師范生觀看自己的教學視頻，結合教師和同伴互評對自己的教學過程進行反思，從而達到促進教學能力的目的。

2.2 ENA可視化師范生教學能力

由20 世紀70年代以來，對師范生的教學能力評價不只局限于課堂實踐教學能力，還包括師范生的教學方法以及整個教學過程的反思；師范生的教學能力評價方式主要為定性評價與定量評價，二者相互結合實現了對師范生教學能力的全面評價。目前，對教學能力研究的對象主要是在職教師，很少有對師范生微格教學能力進行全面研究。并且通過文獻檢索，目前在師范生微格訓練中，主要是對師范生學科知識教學能力的培養，但是對師范生教學能力的發展過程研究甚少，因此本研究采用認知網絡分析對師范生的教學能力開展定性和定量評價，探究教學能力的不同維度是否有關聯以及通過可視化數據為師范生教學能力的全面提升提供參考。

張思[9]對網絡研修社區中教師的對話反思數據進行結構化編碼，利用認知網絡分析法探索教師的認知框架模型，得到教師TPACK 特征的最自然的評判。冷靜[10]通過分析30名職前教師的協作寫作腳本，探究職前教師反思類型及元認知之間的關系，揭示了職前教師的反思能力發展軌跡，為后續開展教師反思能力提供參考。吳筱萌[11]通過認知網絡分析法從認知內容和認知技能兩個角度對師范生的專業認知結構展開建模并提出了相關建議。由以上文獻可發現，認知網絡分析從對思維方面的可視化逐漸向師范生的認知結構和能力上過渡。

基于上述研究成果，筆者認為，在同伴互評中，利用ENA 揭示評語文本中蘊含的關于評價者的學習狀態、認知能力信息，作為教育評價的一部分，反饋給教育參與者，可以幫助他們有的放矢地改進教與學。

在前人研究的基礎上，本研究依據教學能力評價框架對師范生對話內容、指導評分、評語以及師范生的反思報告單等多維數據進行綜合分析，了解微格教學中師范生知識的類型，然后利用ENA對師范生教學過程中認知網絡結構特征探索，表征師范生的教學能力發展。

3 研究設計

3.1 師范生微格教學活動過程設計

首先，本研究設計和實踐一個學期的以同伴互評和教師評價的師范生微格教學訓練課程，然后，對收集整理的同伴互評的評語和教師的評價、評分進行認知網絡分析，探究師范生的教學能力的發展過程，為后續師范生教學技能的提升提供參考意見。本文利用認知網絡分析方法設計了如下研究流程。

圖2 基于ENA的研究流程

3.2 研究過程

本研究計劃在某師范大學的《微格教學》課堂上開展，研究對象是某師范大學教育技術學大四學生共26人。試講前，教師根據《微格教學》課程的講課內容確定講課主題，學生根據題目設計教學并制作課件，為下周試講做好準備。試講時學生分別上臺展示，其余同學對試講人進行點評。試講后，教師對每位同學的試講進行點評，給予學生及時反饋。

圖3 教學活動流程圖

3.3 數據編碼框架

目前，我國對教學能力的研究十分豐富，在綜合前文有關教學能力的分類以及借鑒了浙江某大學某教授提出的教學能力量表的基礎上，編制了基于虛擬現實環境下師范生教學能力編碼表（如表1）。

表1 教學能力編碼表

3.4 數據處理

本研究共收集26 份手寫評語，將其轉化為電子版，逐步錄入Excel 表格中。依據表1 的編碼框架，用“0”和“1”二進制的編碼方式對評語數據進行編碼處理。評語中涉及上述10個要素的編碼為“1”，否則為“0”。編碼結束后將得到的數據導入ENA，重點分析是師范生整體的認知網絡和高低分組的師范生認知網絡差異。

4 數據分析

4.1 師范生整體教學能力的認知網絡特征

根據編碼情況，統計師范生行為特征并可視化，得出圖4，由節點連接線的強弱可知師范生的教學能力主要集中在導入技能、提問技能、課堂組織技能（K1、K2、K9），其次是講解技能和演示技能（K3、K6）。K1-K2、K1-K9、K6-K9 的節點連線強度最高，說明往往K1 技能出現時K2 和K9 也會隨之發生，同理K1 和K6 也伴隨K9 同時出現。由此可見，師范生試講過程中比較關注教學導入、提問技能、教姿教態以及教學強化技能。

4.2 高低組教學能力的認知網絡特征分析

根據教師對學生的評分，將其分為高分組和低分組。由圖5可知，高低分組的質心分別居于坐標軸左側和右側。說明高分組左側節點的緊密度強于低分組。由圖6可知，高分組和低分組的認知網絡圖的差異在于K10技能的連接。低分組的K1到K9技能與高分組的節點連接強度十分相似，但高分組優于低分組的是K10 與其他點的連接。這說明低分組的學生都忽視了K10，而高分組的學生較低分組同學而言更加注重結束技能。高分組的能力不是集中在某一知識維度，而是多個維度均有分布，這說明高分組的學生往往重視各方面能力的發展。

圖5 高低分組質心分布圖

圖6 高分組和低分組ENA圖

在高分組-低分組的疊減圖（圖7）可知，較低分組而言，高分組的K1、K4、K10與其他節點的連接強度均大于低分組。可見除了K10 技能，高分組的學生K1、K4能力也明顯優于低分組。

圖7 高分組-低分組ENA圖

因此，根據本研究對VR 環境下師范生教學能力的可視化結果可知，低分組學生的教學能力在導入、板書、結束能力方面較弱，因此低分組的學生要及時調整狀態，為后續提高教學能力打好基礎。

5 總結

在當前教育評價研究中，主要是對學習者的成績和行為數據進行分析，大多數是形成性評價，而形成性評價往往會忽略學習者在教學過程中的話語等非文本數據，因此，為了更好地利用這些平時容易被忽略的數據，本研究提供了一個采用傳統的定量統計與認知網絡分析相結合的方法，對虛擬現實環境下的師范生微格教學的過程中音視頻以及同伴互評和教師評分評語分析，以期深度挖掘高低水平組和不同性別師范生的教學能力和認知層面的特征并將其可視化的新思路。