人工智能背景下課堂智慧評價的理論與實現路徑

○于春梅

在教育教學領域，課堂評價是一項關鍵活動，通過觀察、記錄等工具和手段，對課堂過程進行客觀評價，評判其價值和效果。通過課堂評價，可以對課堂教學的科學性、有效性和質量進行綜合評判，對教學改進有極大幫助。傳統的課堂教學評價主要通過人工觀察記錄、問卷調查等方式進行，主觀性較強，容易陷入經驗主義。在分析過程中，傳統方式往往難以結合理論進行，容易缺乏針對性，難以對評估標準進行客觀定量的評判［1］。隨著信息技術的深入發展，各行各業都進入了信息化和智能化時代。得益于一系列智能工具的應用，行業發展和決策也趨于智能化，信息化和人工智能正在以高效、科學和精準等特性，為行業發展提供支撐。在這一大環境下，課堂評價也逐漸趨于信息化與智能化。特別是數字化課堂的推進，使得利用音視頻和教育教學設備進行過程數據獲取成為可能，觀察和記錄的手段更加自動化、智能化，同時借助人工智能技術，結合教育理論和實踐經驗，利用人工智能進行課堂教學智慧評價。該方式能夠有效克服傳統課堂評價的諸多問題［2］。

一、人工智能背景下課堂智慧評價的理論基礎

在課堂教學評價的相關技術理論方面，目前有主導主體理論和第三代活動理論等。這里對本次研究的理論基礎進行論述。

（一）主導主體教學結構理論

主導主體教學理論是王策三先生在20世紀80年代提出的學說。該學說對教學活動進行了“主體”和“主導”兩個概念的區分，并對其聯系進行了研究。該理論認為，學生是教育教學的主體，通過教育教學活動，能夠對身心發展進行促進。而教師在教育教學過程中處于主導作用，通過設計、引導和傳授，對主體進行影響，并實現特定的教學目標。

盡管當前信息技術高速發展，智慧課堂中增加了諸多教學行為的執行方，例如微課、智能課件甚至智能教學設備，然而無論哪種教學工具或者智慧化教學執行者，都無法替代教師對于學生在情感、人格方面的引導。因此無論實踐哪種教學模式，運用哪種教學工具，都不能忽視教師在這一過程中的重要性［2］。

何克抗先生進一步將該理論進行了擴充，形成了主導教學結構理論。這一體系中，教師、學生、教學內容以及教學媒體是核心要素。教師在其中依然占據主導地位，不僅需要承擔教學的實施工作，還要承擔教學的組織、協調、監督工作。通過引導學生進行學習活動，幫助學生參與學習，并通過教學活動組織，在知識培育的同時，進行情感和人格的培育。本次研究就是基于這一理論進行的［3］。

（二）第三代活動理論

活動理論的研究內容和研究范圍就是活動本身，而這也恰恰是研究人類活動的核心依據。隨著心理學研究的深入，活動理論不斷發展和完善。目前的第三代活動理論是恩格斯·托姆提出的。他將活動拆分為主體、客體、共同體、工具、規則、分工這幾個核心元素。在這一過程中，元素間因生產、分配、消耗、交流等活動產生實質的關系［4］。

自第三代活動理論形成以來，學者們逐步將這一理論應用到教育教研活動中來，并通過對教學主體、客體、工具、規則等的構建，將可以促進學習有效性、增加學習意義的行為進行了總結。

基于這一理論，本次研究同樣將教學活動視作課堂的組成要素，教師通過設置一定的情境，讓學生參與到其中，并體會到知識和經驗的積累和再運用，并通過學習活動獲得新的知識積累。同時，該理論中的客體（即教學內容和目標）的范疇較廣，且維度較高，目前機器學習難以應對，因此此次研究不考慮這部分內容［5］。

二、課堂智慧評價體系的基礎構建

（一）課堂智慧評價框架構建與評價指標選取

首先對課堂智慧評價框架進行構建。將整個課堂教學活動進行分解，從組織調控、認知思維、情感交融和目標達成四個維度進行教學結構的分解，整理出關于教學活動的9個核心評價指標。

1.教師主導在目標定位方面的量化指標：

課程對知識點覆蓋率；

知識面開闊程度；

課堂總體信息量。

2.教師主導在課堂藝術方面的量化指標：

教師教學過程中情感的豐富程度；

教師教學過程中積極話語的出現頻次；

教師的語言表達精練度；

教師課程過程中語速。

3.教師主導在課堂調控方面的量化指標：

教師對學生反饋的正面回應頻比例；

教師灌輸和提問的比例；

話題穩定性；

教師引導并鼓勵學生思維延展的情況；

教師對于學生語言或結論的引述情況。

4.教師主導在思維激發方面的量化指標：

教師對學生思維均衡性的應對情形；

思維清晰度；

教師在課程中鼓勵和壓制的比例；

教師對于學生的正面回應的次數；

教師對想象力的激發情形；

教師在追問追答過程中的評價。

5.教師主導在評價反饋方面的量化指標：

教師對于學生的鼓勵比例；

學生主動參與發言的次數；

教師表現出積極情感的次數；

教師對評價和提問的總量。

6.學生主體在整體發展方面的量化指標：

課程設計的四維均衡度；

學生在課程中接收到的左右腦激發平衡度；

課程教學內容的易理解性；

學生參與聯系的時長。

7.學生主體在整體發展方面的量化指標：

教師對學生參與度的鼓勵程度；

教師維護權威的次數；

教師與學生的互動情況；

教師提問和評價的總量。

8.學生主體在整體發展方面的量化指標：

學生發言的總人次；

學生表達的完整程度；

學生積極性；

學生穩定狀態占比。

9.教學目標達成的量化指標：

學生對知識點的響應情況；

學生對不同授課風格的反映；

教師對有效學習狀態的推動作用；

教師發言的相關度。

（二）智慧評價模型支撐

1.師生教學思維過程分析模型。教學思維過程分析模型可表現為圖1。在課堂教學中，教學和認知構建的過程按照順序不斷循環，并呈現螺旋式上升的態勢。從教學的角度來看，若學習風格中的現實型、能動型、感悟型、哲理型均能在課堂中予以體現，那么學生在教學過程中的主體地位就得到了很好的體現［6］。

圖1 學習的行知模型

2.師生教學互動過程分析模型。FIAS（弗蘭德斯互動分析系統）對教學過程的語言互動性進行評估。這一評估過程中，主要關注7類與教師語言相關的因素，2類與學生語言相關的因素，以及描述課堂狀態的混亂和安靜標識。這10種行為因素可以對應10種行為編碼，并根據算法生成如圖2所示的 7 種指標［7］。

圖2 FIAS指標與參照常模

同時，本次研究引入IRE結構模式，即問答和評論結構模式。該模式主要反饋課堂上問答與教師評論的情形。IRE具體可分為簡單型、學生思考討論回答型、連續追問型以及其他無法歸類的組合型。為進一步對課堂中教師發問的情形進行分類，這里將教師的發問情形進行分類，可分為開放性問題和封閉性問題。前者包括what if（即假設如果…那么會怎樣），how（即如何…），why（即為何…）。而后者包括what（即是什么）和other（即其他）。此外，為對點評情況進行評價，這里引入正向評價（+）、負面評價（-）以及引述（～）三種指標。基于上述指標構建的人工智能分析模型，能夠有效辨別教師在教學過程中語言方面的深度、廣度以及積極性。

此外，本次研究引入S-T模型，用于對師生的對話過程進行客觀評價，主要對教師的對話行為占比和師生轉換次數占比進行分析。根據這兩個維度可最終將課堂歸類為講授、練習、對話、混合四種類型。

3.知識點關聯及其他細節分析。在知識點關聯性的分析方面，可選擇知識圖譜方式進行研究。通過對課堂分時的主題知識圖譜進行構建，并與總體的知識圖譜進行比對，可以實現一種基于關鍵詞的課堂活動主題路線。通過該方式，可對教師在課堂中授課的主題進行關聯性分析，特別針對授課主題中知識點的覆蓋情況、授課主題與目標知識圖譜的差異、授課主題與學生課堂實時反饋的關聯度等進行分析，從而客觀反饋課堂教學任務目標的達成、課堂知識覆蓋面、課堂發言和對話與主題的關聯度以及學生對于知識點的響應情況等［8］。

由于課堂本身十分復雜，上述評價模型盡管能夠覆蓋大部分課堂要素，然而在教學評價過程中也應當盡可能擴大考察的面，例如前文提到的語速、情感、語言的簡潔性等。因此在實際的評價模型構建過程中，也應當設計相應的分析模型對上述細節因素進行考察。

（三）課堂教學智慧評價的技術方案

1.智慧評價系統總體集成思路。前文提出了一系列模型，包括面向師生教學思維過程分析的可量化的行知模型、面向師生教學互動過程分析的FIAS（弗蘭德斯互動分析系統）、RE結構模式（即問答和評論結構模式）以及S-T模型。同時也提出可對課堂過程中教師和學生與教學內容的關聯情形利用知識圖譜進行解決，并應當綜合考慮課堂的其他細節要素，例如語速、情感等。可以看到，對于課堂教學進行評價，只有將評價的指標池進行擴大，并綜合利用各類方法，才能夠最終獲得客觀真實的評價結論。

基于這一思路，本次評價模型利用多模型聯合的思路，對本次所研究的課堂教學智慧評價模型進行構建，通過不同的評價模塊對前文所述的可量化指標進行評估，并運用人工智能技術對各個指標進行評估構建，最終獲得綜合性的評價意見。

2.評價模型的計分方法。模型的計分方式實質上是技術難度最低的部分，然而如何通過合理的賦值、量化對課堂教學活動的綜合質量進行判斷，實質上完全依賴對教學特征的提取，包括優秀課堂的特征、教師優秀表現的特征、學生優秀反饋的特征、內容貼合度的特征等。盡管這些通過現有的教學理論研究與實證可以直接確定，然而在具體算法構建過程中依然需要針對實際模型進行邏輯構建［9］。

隨著計算機與信息網絡的不斷普及，當前學生在教學資源獲取方面可以獲得極大的豐富。這也就使得教師并不是唯一獲取知識的渠道。在當下，教師和學生可以獲得同樣豐富的資源，因此教學的內容就不單單是內容提供，而是核心知識構建和素養培育。基于這一思路，本次研究應當以鼓勵互動、鼓勵課堂自由民主氛圍、鼓勵多種思維平衡作為評分原則。

三、人工智能背景下課堂智慧評價的優化研究

在課堂智慧評價體系構建的基礎體系建設完成后，根據評估原則、評估模型和評估指標的構建過程來總結，提出了技術角度層面的優化措施，形成了本章節的基本探討，從優化的角度來看，根據研究所構建系統的模塊分布來展開優化措施。目前來看，課堂智慧評價系統主要分為課堂教學信息輸入模塊、評價輸出模塊，以及面向各量化指標的人工智能評價模塊。其中，輸入的課堂信息主要分為兩部分。首先是主要信息，其中包含課堂的全程語音、視頻、教學資料、課件、信息系統及軟件數據等。這些信息是構成課堂的核心元素，也是直接決定課堂教學評價結果的數據。其次是次要信息，包括與課堂相關的間接數據，例如課堂的整體環境、成員紀律、出勤情況等。其中，主要信息是本次研究的關注重點，諸多量化也主要圍繞主要信息展開［9］。這也決定了評價體系的優化過程也將要配合這些內容展開來作為主要方向。

（一）模型融合優化的可行性分析

對前文提到的包括面向師生教學思維過程分析的可量化的行知模型、面向師生教學互動過程分析的FIAS（弗蘭德斯互動分析系統）、RE結構模式（即問答和評論結構模式）以及S-T模型等，這些模型實質上存在巨大的輸入輸出差異。這些模型是否有融合的可能性，是首先要評估的問題。通過對上述模型進行分析可以看出，上述模型都對結構化數據提出了訴求，要求輸入數據結構整齊和一致。從形式上來看，輸入的結構化數據可以通過時間線、角色和內容三個不同的維度進行描述。對于具體的領域模型而言，時間線即事件發生的時間，角色即事件的觸發方（即老師或者學生），而內容則表示當前主體的行為舉措或相關信息。這里需要對內容進行進一步擴展，將內容區分為行為和信息，前者描述行為人的動作，后者則主要用于記錄文本信息。通過這種歸一化操作，上述模型的輸入結構可統一定義為：行為、文本以及可用于處理的結構化結果。基于這樣的歸一化規則，上述所有的分析模型可共用同一套結構化模型，通過結構化數據的不同，可根據各模型自定義的邏輯輸出相應的指標［10］。

目前的人工智能模型可基于各類語料庫進行規則訓練，特別是深度神經網絡的引入可以很好應對上述模型的構建。從技術角度而言，模型融合和模型構建具備技術可行性，滿足課堂評價系統的實現需求。因此，根據可行性分析來看，進行模型融合，將會更加有效地推動課堂智慧評價的整體覆蓋。

（二）基礎信息的評價輸出自動化

對課堂教學而言，語言信息是整個教學過程中表達和內容承載的核心，也是課堂評價最重要的因素。在諸多語言信息的獲取方式中，利用錄音對語言信息進行記錄和獲取是最為便利的。其次是視頻信息，視頻信息的獲取要求課堂具備相應的硬件設備，還要求教師在過程中能夠熟練操作錄播設備，控制錄播環境。再次是教學所用到的多媒體和課程軟件數據，這對于系統的操作和數據提取有了更高的要求。為進一步降低智慧評價的應用門檻，提升其適用性，本次選擇利用語音信息作為基礎信息的輸入形式，通過教學思維過程分析、交流互動過程分析、知識點及周邊細節分析等，實現量化指標的評分與評價。

（三）構建可持續擴展的技術框架

系統實質上將語音、視頻和教學過程系統及其數據納入了一套完整的分析模型，并通過歸一化，對數據結構利用TR結構化數據進行整合，以提升對不同數據源信息的兼容。基于這一套技術體系，未來加入新的評估數據源，整套框架不需要進行變更，只需要對數據源進行歸一化即可集成進入當前框架。語音數據能夠對所有的模型進行覆蓋，支持度最為廣泛。而其他數據則有一定的應用條件，同時覆蓋率不夠高，因此通常只能用于輔助信息。在教學分析多模型處理階段，分析的支撐細項主要由想象力、語速、課堂情感、語言的精練性等主觀指標組成［10］。

上述技術框架利用結構化數據將多個模型進行了融合，同時構建了映射到文本和行為的方法，使得通過自身具備較強的可擴展性。此外，不同模型的融合使得評價的可信度更高，評價的客觀性更強，這也是課堂智慧評價的發展要求之一。

四、課堂智慧評價的實施體系

在建立了課堂智慧評價體系后，在實踐教學中需要完善的就是引入課堂智慧評價。在具體的實施工作中，應該從以下幾個方面著手展開。

基礎設施環境的構建。在人工智能背景下的課堂智慧評價體系應用，對于基礎設備的要求更高，因此在考慮到技術體系的落實之中，更需要對課堂基礎環境設施的構建，包括如校園網絡、多媒體設施等多個環節的落實，通過這部分內容可以推動課堂智慧評價的真正應用。

教師團隊理念的更新。從課堂智慧評價的體系分析，其應用層面將會和當前主流的教育模式有所不同，因此在應用中，更新教師團隊的應用理念，同樣是實現智慧評價體系應用的關鍵，推動理念建設，建立課堂智慧評價的應用人力資源環境，將同樣是課堂智慧評價進入體系的關鍵。

完善的反饋制度。這部分反饋制度所針對的是課堂智慧評價的應用，建立更加完善的反饋制度，在智慧評價應用后進行整體的反饋評價，為后續的應用提供更加完整的建議，也會確保智慧評價體系的有效落實。

本文利用智能模型構造了一套面向課堂教育核心要素分析的智慧評價系統，從興趣激發、知識獲得、思維培養、活動交往等角度構建了評估和量化體系，并選擇了包括面向師生教學思維過程分析的可量化的行知模型、面向師生教學互動過程分析的FIAS（弗蘭德斯互動分析系統）、RE結構模式（即問答和評論結構模式）、S-T模型以及知識圖譜等模型和技術，對綜合性評估系統進行構建。特別是，此次構建的技術框架具備較強的可擴展性，其結構化轉換方法能夠廣泛支持各類數據源。智能化評估模型的應用，使得課堂評價可以大規模批量進行，使得課堂評價可以成為一項常態化工作，用以指導教育教學方式方法的升級和進步，進一步促進課堂從知識課堂轉向核心素養課堂。