用數據說話：基于智能平臺的循證課例路徑研究

孫麗

課例研究被認為是一種能夠有效促進教師的教學改進和專業發展的方法，具有突出的反思性實踐特征。它既是一種研究，又是一種反思性實踐，但是受到現實中種種因素的制約，在實踐中的效果并不理想。循證課例研究被美國教育部教育研究與改進助理秘書格羅夫·懷特赫斯特定義為：依據專業智慧與最佳可利用的證據的融合，集大學研究者與中小學教師的合作、反思、教學改進于一體的教師專業發展范式。智能研修平臺借助人工智能技術對課堂中師生的教學行為進行量化評價，形成可供參考的數據，這種數據具有生成性和動態性，這對于循證課例研究來說是最佳、可利用的、精準的證據。

從教師數字素養發展來看，每位教師都有發展的需求，都有成長的空間。但每位教師的成長速度并不一樣，學校開展統一的課例研修路徑并不能滿足每位老師成長的需要。在信息技術的幫助下，是否每位教師都可以找到自己課堂教學中的問題，進而開展課堂研修活動，促進自己的專業成長呢？筆者借助了智能研修平臺，與任課教師一起開展以數據為證據的循證課例研究，幫助教師精準提升課堂實效。

一、精準畫像，尋求發展

在第一階段的研修過程中，筆者選擇了三類教師：剛進校的青年教師、非骨干中青年教師和骨干教師，對他們進行個案觀察。從發展需求上看，青年教師想把課上好，非骨干教師想成為骨干，骨干教師想走得更遠。在開展研究前，先對研究對象進行“畫像”。“畫像”分自畫像和學科畫像兩種。

（一）自畫像

由教師描述自己的教學觀念、取得的成績等內容。三位教師的自畫像內容如下。

青年教師的自畫像：我認為在教學工作中，最幸福的是贏得了家長的信任，學生的喜愛。最大的愿望是給予學生最有價值的禮物——“愛”，且盡可能多地讓學生感受到這種愛。

非骨干中青年教師的自畫像：我駕馭信息技術融合課堂經驗比較豐富，曾獲國家新媒體新技術課例評比二等獎；我對待工作很認真，曾獲得校級“感動人物”榮譽。

骨干教師的自畫像：我多次獲得過國家級、省級、市級賽課一、二等獎，教學經驗豐富；多篇論文獲獎或發表，有一定的教研能力。曾獲得市“優秀少先隊輔導員”、市“優秀教師”、?！皫煹聵吮薄皟炐憬處煛钡葮s譽稱號。

筆者從三類教師的自畫像中，發現他們各自的教學風格以及教學擅長點。

（二）學科畫像

由同年級的教研組長或學科責任人描述任課教師的教學優點和不足等內容。這種從旁觀者的角度看研究對象的方法，有助于后期的數據研究準確定位。受試教師的學科畫像內容如下。

青年教師的學科畫像：作為剛入職的年輕教師，她處于教學專業能力不斷上升的時期；思維活躍，敢于嘗試，不拘泥于現有的技術手段和使用方法；親和力強，能將學生的生活經驗帶入教學，更容易與學生形成共鳴，促進教學展開。但是她對教材的理解和把握以及對學生認知規律把握尚顯不足，往往容易受到名師、身邊老教師已經形成的教學方案影響，忽視個人執行能力和本班學生的個性特點，過于強調教學設計的流程，對于教學過程中的生成性資源的使用不夠靈動。

非骨干中青年老師的學科畫像：作為經驗豐富的語文教師，他能夠緊扣文本的特點，抓住單元語文要素，立足長程視角進行教學設計。在實施教學設計的過程中，他充分體察學情，根據學生經驗及能力儲備，設置問題情境，讓學生充分讀、想、說、議，發展語文核心素養。他能充分利用信息技術，從不同角度修正自己的課堂教學，努力將課堂的時間和空間還給學生，構建有智慧的教學。但他有時對文本解讀不夠深入，對大問題的設計還不夠精巧。在課堂上，師生口頭語言表達較多，動筆書寫、表達思維的環節較少。

骨干教師的學科畫像：她有著豐富的教學經驗，經歷過大循環教學，對各年段學生的認知特點和學科知識都有較好的把握。同時，她還有珠心算教學研究的背景，對一至三年級學生的教學尤為擅長。教學過程中，她能夠重組教材，根據班級學生的認知需求調整教學；課堂上善于系列化、結構化的提問與應答，設計螺旋遞進的探究活動，收集并有效運用課堂生成資源推進教學，課堂靈動生長感強。面對概念多、結構散的內容，她偶爾會表現出替代思考現象。

對以上的學科畫像進行分析，不難發現這三類教師在學科教學中的優點與不足，如青年教師“思想活躍、受學生喜愛，但是對教材的理解和把握以及對學生認知規律把握尚顯不足”；非骨干教師“信息素養高，實施教學經驗豐富，但缺少深入研究”；骨干教師“研究能力強，因為教低年段學生經驗豐富，對高年段學生不易放手”。

這些“畫像”能夠幫助教師找到自身問題，并有意識地解決問題。

二、聚焦數據，診斷課堂

在智能錄播教室環境下，研修平臺自動采集了課堂教學中教師和學生九種教學行為的數據，并記錄下課堂教學全過程。針對教師的四種行為（講授、板書、觀察及師生互動）和學生的五種行為（聽講、讀寫、舉手、應答及生生互動）生成了系列圖表，通過數據挖掘，我們可以找出教學問題所在。

（一）從教學行為數據上進行診斷

教學行為數據圖以中線為分割線，左邊是教師行為，右邊是學生行為（如圖1）。講授占92.07%，聽講占58.45%，這反映出課堂是以教師講授、學生聽講為主。應答占22.05%，讀寫占14.70%，由此可知教師在教學時有學生回答以及讀寫的設計。但教師觀察，師生互動、生生互動的數據非常低，這表明在課堂上教師對學生的指導很少，基本上沒離開講臺?！芭e手：0.64%”說明教學設計中缺少問題，或者學生的教學常規比較差，沒有舉手回答的意識。

另一個以教師講授、學生聽講為主的課堂上，教師觀察比率達33.4%，學生應答達25.4%，生生互動達19.36%（如圖2）。課堂上，教師一定設計了不少讓學生參與的環節，如回答、做題、上臺板書、小組活動等。教師在這些活動中都參與指導。

筆者分析教學行為數據圖，發現不同年齡、不同經驗的教師在課堂上有不同的表現。這些數據有利于教師診斷課堂，反思教學，迭代優化。

（二）從課堂互動數據進行診斷

研修平臺以一定的時間間隔（30 秒）對課堂教學進行采樣、記錄，根據教學過程中學生（S）和教師（T）行為以及S和T的轉換行為生成課堂互動數據。圖3至圖5是一位教師三次試教的S-T課堂互動數據。

從圖3看，曲線轉折很多，說明課堂上師生互動的教學行為比較多；從每段的數據來看，有六段學生活動明顯且數據線比較長，說明課堂上有六個比較大的學生活動；從曲線走勢來看，偏向左邊，說明本節課設計的學生活動略多。

圖4的曲線轉折明顯減少，但是有三段教師的數據線比較長，特別是第三段，基本上占據兩格的位置。這說明本節課設計的目標可能過高，學生沒有能達到教師預期，出現了教師花較長時間講解的情況。

圖5的曲線有了明顯的變化，呈現45°走勢，說明師生互動比較合理。從開始的一條比較明顯的教師數據線來看，教師在上課伊始用了比較長的時間。從曲線的后面走向可以看出來本節課有一個大的學生活動。

通過分析課堂互動數據，我們可以診斷出課堂教學環節是否合理，是否符合教學設計。如果課堂教學與教學設計一致，但是數據中出現了明顯的偏離現象，教師就需要思考教學設計是否太難或太簡單，是否符合學生學習需求等問題。

（三）從課堂表現數據進行診斷

課堂表現曲線能夠反映課堂上學生的行為。當學生行為趨于一致時，曲線值比較高，反之則值比較低。從曲線時間來看，本節課教學時間為52分鐘，已經超時。從曲線走勢來看，在上課12分鐘時，表現曲線達到峰值75%（如圖6），說明學生的集體行為在這個時間點最一致。視頻回放顯示此時教師在板書，學生在看教師。在16分鐘時，曲線出現最低點26%（如圖7），視頻回放顯示此時有學生在回答問題。筆者從視頻里看到，在某位學生回答問題時，其他學生紀律松散，做小動作比較多，導致這個時間點全班學生行為離散，表現度值最低。

分析課堂表現數據，我們可以診斷出課堂教學內容和活動是否與大多數學生的能力匹配。如果引發學生思考的問題過難，就會出現少數學生在思考、多數學生無事可做的局面。因此，如果從課堂表現曲線中分析發現學生紀律松散，教師需要考慮原因是否在于教學設計不適合學情。

三、數據循證，反思改進

葉瀾教授曾說：一個教師寫一輩子教案不一定成為名師，如果寫三年反思，就可能成為名師。這句話充分揭示了教學反思在教師專業成長中的重要作用和意義。教師在撰寫教學反思時，可以結合分析不同的數據圖表診斷課堂問題，進而調整教學。

（一）曲線切片循證

任課教師可以觀看課堂教學視頻回放，結合教學設計找出教學環節的時間點，將課堂表現曲線按照時間點切片，標注學生活動，形成新的數據，以便后期調整教學。如圖8是統編版《義務教育教科書 語文 四年級 上冊》中的《扁鵲治病》一節課堂的表現曲線數據切片。按照該方法將課堂表現曲線圖切片后，教學環節、學生活動和課堂表現之間的關系就很清晰地表現出來。

2分40秒至4分30秒是課堂的導入新課環節。該環節的設計意圖是課堂引入。教師以提問和出示人物簡介的方式激發學生的興趣。

4分30秒至13分20秒是檢查預習、概括文意環節。該環節的設計主要是檢查學生課前預習情況。教師檢查學生朗讀生字詞的情況，發現易讀錯的字“侯”和“髓”，讓其他學生正音，最后齊讀詞語。

13分20秒至28分30秒是精讀課文、理解人物環節。該環節的設計意圖是通過自讀課文、齊讀課文、分角色朗讀課文等多種方式的朗讀，讓學生學習用描寫人物的語言動作來表現人物的性格特點。

28分30秒至34分58秒是理論寓意、拓展延伸環節。該環節的設計意圖主要是以一張病歷表格這種直觀的形式幫助學生發現每次看病的時間、部位、治療建議和患者態度的不同，讓學生更好地找到規律。

綜觀本次智能研修課，教學各環節時間分配比較合理，學生各種形式的閱讀活動不少，但是思考感悟和互動的時間略短。教師課堂上講授時間略長，語言還要再精練一些。

（二）數據閾值循證

骨干教師能夠利用直觀數據診斷課堂問題，并結合教學設計及課堂實踐進行教學反思，進而有意識地調整課堂教學內容結構、預設問題乃至教學環節。由于教學內容重組，每次實踐均可能引發課堂數據比較大的變動。以蘇教版《義務教育教科書 數學 六年級 上冊》中“按比例分配的實際問題”的課堂教學為例，教師先后兩次在前一節課堂數據分析和反思的基礎上進行了教學調整（課堂數據及其變化如圖9）。

1.從模型數據循證

第一堂課教學結束后，該骨干教師有如下反思。

筆者發現本堂課的教學模式是對話型，教師的行為占有率為36.00％，學生行為占有64.00％。智能研修平臺將教學模式分為練習型、講授型、對話型和混合型。通過閱讀報告并結合教學感受，筆者發現自己對課型的定位不夠準確。在一節新授課上，如果教師引發思考的點過少，只限教師問學生答的形式，調動思維活躍的形式就會過于單薄，從而導致學生呈現“吃不飽”的狀態。筆者應該將這節課教學定位成什么模式比較合適呢？是不是師生的教學行為占有率越接近，課堂的氛圍越好，教學效率越高呢？

2.從曲線數據循證

分析第一次教學后的S-T數據，教師在研修時進行了反思：第一次試教時，原教學設計中的學習路線存在問題，采用生生互動的方式教學并未達到預期效果，導致學生探究時間過長、次數過多。（與前期直觀看圖3的師生互動數據得到的推測一致。）

結合以上反思，教師第二次教學調整了內容的知識結構，研修時再次進行了反思：將“已知一個量求另一個量”和“已知差量求每份是多少”這兩個類型放在新知教學后，從教學結構上來說它是完整的，但教學時卻發現教學設計過難，只能依靠教師不斷啟發、提醒，導致教師行為過多。（與圖4的推測接近。）

于是教師繼續調整教學設計，增加了生生互動以及學生演示的環節，用活動突破難點，完成了第三次教學并形成了新的教學反思：在第三次試教中將已知總量、已知部分量及相差量這三種類型分別呈現，過程中增加了生生互說以及一生到臺前演說，根據自己的理解去思考去發現總結方法。學生發現：和的量除以份數和等于單位“1”，已知一個量除以對應的份數等于單位“1”，已知差的量除以份數差等于單位“1”，它們都要先求出單位“1”是多少。這樣，學生便突破了難點。

四、研究體會，期待蛻變

在一學期的數據監測過程中，筆者發現青年教師雖然使用了平臺，但是并未有效利用平臺數據。雖然從研修數據上看，他們的教學行為也在發生變化，但是從聽課團隊的評價來看，教學效果并不理想。教師反思：教學中沒有在學科與技術、教研與技術方面的融合應用及有效使用上進行深度思考，導致找不準問題，提升效果不佳。

經常開展數字化教學的教師能夠對照錄制的課例，使用量化工具尋找課堂改進的“證據”，但從反思情況來看，數據挖掘不深，對于課堂問題研究不夠，教學曲線波動不大，缺少設計。

骨干教師能夠看懂數據量表，會根據自己教學經驗進行教學調整，并配合課堂數據驗證自己的教學。

不管哪類教師，在智能研修技術的幫助下，他們或多或少都有所發展，也符合研究的初衷。筆者期待所有教師在課堂教學中蛻變，成為美麗的蝴蝶。

五、結語

不管什么學科，每節課前教師都要精心將教學內容和目標整合到教學活動中，引導學生學會思考、學會提問，充分調動學生的主觀能動性，讓學生成為課堂真正的主人。從教師的研修過程來看，利用智能平臺進行教師循證課例研究的路徑已經基本形成，這種課例研修方式可以在校內推廣。智能研修平臺能實時對教學活動、教學行為等進行精準觀察，其終端生成的課例分析報告能有效地反映教學預設、教學生成的質量與效果。人工智能和大數據技術支持下的課例“循證”，既解決了傳統課例研究中“證據”不足或需要加工的問題，又將教師的教學和教研結合起來，將課例中原始信息轉變和融合為對教研有用的數據，對精準提升教師的教學具有積極意義。

參考文獻

[1] 陳向明.教育改革中“課例研究”的方法論探討[J].基礎教育， 2011（2）：71-77.

[2] 王陸，鄭志生，張敏霞，等.大數據賦能循證課例研究中的知識治理[J].電化教育研究，2021（12）：5-12.

[3] 李陽，曾祥翊.人工智能賦能教研高質量發展：智能精準教研的理論框架、實踐藍圖與發展脈絡[J].中國電化教育，2022（11）：99-107.

（作者系江蘇省淮安市淮陰師范學院第一附屬小學教師）

責任編輯：祝元志