






摘 要:同步課堂在實現優質資源共享、推進教育公平中發揮著重要作用,智能技術在一定程度上可以推動同步課堂的優化發展。基于此,本研究以智慧環境下的同步課堂為研究課例,采用滯后序列分析法(LSA)對課堂教學行為進行分析,并構建其教學行為事理圖譜。結果表明,智慧環境下的同步課堂活動是以學生為主、技術輔助于教學、師生遠程協同合作的教學活動,調動學生自主學習是發展其深度學習能力的重要途徑,教師的教學行為可以影響學生的學習效果,減少無效沉寂行為發生的關鍵在于設問之后是否給予學生充分的思考時間。
關鍵詞:智慧環境;同步課堂;課堂教學行為;事理圖譜;滯后序列分析
中圖分類號:G434 文獻標志碼:A 文章編號:2096-0062(2024)03-0062-09
一、問題提出
在教育數字化轉型浪潮中,同步課堂對于促進教育均衡發展、加快實現教育質量提升發揮著重要作用,各地在具體應用中形成了較為豐富的實踐模式。關于同步課堂,學者從教學模式、應用實踐、價值意義等方面開展了較充分的研究,但在實踐過程中仍存在一些問題。教師的教學行為是教學智慧的外顯表達,課堂教學行為對教學效果產生直接的影響并決定著教學的效率與質量[1]。因此,深入探究同步課堂中的教師教學行為關系,厘清顯著行為的形成原因,解析潛在行為的規律是十分必要的。
將每個課堂教學行為視為獨立事件,通過構建事理圖譜厘清事件間的因果關系,就可以有效解釋事件演變的內在邏輯,從而做出科學的有效解答。本研究基于滯后序列分析法構建智慧環境下同步課堂中教學行為事理圖譜,分析探索教學行為關系結構,提出相應的策略建議,以期為同步課堂教學行為研究提供新視角,進而為高質量開展同步課堂教學提供參考借鑒。
二、文獻回顧
(一)教學行為分析
教學行為是教師的教學智慧外顯化的過程,包括教師教的行為和學生學的行為。在本研究中,教學行為是由教師作為行為主體,通過教學過程中體現的隱性與顯性行為的總和。國內外已有許多關于課堂教學行為的分析研究,通過對課堂行為的結構和特點進行深入分析,可以精準發現課堂問題并提出改進意見[2]。在課堂環境下的教學行為研究中,常見課堂環境包括傳統課堂、信息化課堂、數據驅動智慧課堂,課堂教學行為分析往往基于量表、指標等工具載體開展研究。量表與指標的構建也隨著信息化程度的提高不斷演化,比如S-T、FLAS、ITIAS、VATBAS等,具體見圖1。
(二)滯后序列分析法與事理圖譜
1.滯后序列分析法
滯后序列分析法(Lag Sequential Analysis,簡稱LSA),主要用于檢驗被試發生一種行為之后,另外一種行為出現的概率及其是否存在統計意義上的顯著性。LSA可以解構復雜課堂中行為序列的相互指向關系,并探索出相應的教學行為模式,幫助研究者和教學者準確把握學習者潛在的行為模式。
2.事理圖譜
事理圖譜(Event Logic Graph, 簡稱ELG)可以清晰表現事件之間的因果、順承、演變關系。在教學行為分析中,研究者通過分析教學行為的關鍵事件或關鍵行為的演變關系,總結課堂教學行為的規律與模式,挖掘教師教學過程中的潛在行為,并將其用事理圖譜的拓撲結構加以表示。2017年,蘇明等[3]提出“事理圖譜”這一概念,并將其定義為一個有向循環圖,其中的“節點”代表事件,“邊”代表事件之間的順序關系、因果關系、條件關系或上下位關系,以期揭示事件之間的演化規律和發展模式,并在出行領域和金融領域的事理圖譜構建中進行了開拓性實踐。如張海等[4]首次將事理圖譜引入教學行為分析領域,并提出構建智慧課堂教學行為事理圖譜的方法。
基于此,本研究從同步課堂的現實問題出發,采用滯后序列分析法,探究智慧環境下同步課堂的教學行為,對課堂中的顯著教學行為與潛在教學行為進行分析,采用拓撲結構構建課堂教學行為結構事理圖譜,挖掘教學行為背后隱含的行為模式。
三、研究設計與實施
(一)研究樣本的選取
本研究選取了某省“智慧環境下同步課堂示范課”作為研究樣本。為了定義清晰,將A學校七年級定義為主講中心學校,B學校六年級定義為助講學校1,A學校六年級定義為助講學校2,并且每個學校都配有智慧教學平臺,以及教師一名和學生若干名。在研究樣本中,剪輯、刪除與課堂教學無關的片段因素后,獲得40分鐘的課堂實例作為最終的研究樣本。
(二)編碼體系的構建
在進行滯后序列分析之前,需要構建課堂觀察行為編碼體系。本研究依據智慧教室環境下中小學數學教師信息化教學行為編碼表和師生課堂行為編碼,并結合智慧環境下同步課堂的特點,將維度確定為教師行為、學生行為、校際師師行為、校際師生行為、沉寂5個一級指標。以此為基礎,本研究構建了智慧環境下同步課堂教學行為編碼體系(見表1)。為了便于研究,本研究將設置的5個一級指標依據不同的行為所屬分類細化為23個具體行為二級指標。每種行為具有唯一的字符編碼,并附有對該行為的詳細描述。
(三)行為編碼與檢驗
本研究依據智慧環境下同步課堂教學行為編碼體系,將經過剔除無關課堂內容的研究課例,按照每3秒為1個行為區間的頻次,采用多模態行為標注工具Elan將一節40分鐘的課堂實例進行不間斷順序分割,獲得800個行為序列。為了提高數據的信度,本研究采用兩位編碼人員對研究課例同時編碼。兩位編碼人員在觀看研究課例之前,先對編碼體系進行充分溝通,以減少認知差異,保證編碼的一致性。在正式編碼的過程中,兩位編碼人員不再相互溝通討論,按照時間順序對800個行為序列進行主要行為相應編碼,每個行為區間只有唯一的行為編碼。為確保數據的信度,本研究采用統計分析工具SPSS,將兩位編碼人員形成的編碼序列進行一致性檢驗。檢驗數據結果顯示Kappa值為0.765>0.75,則表示兩份編碼序列一致性較好,可以用于開展研究。
本研究使用Elan標注工具對該視頻的800個行為序列進行分析,得出同步課堂教學行為的頻率分布;再進一步對3位老師各自教學環節的課堂行為序列進行分析、整合,最終得到同步課堂教學行為頻率表(見表2)。
(四)事理圖譜的構建
本研究將經過一致性檢驗的行為編碼序列進行滯后序列分析,利用Bakeman(巴克曼)和Quera(克雷拉)開發的交互行為分析工具Generalized Sequential Querier(簡稱GSEQ)對行為序列進行分析,探索智慧環境下同步課堂中潛在的教學行為模式,并構建同步課堂教學行為事理圖譜。
將行為編碼序列導入GSEQ工具,生成行為序列轉換頻次表,行為序列轉換頻次表中的每行數據表示為起始狀態行為,每列數據表示為起始狀態后伴隨的行為,行列相交的數據則表示為,起始狀態行為發生后隨機發生伴隨行為的頻次。頻次越高則代表該行為的發生次數越多,總共生成了813條序列關系。對頻次表進行標準分數轉化,得到調整后的殘差值表,殘差值表中的數據常用Z表示殘差值,若Z>1.96,則表示該行為序列在統計意義上具有顯著水平。基于此,殘差值表共形成了30種顯著行為序列。
本研究依據殘差值表,篩選出具有顯著性的行為序列后,構建出智慧環境下同步課堂教學行為事理圖譜,具體見圖2。該事理圖譜的各項子階段意為課堂中的所有教學行為,箭頭方向代表行為序列轉變的指向,線段上的數值越大,則行為序列越顯著。
四、數據分析
(一)師生行為比率分析
1.師生行為整體性分析
依據表2課堂教學行為頻率分布,分析得出課堂行為比率統計表(見下頁表3)。在整個課堂行為比率中,教師行為(教師言語與技術行為比率之和)和學生行為(學生言語與技術行為比率之和)總占比分別為37.5%和45.9%,師生行為比率約為4∶5,表明這堂課中教師在組織教學活動時,更多的是以學生活動為主, 充分體現了學生主體性的發揮。其中,學生技術行為占比較高,達到34%,說明教師更加注重讓學生在學習中運用智能技術手段,體會數字化學習過程,以提升數字素養。
2.師生言語行為分析
課堂言語行為中,教師主要以提問、指示、反饋與評價等進行師生交流。教師的指示行為占比較高,為9.2%,課堂中的許多教學行為都是由教師的引導和指令引出,以此來推動課堂進程;此外,教師提問、反饋與評價行為占比相當,分別為4.9%和5.2%,表明教師在對學生提問后,會進行及時的評價和反饋。從學生言語行為比率可以發現,學生主動回答的頻率較高,為8.7%,教師提出問題之后,可以觀測到有較多學生積極參與課堂,并主動提出自己的想法,這說明學生參與課堂的積極性較高。
3.師生技術行為分析
在課堂技術行為中,從比率來看,教師的技術行為主要體現在課堂講授、組織與管理、展示、總結等,以上教學活動都是通過智能技術進行的。學生自主學習、作品創作以及作品演示與講解等學習活動,也都需要依托平板、電子教材等智能媒體進行,可見智慧環境對整個課堂的重要支持作用。此外,校際師師行為與師生行為的占比分別為2.6%和8.4%。在同步課堂中,為保證不同學校學生的課堂參與度,主講教師需要積極與本校以外的師生進行互動。
(二)教學行為對比分析
1. 教師授課方式的多樣性分析
教師的授課行為包括語言行為和技術行為。研究發現,3位教師共同研討模式下的課堂,仍采取以主講教師為主導、助講教師為輔的課堂教學模式;在各自的教學環節中,主講教師的行為方式比較全面,而兩位助講教師的行為方式相對較少。通過表2可知,3位老師的語言行為和技術行為比率約為3∶2、 2∶1和6∶1,由此可見,主講教師的兩種行為分布相對均衡,兩位助講教師的語言行為明顯高于技術行為,表明主講教師注重語言與技術的結合,助講教師更注重用語言表達來推動課堂。
3位教師在言語方面都是通過提問和指示來進行授課并且占比相對較高,其中,提問占比分別是2.2%、1.1%、1.4%,指示占比分別為4. 7%、1.6%、1.5%。在教師技術行為中,主講教師的行為方式以課堂講授為主,以展示、總結、課堂學習與分析等教學行為為輔;助講教師A更多的是通過課堂展示來進行授課,以組織與管理作為輔助;助講教師B主要通過課堂展示來促進課堂活動。
2. 學生學習方式的差異性分析
學生的學習行為同樣包括言語行為和技術行為。主講教師和助講教師A都注重學生的技術學習,但助講教師B更注重學生的言語表達。在各自的教學環節中,主講教師、助講教師A的學生技術行為(11.2%、3.6%)高于語言行為(8.2%、0.7%),而助講教師B的學生語言行為(2.8%)高于技術行為(1.4%)。
在學生語言行為中,學生的積極性和參與度都比較高,學生主動回答占比大于學生被動回答。在學生技術行為中,主講老師側重于學生通過平板等智能媒體進行自主學習和學生的演示與講解相結合;助講教師A的課堂中,除學生自主學習以外,學生創作作品的占比較高,表明該教師更注重學生的作品創新能力;而助講教師B主要組織學生利用信息技術自主學習。
3. 校際互動方式的協作化分析
校際互動是指3個學校之間的互動交流。在本研究中,主講教師在完成課程內容的主要講解的同時,還需要協同3個學校的師生共同完成這堂課,而兩位助講教師的主要任務是協助主講教師組織好課堂教學。主講教師在組織課堂時,會與另外兩個學校的教師與學生進行互動,主要體現在溝通教學進度、協作交流、校際表揚鼓勵、校際師生互動,以此來保證另外兩個學校師生的參與度;而兩位助講教師在授課時,幾乎沒有與另外兩個學校的師生進行互動。
(三)智慧環境下同步課堂教學行為事理圖譜分析
本研究構建的事理圖譜為樹狀拓撲結構,該結構可以表現事件間的因果、條件或者上下位關系。通過探究圖2事理圖譜中的教學行為序列中的關系,按照顯著情況和行為特征的不同,將其解構后得到一系列子事理圖譜,并結合課例實際,發現以下教學行為特征模式。
1.教師教學層面:情感講授、總結展示是教師傳授新知采取的首要策略
教師常使用正向情感作為支架,輔助講解行為,完成知識的傳授,并使用智能技術進行總結與展示。教師的情感表達可以促進學生的認知發展,提高教學效果[5]。Robert Mills Gagne(羅伯特·米爾斯·加涅)的學習結果分類理論也表明,教師使用不同的講授形式會給學生呈現出不同的學習結果,從而發展學生不同的智慧技能。
本研究的教師教學行為子事理圖譜(具體見圖3)顯示,學生在回答問題之后,教師會采用情感表達(TL3)的形式對其進行表揚鼓勵,之后會傾向于直接進入新知講解(TE1)教學環節(TL3→TE1,Z=4.37;TE1,Z=23.03)。回顧課例分析發現,新知講解會被拆分為若干部分,分散于不同的教學環節之中,各環節被不同的教學策略貫穿成一堂完整的課堂,教師以情感表達充當腳手架,縮短學生舊知與新知的認知距離,通過鼓勵和表揚讓學生得到教師的認同,從而激發學生的學習主動性,促使學生更好地完成新知的內化。課堂組織與管理(TE2)、課堂展示(TE3)和課堂總結(TE4)是教師在智慧教學環境中對技術使用情況的高度展現形式。課堂總結在課堂應用中時間較長,且較為顯著(TE4,Z=25.94)。教師會利用智能媒體技術對其中的知識點進行總結并凝練核心要點,使學生對新知進行二次吸收。教師在使用智能技術對課堂進行組織與管理之后的教學行為更傾向于進行課堂展示,并且課堂展示的行為較為顯著(TE2→TE3,Z=2.83;TE3,Z=23.6),說明教師經常使用智能技術進行教學管理。
2.學生學習層面:自主創作、表達交流是培養學生高階能力的有效途徑
教師應該引導學生根據課程內容進行自主創作學習,并在交流展示環節中給予充分的肯定與反饋評價,這可以有效培養學生的高階能力。高階能力培養的有效途徑是將教學內容與教學方式進行有機融合,讓學習者在學習活動中養成高階能力。
本研究的學生學習行為子事理圖譜(具體見下頁圖4)顯示,智慧環境支持的自主學習(SE1)、創作作品(SE3)、演示與講解(SE4)持續時間較長,顯著性較強(SE1,Z=25.5;SE3,Z=27.1;SE4,Z=26.19)。這表明學生處在一個知識創生的高階能力學習階段,這個階段是以學生為主體的,充分發揮學生自主創作能力,是讓學生對知識進行處理加工,進而完成作品,達到交流展示的目的。回顧課例分析發現,主講教師在課程導入階段,會讓校際間的學生進行自主學習,并匯報學習體會。主講教師在發布任務后,會通過提問或指示的形式,讓校際間的學生根據學習體會創作語句,并在智慧平板上創作作品,交流分享自己的思考過程。但是,教師為了加快教學進度,往往會指定學優生進行作品交流,無法顧及大多數學生,這無疑降低了其他學生的課堂參與度。這對于同步課堂而言,是一個亟須解決的問題[6]。以學生的主動回答(SL2)為起點,會面臨兩種行為情況,分別是教師的言語反饋評價(TL2)和教師的言語情感表達(TL3)。通過顯著性分析(SL2→TL2,Z=4.67;SL2→TL3,Z=3.56)可以得出,相比于情感表達,教師對于學生的主動回答更傾向采用反饋與評價的言語策略,這樣可以進一步提煉學生回答的內容,讓學生認識到自己回答內容的優點與不足。言語情感表達可以提升學生的學習成就感,并在一定程度上促進學生將知識內化,但在高階能力的培養上,相對于言語情感表達,反饋評價可以直擊問題本身,促進高階能力快速獲得。
3.校際互動層面:溝通協作、鼓勵糾正是異地師生有效互動的交流方式
校際之間產生良性互動的關鍵在于師生、師師之間進行充分的溝通與協作,教師可以通過表揚鼓勵、批評糾正等教學行為與異地學生加強聯系,以提升異地學生的課堂真實參與感。
校際之間的師師互動(DTT1、DTT2)和師生互動(DTS1、DTS2、DTS3)具有較高的顯著性(DTT1,Z=17.7;DTT2,Z=10.67;DTS1,Z=18.14;DTS2,Z=22.76;DTS3,Z=19.61),表明本課例的同步課堂教學具有較好的互動性。在課堂節奏方面,主講教師可以很好地與助講教師進行溝通交流,保證同步課堂的順利進行。在課堂氛圍方面,主講教師能夠采用表揚鼓勵、批評糾正、設問回答、肢體表達等方式和校際間的學生進行互動,同步課堂整體氣氛較為活躍,抵消了一部分由機器和時空所引發的教學交互離身。回顧課例分析后發現,在異地時空的教學行為中,教師對學生的不足進行指導,并利用智能技術進行分析的行為較為顯著(DTS2→TE5,Z=3.02)。校際間的學生完成主講教師設置的任務后,主講教師會針對學生的作品進行點評,并使用智能技術對學生的學習情況進行分析,給予個別化的指導。主講教師采用互動方式來把握同步課堂的教學節奏,但師生之間的互動往往只存在于主講教師與學生之間,助講教師很少有機會與學生進行互動,這樣課堂就變成了主講教師的“課堂獨角戲”,助講教師失去了教學主導權[7],導致教師間話語權不均衡。這也是同步課堂亟須解決的問題。
4.沉寂發生層面:提問后立即回答是阻礙課堂有效沉寂產生的關鍵因素
思考等反思活動是有效沉寂行為,可以幫助學生發展深層思維。同步課堂產生有效沉寂行為的關鍵在于教師設問之后,留給學生充分的思考時間。
沉寂包含有效沉寂(Q1)和無效沉寂(Q2),且兩者都具有較高的顯著性(Q1,Z=17.36;Q2,Z=14.59)。教師對學生進行提問之后,會伴隨有效沉寂的發生,即(TL1→Q1,Z=3.05)。但是,如果教師對學生提問后,馬上指示學生進行回答,學生將會陷入無效沉寂之中,即(TL1→TL4→Q2。TL1→TL4→Z=2.97;TL4→Q2,Z=2.52)。這說明發生有效沉寂的關鍵在于要留給學生充分的思考空間,讓學生在腦海中對問題進行深度加工。如果留給學生的思考時間不夠,馬上指示學生對問題進行回應,課堂就會陷入一種無序狀態,會使學生無法理解問題,產生一種無力感,阻礙良好課堂氛圍的形成,造成教學效率低下、回答處于淺層表述,無法訓練學生的高階思維。
五、研究結論與展望
(一)研究結論
本研究通過對同步課堂教學行為比率、教學行為對比及事理圖譜進行分析后,得出以下結論:
首先,智慧環境下同步課堂的教學模式表現為:以“引導—反饋—講解—指令—實踐”為主的循環往復的結構模式。該模式強調教學過程以學生為主,使用技術輔助教學,采用師生雙向遠程協同合作的課堂組織形式,師生行為比率相對均衡。
其次,根據行為頻率表得出,學生自主學習和創作作品的行為占據課堂大部分時間。這是發展學生深度學習能力的重要途徑,并且符合深度學習模式的一般過程。
最后,根據事理圖譜得出,講授和總結是教師使用頻次最高的教學行為,并且會伴隨情感鼓勵和總結展示等行為的發生。教師可以通過引導學生對知識的自主創新、提倡學生對創造作品進行交流分享,培養學生的高階能力。協作溝通交流仍是師生之間產生良性互動的重要方式。值得注意的是,教師在設問之后,要給學生留有充足的思考時間,以促進有效沉寂的產生,幫助學生進入深度學習。
(二)研究展望
首先,同步課堂可以借助智能技術縮小校際間的差距,以達到教育公平的最終目的。教師應學會將智能技術運用在教學的全過程中,包括教師的教、學生的學、學生的評價等環節。在“引導—反饋—講解—指令—實踐”的教學模式下,教師可以運用智能技術組織學生進行自主學習、創作作品、交流展示、個性化評價,讓學生體會教育教學數字化進程,潛移默化地培養學生的數字素養。
其次,應該關注同步課堂中主講學校教師與助講學校教師之間的互動,避免互動的天平傾倒向一方。一方面,要重視主講學校教師的優質教學資源;另一方面,要強調助講學校教師的教學技能。只有將兩者有機結合,才能構建良性的教學互動關系,產生積極的教學效果。
最后,本研究僅對智慧環境下的同步課堂進行實踐并提供參考建議,但是對于其他課型、其他技術環境下的課例中的顯著行為、教學模式是否會產生同質性結論,還需要進一步研究。
參考文獻
[1] 蔡寶來,車偉艷.國外教師課堂教學行為研究:熱點問題及未來趨向[J].課程.教材.教法,2008(12):82-87.
[2]林梓柔, 胡小勇. 精準教研:數據驅動提升教師教研效能[J]. 數字教育, 2019, 5 (6): 42-46.
[3]SUN M,TAO H X,ZHANG L. Research on a method of combat simulation creditability evaluation based on event logic analysis[C]. Proceedings of the 2012 ACM/IEEE/SCS 26th Workshop on Principles of Advanced and Distributed Simulation. IEEE Computer Society 1730 Massachusetts Ave NW Washington,Dcunited States,2012:181-183.
[4]張海,崔宇路,余露瑤,等.基于數據挖掘的智慧課堂教學行為事理圖譜研究[J].遠程教育雜志,2020,38(2):80-88.
[5]張意忠,謝昕琦.高校教師教學情感:意蘊價值、弱化表征與培育策略[J].江蘇高教,2021,(9):87-94.
[6]周曄,杜晗覓.同步課堂下鄉村教師角色危機、應然與重塑[J].電化教育研究,2022,43(5):115-121.
[7]常詠梅,張樂,李玥琪,等.同步直播課堂遠端教師助學策略研究[J].電化教育研究,2020,41(11):116-121,128.
(責任編輯 李強)
Research on LSA-Based Event Logic Graph of Synchronous Classroom Teaching Behavio
Lin Ming1, Du Xueting2, Xiong Dongchun2
(1. Academic Affairs Office, Hainan Normal University, Haikou, Hainan, China 571128
2. School of Computer and Information Engineering, Nanning Normal University, Nanning, Guangxi, China 530000)
Abstract: Synchronous classroom plays an important role in realizing quality resource sharing and promoting educational equity, and intelligent technology can promote the optimization of synchronous classroom to a certain extent. Based on this, this study takes the synchronous classroom under the intelligent environment as a research case, adopts Lag Sequential Analysis Method (LSA) to analyze the classroom teaching behaviors and constructs Event Logic Graph for its teaching behavior. The results of the study show that the synchronous classroom activities under the intelligent environment are student-oriented, technology-assisted teaching, and teacher-student remote collaborative teaching; mobilizing students’ independent learning is an important way to develop the ability of deep learning; teachers’ teaching behavior can affect students’ learning performance; and the key to reducing the occurrence of ineffective silence behavior lies in whether students are given sufficient time to think after asking questions.
Key words: Intelligent environment; Synchronous classroom; Classroom teaching behavior; Event Logic Graph; LSA