智慧教室環境下數學課堂互動教學雙編碼分析系統開發與行為模式挖掘

摘要：如何充分利用智慧教室環境中積淀的教育大數據驅動課堂互動教學高質量發展，已成為我國教育數字化轉型亟需解決的問題。對此，文章首先參考國內外課堂互動教學行為的量化分析成果，遵循媒體技術融合于課堂互動教學行為的理念，以5節具有高級智慧教室環境特征的數學優課為例，構建了智慧教室環境下數學課堂互動教學雙編碼分析系統，并采用肯德爾和諧系數驗證了其有效性。接著，文章將30節用于教學行為模式挖掘的數學優課作為研究樣本，采用S-T分析法，提煉出數學優課的混合型、對話型、講授型課堂教學模式。之后，文章對混合型、對話型數學優課的課堂互動教學進行矩陣分析，并采用滯后序列法對混合型、對話型數學優課的課堂互動教學行為模式進行挖掘。最后，文章整合基于教學行為大數據的靜態編碼頻次分析與動態前后關聯分析，提煉出智慧教室環境下數學課堂互動教學的典型特征與最新趨向。文章的研究旨在挖掘教學行為大數據的應用價值，循證賦能我國教育的高質量發展與數字化轉型。

關鍵詞：課堂互動教學；雙編碼分析；教學行為模式；智慧教室；數學優課

【中圖分類號】G40-057 【文獻標識碼】A 【論文編號】1009—8097（2024）03—0105—11 【DOI】10.3969/j.issn.1009-8097.2024.03.011

2021年3月，《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》全文播發，明確提出數字中國戰略[1]。教育作為重要的民生領域，以數字技術和數據要素雙輪驅動教育數字化轉型已成為建設數字中國的重要組成部分。作為智能技術賦能教育所創生的高互動學習空間[2]，智慧教室在新一輪教育信息化推進過程中被視為助力教育數字化轉型和高質量發展的重要抓手。依托智慧教室環境，教育部開展了“一師一優課，一課一名師”活動，積累了大量優秀的視頻課例[3]，然而視頻課例大數據的教育應用價值尚未充分挖掘。因此，如何利用智慧教室環境中沉淀下來的教育大數據驅動技術賦能課堂互動教學的高質量發展，已成為加速我國教育數字化轉型進程亟需解決的關鍵問題。

一 課堂互動教學行為相關研究

課堂互動教學行為的研究最早可追溯到20世紀60年代，國內外學者主要從社會學、量化分析兩個視角來展開相關研究：

①從社會學視角來看，國內外學者對師生互動分類與影響因素進行了大量研究，如Pianta[4]按照學生參與性及其對教師的依戀性，將師生互動劃分為依賴型、積極參與型、缺陷型、實用/普通型、暴躁/依賴型、冷漠型六類；常亞慧等[5]通過參與式觀察，探討了班級文化對課堂互動教學的影響；朱偉強等[6]通過問卷調查，研究了教學中人際關系與課堂互動的相關性。

②從量化分析視角來看，國外學者構建了多種編碼分析系統來量化課堂互動教學言語和非言語行為[7]，典型的有弗蘭德斯互動分析系統（Flanders Interaction Analysis System，FIAS）[8]、語言互動分類系統（The Verbal Interaction Category System，VICS）[9]、觀察與記錄表（The Observation Schedule and Record，OScAR）[10]、課堂社會組織分類系統（Social Organization Category System，SOCS）[11]等。其中，FIAS通過統計處理課堂互動教學行為的靜態編碼頻次分析研究教學行為，保證了互動教學行為研究的客觀性與科學性，在我國得到了廣泛應用。

隨著新興信息技術逐漸成為課堂互動教學中關鍵的技術支撐要素，原先的FIAS已無法適應數字化轉型背景下課堂互動教學行為量化分析的需求[12]，對此我國學者通過“一增兩細化”對FIAS進行了優化與升級：一方面增加“技術”作為與“教師言行”“學生言行”“沉寂”三結構要素相并列的新結構要素[13]，另一方面采取細化編碼的方式來豐富課堂互動教學行為編碼。然而，將編碼“技術”作為編碼分析系統新增的結構要素，不僅破壞了FIAS原有的互動分析矩陣結構，還割裂了技術與教育的關系，違背了信息技術與教育教學深度融合的理念[14]。因此，針對運用“技術”作為新結構要素的分析系統進行編碼時容易出現編碼交叉、歸類模糊等問題，有研究者采用信息技術融入課堂互動教學的編碼思路，構建出媒體技術融合于教學行為的課堂互動雙編碼通用分析框架，并提出該通用分析框架變式應用的思路[15]。

近年來，應用滯后序列分析課堂互動教學行為已成為一種新趨勢。無論是FIAS還是諸如ITIAS等改進后的課堂互動分析系統，都是對課堂互動教學行為頻次與百分比的統計分析，缺乏對課堂互動行為前后關聯的分析。而滯后序列分析法能以可視化的方式呈現課堂互動教學的顯著行為序列，從教學行為的動態前后關聯視角揭示課堂互動教學行為的特征與規律[16]。例如，宋宇等[17]采用滯后序列分析法，對處于不同層級的課堂互動教學行為進行了對比分析；詹澤慧等[18]采用滯后序列分析法，探究了智慧教室與傳統教室環境的師生互動行為差異；彭林華等[19]采用滯后系列分析法，研究了不同信息技術能力層級的教師課堂教學行為模式及其差異；張海等[20]將事理圖譜概念引入課堂教學，采用滯后序列法與社會網絡分析法，繪制了可描繪教師行為結構、信息技術應用特征、TPACK結構的智慧課堂事理圖譜。

綜上所述，國內外課堂互動教學行為的量化分析為本研究提供了良好的理論基礎和實踐借鑒，然而智慧教室環境下高度復雜多變的課堂互動教學迫切需要被重新審視。針對已有編碼系統的結構要素中將技術單獨列成一個新維度所導致的違背媒體技術與教育深度融合的基本理念、不能全面揭示不同學科或不同風格教師課堂互動教學行為模式的差異、課堂互動教學行為的研究視角單一等問題，本研究嘗試構建適用于數學學科的課堂互動教學雙編碼分析系統、挖掘相關的教學行為模式，并全方位揭示智慧教室環境下數學課堂互動教學的典型特征與最新趨向，以期為優化智慧教室環境下數學課堂互動教學、推進教育數字化轉型提供參考。

二 智慧教室環境下數學課堂互動教學雙編碼分析系統的構建及其有效性驗證

依托國家數字資源平臺“一師一優課，一課一名師”活動評選出的省部級獲獎優課資源[21]，本研究搜集了具有高級智慧教室環境特征的數學優課（此處的“高級智慧教室環境”是指具有“圓形”或可動態組合的空間布局，以投影、電子白板、PAD等多媒體工具呈現教學資源，能夠實現師生、生生、人機交互的“強交互型”智慧教室環境[22]），然后采用等距抽樣法，篩選出35節視音頻清晰的數學優課作為研究對象，再參照國外課堂互動分析系統的構建方法[23]，從這35節數學優課中選取5節用于雙編碼分析系統構建、30節用于教學行為模式挖掘。

1 分析系統構建

為了確保所構建的數學課堂互動雙編碼分析系統的科學性、有效性，本研究成立了由1名教師與2名碩士研究生組成的編碼開發小組。開發小組遵循媒體技術融合于教學行為的課堂互動雙編碼通用分析框架的設計思路[24]，反復觀看5節數學優課以挖掘其中常見的課堂互動教學行為，同時參照經典FIAS的基本框架[25]，保留經典FIAS的10個一級編碼，再對這10個一級編碼進行細化，在力求充分展現智慧教室環境下數學課堂互動教學特征的同時，盡量簡化二級編碼的設置，以避免過細的編碼設計帶來沉重的研究負擔。在此基礎上，教師結合對相關文獻的閱讀與分析，初步開發出數學雙編碼分析系統，并將此系統應用到優秀數學課例的試編碼過程中。之后，開發小組圍繞試編碼過程中遇到的各類問題展開討論，并根據討論結果完善數學雙編碼分析系統中一級編碼與二級編碼的內涵，優化二級編碼的設置。

經過三輪不斷迭代的理論與實踐相互印證，同時參考國內外課堂互動教學行為的量化分析成果，本研究構建了由10個一級編碼和21個二級編碼構成的智慧教室環境下數學課堂互動教學雙編碼分析系統（Smart Classroom-Based Math Interaction Analysis System，SCMIAS），如表1所示。在采用SCMIAS進行滯后序列分析時，為清晰地呈現數學智慧課堂互動教學行為模式、更直觀地揭示數學課堂互動教學行為特征與規律，本研究將二級編碼中的“1”“2”“3”編碼合并成一類編碼，以“FK”表示。

2 有效性驗證

為驗證SCMIAS的科學性與有效性，本研究成立了由3名教育技術學碩士研究生組成的研究小組并對他們進行編碼培訓，之后由3名研究小組成員分別進行獨立編碼，最后比較他們對5節數學優課編碼的內在一致性。借鑒國內外學者針對編碼分析系統有效性的驗證經驗[26]，本研究采用肯德爾和諧系數（W）評估SCMIAS的有效性。W是衡量多個等級變量相關程度的參數，當顯著性p＜0.05時，說明W達到顯著水平，即3名編碼者對該編碼的判斷具有顯著的一致性；W值越大，表明該編碼的內在一致性程度越高。

有效性驗證的具體過程如下：首先，借助iFIAS輔助分析工具[27]，分別獲得5節數學優課的互動分析矩陣；然后，依據分析矩陣中各編碼所占總編碼數的百分比，在SPSS 24中進行肯德爾和諧系數驗證，結果如表2所示。其中，編碼者A、B、C所在列的數據分別呈現了3名編碼者對5節數學優課的21類二級編碼占總編碼百分比的平均值，“W分”為21類二級編碼各自的肯德爾和諧系數，而“W總”為整個編碼系統的肯德爾和諧系數。

表2顯示，3名編碼者對5節數學優課編碼的W總值達到0.98且在0.01水平上顯著，表明雙編碼分析系統在整體上是客觀有效的；除5節數學優課沒有出現編碼?的行為外，有15類編碼的W分值在0.05水平上顯著且均在0.8以上，只有5類編碼的W分值不具有顯著意義，表明3名編碼者對5節數學優課的編碼結果高度一致且客觀有效。由此可見，無論是整體分析框架還是二級編碼的細化設置都顯示出SCMIAS具有較高的科學性與有效性。

三 智慧教室環境下數學課堂互動教學行為模式的挖掘

本研究將用于教學行為模式挖掘的30節數學優課作為研究樣本，首先采用S-T分析法，梳理出30節數學優課的課堂教學模式；之后根據對課堂教學模式的歸類，依據SCMIAS對不同類型教學模式的數學優課進行編碼，形成互動分析矩陣；最后采用滯后序列分析法，進一步挖掘出不同課堂教學模式下的數學課堂互動教學行為模式。

1 基于S-T分析法的數學優課課堂教學模式分析與歸類

研究小組以30秒為間隔，對30節數學優課進行S-T獨立編碼，分別得到每節優課中教師T、學生S的行為頻次，之后根據每節優課的編碼分別計算對應的教師行為占有率Rt值和師生行為轉換率Ch值。Rt與Ch值是S-T分析法的兩個重要指標，可按照一定的劃分標準將課堂教學模式分為以下四種：當Rt≤0.3時，課堂教學模式為練習型；當Rt≥0.7時，課堂教學模式為講授型；當0.3≤t≤0.7且Ch≥0.4時，課堂教學模式為對話型；當0.3≤t≤0.7且Ch≤0.4時，課堂教學模式為混合型[28]。按照此劃分標準，本研究依據每節數學優課的Rt值與Ch值來判斷其課堂教學模式，結果顯示：30節優課中有24節屬于混合型，說明混合型是智慧教室環境下主流的課堂教學模式，此種模式中師生活動比例相當但師生交互程度較低；僅有5節屬于對話型，此種模式中師生活動比例相當且師生交互程度較高；僅有1節優課屬于講授型。由此可見，師生交互程度有待進一步提升。考慮到講授型課堂的樣本僅有1節，難以揭示出數學課堂的共性特征，因此接下來的研究將以課堂教學模式為混合型、對話型的數學優課為研究對象。

2 基于SCMIAS的數學優課課堂互動教學的矩陣分析

依托智慧教室環境下數學課堂互動教學雙編碼分析系統（SCMIAS），研究小組進一步以3秒為采樣間隔，對課堂教學模式為混合型、對話型的29節數學優課進行獨立編碼，之后借助方海光等[29]開發的iFIAS輔助分析工具，形成10個一級編碼的互動分析矩陣：若（4-4）、（4-8）、（8-4）、（8-8）四個單元格組成閉環，則該課堂為“講授-訓練”型；若（3-3）、（3-9）、（9-3）、（9-9）四個單元格組成閉環，則該課堂為“創新-探究”型，由此形成了兩種不同教學信息流的課堂互動典型教學模式。其中，“講授-訓練”型課堂的教學信息流由“教師提問→學生回答→教師再提問……”等環節構成，而“創新-探究”型課堂的教學信息流由“教師接受學生的觀點，并以此發展課程教學→學生主動發表自己的觀點→教師再次接受學生的觀點……”等環節構成[30]。通過對混合型、對話型優課的互動分析矩陣進行分析，可以發現：24節混合型優課中有14節為“講授-訓練”型、10節為“創新-探究”型，5節對話型優課全部為“創新-探究”型。可見，對話型優課教師的角色已轉變為學生學習過程的引導者與幫助者，彰顯了智慧教室環境下對話型數學課堂互動的多樣性、反饋的及時性和教學的啟發性。此外，數學課堂互動分析矩陣中一級編碼、二級編碼、結構要素的頻次與百分比等量化統計結果，有助于分析不同教學模式下數學優課的典型特征與最新趨向。

3 基于滯后序列分析法的數學優課課堂互動教學行為模式挖掘

為更好地體現行為與行為之間的關系，研究小組基于上文以3秒為采樣間隔所獲得的編碼，進一步篩選出間隔12秒的編碼，并應用GSEQ 5.1軟件對29節數學優課的教學行為大數據進行處理，得到混合型、對話型數學優課的行為頻次轉換表及其對應的調整后的殘差表（Z-score）。當Z-score值＞1.96時，說明該行為序列具有顯著意義。據此，本研究篩選出Z-score值＞1.96的行為序列，之后借助Microsoft Visio 2021繪圖工具繪制出混合型、對話型數學優課的課堂互動教學行為模式，分別如圖1、圖2所示。其中，每個節點都代表相應的教學行為，節點與節點之間連線的粗細和連線上的數字代表顯著性大小，箭頭指向代表行為的轉換方向。

四 智慧教室環境下數學課堂互動教學的典型特征與最新趨向

基于教學行為大數據的靜態編碼頻次分析有助于呈現顯性的課堂互動教學全貌與細節，而動態前后關聯分析有助于揭示隱性的課堂互動行為規律。SCMIAS雙編碼分析系統能夠同時支持教學行為靜態編碼頻次和動態前后關聯的雙重分析，這保障了課堂互動教學行為大數據分析結果的準確性和有效性；同時，兩種分析視角相互印證、互為補充，有利于全方位地剖析智慧教室環境下的數學課堂互動教學，并提煉出智慧教室環境下數學優課課堂互動教學的典型特征與最新趨向，從而充分利用智慧教室環境中積淀的教育大數據驅動課堂互動教學的高質量發展。

1 典型特征

（1）課堂互動教學形成了以IRF為基礎的復雜嵌套式互動閉環

IRF為特定存在于師生互動中的對話結構[31]，即啟動（Initiation）-回應（Response）-反饋（Feedback）。IRF是衡量課堂互動有效性的重要標準，而隨著對IRF研究的深入，可以發現：單一三元結構（I-R-F）對于學生知識建構的作用有限[32]，課堂中能有效實現學生高級別推理的互動結構表現出以IRF為基礎形成的IRF/F、IRF/R、IR[IR（IR）]F、IRF/RF等結構變式的特征[33]。圖1中的序列TW-ZBD-FK-ZBD-TW、TW-BYD-FK-TW、TW-CS-BYD-FK-ZBD-TW、TW-CS- ZBD-TW、TW-BYD-JS-FK-TW和圖2中的序列TW-ZBD-FK-ZBD-TW、ZBD-FK-XTW-FK-ZBD、ZBD-FK-XTW-ZBD表明，混合型、對話型兩種教學模式的行為序列都形成了IRF的互動閉環，且各互動閉環之間相互銜接、互有重疊，形成了更為復雜和嵌套的互動閉環，表現出IRF結構變式的特征。這表明智慧教室環境下數學教師作為師生互動話題的“設計師”，具有高水平的提問與反饋能力，具體體現在發起話題時更傾向于使用引導式提問，即通過提問的方式將對話情節與之前的知識關聯，在保障師生對話的連續性與發展性方面起到“腳手架”作用[34]；在反饋時能夠摒棄事先準備好的“萬能”反饋，對于學生的回答并不只是單純地評判正確與否，而是對學生回答的內容進行梳理歸納，并在此基礎上進行延伸、追問，這樣的反饋又稱為“思維啟動器”（Thinking Devices）或“后續探索的發動機”（Generators of Meaning）[35]。

（2）智慧教室環境向數學課堂互動教學提供支持與服務功能

在智慧教室環境下，信息技術已成為數學課堂的重要教學要素，能夠顯著賦能教師的教與學生的學。從數學課堂的教學要素構成來看，技術支持的教學活動已成為課堂的重要組成部分，通過計算各編碼的頻次所占比率，可以得到混合型、對話型數學優課的課堂結構：基于技術的混合型、對話型數學課堂教學活動分別占43.92%、38.37%，兩者共占課堂教學的1/3以上。從技術賦能的主體來看，信息技術能夠充分支持教師的教與學生的學：一方面，教師能夠發揮信息技術對教學的支持作用，如教師行為中的JJS、JZJ、JSF等都具有較高的顯著性，說明教師在教學中能夠持續使用信息技術優化教學。由圖1、圖2中的序列ZG-WJC-JYS可知，教師會組織學生借助信息技術展示自己或小組的練習成果、就某一命題或圍繞某一主題進行演示，表達自己的觀點和想法。由圖1中的序列FK-JJS可知，教師對學生的表現進行反饋后，會有意識地利用智慧教室環境的多種教學媒體進行講授，或以微課、微視頻的形式代替講授。可見，智慧教室環境中的教師具備一定的數字化教學能力，能夠科學合理地創設、整合數字資源，并借助信息技術手段充分呈現課程內容。另一方面，學生能夠借助信息技術開展自主學習、創作作品等實踐活動，如圖1中的序列ZG-WJC-JYS-XTW、ZG-LX-TJZ-JZJ-TW、JLX-JLX和圖2中的序列ZG-JLX、WJC-JYS、LX-TJZ表明，學生能夠充分利用智慧教室環境中的媒體技術開展學習活動或創作作品，也能夠通過媒體工具主動展示自己的作業與成果。總之，伴隨智慧教室環境賦能課堂互動教學，教師的信息技術應用能力日益提升。

2 最新趨向

（1）靜態與動態有機統一，彰顯智慧教學的“情智交融”

課堂教學是“預設”與“生成”、“封閉”與“開放”的矛盾統一體——“預設”與“生成”過度偏重，分別會導致學習主體“自主建構”與教學主體“價值引導”的流失[36]；而“封閉”與“開放”過度偏重，分別會導致課堂喪失生機活力與課堂教學陷入混亂低效。在充分預設的基礎上，對話型數學優課的課堂教學更具動態生成特征，充分彰顯了智慧教學的“情智交融”。由圖2中的互動循環序列JZJ-CS-JZJ-BYD-TW-CS-JZJ可知，教師會借助信息技術展示學生或小組的練習成果，并根據學生創作的作品啟發學生思考、發散學生思維，引導學生表達自己的觀點與看法。可見，對話型數學優課中的教師更能將數學課堂中“非預見性”的課程事件巧妙地轉化為有價值的課程資源，學生的知識建構是一種探究與再探究的動態過程，這一過程通過持續地觀察、檢驗與證實來實現[37]，這不僅有利于激發學生學習的主動性，促進學生思維的有序化和條理化，提升問題解決的能力，更有助于激發智慧教室環境下數學課堂的生機與活力，彰顯智慧課堂教學的“情智交融”。

（2）由淺層走向深度互動，追求課堂互動的“去偽存真”

“高互動性”是智慧教室環境下課堂教學的典型特征[38]，不僅體現為互動形式的多樣性與互動高頻率性，更追求高效、指向學生高階思維能力發展的深度互動。混合型、對話型數學優課的課堂互動樣態具有高效、深度特征，更有利于學生高階思維的發展。由圖1中的行為序列TW-CS-ZBD、TW-CS-BYD與圖2中的行為序列TW-CS-JZJ可知，在混合型、對話型數學優課中，教師能通過問題耦連智慧課堂教與學各要素，進而驅動學生認知水平與思維技能的提高，并能通過問題的判斷、理解與反思實現學生思維的進階。而圖1、圖2中的行為序列TW-ZBD-TW揭示了混合型、對話型數學優課存在教師提出“是非對錯”等問題的現象，問答形式為迎合式的“偽互動”，不利于學生思維的發展，扼殺了學生內在的成長動力。混合型、對話型數學優課主流互動樣態呈現出高效、深度的特征，體現了智慧教室環境下課堂互動的“去偽存真”。

（3）由主客體走向主體間性，塑造民主、平等的師生關系

對話型數學優課的師生關系超越了傳統課堂中主體與客體的二元對立關系，形成了主體與主體高級協同的對話關系[39]，課堂也因此形成了一種相互傾聽、尊重、理解與包容的對話場域和人文氛圍[40]。一方面，學生的主體意識得以覺醒，情感投入明顯增多。混合型、對話型數學優課的矩陣分析結果顯示，在對話型數學優課中，學生主動言行的占比（31.83%）高于教師講授（25.67%），且遠高于被動言行（15.69%）；相對于混合型數學優課，對話型數學優課中教師間接影響與學生主動言行的占比大幅提高，而教師直接影響與學生被動言行的占比明顯降低。可見，在對話型數學優課中，教師能夠賦予學生更多的課堂話語權，更傾向于通過鼓勵、表揚等方式間接影響學生，提高學生學習的積極性與主體性。另一方面，在對話型數學優課中，課堂互動的主體開始出現分化與轉化，師生關系趨向主體間性，即教師與學生均為課堂教學的主體，彼此之間相互尊重、理解信任，通過主體之間的平等對話與溝通，共同創造意義[41]。從教學行為模式來看，對話型數學優課不僅形成了具有經典IRF結構的互動閉環序列（TW-ZBD-FK-ZBD-TW），序列TW-ZBD-FK-XTW-FK-ZBD-TW與TW-ZBD-FK-XTW-ZBD-TW更是形成了IRF的變式結構“教學循環”。從IRF變式結構的構成要素來看，教師與學生各為其中的兩個對話單元，體現了課堂互動中教師與學生平等的對話關系。從教學循環來看，學生主動提問（XTW）行為的出現，促使課堂互動具有啟動作用與回應作用的對話單元主體（即IRF中的“I”和“R”）出現分化，即課堂互動中充當話題發起者、回應者的角色不再是單獨的教師或學生一方扮演，而是在教師與學生之間來回切換，這樣的互動結構打破了傳統課堂教學中固化的、主客二分的師生關系，而轉變為主體與主體高級協同的對話關系。

五 結語

智慧教室環境中沉淀的教學行為大數據，為優化課堂互動教學提供了全面、客觀的證據。本研究構建了智慧教室環境下數學課堂互動教學雙編碼分析系統，并依托此系統對智慧教室環境下的數學優課進行了教學行為模式挖掘，揭示了智慧教室環境下數學課堂互動教學行為的典型特征與最新趨向。基于教學行為大數據的證據創制與系統化的循證機制極大地推動了教學優化從經驗決策向數據驅動的轉型，并助推了教育大數據賦能課堂互動教學的高質量發展。與此同時，本研究發現智慧教室環境下數學課堂互動教學存在諸如學生的思考空間有待拓展、學生高階思維能力的培養有待深化、學生主動提問的能力有待加強等問題，對此教師可從以下方面入手來優化智慧教室環境下的數學課堂互動教學：依托智慧教室環境的即時互動反饋技術，提高課堂的創生性；充分發揮技術對學生高階思維發展的支持作用，鼓勵學生借助智慧教室環境中的平板電腦、思維導圖等認知工具可視化內隱的思維；淡化提問的工具屬性取向與自身的“權威效應”，借助智慧教室環境下豐富的技術優勢，變革現有的提問方式，構建以師生為課堂提問主體，以師生互動、生生互動、人機互動為主要互動形式的新型課堂對話模式。

————————

參考文獻

[1]新華社.中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要[OL].

lt;http：//www.moe.gov.cn/jyb_xwfb/xw_zt/moe_357/2021/2021_zt01/yw/202103/t20210315_519738.htmlgt;

[2]陳衛東，葉新東，秦嘉悅，等.未來課堂——高互動學習空間[J].中國電化教育，2011，（8）：6-13.

[3]教育部.教育部辦公廳關于開展2019年“一師一優課、一課一名師”活動的通知[OL].

lt;http：//www.moe.gov.cn/srcsite/A06/jcys_jyzb/201903/t20190311_372911.html？from=timelineamp;ivk_sa=1024320ugt;

[4]Pianta R C. Patterns of relationships between children and kindergarten teachers[J]. Journal of School Psychology， 1994，（1）：15-31.

[5]常亞慧，張鴻儒.班級文化形塑的課堂教學互動[J].教育科學研究，2020，（12）：39-45.

[6]朱偉強，黃山，盛慧曉.教學中的人際關系與師生課堂互動、學習結果的相關性研究[J].全球教育展望，2017，（12）：24-34.

[7]韓后，王冬青，曹暢.1：1數字化環境下課堂教學互動行為的分析研究[J].電化教育研究，2015，（5）：89-95.

[8][25]Flanders N A. Intent， action and feedback： A preparation for teaching[J]. Journal of Teacher Education， 1963，（3）：251-260.

[9]Amidon E J， Hunter E. Abstracted from verbal interaction category system （VICS）[J]. Classroom Interaction Newsletter， 1968，（2）：1-5.

[10]Medley D M， Mitzel H E. A technique for measuring classroom behavior[J]. Journal of Educational Psychology， 1958，（2）：86-92.

[11]Thew D M. A classroom social organization category system[J]. Classroom Interaction Newsletter， 1975，（1）：18-24.

[12][27][29]方海光，高辰柱，陳佳.改進型弗蘭德斯互動分析系統及其應用[J].中國電化教育，2012，（10）：109-113.

[13]顧小清，王煒.支持教師專業發展的課堂分析技術新探索[J].中國電化教育，2004，（7）：18-21.

[14]李紅美，張劍平.基于ARS的課堂互動雙編碼分析模型設計與應用[J].電化教育研究，2015，（11）：57-63、74.

[15][24]李紅美，王玲玲，卞鵬，等.面向教學行為大數據的課堂互動雙編碼通用分析框架及其變式應用[J].遠程教育雜志，2022，（3）：67-75.

[16]Bakeman R， Gottman J M. Observing interaction： An introduction to sequential analysis[M]. New York： Cambridge University Press， 1997：1-13.

[17]宋宇，丁瑩，朱佳，等.基于序列模式挖掘的多類教師群體互動式課堂教學研究[J].現代教育技術，2021，（10）：40-48.

[18]Zhan Z， Wu Q， Lin Z， et al. Smart classroom environments affect teacher-student interaction： Evidence from a behavioural sequence analysis[J]. Australasian Journal of Educational Technology， 2021，（2）：96-109.

[19]彭林華，林曉凡.基于滯后序列分析的智慧課堂教學行為研究[J].現代教育技術，2021，（7）：55-61.

[20]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，（2）：80-88.

[21]中華人民共和國教育部.國家教育資源公共服務平臺[OL].lt;https：//www.eduyun.cn/gt;

[22]黃榮懷，胡永斌，楊俊鋒，等.智慧教室的概念及特征[J].開放教育研究，2012，（2）：22-27.

[23][26]Tavecchio L W， Splinter P G， Ras J， et al. Development and application of a physical education interaction analysis system[J]. International Journal of Physical Education， 1977，14：12-19.

[28]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.

[30]王陸，張敏霞.基于課堂教學行為大數據的課堂觀察方法與技術[M].北京：北京師范大學出版社，2019：110.

[31]Sinclair J M H， Coulthard M. Towards an analysis of discourse： The English used by teachers and pupils[M]. New York： Oxford University Press， 1975：14-60.

[32]吳志華，周喜歡.基于IRF話語分析理論的課堂對話教學有效性分析[J].中國教育學刊，2015，（3）：71-74.

[33]佐藤學.課程與教師[M].北京：教育科學出版社，2003：110.

[34]Nathan M J， Knuth E J. A study of whole classroom mathematical discourse and teacher change[J]. Cognition and Instruction， 2003，（2）：175-207.

[35]Hennessy S， Mercer N， Warwick P. A dialogic inquiry approach to working with teachers in developing classroom dialogue[J]. Teachers College Record， 2011，（9）：1906-1959.

[36]蔣玉琴.教學過程的“生成”：基于師生成長的意義[J].上海教育科研，2011，（11）：29-31.

[37]趙明仁，潘存祿.論課堂提問主體的轉向——基于生成性教學的視角[J].教育理論與實踐，2016，（8）：45-47.

[38]張屹，祝園，白清玉，等.智慧教室環境下小學數學課堂教學互動行為特征研究[J].中國電化教育，2016，（6）：43-48、64.

[39]王陸，張敏霞，馮濤.課堂提問主體轉向的機理分析[J].課程·教材·教法，2022，（8）：107-114.

[40]楊雄，朱德全.學校智慧學習空間的課程話語轉向[J].課程·教材·教法，2022，（8）：78-84.

[41]葉瀾.重建課堂教學過程觀——“新基礎教育”課堂教學改革的理論與實踐探究之二[J].教育研究，2002，（10）：24-30、50.

The Development and Pattern Mining of Double Coding Analysis System for

Interactive Teaching of Mathematics Classroom under the Smart Classroom Environment

LI Hong-Mei""" BIAN Peng""" XU Meng-Qiu

（College of Educational Sciences， Nantong University， Nantong， Jiangsu， China 226019）

Abstract： How to make full use of the educational big data accumulated in the smart classroom environment to drive the high-quality development of classroom interactive teaching has become an urgent problem for the digital transformation of education in China. Therefore， this paper firstly referred to the quantitative analysis results of classroom interactive teaching behaviors at home and abroad， followed the idea of media technology integrating into classroom interactive teaching behaviours， and took 5 mathematics excellence courses with advanced smart classroom environment characteristics as examples to construct a double coding analysis system of interactive teaching of mathematics courses in the smart classroom environment. Meanwhile， the validity of the system was verified by using Kendall’s coefficient of concordance. Then， this paper took 30 mathematics excellence courses for the mining of teaching behavioural patterns as research samples， and adopted the S-T analysis method to refine the hybrid-type， dialogue-type， and lecture-type classroom teaching patterns of mathematics excellence courses. After that， this paper conducted matrix analysis on the classroom interactive teaching of hybrid-type and dialogue-type mathematics excellence courses， and used lag sequence method to mine the classroom interactive teaching behaviour patterns of hybrid-type and dialogue-type mathematics excellence courses. Finally， this paper integrated the static coding frequency analysis and dynamic contextual correlation analysis based on the big data of teaching behaviours to extract the typical features and latest trends of interactive teaching of mathematics classroom in the smart classroom environment. The purpose of this paper was to excavate the application value of big data from teaching behaviours， and empower the high-quality development and digital transformation of education in China based on evidence.

Keywords： classroom interactive teaching; double conding analysis; teaching behaviour patterns; smart classrooms; mathematics excellence course

————————

*基金項目：本文為國家社會科學基金教育學一般項目“智慧教室環境下課堂互動教學的可視化分析與教育對策研究”（項目編號：BCA200088）的階段性研究成果。

作者簡介：李紅美，教授，博士，研究方向為課堂教學行為大數據與學習行為分析，郵箱為muzi@ntu.edu.cn。

收稿日期：2023年9月27日

編輯：小米