基于CSMS大數據分析的中職課堂教學問題診斷與突破研究

蕭筠儒

一、研究背景

隨著人工智能的發展，課堂教學評價不再局限于傳統的學校教研、同伴互助等形式。運用信息技術作為評價工具對課堂進行量化評價，已經逐漸走進各學校，被用于課堂教學的診斷。近年來在“為國家培養更多的能工巧匠”的指引下，職業教育蓬勃發展，中等職業技術學校作為高中的一個重要分支越來越受到社會的青睞。如何為中職生提供一個與其能力與認知水平相符合的教學內容，是中職課堂教學的一個難題。在中職課堂中運用基于結果多模式聯合的課堂教學智慧評價系統（CSMS），將課堂教學的全過程以量化的形式給予呈現，對課堂教學中存在的問題進行診斷，并通過數據幫助教師對課堂進行針對性調整，給中職生帶來更適合其發展的課堂，這對職業教育教學的發展將起到積極作用。

二、研究對象、工具與技術理論

1.研究對象

作為本項目中站穩講臺的青年教師代表，實驗教師X在研究生畢業后就進入博倫職業技術學校就職。在這6年教學時間里，對中職院校的學生學情已經有了大致的了解，個人教學習慣與風格已基本形成。由于該實驗教師對于借助信息技術支持的評價工具進行課堂教學評價的方式非常感興趣，且希望根據評價和診斷結果，找到自己課堂教學過程存在的問題并加以改善。

2.研究工具與模型

（1）研究工具

本研究主要借助的研究工具為CSMS平臺，它是一種運用人工智能實現自動評分的大數據課堂測評工具。其評價包括三部分：教師主導、學生主體和教學達成，其中教師主導部分包括目標定位、課堂藝術、課堂調控、思維激發、評價反饋這五部分；學生主體則分為：整體發展、合作交流、學習體驗等三部分；教學達成則對應目標達成。這9個指數每個含有對應分數，每個指數由3-6個細項指標共同決定分值，最后得到課堂教學總分（許世紅 等，2022）。

（2）研究模型

①弗蘭德斯言語互動分析

弗蘭德斯互動分析（Flanders interaction analysis）是指用于記錄和分析課堂中師生語言互動過程及影響的一種觀察技術。主要記錄師生交互總次數、師生問答次數、學生主動發言次數與單個學生發言時長等數據（許世紅 等，2022）。

②問答評模式（IRE）

教師課堂提問存在著IRE（Initiation Response Evaluation）結構，即教師通過提問發動互動（Initiation），學生對教師問題作出響應（Response），隨后教師對學生的響應進行評價反饋 （Evaluation）。如果教師給學生預留討論或思考的時間，模式里會有D（Discussion）出現。典型的提問方式有簡單型IRE和學生討論思考再答型。

③學習發生的知行理論

知-行模型批判地借鑒了4MAT理論和Kolb學習風格理論，從大腦認知活動的自由能原理出發，刻畫了學習發生的規律。依照學習發生過程有四種不同方式：①從場景到內化建構；②從概念到內化建構；③從概念到思想練習；④從場景到思想練習。課堂教與學的活動若按照學習發生過程的四種不同方式依序組織成①→②→③→④完成一個周期，周而復始則能更有效促進學生認知水平螺旋式上升發展。根據學生學習發生方式的偏向，學習風格劃為感悟型、哲理型、現實型、能動型四種（許世紅 等，2022）。

二、研究過程

通過錄制教師X的一節課，作為前測，用于上傳到CSMS平臺進行數據分析，結合分析報告，找到教學的問題所在，從而對課堂進行反思，之后錄制2節課作為中測，與前測作為對比，分析課堂數據中所存在的變化與再次挖掘存在提升的地方。最后再錄制2節課，作為后測，檢驗課堂診斷時所存在的問題是否能有所改善。

本文所涉及的課例內容如表1：

1.前測分析

根據CSMS大數據分析（圖1），課例QC1在評價反饋、合作交流與目標達成方面分值較低，可重點關注。這三項指標，分別對應著教師主導、學生主體與教學達成三個類別。結合報告數據，最終將課例QC1中所存在的問題定位在細項指標：①教師提問與評價的總量（IRE）；②師生的互動比；③學生四種學習風格的激發情況；④教師授課知-行風格的兼顧情況四個方面上。

（1）教師提問與評價的總量（IRE）

在課例QC1中，師生交互總次數為286次，師生問答次數為82次，學生主動回答次數為58次，但記錄學生回答的總時長只有06：36。說明學生回答的人次雖多，但都是進行簡單的回答，而沒有能對自己想法進行充分表達的機會。其中“問-答-評”結構（IRE）互動分析中僅僅記錄1次的追問型結構，簡單型與學生思考討論再答型的記錄次數均為0，說明“問-答-評”結構運用偏少，需要關注對學生的及時反饋情況。

（2）師生的互動比

根據數據的采集情況，在課例QC1中，共采集到教師活動時長36：35，學生活動時長12：56，課堂類型為講授型，師生互動比為2.83，評分為35分。因為中職學生基礎較為薄弱，老師在長久以來的教學過程中，逐漸形成了把課堂時間牢牢掌握在手里的習慣。根據指標的評價，得到了課堂優化的方向，就是把課堂更多的時間交予學生，實現以學生為主體。

（3）學習風格激發與授課風格兼顧

根據學習發生的知行模型（圖2），可以把學生分成四類：

本節課中學生學習風格的多樣性展現分別為：能動型（場景→思想練習）：22%、現實型（概念→思想練習）：35%、哲理型（概念→內化建構）：27%和感悟型（場景→內化建構）：17%（表2）。

對于不同學生學習風格的兼顧，主要體現在教師課堂環節與問題的設計上。課堂知識傳遞方式，用若何（what if）、為何（why）、是何（what）、 如何（how）來代表（表3）。

本節課四何問題總數為226，其中對應的數量與比例為：若何：48（21%）、為何：60（27%）、是何：71（31%）、如何：47（21%）。

而教師的知-行風格的兼顧情況為：能動型（場景→思想練習）：13.1%、現實型（概念→思想練習）：33.79%、哲理型（概念→內化建構）：31.72%和感悟型（場景→內化建構）：21.38%。

在QC1課例中，教師體現能動型（場景→思想練習）的比例與學生群中能行型的比例相差較大，實驗教師X認為這是影響課堂目標達成的一個重要因素。因此，在今后的教學中，教師應適當調整課程設計。依據不同的學習風格，設計出更能刺激學習發生的問題類型，才能更加兼顧班級學生的整體發展。

2.中測對比與分析

結合前測報告，對課堂教學所存在的問題進行了梳理后，教師X對課堂進行了優化，主要為在課堂中設計一些符合學情的學生活動環節，在提問時給予學生足夠的思考時間與充分表達的機會。在堅持實施兩周后進行了中測。得到的具體指標對比如表4所示。

前測時所提出的評價反饋、合作交流與目標達成這3個方面的指標，在教師X的分析與調整下，分值得到了明顯的提高。

與前測相比較，雖然課例ZC1與ZC2在師生交互總次數與師生問答次數上數據都有所下降，特別是課例ZC2，數量大概只有課例QC1的一半。但具體在學生主動發言次數上，ZC1的次數多于QC1，學生發言的總時長為QC1的兩倍，ZC2在師生問答次數只有QC1的56%情況下，學生主動發言次數為QC1的72%，且學生發現的時長多于QC1。數據表明：在教師對前測課例QC1的數據研究與解讀下，針對評價反饋這一指標而進行的課堂調整，對于師生的有效互動質量方面有明顯的提高。“問-答-評”結構（IRE）互動分析所收集的數據也明顯高于前者（表5）。

對比課例QC1的師生互動比，在貫徹把課堂更多時間交予學生，實現以學生為主體的思想理念后，課例ZC1與ZC2的師生量化比分別為1.26與1.91。在師生互動曲線中我們可以看到，比起課例QC1的幾乎橫向的曲線，課例ZC1與ZC2都有明顯的向上的曲線，說明除了教師活動，還有較長時間的學生活動被設計進課堂中，其中ZC1的曲線幾乎沿著45°的平分線攀升，說明課堂中教師與學生的交互充分。且對比前測課例QC1，課堂類型也從講授型，轉化為混合型，從另一個角度表明在課堂中，師生活動的時間安排更合理得當（表6）。

由于CSMS只能通過發言學生的回答所呈現的學習風格進行分類，所以上述的學習風格只能作為班級學生學習風格的一個樣本數據。但考慮到課堂提問的隨機性與學生發言次數的數量并不少，所以我們假設給予CSMS的課堂教學大數據分析報告中學生學習風格占比即為班級學生學習風格占比。而教師本人的教學風格占比則具有唯一性，所以在師生的問與答的交互下，四種教師教學風格占比與四種學生學習風格占比更一致時，我們會將其評價為教師的課堂更符合學生的需要與發展。于是我們引入一個偏離值作為評價的標準，既把師生四種風格占比的差值的絕對值進行求和。可得3個課例的偏離值為QC1（22%）、ZC1（28%）、ZC2（6%）。課例ZC2偏離值十分優秀，表明該節課教師教學風格與學生學習風格非常一致。而ZC1

的數據偏離值比起QC1更高，說明該教師的一些問題設計和學生的學習風格區別較大（表7）。

通過中測的兩節課例與前測的對比，在前測中所存在的3個問題，在有針對性的調整與優化后，得到明顯的改善，但是通過前、中測的對比，依然存在一些問題需改善，一些指標可以提升。

3.后測分析與對比（表8）

后測的課例HC1的教師時長為24：50，學生時長為25：24，師生互動比為0.98。師生交互次數為510，問答次數為105，其中學生發言時長為20：39。通過師生互動曲線，發現其傾斜角大致為45°，整體位于師生活動平分線上方，所以在課堂類型中，表明師生之間有頻繁的交流，學生課堂表現積極其活躍。所以本節課類型被定為對話型，這是在前面新授課中沒有出現的評價反饋。

而課例HC2中，教師時長為34：57，學生時長為11：30，師生互動比為3.04。在數據出現之后，教師X對其的反思為：因為前測與中測雖然都是新授課，但算是章節中的內容，而課例HC2是新的章節的第一節，所以課堂中的前期進行了一部分的導語，同時本節課還是一個概念課，能讓學生探究活動的內容較少，所以導致教師活動時間較長。合作交流部分甚至比課例QC1更低。但在HC2中有所提升的是，雖然學生活動時間較短，但是“問-答-評”結構（IRE）互動分析的運用充分，對學生的及時反饋良好，共采集到了簡單型2次，追問型4次和思考討論再答型1次。這是所有課例中評價反饋最優的。具體數據如下：

（1）簡單型 （2次） 00：01：24-00：01：52：Iwhatif RE+；00：33：45-00：34：14：Ihow RE+。

（2）追問型（4次） 00：12：24-00：13：22：Iwhatif RIother RE+；00：24：45-00：25：08：Iwhatif RIhow RE+；00：32：33-00：33：23：Iother RIother RIwhatif RE+；00：35：02-00：35：39：Iother RIwhy RIother RE+。

（3）學生討論思考再答型（1次），學生平均練習思考時間43.5秒 00：35：54-00：37：57：Iwhatif RDIwhatif RIhow RIwhy RE+。

根據與前面課例的對比與分析，在整體發展與目標達成這兩項數據中，后測課例HC1與HC2的表現都優于前面的課例（表9）。

通過對課堂教學大數據分析報告的解讀，這兩項指標主要由教師推動有效學習程度與左右腦思維激活情況所決定的（表10）。根據學習發生的知行理論，為何、如何方式是促進學生產生內化建構、思想練習的重要方法，但如果它們在四何問題中的比例過高，會導致教師教學風格占比失衡，無法照顧到班級所有類型的學生。同時，不同問題的提出又會讓學生在思考回答中調用大腦的不同區域，對左右腦思維激活帶來影響。所以課堂教學設計中對四何問題的合理設計，有助于學生整體的發展與教學目標的達成。

三、總結與反思

人工智能視域下課堂教學智慧評價體系是新時代課堂診斷與分析的重要助力。CSMS平臺的課堂教學大數據觀察與診斷可以幫助一線教師從直觀的數據中發現課堂的問題所在。CSMS以弗蘭德斯（FIAS） 與“問-答-評”結構（IRE）互動分析等模型作為技術支持以及學習發生的知行理論作為理論支撐，使得通過大數據分析下的結果更具有說服力。在本次研究中，雖然后測課例中仍存在部分未解決的問題，但與前測課例相比，后測課例已經得到了很大程度上的改善，實驗教師也在一次次教學設計的調整中實現了突破。

1.CSMS為課堂教學診斷提供了明確的方向

借助CSMS平臺的多種分析模型，可以針對性地收集課堂教學中的多項數據，通過分析與對比，直觀地揭示課堂教學中的問題所在。在課堂思維激發，師生有效互動等方面提供了明確的突破方向，使得教學診斷后的改進更能有的放矢。而通過前后對比，能夠實現教師的自我成長與肯定。

2.學習發生知行模型對提高教學目標提供了理論指導

學習發生知行模型，讓教師從學生的學習風格出發，從而調整教師教學風格。讓課堂中所呈現的教學風格，更能適合班級學生的整體發展。同時再結合“四何問題”的設計與提出，通過一個個問題，實現對學生學習方式的正確引導，構建更加合適的知識結構，從而提高課堂教學的有效性。

3.促進了教學評價的改革

區別于傳統的聽課評課，通過CSMS平臺的人工智能分析，解決了時間與空間上的限制，以數據的采集與分析作為評課的依據。通過分析報告，能讓教師發現問題，促進教師自我反思，從而優化教學法，提高專業能力。傳統的聽課評課依據著有經驗者對課堂的經驗分享，而基于CSMS大數據分析的教學評價，則為信息化時代下教師的自我成長與突破提供了一種新的可能。

責任編輯? 何麗華