教師課堂管理行為多模態解碼：行為特征、分類識別與時序發展

[摘 要] 教師課堂管理行為的智能評估與精準診斷是數智時代教師素養提升和教育實踐變革的關鍵抓手。研究采用多模態數據融合分析法，深度解碼了教師課堂管理行為的模式及其特征。為精確捕獲和量化教師課堂管理表現，構建了一個四維分析模型，涵蓋了9項一級指標和24項二級指標，通過加權融合多模態數據，實現了對教師課堂管理行為的定量評價。研究結果表明：教師課堂管理行為可歸納為教師中心型、常規穩定型及靈活適應型。教師課堂管理行為特征可總結為自我管理一致性、學生管理彈性、內容聚焦性與環境管理恒常性四個維度。時序分析揭示了教師在教學進程中管理行為的動態演變，從初始的引導學生到賦權學生，連續的策略優化映射出教師專業能力的逐漸展現和對課堂生態的靈活適應。研究深化了對教師課堂管理行為的認識與理解，為未來教師課堂管理行為的評估與優化提供了一種新的分析框架和實證基礎。

[關鍵詞] 多模態數據； 教師； 課堂管理行為； 行為特征； 分類識別； 時序發展

[中圖分類號] G434 [文獻標志碼] A

[作者簡介] 殷寶媛（1980—），女，黑龍江哈爾濱人。教授，博士，主要從事智慧教育、學習分析、數字化學習資源與學習環境設計研究。E-mail：ybyuan2000@163.com。

一、問題的提出

數智技術與教育領域的深度融合，實現了對教師教學行為的全方面、立體化捕捉與綜合評價。這種融合通過增強教學現場的互動性，為教師的教學行為提供了增值性評估，推動了教育領域的深刻變革，成為推進教育革新的關鍵動力[1]。教育部發布的《教師數字素養》標準強調，應利用數智評價對個人教學實踐進行分析[2]，支持教學反思與改進，進而促進教師專業發展。課堂管理能力作為教師教學中的一項綜合能力，是教師基本素質的集中體現。深入解析教師課堂管理行為的特征與發展規律，對于診斷教學問題、優化教學實踐、提升教師的教學素養以及促進其專業成長具有至關重要的作用[3]。

傳統教育研究范式下的課堂管理行為研究通常局限于單一渠道對單一行為的觀察，限制了我們對復雜教學生態中教師課堂管理行為的全面理解[4]，數智化轉型正呼喚課堂管理行為分析方法的轉型與升級。基于多模態數據的分析能夠揭示教師課堂管理行為的微妙差異和動態變化，實現對不同課堂管理行為和特征的精準識別，揭示教師在不同教學階段如何調整其管理行為以響應學生個性化學習的需求，進而推進精準教學的實施。本研究通過綜合分析話語、動作、眼動、生理等多模態數據，探索教師課堂管理行為的深層特征及其時序發展規律，為教師專業發展和教學實踐提供指導。

二、 文獻綜述

（一）課堂管理行為

課堂管理行為是教師在教學過程中為確保教學順利進行，對學生行為進行引導、控制和調整的重要教育行為。作為教師教育教學能力不可或缺的一部分，課堂管理行為的重要性體現在對教學質量和效果的直接影響[5]。這一領域的研究主要集中于管理模式、內容分類、影響因素及策略提升等方面。

首先，關于課堂管理模式的研究，可以歸納為控制取向、人本取向和團體動力取向三種主流方向，這些模式深植于心理學理論，并在教學實踐中不斷得到驗證與完善。其次，教師課堂管理行為的多維度特性也得到了充分的關注，包括自我管理、學生管理、內容管理和課堂環境管理等方面[6]。自我管理關注教師如何有效控制自己的行為和情緒，以確保教學活動的流暢進行；學生管理著重于教師如何引導學生的行為，激發他們的積極參與；內容管理涉及教師對教學內容的有效組織和傳遞；而課堂環境管理則著眼于創造和維護一個積極的學習氛圍。再次，鑒于教師的課堂管理能力對教育質量的重要性，學者提出了多種策略以提升這一能力，這些策略涵蓋了教師、學生、學校和社會等多個層面[7]。最后，已有研究采用了多種方法來探討教師課堂管理行為，包括行為觀察、問卷調查、教育干預、跨文化比較和技術應用等，較多的是通過準結構觀察法分析新手教師的課堂管理行為，其次是問卷調查入職教師的課堂管理現狀，以及采用比較方式對比對外漢語教師與國內教師的課堂管理行為[8-9]。此外，研究者開始關注如何利用技術工具和平臺支持并分析教師的課堂管理行為，虛擬現實技術及眼動追蹤技術成為提升職前教師課堂管理技能的關鍵工具[10-11]。

可見，教師課堂管理行為研究已取得一定的進展，涵蓋理論模式、內容分類及策略提升等多個維度，數字工具的應用也為教師課堂管理行為的研究帶來了新的思路，這些技術手段與研究成果的結合，進一步促進了課堂管理行為研究的系統性與高效性。

（二）基于多模態數據的教師行為分析

在教育研究領域，多模態數據分析的興起為解讀教師課堂管理行為帶來了新的視角。這種分析方法通過整合眼動、音頻、視頻等不同數據源，突破了傳統單一模態分析的限制，提供了一個復合型的視角審視教學互動過程。其研究內容和價值可以從以下幾個層面進行闡述：

在基礎研究層面，多模態數據分析通過對教師的肢體語言、語音語調，以及學生的非言語反應等進行捕捉和分析，提供了一種全面評估教師課堂管理行為的新途徑，多模態數據分析在實際教學中的應用體現在利用眼動、音頻、視頻和身體動作數據分析教師的教學過程[12]。在教師專業發展層面，多模態數據分析為教師提供了自我反思和成長的機會[13]，通過分析教學資源數據、課程內容數據和教學活動數據，綜合評估教師的教學投入狀態[14]，為教師的專業發展提供了數據支持。在提升教育教學實效性層面，細粒度的教學行為分類和識別使得教育教學活動更加精準有效[15]。有研究基于深度循環神經網絡設計了教師教學自動識別系統，為實時反饋和教學優化提供了技術支持[16]。在跨學科融合層面，多模態數據分析推動了教育學與計算機科學、人工智能等領域的交叉融合[17-18]，這種跨學科的研究方法為教師的未來發展、教育改革以及教學效果提升提供了新的機遇。

然而，多模態數據分析在實際應用中的難點不容忽視。如何融合來自不同模態的數據，以及如何解決這些數據在時間序列和細節層次上的差異，都是當前研究中亟須解決的問題。在這方面，也有學者提出了一些解決策略，即劃分行為維度并結合多模態數據進行交叉驗證[19]，這些方法為多模態數據的綜合分析提供了可行的路徑。

綜上所述，通過融合多模態數據描繪教師課堂管理行為特征已成為亟待解決的問題。基于此，本研究主要解決以下三個問題：（1）教師課堂管理行為模型的分析框架與度量指標是什么？（2）如何采集、融合多模態數據來表征教師課堂管理行為？（3）在常態教學過程中，教師課堂管理行為的行為特征、分類識別及時序發展特征是什么？

三、基于多模態數據的教師課堂管理行為分析框架及度量指標

（一）教師課堂管理行為分析框架

在教學過程中，教師的課堂管理行為是復雜且多維的，涉及豐富的多模態數據。為全面理解這些行為，研究聚焦于課堂管理行為本身，綜合分析其核心維度并構建基于多模態數據的分析框架，以便更精準地解析教師在教學過程中的管理行為。教師課堂管理行為分析框架如圖1所示。

通過文獻梳理，確定了教師課堂管理的四個核心維度：自我管理、學生行為管理、教學內容管理及課堂環境管理，為全面獲取教師課堂管理的多模態數據提供了基礎。根據這些維度的特征，使用智能感知技術進行數據采集。生理儀和智能錄播系統用于收集自我管理和課堂環境管理的生理和視頻數據，眼動儀和錄音筆用于捕捉管理學生行為的眼動和音頻數據，教學內容管理則主要通過視頻和訪談采集數據。將多模態數據分析處理后，轉化為智能分析所需的格式，并確保不同數據模態在時間軸上的一致性，最終進行個體與融合特征值的計算、統一度量單位的建立，以及分類識別和多模態時序數據的同步融合分析。

（二）教師課堂管理行為度量指標

在構建基于多模態數據的教師課堂管理行為分析框架中，研究采用德爾菲法進行了兩輪專家咨詢。這一過程包括深入分析相關文獻，以四個核心維度為基礎逐層細化子指標，并初步構建分析框架，隨后通過問卷收集專家對指標體系重要性的評價和建議。兩輪咨詢的協調系數分別為0.519和0.646，表明專家意見逐漸一致，結果具有可靠性（p<0.001）。

為確定各指標權重，研究采用層次分析法，構造遞階層次結構模型，制定相關項目和說明信息，并選擇AHP模型收集數據，通過對專家數據進行決策分析，對判斷矩陣進行一致性檢驗及指標權重計算，最終得到教師課堂管理行為度量指標及指標權重框架，見表1。

四、 研究設計

（一）研究對象

本研究在哈爾濱X中學進行了常態教學環境下的數據采集，并對所得多模態數據進行了融合分析。研究對象均為右利手，視力或矯正視力正常，男女教師各一半，通過采集10位教師的生理、眼動、視頻、訪談數據對其進行定義和量化，采用 ErgoLAB 人機環境同步平臺 V3.0 進行定量化的采集與分析，數據結果通過分析功能模塊進行過濾、提取與統計分析。

（二）多模態數據采集與分析

為深入理解教師課堂管理行為的復雜性，構建了一個面向教師課堂管理行為的多模態分析流程（如圖2所示），用于提取和融合能夠表征教師課堂管理行為的關鍵特征。

1. 多模態數據采集

探析教師在課堂管理過程中的行為特征的關鍵在于多模態數據的全面獲取，研究根據課堂管理行為的核心維度確定了需要采集的五種模態數據，分別通過便攜式生理儀、Tobii glasses 3眼動儀、錄播系統和錄音筆等工具進行生理、眼動、視頻、音頻和訪談數據的采集，實現通過非干預式及伴隨式采集方式獲取全方面、多維度的課堂管理行為數據。

2. 教師課堂管理行為各維度特征提取

基于多模態數據的教師課堂管理行為特征提取關鍵在于使用合適的量化指標和分析技術。在教師課堂管理行為的度量指標體系中，自我管理行為涉及教態管理度（A1）和情緒管理度（A2）兩個觀測指標。教態管理度（A1）通過統計教師的自我關注動作、衣著和教態調整的頻次與持續時間計算特征值；情緒管理度（A2）結合皮膚電導反應和語音特征變化，統計教師在教學過程中的情緒轉換次數與水平，綜合生理數據和音頻分析得出特征值。

管理學生行為的觀測指標包括關注度（B1）、治理度（B2）和導向度（B3）。關注度（B1）通過眼動儀和錄播系統記錄并分析教師的注視點、時長及言語關注次數，利用數據可視化工具融合計算關注度特征值；治理度（B2）評估教師處理學生行為問題的方式和嚴格程度，通過統計注視特征和言語管理指令的頻次，得出特征值；導向度（B3）通過音頻數據統計不同引導方式的出現頻次評價教師的指導能力。

教學內容管理行為的觀測指標為完整度（C1）和熟練度（C2）。完整度（C1）通過對教學音頻轉錄文本的分析，結合權重分配，計算全面性管理和深入性管理的特征值；熟練度（C2）涉及教師對教學內容掌握程度的綜合計算，包括時間管理次數、材料注視時長和工具調整次數，并通過權重分配其特征值。

課堂環境管理行為的核心觀測指標為環境舒適度（D1）和課堂活躍度（D2）。環境舒適度（D1）分析教師與課堂環境相關動作的頻次，通過動作編碼統計分析得出特征值；課堂活躍度（D2）通過師生互動頻次和課堂氛圍的統計分析計算特征值。

3. 多模態數據融合分析

在基于多模態數據的教師課堂管理行為分析中捕捉教師的多維度狀態與行為表現，其中，數據融合是分析的關鍵。這需要在不同觀測指標中識別特征值，并根據特征值的重要程度賦予權重。具體而言，需要將定量數據（如頻率、時間等可量化的指標）與質性數據（如觀察記錄、訪談等描述性信息）結合起來，對這些數據進行時間軸對齊，根據先前確定的權重分配，將各指標特征值融合，計算出四個維度的綜合特征值，深入挖掘教師在教學過程中的行為特征、分類識別以及時序演變的發展規律。具體融合公式為：A（自我管理行為）=A1（教態管理度）×0.0906+A2（情緒管理度）×0.0275。B（管理學生行為）=B1（關注度）×0.3428+B2（治理度）×0.1432+B3（導向度）×0.0584。C（教學內容管理行為）=C1（完整度）×0.0685+C2（熟練度）×0.2057。D（課堂環境管理行為）=D1（環境舒適度）×0.0107+D2（課堂活躍度）×0.0472。

五、 研究結果

通過定量評估教師的課堂管理行為水平，實現了對教師個體與群體課堂管理行為的全面探索。從個體行為特征、群體特性以及時序變化三個維度勾畫了教師課堂管理的行為特征、類別群體及時序演變趨勢。

（一）基本特征分析與分類識別

通過數據統計分析，計算了教師課堂管理四個核心維度的均值（M）和標準差（SD），以分析不同教師的管理行為特征和波動狀態。自我管理的穩定性（SD=0.65）表明教師在情緒和教態管理上的均衡，為教學質量提供了基礎。相對而言，管理學生行為的波動較大（SD=18.21），反映了教師應對學生挑戰時的策略多樣性，這種差異性源于教師的個體經驗和教學風格。教學內容管理的差異性（SD=7.86）凸顯了管理的不均衡，部分教師在這一維度上顯著高于均值（M=31.00）。環境管理的差異性（SD=0.93）表明，盡管在其他領域存在差異，但教師均能有效維持穩定的學習環境，其均值（M=1.57）呈現小幅波動。

為深入探究這些特征，將四個管理行為維度的數據進行統一單位轉換后可視化呈現，采用描述性統計中的樣本離散度方法，計算平均數及標準差，確定了管理水平的量化范圍，其中，平均數加減標準差定義了區間的上限和下限。據此，結合行為觀察、生理數據和訪談資料，將教師的課堂管理行為分為低、中、高三個水平區間，利用這些區間進行聚類分析，識別出不同的課堂管理行為類別。

基于統一度量單位后的四個維度，進行聚類分析，得出三種課堂管理行為類別，如圖3所示。首先是教師中心型，這類教師整體管理水平最低，偏好沉浸式教學；其次是常規穩定型，表現出中等水平的穩定性，遵循標準的管理規則并傾向于預防性策略；最后是靈活適應型，管理行為在所有維度均處于最高水平，教學過程中能靈活調整管理行為，課堂活躍度和學生積極性最高。

圖3 四種管理行為特征水平聚類群體

（二）類別特征分析

在對教師課堂管理行為的基本特征進行初步分析之后，進一步探討了不同類別教師的課堂管理水平基本特征，揭示了各類教師在課堂管理中的行為傾向。不同類型教師課堂管理水平基本特征如圖4所示。

注：A為自我管理行為，B為管理學生行為，C為教學內容管理行為，D為課堂環境管理行為。

圖4 不同類型教師課堂管理水平基本特征

教師中心型教師在教學內容管理上表現出色，但在其他管理維度上表現不足。這類教師主要專注于教學內容的傳遞，對其他管理行為關注較少，教學管理流程顯示出個性化的教學管理風格，與常規教學模式有顯著差異。

常規穩定型教師在四個課堂管理行為維度上表現均衡，處于中等水平。在自我管理和課堂環境管理中表現平衡，而在管理學生行為和教學內容管理上表現突出。這類教師特點是課前明確強調行為規范，確立課堂期望。

靈活適應型教師的課堂管理行為雷達圖顯示較大面積，四個核心管理維度均展現高水平管理能力。尤其在學生行為管理和教學內容管理方面占優勢，能靈活適應多變課堂環境，迅速應對異常行為，提高課堂活躍度。

（三）教師課堂管理行為時序特征分析

在綜合分析教師個體及群體層面的課堂管理行為特征的基礎上，進一步探究教師課堂管理行為的時序動態演化過程。將教師的課堂管理行為按照課堂教學時間劃分為三個階段，將40分鐘的課程（一節課共采集45分鐘的多模態數據，其中課前5分鐘為靜息數據采集和眼動數據校準時間，不計入分析范圍）劃分為前13分鐘、中13分鐘、后14分鐘，以時間為單位，對教師在這三個階段的課堂管理水平進行多維度可視化分析。

1. 不同教師群體多模態時序數據同步融合分析

圖5展示了不同類型教師群體的多維課堂管理行為狀態，通過同步生理、視頻和眼動時序數據揭示管理行為的動態特征。

教師中心型教師的時序數據顯示了教師情緒和注意力的階段性變化。皮膚電導水平前低后高，暗示情緒波動增強；自我管理行為集中在前13分鐘，而管理學生的時間分布均勻，教學內容管理行為占主導，課堂環境管理在課程開頭和結尾更為頻繁；注視熱點集中在教室中間后部，缺乏均衡性，反映出視覺管理策略的局限性。

常規穩定型教師的時序數據顯示其注視特征具有不均衡性，主要關注左前部分和中間列前部的學生；皮膚電導反應整體呈上升趨勢，水平居中，波動幅度小；行為分析表明，管理學生行為的頻率明顯高于其他三種行為，教學內容管理頻率較低，課堂環境管理與自我管理行為出現次數則較為均衡。

靈活適應型教師在課堂管理中表現出均勻分布的眼動注視特征，能夠關注不同部分的學生，經訪談可知，這得益于對學生座位安排的精細管理；皮膚電導反應數據高，波動小，呈上升趨勢，顯示教師快速進入狀態并持續增強投入；行為分析顯示，該類教師管理學生行為頻率最高，逐漸增加，教學內容管理在前13分鐘頻繁，后逐漸減少，與教師投入和學生水平相關，課堂環境管理行為頻率高于其他類別，課程后14分鐘頻次最高。

2. 基于多模態時序數據的分層遞進診斷分析

通過對多模態時序數據的分層遞進診斷分析，采用多模態數據融合方法，計算得出教師課堂管理行為在不同時段的數值，如圖6所示。縱軸是教師課堂管理水平均值，由多維度數值加權平均得到（不同時段內教師行為數據、眼動數據及生理特征數據等綜合分析），是教師管理行為的綜合表現。橫軸是按照課堂教學時間將40分鐘的教學行為分析劃分為前13分鐘、中13分鐘、后14分鐘三個階段。

教師中心型教師的自我管理水平在前13分鐘較低（0.30），但情緒調整后自我管理水平有所上升。學生管理行為在中間13分鐘顯著下降（2.73），這是因為課中教師開始減少對學生行為的干預以確保教學的連貫性。教學內容管理在課中13分鐘上升（3.91），后14分鐘下降（2.44），說明教師從課中關注教學內容到后面轉向學生行為。課堂環境管理變化小（0.014），顯示教師更專注于教學內容。綜合分析揭示教師從引導式向賦予自主權的教學轉變，體現在自我管理和情緒調節的初期波動、有意識的學生管理調整、教學內容管理的逐步增強，以及對環境管理的穩定關注。

常規穩定型教師的自我管理水平在課程后14分鐘達到高峰（0.42）。由訪談可知，這是為了保持課堂秩序和強化教學效果的策略性調整。學生管理行為在課中13分鐘顯著提升（3.64），與學生注意力周期性變化相關，但后14分鐘降至3.55，是由于教師需要應對更復雜的情感反應，管理水平相對降低。教學內容管理在中間13分鐘達到高峰（3.22），此時教師專注強化教學目標，通過視覺注視和頻繁時間管理提高對教學內容的關注。課堂環境管理整體處于低水平（0.014），但在前13分鐘和后14分鐘小幅波動，與課堂結構安排有關。這類教師的管理風格和監控能力為學生創造了有序的學習環境，減少了不確定性和焦慮，促進了自我規范，構建了積極的教學氛圍。

靈活適應型教師展現出卓越的管理技巧和對教學挑戰的專業適應性。自我管理指數從前13分鐘的0.35逐漸上升至后14分鐘的0.40，特別是在體態語管理和情緒轉化方面，體現出教學中不同情境下的自我監控強化。學生管理呈波動狀態，從前13分鐘的3.70到中間13分鐘的4.10，然后略有下降至3.90，這反映出教師在鼓勵學生深度參與的同時，采取了民主化策略。教學內容的管理保持整體穩定，最初的13分鐘達到最高點（3.98），之后略有下降，表明教師在課程初期對材料的高度關注和頻繁的時間管理，隨后焦點有所轉移。課堂環境管理從0.25增至0.32，顯示師生互動的增多，營造了積極和支持的學習空間。這類教師能夠針對不同課程階段調整管理重點，從自我管理到學生引導，再到內容和環境的優化，展現了專業化適應性，有效提升了教學質量和學生的學習體驗。

六、 研究結論

（一）教師課堂管理行為的分類識別：教師中心型、常規穩定型及靈活適應型

通過深入分析教師課堂管理行為的多維度特征，揭示了教師在自我管理、學生行為管理、教學內容管理和課堂環境管理等方面的不均衡表現，這一發現突破了單一維度評估的局限，強調了綜合評估和個性化干預的必要性。教師之間管理行為差異顯著，這與教師的教學經驗、教育背景、個性特征及教學環境等因素相關，尤其在管理學生行為和教學內容管理方面差異顯著，反映了課堂控制和指導學習的理念和方法上的個體差異。聚類分析將教師劃分為教師中心型、常規穩定型和靈活適應型三種類別，分別在教師管理、情感連接、自我發展、重視規則/程序，以及根據教學情境靈活調整管理策略等方面表現出色。

研究結果對設計有效的教師培訓和專業發展活動具有指導意義，強調在實施教學改革和支持措施時考慮教師個體差異，并提供定制化支持以提升教學質量。深入了解教師的管理行為特征，可以為教師提供有針對性的培訓和發展機會，幫助教師提升薄弱領域的能力，從而提升整體教育教學水平。

（二）教師課堂管理行為的時序發展特征：從引導到賦權的動態演變

在課堂管理的時序發展中，不同教師群體展現出了各自的行為模式，但都呈現出從引導式教學向賦予學生更多自主權的教學轉變。教師中心型教師在課程初期自我管理水平較低，但隨著課程的進行，情緒調控能力和教學管理水平均表現出適應性的提升，逐漸減少了對學生行為的干預，更注重教學內容的傳遞，顯示出向賦權式管理的轉變。常規穩定型教師在建立秩序后，能有效轉移注意力，采取積極的學生行為引導策略，教學內容管理在中間13分鐘達到高峰，凸顯了教師在教學內容上的專業聚焦。靈活適應型教師在所有管理維度上均表現出最高水平的適應性，自我管理能力隨時間強化，對教學情境的敏感性和適應性尤為突出[20]，對學生的管理從稍顯松弛到有效糾正問題行為，實現了從引導到賦權的平穩過渡。

綜上所述，三類教師在課堂管理中都體現出了從引導式向賦權式轉變的時序發展特征。這一特征與教師的專業適應能力相關，并隨著時間呈現出動態的演變過程。同時也體現了教師利用專業知識和情緒智力來優化學習環境的能力，確保課堂教學成為一個連貫、動態且富有成效的教育活動過程。

（三）教師課堂管理行為四維特征：自我管理一致性、學生管理彈性、內容聚焦性與環境管理恒常性

通過深入探析教師在不同時間段內各管理行為的發展趨勢，提取出自我管理一致性、學生管理彈性、內容聚焦性及環境管理恒常性等四個典型特征。自我管理一致性體現教師保持教學理念與教學行為相匹配的穩定程度。學生管理彈性體現教師通過不同的策略（如位置調整和動作指示）管理學生行為的靈活程度。內容聚焦性體現在同一時段內不同類別教師對教學內容的關注程度。環境管理恒常性體現教師管理水平的穩定態勢（如整體水平偏低，反映出教師對教學環境中物理和心理因素的感知程度較低）。

通過對教師課堂管理行為的特征挖掘和深入理解，不僅能夠有效解構復雜的教學管理過程，還能夠幫助教師有意識地調整教學管理策略，優化教育教學實踐，提升專業素養。

七、結 束 語

多模態數據融合分析是明晰教師課堂管理行為特征與時序演變過程的關鍵手段，擴展了對教師課堂管理行為復雜性的認知視野[21]，為未來評價與分析提供了創新性分析架構和實證研究基礎，并為教師行為研究的縱深拓展和精細刻畫提供了新的路徑和分析工具。

在未來研究中，有幾個關鍵領域亟待拓展與深化：首先，設計長期性數據監測機制[22]，持續追蹤和量化課堂管理的關鍵指標，以便精確測量教師在教學實踐中的管理效能；其次，提升多模態數據分析工具的性能與效率，利用深度學習等算法來優化模式識別過程，借助分布式計算和實時分析技術處理大規模數據，同時通過交互式可視化工具簡化復雜分析任務；最后，開發智能感知系統以實時監測和分析教師課堂管理行為，結合人工智能技術和數據挖掘，實時評估管理效果，并根據數據驅動的結果提供改進建議。

[參考文獻]

[1] 胡小勇，孫碩，穆肅. 基于畫像技術的教師研修路徑智能推薦研究[J]. 電化教育研究，2024，45（2）：106-112.

[2] 中華人民共和國教育部. 關于發布《教師教字素養》教育行業標準的通知[EB/OL]. （2022-12-02）[2023-05-05]. http：//www.moe.gov.cn/srcsite/A16/s3342/202302/t20230214_1044634.html.

[3] 殷寶媛，陳云奔，王雪靜，等. 多模態診斷教學問題：生成邏輯、診斷機制和實踐模型[J]. 電化教育研究，2023，44 （12）：80-86，94.

[4] 趙文政，張立國. 教師“數字在場”的價值旨歸、異化風險及治理路徑[J]. 現代教育管理，2024（4）：75-84.

[5] HERMAN K C， REINKE W M， DONG N， et al. Can effective classroom behavior management increase student achievement in middle school？ Findings from a group randomized trial[J]. Journal of educational psychology，2022，114（1）：144-160.

[6] 詹青龍，楊晶晶. 數據智能支撐的課堂教學管理躍遷研究[J]. 電化教育研究，2020，41（7）：100-107.

[7] LOHMANN M J， RANDOLPH K M， OH J H. Classroom management strategies for hyflex instruction： setting students up for success in the hybrid environment[J]. Early childhood education journal，2021，49（5）：1-8.

[8] 張樂樂，顧小清. 多模態數據支持的課堂教學行為分析模型與實踐框架[J]. 開放教育研究，2022，28（6）：101-110.

[9] MOORE T C， DANIELS S， TAYLOR K L H， et al. Supporting teachers effective classroom and behavior management： what do teachers tell us？[J]. Preventing school failure： alternative education for children and youth，2024，68（1）：60-69.

[10] WOOLVERTON G A， POLLASTRI A R. An exploration and critical examination of how "intelligent classroom technologies" can improve specific uses of direct student behavior observation methods[J]. Educational measurement： issues and practice，2021，40（3）：7-17.

[11] ？魣LVAREZ M I， MANERO B， ROMERO-HERN？魣NDEZ A， et al. Virtual reality platform for teacher training on classroom climate management： evaluating user acceptance[J]. Virtual reality， 2024，28（2）： 1-17.

[12] 張學波，李王偉，張思文，等. 數據使能教學決策的發展——從數據教育應用到多模態學習分析支持教學決策[J]. 電化教育研究，2023，44（3）：63-70.

[13] 郭紹青，林豐民，于青青，等. 數字化賦能教師專業發展實踐探索[J]. 電化教育研究，2023，44（7）：96-106.

[14] 牟智佳，馮西雅，李燕飛，等. 雙線融合環境下高校教師教學投入評測：原理與指標[J]. 中國遠程教育，2024，44（1）：80-89.

[15] 侯成坤. 基于多模態融合的課堂教師教學行為自動識別研究[D]. 武漢：華中師范大學，2020.

[16] 王永固，馬家榮，王瑞琳. 基于人體骨架和深度學習的教師體態語言智能測評[J]. 開放教育研究，2023，29（1）：100-111.

[17] 余勝泉，熊莎莎. 基于大模型增強的通用人工智能教師架構[J]. 開放教育研究，2024，30（1）：33-43.

[18] 武法提，黃石華. 基于多源數據融合的共享教育數據模型研究[J]. 電化教育研究，2020，41（5）：59-65，103.

[19] 張志華，王麗，季凱. 大數據賦能新時代教育評價轉型：技術邏輯、現實困境與實現路徑[J]. 電化教育研究，2022，43（5）：33-39.

[20] 周彬. 知識驅動教學：論有效教學的知識路徑[J]. 課程·教材·教法，2020，40（3）：81-88.

[21] 孫眾，于子淳. 人工智能課堂教學分析與改進：人在回路的協同機制[J]. 電化教育研究，2023，44（1）：116-122.

[22] 吳垚，曾菊儒，彭輝，等. 群智感知激勵機制研究綜述[J]. 軟件學報，2016，27（8）：2025-2047.

Multimodal Decoding of Teachers' Classroom Management Behavior： Behavioral Characteristics， Classification Recognition and Temporal Development

YIN Baoyuan1， WANG Xuejing2， SUN Xin2， GUO Lichao2

（1.Intelligent Laboratory for Future Teacher Teaching and Development， Harbin Normal University，

Haerbin Heilongjiang 150025; 2.School of Educational Science， Harbin Normal University，

Haerbin Heilongjiang 150025）

[Abstract] Intelligent evaluation and precise diagnosis of teachers' classroom management behaviors are the key to improve teachers' competencies and change educational practices in the era of digital intelligence. The study employed multimodal data fusion analysis method to deeply decode the patterns and characteristics of teachers' classroom management behaviors. In order to accurately capture and quantify the performance of teachers' classroom management， a four-dimensional analysis model was constructed， covering 9 primary and 24 secondary indicators， and a quantitative evaluation of teachers' classroom management behaviors was achieved through the weighted fusion of multi-modal data. The results of the study indicate that teachers' classroom management behaviors can be categorized into the teacher-centered type， the routine-stable type， and the flexible-adaptive type. The characteristics of teachers' classroom management behaviors can be summarized into four dimensions： consistency in self-management， flexibility in student management， focus on content， and constancy in environmental management. Temporal analysis reveals the dynamic evolution of teachers' management behaviors throughout the teaching process， from initially guiding students to empowering students， and successive optimization of strategies reflects the gradual demonstration of teachers' professional competence and their flexible adaptation to the classroom ecology. The study deepens the understanding of teachers' classroom management behaviors， and provides a novel analytical framework and empirical foundation for the future assessment and optimization of teachers' classroom management behaviors.

[Keywords] Multimodal Data; Teachers; Classroom Management Behavior; Behavioral Characteristics; Classification Identification; Temporal Development