基于人工智能的循證教學實踐與改進

信息技術特別是人工智能的發展正在重塑教育領域，通過課堂分析系統，教師可以獲得關于教學環節、師生互動等詳細的課堂數據分析報告。這些數據幫助教師改進教學方法，促進學生思維發展，提升學習效果，同時也提升了教師的專業能力和學校的教學質量。循證教學模式利用科學證據指導教學實踐，以學生全面發展為核心，關注教師課堂教學行為的優化。在這一模式下，教師、教研員和研究人員合作，通過質性和量化分析方法，探究教學行為的規律，將數據作為教研和教學改進的依據。下面，以北京市海淀區翠微小學米蕊老師執教的人教版英語教材六年級下冊Unit5Lesson3SmartAnimals為例，談談如何基于人工智能進行循證教學實踐與改進。

本課教材內容包含三個部分：第一部分通過聽說活動復習動物名稱、分類以及外貌特征和能力的描述，第二部分是學習一篇有關動物冬眠方式的語篇，第三部分是引導學生寫一寫自己最喜歡的動物。本節課屬于“人與自然”“人與社會”的主題范疇，該課是一節融合英語與動物科普的跨學科復習課。針對這一課，我們應用華東師范大學課程與教學研究所國際課堂分析實驗室提供的課堂智能診斷系統，提取課堂教與學的相關特征，生成詳細的課堂診斷分析報告，幫助教師全面了解課堂教學情況，為教師提供有針對性、個性化、證據化的專業反饋與改進建議。

1.基于人工智能的課堂數據反饋與問題診斷

該診斷從學生視角和教師視角進行觀察和分析，數據的呈現給教師的教學改進帶來了很大的啟示。

課堂活動時間分布：數據顯示，教師講授占據了課堂的大部分時間，而師生互動、個人任務和小組活動的時間則相對較少。這種時間分配可能表明課堂較為側重于傳統的教師中心教學模式，而學生的主動參與和互動機會有限。

師生互動情況：數據顯示，教師行為在課堂中占多數，學生行為占少數。課堂互動的問題主要表現為教師主導性強、師生互動不均衡以及學生參與度不足。

學生回答情況：數據顯示，學生在課堂上的回復類型分布不均，其中，回憶性回復占主導地位，而簡單回復和推理性回復較少，表明學生更多地參與記憶和理解活動，而較少進行分析和評價等高階思維活動。

課堂IRE（Initiation、Response、Evaluation）占比情況：數據顯示，教師在課堂互動中主要提出推理性或解釋性問題，這類問題占 71.90% ，這有利于發展學生的高階思維；開放式問題僅占 2.48% 可能制約了學生創造性和批判性思維的發展；封閉式問題占 25.62% ，有助于學生鞏固基礎知識。學生回答中， 71.25% 涉及事實性知識， 17.50% 為推理性回答， 11.25% 為簡單回應，反映了參與度和理解的差異。教師反饋中， 60.00% 的反饋是通過復述和追問促進思考； 26.67% 的反饋是簡單評價，這可能限制思考；而 13.33% 的反饋是通過討論促進批判性思維發展。為優化互動，需要增加開放式問題，鼓勵深度思考，并采用更多反思性反饋方式。

加涅教學事件統計結果：在加涅教學事件的分析中，“呈現材料”是課堂活動的主體，共203次，而“告知目標”和“檢查評價”則幾乎未實施，分別為0次和1次，這可能使學生的學習目標和成果評估不明確。同時，“提供指導”和“促進遷移”的次數也較少，分別為2次和4次，這可能限制了學生獲得必要指導和發展應用知識的能力。

為改進教學模式，建議明確告知學習目標，增加目標回顧和評價，提高學生的學習參與度；同時，增加指導和評價活動，確保學生獲得支持和反饋；通過促進知識遷移的活動，加深學生的理解和記憶；減少講授時間，增加互動式教學，如小組討論和案例分析，提升學生的批判性思維能力和問題解決能力。

2.教師、教研組、專家團隊的課堂觀察反饋與問題診斷

在課堂觀察中，教師、教研組和專家團隊識別出一些人工智能可能無法捕捉的問題，這些問題涉及更為細致的人際互動和情感因素。

教師主導作用過強：人類觀察者能感知教師在課堂上的控制程度，識別出教師的主導可能會限制學生自主學習，這是人工智能難以量化的。

學生自主思考和探究的引導不足：教師和專家團隊可以評估學生是否有足夠的機會進行自主思考和探究，以及教師是否提供了適當的引導，這需要對教學動態和學生反應進行深入理解。

教學活動與學生生活實際聯系不緊密：人類觀察者能夠評價教學活動是否與學生的生活經驗相關聯，以及這種聯系是否有助于學生理解教學內容的深層意義。

學生在開放性問題上的理解和回答存在困難：教師和專家可以識別學生在處理開放性問題時的挑戰，并理解其背后的思維過程，這通常需要對學生的學習風格和認知能力有深入了解。

情感和動機因素：人類觀察者能夠捕捉到學生的情感反應和學習動機，這些因素對于學習體驗和成果至關重要，但可能不會被人工智能系統所識別。

因此，結合人工智能的數據分析和人類的直觀觀察，可以更全面地診斷和改進課堂教學。

3.研究反思與展望

人工智能輔助的循證教學為教師提供了明確的教學改進方向，如減少講授時間、提升學生回答質量、增加開放性問題等。這種多維度的診斷幫助教師從不同視角優化教學活動，如調整課堂時間分配和提問方式，從而提高教學質量。此外，即時反饋促進了教師對教學過程的持續反思，鼓勵他們設計更具啟發性的問題，提升學生的思維能力。這一基于證據的改進過程有助于教師形成更科學有效的教學策略，促進其專業成長。

盡管人工智能在教學診斷中具有優勢，但在理解復雜情境和情感交流方面存在局限。人工智能可能誤判課堂互動，如將安靜思考視為互動不足，或將活躍討論視為嘈雜。因此，人類直覺和經驗在提供情感支持和價值引導方面仍然不可或缺，人機協同可以更有效地改進教學。隨著技術進步，未來的課堂分析系統將提供更深入的數據分析和具體建議，教師也需要不斷更新教育理念和方法，以適應教育技術的發展。

編輯_于萍