人機協同教學中的學生參與度：關鍵特征、分析模型與實踐進路

關鍵詞：人機協同教學；學生參與度；多模態分析；數字化課堂 中圖分類號】G40-057【文獻標識碼】A【論文編號】1009—8097（2025）08—0077—10【DOI】10.3969/j.ssn.1009-8097.2025.08.008

新一代科技創新浪潮正在重塑人類的生產與生活，引領各領域結構性重組和流程再造，也為教育領域帶來了前所未有的變革契機[]。習近平總書記指出，要“積極推動人工智能和教育深度融合，促進教育變革創新”[2]。而學情分析既是智能技術變革教與學的重要抓手，也是推動數字化課堂高質量應用的關鍵環節。通過開展學情分析，可以實現教學過程的有效監測和學業水平的精準診斷，為后續精細化教學服務與教學干預做好準備[3]。作為學情分析領域的重要研究議題，學生參與度是學習質量監測與評估的核心變量之一[4。對學生參與度進行多模態分析，可為精準把握學生的學習狀態和投入程度提供一種新視角，故近年來引起了越來越多研究者的關注。基于此，本研究以人工智能、大數據等技術支持的數字化課堂為研究場域，嘗試分析人機協同教學中學生參與度多模態分析的關鍵特征，構建相應的多模態分析模型，并探索提升人機協同教學中學生參與度的實踐進路。在此過程中，本研究主要回應了三個頗受關注的研究問題：① 差異化場景下學生參與度的表現如何？ ② 數字化課堂學生參與度多模態分析的可解釋性如何？ ③ 在學生參與度多模態分析中，人機協同方式是怎樣的？由此，實現數字化課堂與多模態教學行為分析的緊密結合，助推人工智能技術高質量賦能學生參與度的分析與評估。

一相關研究進展

1學生參與度多模態計算

在教育心理學領域，學生參與度作為評估學習成效和教育質量的關鍵指標，涵蓋了學生在學習活動中心理、行為和情感的全面參與。對于“學生參與度”的定義，不同研究者提出了不同的看法。例如，Schaufeli等[5]認為學生參與度是指學生在學習活動中表現出的積極、充實、完滿的情感與認知狀態，包括活力、奉獻和專注三個維度；Martin[將學習投入視為包括行為投入和認知投入的二維框架；Fredricks等7將學生參與度定義為學生在學習過程中的參與程度和努力程度，包括行為參與、認知參與、情感參與。

從已有研究來看，學生參與度的測量主要依賴于量化研究（如自我報告、編碼分析、智能測量、生理測量等）和質性研究（如結構化訪談、日志分析、觀察評價等）。在數字化課堂的應用實踐中，人工智能技術的按需應用能以低成本、低代碼的方式有效緩解規模化培養與個性化發展的教育難題。在此背景下，多模態學習分析技術為精準掌握學生的學習狀態提供了一種新視角，也使得學生參與度計算從傳統的單模態數據轉向多模態數據融合[8]。多模態數據融合通過利用多種模態數據之間的關聯性和互補性，融合了不同模態的學生數據，從而更加全面地評估學生參與度]。當前，基于多模態數據融合的學生參與度計算主要涉及行為表征數據（如瀏覽問答次數、討論次數等）、生理信息數據（如腦電信號、皮電信號、眼動信號等）、物理空間數據（如面部表情、頭部位置等）和人機交互數據（如鍵盤輸入、鼠標點擊等）。不同類型的數據可通過“多對一”“多對多”“三角互證”等方式完成多模態數據融合，提升學生參與度測量的精準性[I]。在本研究中，數字化課堂學生參與度建模是在多維學習活動的基礎上，從行為參與、社會參與等維度對學生的課堂參與情況進行綜合分析。由于學生參與度是一個高層語義的教育學概念，本研究首先從理論闡釋角度對數字化課堂學生參與度的評價指標進行厘定，之后采用德爾菲法對不同場景下學生參與度類型及其表征活動的權重進行分析，最后采用深度學習與規則計算融合的方式對學生參與度進行計算。

2數字化課堂賦能人機協同教學研究

早在20世紀50年代末，美國就開始探索利用計算機技術來輔助教學，這可以被視為數字化課堂的雛形[]。隨著智能技術的不斷發展，特別是云計算、人工智能、大數據等技術的涌現和規模化應用，數字化課堂得到了快速發展與普及。在我國，2018年教育部發布《教育信息化2.0行動計劃》，推動教育信息化進入了轉型升級的新階段[12]。2023年，中共中央、國務院發布《數字中國建設整體布局規劃》，強調“大力實施國家教育數字化戰略行動\"[13]。教育數字化成為教育信息化的全面轉型階段，旨在持續利用數字化、網絡化、智能化的技術變革教育系統。作為教育數字化轉型的主陣地，數字化課堂可通過非侵入式智能感知設備，對學生的多模態學習數據進行采集、分析和評估，為教師提供更加全面、精準的學生數字畫像。此外，數字化課堂還強調課堂理念的全數據賦能、課堂空間的全場域融合和課堂結構的全要素協同。盡管有研究者依據具體語境，將“數字化課堂”稱為“未來課堂”“智慧課堂”等，但本研究不對此類術語進行概念辨析，而是統一稱為“數字化課堂”[14][15]。

數字化課堂可為人機協同教學提供多種支持，涵蓋多元的教學資源、強大的數據分析能力和個性化的學習環境。人機協同教學是指人類教師和教育智能體共同上一門課，完成一門課程的教學任務[1]。人機協同教學強調人類教師與智能技術的協作，其核心目的在于融合兩者優勢，形成“師-機-生”三元結構，為學生創造更加豐富、高效、個性化的學習環境。為了更好地推動人機協同教學發展，研究者開展了相關研究，如探討人機協同教學有效性、構建人機協同的“雙師課堂”教學模式、開展虛擬教師教學應用等，為人機協同教學的規模化發展提供了參考[17][18][19]。在人機協同教學場域下，教育機器的角色多元，以課堂的主導者、學伴或同伴、輔助者、遠程教師四種基本形態融入教學全過程[20]。在教育機器的支持下，教師能夠根據收集的過程性學習數據制定個性化方案，學生能夠獲得更加靈活且互動性較強的學習體驗。

當前，如何精準、即時地衡量學生的課堂參與度，已成為人機協同教學質量提升的重要議題。基于差異化教學場景切片和多模態數據融合策略的學生參與度計算，可為這一難題提供解決路徑。因此，本研究嘗試將“活動-場景”框架引入分析流程，來探究不同教學場景下學生參與度的動態演化規律；同時，采用智能感知與識別技術，實時、持續地捕捉學習過程中的多模態數據（如語言交流、肢體動作、面部表情、頭部姿態等），進而對復雜多變的多模態教學行為進行剖析，以揭示不同模態在教學互動中的作用機制。

二人機協同教學中學生參與度多模態分析的關鍵特征

隨著深度學習和數據挖掘技術的發展，智能算法成為構筑人工智能的核心要素[2]。但由于教育的復雜性與多樣性，智能算法應用于學習行為挖掘和學生參與度分析時面臨諸多問題，如可解釋性不足、多模態融合能力弱和場景性缺位等[2][23]。為應對上述問題，人機協同教學中的學生參與度多模態分析應具備以下關鍵特征：

1以領域知識為牽引，提高學生參與度多模態分析的可解釋性

伴隨海量的碎片化、分布式教育數據呈井噴式增長，可解釋性逐漸成為教育人工智能不可回避的問題。已有研究存在教育意義植入模糊、模型算法復雜化傾向、解釋信息單向傳遞等不足，使面向通用場景的分析結果往往不能直接解釋教育語義層面的師生行為[24]。為此，本研究優先關注學生參與度計算在教育學意義上的可解釋性，通過對計算過程的拆解和領域知識的引入，逐步提高學生參與度多模態分析的可解釋性。具體來說，學生參與度多模態分析可采用德爾菲法向教育專家進行咨詢，參考教育專家的意見，對基本動作、教學活動、教學場景、參與狀態進行編碼并分配權重，為可解釋性計算提供理論依據。

2以教學活動為載體，增強學生參與度多模態分析的通用性

當前，由于教育領域缺乏通用樣本集，且其語義層次高、影響因素復雜，故“端到端”的算法模型訓練往往難以在復雜的教育領域生成較好的計算結果。教學活動是在不同課堂場景下分析師生互動關系的樞紐，可為測量學生參與度提供載體[25]。因此，本研究以教學活動為載體，聯通計算機領域可識別的底層特征和教育領域的高層語義，發揮從底部特征到高層語義的過渡作用，增強人機協同教學中學生參與度多模態分析的通用性。具體而言，先通過采用計算機領域“端到端”的算法實現教學過程性行為計算，再通過教育學專家賦權對學生參與度進行編碼，實現全鏈式自動分析。

3引入“活動-場景”框架，提升學生參與度多模態分析的精準性

教學場景是基于時間、空間和內容，以“人的需求”為基本導向、以智能感知設備為技術載體、以事件為表現形式的行為序列總和[26]。在數字時代，教學活動呈現出復雜多元、動態差異的特征。人機協同教學中學生參與度分析的核心，在于特定場景下教學活動中學生的學習表現、交互方式和干預機制。這是因為，在不同場景下，學生學習行為、參與度等變量的表征形式存在差異。“活動-場景”框架通過整合教學活動與具體場景的相關特征要素，形成一套有序的分析體系，來區分不同場景對學生參與行為的影響程度，故引入此框架有助于提升學生參與度分析的精準性。在“活動-場景”框架下，人機協同教學中的學生參與度分析通過定義課堂時空語義網絡中師生行為序列的連續性和關聯度，對師生的互動方式、行為模式和思維機理等進行重新理解。

綜上可知，人機協同教學中的學生參與度分析是一個綜合性的評估過程，需要考慮多元的場景特性與活動表現，并整合分析多模態數據、識別“師-機-生”交互模式、洞察學生的學習情感與需求等，旨在為提升學習成效和設計個性化學習路徑提供支持。

三人機協同教學中學生參與度多模態分析模型的構建

隨著教育數字化轉型向縱深推進，教育領域對高效、智能、個性化教學的需求愈發迫切，這就為在多模態教學行為的過程性分析中引入人機協同機制提供了契機。為此，本研究結合人機協同教學中學生參與度多模態分析的關鍵特征，融合情境認知與復雜適應系統理論，解構教育場景的多維境脈表征和教學活動的動態演化規律，構建了人機協同教學中學生參與度的多模態分析模型，如圖1所示。此模型采用層級耦合架構，包括環境系統層、互動形態層和模型生成層，旨在優化教學干預策略，提升學生參與度。

圖1人機協同教學中學生參與度的多模態分析模型

1環境系統層：數字化課堂中教師經驗與技術融合的境脈表征

教育心理學家Pajares[27指出，教師信念體系是個體認知圖式的核心要素，構筑了課堂實踐的基石。教學經驗作為教師長期、持續地投身教學實踐的結果，是教師教育信念體系、教學方法與技巧不斷成熟的標志。伴隨數字教育的迅速發展，數字化課堂依托物理空間與數字環境的泛在聯結，形成了多維動態的教學場域，不僅拓展了教學環境的開放邊界與互動維度，而且通過智能技術賦能，更快地匯聚了教師經驗，并推動了教師經驗的迭代。經由技術中介的符號化轉譯，教師個人經驗被重構為教學場域中可計算的動態規則體系，進而形成基于情境感知的教師經驗編碼機制。具體而言，教師利用數字化工具集群（如在線教學平臺、智能學習分析系統等），采集、分析和評估學生的多模態學習數據，據此繪制“教學策略圖譜”，完成隱性經驗的顯性化[28]。與此同時，教師利用數字化工具集群，將自身豐富的教學經驗轉化為結構化數字教學資源，并設計出符合學生認知發展規律的教學活動，實現教學內容與學生知識圖譜的精準適配，暢通師生之間數據驅動的、高度個性化的互動與交流渠道。

在環境系統層，數字化課堂環境系統中的技術融合并非單向度的工具嵌入，而是教師經驗與技術邏輯持續互構的動態過程。在此過程中，數字化課堂環境系統與教師經驗的融合，會逐步從工具性融合過渡到適應性融合，進而躍升為生成式融合，由此呈現出技術融合從“工具嵌入”到“經驗內生”的質變規律：首先，數字化課堂通過部署非侵入式感知設備采集學習數據、集成多模態交互終端實現人機協作、調用云端虛擬資源構建動態知識圖譜，形成技術與教學雙向適配的智能學習環境，實現適應性融合[2]。之后，數字化課堂環境系統通過嵌入式傳感網絡與學習分析技術，能夠實時捕獲行為軌跡數據、認知偏好數據、能力發展數據等結構化數據，這些多源異構數據經由教師經驗框架的情境化過濾，被轉化為具有教學決策價值的“經驗數據”，從而實現生成式融合。生成式融合是技術融合的高級形態，主要指教師經驗驅動技術系統的重構。在數字化課堂中，基于數據驅動的決策支持，教師可以通過創設情境、設計任務、適時引導學生等方式，把握學生的學習動態，據此靈活調整教學策略，使學生在真實的情境中學習新知、深化理解和應用知識，實現針對學生個體差異與學習需求的個性化教學。進行技術融入時，應將一般技術嵌入社會生產關系境脈中進行剖析，使技術不再局限于其抽象形態，而是與社會歷史進程相連，賦予其社會意義[30]。

2互動形態層：人機協同教學中“師-機-生”角色的分立與融合

早期的人機協同是指人類與機器之間的簡單協作[31]。伴隨數字時代的到來，人機協同的應用范疇不斷擴大，“機器”的內涵也已擴展為多元化的智能技術[32]。習近平總書記指出，人工智能是引領新一輪科技革命和產業變革的重要驅動力，正深刻改變著人們的生產、生活、學習方式，推動人類社會迎來人機協同、跨界融合、共創分享的智能時代[33]。在教育領域，教師與人工智能技術的協作教學已成為一種新型的教與學關系，是人類教師與各類教育智能體的有機聯動，推動著數字化課堂向智能化轉型[34]。伴隨智能技術與教育教學的融合發展，“機器”承擔的重復性、高強度任務比重逐漸加大，并在高速計算、大數據處理、智能決策等方面發揮了越來越重要的作用，這也促使人與“機器”的關系從人機協作演化為人機協同。

作為數字教育發展到一定階段的“勞作產物”，人機協同教學是教育數字化轉型的新型樣態，能夠有效提高教學組織效率[3]。其中，數字化工具集群作為具有教學意圖理解能力的認知協同主體，可通過多模態感知與耦合算法實現教學的雙重賦能：一方面通過相關知識圖譜實現教師教學經驗的匯聚共享與跨場景遷移，另一方面驅動學生認知-行為-情感的持續性參與。師生憑借人機界面與智能體進行實時交互，在多維教學空間中構建起“人類經驗-機器智能”的雙向增強回路。依托活動理論與分布式認知框架，數字化工具集群通過情境化服務供給（如自適應內容推薦、參與度智能分析等），持續推動學習活動的創新涌現與教學場景的生態化重構，最終構建出教育數據要素與教學智慧互嵌的技術協同鏈路。在此教學互動關系中，“師-機-生”的角色定位正經歷著從傳統的相對分立向深度融合轉變。在數字化課堂應用過程中，人機協同教學通過采集與處理師生的視覺、聽覺、觸覺等數據，結合教育領域知識，揭示師生與智能體之間的有效互動，從而為學生提供精準的學習診斷分析，滿足其個性化發展需求。此外，在人機協同教學過程中，可能存在一些內生性問題和技術性風險，如師生隱私信息泄露、算法偏見導致的教學資源分配不公等[36]。因此，需要注重科技倫理和人機關系的治理，以確保人機協同教學健康、有序發展。

3模型生成層：自動融入“活動-場景”框架的學生參與度計算

構建人機協同教學中學生參與度的多模態分析模型，需要納入教學活動和教學場景因素。本研究提及的教學場景是教學活動發生的環境和背景，包括物理環境、社會環境、文化環境等[37]。將學生置于真實的教學活動和教學場景中，不僅可以幫助教師更為準確地評估學生的學習情況，還可以促進學生的主動學習和深度參與[38]。自動融入“活動-場景”框架的學生參與度計算可從以下方面進行理解： ① 從計算機科學的視角審視，數據通常被視為信息的承載媒介，而“活動-場景”框架為信息轉化成有意義知識提供了情境框架。從這個意義上來講，教學活動和教學場景可被理解為一種具備將一定輸入轉化為特定輸出的復雜信息編碼系統，其結果是生成一張信息存儲與交互的關系網絡，承擔著知識傳遞與理解的媒介角色。在教育領域，教學活動和教學場景的設定是為數據提供具體情境，使數據分析結果更加貼近實際的教學過程。 ② 在“活動-場景”框架下，學生參與度計算的運作機理高度依賴于定量分析方法與定性分析方法的綜合應用。其中，定量分析關注大規模數據集和統計分析，而定性分析強調深入理解特定情境中的行為和互動。進行教學分析時，研究者常常應用統計學方法量化學生在不同活動-場景組合中的參與程度，并通過課堂觀察、學生訪談等定性研究方法，探究學生在特定活動場景下的行為動機、情感體驗、社交互動模式等。“活動-場景”框架為定量分析方法和定性分析方法提供了一個交匯點，使得研究者能夠綜合運用這兩種分析方法來全面理解教育現象。 ③ 將數據分析的結果轉化為可操作的教學實踐。教師可借助統計分析、模型構建等手段，計算出學生在“活動-場景”中的參與度數值，并通過數據可視化呈現參與度的時空分布特征。在此基礎上，教師可解析不同場景下學生參與行為的差異化模式，識別影響參與度的關鍵因素和障礙點，據此有針對性地調整教學策略和活動設計，以真正將數據分析用于指導教學實踐，提高教學效果和教育質量。

四提升人機協同教學中學生參與度的實踐進路

為指導學生參與度多模態分析在教學實踐中的落地實施，本研究依托人機協同教學中學生參與度的多模態分析模型，設計了人機協同教學中學生參與度多模態分析的技術路線，如圖2所示。此技術路線以多模態學習分析技術為支撐，主要按照以下步驟實施： ① 多模態數據采集。在人機協同教學環境中，主要通過4K 高清攝像頭、雙目立體深度相機來采集多模態數據。多模態數據來源于真實世界，涵蓋學生數據、教師數據、學習內容數據等；采集的數據多為視頻、音頻、文本、圖像、3D位置等形式，為后續分析提供數據支持。 ② 基本動作分析。運用計算機視覺、自然語言處理等技術，從已有的數據集中識別出師生的表情、姿態、話語等基本動作，進行基本動作編碼，并依據編碼結果開展基本動作分析。 ③ 教學活動分析。根據基本動作分析結果，按照空間維度和時間維度對教學活動進行劃分。其中，空間延展的交互活動主要包括師生交互、生生交互、生機交互，時間延展的學習活動主要包括聽課、討論、反饋等。在此基礎上，對教學活動進行編碼，并依據編碼結果開展教學活動分析。 ④ 教學場景分析。根據教學活動分析結果，將教學活動發生的教學場景主要劃分為講授、練習等不同類型。在此基礎上，對教學場景進行編碼，并依據編碼結果開展教學場景分析。 ⑤ 參與狀態分析。根據教學場景分析結果，將師生的參與狀態劃分為行為參與、社會參與兩種狀態。其中，行為參與是指學生在教學活動中所展現出的諸如回答問題、課堂練習等與具體學習任務有關的身體動作和行為表現，而社會參與是指學生在課堂情境中與教師和同學進行互動交流、融入集體學習的社會性行為。在此基礎上，對參與狀態進行編碼，并依據編碼結果開展參與狀態分析。需要說明的是，上述編碼中的每個指標均應通過德爾菲法、參考教育專家的意見進行設計并分配權重，形成科學的學生參與度指標體系。參考此技術路線所揭示的學生參與度影響因素，本研究從計算方法創新、教學形態重塑、教研模式變革三個角度，提出提升人機協同教學中學生參與度的實踐進路。

圖2人機協同教學中學生參與度多模態分析的技術路線

1融入“活動-場景”框架，進行學生參與度計算方法創新

相較于傳統教學，人機協同教學更為復雜多樣，涵蓋線上線下混合、人機互動、師生互動等多種形式。不同的教學活動具有獨特目標、流程與互動方式，且不同教學活動發生的教學場景在物理環境、社會文化氛圍、技術支持等方面存在差異。因此，有必要融入“活動-場景”框架進行學生參與度分析，以充分考量不同教學活動和教學場景的特點，為學生參與度計算賦予教育語義，進行學生參與度計算方法創新，具體可從以下方面入手：

① 完善教育語義相關的學生參與度指標體系。教育領域的相關專家和教研人員應充分關注具體課堂中教學活動和教學場景引發的學生參與度差異，一方面深入透視教學活動和教學場景所蘊含的教育語義，明晰學生需要理解、掌握、應用的具體知識與技能；另一方面基于教育語義，為教學活動和教學場景設置與教育語義緊密相關的學生參與度指標，使其能夠反映學生的教育目標達成程度。 ② 加強多模態數據與教育語義的關聯分析。教育技術學專業人員應發揮“聯結”學科的優勢，將計算機領域的數據分析與教育領域的意義建構進行融合，推動多模態教育數據與教育語義的深度耦合，從而量化學生參與度的情境化效能。③ 優化教學活動和教學場景設計。根據學生的課堂表現和智能反饋結果，一線教師或學科教研員應注意融合真實的數字化課堂應用情境，優化教學場景設計，創新教學活動形式，如利用虛擬現實、增強現實等技術打造沉浸式學習體驗，以激發學生的學習興趣，提高其課堂參與度。

2利用“數據 ^?+ 知識”雙驅動，支持“人在回路”的人機協同教學形態重塑

在數字化課堂的應用研究中，“人在回路”（Human-in-the-Loop，HITL）理念發揮了重要的范式引領作用。“人在回路”是指通過置信度來評估人工智能算法的生成結果，并將其與專家設定的閾值相比較，旨在利用人類比機器更為擅長的綜合、模糊的判斷力，對技術系統運行過程中的關鍵環節進行干預、引導與決策[39]。當前，機器雖然可以提供大量的數據和信息，甚至能夠模擬一些教學行為，但其仍然缺乏人類的直覺、情感和道德判斷。在教學中，教師扮演了不可或缺的角色，其不僅是教學內容的傳遞者，更是學生學習的引導者和推動者。基于此，相關教育部門需認識到教師在“人在回路”中的引導作用，通過采取有效措施，構建“數據 + 知識”雙驅動的協同機制，推動人機協同教學形態重塑，具體可以從以下兩個方面入手：

① 強化教師在“人在回路”中的引導作用。一方面，教師要引導學生篩選和評估信息，并正確使用智能技術。面對數字時代的海量信息，教師要引導學生學會評估和篩選信息，使學生習得真正有用的知識，避免受不良信息的影響。另外，機器可以提供諸多學習支持與服務，但如果過度依賴機器，便可能會削弱學生的自主學習能力和創新思維，因此教師要引導學生正確使用智能技術，對智能技術保持理性、審慎的態度。另一方面，教師要注重培養學生的道德素養和社會責任感。在人機交互情境中，學生可能會遭遇一系列倫理道德問題，若未能妥善處理，將會對學生的價值觀塑造和社會實踐能力發展產生負面影響。因此，教師要引導學生形成正確的道德認知，助力其做出正確的道德判斷和決策。 ② 將數據驅動與知識驅動相結合，優化人機協同教學形態。其中，數據驅動是指通過收集和分析人機協同教學中的多模態數據，挖掘其中存在的問題，從而調整、優化教學策略和干預方案；知識驅動是指通過綜合運用教育、心理學、人工智能等多個領域的知識和理論，引導和優化人機協同教學過程。數據驅動與知識驅動相結合，意味著由機器協助教師完成諸如成績統計、作業批改等重復性或高強度的工作，而教師專注于提供個性化的教學服務，以實現人機協同教學的優化與升級，提高教育教學的質量和效率。

3構建多方聯動格局，穩妥推進基于多模態教學行為分析的教研模式變革

要想切實、有效地推進多模態教學行為分析，使其在教育領域發揮更大價值，離不開教師、教育專家、工程技術人員等共同發力。因此，有必要構建多方聯動格局，使教師的實踐經驗、教育專家和教研員的理論素養、工程技術人員的專業技能互為補充，穩妥推進教研模式變革，具體可從以下方面入手：

① 建立高質量的教研發展共同體。教育部門應組建由教育專家、一線教師、教研員和工程技術人員構成的教研發展共同體，關注多模態教學領域的最新研究成果與發展動態，持續更新、完善相關理論和方法；同時，應開展多模態教學相關培訓，組織教師踴躍參加和學習，提升其對多模態教學行為分析的認知水平并豐富相關的知識與技能。此外，教育部門要鼓勵教師探索并實施數字化課堂的多模態教學行為分析。在真實的課堂教學中，教師要善于運用多模態教學行為分析平臺，對學生的學習行為進行全周期的可視化記錄、分析與應用，以服務課后聯合教研。 ② 強化對教師教學改進計劃的指導和教學改進效果的評估。根據多模態教學行為分析結果，教師要制定個性化的教學改進計劃，教研發展共同體可指導教師調整、優化，以提高數字化課堂教學質量；同時，教育專家和學科教研員要對教師實施教學改進計劃的過程進行跟蹤，并全面評估其教學改進效果，以確保教學改進計劃有效落地。

五結語

在教育數字化轉型過程中，學生參與度的多模態分析是衡量數字化課堂實踐成效的重要風向標。本研究剖析了人機協同教學中學生參與度多模態分析的關鍵特征，構建了相應的學生參與度多模態分析模型，并提出了提升人機協同教學中學生參與度的實踐進路，可為有效提高學生參與度、助力教師自我成長與專業發展提供支撐，并有助于提升數字時代課堂教學的組織效率和靈活性。囿于文章篇幅，本研究尚未進行人機協同教學中學生參與度多模態分析的相關實證研究，也尚未驗證人機協同教學中學生參與度的多模態分析模型在實際教學場景中的應用價值，這是后續研究的重要方向。此外，后續研究可以持續圍繞算法可解釋性、模型通用性、教學行為優化等議題展開探索，如挖掘并利用領域知識，進一步增強算法的可解釋性，使算法的決策邏輯與教育領域的專業認知相契合；創新設計教學活動，優化算法模型的訓練環境與輸入數據，以提升算法模型的通用性；自動融入“活動-場景”框架，捕捉教學活動中的動態信息與場景特征，為教學行為優化提供指導。由此，突破傳統學生參與度研究中去情境化的局限，實現對數字化課堂學生參與度的精準評估。

參考文獻

[1]李毅，鄭鵬宇，張婷.ChatGPT 賦能教育評價變革的現實前提、作用機理及實踐路徑[J].現代遠距離教育，2024，（3）：9-17.

[2]習近平向國際人工智能與教育大會致賀信[N].人民日報，2019-5-17（1）.

[3]楊安宇，許立群.學情分析助力高效課堂[J].中國教育學刊，2023，（S2）：73-75.

[4]劉博文，劉明慧，于家璇，等.基于過程視角的自我導向學習行為框架構建與驗證[J].中國遠程教育，2024，（1）：68-79.

[5]Schaufeli WB，SalanovaM，Gonzalez-roma V，et al.The measurementof engagement andburnout： A twosampleconfirmatory factor analytic approach[J]. Journal of Happiness Studies， 2oo2，（1）：71-92.

[6]MartinAJ.Enhancingstudentmotivationand engagement： Theefects ofamultidimensional intervention[J].ContemporaryEducational Psychology， 2008，（2）：239-269.

[7]FredricksJA，BlumenfeldPC，ParisAH.Schoolengagement：Potentialoftheconcept，stateoftheevidence[J].Revieof Educational Research， 2004，（1）：59-109.

[8]蔣艷雙，崔璨，逯行，等.雙師課堂中的多模態學習情感分析：關鍵問題、邏輯理路與實施路線[J].現代教育技術，2022，（4）：13-20.

[9]DiMitriDhnederJ，Spechtetal.Fromsignalstknowledge：Aonceptualmodelfoultimodalaingaalics[J]Journal of Computer Assisted Learning， 2018，（4）：338-349.

[10]穆肅，崔萌，黃曉地.全景透視多模態學習分析的數據整合方法[J].現代遠程教育研究，2021，（1）：26-37、48.

[11]李龍.信息化教育：教育技術發展的新階段（上）——四論教育技術學科的理論與實踐[J].電化教育研究，2004，（4）：6-7、18.

[12]任友群.走進新時代的中國教育信息化——《教育信息化2.0行動計劃》解讀之一[J].電化教育研究，2018，（6）：27-28、60.

[13]新華網.中共中央 國務院印發《數字中國建設整體布局規劃》[OL].

[14]謝濤，全文瑛，廖劍.未來課堂人機共教的價值邏輯與實踐方略[J].現代教育技術，2024，（8）：33-42.

[15]黃榮懷，張國良，劉夢或.面向智慧教育的技術倫理取向與風險規約[J].現代教育技術，2024，（2）：13-22.

[16]孔蘇，朱丹瑤.人機協同教學的困境及其歸因——以機器人教師\"華君\"為例[J].電化教育研究，2024，（8）：58-63、70.

[17]MiC，XiaoH，DengQ，etal.Researchontheefectivenesofhuman-machinecollaborative teachingbasedondataanalysisinthe eraofdigitalitellgenceA].224 International ConferenceonInformation Technology， Communication EcosystemandManagement （ITCEM）[C]. Bangkok， Thailand： IEEE， 2024：233-237.

[18]Fang H，LiZ， Wang X，et al.Researchonthe knowledgegraph-driven human-machinecolaborative“dual-teacherclassroom\"teaching model[A].20244th InternationalConferenceonEducationalTechnology（ICET）[C].Wuhan，China IEEE，2024：6-10.

[19]李小娟，付斯理，張翼恒，等.網絡學習空間中虛擬教師的社會形象研究[J].現代教育技術，2023，（5）：99-108.

[20]EdwardsAEwardsCpeceP，etal.Robots intassroo：Direnesisudets'prceptiosofredbilitydlearming between“teacher as robot”and“robot as teacher\"[J].Computers in Human Behavior，2016，65：627-634.

[21]王天恩.人工智能算法的信息存在論意蘊[J].自然辯證法研究，2024，（8）：47-55.

[22]蘇宇.算法解釋制度的體系化構建[J].東方法學，2024，（1）：81-95.

[23]倪琴，劉志，郝煜佳，等.智能教育場景下的算法歧視：潛在風險、成因剖析與治理策略[J].中國電化教育，2022，（12）：93-100.[24]劉桐，顧小清.走向可解釋性：打開教育中人工智能的\"黑盒\"[J].中國電化教育，2022，（5）：82-90.

[25]DarnellDK，KriegPA.Student engagement，assessed using heartrate，shows noreset following activelearnngssionsin lectures[J]. PLOS One， 2019，（12）：e0225709.

[26]武法提，黃石華，殷寶媛.場景化：學習服務設計的新思路[J].電化教育研究，2018，（12）：63-69.

[27]Pajares MF.Teachers'beliefsandeducationalresearch： Cleaning upamessyconstruct[J].ReviewofEducational Research，1992，（3）：307-332.

[28]牟智佳.多模態學習分析：學習分析研究新生長點[J].電化教育研究，2020，（5）：27-32、51.

[29]王一巖，鄭永和.教育情感計算的價值、困境與出路[J].現代教育技術，2024，（9）：71-79.

[30]陳敏.超越技術哲學\"轉向\"的困境何以可能——回到馬克思的《工藝學筆記》[J].自然辯證法研究，2024，（10）：64-71.[31]劉步青.人機協同系統的哲學研究[M].北京：光明日報出版社，2018：6.

[32]呂寒雪.人機協同教學中教師身份認同的情感理路與提升路徑：一個情感社會學的解讀[J].電化教育研究，2023，（12）：108-115.[33]新華網.習近平向國際人工智能與教育大會致賀信[OL].

[34]黃榮懷，劉德建，阿罕默德·提利利，等.人機協同教學：基于虛擬化身、數字孿生和教育機器人場景的路徑設計[J].開放教育研究，2023，（6）：4-14.

[35]鄭永和，王一巖，鄭寧，等.教學數字化轉型：表征樣態與實踐路徑[J].電化教育研究，2023，（8）：5-11.

[36]蔣艷雙，崔璨，劉嘉豪，等.教育領域中的情感計算技術：應用隱憂、生成機制與實踐規約[J].中國電化教育，2022，（5）：91-98.[37]黃石華，武法提.場景化分析：一種數據驅動下的學習行為解釋性框架[J].電化教育研究，2023，（5）：51-59.

[38]王紹峰，黃榮懷.在線主動學習意愿的產生機理與提升策略[J].開放教育研究，2020，（5）：99-110.

[39]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，（1）：116-122.

Student Engagement in Human-ComputerColaborativeTeaching： KeyFeatures，AnalyticalModeland Practical Approaches

JIANG Yan-Shuang1 XU Zong-Si2 LU Hang3 ZHU Li-Xin4[Corresponding Author] （l.China InstituteofEducationand Social Development，Beijing Normal University，Beijing，China00875; 2.School ofComputing and Data Science，The UniversityofHong Kong，Hong Kong， China 999077; 3.College ofEducation，Zhejiang Normal University，Jinhua， Zhejiang， China 321004; 4.SchoolofEducation，BeijingNormal University，Beijing，China ）

Abstract： Studentengagementservesasabarometerformeasuringtheeffectivenessofdigitalclassroom，andakeyindicator for evaluating educational quality.With the integrated developmentof intellgenttechnologyandeducationand teaching， human-computercollaborative teachingand multimodal learming analysis have provided new perspectives for the acurate assessmentofstudentengagement.Basedon this，thepapercarriedoutamultimodalanalysisofstudentengagementinhumancomputercollaborative teaching，andfirstanalyzedthe keyfeatures ofmultimodalanalysisofstudent engagement inhumancomputercolaborative teaching，which weremainlymanifested inimproving interpretability，enhancingversatilityand improving accuracy. After that，the paperconstructeda multimodalanalysis modelfor student engagementinhuman-computer collaborative teaching，including theenvironmentsystem layer，the interactionformlayer，and the model generationlayer. Finall，basedontis model，thepaperdesignedatechnicalrouteformultimodalanalysisofstudent engagementinhumancomputercolaborative teaching.Referringtothe influencing factorsofstudent engagement revealedbythis technicalroute， the paper put forward practicalappoaches to improve studentengagementinhuman-computercollaborative teaching from the perspectivesofcomputational methodinovation，teaching formreshaping，andtransformationof teachingresearchmode.The researchon student participation in human-computercollaborative teaching in this paper was conducive to improve the organizational eficiencyofhuman-computercollborative teaching in thedigital eraand provide a strongsupport for the improvement oflearning effectiveness and educational quality.

Keywords： human-computercollborative teaching;student engagement;multimodal analysis;digitalclassroom