基于AI的课堂教学行为分析循证课例研究.docx

基于AI的课堂教学行为分析循证课例研究

【摘要】AI课堂教学行为分析系统为课堂改进提供了工具及数据支持，极大地提高了课堂观察的精确度和便捷度。但其应用更多是在数据的引导下促进教师授课风格的改进，而对于教学中实际问题的改进研究却显匮乏。文章将AI课堂教学行为分析系统作为课堂观察评测工具，以部编版小学语文六年级上册《西江月·夜行黄沙道中》一课的教学为例，阐述人工智能支持下的循证课例研究途径，并提出高效的学习机制是提高课堂效率的基本保障，完整的活动设计是提高学习效率的有效途径，走向循证的课例研究是解决教学实际问题的重要方法。

【关键词】AI课堂教学行为分析；课例研究；人工智能；小学语文

一、问题的提出

人工智能技术的不断迭代发展，正深刻地影响着教育教学。AI课堂教学行为分析系统（以下简称为AI系统）为课堂教学改进提供了工具及数据支持，极大地提高了课堂观察的精确度和便捷度。但是，目前AI系统的应用更多的是在数据的引导下完善被打开的“课堂暗盒”，打磨一堂“完美的公开课”，之后，教学研究行动便戛然而止，如此实践，注重的是教师自身的专业成长，更注重的是教师授课风格的改进，而对于教学中的实际问题的改进研究却显得匮乏，缺乏对“公开课”背后道理的理性思考。

另一方面，目前的人工智能还处于“弱人工智能”阶段，对于多模态数据的采集还不够全面，诸如学生的情绪、学习的效果、学习的评价还不能做到精准，这就需要“人脑智能”的介入，也就是目前对于AI系统的应用，还需将“人工智能”和“人脑智能”相结合，才能在教学实践中发挥实际的作用，让人工智能赋能教学真正落地。

如何利用AI系统的数据诊断、分析功能，挖掘数据的使用价值，发现教学中的问题，实实在在地改进教学行为，进而提升课堂效能，这是当前教师值得深入研究的问题。

基于以上认识和思考，本文将AI课堂教学行为分析系统作为课堂观察评测工具，以部编版六年级语文上册第一单元的《西江月·夜行黄沙道中》一课为主要内容，以依次在三个平行班开展的教学活动为载体开展课例研究，重点从基于AI分析的课堂教学行为观察、开展基于数据对比的教学反思、基于反思的持续教学改进以及研究成果的固化沉淀等方面阐述人工智能支持下的循证课例研究途径。

二、研究的设计

（一）课例研究模式的选择

在日常的教学中师生难免会遇到许多实际的问题，在解决这些问题的过程中借助备课组、教研组等团队的力量是传统“磨课”行动的可贵经验，但传统“磨课”行动并非研究意义上的课例研究。

教育领域的课例研究有别于其他领域的案例研究。安桂清认为课例研究的灵魂是群体性的合作、过程性的反思和持续性的改进[1]。张晓霞等认为课例是一个课堂教学改进的案例，课例研究是对教学改进过程的再现和描述[2]。因此，课例研究是以课为载体，合作开展教学改进研究的过程。课例研究在国内的主流模式为顾泠沅团队提出的“行动教育”模式，实施该模式包括原行为阶段、新设计阶段、新行为阶段等三个实践阶段以及伴随其中的更新理念、改善行为两次主要反思[3]。选择“三实践两反思”课例研究模式，符合国内教研实情，是一线教师研究教学实际问题、改进教学的有效途径。

（二）研究工具的选择

对课堂教学行为准确深入地分析、反思和改进，是教师专业成长的重要途径。基于大数据、人工智能的AI系统可以开展无感式、伴随式多模态数据的采集，用较为科学的分析模型编码，将课堂教学过程完全数字化、可视化，并利用多向度的客观分析评价、诊断，给出合理化建议，让课堂观察更直观、更客观、更精准，实现教与学过程的智能化评价。这有效改善了传统听评课模式下观察不全面、记录不完整、分析主观随意、个人经验主导的积弊，大大提高了课堂观察的效率，留给人脑分析更多的空间，提供更多的客观数据证据的支撑，让听评课更易走向深入。

本课例研究中产生数据分析支持的评测工具主要有教学模式分析、S-T教学分析、教师行为分析、学生行为分析、课堂参与度分析等量化评测工具，同时以质性评价手段作为补充。

1.量化评测工具。

（1）S-T教学分析工具。反映师生互动情况的S-T量表：描述教师和学生互动情况的二维坐标系，其中横轴以时间为序记录教师活动情况（T），竖轴以时间为序记录学生活动情况（S），横竖坐标所描绘出的曲线即为师生互动曲线，当师生互动曲线越平行于45度线时，表示在此段时间内师生互动越充分（如图1）。

反映课堂教学模式的Rt-Ch量表：该量表通过在二维坐标系内数值区域的划分，描述师生行为数量情况。横轴数值（Rt）代表教师行为的占有率，即教学过程中教师行为数与课堂行为总数的比值，竖轴数值（Ch）代表师生行为的转换率，即师生行为转换次数与课堂行为总数的比值。横竖坐标所标示的落点区域即为不同的教学模式。Rt-Ch量表可以区分四种教学模式：对话型模式代表师生之间互动充分；讲授型模式以教师讲授为主；练习型模