面向课堂教学行为的多模态循环分析模型探究.pdfVIP

2025年第3期No.3,2025

第41卷吉林省教育学院学报Vol.41

TotalNo.531

（总第531期）JOURNALOFJILINTEOFEDUCATION

面向课堂教学行为的多模态循环分析模型探究

郑晨虹,张海博，王译鹤

摘要：课堂教学行为是课堂教学活动的主体，是影响教学效果的关键要素。在智能教学时代，

多模态技术可以实现对课堂教学过程中的言语、动作、生理、环境等行为数据的自动化采集与融合

分析，具有客观性、全面性的优势。文章梳理了多模态数据在情感识别、投入测评和互动分析三方

面的应用，并构建了多模态课堂教学行为循环分析模型。基于多模态技术的课堂教学行为分析需

要利用多模态数据挖掘隐性教学行为，注重多模态数据融合表征教学行为，关注多模态数据使用

的安全伦理问题

关键词：课堂教学行为；多模态技术；数据挖掘；智能分析

doi:10.16083/ki.1671-1580.2025.03.024

中图分类号：G434文献标识码：A

经济合作与发展组织发布了《2021OECD数字教育展望》，其中重点关注数据与智能技术

的结合对课堂教学带来的影响和变革。一方面，数据驱动的课堂教学行为追踪不仅可以实现学

生的个性化学习，而且可以为精准教研提供可能。教育部于2018年印发的《关于开展人工智

能助推教师队伍建设行动试点工作的通知》中指明要聚焦教师课堂教学行为与教师学习发展

数据，探索建设和应用教师大数据，支持教师工作决策。21另一方面，现代信息技术的发展推动

课堂教学环境发生了变化，智慧课堂、线上课堂、混合课堂等众多新型教学环境涌现，在师生互

动、评价反馈和教师教学等方面都与传统课堂有着不同程度的差别[3],课堂教学行为也表现出

一定的差异性特征。课堂教学行为指在课堂教学活动过程中，教师和学生两个主体为了完成教

学目的而付出的相关行为总和，不仅包括师生互动、生生互动，还包括与教学内容、教学媒体等

系统要素的互动。4]教学环境的更迭促使课堂教学行为突破传统课堂维度，对多模态数据的融

收稿日期：2024-10-29

作者简介：郑晨虹（1996一），江西师范大学教师教育高等研究院，博士在读。

张海博（1996一），浙江广厦建设职业技术大学，助教，硕士。

王译鹤（1997一），贵州师范大学教育学院，硕士在读。

136

合表征提出了更高的要求。

然而面对课堂教学情境的多样化、数据形态的多源化[5]，传统的弗兰德斯互动分析系统

(FlandersInteractionAnalysisSystem,FIAS）、S-T(Student-Teacher)分析系统等方法多依赖于人

工编码的方式,存在分类模糊、技术落后、费时费力等问题[6],难以实现对课堂教学过程中教学

行为深度性、精细化的分析。尽管以Nvivo、GSEQ、GELG、MMAvideo为典型代表的各类标注

软件的不断涌现，一定程度上为课堂教学行为数据实现半自动化采集提供了工具。但是，在走

向智慧教育阶段的过程中，人工智能、大数据、传感器等智能技术可以实时捕获语言、动作、生

理等多模态数据，完成多维度、多层次的智能行为分析。智课系统利用智能教室中的摄像头、话

筒、红外人像采集等硬件设施捕捉教师在教学活动过程中的板书、巡视、教授和师生互动等课

堂行为，生成S-T图和RT-CH图,开展数据支持下的教研活动。7]多模态数据和智能算法的结合

有效提升了分析效率，为实现教学行为分析方法从人工标注转向数据驱动的自动化提供可能。

可见，多模态技术是实现课堂教学行为分析走向全链条、自动化的必然趋势。

一、技术应用

多模态技术(MultimodalTechnology)指的是运用两种及以上模态的数据形成数据集来共

同描述一个行为对象。8]多模态数据如何应用于课堂教学情境，提升数据分析的精准度，是揭

示教学规律的重大突破技术。通过文献梳理，本研究发