论文部分内容阅读
【摘要】 课堂观察一直是教学研究的一个重点与难点。传统的课堂观察因客观条件的限制存在着各种各样的缺限。随着信息技术的发展，特别是人工智能在图像与声音的识别方面以及人工智能自动建模等技术瓶颈的突破，使得人工智能应用于课堂行为分析成为可能。本文着重介绍如何利用人工智能技术对常态课堂进行分析，帮助老师提高教研能力，从而提高教学质量的过程。文章从课堂行为分析的设计、应用到取得的成果，为人工智能应用于课堂提供了一个很好的范例。
【关键词】 人工智能 行为分析 专业成长
引言
学校教育，提高教学质量的关键是课堂教学，因此，课堂观察作为教师个人的教学反思或学校教学管理部门对教师集体教研有着相当重要的作用。但课堂观察又有其局限性：
（1）课堂观察需要观察者接受一定的专业培训，具备相应的观察技能，要求观察者能集中心智观察，及时、准确地收集相关信息，随时做出决定。这是对观察者在专业知能与自身特质方面的要求。
（2）课堂观察需要一定的时间、设备与技术的保障，来完成程序的三部曲。这不仅需要教师反省“忙、茫、盲”的教学工作，整理、释放用于课堂观察的时间，而且需要学校为教师参与课堂观察提供必要的技术与环境支持，购置用于观察的必需的视听设备，营造良好的人际氛围，以确保课堂观察成为教师的日常行动。
（3）课堂观察形成的数据，主要是记录老师教的行为和学生总体学习行为，便于改进老师的教学，而缺少对具体参与课堂学习的学习者个别行为的记录并促进其改进学习方法的措施。
（4）人工观察存在相当大的主观性，准确性不够，且观察一节课往往需要多个老师参与，不能进行常态课堂的观察。
智能教学环境的日益普及为解决课堂观察问题的解决带来了契机。利用智能技术自动采集和编码教学过程数据，能更为全面且及时识别课堂教学行为，自动化地对课堂教学行为进行分析和可视化呈现，洞悉课堂教学情境，为教师专业发展和教学质量的提升提供了有力把持。[1]
一、研究设计
1.1 硬件设施的准备
2019年5月，学校学校为了完成南京市教育内涵发展的项目《基于幸福教育理念下的精准教学研究》，与相关公司合作，在两个年级的教室布置了基于图像识别技术的常态录播系统。
1.2相关数据的定义、采集与建模
前期，为了论证项目的可行性，在初一（2）班安装设备后，进行了一学期的数据采集、分析。学校课题组与相关公司技术人员一起，先研究定义图像。如学生动作抬头、低头、掉头、举手、阅读、扒桌子等;教师的动作：讲授、板书、辅导等。在采集了大量视频数据后，将学生的历次成绩排名与学生上课时的动作进行比对、运算，从而让AI自动建模分析出师生活动数据与学习成绩的的关联性（正相关、负相关、零相关）。根据大量实验数据表明，学生上课的专注度是与老师讲授时学生的抬头率成正相关的。
为了达到研究目的，我们设计了如下的研究过程：
搜集数据→样本标注→模型训练→指标提取→可行性评估
数据的搜集、分析、建模与反馈流程如下图1。
AI处理模块如图2。
二、方法与成果
学校动员骨干教师和年轻教师参加该项目的研究，具体研究方法如下：
2.1 教师个人反思
2.1.1教师可以对自己所授的每节课的数据进行教学反思。
例如：某节化学课，在45分钟的课堂教学时间内，学生的听占比只有16%，趴桌子点比6%，再来对照老师的课堂模式和相关的S-T模型，可以看出老师在滔滔不绝地讲呢，而学生大部分不在听讲。
这时，课后学校就会要求相关教师须回看视频，再结合自己的教学内容和教学过程，反思自己，能不能在以后做教学设计时，尽量避免这种现象发生，从而提高自己的课堂教学效率。
2.1.2 教师对某一段时间内课堂行为数据的反思
通过课后系统生成的对应图表，教师及学校教学管理部门可以明晰本节课的课型，学生的平均参与度，从而对自己的授课效率到“心中有数”。
2.1.3 通过学生参与度分布图，找出课堂关注度低，学习成绩低迷的学生，做好个别辅导。
通过对一段时间内本学科学困生的课堂活跃度数据统计和学业成绩对比分析，结合情况调查，老师了解到了该生由于外部环境的变化而引起的心理变化。通过学校合育团队的努力，该生很快可以恢复正常。
2.2集体教研
2.2.1 利用同课异构，教研组集体讨论，反思，提高教研组的教研水平。
结合我校的青蓝工程，教研组将老教师和年轻教师的同一内容的两节课数据放在一起，大家一起研讨，共同进步。依据系统的实时录播功能，让两位教师的课堂再次呈现，根据系统提供的相关数据，对两种截然不同的课堂教学模式即混合型与讲授型进行细致地数据分析，尤其关注学生的课堂活跃度，发现混合型课堂中学生的活跃度明显高于讲授型课堂，为教师的专业成长指明了方向。
2.2.2 教学竞赛
每学期，学校举办优质课评比与竞赛活动，活动中，各教研组，利用系统生成的数据时行评课，共同探讨。评委也根据课堂行为分析数据报表对公開课进行评比与点评。同时，每位授课老师会得到一份基于多维度评价的PDF文件，供自己反思、学习
2.3教学质量管控
从学校层面上讲，教学管理部门需要随时掌控教学质量，而传统的教学质量监控方式是考试。教育主管部门对学校考试的频率与规模是有严格限制的，所以教学质量的反馈是有涉后性，或者说是结果性反馈。
借助于课堂行为分析系统，通过数据的统计与分析，可以及时掌握教学动态。 有个实例，2020国庆长假后，前几天的教学数据表显示，学生上课的积极性不高。针对这一情况，学校组织教研部门和教学管理部门，分析原因，找对策。其实，长假之后，学生精神涣散，精力不集中是正常现象，过去因为没有课堂行为分析系统，老师和学校管理部门没有察觉。有了课堂行为分析系统，能及时掌握教与学的动态，从而发现并解决问题。
2.4 成果
2.4.1 助推了学校课堂教学改革，提升了教师教学及教研能力，促进了教师专业成长。
学校的发展离不开教师的成长，教师的成长更离不开自我教学反思与集体教研。参加此项实践研究的老师，能通过对自己课堂行为的分析，学习别人的优秀课例，快速提高自己的业务水平。特别地能缩短年轻教师成长的周期。优秀的老师能通过数据报表和课堂视频，快速地对自己的教学行为进行反思与总结，系统性地提高自己的教学水平。同时，优秀教师的优秀教学案例，也为年轻教师提供了学习的模板。该系统使学校的每位老师受益，更使学校能可持续发展。研究期间，学校、教师更是硕果累累。
学校层面：2019年，学校荣获南京市教育科研成果创新奖，江北新区首届教育科研优秀集体。2020年，学校荣获江北新区第二届教改先进单位。
教师层面：2019至2020，先后有18位老师的论文发表与获奖。
教学质量：参加此项实验的学生，感觉到学习比以前更有针对性了，已初步具有自我診断、自我剖析、自我修正的能力，认识到了自己的薄弱科目、薄弱项、薄弱域，后期会有针对性地修正补偿措施，因此学生的学习的体验感增强了。
大部分教师的教学更加有的放矢，教学效率提高了，教学质量也明显提升，教师参加教科研的意识增强了，尤其是数学学科，在此项实践中教学质量的提升特别显著：同一个教师使用AI课堂观测班级期中质量明显优于未使用班级，学困生人数明显减少;2021届学生数学区统测年级均分从八年级下学期期中区内末位已逐渐实现反超和逆袭，至九年级上学期期末已超过多所同层次兄弟学校。
三、反思与展望
目前，此人工智能系统对师生行为的定义还不够全面与精确。老师的行为大概为：讲课、板书、师生互动;学生的行为：注视、举手、起立、讨论、看书、趴桌子等。而且，有些行为的定义还不太准确。因此，下一步学校将与相关技术人员合作展开攻关，增加师生行为定义的内容与准确性，特别是要研究师生行为的关联。同时，还要增加对举手回答问题的统计，如提问面、正答率等。同时，学校地处城乡结合部，是南京市新优质初中，师资力量相对薄弱，更缺少名特优教师，因此系统中缺少教育名家的教学课例。
虽然此系统仍有不足，但我们将坚持实践研究下去，新学期会基于此平台，学校将开展课堂教学竞赛活动，推进常态化的教研活动，邀请名家进课堂，通过平台分析，为我校教师提供学习的模板。
总之，九龙中学将在此项目的基础上不断探索信息技术与学科的深度融合之法。教学改革只有起点，没有终点。
参 考 文 献
[1]刘清堂，何皓怡等.基于人工智能的课堂教学行为分析方法及其应用[J].中国电化教育，2019，（9）
[2]刘德建，杜静等.人工智能融入学校教育的发展趋势[J].开放教育研究，2018，（4）：33-42
[3]王陆，李瑶.课堂教学行为大数据透视下的教学现象探析[J].电化教育研究，2017，（4）：77-85
【关键词】 人工智能 行为分析 专业成长
引言
学校教育，提高教学质量的关键是课堂教学，因此，课堂观察作为教师个人的教学反思或学校教学管理部门对教师集体教研有着相当重要的作用。但课堂观察又有其局限性：
（1）课堂观察需要观察者接受一定的专业培训，具备相应的观察技能，要求观察者能集中心智观察，及时、准确地收集相关信息，随时做出决定。这是对观察者在专业知能与自身特质方面的要求。
（2）课堂观察需要一定的时间、设备与技术的保障，来完成程序的三部曲。这不仅需要教师反省“忙、茫、盲”的教学工作，整理、释放用于课堂观察的时间，而且需要学校为教师参与课堂观察提供必要的技术与环境支持，购置用于观察的必需的视听设备，营造良好的人际氛围，以确保课堂观察成为教师的日常行动。
（3）课堂观察形成的数据，主要是记录老师教的行为和学生总体学习行为，便于改进老师的教学，而缺少对具体参与课堂学习的学习者个别行为的记录并促进其改进学习方法的措施。
（4）人工观察存在相当大的主观性，准确性不够，且观察一节课往往需要多个老师参与，不能进行常态课堂的观察。
智能教学环境的日益普及为解决课堂观察问题的解决带来了契机。利用智能技术自动采集和编码教学过程数据，能更为全面且及时识别课堂教学行为，自动化地对课堂教学行为进行分析和可视化呈现，洞悉课堂教学情境，为教师专业发展和教学质量的提升提供了有力把持。[1]
一、研究设计
1.1 硬件设施的准备
2019年5月，学校学校为了完成南京市教育内涵发展的项目《基于幸福教育理念下的精准教学研究》，与相关公司合作，在两个年级的教室布置了基于图像识别技术的常态录播系统。
1.2相关数据的定义、采集与建模
前期，为了论证项目的可行性，在初一（2）班安装设备后，进行了一学期的数据采集、分析。学校课题组与相关公司技术人员一起，先研究定义图像。如学生动作抬头、低头、掉头、举手、阅读、扒桌子等;教师的动作：讲授、板书、辅导等。在采集了大量视频数据后，将学生的历次成绩排名与学生上课时的动作进行比对、运算，从而让AI自动建模分析出师生活动数据与学习成绩的的关联性（正相关、负相关、零相关）。根据大量实验数据表明，学生上课的专注度是与老师讲授时学生的抬头率成正相关的。
为了达到研究目的，我们设计了如下的研究过程：
搜集数据→样本标注→模型训练→指标提取→可行性评估
数据的搜集、分析、建模与反馈流程如下图1。
AI处理模块如图2。
二、方法与成果
学校动员骨干教师和年轻教师参加该项目的研究，具体研究方法如下：
2.1 教师个人反思
2.1.1教师可以对自己所授的每节课的数据进行教学反思。
例如：某节化学课，在45分钟的课堂教学时间内，学生的听占比只有16%，趴桌子点比6%，再来对照老师的课堂模式和相关的S-T模型，可以看出老师在滔滔不绝地讲呢，而学生大部分不在听讲。
这时，课后学校就会要求相关教师须回看视频，再结合自己的教学内容和教学过程，反思自己，能不能在以后做教学设计时，尽量避免这种现象发生，从而提高自己的课堂教学效率。
2.1.2 教师对某一段时间内课堂行为数据的反思
通过课后系统生成的对应图表，教师及学校教学管理部门可以明晰本节课的课型，学生的平均参与度，从而对自己的授课效率到“心中有数”。
2.1.3 通过学生参与度分布图，找出课堂关注度低，学习成绩低迷的学生，做好个别辅导。
通过对一段时间内本学科学困生的课堂活跃度数据统计和学业成绩对比分析，结合情况调查，老师了解到了该生由于外部环境的变化而引起的心理变化。通过学校合育团队的努力，该生很快可以恢复正常。
2.2集体教研
2.2.1 利用同课异构，教研组集体讨论，反思，提高教研组的教研水平。
结合我校的青蓝工程，教研组将老教师和年轻教师的同一内容的两节课数据放在一起，大家一起研讨，共同进步。依据系统的实时录播功能，让两位教师的课堂再次呈现，根据系统提供的相关数据，对两种截然不同的课堂教学模式即混合型与讲授型进行细致地数据分析，尤其关注学生的课堂活跃度，发现混合型课堂中学生的活跃度明显高于讲授型课堂，为教师的专业成长指明了方向。
2.2.2 教学竞赛
每学期，学校举办优质课评比与竞赛活动，活动中，各教研组，利用系统生成的数据时行评课，共同探讨。评委也根据课堂行为分析数据报表对公開课进行评比与点评。同时，每位授课老师会得到一份基于多维度评价的PDF文件，供自己反思、学习
2.3教学质量管控
从学校层面上讲，教学管理部门需要随时掌控教学质量，而传统的教学质量监控方式是考试。教育主管部门对学校考试的频率与规模是有严格限制的，所以教学质量的反馈是有涉后性，或者说是结果性反馈。
借助于课堂行为分析系统，通过数据的统计与分析，可以及时掌握教学动态。 有个实例，2020国庆长假后，前几天的教学数据表显示，学生上课的积极性不高。针对这一情况，学校组织教研部门和教学管理部门，分析原因，找对策。其实，长假之后，学生精神涣散，精力不集中是正常现象，过去因为没有课堂行为分析系统，老师和学校管理部门没有察觉。有了课堂行为分析系统，能及时掌握教与学的动态，从而发现并解决问题。
2.4 成果
2.4.1 助推了学校课堂教学改革，提升了教师教学及教研能力，促进了教师专业成长。
学校的发展离不开教师的成长，教师的成长更离不开自我教学反思与集体教研。参加此项实践研究的老师，能通过对自己课堂行为的分析，学习别人的优秀课例，快速提高自己的业务水平。特别地能缩短年轻教师成长的周期。优秀的老师能通过数据报表和课堂视频，快速地对自己的教学行为进行反思与总结，系统性地提高自己的教学水平。同时，优秀教师的优秀教学案例，也为年轻教师提供了学习的模板。该系统使学校的每位老师受益，更使学校能可持续发展。研究期间，学校、教师更是硕果累累。
学校层面：2019年，学校荣获南京市教育科研成果创新奖，江北新区首届教育科研优秀集体。2020年，学校荣获江北新区第二届教改先进单位。
教师层面：2019至2020，先后有18位老师的论文发表与获奖。
教学质量：参加此项实验的学生，感觉到学习比以前更有针对性了，已初步具有自我診断、自我剖析、自我修正的能力，认识到了自己的薄弱科目、薄弱项、薄弱域，后期会有针对性地修正补偿措施，因此学生的学习的体验感增强了。
大部分教师的教学更加有的放矢，教学效率提高了，教学质量也明显提升，教师参加教科研的意识增强了，尤其是数学学科，在此项实践中教学质量的提升特别显著：同一个教师使用AI课堂观测班级期中质量明显优于未使用班级，学困生人数明显减少;2021届学生数学区统测年级均分从八年级下学期期中区内末位已逐渐实现反超和逆袭，至九年级上学期期末已超过多所同层次兄弟学校。
三、反思与展望
目前，此人工智能系统对师生行为的定义还不够全面与精确。老师的行为大概为：讲课、板书、师生互动;学生的行为：注视、举手、起立、讨论、看书、趴桌子等。而且，有些行为的定义还不太准确。因此，下一步学校将与相关技术人员合作展开攻关，增加师生行为定义的内容与准确性，特别是要研究师生行为的关联。同时，还要增加对举手回答问题的统计，如提问面、正答率等。同时，学校地处城乡结合部，是南京市新优质初中，师资力量相对薄弱，更缺少名特优教师，因此系统中缺少教育名家的教学课例。
虽然此系统仍有不足，但我们将坚持实践研究下去，新学期会基于此平台，学校将开展课堂教学竞赛活动，推进常态化的教研活动，邀请名家进课堂，通过平台分析，为我校教师提供学习的模板。
总之，九龙中学将在此项目的基础上不断探索信息技术与学科的深度融合之法。教学改革只有起点，没有终点。
参 考 文 献
[1]刘清堂，何皓怡等.基于人工智能的课堂教学行为分析方法及其应用[J].中国电化教育，2019，（9）
[2]刘德建，杜静等.人工智能融入学校教育的发展趋势[J].开放教育研究，2018，（4）：33-42
[3]王陆，李瑶.课堂教学行为大数据透视下的教学现象探析[J].电化教育研究，2017，（4）：77-85