数据驱动的课堂观察活动多元分析与改进研究

来源:用户上传      作者:王阿习 余胜泉 陈玲

　　摘要：线上线下相结合的课堂观察活动具有跨越时空、支持大规模协同等优势，已成为促进中小学教师专业发展的重要活动。但是，其在应用中存在突出问题，如难以从大量非结构化的多源反馈数据中及时发现教师集体共识信息，难以精确诊断与改进教学问题，难以实现教师同伴之间互助学习。为解决上述问题，该研究依据观察学习理论与学习分析技术，构建了包含课堂观察活动全过程数据采集、多元分析、可视化反馈报告、社会知识网络自动推荐、精准改进等要素的课堂观察多元分析与改进模型，并开发了支撑系统。研究结果表明该模型实现了对教师教学知识技能、观察参与行为与情感状态的及时诊断，能够推动课堂观察向数据驱动的科学决策与精准改进转变，实现观察者与被观察者的协同发展。
　　关键词：数据驱动；课堂观察；多元分析；观察学习；社会知识网络
　　中图分类号：G434 文献标识码：A
　　* 本文系教育部人文社会科学青年项目“基于文本情感识别的教师教学问题智能诊断与改进研究”（项目编号：20YJC880088）、北京联合大学教育科学研究课题“基于社会知识网络的U-S协同课例研究活动设计”（课题编号：Jk202003）阶段性研究成果。
　　随着互联网、大数据与学习分析等技术的快速发展与普及应用，线上线下相结合的混合式课堂观察活动（又称为听评课），因其能够跨越时空障碍、支持大规模协同、便于教师智慧共建共享等而成为促进教师专业发展的重要活动。同时，中共中央、国务院于2018年发布的《关于全面深化新时代教师队伍建设改革的意见》，指出要转变教师培训方式，推动信息技术与教师培训的有机融合，实行线上线下相结合的混合式研修[1]。教育部于2019年发布的《关于加强和改进新时代基础教育教研工作的意见》，提出要创新教研工作方式，积极探索信息技术背景下的教研模式改革，提升教研工作的针对性与有效性[2]。然而，高效开展教研活动的先决条件是精确诊断教师教学中存在的关键问题、发现教师专业发展需求。基于此，本研究以中小学教师参与较多的混合式课堂观察活动为切入点，依据观察学习理论与学习分析技术，采集课堂观察活动全过程的大量非结构化多源反馈数据，构建数据驱动的课堂观察活动多元分析与改进模型，以帮助教师从非结构化反馈数据中发现、改进教学问题，这对于提升教研工作的针对性与有效性、建设高素质专业化创新型的教师队伍具有重要的理论与应用价值。
　　（一）课堂观察工具的相关研究
　　课堂观察，既作为一种教育科学研究的方法，也作为促进教师专业发展的活动。本研究采用崔允t教授的界定，将课堂观察作为听评课的新型范式，是一种有组织、有准备、有程序的专业活动，需要借助于一定的研究方法和工具[3]。基于不同的观察视角可以将课堂观察工具分为不同的类别，本研究按照课堂观察工具依据的媒介形态将其分为：基于量规的工具（包含量表）、基于标记注释的工具、基于综合性观察系统的工具。
　　基于量规的课堂观察工具，这类课堂观察工具的特点在于各个观察指标清晰可见、易于操作[4]。例如Robert Pianta教授团队领衔开发的Classroom Assessment Scoring System，是一种基于量表的课堂观察工具，旨在帮助教师改进课堂师生交互行为，以支持师生学习和发展。作为各个学科通用的课堂观察工具，其信度与效度已经过验证[5]；基于标记注释的工具，这类课堂观察工具的特点在于需要借助编码分析表和视频等标注工具实现，经常用于观察师生行为。例如，弗兰德斯研发的互动分析系统（Flanders Interaction Analysis System， FIAS）[6]是一种典型的基于时间采样的标记注释工具；基于综合性观察系统的工具，这类课堂观察工具的特点在于将量表嵌入网络平台，研发基于网络端与移动端的综合性课堂观察工具。例如，王陆教授团队在S-T分析法的基础上开发了课堂行为在线分析系统[7]，并借助于课堂教学行为大数据的优势，分析不同区域的教师课堂教学行为差异与特点，通过改进课堂教学行为实现课堂教学质量的提高[8]。朱雪梅教授团队将专门的课堂观察量表嵌入网络平台，研发基于移动终端的课堂观察系统，在听课的过程中采集教与学的表现行为信息，从而为评课提供量化证据[9]。
　　课堂观察自引入到教育领域以来，已得到国内外的普遍关注，产生了一批有影响力的研究成果。例如，构建了多样化的课堂观察模式、涌现出一批适用不同情境的课堂观察系统[10]。与此同时，课堂观察活动研究也存在突出的问题，主要表现在以下四个方面：现有的课堂观察分析模型与工具，难以快速发现听课者的集体共识信息，精准诊断教学问题与教学特色；难以对教师的多次活动数据形成历程分析[11]，发现教师知识与能力变化趋势与规律；忽视听课教师的关注点与发展需求，难以实现教师同伴互助学习；课堂观察结果反馈滞后[12]，无法基于教学问题提供及时反馈与干预，难以实现多元主体参与的精准改进。
　　（二）学习分析过程模型与可视化相关研究
　　学习分析过程模型主要包含对利益相关者的数据处理、应用措施的实施两大部分[13]。Brown根据学习分析的理论性概念，提出了学习分析过程的五个环节：数据收集、分析、学生学习、受益者和干预；Siemens提出了学习分析过程模型，确定了学习分析模型的基本要素，并基于学习分析的技术性和过程性阐述了学习分析的应用步骤[14]；胡艺龄等以学习需求为导向，以理解和优化学习为目标，自底向上对在线学习行为过程进行建模，将学习分析过程分为数据、机制、结果三部分[15]；际学习分析研究协会的学者们设计了一种整合多个引擎的学习分析系统，该系统由分析引擎、干预引擎、学习适应与个性化引擎构成，实现了线上学习与线下学习的无缝衔接，能够满足学习者、教育者和管理者的发展需求[16]。
　　学习分析可视化研究主要借助于学习仪表盘技术实现学习结果可视化、行为可视化和情感状态可视化。关于学习结果可视化方面，姜强与赵蔚等从个人、他人及个人与班级等视角设计了学习分析仪表盘[17]，研究结果发现学习分析仪表盘能够提高学习效率和动机，增强学生对课程学习的满意度；关于学习行为可视化方面，有研究者发现学习行为可视化工具，不仅可以基于时间实现学习者个体活动行为的可视化，而且可以实现小组活动行为的可视化[18][19]。教师能清晰地查看学习者的课程学习和参与情况，也便于监控整个班级的学习者的学习进展，发现问题、及时指导；关于学习者情感状态可视化方面，Leony等采集学生使用电脑编程的交互数据，设计了四种情感可视化方式：基于时间的情感可视化、基于情境的情感可视化、情感变化趋势的可视化、信息汇聚的可视化，以改善学生学习中的情感意识、促进自我反思，进而验证了学生的情感结果与学习过程相关[20]。
转载注明来源:https://www.xzbu.com/1/view-15424256.htm