|
摘要 通過以新的課堂教學行為分析編碼系統(tǒng)為基礎(chǔ)，從行為主體和行為活動方式兩個維度出發(fā)，將16種教學行為以環(huán)形分布，形成4個分布區(qū)域、16個子維度區(qū)間，建立了課堂教學行為云坐標系。通過對數(shù)據(jù)進行標準化處理，提出了課堂教學行為云模型的構(gòu)建方法，確立了云模型的基本屬性及靜態(tài)、動態(tài)特性，定義了云模型的面積、周長、重心、離散系數(shù)等關(guān)鍵屬性參數(shù)的計算方法；并通過實驗，詳細驗證了所述方法的可行性和有效性，為課堂教學行為的量化分析提供新的模型和方法。 關(guān)鍵詞：課堂教學；教學行為；云模型；教學行為分析 20世紀60年代以來，課堂教學交互分析方法取得了長足發(fā)展，比較有代表性的課堂交互分析方法有弗蘭德斯互動分析方法、言語互動分類分析方法、IIS圖分析法、基于信息技術(shù)的互動分析方法、S-T分析法等。但隨著教育理念的發(fā)展及教學環(huán)境的改善，這些分析方法存在的問題日益凸顯，如，行為類別劃分不完整，媒體環(huán)境研究不足；“重教輕學”趨勢明顯，行為劃分不均衡；行為劃分粗略，教學內(nèi)涵難反映；行為劃分具有模糊性，降低了采集數(shù)據(jù)的準確性；機械采樣操作難度大，易遺漏有效數(shù)據(jù)等[1]。因此，探索新時代背景下的課堂教學交互行為分析方法，進一步完善和發(fā)展相關(guān)分析方法十分必要。 一、課堂教學行為數(shù)據(jù)的獲取與處理 （一）教學行為分類 在對幾種典型課堂教學行為編碼系統(tǒng)比較分析的基礎(chǔ)上，從行為主體（教師、學生）和行為活動方式（言語、活動）兩個維度出發(fā)，將課堂教學行為劃分為教師言語行為、教師活動行為、學生言語行為、學生活動行為四大類16種。其中，教師言語行為分為講授、提問、指示、反饋與評價；教師活動行為分為板書、演示或展示、觀察或巡視、個別指導或參與活動；學生言語行為分為主動提問、應(yīng)答（被動反應(yīng)）、對話（主動反應(yīng)）、討論；學生活動行為分為觀察、筆記或練習、實踐或?qū)嶒灐⑺伎糩2]。 （二）教學行為數(shù)據(jù)的獲取 按照上述四大類16種具體行為的分類標準，采用“時間抽樣、動態(tài)補償”的教學行為樣本采集原則[3]，依據(jù)教學行為觀察和記錄的標準和約束規(guī)則，在軟件的輔助下，基于視頻對課堂教學行為進行觀察和記錄[4]。 （三）教學行為數(shù)據(jù)處理 1.數(shù)據(jù)標準化處理 為便于不同課堂教學之間的比較，首先，將課堂教學行為數(shù)據(jù)的統(tǒng)計結(jié)果轉(zhuǎn)換為頻率分布，使轉(zhuǎn)換后的數(shù)據(jù)分布于[0，1]區(qū)間；然后，對轉(zhuǎn)換后的數(shù)據(jù)再進行Z-score標準化處理[5]。經(jīng)過處理的數(shù)據(jù)符合均值為0、標準差為1的標準正態(tài)分布。 2.多級評分 利用統(tǒng)計數(shù)據(jù)的平均值和標準偏差，將測試得分變換為具有指定的多個級別（段位）的評定值。參考C得分標準[6]，根據(jù)分析需要，多級評分以平均值為中心、以1/2倍標準偏差的范圍為基準進行擴展，得到得分范圍為1-11的多級評定值，具體分布情況如表1所示。 二、課堂教學行為云模型的構(gòu)建 （一）課堂教學行為云 “課堂教學行為云”模型通過圖形的方式把教師的課堂教學行為描述出來，以便表征、研究和分析。按照“言語一活動”以及“教師一學生”劃分成兩個維度，并構(gòu)建出教師言語行為、教師活動行為、學生言語行為、學生活動行為四個分布區(qū)域；每個區(qū)域中由4個不同的行為構(gòu)成，形成16個子維度區(qū)間[7]，教學行為環(huán)形分布示意圖如圖1所示。 根據(jù)課堂教學行為分布示意圖，可以將每一個維度的教學行為所對應(yīng)的結(jié)果在圖中標出。依據(jù)11級評分標準，最外圈為滿分11分，我們將16個維度、11個等級用同心圓表示出來，可以形成一個課堂教學行為云坐標系，如圖2所示。 為避免行為排序的變化影響到云的參數(shù)的估算，云的構(gòu)造以扇形云片為基本單元[8]。首先，將教學觀察所記錄的各種教學行為數(shù)據(jù)分別進行統(tǒng)計，并計算出每個維度上教學行為的多級評分的評定值；再以云坐標系的幾何中心為原點，某一維度（一種行為）的多級評分的評定值為半徑，按順時針方向繪制一個圓心角為/8的扇形，得到一種行為構(gòu)成的云片；最后，依次繪制其它15個云片，得到一個由扇形云片組成的課堂教學行為云，如圖3所示。 （二）基本屬性及特性 依據(jù)云的構(gòu)成方法，云具有半徑、極差、離散系數(shù)、周長、面積、重心等基本屬性。借助云模型，可以從靜態(tài)和動態(tài)兩方面對課堂教學的情況進行分析。 靜態(tài)分析方法主要是作橫向比較分析，將分析對象與其他對象的得分情況進行橫向比較分析，挖掘背后的差異因素。對于教學來說，可以將同一學科的不同教師的得分分布進行比較分析，分析教師之間的教學差異因素；也可以將不同學科的教學情況進行橫向比較，分析學科教學的特點等。 動態(tài)分析方法主要用于縱向比較分析，將評價對象當前的狀態(tài)與之前的狀態(tài)進行縱向比較分析，也可作為對未來的發(fā)展前景預(yù)測的依據(jù)。在教學中，可以將某教師當前的教學情況與之前的情況作比較分析，進行教學研究，并可以依據(jù)比較分析的結(jié)果，借助其它方法對該教師未來的發(fā)展趨勢進行預(yù)測。 （三）對教學的指導意義 基于云模型，結(jié)合具體的教學情況，可開展教學行為基本情況分析、教師教學行為比較分析、教師教學行為掌控水平發(fā)展預(yù)測等方面的教學研究，探究隱含的相關(guān)因素，以促進教師教學、分析與評價能力的發(fā)展，提高教育教學質(zhì)量。 1.課堂教學行為基本情況分析 根據(jù)課堂教學行為云的基本屬性，可以了解課堂教學行為的整體情況，如，教師教學風格傾向、行為整體分布均衡性、離散情況等。 2.教師教學行為比較分析 通過對教師課堂教學行為的比較分析，來挖掘課堂教學行為差異的隱含因素，在幫助教師發(fā)現(xiàn)課堂教學中的問題、完善教學的同時，教師的課堂教學能力、分析與評價等專業(yè)能力也獲得了發(fā)展。在具體的應(yīng)用中，可對個人、團體、不同學科的課堂教學情況進行比較分析[9]，有多種應(yīng)用形式。 （1）教師個人的教學情況比較分析。針對教師個人，可以對教師的課堂教學進行跟蹤比較分析，與以往的教學進行比較，找出兩次課堂教學行為的差異并分析原因，不斷完善教學。 （2）教師團體教學情況比較分析?？蓪⒛辰處煹慕虒W情況與其他教師的教學情況作比較分析，找出差距并分析原因，完善教學；還可以將講授相同內(nèi)容的教師團體的課堂教學情況進行比較分析，并以此進行研討，開展教學研究，完善該內(nèi)容的教學。 （3）多學科間的教學情況比較。通過將不同學科的教學情況進行橫向比較，分析學科教學的特點等。 （4）職前的教學技能訓練。將師范生或?qū)嵙暯處熍c有經(jīng)驗的教師的課堂教學情況進行比較，分析原因并改善教學，可為師范生的教學技能訓練、實習教師開展教研并完善教學提供一條有效途徑。 3.教師教學行為掌控水平發(fā)展預(yù)測 通過對教師的跟蹤觀察，將兩次講授相同內(nèi)容的課堂的教學情況進行比較分析，找出兩次教學的差異，依據(jù)分析結(jié)果，利用馬爾科夫模型對該教師未來的課堂教學能力的發(fā)展趨勢進行預(yù)測，為開展教師的發(fā)展性評價提供依據(jù)。 三、主要屬性參數(shù)的涵義及估算方法 （一）主要屬性參數(shù)的涵義[10] （1）半徑R。即從原點到某項行為評定值的距離，是教學中某一行為的得分分布值；（2）極差。即最大半徑與最小半徑之差，表示行為極端分布情況；（3）離散系數(shù)。即教師課堂教學行為分布的離散情況，用標準差表示；（4）周長L。即云外部邊緣的周長，結(jié)合面積間接反映教師教學行為掌控水平情況；（5）面積S。即云內(nèi)部的面積，在一定程度上反映了教師教學行為掌控水平的高低；（6）重心G。即行為云幾何圖形的重心，表示了該教師教學行為的綜合表現(xiàn)，反映行為分布的集中趨勢。 （二）主要屬性參數(shù)的估算方法 在“課堂教學行為云”的主要屬性中，每個維度的半徑與每種行為的得分值一一對應(yīng)；極差可由最大半徑減去最小半徑直接得出；其它參數(shù)則需在每種行為得分的基礎(chǔ)上計算得到。 1.離散系數(shù) 離散系數(shù)用標準差表示，可利用方差的計算公式計算得出。離散系數(shù)越大，表示課堂教學行為分布越分散；反之，表示課堂教學行為分布越集中。 2.周長 云的周長L為組成云的16個扇形云片弧長之和，由每個扇形云片的半徑所決定。 3.面積 云面積S為組成云的各個扇形云片的面積之和。 4.重心 在課堂教學行為云中，我們可以將云看作是一個密度均勻分布的物體，云的重心只與云的形狀有關(guān)。云的重心在一定程度上可以反映出課堂教學行為分布的整體傾向，有助于對課堂教學行為的深入分析。 改進后的云由16塊扇形云片組成，由于扇形的半徑大小不一，故構(gòu)成的云是由多個扇形組成的不規(guī)則圖形，我們無法直接得到其重心。由于扇形的數(shù)量一定，且圓心角相等，每個扇形的圓心角是固定的，即/8。在已知扇形的半徑和圓心角的前提下，我們可以方便地計算出扇形的面積，并求出該扇形的重心坐標。 依據(jù)云的重心坐標，可精確確定云的重心所在的具體位置，從而確定課堂教學行為的一種整體分布傾向，為教學行為分析和評價提供依據(jù)。 四、實驗與討論 （一）應(yīng)用案例 為驗證上述方法的可行性和有效性，我們選取了一節(jié)小學《信息技術(shù)》課程的教學視頻作為實驗分析的樣本，依據(jù)課堂教學行為編碼與采集標準，對課堂教學行為進行采集。 通過統(tǒng)計可得到每類教學行為的基本數(shù)據(jù)，該樣本的離散系數(shù)為0.08473175，進而可得到Z得分、多級評分（即云片半徑值）、極差等數(shù)據(jù)，如表3所示。依據(jù)每個云片的半徑值，可以繪制出課堂教學行為云圖，并可分別計算出每個云片的面積、周長、重心、力矩等屬性值，如表4所示。 根據(jù)云的定義，可計算得到云的面積S為103.2799、周長L值為24.3473、力矩值為-7.5655、力矩值為204.6089?；谝陨显频幕緦傩灾担捎嬎愠鲈频闹匦淖鴺藶镚（-0.07325，1.981111）。 至此，云的屬性值均已計算得出，可繪制出如圖5所示的行為云，直觀地反映出教學行為的整體情況，為教學行為分析與評價提供依據(jù)。 （二）相關(guān)討論 在極端分布情況下（如，整個教學過程只有一種行為或每種行為等比率分布等），云是一種什么樣的結(jié)構(gòu)？云的面積是否有一個確定的取值范圍？ 1.一種課堂教學行為主導教學 當只有一種課堂教學行為主導教學時，該教學行為所占比率為1，而其它15種教學行為所占比率均為0。據(jù)此，我們可以算出平均值為0.0625，標準差為0.25，并計算出每種行為值的Z得分情況，確定Z得分的分布范圍，得出每種行為的多級得分評定值，從而得到課堂教學行為云的分布圖，如圖6所示。此時，云的面積為16。 2.課堂教學行為等比率分布 教學行為呈等比率分布時，平均值為0.0625，標準差為0，每種行為的Z得分也為0。根據(jù)多級評分的定義規(guī)則，取得分平均值6為每種行為的最終得分。此時的課堂教學行為云（如圖7所示）實際上是一個標準的圓形，云的面積為36。 3.云面積取得極值情況 顯然，當教學行為等比率分布時，云的面積并不是最大的。從教學的角度來說，云模型只是提供了一種比較分析的方法，教學不能刻意追求行為的比率分布，教學行為等比率分布未必就是最好的教學。理想情況下，一位優(yōu)秀的教師應(yīng)該能夠根據(jù)課堂教學的對象、內(nèi)容、條件等多方面因素，盡可能運用多種教學行為，靈活多變地開展教學，行為分布的比率應(yīng)該是有高有低的。 根據(jù)課堂教學行為云的構(gòu)成方式及多級得分的標準可知，每種行為的最高得分為11，最低得分為1。即使某種教學行為出現(xiàn)的頻數(shù)為0，該教學行為得分也是1。那么，能不能每種教學行為的得分都為最小值或最大值？ 云的面積的大小由組成云的各個云片的半徑?jīng)Q定，即由每種教學行為的最后得分所定。而每種教學行為的最后得分依據(jù)每個得分數(shù)據(jù)的Z得分確定，Z得分又由原始得分、平均值和標準差決定，如公式5所示。在平均值一定（0.0625）的前提下，Z得分由標準差決定，且與標準差成反比的關(guān)系。當16種教學行為等比率分布時，標準差為0，其它情況下標準差的值大于0。在標準差不為0的情況下，標準差越大，相對于某一確定的原始得分而言，Z得分越??；反之，Z得分越大。因此，教學行為的極端得分情況與標準差也呈反比關(guān)系，可通過間接考察標準差的取值來探討教學行為的極端得分情況。 標準差取的是方差的算術(shù)平方根，如公式6所示，而方差直接反映的是一組數(shù)據(jù)的分散程度。因此，數(shù)據(jù)分布越分散，方差越大，標準差也越大；數(shù)據(jù)分布越集中，方差越小，標準差也越小。 通過前文討論可知，當教學行為等比率分布和只有一種教學行為時，標準差的取值分別為0和0.25兩個極值，對應(yīng)的云的面積分別為36和16。 教學行為的最終得分還受到多級評分中的每個得分的分布范圍的影響。在平均值一定的情況下，這個分布范圍也是由標準差決定的，標準差越小，每個得分的分布范圍就越?。粯藴什钤酱?，每個得分的分布范圍就越大。極端情況下，標準差為0時，即每種教學行為等比率分布的情況，得分范圍就成了一個數(shù)值，所有的教學行為得分都相同。因此，標準差同時影響到Z得分和多級評分中每個得分的分布范圍，且與Z得分呈反比關(guān)系，與多級評分中每個得分的分布范圍呈正比關(guān)系，所以，在考察極值時也考慮對這兩個方面帶來的影響。 （2）極小值。同理，當標準差取得一個較小的值時，每個得分的得分范圍就較小，如果有一種教學行為的占有率明顯大于其它15種行為，且其它15種教學行為接近于等比率分布時，則該種行為的Z得分可以取到一個較大的值。由于此時的每個得分的分布范圍較小，該行為的Z得分值很容易超過10分，即記做11分；而其它15種行為對應(yīng)的Z得分將是一個負值，其對應(yīng)的最后得分必然為1。當能取得15個1分、1個11分的情況下，此時云的分布情況如圖9所示，將取得最小面積8.5。 云的面積是云的核心屬性之一，可為課堂教學行為分析和評價提供一定的參考依據(jù)。以上討論的是幾種極端情況的課堂教學行為分布，一般情況下，云的面積的取值范圍S[8.5，113.5]。 五、結(jié)束語 模型的構(gòu)建是課堂教學行為分析與評價的一個重要環(huán)節(jié)，好的模型可以提供更為科學和有效的分析與評價方法。利用云模型可便捷地分析出相關(guān)屬性參數(shù)的值，為深入分析課堂教學行為提供量化依據(jù)。但是本文著重闡述的是模型的構(gòu)建與參數(shù)的估算方法，只選取了個案視頻樣本進行應(yīng)用，在后續(xù)研究中應(yīng)豐富各種案例樣本，結(jié)合一般的課堂教學情況，開展進一步的實證研究。希望課堂教學行為云模型概念的提出，能夠為進一步豐富和發(fā)展課堂教學行為分析方法帶來一定的啟發(fā)意義。 基金項目：本文系全國教育科學規(guī)劃教育部青年課題“基于視頻內(nèi)容分析的課堂教學評價研究”（ECA130373）的研究成果。 作者簡介：程云，黃岡師范學院教育科學與技術(shù)學院副教授，博士，研究方向：智能軟件與知識服務(wù)；劉清堂，華中師范大學教育信息技術(shù)學院教授，博士生導師，研究方向：學習分析技術(shù)；王艷麗，黃岡師范學院教育科學與技術(shù)學院講師，碩士，研究方向：教育技術(shù)基本理論、方法與應(yīng)用；王鋒，黃岡師范學院教育科學與技術(shù)學院教授，博士，研究方向：協(xié)同通信技術(shù)；毛剛；華中師范大學教育信息技術(shù)學院在讀博士研究生，研究方向：學習分析技術(shù)。 轉(zhuǎn)載自：《遠程教育雜志》 2017年第2期 第35卷 總第239期
|
