基于人工智能的课堂行为画像与教学诊断

大数据文摘授权转载自中国人工智能学会

作者：柯清超，鲍婷婷

摘 要：

传统课堂教学行为分析方法存在难以获取教学全要素数据、行为分类粗粒度、去境域化与非客观性编码等不足，导致课堂教学诊断长期存在高期待与低效用的矛盾现状，因此，如何发挥人工智能技术优势精准刻画教学发生与发展过程亟需被探索。本文首先重点梳理课堂教学分析从定性观察到定量评估，再到智能技术辅助的综合分析的演变过程；接着阐述基于教学事件模型的课堂画像构建的基本思路；最后呈现基于课堂画像智能诊断的应用实例，并对其未来发展作出展望。

关键词：

教学行为分析；画像构建；智能诊断；人工智能

人工智能技术的进步正以前所未有的速度塑造教育新生态新秩序，成为推动教育革新的重要力量。2017 年 7 月，国务院印发的《新一代人工智能发展规划》明确提出，开发智能教育助理，建立智能、快速、全面的教育分析系统，推动人工智能在教学、教研、管理等领域的应用。2018 年 1 月，首个专门针对教师队伍建设的国家政策文件《关于全面深化新时代教师队伍建设改革的意见》中明确提出，教师应主动适应信息化、人工智能等新技术变革，积极有效开展教育教学。 课堂教学作为衡量中小学教师专业能力的核心内容，对其进行精准刻画、评价和研究可以有效帮助教师了解真实课堂情况，改善课堂教学质量，促进教师专业发展。

近年来，教学行为分析逐渐从研究人员现场观察或课堂录像人工编码等方式转向技术支持的自动化编码分析，但技术应用的广度和深度仍显不足。 大数据、用户画像等智能技术，为动态跟踪和刻画课堂教学行为的特征与规律提供了新思路新方法。

本文所提出的课堂教学行为画像（简称“课堂画像”），即通过自动收集与分析课堂教学的全过程、全方位、多模态数据，构建反映教学活动与行为全貌的动态模型，以揭示教学过程中的关键特征和潜在规律。 本文在重点梳理课堂教学分析的基本发展历程后，阐述了构建基于教学事件模型的课堂画像的基本思路及其智能诊断的应用案例，并指出了未来的发展方向。

课堂教学分析的基本发展历程

课堂教学分析作为教育研究领域的一个重要分支，其发展经历了从定性观察到定量评估，再到智能技术辅助综合分析的演变过程。课堂教学分析的起源可追溯至 20 世纪初，早期的方法主要依赖于观察者对课堂活动的简单观察和记录。

20 世纪中叶，随着行为主义心理学的兴起，课堂教学分析开始关注可量化的教师行为和学生反应，研究者大多通过设计标准化的课堂观察工具来量化教学活动。目前国内外相对成熟、应用较为广泛的教学行为分析框架主要有弗兰德斯互动分析系统（FIAS）、S-T（student-teacher）分析法、基于信息技术的互动分析系统（ITIAS）、基于课堂教学活动的课堂教学行为分析系统（TBAS），以及 1:1 数字化环境下课堂教学互动行为编码体系（OOTIAS）等。如表 1 所示，FIAS 侧重于师生的言语互动，其将师生的课堂言语行为划分为 10 类，形成一套编码系统并借助矩阵标记数据便于后续分析，近几十年来在课堂教学分析中被广泛应用。S-T 分析从教师和学生行为两大维度进行编码，根据数据表可以绘制成 S-T 曲线，计算教师行为占有率（Rt）、师生行为转化率（Ch），绘制 Rt-Ch 图以确定课堂教学的模式，可操作性强但数进入 21 世纪，现代信息技术的飞速发展为课堂教学分析带来了革命性变化。以人工智能和物联网技术为基础搭建的数据采集体系，可实时捕获课堂中师生全方位的多模态行为数据，为刻画师生课堂表现、理解教学过程、挖掘教学行为与教学效果之间的规律提供了新思路。

例如，童慧等从教学活动 - 技术使用 - 位置移动 - 身体姿态四个维度确立了ATMB 智慧课堂教学互动多模态分析框架，从情境性和时序性两个方面对智慧课堂教学互动进行了多模态分析。刘清堂等构建课堂教学行为智能分析模型，通过机器学习算法等人工智能技术实现课堂教学行为特征的提取和选择、行为的建模与识别，并力图寻找教师行为与学生学习绩效的关系，以及记据颗粒度较大。ITIAS 在 FIAS 原有基础上增加了技术性编码，并进一步拓展了教师提问与学生应答的类型。

与之类似，OOTIAS 同样在 FIAS 原有基础上，增设人与技术的互动类型，并引入问卷和访谈等质性分析框架。TBAS 从教学活动的视角来分析信息化教学环境中的课堂教学行为，便于教师对课堂教学行为、学生行为、课堂师生互动行为，以及媒体在课堂教学中的应用情况等形成清楚认识。

表 1 课堂教学行为分析方法对比

进入 21 世纪，现代信息技术的飞速发展为课堂教学分析带来了革命性变化。以人工智能和物联网技术为基础搭建的数据采集体系，可实时捕获课堂中师生全方位的多模态行为数据，为刻画师生课堂表现、理解教学过程、挖掘教学行为与教学效果之间的规律提供了新思路。例如，童慧等从教学活动 - 技术使用 - 位置移动 - 身体姿态四个维度确立了ATMB 智慧课堂教学互动多模态分析框架，从情境性和时序性两个方面对智慧课堂教学互动进行了多模态分析。刘清堂等构建课堂教学行为智能分析模型，通过机器学习算法等人工智能技术实现课堂教学行为特征的提取和选择、行为的建模与识别，并力图寻找教师行为与学生学习绩效的关系，以及记录教师成长曲线跟踪教师教学能力变化。卢国庆等利用人工智能引擎自动标注课堂教学行为，并采用相关性分析、主成分分析、非参数差异性检验等方法，对课堂教学行为类型、规律及差异性进行分析。Guo等利用统计建模和集成学习方法设计并验证了一个综合课堂教学评估模型，实现对教师的动作、情绪、音量和速度、言语、教学类型、教学风格、媒体使用，以及学生的动作、情绪、测试成绩、课堂注意力、参与度等维度的识别与分析，但除师生动作识别外，其余指标均由人工评价的方式获取特征标签。

基于教学事件模型的课堂画像构建

回顾课堂教学行为分析的发展历程发现，一是大多研究仍侧重在真实课堂或教学录像中以传统人工量表编码的方式进行课堂教学数据的采集与分析，且较多关注教学过程的师生言语数据，这种方式不仅效率低下，也存在行为分类粗粒度、人工编码非客观性、教学活动非连续性等问题；二是尽管一些研究开始尝试建立智能化采集与分析课堂教学行为的方法，但其往往停留在对教师语速、提问频率、应答次数等客观数据的统计层面，而对教学过程及行为的深层次意义解释方面尚显不足，导致课堂教学诊断长期存在高期待与低效用的矛盾现状。

为突破上述瓶颈问题，在 2022 年科技部国家重点研发专项“农村地区教师教学能力智能评测与教学精准辅助技术研究”支持下，我们致力于探究真实课堂情境下基于关键教学事件的课堂画像智能化构建方法，实时追踪教学的发生与发展过程，其实现逻辑如图 1 所示。首先基于课堂数据采集终端实时获取课堂教学的图像、语音、设备操作等多源数据；然后构建算法模型识别关键教学事件并对其序列进行教学语义特征表示，通过画像建模技术智能化生成课堂数字画像及分析报告。

图 1 课堂画像生成逻辑

在多源数据融合视角下，首先综合考虑师生行为数据、言语数据、板书数据、技术操作数据等数据类型的教育价值性、时序波动性、量纲差异性、状态关联性等特征，明确时间窗口下的课堂画像数据标准，建立多源数据与教学行为的映射与表征方法。其次，在整合加涅教学事件模型，以及上述5种教学行为分析框架的基础上，我们提出了“教学事件 - 行为 - 动作”的三级映射关系（见图 2），其中教学事件包括创设情境、讲授新知、练习测评、探究活动、组织管理、其他共 6 个事件，教学行为包括教师讲授、教师提问、书写板书、走下讲台、多媒体操作、学生听讲、学生应答、学生站立、学生举手、学生伏案共 10 个行为，动作则为图像及语义层面识别的特定模式，不具备教学信息。通过“动作 - 行为”“行为 - 事件”的层级映射，实现抽象数据向有意义教学信息的有效转化。围绕“数据采集—画像建模—画像输出—报告生成”的基本构建流程，以小学语文课堂为例生成课堂数字画像，剖析课堂画像各组成要素的基本特征，实现课堂画像生成与解读的完整闭环。

图 2 教学事件 - 行为 - 动作的三级映射模型

基于课堂画像智能诊断的应用案例

结合上述课堂画像的构建思路，已初步完成了课堂画像智能诊断系统的开发工作，实现了由“动作”到“教学行为”的精确映射，并小范围开展教学实验评估基于教学事件模型构建课堂画像的可行性、有效性与适用性，平台页面如图 3 所示。 首先，为清楚区分师生行为的差异性，将教学行为进一步拆分为教师行为和学生行为两个类别，教师行为包括教师讲授、教师提问、书写板书、走下讲台、多媒体操作，学生行为包括学生听讲、学生应答、学生站立、学生举手、学生伏案，并新增关键词类别丰富具体行为所对应的教学知识信息，由语音转文本后进行高频词统计获得。 其次，以 1 分钟为时间切片将整堂课分割为多个教学片段，进而形成了“一轴三轨模型”的画像可视化呈现方案： 以时间轴作为贯穿课堂活动的中心线索，以关键词、教师行为、学生行为三个并行轨道共同刻画教学活动的全景图。 实验证明，基于教学事件模型构建课堂画像的基本思路是可行的，且该系统在识别教学行为模式和提供实时反馈方面展现出了显著的潜力。 未来将进一步结合行为序列分析设计“教学行为”到“教学事件”的映射机制，丰富教学情境信息，增强课堂画像在教育学领域的解释力和应用价值。

图 3 课堂画像示例

结束语

目前课堂画像的研究工作还处于起步阶段，未来还有很大的研究和发展空间。现有的对课堂教学行为分析的研究主要集中在借助技术手段提升行为分类与统计效率层面，缺少深层次教学指导意义，因此上述课堂画像构建思路以教学事件作为突破点，尝试绘制课堂教学过程的全景图，揭示真实课堂教学过程的潜在模式和规律。未来可进一步提升行为识别的准确性，以及如何更有效地整合课堂环境、教学策略等多维数据，以构建更为丰富和准确的课堂画像。随着研究的不断深入，课堂画像有望实现从单一的数据分析向综合决策支持系统的转变，不仅能够为教师和学生提供即时反馈，还能够为教育管理者提供宏观层面的教学质量监控与改进建议，有助于构建一个更加智能化、个性化和高质量的教育生态系统，为实现教育数字化转型提供强有力的支持。

租售GPU算力

租：4090/A800/H800/H100

售：现货H100/H800

特别适合企业级应用

扫码了解详情☝