课堂大数据分析范文第1篇

关键词： 数据分析课程 翻转课堂 教学设计

数据作为信息的主要载体，在当今“大数据时代”背景下扮演着重要的角色。对数据的分析和利用已经成为每个行业重要的生产因素，并广泛应用于各行业和领域。数据分析就是用适当的统计方法对收集的资料进行详细的研究，提取有用的信息并形成结论，以求最大化地开发数据资料的功能与发挥数据的作用。在我校，数据分析课程是信息与计算科学系的必修课程，对提高学生的建模能力及数据分析水平有重要的作用。

数据分析课程的特点就是要求学生具备较高的理论基础水平、综合应用及动手能力，还需要学生掌握必要的分析解释能力。将理论与实际案例结合，发挥学生的主观能动性，增加学生的动手实践和分析解释环节，是数据分析教学中必须遵循的原则。而翻转课堂正是通过对知识传授和知识内化两个环节的颠倒，实现学生对授课内容的理解和对知识点的内化，也就是理论结合实践的过程。因此本文针对数据分析课程特点和存在的问题，结合翻转课堂的教学理念，对数据分析课程各个教学环节进行设计研究，以期促进数据分析教学，使之更好地为专业素质的培养提供服务。

一、数据分析教学存在的问题

1.理论教学

数据分析课程的理论与方法内容丰富，涉及面广，应用范围大。在理论教学中，学生学习理解掌握理论基础具有一定的难度。如对各分析方法的理解掌握，必须建立在良好的数学基础上，综合运用所学数学知识才可以理解各种数据分析的理论分析原理。同时学生还需要理解掌握各分析方法理论的内在联系，并把握其不断发展的趋势，才能真正掌握数据分析的理论与方法。我校现在的数据分析课程教学理论课程授课方式单一，传统教学方式使学生只能对课程方法理论浅尝辄止，无法深入了解，综合运用。同时单一的课堂授课模式无法对学生的掌握程度进行有效的评价和检测。

2.实践教学

数据分析课程对学生的动手能力要求很高。学生在理解掌握各种分析方法的理论基础上，需要掌握一定的统计软件的使用方法，如SPSS，MATLAB。这需要将理论方法，如复杂的公式，与实际软件使用相结合。实验教学中，要求学生有较高的计算机编程能力，然后结合数据分析的理论方法，对数据进行分析，并应用于实践。现阶段我校数据分析课程中，学生实践课时偏少，而且传统授课模式让学生的学习处于被动状态。实践教学中只能根据老师和教材的指导，对课本上的例题程序进行练习，极大地限制学习广度和深度，且无法有效地将本课程与实际生活与应用联系起来，从而挫伤学生学习和动手的积极性。

3.学生能力培养

数据分析课程对学生能力的培养体现在综合运用能力和对结果的分析解释能力。理论课程传统的填鸭式教学，和实践课程拘泥于教材的例题程序的现状，将数据计算与数据分析分割开来，势必会限制学生综合运用能力和分析解释能力的发展，影响学生学习兴趣和课程教学效果。

二、翻转课堂教学理念

翻转课堂起源于美国林地公园高中，两位化学老师通过让学生在家观看视频，课堂进行练习的方式，完全颠覆传统教学模式。翻转课堂将传统教学模式中知识传授和知识内化两个阶段颠倒过来。与传统授课模式不同的是，知识传授不再是完全由课堂中教师的讲解完成，而是通过信息技术的辅助在课前或课后等业余时间完成，同时知识的内化不再是单一的由课后作业或者练习完成，而是通过在课堂中进行疑难解答、项目式学习、合作学习等方式进行。因此，对翻转课堂教学方法的实际有效利用可以将大学生学习时间最大化，并培养学生的自学能力、自我约束能力及分工合作能力。

在数据分析课程教学中，学生可以利用课余时间，结合教师提供的数据分析每一模块的课前学习材料，实现对数据分析课程基本方法和理论的了解，这样很好地利用学生的课余时间，培养学生的自学和约束能力。而对所学数据分析方法的具体应用、深入理解及综合分析等方面，学生可以通过课堂的各种活动和学习方式，以及和教师的及时沟通，和同学的合作交流等方式，在知识内化这一环节获得比传统课堂更好的学习效果。

三、翻转课堂在数据分析教学中的应用设计

近些年国内外很多对翻转课堂教学的研究，形成针对各个学科和地区的教学模式。如RobertKarplus提出的“探索-解释-应用”三阶段学习周期，RamseyMusallam提出的“探索-翻转-应用”模式，国内南京大学张金磊等人提出的由课前学习和课堂学习组成的翻转课堂教学模式等。

针对数据分析课程学科特点和本校学生基础水平及实际情况，本研究提出数据分析翻转课堂的教学流程：

课前――概念探索教学视频平台交流

课中――问题解决（经验交流，教师讲解）测试反馈项目创建协作学习及汇报

课后――平台交流，作业反馈

在课前教学环节中，概念探索是根据数据分析课程的学科特点设计的，由于学生初次接触数据分析，对很多基本概念及意义没有深入了解，意识不到社会意义和实践意义，在这一环节中学生可以通过教师给出的简单具体的实例演示，再加上信息丰富的网站、视频及博客等手段在教学交流平台上阐述自己对所学概念的理解，相互交流，以此实现对概念的初步正确理解。如对聚类分析的理解，学生可以概念探索这一过程中通过具体实例演示和对各种信息的阅读，了解到聚类分析作为数学工具的基本思想和在现实生活中的重要意义。

教学视频主要是微视频和幻灯片。对于教学视频的观看，要求学生针对自己的数学学习基础有选择地观看。教学视频中主要针对本单元学习内容进行讲解，同时还会提供与本单元学习相关的数学基础理论的教学内容。这种数学基础与数据分析内容相结合的教学材料可以让数学基础不完善的学生更有效地理解本单元的知识。在视频或者课前学习资料的制作中，需要结合每一章节的实际，主题突出，简短生动，而且有效。如在聚类这一章节中，对于各种聚类方法的介绍可以结合具体的实例，如与生活密切相关的人均家庭收入问题等，通过不同方法展示对比，从而做到对每一聚类方法的理解和融会贯通。同时需要介绍相关的Matlab编程方法，让学生结合理论和实际，通过编程过程实现对理论知识的理解和应用。

课前学习中，反馈是比较重要的一部分。教师可以通过平台交流得到课前理论学习的反馈信息，同时可以通过在线学习简单的作业练习，由此获得课前学习的反馈。

课堂教学仍然是很重要的一环。课堂上教师首先组织学生面对面交流，解决并了解课前学习中遇到的问题，对普遍性问题做详细解答。然后经过简单的例题让学生编程实现，并进行相应的解释，由此测试学生的学习效果。这样教师可以更好地掌握学生对每一章节数据分析理论的学习效果，以及学生对理论的应用构建能力。在保证学生对概念和理论的学习后，教师可以提供项目创建的基本信息和参考实例，如数学建模题目等。学生分组合作交流，选择自己感兴趣的问题成立合作组，结合本章节内容分析解决问题，寻找合适的数据处理方法，应用相关软件编程实现自己的想法，将理论应用于实践，并进行有效的分析，学生的问题解决过程和讨论过程可以在课下进行。在学生充分准备后，课堂上进行分组汇报，并进行自评和互评，实现学生对理论的应用和相互学习。

本章节教学内容结束后，教师组织学生在教学平台交流，并展示自己的作业和反思内容，巩固对本章节内容的理解。

四、教学设计效果分析

1.符合大学生学习特点

大学生作为已经独立的学习个体，拥有独立的学习和思考能力，同时具备独立学习时间和空间，而传统教学方式无法充分发展学生的独立学习能力，让学生的课余学习漫无目的，松散自由，无法充分利用课余时间。翻转课堂在数据分析课程教学中的应用让学生在课余时间的学习有的放矢，通过学习交流平台还可以相互交流督促，培养学生良好的独立学习和探索学习的习惯。

对于思想上已经独立的大学生来讲，个性化学习更符合学生的行为习惯和思想意识。在数据分析课程的学习中，学生可以根据自己的基础、学习习惯及自己的喜好等自由选择学习的材料、时间和方式，互不打扰，又可以相互交流。如对概念和理论的理解，学生可以通过网络资料，也可以选择图书馆的书籍，观看教学材料等方式进行，每位学生理解的深度和广度可能会有所不同，通过相互交流和共同知识构建和应用又可以相互弥补。这样的教学和学习方式极大地满足了不同学生对知识的需求，避免一刀切式教育，可以充分发挥学生的学习潜力。

2.增强学习效果

通过初步的教学实验，接受翻转课堂数据分析课程的学生无论在理论知识理解还是实践应用上都有明显提高。相对于传统课堂中的学生，在数据分析课程结束后，翻转课堂中的学生可以较好地阐述相关理论，通过Matlab软件编程实现对理论的应用，并给出合理的解释。通过测试对比可以看出，翻转课堂中的学生理论基础更加扎实，编程能力有很大提高。在翻转课堂试行后，学生在数学建模大赛中成绩有明显进步。

3.改善教学氛围

在数据分析翻转课堂中，学生学习积极性有很大提高。首先学生已经通过概念的探索阶段对所要学习的知识有初步了解和认识，能够较好地意识到所学知识的社会意义，增强学习兴趣和信心。其次，学习方式多样化，学生可以充分利用自己喜欢的现代信息设备，将手机、平板及电脑等学生喜爱的现代化信息设备变成学习的工具。避免学生与教师之间对手机等工具的对弈，改善学生将手机等单纯作为娱乐工具的现象。此外，学生在交流平台上的发言、总结和展示不仅乐意给学生带来成就感，而且可以激发其他学生的学习动力，形成你追我赶的学习氛围。

通过将翻转课堂理念初步运用于数据分析课堂，发现这一理念的运用可以有效解决目前数据分析课程教学中存在的一些问题，将理论教学与实践教学密切联系起来，并有效调动学生的学习积极性，取得较好的教学效果。在这一过程中，我们发现翻转课堂理念的实施不能拘泥于形式，需要根据具体问题和课程需要进行相应的调整。同时翻转课堂中需要教师付出更多精力进行探索，如更合适的教学资料和课堂活动设计。总之，翻转课堂理念的实施带来的不仅是教学形式的变化，更是对教师工作分工和角色的改变。

参考文献：

[1]宋艳玲，孟昭鹏，闫雅娟.从认知负荷视角探究翻转课堂[J].远程教育杂志，2014，（1）：105-112.

[2]汪晓东，张晨婧仔.“翻转课堂”在大学教学中的应用研究[J].现代教育技术，2013，（8）：11-15.

[3]张金磊.“翻转课堂”教学模式的关键因素探析[J].中国远程教育，2013，（10）：59-64.

[4]周学刚.浅谈“数据分析”课程的教学[J].中国电力教育，2011，（7）：110-111.

[5]窦建军.数据分析课程教学中的几点体会[J].徐州教育学院学报，2008，（3）：146-147.

课堂大数据分析范文第2篇

关键词 FIAS；课堂教学行为；差异

中图分类号：G423.04 文献标识码：B

文章编号：1671-489X（2014）18-0158-02

On Comparison of Classroom Teaching Behavior between China and United States//PENG Yingjuan， ZHAO Bo

Abstract The behavior categories in FIAS are improved according to the characters of multimedia classroom teaching environment. The case of two Netease open classes from China and United State is analyzed by FIAS to gain difference in teaching subject， teaching content， teaching method， teacher-student relationship， classroom atmosphere and evaluation standard between China and United State.

Key words FIAS； classroom teaching behavior； difference

1 方法概述

弗兰德斯交互分析法（Flanders Interaction Analy-sis，简称FIAS）是美国教育家弗兰德斯20世纪60年代创设的[1]。FIAS主要将课堂上的师生语言互动行为分为教师语言、学生语言和沉寂或混乱三大类别，并赋予1～10的10个编码。然后运用制定好的观察记录表对课堂实录每间隔三秒钟取样，依照分类表记录下相应的编码，按时间顺序将编码连接成一个序列，将全部的序列出现的频数填入对应的矩阵单元格中，构成弗兰德斯迁移矩阵，对教师的课堂教学结构、教学风格等教学情境或行为进行有意义的分析。

2 数据处理过程

2010年11月1日，网易推出“全球名校视频公开课项目”，首批1200集课程上线[2]；2011年11月9日，首次大规模推出中国大学视频公开课，截止目前已覆盖人文、社会、艺术、金融等不同学科。本研究以网易视频公开课中中国某大学的一节哲学导论课（样本一）和美国某大学哲学课第一讲（样本二）的实录课堂数据为案例，运用FIAS层层深入地进行对比分析。

数据采集 在新教育背景下，FIAS的10个行为类别已不能完全地反映教学过程。为更好地分析教学过程，本研究在原有编码的基础上增加学生思考问题（行为11）和多媒体辅助讲解（行为12）两个类别，详见表1。

数据处理 样本一视频长度35分13秒，按照FIAS的记录方法，记录样本725个；样本二视频长23分39秒，记录样本473个。再进行数据序列对的个数统计，最后得到FIAS数据处理结果，如表2所示。

3 数据分析

教师提问和学生回答的模式 教师提问比率反映的是“教师利用学生的观念，立即使用问题的方式以响应学生话语的倾向。数据愈高，表示教师愈能实时追问学生的话语，常模约为44%”[3]。由表2可看出，样本一教师提问比率约4.14%，样本二教师提问比率约12.9%，比值均小于常模。这就可以看出两节课程教师都处于课堂的主导地位。相比较而言，样本二教师比样本一教师对学生的关注度更高一些。

同时，FIAS可以分析教师提问的创新程度。由4-4、4-8、8-4、8-8四个单元格所形成的闭环显示了由教师提问驱动学生回答的情况，代表了训练型提问的程度；3-3、3-9、9-3、9-9四个单元格所形成的闭环则显示了由教师通过接受或采纳学生意见诱导学生主动发言的情况，代表了创新型提问的程度[4]。观察表3可知，样本一4-4、4-8、8-4、8-8四个单元格形成的闭环记录次数642（占总次数的88.67%），3-3、3-9、9-3、9-9四个单元格形成的闭环矩阵记录次数642（占总次数的88.67%）；样本二4-4、4-8、8-4、8-8四个单元格形成的闭环矩阵记录次数373（占总次数的79.03%），3-3、3-9、9-3、9-9四个单元格形成的闭环矩阵次数为417（占总次数的88.35%）。显而易见，样本二教师的创新型提问程度明显高于样本一教师。

粒度分析二维矩阵不难发现，在样本一中，学生既无回答问题的记录，也没有思考问题（类别11）的数据，这就说明样本一教师和学生的问与答模式属于“有问无答”型。在这节课中，教师只是以设问的方式来引导教学流程，这是一节讲授型课堂模式。样本二的闭环说明在课堂中教师注重构建对话情境，设置的问题具有启发性，学生能够勇于表达自己的观点，这是一节对话型课堂模式。

课堂结构

1）根据表2数据统计，样本一教师语言比91.16%，学生语言比0，多媒体使用比8.84%；样本二教师语言比80.43%，学生语言比15.68%，多媒体使用比1.69%。由此可见，两节课中均是教师占课堂主导地位，以讲授为课堂主要组织形式。样本一教师语言与技术操作搭配较为合理。样本二教师与学生语言互动性较强。

2）样本一课堂的无效语言比率（行为10/总次数）为0；样本二课堂无效语言比率2.12%。说明这两节课教师教学组织能力都很强，课堂利用率很高。

3）样本一学生主动讲话概率（行为9/行为8-9）为0；样本二学生主动讲话概率占44.59%。说明样本一学生对知识处于被动接受的地位；样本二学生在教师的鼓励下，课堂反应积极踊跃。

教学管理方式 通过数据分析，样本一积极整合格（1-3行和1-3列矩形相交区域）记录次数为0，缺陷格（6-7行和6-7列的相交矩形区域）记录次数为0，比值无意义；样本二积极整合格记录次数为12，缺陷格记录次数为1，比值12。由此可知，样本一课堂处于无管理状态，教师是课堂的中心，教师和学生之间无情感交互，教师仅仅在扮演着知识的传递者；样本二中，教师对课堂管理更趋向于间接管理，教师对学生的回答以称赞、鼓励为主，使课堂气氛轻松和谐，同时也极大地调动了学生参与的积极性。

稳态模式 表4显示出，样本一中除了教师持续讲授的比例最高外，只有教师提问学生问题稳态格中含有数据，就充分说明在这节课中，教师只管自己将知识“传递”给学习者，忽视了教师与学生之间的积极互动，更是对学生学习的反馈毫无涉及；样本二除教师持续讲话比例最高以外，就是师生之间的互动比例最高，这说明在样本二课堂中，教师注重和学生的沟通，且在讲授中善于运用启发式的教学形式对学生学习进行引导，调动了学生的学习热情，有利于学生知识的主动建构。

教师语言动态曲线 从图1可清晰地看出，样本一教师的课堂语言占有率明显高于样本二教师，只有在媒体切换的间歇中有短暂的语言停留；样本二教师比较重视创设教学情境，和学生一起进行讨论思考，在课程进行的最后做了一个系统的总结。

在具体地分析样本一教学视频的过程中发现，教师在短短的37分钟课堂给学生讲了4个哲学知识点，并列举了7～8个例子来佐证这些观点，但对于学生对知识点的理解却未做考查。而样本二教师在授课过程中并没有直接给出学生知识点，而是通过假设、例证的方式，让学生自主思考；对于学生的回答，教师更多的是采用赞赏、鼓励的方式让学生深化理解，形成观点。

4 中美公开课对比

课堂教学是学校实现教学目标的主要形式，其效果的优劣直接影响学生的学习质量[5]。通过以上数据的分析，中美两国在教学中到底存在哪些差异呢？本研究通过运用FIAS对教学过程各个层面进行分析，从六个方面阐述中美课堂教学差异。

教学主体差异 中美课堂教学理念的不同直接导致课堂教学行为的差异。通过中美两节公开课的比较，可以很清晰地看到美国课堂以学生为主体，教师对于课堂教学效果的检验是基于学生的理解和吸收，重视学生“学”的过程；我国的课堂教学以教师为主体，课堂教学效果的检验以是否完成教学大纲为主，过分重视教师“教”的过程。

教学内容差异 教学内容是完成教学目标的重要基础。视频案例可以看出美国教师在对教学内容的选择、处理和组织上有很大的自主性和灵活性；而我国教师大都根据教学大纲的要求将知识传授给学生即可，缺乏对教学内容的处理，照本宣科，以致教学内容与社会生活需求脱节。

教学方法差异 FIAS分析发现，美国教师在课堂教学中运用了大量的假设案例，和学生展开大范围的讨论和思考。学生在这个过程中超越认知领域的局限，实现对问题本身的生命感受、价值判断和能力的形成。这一分析结果恰好印证了美国主流重视归纳分析、渗透综合的教学法[6]。我国教师却是在课堂上进行着“独角戏”，教授大量知识，忽略了学习主体――学生，使学生成为教师灌输知识的容器。这种教学方法不利于培养高校学生独立思考、自主创新的精神，而这一点正是高等教育中所必需的。

师生关系差异 FIAS分析表明，美国教师积极整合格内数据远大于落在缺陷格内数据，这说明在课堂上教师对学生多采用正向反馈；即使在和学生有分歧的情况下，也能认真听取学生意见，提出建议，师生关系友好、坦诚。分析过程同时显示出我国教师受传统文化的影响，在课堂上具有绝对权威的地位，学生亦在尊师重道的学习氛围影响下，鲜少表达个人观点，课堂讨论也往往是浅尝辄止；在新时代背景下，师生关系有所进步，但还处于初步阶段。

课堂氛围差异 中美课堂教学的课堂氛围迥然不同。视频资料显示美国教师在讲台前停留的时间极短，大部分时间都是在讲台上四处走动，甚至会坐在讲桌边缘。学生也显得比较自在，吃东西、跷二郎腿看似也是极普通的行为举动，却体现了轻松和谐的课堂氛围。我国课堂教学沉闷压抑，课堂中不允许学生讲小话、吃东西，课堂中往往是教师讲得“洋洋洒洒”，学生听得“昏昏欲睡”。

评价标准差异 美国大学课程教学质量评价的主体是学生；中国大学课程教学质量评价的主体是专家[7]。文献查阅归纳出美国的课堂评价主要是针对学生的学习质量，即学生如何接受学习课堂知识，能否明确学习目的，是否形成了自己的知识理解等。而我国课堂的教学质量评价主要针对教师的讲解质量，即教师如何引出话题、分配时间、引导学生思考、布置作业等，并不过多关注学生的表现，这就直接忽视了学生的学习主体地位。有关这一点从前面的数据分析中虽然不能直观得出，但是仔细分析推敲却也是隐含其中。

5 结束语

本文运用FIAS粒度化地对中美两节哲学公开课进行分析，从师生问答模式、课堂结构、课堂管理方式、稳态结构及师生语言比五个层面进行对比，以定量研究方法分析中美两国在教学主体、教学内容、教学方法、师生关系、课堂氛围和评价标准六个方面的课堂教学行为差异，使教师可以看到中美教育现象下的一些本质差异，以便改进课堂教学设计，优化教学过程。

参考文献

[1]FIAS N A. Analyzing teaching behavior[M].MA： Addision-Wesley Publishing Company，1970：34.

[2]网易科技讯.网易启动全球名校视频公开课公益项目[EB/OL].[2014-05-18]..

[3]金建峰，顾小清.信息技术环境下课堂教学行为的分析研究[J].中国电化教育，2010（9）：82-86.

[4]张露丹，汪颖，潘玉霞.基于FIAS的中学信息技术专家教师课堂教学研究[J].现代教育技术，2011（6）：39-43.

[5]李忻.数据挖掘在高校教学质量评价系统中的应用研究[D].北京：华北电力大学，2012.

课堂大数据分析范文第3篇

王陆：女，博士，教授，博士生导师。首都师范大学现代教育技术重点实验室主任，校学术委员会委员，教育技术系学术委员会主席。全球华人探究学会副理事长，全球华人计算机教育应用学会执行理事委员，中国人工智能学会全国计算机辅助教育专业委员会常务理事，教育部“国培计划”专家库首批教师教育专家。靠谱（COP）联盟专家委员会主任，首席专家。主要研究领域与方向为现代教育技术原理、信息化环境下的教师专业发展、智能学习支持环境。共出版学术专著10部，发表学术论文110余篇，主持多项部级和省部级重点课题。

对话嘉宾：

魏宁：教育硕士，高级教师。北京市东城区教育研修学院研修员。北京教育学会中青年理论工作者研究会理事，多次担任全国、市级论文、课题、活动赛项评审专家。主持北京市级课题1项。《中国信息技术教育》杂志特约撰稿人。先后为20多家报纸、杂志、公众号撰写文章，总计200多篇，40多万字。

魏宁：王老师，提起课堂教学行为大数据的研究，我记得您在本世纪之初就已经开展相关的研究工作了，虽然那个时候大数据的概念还不火爆，但您从一开始就坚信，课堂教学行为大数据的研究是一个能把基础研究与应用研究连接起来的纽带，是理论与实践之间的一座桥梁。您还曾多次用“巴斯德象限”这一范式来说明这个道理。

王陆：是的，作为我国第一个教师在线实践社区靠谱COP（The Teacher’s Online Communities Of Practice，简称靠谱COP）联盟的首席专家，我一直认为靠谱COP的课堂教学行为大数据研究必须坚持正确的研究价值观和研究取向。

巴斯德象限（Pasteur Quadrant）这一概念最早是由美国国家科学基金会（NSF）的主席顾问及美国国家科学研究委员会（NRC）的主席Donald E.Stokes（唐纳德・E.司托克斯）在他的《基础科学与技术创新：巴斯德象限》一书中提出来的，司托克斯把基础研究和应用研究之间的两两关联放置在一个四象限中（如图1），用来考察科学研究的范式。

如图1所示，左上角的第一象限叫“玻尔象限”，表示纯粹的基础研究。诺贝尔奖获得者尼耳斯・玻尔（Nie1s Bohr）对原子结构模型的研究，就属于纯粹的基础研究，丝毫不考虑应用。但是，他发现了构成这个世界的基础结构。

右下角的第二象限叫“爱迪生象限”，意味着以应用为目的的研究。托马斯・阿尔瓦・爱迪生（Thomas Alva Edison）就是其中的代表，作为人类历史上最卓越的发明家之一，他多年如一日从事着具有商业价值的电照明研究，而从不去探寻发明背后更深层的科学意义，不寻求对某一科学领域现象的全面认识。

左下角的第四象限至今没有正式命名，但也有人把它称作“皮特森象限”。起因于北美的鸟类观察家们对昆虫标记和发病率的高度系统化的研究，这些研究的成果后来被载入《皮特森北美鸟类指南》。这类研究的特点是研究本身是由科学家对某种事物的好奇心驱使的，这点与玻尔的初衷颇为相似，但结果却造就了应用研究的成果。

右上角的第三象限就是我们所说的“巴斯德象限”，它代表了那些以应用为目的而引起的基础研究。这一命名来自路易斯・巴斯德（Louis Pasteur），他一生所从事的研究几乎都是以应用为目的的，如解决发酵食物和饮料的变质问题、解决因细菌侵害蚕卵而导致丝绸工业濒临破产的难题以及把传染病的微菌培养成为防病的疫苗等问题。但令人肃然起敬的是，巴斯德在解决这些应用问题的同时，没有像爱迪生那样仅仅满足于应用问题的解决，他同时还追求了@些应用问题背后的更深层次的科学意义。也正因如此，他才能发展出微生物学的基础理论，成为微生物学的奠基人。

“巴斯德象限”说明，基础研究和应用研究两个看似不同的目标是完全可以融合的。而在教育技术研究领域，课堂教学行为大数据的研究就是连接二者的一座桥梁。

我清晰地记得我的导师南国农先生2007年1月28日在纪念中国电化教育70周年座谈会上提出的三个应该加强的研究中，就有“什么是能够真正把互联网与教育、教学结合在一起的好办法”的研究问题。当年，这个问题曾经深深地触动了我，使我顿感责任重大。我认为，靠谱COP的课堂教学行为大数据研究，是以巴斯德象限为范式的科学研究，把基础研究和应用研究相结合，把理论与实践相结合，最终服务于基础教育，服务于教师和学生，是我们一贯坚持的科研价值观和科研取向。

魏宁：王老师，大数据这个词语现在可谓无人不知，但要很严谨地定义它，又不是那么容易，您能给课堂教学行为大数据下一个定义吗？

王陆：目前，大数据还没有一个公认的定义，教育领域的大数据概念同样如此。我所理解的课堂教学行为大数据是指在课堂情境中，伴随教与学过程而产生的大规模、多样性、蕴含了丰富的教与学涵义的非结构化与半结构化的特殊数据集合。目前，课堂教学行为大数据具有模式数据、关系数据、结构数据和行为数据四种典型的类型。

而所谓的课堂教学行为是指教师引起、维持或促进学生学习的所有行为，也就是教师为了促进学习者完成学习行为而进行的支持性、服务性、指导性的活动总和。课堂教学是一切问题的衍生物，教育的逻辑起点是问题，所以，课堂教学行为分析也是聚焦问题类型、问题水平、问题结构、问题理答等方面的行为分析。

魏宁：王老师，针对课堂教学行为，应该说，我们一直在“研究”，从教师日常的听评课活动，到教育专业研究人员的研究，在大数据介入之前，这些传统的方法存在什么问题吗？

王陆：是的，对于课堂教学行为，我们一直在研究它。但以往的研究明显存在着几个问题：在方法上，由于以描述性案例为主，缺少学理分析，特别缺少对课堂教学行为的框架理论研究，致使这类研究较多停留在行为关注的层面；在研究结果上，虽然多数研究对课堂教学行为进行了调查分析，但由于缺少对数据资料科学的系统分析，所以无法给出恰当的策略建议。以往的教学行为研究无法把个案的研究结果转化为一种具有普适性的教师专业发展支持服务，导致许多课堂教学行为研究的成果无法影响到真正的课堂教学行为改进，也就无法对教育教学改革，特别是课堂教学变革产生重大影响。

魏宁：对课堂教学行为大数据的研究，我记得您还有一个精彩的比喻，就是中医和西医，您能解释一下吗？

王陆：传统的针对课堂教学行为的研究，或者就是教师日常的听评课，基本是以经验为主。一些有经验的教师就好比老中医，用“望、闻、问、切”的方法对待课堂教学行为，依据其个人的教育信念、教育价值观和教育经验做出他们的评判与诊断。而我们用课堂教学行为大数据的方法对课堂教学行为展开研究，要经历数据采集、数据分析并要可视化地表达经过信息处理后所得出的数据影像，这就好比西医的X光片、B超扫描，甚至是CT和核磁共振等。当然，基于课堂教学行为大数据的分析与研究，是需要将定性研究和定量研究相结合的，是需要被观察和被诊断教师个人以及观察者和诊断者个人的教育经验的。其实，若想全面、科学地对课堂教学行为加以诊断，最好的办法就是中西医结合。

魏宁：王老师，我知道您从2000年起就带领您的科研团队致力于课堂教学行为大数据的研究，到今天已经走过了17年。其间，先后出版了《信息化教育科研方法》《课堂观察方法与技术》等学术专著。但更为重要的，是坚持不懈地在一线学校开展了一系列的课堂教学行为大数据分析。17年来的数据岂止是“车载斗量”，我想，这才是您和您的团队最宝贵的财富，也是中国教育的宝贵财富，是真正的中国本土的原创研究。您能否大致介绍一下，17年来您都做了哪些方面的课堂教学行为大数据研究？

王：我的靠谱COP团队坚持17年进行课堂教学行为大数据的研究，从最初只有4个人的团队，发展到今天一个近60人的科研团队。我们的研究主要包括课堂教学行为大数据的基础理论研究和应用研究两大部分。在基础理论研究中，我们从数据采集与数据分析的原理、方法及技术等维度做了许多开创性的工作；同时，也对数据向信息的转化、信息向知识的转化、知识向智慧的转化等数据流及数据生命周期等做了大量的实证类的基础理论研究和实践性研究，形成了基于课堂教学行为大数据的课堂观察方法与技术、教学反思方法与技术、知识建构方法与技术，以及知识管理方法与技术等系列成果。在应用研究中，我们对基于大数据的教师专业发展支持服务做了深入系统的研究，开发出面向具体经验获取、反思性观察、抽象概括和积极实践等不同维度的共计12类4096种支持服务，开创了我国第一个教师在线实践社区，实现了大学科研成果的转化等。

魏宁：其实，对于教育领域而言，大数据只是一种研究的方法与手段。在信息化的大背景下，我们能搜集到与课堂教学行为有关的海量数据。但面对这些数据，我们又该如何“下手”呢？换而言之，不是说我们有了海量的数据，就会自然而然产出有价值的研究结论。我们必须有具体的工具和方法，来剖析这些数据。我也曾经见到不少学校、教育管理部门，号称用教育大数据采集师生的教学行为，进行了大数据的分析，并用大数据指导课堂教学改进等。但实际情况是，数据的来源和以前并没有什么两样，关键是，处理这些数据的手段依然是传统的数据处理方法。这样的教育大数据只不过是借用了一个时髦的说法而已，本质上并没有什么改变。您觉得，在课堂教学行为大数据面前，哪些有效的研究方法可以为我们所用？

王陆：第一，课堂教学行为大数据的采集方法。课堂教学行为数据已经从结构型数据扩展到多维度的非结构化和半结构化数据。从某种意义上讲，课堂中没有无用的数据，只有未被利用的数据，关键是如何获取数据。课堂教学行为大数据的搜集，已经从以前有针对性地获得结构化数据（如课堂观察量表数据），转变为有选择地删除某些数据。课堂教学行为大数据中的收集数据就是从非结构化和半结构化的数据中，识别、整理、提炼、汲取（删除）、分配、存储，并将其转化为结构化数据的过程。有一点特别需要注意的是，在小数据时代，人们对数据的精确性有严格的要求。而在大数据时代，数据的不精确性是允许的，人们需要接受纷繁芜杂的各类数据，而不应一味追求数据的精确性。

第二，基于课堂教学行为大数据的分析与决策方法。“量化行为获得结构化数据数据转化为信息信息转化为知识知识转化智慧”是对基于课堂教学行为大数据的分析与决策方法的简述。其中，基于课堂教学行为大数据的课堂观察方法与技术中的编码体系和记号体系可以将教学行为大数据转化为信息；教学反思方法与技术可以将信息转化为教师的实践性知识；抽象概括的方法与技术及积极实践可以支持教师从实践性知识中涌现出教学智慧。大数据正在颠覆传统的、线性的、自上而下的精英决策模型，逐步形成非线性的、面向不确定性的、自下而上的决策方式。

第三，信息化教学领导力的方法。校长与教师借助多种信息技术工具和信息化资源，直接对课程与教学各要素进行信息的搜集、整理、加工与处理，提升洞察力，优化教学决策，强化决策力和对教学产生影响作用的领导能力，具体如下页图2所示。

魏宁：通过您介绍的这些主要研究方法，您和您的团队在课堂教学行为的研究中发现了哪些有价值的结论呢？

王陆：在过去的研究中，我们在用上面这些研究方法重新审视教师的课堂教学行为时，发现了很多以往没能发现的问题。我举几个例子。

1.关于课堂提问倾向的分析。

不知道你有没有仔细观察过教师在课堂教学中的提问，这里面其实大有文章。根据我们的研究，教师在课堂上的提问可以分为八种类型：“是何问题”“为何问题”“如何问题”“若何问题”“记忆性问题”“推理性问题”“创造性问题”和“批判性问题”。它们代表了三种不同的教师提问倾向。其中，“是何问题”与“记忆性问题”反映的是教师提问的开放性教学倾向，这两类问题发生的频次越高，表示教师提问的开放性教学倾向越低；“如何问题”“为何问题”及“推理性问题”反映的是教师提问的问题解决教学倾向，它们发生的频次越高，表示教师提问的问题解决倾向越强；“若何问题”“创造性问题”和“批判性问题”反映的是教师提问的批判性及创造性教学倾向，它们发生的频次越高，表示教师提问的批判性及创造性教学倾向越突出。

我以提问的批判性与创造性倾向的研究结果为例，在提问的批判性与创造性倾向维度中，我们采集了教育发达地区、教育中等发达地区和教育发展中地区的教师大数据，结果是三类地区的教师整体水平都非常低，但教育发达地区相比其他两个地区，存在着明显的问题开放性最高、问题解决倾向最明显、批判性问题与创造性问题倾向最突出的教学特点。

通过研究，我们还发现在教师的课堂提问中有两种十分普遍的现象：一是教师提问的随意性十分明显，在课堂教学中教师往往因为发现有学生在搞小动作没有听讲，或在课堂中有些学生表现出昏沉的状态，便随即使用课堂提问的方式给予学生警告性提醒，其后果是课堂提问数量非常多，而所提出的问题大多是简单记忆或机械判断性问题；二是教师判断教学活动是否需要结束是以所提出的问题能够被全班大部分学生正确回答为依据，其结果是教师提出的问题大多是具有唯一正确答案的良构性问题且问题缺乏解决倾向与创造性和批判性倾向。上述两种现象在教育发展中地区尤为突出。

这些现象的背后，能折射出教师对课堂提问的价值取向：重视课堂提问的局部价值，忽视了课堂提问能够促使学生更积极主动地加入到课堂互动之中的整体价值；注重课堂提问的工具价值，轻视了课堂提问能够促进学生深入思考的目的价值；重视课堂提问的浅层价值，忽视了课堂提问的作用是促进学生提出更好的问题的深层价值。当前，有关课堂提问的价值取向应该引起教师培训机构和教育行政部门的高度重视，需要引导教师重新认识提问这个最古老的教学行为的教育价值和目的，并以此为依据和出发点再对现实的课堂教育活动作出更具体的评析，提出新的提教学原则、方案乃至方式和方法。

2.不同性别教师的差异性教学现象与共性教学现象。

我们曾对不同性别教师的课堂教学行为进行了独立样本t检验，结果表明：不同性别教师的差异性教学现象在0.01显著性水平下，不同性别的教师在师生行为转换率Ch上呈现出显著差异。而不同性别教师的共性教学现象在于，无论是男教师还是女教师的课堂，在批判性问题、创造性问题、鼓励学生提出问题、讨论后汇报，以及学生创造评价性回答等教学现象上均无显著差异，且这类教学现象明显少于其他教学现象。通过对不同性别教师的师生行为转换率Ch、管理性问题、对话深度二和对话深度三等教学行为大数据均值及标准差的分析，可以发现：女教师的师生行为转换率Ch值、管理性问题数量、对话深度二和对话深度三都显著高于男性教师。这一数据分析结果所反映的教学现象是：女教师比男教师在课堂中更频繁地更换课堂对话的话语权，女教师会跟学生发生更多的言语互动，同时女教师也更注重对课堂的统一纪律要求和管理，更重视在师生对话中开展适当的追问干预。

3.不同科目教师的差异性教学现象与共性教学现象。

我们分析了文科和理科教师的课堂教学行为所带来的课堂教学现象的差异情况，结果表明：不同科目教师的差异性教学现象是在0.01显著性水平下，文科和理科教师在课堂提问类型中的记忆性问题、推理性问题和创造性问题上呈现出显著差异；在提问方式中，在提问前先点名、让学生齐答、叫举手者回答上呈现出显著差异；在学生回答类型中的个别回答维度上呈显著差异；在学生回答类型中的认知记忆性回答、推理性回答和创造评价性回答上均呈现出显著差异；在问题结构的是何、如何、若何上呈现出显著差异；在对话深度一和对话深度四上呈现出显著差异。这表达了什么意思呢？就是无论是文科教师还是理科教师，在批判性问题、鼓励学生提出问题，以及运用基于小组的讨论法教学等以学生为中心的教学现象方面均无显著差异，且这类教学现象明显少于其他教学现象。经过对教学行为大数据均值及标准差的分析，可以发现：文科教师的记忆性问题、创造性问题、个别回答、记忆性回答、创造评价性回答、是何问题、对话深度一，以及学生的个别回答、认知记忆性回答、创造评价性回答都显著高于理科教师；而理科教师的推理性问题、推理性回答、如何问题、若何问题、对话深度四以及学生的推理性回答都显著高于文科教师。这一数据分析结果所表明的教学现象是：文科教师比理科教师更重视陈述性知识和创造性知识的获取，文科课堂也比理科课堂拥有更多的开放性问题，但对话深度明显低于理科课堂，说明文科课堂中的问题难度普遍较低，教师也较少进行追问式的教学干预；理科教师比文科教师更重视学生对原理性知识、策略性知识和迁移性知识的获得，理科课堂中的问题难度普遍比文科更高，且理科教师比较多地采用了追问式教学干预。

4.关于发散思维和评价思维的培养问题。

我们通过研究发现，发散思维和评价思维的培养，是当前教与学的最薄弱环节。教学是由问题构成的，教学的一切都可以说是问题的衍生物，学生学习能力的形成就是问题解决能力的形成。关注课堂中的问题类型可以让我们获得课堂教学的价值取向与认知目标达成水平的判断依据。通过对2000―2015年连续16年全国24个省市中小学课堂教学中的问题类型分析可以发现：小学文科和初中文科无论是对话型、混合型还是练习型的教学模式，课堂问题类型都是以记忆型问题为主，整体问题类型处于最低层级，即处于低层次集中型问题水平，学生的认知目标为认知-记忆水平。而小学理科、初中理科和高中理科及高中文科则多以推理性问题为主，问题层级处于高层次集中型问题水平，学生的认知目标为聚合思维水平。无论小学、初中和高中三个学段的理科与文科课程，整体都缺乏以批判性问题和创造性问题为核心的分析型问题，发散思维和评价思维的培养是当前教与学的薄弱环节和课堂教学中的短板。

魏宁：我们对课堂教学进行大数据分析，能透过纷繁的教学现象，得出关于师生教学的普遍规律性的东西。但若要改变其中的不合理之处，或对存在的问题进行纠偏，就必须通过教师行为的改变。这就涉及教师的专业成长了，所以我认为，大数据在很大程度上能助力教师成长。根据您的课堂教学大数据研究所得出的结论，您对教师的专业成长有何改进建议呢？

王陆：首先，透过课堂教学行为大数据的分析，可以看出，教师的课堂教学行为既存在共性问题，又存在突出的个性问题。在我看来，课堂教学行为的共性问题折射出的是教师应该“怎么学”的关键性问题，而课堂教学行为的差异性问题折射出的是教师应该“学什么”的关键性问题。从课堂教学行为大数据的分析结果可以看出：当前教师的教学还是以模仿模式为主的，也渗透了一定的变化模式；要想从教学的模仿模式彻底转变为教学的变化模式，首先就需要转变教师的专业学习方式。正如戴维斯教授所指出的，教师如何学习会反映在他如何教学上（Davis，2003）。教师的专业学习方式需要从技术性实践（Technical Practice）模式转变为反思性实践（Reflective Practice）模式，即教师要从真实的教学实践出发，经过对教学实践的反思，再重构新的教学经验的以教师实践性知识为核心的非正式学习方式。

其次，教师个体的教学行为具有差异性，造成教师教学行为具有差异性的原因是教师个体具有差异性的实践性知识。差异性的实践性知识给不同的教师个体带来了知识势差，而知识势差是造成知识流动、知识传播和知识转移的根本原因，也是教师能够获取实践性知识这种隐性知识的基本条件。为此，以“差异即资源”的理念搭建起来的教师在线实践社区（靠谱COP），为不同的教师个体搭建了实践性知识流动、传播与转移的基础环境，形成了由教师、专家及助学者所组成的一种正式学习与非正式学习相混合的学习型组织，有效支持了教师的反思性实践，促进了教师通过知识转化而最终获得实践性知识的增长和课堂教学行为的改进，取得了显著的教师专业发展成效。靠谱COP为不同的教师个体搭建了实践性知识流动、传播与转移的基础环境，形成了由教师、专家及助学者组成的一种正式学习与非正式学习相混合的学习型组织，有效地支持了教师的反思性实践，促进了教师通过知识转移最终获得实践性知识的增长和课堂教学行为的改进，取得了显著的教师专业发展成效。

此外，长期以来，中小学都采用师徒制的教师专业发展模式，即指派一名具有较长教学经历和较多教学经验的“老教师”，即成熟教师，作为新手教师的师傅，并希望这种模式能够促进新手教师在成熟教师的指导下，在开展教学实践的过程中，对教学实践进行有效的反思，从而能够较快地获取、继承、传递、存储和应用成熟教师的实践性知识。

一名新手教师成长为胜任教师至少要经历知识生产和知识进化两个关键阶段。既要经历在已有知识的基础上发现新知识的生产过程，这个过程一般发生在新手教师自入职开始的1～3年期间；也要经历随着外部环境的改变，主动改变知识内涵与结构以适应新环境的知识进化过程，这一般在新手教师入职3年以后。知识生产阶段是新手教师快速积累教学经验的阶段，而知识进化阶段是新手教师发展、修正、完善、建构其实践性知识的阶段。

美国著名的心理学家波斯纳曾经提出一个教师成长公式：教师成长=经验+反思。显然，在这个公式中经验是一种“慢变量”，是新手教师要随着时间和实践机会的增加而慢慢积累起来的；而反思是可以干预的一个“快变量”。在抽取了来自4个省8所靠谱COP项目学校共120位教师作为研究对象，其中新手教师40名，胜任教师40名，成熟教师40名，收集了这120位教师从2010年9月至2011年7月一年期间在靠谱COP平台的论坛中所发表的帖子、所撰写的课后反思文本以及制作的教学反思DST（Digital StoryTelling）视频材料等半结构化和非结构化的数据，采用了内容分析法、视频案例分析法和统计分析法等分析后发现，在高层教学反思中，胜任教师与成熟教师的反思特征相似聚为一类，而新手教师则单独为一类。继而进行了回归分析后，显示出新手教师的高层教学反思水平仅受胜任教师的高层教学反思水平的正向影响，与成熟教师无关。

同时我们发现：教师知识的进化过程是一种教师的知识集合处于不断的流通与变化的过程；成熟教师与新手教师在知识进化过程中的试探性理论或解决方案上表现出了比较大的差异，即成熟教师更倾向于从局部要素寻找解决问题的策略，而新手教师则更倾向于从整体要素的改变去寻求解决问题的办法；在知识进化的过程中，成熟教师对新手教师的影响十分明显；新手教师在知识进化排除错误的过程中，会表现出直接吸取成熟教师实践性知识的倾向。这一研究结果带来的启示是：在知识生产阶段，让胜任教师担任新手教师的师傅会显著影响新手教师的高层反思水平，从而使新手教师获得更快的进步与成长。在知识进化阶段，由成熟教师担任新手教师的师傅会更加有效地促进新手教师实践性知识的增长与改进。

根据大数据的分析研究结果，优化后的师徒制教师专业发展模式是一个“双师制”模式，即在知识生产阶段，学校为新手教师安排一名胜任教师做其师傅，帮助新手教师迅速获取具体经验，而在新手教师步入知识进化阶段后，可以再增派一名成熟教师同时担任其师傅，从而构造一种新的“双师制”的师徒制知识管理方式，使得新手教师、胜任教师和成熟教师都能在同一个生态环境中发展与成长。

魏宁：通过这么多年的课堂教学行为大数据研究，您对教育大数据一定有着深刻的理解和认识，您怎么看待当前火热的教育大数据呢？

王陆：应该说，到现在为止，国内外对课堂教学行为的研究还处于起步阶段。课堂是错综复杂的，需要广大研究者深入课堂教学的实际情境中，把课堂教学行为作为研究对象，从理论与实践两个层面去阐释课堂中存在的种种教学现象，从多学科的角度去说明课堂中出现的种种问题，寻找教学现象背后的教学规律与教学本质。

当前，深化基础教育领域综合改革最关键、最重要的是提高教师队伍素质及其实施素质教育的能力，任何教学改革的成功都取决于教师作为系统的实施者对改革需求的理解与应用，教师是学校改革的真正推动力。通过对课堂教学行为大数据的深入分析与挖掘，大数据能够把教师的隐性知识显性化，从而助力教师的专业发展与专业成长。

我们要感谢大数据等新技术与新工具，让我们实现了用数据化手段测度人类行为和人类社会，并由此改变了人类探索世界的方法。大数据通过对事物的数据化，实现了定性研究与定量研究的综合集成，使人文社会科学等曾经难以数据化的领域像自然科学一样走向了定量研究，实现了定量研究与定性研究的统一与融合。

应该看到，课堂教学行为大数据所表征的数量关系，仅仅是一种认识和研究教学现象的手段，是一种以搜集微观研究材料进而开展宏观理论构建的研究途径，其真正的目的是要通过数量关系探寻课堂教学的科学规律与教学现象的意义。无论是教学实践者还是教学研究者，都需要重视课堂中的教学现象并理解教学的本质。只有教学实践者透彻地理解教学本质，才有可能真正促进教学现象的有效改进；只有教学研究者走近或者走进教学现象，才有可能真正揭示教学的本质，也只有从教学现象中揭示出教学的本质，才有可能使其回归到教学现象之中，并对教学现象形成真实的影响力和指导力。由于课堂教学具有复杂性、情境性和实践性，在优化课堂教与学时往往不能仅凭个人经验或简单使用某种具有普适化意义的教与学的理论，为此，以课堂教学行为大数据为研究手段的教学现象研究，不仅是我们发现教学本质的切入点，还是我们创新教学研究的立足点和改进课堂教学行为的助推器。

魏宁：通过您的介绍，我对课堂教学行为大数据有了更全面、深刻的认识，17年弹指一挥间，您的坚持终于得到了回报。在这里，我祝愿您在今后的研究中取得更丰硕的成果，用大数据服务于教育改革，服务于教师，最终为学生的成长助力。

王陆：谢谢您，我们会继续努力的，靠谱COP一直与您同行。

对话印象

从学生时代算起，和王老师已经有二十多年的交往了。在我的眼里，王老师不仅是一位治学严谨的学者、谆谆善诱的长辈，很多时候更像是一位倾心相交的朋友，这是因为无论是在治学上还是做人上她都能时刻给我以启迪。

在教育技术界众多的专家学者中，王老师有着极为鲜明的特点，这主要体现在王老师的“跨学科”上。对教育技术来说，“跨学科”三个字本不稀奇，因为教育与技术本就分属文理，教育技术学自然就成了一个文理交叉的领域。但细究起来，大多数专家学者还是有着明确的学科背景的，要么以技术为背景，要么以教育为背景。真正意义上横跨教育、技术两个领域的学者可谓少之又少，而王老师称得上是其中的佼佼者。王老师早年的研究方向是智能学习支持环境，她对人工智能有颇深的研究，她的教授职Q便是来自计算机工程学院，她是不折不扣的计算机技术和人工智能专家。而此后，王老师毅然转入教育领域，又在教育技术方面取得了成功。

兼具文理的双重背景让王老师的研究既有教育人的情怀，又不失理工人的严谨，更让王老师真正做到了“用技术的手段去解决教育中的问题，用教育的视角去反思技术的应用”。但在“跨学科”三个字的背后，其实有着更深层次的含义，在我看来，那才是王老师的成功秘诀――问题意识。其实，在王老师眼中，本没有学科的界限，只有需要解决的问题，这才是“跨学科”三个字的本质。王老师二十年如一日，始终关注的是如何用技术手段去解决课堂教学中的问题，促进教师的专业成长，正是在这个目标的驱动下，王老师完成了一次次的转型、跨界。

课堂大数据分析范文第4篇

关键词：课堂教学质量；模糊层次分析法；评价

中图分类号：G712 文献标志码：A 文章编号：1673-8454（2015）14-0082-05

一、引言

随着高职教育的快速发展，教学质量问题已经成为人们密切关注的热点问题。提高教学质量是当前高职教育的重中之重，而提高课堂教学质量又是提高教学质量的核心要素。因此，课堂教学质量直接事关高职学校的生存和发展，如何对课堂教学质量进行准确、客观的评价一直以来是高职教育研究的焦点与热点问题。目前，高职课堂教学质量评价存在以下几点问题。

1.影响课堂教学质量的影响因素很多

传统的教学质量评价大多采用定性分析法，或者使用AHP（层次分析法）将定性因素转换为定量分析。这些方法在评价过程中大多都存在主观性与片面性，评价的结果不能有效反映客观的课堂教学状态，数据的准确性不高。因此，对这样的评价大部分一线教师都心存疑惑。

2.评价人员对课堂教学质量的关注点不同

对于课堂教学质量的评价一般包括企业技术人员、校内外督导、课程组成员、其他教师以及授课班级学生这五类人员，这些人员对于课堂教学质量的关注点基本没有太大的交集。企业技术人员主要关注该课程是否将技能点应用于实践，校内外督导主要关注教学设计与课堂教学安排等，而学生主要关注教师的课堂教学内容和方法是否有趣，是否能引导他们学有所成。因此这5类人员的评价所得数据所对应的权重应有所不同，但目前对这5类人员的课堂教学质量评价的权重还鲜有人开展研究并加以考虑。

3.学生评教数据的获取存在偏差

目前学生的评教一般安排在每个学期期末进行，学生通过登录学院的教务管理系统――评教模块，针对其中的各项指标进行打分，再通过一定的计算并最终获得该班级该课程授课教师的学评教分。实际中，学生的评教在分值上有较大的缺陷。因为，虽然大部分学生打分比较理性，但还是有一部分学生不够理性，是由主观意志给出评教分数的，评价结果与实际情况之间会存在不小的偏差。

针对以上几点问题，结合课堂教学质量描述本身就具有一定的不确定性（模糊性）的特点，本文在合理确定五类人员课堂教学质量评价指标的基础上，运用FAHP来确定各参评指标以及各类评价人员评价分值的权重，再对学生评教结果进行“客观化”处理，最终得到教师课堂教学质量的评价结果，并通过仿真实例验证此方法的有效性与可行性。

三、模糊层次分析法在课堂教学质量评价中的应用

1.课堂教学质量评价的层次结构

由于五类评价人员的关注点不同，对课堂教学质量评价指标也有所不同。下面以理工科课程的学生评教指标体系为例，来构建课堂教学质量评价的层次结构。对教师的课堂教学质量评价主要是针对教学要求、教学内容、教学策略、教学方法、教学态度、教学效果等六个方面进行判断。评价人员为教师任课班级的全体学生。确定一个合理、有效的评价指标体系有相当的难度和挑战。本文以教育部评估体系标准为基础，参考同类高职校的课堂教学质量评价指标等资料，构建了层次型课堂教学质量学生评价指标体系，如表2所示。

2.构建模糊判断矩阵

基于前述的课堂教学质量评价层次结构模型，设计出相应的调查问卷，发放给在教学方面具有丰富教学经验的专家、课堂教学优秀者、教学骨干以及教务管理人员，请他们结合自己的工作经验以及对准则层、指标层等因素的判断和比较进行填写，构造出判断矩阵RA-B。

本次调查问卷共向浙江省内12所高职院校的教务处、督导处、理工科类相关专业负责人等，发放问卷150份，回收141份，回收率94%，有效问卷135份，有效率90%。经过归纳、整理后，结合“ 0.1-0.9”数量标度得出标准层各因素间的比较矩阵和权重，由此得到一级目标层对准则层的模糊判断矩阵：

R=0.5 0.3 0.4 0.3 0.4 0.3

0.7 0.5 0.6 0.5 0.6 0.6

0.6 0.4 0.5 0.5 0.5 0.4

0.7 0.5 0.5 0.5 0.6 0.4

0.6 0.4 0.5 0.4 0.5 0.4

0.7 0.4 0.6 0.6 0.6 0.5

3.构建模糊一致矩阵

通过γij=+0.5，其中γi=∑nk=1γik，?i∈{1，2，……，n}，计算模糊判断矩阵中的γij，如γ12=+0.5=+0.5=0.3917，以此类推可以计算得到模糊一致矩阵：

R= 0.5 0.3917 0.4417 0.4167 0.4500 0.4000

0.6083 0.5 0.5833 0.5333 0.5667 0.5167

0.5583 0.4167 0.5 0.4750 0.5083 0.4583

0.5833 0.4667 0.5250 0.5 0.5333 0.4833

0.5500 0.4333 0.4917 0.4667 0.5 0.4500

0.6000 0.4833 0.5417 0.5167 0.5500 0.5

4.层次单排序

根据模糊层次分析法第四步公式所示，计算模糊一致矩阵A的权重向量WA=（ω1，ω2，ω3，ω4，ω5，ω6），其中ωi=-+∑nk=1γik，如ω1=-+*2.2=0.11，同理可得各权重值，最后得到权重向量WA=（0.11，0.21，0.16，0.18， 0.15，0.19）T。以此类推得到指标层子权重向量WB1=（0.3，0.7）T，WB2=（0.2，0.4，0.15，0.1，0.15）T， WB3=（0.2，0.45，0.35）T，WB4=（0.3，0.25， 0.30，0.15）T，WB5=（0.15，0.25，0.3，0.3）T，WB6=（0.15，0.15，0.4， 0.2，0.1） T。

5.层次总排序

层次结构型课堂教学质量评价体系分为4个层次。现设目标层为O，准则层为A，指标层为B，方案层为P，根据模糊层次分析法第五步公式，可以计算出指标层B各因素相对于总目标的各子权重，其值为

WA=WB1 0 0 0 0 0

0 WB2 0 0 0 0

0 0 WB3 0 0 0

0 0 0 WB4 0 0

0 0 0 0 WB5 0

0 0 0 0 0 WB6

WA=（0.033，0.077，0.042，0.084，0.032，0.021，0.031，0.072， 0.056，0.054，0.045，0.054，0.027，0.0225，0.0375，0.045，0.02850，0.0285，0.0076，0.038，0.019）。

四、利用模糊综合评价得到定量数据

以本学院A教师为例，其负责B班级的C课程。对于A教师的课堂教学评价量化分值主要由专业教师、企业技术骨干、课程组内部成员、教学督导、学生等五类人员对该教师课堂教学指标层给出客观的评价，每个指标评价分10分制。下面以学生评教为例。某学生按照指标层进行打分，具体见表3。

使用模糊综合评价最后得到结果为8.0245，而单纯的取平均值，最后结果为7.869。如果以9.5分以上为优秀，8分到9.5分为良好，那么这位学生对A教师的评价就有了质的变化，而事实上也是如此。如B25：“理论联系实际、符合学生认知”和B32：“激发学生注意力与兴趣”，一个是6分，另一个是10分，学生其实非常在乎激发他们的兴趣，而并不是非常能体会到自己的认识是否到位。因此，这两个因素的权重几乎相差一倍（B25：0.031，B32：0.072），由此也证明模糊层次法在评价方面的有效性与客观性。

通过使用FAHP，还能够得到五类人员对于课堂教学评价影响因素的权重，并最终计算得到该课程授课教师的整体评价分值。

五、学生评教分值的客观化计算

一般来说，在统计一个班级全体学生的学评教分数时，往往不会考虑一些学生主观上的问题：如上课出勤率不高，提交作业不及时，与教师互动较少以及上课关注度不够等情况，而这些因素会直接影响学生评教的分数。因此，在学生评教完成之后，不能直接以全体学生评教分的平均分来计算最后的成绩，而是应该通过加权系数的方式来考虑因学生课堂表现所致的影响因素。

学生课堂表现影响因素系数主要包括以下4方面：出勤率、作业完成率、提问率、课堂关注率。根据教育专家、教学督导、任课教师组成的专业团队对以上4个因素进行模糊层次分析，通过四步骤进行计算，最后得到学生课堂影响因素系数的权重矩阵S=[0.35 0.3 0.2 0.15]。

通过对学生上课出勤次数、请假次数以及迟到早退次数，对学生提交作业数量以及相应的质量，对学生课间提问数量与质量等课堂行为进行统计，以及对学生课堂关注度进行分析，最后得到学生的课堂影响因素各个数值，加权之后得到最终的课堂影响因素数Qs。设每个学生的课堂影响因素系数为?i∈{1，2，……，n}，取出该班级中课堂影响因素最大数，并计为Qsmax，将Qs归一化处理，得到Ti，步骤如下：

第一步：得到该班级中课堂影响因素最大数Qsmax。

第二步：该班级中每个学生的课堂影响因素数Qs与Qsmax进行比较得到Pi=，?i∈{1，2，……，n}。

第三步：计算每个学生的课堂影响因素系数Ti，Ti=，?i∈{1，2，……，n}。

通过以上三步计算得到每个学生的课堂影响因素系数Ti，再将Ti与学评教的数值进行乘积，最后得到加权学生课堂影响因素系数后的学评教乘积。表4是B班级对A教师所上的C课程所作的学生评教数据。该班共有45位学生，具体数据见表4学评教分值。

通过学院自主开发的“课堂教学质量量化系统” 所采集到的相关数据，可计算每个学生的课堂影响因素系数Ti，见表5学生课堂影响因素系数。

最后通过计算得到以下数据：学生评教的算术平均值为79.67，加权学生课堂影响因素系数之后得到的值为82.71，通过分析发现，大部分评教分数较低的学生，其课堂影响系数也较低，因此，在计算过程中其所占的权重较少。通过这一计算方法的客观化处理，使得学生评教的结果更准确与更符合实际。

模糊层次分析评判具有客观、层次清晰和计算简便等特点，具有较好的操作性与实用性。本文通过FAHP构建高职课堂教学质量的量化评价模型，得到了课堂教学质量各因素的权重指标以及各类评价人员的权重系数，特别是对学生评教分的计算方法进行了客观化的模糊处理，从而使评教过程更加贴近实际，评价的结果更客观。

参考文献：

[1]张炳江.层次分析法及其应用案例[M].北京.电子工业出版社，2014.

[2]Diego Falsini ， Federico Fondi ，Schiraldi et al. A logistics provider evaluation and selection methodology based on AHP， DEA and linner programming integration[J].International journal of production research，2012，50（17）：4822-4842.

课堂大数据分析范文第5篇

    【论文摘要】课堂教学研究在教学互动分析技术和timss录像研究技术两次重大突破的影响下，进一步向微观化、技术化的纵深路向发展，使课堂微观研究进入了信息技术的鼎盛时期。教学互动分析技术是一种适合从微观上探索行为规律和性质，综合运用结构性观察、话语分析等多种方法的研究技术。timss录像研究技术则是在互动分析技术的基础上，从跨文化、跨学科的视角对课堂教学进行整体研究和系统研究的新技术，特别是大型课堂教学录像数据库和数字化分析平台的创建，极大地显示了信息技术在当前教学研究和教育教学改革中的巨大威力。

    课堂微观研究是西方20世纪s0. 60年展起来的教学研究趋向，这种研究趋向与教育研究领域的一系列技术革新紧密相联，也可以说，课堂教学的微观研究是在教学理论研究的迫切需求与对教育信息技术革命的回应和互动过程中不断得到发展的。在哲学领域从技术视角对课堂进行微观研究的首推福柯，其后，社会学、人类学、心理学、生态学、语言学、政治学、技术学等诸领域都开辟了课堂微观研究的疆域。一时间，课堂政治学研究、课堂交往(互动)研究、课堂生活体验研究、课堂民族志研究、课堂叙事研究、课堂生态学研究、课堂技术学研究等各种研究异彩纷呈，竞相斗艳。其中，早期研究中具有较大影响和代表性的要推课堂人类学和课堂社会学的研究。后来，随着教育技术领域教学互动分析技术和timss录像研究技术的两次突破，课堂微观研究借助全新的信息技术进入了鼎盛期。

一、课堂微观研究的技术化趋势

    1968年，英国教育人类学家扬(young )、史密斯  (l. m.  smith)和杰弗里(w.  geoffrey)首次应用人类学( microethnography)的方法，即所谓的“微观民族志”对班级过程进行人类学实地研究，从此开始了“实地研究”的历史。他们宣称自己的“基本目的在于描绘一所贫民学校中某一班级文化的沉默的语言，从而使那些没有生活在其中的人能够理解他们的微妙与复杂之处”。他们搜集资料的技术主要是“参与观察”( participant-observation)与“深度访谈”( depth-inter-view )。所谓参与观察是指教育民族志家在一所学校或一个课堂中做研究时，不仅作为旁观者观察所研究对象的一切，同时也相当程度地参与到他们的活动中，作为其中的一员，以求更密切地、接近地观察。所谓深度访谈则是指教育民族志家与研究对象作无拘无束、较深入的访问谈话，即事前不规定所要访谈的问题，更不限定回答的方式，而是就某一范围的问题作广泛的聊天式的对话，或对某一特定的问题作详细的说明。在这种观察和访谈中，录音、摄像等技术起了主要一记录作用，为后续的微观研究反复进行积累了大量生动、翔实的资料。

    我国学者将民族志方法运用于课堂作微观研究的时间主要在20世纪90年代以后。南京师范大学吴康宁教授所开展的课堂教学社会学研究即其中具代表性的一例。他们认为，不论从理论还是从事实出发来分析，课堂首先是一个正式的“社会活动场”，然后才是一个“教育活动场”。在课堂社会中，存在着特殊的社会组织—班级与小组;特殊的社会角色一一作为权威的教师与有着不同家庭及群体背景的学生;特定的社会规范—课堂规章制度，以及由此而发生的各种基本的社会行为，诸如控制与服从、对抗与磋商、竞争与合作等。

    但是，不管“微观民族志”的“参与观察”与“深度访谈”也好，也不管课堂社会学研究的“社会活动场”分析也罢，都显示了一个共同的趋势，那就是都渐渐地走向了微观的技术化方向，都自觉不自觉地开始寻求与日新月异的教育技术、信息技术领域的融合。而最终促成这种融合的是教育技术领域两项关键技术，即课堂教学互动分析技术和timss录像研究技术的出台。

二、教学互动分析技术—课堂微观研究的首次突破

    课堂教学师生行为互动分析系统(flanders interactionanalysis system ，fias )由美国教育学家内德·弗兰德斯于20世纪六十年代初提出，由于它抓住了课堂教学的本质，为人们探索课堂教学规律提供了一条有效途径，至今仍是西方教育界分析、评价课堂教学，进行教学研究的一种理想工具。教学互动分析技术是一种适合从微观上探索行为规律和性质，综合运用结构性观察、描述性观察、访谈、内容分析、话语分析、定量数据处理等多种方法的研究技术，通常用于互动过程规律、互动特征、教学结构的发现以及教与学现象的评估。无疑，教学互动分析技术的提出，使课堂微观研究得到了首次突破。

    弗兰德互动分析技术大致由三个部分构成:(1)一套描述课堂师生言语互动行为的编码系统:(2)一套关于观察和记录编码的规定标准;(3)一个用于显示数据，进行分析，实现研究目的的矩阵表格。弗兰德编码系统把课堂上的语言交互行为分为教师语言、学生语言和沉寂或混乱三类共10种情况。按照弗兰德分析技术的规定，在课堂观察中，每3秒钟取样一次，对每个3秒钟的课堂语言活动都按编码系统规定的意义赋予一个编码码号，作为观察记录。这样，一堂课大约记录800一一1000个编码，它们表达着课堂上按时间顺序发生的一系列事件，每个事件占有一个小的时间片断，这些事件先后接续，连接成一个时间序列，表现出课堂教学的结构、教学行为模式和教师的教学风格。对记录数据的显示和分析是通过分析矩阵来实现的。从弗兰德的课堂教学互动分析技术可以看出，教学互动分析强调结构化、定量化，有利于从大量微观的信息中挖掘意义。

    目前教学互动分析技术主要是基于交互言语的分析，即会话分析(conversation analysis或discourse analysis )。计算机支持协作学习(computer supported collaborative learning,简称cscl)拓展了弗兰德互动分析技术，在研究中尤其注重言语所扮演的“社会情境角色”，主要表现在对以下方面的关注:(1)成员个体和小组整体的知识结构变化;(2)小组内社交关系网络(social network)的形成;(3)协同知识建构过程的互动结构;(4)互动过程中的情感水平和认知加工水平。这些问题的解决有助于智能交互支持系统的设计与开发，以保证高质量的意义协商、相互教导和小组协作。可以说这是教学互动分析技术所要达到的最终目的或最高境界。

    fias这种著名的教室观察系统，不但可以用来记录和分析教师在教学情境中的教学行为，提供教师改进教学的反馈信息，更可以作为教师教学评价的一项参考指标。其优点在于以量化的方式对课堂教学中师生言语交互行为进行统计、分析处理，结合课堂观察所得到的有关教学的质性描述，可对课堂教学进行全面的认识和分析。其局限在于重视口语行为，而忽略了非口语行为的信息;其次，重视教师对整个班级的行为，却较忽略个别学生的行为。

三、timss录像信息分析模式—课堂微观研究的二次革命

    1994-1995年，41个国家(地区)约50万名学生参加了第三次数学和科学教学比较研究项目(third internationalmathematics and science study  timss)的测试。在timss录像研究项目中，美国、德国、日本的研究工作者首次大规模地对这三个国家八年级231节数学课进行了实录，并构建了录像信息分析模式，用于比较研究三个国家课堂教学与学生学习成就的关系。timss应用录像分析方法的数学教学比较研究报告《德国、日本和美国八年级数学教学比较研究项目的方法和发现》于1999年2月在互联网上正式，立即引起了国际教育界的普遍关注，被誉为是信息技术在教育研究中应用的革命性的突破。在timss录像研究项目基础上，从1998年开始，由james w. stigler教授领导的课程实验室又开展了timss-r录像研究项目。该项目每四年举行一次，参与的国家已由1995年的41个增加到2007年的60多个，并且对世界各国教育的影响日益增强。timss录像研究技术首先由上海市教科院的蒋鸣和引入我国，开发了符合我国中小学实际的课堂教学录像分析模式和相应的工具软件，并创建了一个供试验用的录像资料库，深受广大教师欢迎。

    timss录像研究项目的研究程序是:选择样本课;现场摄录;录像带的数字化处理;课堂教学信息编码;统计分析;比较研究。其中，最为关键的技术是其复杂的信息编码方法。

    1课堂教学录像的信息编码方法

    课堂教学录像信息编码过程指对课堂教学录像提供的丰富而又复杂的信息进行结构化处理。其基本目标一是构建教学质量的概念;二是能有效地反映课堂教学的真实情况。因此，timss录像研究项目设计了一种两轮的信息编码方法。

    第一轮编码:课堂教学结构编码。课堂教学过程的客观描述是进一步进行深层次编码的基础，为此，timss设计了一种课堂记录表，把课的过程按下列几个维度分类:

      第二轮编码:课堂谈话编码。在课堂中的谈话可分为公共和私人谈话两种，公共谈话定义为每个人都能听到的谈话，私人谈话则仅涉及到教师和个别学生的谈话。在编码中，主要关注的是公共谈话。timss录像研究采用两次编码方法对课堂谈话进行编码，第一次是对谈话片段(utterance进行编码，具体方法是每一课随机选择30个谈话片段。谈活片段编码分为十二种类型，其中教师谈话片段分为6类，学生谈话片段分为5类，这一分类的描述见表2。

    第二次是在初次编码基础上进一步对内容作细分编码，增加了谈话启发一响应序列(elicitation-response)来刻画师生之间的交流。启发一响应(er)序列是指一系列师生交流的循环、每一循环从初始的启发开始，通常以最后的领会结束。谈话片段的启发类别又可进一步细分为五个子类，分别是内容启发、元认知启发、互动启发、评价启发和其它等五个子类。

    2 timss-r录像课堂研究的分析框架

    timss-r录像研究在timss录像研究分析编码体系基础上进一步提出了课堂教学分析的框架，作为编码的理论和方法基础。这一课堂教学分析框架分为六个维度:课的目的  (purpose)、课堂常规< classroom routines )、参与者的行动(action of participants)、课堂谈话(classroom talk)、内容(content )、气氛(climate )。这个分析框架也为新的课堂教学评价开辟了空间。

    3 timss-r录像课堂研究的分析平台

    虽然会话分析技术并不是一种新技术，但是应用现代信息技术辅助会话分析，并在以计算机为媒介的交互情境中应用会话分析，却是一类较新的研究领域。面对面的互动活动中，参与者的行为表现(包括身体姿势、语调、表情等)均可被录像保存供分析者作反复而细致的分析研究。以计算机为媒介的交互记录(包括文本信息、语音信息、与系统软件的交互行为序列)也可被保存。这些交互数据的分析可借助一些工具软件来实现，包括德国altasti公司产品(支持文本、声音、视频格式的定性内容分析)、澳大利亚qsr公司产品nijd*ist, catpac(应用神经网络算法确定文本中词句的关联性)、transana(方便标注视频录像信息，建立解释信息和视频信息的关联)、希腊的agna(社交网络分析软件)等。

    由美国威斯康辛一麦迪逊大学教育学院教育研究中心牵头的数字化洞察力(digital insight)项目开发的transana平台用于把录像数据转化为文字并进行分析，是同类产品中性能最佳的一种。它提供了一种观察录像的方式，创建文字，并把文字置于录像的框架下。它提供了对研究者需要分析的录像部分进行辨识和组织的工具。同时，它通过给录像标注关键词用以组织和储存大型数字化录像文件。transana平台可储存8000余节课的数字化录像文件，从理论上讲，截割的录像片断没有数量限制，即研究者可根据需要随便对储存的录像进行截割和提取。应用数字化技术，进一步从案例分析扩展到大型课堂教学录像数据库的研究与管理，是课堂教学录像研究发展的新方向。因此，timss录像信息分析模式的建构对课堂教学的微观研究意义十分重大。