基于數據的校本教研助力教師專業發展研究*

李淼浩，曾維義

(重慶市江北區教師進修學院，重慶 400020)

一、研究背景

長期以來，課堂教學研究的復雜性是眾所周知的，這其中包含有大量的課堂教學行為和課堂教學內容數據，依靠傳統的人工力量幾無可能對這些數據的規律進行長期有效的研究。在21世紀這樣一個信息大爆炸的時代，各行各業的數據都呈現出井噴的態勢，隨著高速網絡的搭建、便攜式電子設備、機器學習技術，大數據分析技術的快速更新迭代，人們對數據的處理、分析能力也得到了飛躍的發展。數據分析也順理成章的進入課堂教學領域，對于如何提升課堂教學質量這一命題，教研一直以來都扮演著重要的角色。

以學校為本，以教師為主體的教學研究即“校本教研”，這一教育理念近年來流行于國內外教育界。校本教研以本校教師為主要研究力量，著力于解決學校教育教學工作中的突出問題，這些問題在學校中既有其普遍性，又在教師個體上具有獨特性。開展校本教研有益于學校、教師內部形成自我發展、自我創新的環境氛圍，讓教研工作長期有效的開展下去，最終反饋在教學上，形成教學質量的螺旋上升。

目前傳統校本教研的研究內容主要集中在教學觀、教學模式、教學評價、教師專業發展、教師培訓等方面。其中，教師專業發展從教學的源頭出發，著力于教師專業技能的培養與提升，是學校改革與發展的需要，是個教師自我發展的需要，也是學生學習的需要。

二、傳統校本教研存在的問題

教師職業發展的主要場所是學校，開展校本教研是促進教師專業發展最為有效的途徑之一。傳統校本教研的研究主要依靠優秀教師、教研員的個人經驗進行，但由于教學的復雜性，這些以經驗性為主的教學研究存在著一定局限性：(1)粗放式的信息采集難以準確量化教師的教學特征，無法精準地反映出日常課堂全貌，教學研究內容存在難以察覺的死角；(2)傳統教研活動中的聽評課難以反映出日常上課的全貌，上課教師可能存在刻意準備的表演式教學；(3)有限次的教師教學評價，難以對教師提供連續性跟蹤指導，不能形成教師專業發展從評價、指導到反饋的有效閉環；(4)傳統意義上的名師觀摩課無法形成常態化，新入職教師、青年教師難以在有需求時及時的得到幫助；(5)以經驗為導向的傳統校本教研天然的具備主觀化特質，容易出現口說無“據”的潛在性矛盾；(6)學校在教學評價中使用種類繁多的教學量表，一定程度上增加了教研工作量，可能會造成教學評價的形式化，未能準確評價教師教學水平，降低教師參與的積極性。

三、基于數據的校本教研助力教師專業發展的策略與途徑

(一)教育數據分析

在教育過程中會產生實時的大量教學與學習行為數據，這些大數據具備“數據量大、實時性強、種類多、真實性”四種特征[1]，此四類特征即凸顯出了研究教育大數據的重要性。數據量大表明了教育大數據在教學研究中的重要地位，其不該也不能被忽視，否則就會造成教學研究內容的缺失；實時性強體現出教育大數據的及時性與伴隨性特征，這對其研究過程提出了時效性要求；種類多反映出了教育大數據的深度、廣度以及復雜性；真實性揭示了教育大數據的所具備的最底層屬性，真實性是對其進行研究的重要基礎之一。

教育領域的大數據有廣義和狹義之分，廣義的教育大數據偏向于教育活動中的行為數據，而包含學生管理系統、網絡學習平臺和課程管理平臺等的學習者行為數據為狹義教育大數據[2]。本文中所指的教育數據主要來源于課堂教學過程中實時產生大量種類繁多的數據，這些數據既包含有教師“教”的行為數據，如講授、巡視、提問等，也包含有學生“學”的行為數據，如聽講、讀寫、應答、小組討論等。這些數據的特征與大數據的4種特征高度吻合。在一節課中，教師和學生行為都在高頻次的發生改變，這些行為伴隨著教學過程的始終。

針對教師大數據，我們可以從這些數據中探尋教師在教學過程中的優缺點，為教師的教學提供及時性與階段性建議。目前，教育大數據分析主要聚焦于教師教學行為和學生學習行為，這一類分析的快速興起得益于計算機硬件技術以及人工智能理論與算法的快速發展。伴隨著教育數據研究的發展，新媒體聯盟(New Media Consortium)將學習分析定義為：利用松散耦合的數據分析技術與收集工具，研討分析學習者的學習參與、學習表現和學習過程的相關數據，從而對課程教學和評價進行實時修改[3]。教師的教學行為則是教師為了完成教學目標，在教學過程中所產生的一切行為。這些行為既包含偶發的行為，如根據學生的問答內容衍生出新的教學行為，也包含課前既定的教學行為，如按照事先預設的小組討論時段而產生的師生互動行為等。通過對學生學習行為的分析，可為教師的教學行為提供“反饋調節”式建議，最終從“教”和“學”的角度為教師個性化發展提供綜合性數據支撐。

(二)課堂教學行為數據分析

課堂教學的主體為教師，對象為學生，課堂教學行為主要為教師的教學行為和學生的學習行為組成[4]。依照課堂教學行為交互分析編碼系統可將教學行為劃分為“言語活動”和“教師學生”兩個維度，具體包含有16種行為種類：講授，提問，指示，反饋與評價，主動提問，應答，對話，討論，觀察，筆記或練習，實踐或實驗，思考，板書，演示或展示，觀察或巡視，個別指導或參與活動[5]。依照教師的講授和演示行為占總行為數的比例RT值和教學中師生活動的交互程度CH值，分布定義有四種教學模式：“(1)練習型，此種教學模式學生活動占主體地位，且師生活動交互程度較低的；(2)講授型，此種教學模式教師活動占主體地位，且師生活動交互程度較低；(3)對話型，此種教學模式師生互動比例相當，且師生活動交互程度較高；(4)混合型，此種教學模式師生互動比例相當，但師生活動交互程度較低”[6]。

課堂效率是學生在課堂之中的現實發展與可能發展的比率，教師課堂教學的技術控制一定程度導致了課堂效率的低下。線性、封閉的程式化技術控制教學否定了課堂活動的不確定性和緊迫性，否定了應該通過師生雙向交互來推動教學過程。教學活動應該是以課堂事件為誘因而推進的連續性行為，在整個過程中，教師面臨著不確定性與緊迫性。在這樣一種狀態之下，教師需要時刻關注學生對知識的理解程度，關注師生之間“教”與“學”的有效互動，關注課堂效率的變化[7]。

在課堂教學行為數據分析的基礎上，教師可以直觀地以數據形式了解到每一個學生的課堂學習效率，以及班級整體的學習效率。同時，基于對教師教學行為以及學生學習行為的分析，教師可以清楚地知道學生個體以及學生整體學習效率波動的原因，例如，教師過于沉浸于自我講授而缺乏師生交互的講授行為，導致學生注意力降低，最終影響了課堂效率。這些影響課堂教學效率的內在因素，在傳統的教研活動中，受限于時間和樣本的有限性，無法被準確地挖掘出來。

(三)基于數據的校本教研助力教師專業發展的途徑

在課堂教學過程中產生實時的大量教學行為數據，這些數據無法依賴人工進行有效的識別與采集，依托于基于人工智能的教學行為分析系統，可實現對課堂教學過程的自動化錄制，課堂教學行為的自動化采集與分析。其中，錄制包含有教師視角、學生視角以及黑板展示內容，多媒體內容的多路課堂教學視頻，便于在教研活動中進行教學過程的再呈現。

針對教師行為中的講授、板書、巡視、師生互動，學生行為中的聽講、讀寫、舉手、應答、生生互動等主要行為，進行自動化采集與分析，計算出整堂課中師生相關行為的占比。通過對師生行為的自動化識別，進行精度遠高于人工的S-T分析，實現四種不同課堂教學模式的客觀判定。課堂教學行為占比，課堂教學模式，課堂效率等數據都具有客觀的特性，教研員由傳統充當數據記錄以及評價的雙重角色，逐步轉變為輕記錄重評價的“單一性”角色。這在一方面從繁重的教研工作中釋放出來，更為重要的是幫助教研員從經驗性的口說無據轉變為拿數據說話的精準性評價。

教學行為分析系統，能夠對教師日常課堂進行常態化錄制與分析，數據能夠有效地反映教師課堂教學全貌，實現對教師教學的日常性評價。同時可將日常教學分析報告以月或學期為單位進行綜合分析，在階段性教研活動中進行探討研究，打造教師專業發展在時間維度上的評價、指導到反饋的閉環。

教師可以隨時隨地自主觀看學校以及區域范圍內名師課堂，不再受限于物理空間，也不會對名師課堂造成影響。同時，針對名師課堂，在教學行為分析的基礎上，以月、學期、學年為單位，可構建名師課堂教學模型。普通教師可以名師教學模型為參照，發現自身在教學方法、教學過程、教學內容上的薄弱點并改進。

四、基于數據的校本教研實施路徑

依托于教學行為分析系統，學?？蓸嫿ɑ诮涷瀾T例結合AI數據的混合式校本教研模式，實現經驗初評、報告研讀、數據再評、結論確定的教研流程。具體的應用過程如圖1所示。

圖1 基于課堂教學行為數據分析的教學研究過程

教研組可結合課堂教學分析報告，從教學行為占比、教學模式、課堂效率等維度進行教學評價，實施流程包括以下三部分：

(一)教學數據的采集分析

通過智能錄播系統對教師課堂教學過程進行自動化錄制與分析，獲取包含有教學行為、教學模式、課堂效率三個維度的分析結果。

(二)基于數據分析的校本教研

教研可以采用傳統的隨堂聽課形式進行，也可以基于錄制的視頻進行離線評課，兩種方式視實際需求與安排而定。在評課環節中，教研員首先憑借自己的教學教研經驗進行初步評課，并進行教學量表的記錄。其次，智能錄播系統會對課堂教學視頻依照不同時段的不同行為進行標簽化處理，教師的講授、巡視、提問，學生的舉手、應答等場景時段都會被自動的添加上相應標簽。教研員可以通過這些標簽，快速定位至教師提問、學生應答等課堂重要時間節點，并將這些節點的時長、頻次等數據信息記錄至教學量表。同時，教研員也可以依照這些標簽信息，快速地識別整個教學過程，如教師從教學到提問到巡視，學生從聽講到應答到讀寫，幫助教師更加合理地安排教學過程。

依據智能錄播系統產生的分析報告，對教師的教學行為、教學模式、課堂效率進行定性和定量的評價，并可通過多名教師的教學行為數據進行同課異構分析研究。具體以分成兩部分來進行：(1)采用智能錄播系統產生的教師教學行為、教學模式、課堂效率這三部分定量的數據進行對比教學評價，既可以對比新手教師之間的天然性習慣差異，以及這些差異對課堂的影響，還可以對比新手教師和成熟教師之間的差異，發掘出具備教學經驗的成熟教師與新手教師的教學行為差異，到達指導與輔助教師成長的目標；(2)可以依照智能錄播系統自動生成的行為數據標簽，對教師的教學過程、教學安排、教學掌控度等進行比較，幫助教師更加合理地安排教學過程、教學內容，如課堂練習和應答的時間節點與時長等。如表1所示，通過數據便簽功能，快速地對教師的提問頻次與類型進行統計分析。

表1 重慶某中學A、B教師單節課提問對比

(三)改進教師教學

根據教研員給出的經驗性評價以及基于教學行為數據和同課異構分析，教師發現自身教學的優缺點，進行針對性的教學反思與教學改進。這些教學反思與改進是一個中長期的過程，教師可以隨時根據后續的課堂行為數據分析報告，來檢測自己的實際教學過程、教學效果，讓教學反思與教學改進實現動態推進，最終達到提升教學質量，提高教師自身專業素養的目標。

在實際教研環節，教研組在日常性教研活動中可使用單節課課堂分析報告，在階段性教研活動中教研組可使用以月/學期為單位的階段性數據分析報告，教研組可以事先對教研活動進行規劃安排。

1.使用單節課課堂教學分析報告

如圖2樣本所示，在整個教學過程中，巡視占比超過50%，此種情況較為少見。反映出教師非常注重巡視，在教學過程中教師心中時刻有學生，不會陷于自說自話式的無效講解狀態。同時，教師的巡視兼具有學習指導以及學期監督的雙重作用，反映了教師對于學生學習狀態以及學習效果的關注。通過對智能錄播系統錄制的課堂視頻進行分析發現，教師在第6、16、32分鐘均處于巡視狀態，與之對應的時間段學生的課堂效率均超過了平均值，如圖3所示。

圖2 重慶某教師某節課教學模式

圖3 重慶某教師某節課學生課堂效率變化

從教學模式來看，該堂課屬于混合型課堂，教師和學生各種行為的占比都較為合理，尤其是讀寫、聽講、應答的比例均在25%左右，此三種行為在課堂教學過程中交替出現，一定程度上反映出學生從聽講到回答反饋到讀寫練習的課堂學習過程。另外，在舉手占比為1.1%的情況下，應答占比為24%，反映出該班級學生在回答問題之前沒有明顯的舉手習慣，主要為老師直接點名回答問題。

從課堂效率上看，教研組成員重點關注了第18-22分鐘課堂效率顯著下降的原因。在第18分鐘，教師已對該堂課的知識點進行了初步的講解并提出了探討性問題，但教師提出的為題較難，并且是進行口頭描述的抽象性問題，并未通過板書或是PPT對問題進行展示，學生大多難以理解教師提出的問題，并無法對教師的教學指令進行有效的反饋，學生行為出現隨意性，導致了課堂效率的快速下降。這一現象在一定程度對教師教學給出反饋性改進方向。

另外，對課堂效率波動原因的分析，除了可對課堂教學內容合理性進行反觀評價以外，還可對整堂的教學活動、教學方式等進行分析，如圖4樣本2所示，整個教學過程中學生的課堂效率出現了三次較大的波動，分別為在第8分鐘到達峰值，之后開始下降，在第20分鐘達到峰值并持續至第26分鐘，之后快速下降，然后回升，在課堂最后8分鐘呈下降趨勢至整節課結束。通過對智能錄播系統錄制的課堂視頻進行分析發現，在0-8分鐘屬于新課的導入階段，教師進行了優秀作業師范以及重難點習題的講解，并在講解之前對習題所屬知識點的重要性進行了強調。在教室展示優秀作業帶來的激勵和強調重點的雙重作用下，學生課堂效率達到峰值；從第8分鐘開始，教師開始進行新課的講授，隨著講授的進行個別學生的開始出現注意力不集中，趴在課桌上等行為，導致了課堂效率呈現下降趨勢。隨后教師的講授告一段落，在第19分鐘開始安排學生進行習題練習，并要求學生在10分鐘之內完成，之后在20-26分鐘，所有學生開始完成練習題，課堂效率處于峰值并平穩延續至練習結束。在大部分學生完成練習，教師未進行新的教學動作時，學生因短暫性無事可做而表現出各種非學習性行為，課堂效率快速回落；從第26分鐘起，教師開始對練習題進行講解，課堂效率又得到一定提升，隨著教授的結束，課堂效率逐漸降低，直至課堂結束。

圖4 重慶某中學某教師12節課學生課堂效率變化

2.使用階段性數據分析報告

可以通過對課堂大量教學行為數據的采集與分析，從教學行為、教學模式、課堂效率三方面找出教師教學特征、教學偏愛以及優缺點。同時，結合職初教師與骨干教師的數據對比分析，達到為教師專業發展、個性化發展提供數據診斷的目的。

通過對教師教學行為數據的階段性分析，可以探究教師的教學行為偏好。如表2所示，分別統計了A、B兩名語文教師兩周的語文課，其中A教師為1年教學經驗，B教師為5年教學經驗，統計過程中已排除掉純粹的練習課、考試課。從數據上可以看出兩位教師的教學行為存在顯著的區別，其中A教師講授占比均值為87.15%，顯著高于B教師的59.52%，通過回看視頻發現A教師習慣于大部分時間站立在講桌內側進行講授，B教師則習慣于在講授的同時穿插有大量的巡視，且B教師巡視占比均值為32.47%，遠高于A教師的5.22%，反映出了A、B教師明顯的教學行為傾向性。

表2 重慶某中學語文學科A、B兩名教師階段性教學行為數據

通過練習型、講授型、對話型、混合型的標準條件(如表3所示)，可以從數據的角度精準的評價一堂課的授課類型。針對單一教師，在長期數據累積的基礎上，可以發掘其授課風格，例如某教師的授課風格為對話型，那么該教師可能和低年段的學生有更好的匹配度。在長期數據的表現上，某教師在低齡段如初一和高年段如初三的授課傾向呈現出顯著的差異，在低齡段以對話型為主，在高齡段以講授型為主，則體現出該教師對于不同的課堂有較高的應對水平。針對某校同一學科的不同教師，長期的教學類型數據則可以反映出該校該學科的教師授課風格傾向(如圖5所示)。

表3 教學模式及其標準條件

圖5 重慶某中學四名教師多節課教學模式分布

在課堂效率方面，既可以針對課堂效率的波動情況進行探討，也可以對課堂效率的均值進行比較。如表4所示，B教師學生課堂效率均值顯著高于A教師。通過探討研究發現，B教師在巡視的時間段內，學生的課堂效率出現明顯的提升，相較于A教師較少的巡視行為，B教師的巡視明顯的導致了課堂效率的提升。而A教師大量的講授行為則潛在的導致了課堂效率的降低，學生的注意力時長是有限的，如果教師大量的機械式講授，很容易造成課堂效率的降低。

表4 重慶某中學語文學科A、B兩名教師階段性課堂效率數據

五、數據分析為教師專業發展帶來的便利性

教師專業發展包含有豐富的內涵，可以視作是教師不斷接受新知識，不斷成長，提高專業能力的過程，強調教師作為個體，自身主動進行發展與提升。這與校本教研中以學校和教師為主體的宗旨是一致的。基于數據分析的校本教研為教師專業發展帶來以下幾個方面的便利：

(一)將教師隱形教學習慣顯性化

課堂教學是一種復雜的文化交互活動，教師所持有的教學經驗等常以隱性知識的形式蘊含在教學中[8]。在傳統教研活動中，教研員只能對此進行經驗性評價，這類評價也往往是定性的。而且受限于教研活動的頻次，這類評價也難以對教師的教學習慣進行準確的綜合性描述。教師自身憑這些經驗進行講課，有時會對這些經驗進行自我修正，但修正的時機和方向也由教師和教研員的經驗來決定。

通過對大量課堂教學行為數據的分析，可以從教學內容、教學方法、教學過程等方面將教師大量隱形教學習慣以定量的方式顯性化，使之更為直接地呈現在教研員和教師面前。教師可以從中發現自己教學經驗、教學習慣的優缺點，有益于教師更為清晰、立體化的審視自身課堂教學。

(二)有助于教師反思自身教學行為

教師專業發展不僅需要理論的支撐，更需要教師在實際教學中提高教學水平。課后的反思是教學專業發展的重要動力。在傳統教研中，教師只能根據教研員的評價和自己對教學過程的回想來進行教學反思，這種反思難以避免的具有其局限性?；谥悄茕洸ハ到y將教師將獲取兩方面的便利：其一，智能錄播系統帶來的教學行為大數據分析，可以幫助教師清晰的審視自身教學行為習慣的合理性，教學風格的偏好，并且可以從中發現自身教學特征，有益于教師實現教學能力的自我提高；其二，教師可以隨時智能錄播系統錄制的課堂教學視頻，并且依照行為標簽信息，快速定位至課堂重要節點，發現自身教學行為的優缺點。

(三)為職初教師便捷的提供向骨干教師學習的機會

向骨干教師學習實際教學經驗，是職初教師快速成長的重要途徑。在教學行為大數據分析的基礎下，職初教師可以便捷直觀地了解到骨干教師的教學特征、教學方法。這將極大地減少學習的機會成本和時間成本。并且，可以進行基于課堂教學行為大數據分析的同課異構，實現職初教師和骨干教師教學行為的直接對話，幫助職初教師直觀的發現自身的缺點，學習骨干教師的優點，實現教學能力的快速提升。

六、結語

隨著人工智能大數據分析技術的不斷發展，教學研究從經驗主義向更具科學性的方向不斷靠攏。基于教育數據的課堂教學行為分析系統被越來越多的學校所認識、理解與采用，也為教師專業發展提供了新平臺、新方向。在具體應用中，學?？蓪⒔虒W行為分析系統與校本教研相結合，構建基于教育數據分析的校本教研，更科學、更便捷、更具目的性的服務于教師專業發展。