基于智慧課堂的學情診斷： 實踐、挑戰(zhàn)與未來

中圖分類號：G4 文獻標志碼：A 文章編號：2096-0069（2025）02-0042-05

引言

維果茨基提出了“最近發(fā)展區(qū)”這一概念，說明學生的學習發(fā)展是建立在“既知”基礎上不斷破解“未知”的過程。在此過程中，教師承擔著引領責任，應當準確判斷學生的“既知”水平，從而設計符合他們成長發(fā)展需要的課堂教學內(nèi)容及活動。學情診斷就是教師為了實現(xiàn)有效教學而對學生的認知能力、知識水平、動機興趣、心理狀態(tài)等智力及非智力要素開展的評估、分析活動。在日常教學準備中，教師通過批閱作業(yè)、問答、觀察等方式開展學情診斷，了解和掌握學生的認知能力、知識儲備、情感態(tài)度等。如今，在人工智能技術的推動下，以學生過程性學習數(shù)據(jù)為客觀依據(jù)的學情診斷能夠更加精準地獲知學生的學習收獲、障礙、需求等情況，方便教師在此基礎上開展個性化教學。

教育部自2019年啟動了“智慧教育示范區(qū)”建設項目，旨在促進信息技術特別是智能技術與教育教學活動的深度融合，支撐學生評價體系與方式的改革。以此為契機，各地中小學校著手創(chuàng)設智慧課堂，積極推動傳統(tǒng)課堂教學環(huán)節(jié)的智能化變革，其中優(yōu)化學情診斷過程及結(jié)果是關鍵領域之一。然而，一些傳統(tǒng)的學情診斷在內(nèi)容上存在片面化、淺表化等現(xiàn)實問題，在方式上容易陷入技術陷阱，只要涉及測驗、數(shù)據(jù)、圖表分析就被輕易地冠以“智慧”之名[1。為了解決這些問題，應當明確人工智能技術在學情診斷中的優(yōu)勢及用途，進一步總結(jié)相關代表性案例的實踐經(jīng)驗，啟示教師利用人工智能技術開展更加科學、精準的學情診斷。

一、技術基礎

智慧課堂是利用人工智能、大數(shù)據(jù)、互聯(lián)網(wǎng)等信息技術搭建的促進教師、學生、內(nèi)容之間充分互動的教學環(huán)境，其本質(zhì)是由技術賦能實現(xiàn)教學環(huán)境的網(wǎng)絡化、數(shù)字化、智能化[2。在智慧課堂建設過程中，人工智能技術，如計算機視覺、自然語言處理、自動語音識別等，發(fā)揮著特別重要的作用，為全方位、多層次、伴隨性采集學生學習過程數(shù)據(jù)提供了有利條件，推動了學情診斷的自動化，極大地節(jié)約了診斷成本并提升了結(jié)果的準確性[3]。

（一）計算機視覺

計算機視覺是一項使用計算機模擬人類視覺系統(tǒng)過程及功能的技術，賦予計算機“感知”周圍環(huán)境的能力。借助特定設備，計算機能夠觀測識別到人類無法觀察的紅外線、微波等，具備更廣泛的數(shù)據(jù)獲取能力。此外，這種觀測過程避免了與觀測對象的接觸，相對安全可靠。在教育教學背景下，該技術可以用于識別學生的面部表情、身體姿態(tài)、眼神注視點等特征，能夠反映學生的學習參與度[4]。隨著機器學習研究與實踐的不斷深入，圖像的特征提取與識別大多由卷積神經(jīng)網(wǎng)絡（ConvolutionalNeuralNetworks，簡稱CNN）或深度卷積神經(jīng)網(wǎng)絡（（DeepConvolutionalNeuralNetworks，簡稱DCNN）加以實現(xiàn)，并且使用三維卷積神經(jīng)網(wǎng)絡來處理包含圖像、音頻等多模態(tài)數(shù)據(jù)的視頻片段，有效提升了識別準確率。

（二）自然語言處理

自然語言處理是計算機對人類語言的理解和運用，通常基于規(guī)則的或統(tǒng)計的模型來實現(xiàn)。伴隨著BERT、GPT-4等預訓練語言模型的涌現(xiàn)，自然語言處理在語言翻譯、文本分類、情感分析等方面的應用都迎來了突破和創(chuàng)新。以文本情感分析為例，其語言模型的開發(fā)依次經(jīng)過文本輸入、文本預處理、特征提取、參數(shù)選擇、模型訓練、模型評估等步驟[5]。將訓練完成的模型部署到學情診斷場景中，可以對學生的作文、心得感想等文本材料進行自動化分析，幫助教師及時掌握學生在學習過程中的情感態(tài)度變化。

（三）自動語音識別

自動語音識別是基于計算機的人類語音解碼和轉(zhuǎn)錄過程。自動語音識別系統(tǒng)包括訓練和識別兩個階段，涉及預處理、特征提取、相似性度量、后處理等具體步驟。通過將采集獲取的課堂音頻數(shù)據(jù)進行關鍵詞篩選及語義剖析，教師能夠更加迅速、直觀地了解學生的發(fā)言內(nèi)容和表達方式，更加準確地評估學生的表達能力、思維邏輯和知識儲備情況，進而制訂更加精準的教學計劃和策略。

二、實踐探索

我國高度重視發(fā)展人工智能技術，并將之深度融入智慧課堂建設，不僅深刻改變了課堂教學的內(nèi)容及過程，而且有助于教師開展更加高效的學情診斷。傳統(tǒng)學情診斷主要是以班級為單位的整體評價，并將學業(yè)成績及排名作為評判學生學習狀況和能力水平的依據(jù)。當前，借助人工智能技術衍生的豐富功能，中小學一線教師能夠?qū)W生學習數(shù)據(jù)進行全面分析，獲取的學情診斷結(jié)果呈現(xiàn)出更高水平的準確性、客觀性、可讀性，更加精準地反映出學生個體與班級整體的學習狀況與需求。

（一）準確性：構(gòu)建科學系統(tǒng)的學情診斷框架

明確學生學習的應然結(jié)果是進行學情診斷的前提。一方面，教師依據(jù)教學目標制訂診斷指標，通過對照比較讓學生充分暴露不足與問題，更好地了解每位學生的起點。智能教學系統(tǒng)在課前將相關練習題發(fā)送到學生端，并在學生填答提交后進行自動批改，再將結(jié)果反饋到教師端，幫助教師準確找到每位學生的“最近發(fā)展區(qū)”回。這類智能系統(tǒng)不僅可以評判選擇題，而且能對圖像、作文、演說等多種類型的練習進行自動評估[。只有認識到學生“既知”與“應知”之間的差距，教師才能有針對性地設計課堂教學內(nèi)容與活動。另一方面，確切的學情診斷指標能夠進一步指導教師選取所需的數(shù)據(jù)資料與適恰的采集手段。在面向培養(yǎng)核心素養(yǎng)的教學中，學生學習的應然結(jié)果不再局限于考試成績，而是更加關注高階認知素養(yǎng)、實踐創(chuàng)新能力，全面考慮學生的學習興趣、自主性及合作學習意愿。這些能力素養(yǎng)、情感態(tài)度不再是通過簡單的問答測驗就能夠反映出來的，而是需要結(jié)合更加多元的學習數(shù)據(jù)。以數(shù)學學科能力的學情診斷為例，首先建立以“學習理解一實踐應用一遷移創(chuàng)新”為核心結(jié)構(gòu)的數(shù)學學科能力概念內(nèi)涵，進而梳理內(nèi)隱能力與外顯行為的聯(lián)系，最后構(gòu)建由多種外顯行為組成的學情數(shù)據(jù)采集框架[]。學情診斷指標框架需要解決方向不明、內(nèi)容不清、手段模糊等問題，并根據(jù)培養(yǎng)目標、理論成果、實踐經(jīng)驗不斷進行豐富和完善，幫助教師開展更加精準的學情診斷。

（二）客觀性：充分利用AI技術進行學情診斷

教師在傳統(tǒng)的學情診斷過程中主要面臨兩個問題：一是難以對全體學生同時進行評價，二是容易因主觀因素導致誤判。由于視頻圖像忠實地記錄了課堂教學活動的開展情況，因此，教師可以嘗試利用智慧課堂的視頻錄制及分析功能，對前一節(jié)課中學生個體與整體學習狀況進行客觀研判，從而更有效地設計新課教學。教師借助布置在教室內(nèi)的多個攝像頭，先通過實時監(jiān)測和跟蹤相結(jié)合的方式獲得每個學生的實時圖像流，再應用計算機視覺算法模型（三維卷積神經(jīng)網(wǎng)絡）學習目標行為的時空特征，從而實現(xiàn)捕捉識別學生舉手、抬頭、走動、板書等神情動作。學生的外顯行為表現(xiàn)被客觀地記錄下來，并用以指征原本“不可見”“不可評”的品格、認知、情感等，而使測驗成績不再作為衡量學生學習狀況的唯一方式。以學習品質(zhì)中“毅力”的評估為例，上海市長寧區(qū)的教師利用“數(shù)字作業(yè)”對學生完成作業(yè)的起止時間、作答時長、作答順序、是否訂正、訂正時間等數(shù)據(jù)進行收集分析，并結(jié)合自己對學生的觀察了解，以多元數(shù)據(jù)提升學情診斷的準確性[9]。這有利于全方位刻畫學生發(fā)展狀況，也為學校、教師制定學生核心素養(yǎng)發(fā)展策略提供依據(jù)。此外，教師能夠繼續(xù)通過視頻錄像回顧學生的課堂行為，進一步反思教學方法、過程及效果，也有助于實現(xiàn)自身專業(yè)發(fā)展。

（三）可讀性：輔助教師解釋學情診斷的結(jié)果

從學生學習數(shù)據(jù)到學情診斷結(jié)果并不是一蹴而就的，而是需要教師經(jīng)過一系列加工處理。由于龐大的數(shù)據(jù)量、自身數(shù)字素養(yǎng)等主客觀條件的制約，教師難以通過傳統(tǒng)的人工處理方法進行學情診斷。針對這一痛點，智慧課堂不僅能夠采集學生學習數(shù)據(jù)，而且能夠生成可視度高、動態(tài)性強的學生畫像及學情診斷報告，幫助教師及時掌握關鍵學情信息。依托某“智慧課堂”平臺，采用頻繁模式挖掘算法與關聯(lián)規(guī)則挖掘算法，構(gòu)建起學生觀看微課視頻、完成習題作業(yè)、搶答發(fā)言、與同學討論、向教師提問等行為數(shù)據(jù)與其學習成績間的可視化關系圖，能夠直觀地反映出學生學習成績變化的原因[1]。同時，“智慧課堂”還能基于學習數(shù)據(jù)將學生劃分為不同類型，如參與度低又學習水平不高的邊緣型學生、表現(xiàn)積極但深度學習較少的努力型學生、目標完成度高且發(fā)展均衡的優(yōu)秀型學生，進而為不同類型的學生生成認知網(wǎng)絡圖像，通過知識節(jié)點的大小、連接線的粗細等視覺要素直觀地展示學生的知識掌握水平。教師利用圖表、圖形等可視化方式加以簡明清晰的文字語言描述，可以提升診斷結(jié)果的可讀性，更高效地理解學生的學習情況，從而為學習特征相似的學生組建起學習共同體，制訂更具針對性的教學方案并提高教學效果。

三、挑戰(zhàn)與風險

作為一種新興的課堂形式，智慧課堂為學情診斷帶來了全新的工具和方法，也重塑了中小學教師的學生觀、技術觀、課堂觀。在這一進程中，教師若要在日常學情診斷時充分發(fā)揮人工智能技術的優(yōu)勢，還需要應對諸多挑戰(zhàn)或風險。

（一）技術性挑戰(zhàn)：人工智能技術尚存缺陷

在復雜、多變的教育場景中，人工智能技術所取得的成效與理想目標間仍然存在差距。學情診斷涉及學生的學習行為、心理狀態(tài)、興趣愛好等諸多方面，并且它們具有高度的隱秘性和動態(tài)性。然而，當前的人工智能技術還無法完全準確地采集這些復雜信息，從而產(chǎn)生數(shù)據(jù)采集不全、數(shù)據(jù)質(zhì)量不高、數(shù)據(jù)標簽不準確等問題。例如，相較于識別成人的語音，自動語音識別在處理兒童的語音時存在更大的難度，輸出結(jié)果的準確率更低。采集質(zhì)量的問題進一步降低了診斷質(zhì)量的準確性和可靠性。因此，在課堂這樣的特殊場景中，通用人工智能應用的適應性仍有待進一步驗證。

（二）理論性挑戰(zhàn)：學情診斷指標不夠精準

當前，學情診斷指標的制訂仍然受制于思維定式，未能夠充分發(fā)揮智慧課堂及人工智能技術的特點與優(yōu)勢。一方面，學生不僅要爭取優(yōu)異的學業(yè)成績，而且需要養(yǎng)成良好品格、塑造健康心理、樹立高遠理想，故單一的、籠統(tǒng)的學情診斷指標很難全面反映學生的實際情況。在智慧課堂環(huán)境中，如果仍然沿用傳統(tǒng)的診斷指標，那么，即使通過多種技術手段收集了學生學習的多元數(shù)據(jù)，也無法充分發(fā)揮這些數(shù)據(jù)的價值。另一方面，傳統(tǒng)學情診斷指標的設定缺乏科學性，忽視了學生的發(fā)展現(xiàn)狀與需求。在實際操作中，教師通常根據(jù)自己的經(jīng)驗并站在成人的視角來開展學情診斷，所用診斷指標缺乏科學的理論支撐。這種主觀的學情診斷不僅無法準確反映學生的學習狀態(tài)，還可能誤導教師的教學決策。

（三）主體性風險：教師使用態(tài)度兩極分化

盡管智慧課堂為教師進行學情診斷提供了豐富的工具，并且它們在數(shù)據(jù)分析速度上要明顯優(yōu)于教師人工處理，但教師的使用態(tài)度決定了人工智能技術能否進人課堂并發(fā)揮應有的作用。現(xiàn)有調(diào)查發(fā)現(xiàn)，部分缺乏技術信念的教師認為自己能力不足或技術難度較大而排斥在教育教學活動中使用人工智能技術，存在較強的人工智能焦慮情緒[]。這部分教師對人工智能技術持有懷疑態(tài)度，也不知如何利用人工智能技術開展學情診斷。相反，另有部分教師過度依賴人工智能技術，將相關應用輸出的結(jié)果作為唯一的學情診斷依據(jù)。這將沖擊教師的課堂地位，使教師失去認識學生、把握教學過程的能力。排斥使用或者過度使用人工智能都不利于教師開展高效、精準的學情診斷。

（四）制度性風險：數(shù)據(jù)及隱私保護較薄弱

正如聯(lián)合國教科文組織在《人工智能倫理問題建議書》中的擔憂，學情診斷涉及大量學生的身份信息、學習經(jīng)歷等隱私數(shù)據(jù)，這些數(shù)據(jù)面臨著泄露的風險。學生在使用智慧課堂提供的教學平臺或軟件時，往往不能意識到自己的學習行為正在被記錄，部分教學軟件也有數(shù)據(jù)管理和存儲方面的漏洞，這些薄弱環(huán)節(jié)都要從制度和管理上進行改善。

四、未來啟示

人工智能技術的快速發(fā)展及其在教育領域的廣泛應用，以及國家在建設智慧課堂、發(fā)展智慧教育上的整體構(gòu)想與政策要求，使基于智慧課堂的學情診斷成為未來趨勢。面對現(xiàn)存挑戰(zhàn)和風險，應從技術、理論、主體、制度等多個視角進行探索，以系統(tǒng)提升學情診斷的實效。

第一，充分發(fā)揮AI、大數(shù)據(jù)等技術的能力優(yōu)勢。智能技術推動學情診斷邁向自動化：在數(shù)據(jù)收集方面，智能技術能夠?qū)W生過程性學習數(shù)據(jù)進行實時伴隨式采集，有效獲取多模態(tài)數(shù)據(jù)；在數(shù)據(jù)分析方面，智能技術能夠?qū)W習者學習數(shù)據(jù)開展自動分析挖掘，并且有比相人工處理明顯的高速度、魯棒性等優(yōu)勢。教師需依據(jù)現(xiàn)實條件和需求，靈活選用智能技術工具，嘗試開展人機協(xié)同的精準學情診斷[12]。

第二，厘清指向核心素養(yǎng)的學情診斷框架內(nèi)涵。《義務教育課程方案（2022版）》《普通高中課程方案（2017年版2020年修訂）》均堅持素養(yǎng)導向，并強調(diào)圍繞核心素養(yǎng)開展學情評價與診斷。無論是傳統(tǒng)的學情診斷，還是基于智慧課堂的學情診斷，都應以構(gòu)建科學的理論框架為前提條件，在此基礎上開展具體的采集、處理、分析步驟。高校專家學者、中小學一線教師應合作開發(fā)指向核心素養(yǎng)的學情診斷內(nèi)涵框架，以期生成更加真實的學生畫像，增強診斷結(jié)果的科學性和準確性。

第三，增強教師應用技術手段進行學情診斷的意愿與能力。教育部于2022年11月頒布了《教師數(shù)字素養(yǎng)》教育行業(yè)標準，指出教師需要具備選擇合適的分析模型并合理運用智慧教室、智能分析評價工具等技術資源進行數(shù)據(jù)采集、分析、解釋的素養(yǎng)。作為學情診斷的發(fā)起者，教師應當認識到智能技術能夠減少自身工作量，且所得結(jié)果也能幫助自已更有效地反思教學與專業(yè)發(fā)展，從而在日常教學中主動擁抱技術。同時，在技術支持下開展學情診斷要求教師具備相應的知識和技能，熟悉學情診斷軟件和平臺的功能應用，充分發(fā)揮其潛力價值。

第四，重視數(shù)據(jù)隱私及應用倫理的保護。國家相繼頒布《網(wǎng)絡數(shù)據(jù)安全管理條例》《關于加快推進教育數(shù)字化的意見》等政策文件，持續(xù)規(guī)范教育數(shù)據(jù)保護并調(diào)控制度倫理空間，逐步完善治理體系。

[1]肖龍海，陸葉豐.智慧課堂的高階思維評價研究[J].現(xiàn)代教育技術，2021，31（11）：12-19.

[2]邱藝，謝幼如，李世杰，等.走向智慧時代的課堂變革[J].電化教育研究，2018，39（7）：70-76.

[3]朱永新，楊帆.ChatGPT/生成式人工智能與教育創(chuàng)新：機遇、挑戰(zhàn)以及未來[J].華東師范大學學報（教育科學版），2023，41（7）：1-14.

[4]POONJAHA，SHIRAZIMA，KHANMJ，etal.Engagement detectionandenhancementforSTEMeducationthroughcomputer vision，augmented reality，and haptics[J].ImageandVision Computing，2023，136（8）：104720.

[5]李慧.面向?qū)W習體驗文本的學習者情感分析模型研究[J].遠程教育雜志，2021，39（1）：94-103.

[6]王盛之.智慧教師與智慧課堂[M].上海：上海教育出版社，2017：71.

[7]SAINIM，GOELN.How smart are smart classrooms？Areviewofsmartclassroom technologies[J].ACM Computing Surveys，2019，52（6）：1-28.

[8]郭炯，丁添.智慧課堂環(huán)境下指向數(shù)學學科能力的學情分析研究：理論框架與實踐進路[J].中國電化教育，2024（2）：100-107.

[9]熊秋菊.整區(qū)推進教育數(shù)字化轉(zhuǎn)型的思考與實踐[J].電化教育研究，2023，44（12）：42-47.

[10]劉邦奇，李鑫.智慧課堂數(shù)據(jù)挖掘分析與應用實證研究[J].電化教育研究，2018，39（6）：41-47.

[11]趙磊磊，張黎，章璐，等.中小學教師的人工智能焦慮：現(xiàn)狀分析與消解路向[J].現(xiàn)代教育技術，2022，32（3）：81-91.

[12]景玉慧，王培均，沈書生.學習空間何以賦能教育高質(zhì)量發(fā)展：基于教與學的視角[J].數(shù)字教育，2023，9（4）：15-21.

（責任編輯 李強）

A Learning Diagnosis Based on Smart Classroom：Practice，Challenges and Prospects

ZhuYingbin，WangWanshun2，XiaoLonghai （1.CollegeofEducation，ZhejiangUniversity，Hangzhou，Zhejiang，China310058; 2.TeacherDevelopmentCenterofWanzhiDistrictofWuhu，Wuhu，Anhui，China

Abstract：Relying ontheAI technologies suchascomputervision，natural language processing，automatic speech recognition，etc.，thesmart classroom effectivelypromotes the changeand innovationof classroom teaching.Asoneofthemainteaching links，thediagnosisoflearmingconditionshasalsoshownnewpattrnsand newfeatures inthis processOnthe basis ofexploring the frameworkofacademic diagnosis，frontline teachers in primaryand secondaryschools makeuseof therich functions provided by the smart clasroom tocollect，analyze andinterpret students'learningdata.Whilecontinuously improving theaccuracy，objectivityandreadabilityof the learningdiagnosis，technicalandtheoreticalchallengesaswellassubjective and institutionalrisksarealsoexposed. Inthe faceof thesechalengesand risks，the advantagesofAItechnologyshouldbe furtherutilizedto improve the frameworkof learning diagnosis directedatstudents’keycompetencies，enhance teachers’diagnostic literacyand establisharelevantsecuritymechanism.

Keywords：Smartclassroom;AI technology;Learning diagnosis;Learning data