大數(shù)據(jù)視野下的課堂觀察方法研究

胡曉燦+丁革建+江惠

【摘要】課堂觀察作為一種重要的教育研究方法，一直以來得到教師的關(guān)注。本文對國內(nèi)外課堂觀察研究進行分析，了解課堂觀察的歷史、發(fā)展以及當前的應(yīng)用情況，發(fā)現(xiàn)課堂觀察因操作繁瑣而沒有充分發(fā)揮應(yīng)有的作用。本文討論了在大數(shù)據(jù)背景下，運用技術(shù)來支持課堂觀察，探討視頻監(jiān)控和模式識別技術(shù)，機器學(xué)習等等在課堂觀察中的應(yīng)用，進而探討大數(shù)據(jù)如何支持學(xué)生的成長和教師的專業(yè)發(fā)展。

【關(guān)鍵詞】大數(shù)據(jù)；課堂觀察；機器學(xué)習

【中圖分類號】G434 【文獻標識碼】A

課堂觀察是指通過觀察對課堂的運行狀況進行記錄、分析和研究，并在此基礎(chǔ)上謀求學(xué)生課堂學(xué)習的改善、促進教師發(fā)展的專業(yè)活動。通過課堂觀察，可以幫助改善學(xué)生的課堂學(xué)習和促進教師的專業(yè)發(fā)展。

一、傳統(tǒng)的課堂觀察方法

課堂觀察作為一種研究課堂的方法，發(fā)展于20世紀五六十年代。1950年貝爾思的“互動過程分析”，第一次提出“人際互動12類行為編碼”，構(gòu)建了課堂討論互動框架，也開啟了課堂研究的量化序幕。1960年美國課堂研究專家弗蘭德斯的“互動分類系統(tǒng)”，釆用編碼程序，將課堂師生互動情況進行系統(tǒng)記錄，然后分析、改進教學(xué)。從70年代開始，人種志研究等質(zhì)性研究方法開始走入課堂觀察。完整的文字描述呈現(xiàn)了課堂全貌，使原本被剝離出來的課堂事件、課堂行為回歸情境本身，從而研究者利用個人經(jīng)驗可以更好地理解、詮釋課堂。從此，課堂觀察的方法更加豐富，定量和定性的方法相互結(jié)合、相互補充成了課堂觀察發(fā)展的主要趨勢。

我國的課堂觀察研究在借鑒國外研究的基礎(chǔ)上，并通過對課堂觀察的深入研究，取得了不小的成就。隨著技術(shù)的進步，越來越多的輔助設(shè)備和器材被用來幫助教師觀察和分析課堂，基于視頻的課堂觀察越來越普遍，例如弗蘭德斯分析法等等。這些課堂觀察的方法在一定程度上幫助了教師對課堂的觀察，但是在整個過程中，教師起主要的作用，教師不僅需要觀看視頻，還要對視頻中的師生行為進行分類、編碼，整個過程需要消耗大量的人力物力，工作量非常大，這一系列繁瑣的工作使得課堂觀察在平時沒有發(fā)揮出應(yīng)有的作用。因此，我們結(jié)合大數(shù)據(jù)的背景，尋找能夠幫助教師減輕工作量的課堂觀察方法。

二、技術(shù)應(yīng)用于課堂觀察

大數(shù)據(jù)時代的到來，可以幫助教師從技術(shù)層面上使學(xué)生在課堂中的表現(xiàn)得以顯現(xiàn)和量化。學(xué)生在一堂課中的表現(xiàn)，經(jīng)過大數(shù)據(jù)的處理變得可視化，教師也能獲取更多了解學(xué)生的途徑和方法。如果更進一步的設(shè)想，不是通過教師的觀察，而是直接應(yīng)用信息化的技術(shù)對學(xué)生的行為進行記錄，就能夠真正實現(xiàn)大數(shù)據(jù)的收集與處理，從而實現(xiàn)與課堂的結(jié)合。通過對學(xué)生課堂行為的大數(shù)據(jù)的收集，可以幫助教師了解學(xué)生對知識的感興趣程度以及掌握程度，進而反思教師的教學(xué)是否滿足了學(xué)生的需求。

在大數(shù)據(jù)的背景下，我們可以借助視頻監(jiān)控和模式識別技術(shù)以及機器學(xué)習對學(xué)生個體在整個課堂中的表現(xiàn)進行觀察，了解個別學(xué)生與其他學(xué)生在課堂中的學(xué)習行為差異，從而來尋找學(xué)生的課堂學(xué)習行為存在的問題。

之前的課堂觀察雖然已經(jīng)采用攝像機將課堂拍攝下來，但只是一個記錄的作用，而現(xiàn)在的攝像機已經(jīng)包括一系列完整的視頻監(jiān)控系統(tǒng)，并且視頻監(jiān)控系統(tǒng)大多已經(jīng)能實現(xiàn)對場景內(nèi)運動目標的檢測或跟蹤，也就是說，當學(xué)生的行為發(fā)生變化的時候，視頻監(jiān)控系統(tǒng)可以對學(xué)生的行為進行檢測和追蹤。而模式識別是指對表征事物或現(xiàn)象的各種形式的（數(shù)值的、文字的和邏輯關(guān)系的）信息進行處理和分析，以對事物或現(xiàn)象進行描述、辨認、分類和解釋的過程，是信息科學(xué)和人工智能的重要組成部分。我們可以借助模式識別對學(xué)生的行為進行量化分析和描述。視頻監(jiān)控系統(tǒng)和模式識別技術(shù)可以對不一樣的行為進行自動識別和存儲，從而讓老師及時發(fā)現(xiàn)不一樣的行為，了解學(xué)生的學(xué)習狀態(tài)。

機器學(xué)習（Machine Learning， ML）是一門多領(lǐng)域交叉學(xué)科，專門研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。它是人工智能的核心，是使計算機具有智能的根本途徑，其應(yīng)用遍及人工智能的各個領(lǐng)域，它主要使用歸納、綜合而不是演繹。借助機器學(xué)習，讓計算機成為老師進行課堂觀察的助手，可以在一定程度上減輕老師的工作量。

可以將課堂觀察分為兩個階段，第一階段是機器學(xué)習的過程，最終形成一個機器識別系統(tǒng)，來輔助教師進行課堂觀察；第二階段是運用機器識別系統(tǒng)來完成學(xué)生課堂學(xué)習行為的診斷，從而尋找課堂行為與成績之間的相關(guān)性。

在第一階段，首先對學(xué)生在課堂中的行為進行分類并標注，對不同的行為進行編碼。然后隨機選取n個學(xué)生作為觀察對象，對他們在課堂中的行為進行實錄。根據(jù)之前的行為編碼，先對視頻中的一個學(xué)生的行為進行人工標識，畫出關(guān)于時間-行為變化的曲線圖，生成行為曲線s；再對同一個學(xué)生的行為用機器標識的方法生成曲線m，然后對比曲線s和曲線m，如果兩者的差異不在誤差范圍內(nèi)，則不斷改善機器學(xué)習的過程，調(diào)整相關(guān)的變量，直到兩者的差異在誤差范圍內(nèi)，曲線s與m基本符合，就完成機器學(xué)習的過程，從而完成一個機器識別系統(tǒng)。在改善機器學(xué)習的過程中，可以在事先選取的n個對象中選擇不同的學(xué)生作為觀察對象，也可以不斷調(diào)整時間的選取點，來提高機器學(xué)習的精確度。

第二階段需要借助之前生成的機器識別系統(tǒng)，重新選取研究對象O和參照對象R，根據(jù)他們在課堂中的表現(xiàn)，分別生成行為曲線MO和MR，對比兩者的行為曲線并尋找差異性，從而生成關(guān)于研究對象O的診斷報告，在選取研究對象與參照對象前，教師需要對學(xué)生在本堂課的知識掌握情況做個測試，選取成績在中等水平的學(xué)生作為參照對象，選取成績較差或者較好的學(xué)生作為研究對象，然后結(jié)合診斷報告與學(xué)生的隨堂測試成績，尋找學(xué)生的課堂學(xué)習行為與成績之間的相關(guān)性。

整個分析過程一開始需要借助人為標識和機器標識相結(jié)合來完成，通過一次次的分析和機器學(xué)習的過程，最終形成一個機器識別系統(tǒng)，在這過程中也形成了一系列大數(shù)據(jù)。因此，借助于大數(shù)據(jù)的理念和機器學(xué)習等相關(guān)的技術(shù)，整個課堂觀察的過程可以讓機器來幫助完成，老師只需要查看診斷報告，結(jié)合學(xué)生的成績，制定相應(yīng)的改善措施。觀察得到的數(shù)據(jù)可以進行詳細的記錄并重復(fù)利用，同時可以鏈接到具體事件，比較不同學(xué)生的課堂學(xué)習行為，可以幫助教師了解學(xué)生的課堂學(xué)習，進而反思自己的教學(xué)實踐。在這些條件下，老師的工作量會減少很多，課堂觀察的流程也會變得更簡單，可以使老師更容易進行課堂觀察。

三、困難與展望

目前，要做到只靠機器識別來對課堂進行觀察與分析，還是存在一定困難的。首先，雖然貝爾思提出了12類人類行為編碼以及之后學(xué)者提出的編碼系供人們參考，但人的行為是復(fù)雜多樣的，并且很多動作都很細微，不容易被發(fā)現(xiàn)，更不容易被機器識別。其次，在完善機器學(xué)習的過程中，不可避免會存在誤差，對結(jié)果會有影響。最后，每個人都有不同的個性，并且在不同的課學(xué)生的表現(xiàn)不一樣，要尋找適合所有學(xué)生的一個系統(tǒng)，也將是一個漫長的過程。

因此，我們現(xiàn)在需要做的就是尋找合適的工具與方法，運用技術(shù)來幫助收集數(shù)據(jù)和分析學(xué)生在課堂中的表現(xiàn)。在大數(shù)據(jù)的背景下，我們通過對課堂中的數(shù)據(jù)的分析，可以了解學(xué)生在課堂上的學(xué)習情況，從而可以判斷他在課堂上進行的是有效學(xué)習還是無效學(xué)習。然后將分析結(jié)果與學(xué)生的平時測試中的表現(xiàn)相聯(lián)系，可以很容易發(fā)現(xiàn)學(xué)生對知識的掌握情況以及學(xué)習過程中存在的問題，這對于教師改善學(xué)生的課堂學(xué)習和提高自身的專業(yè)化發(fā)展都能有所幫助。

參考文獻

[1]何穎.課堂觀察一種新的教研方式——以小學(xué)品德與社會學(xué)科為例[D].南京：南京師范大學(xué)，2011.

[2]黃江燕，李家鵬，喬劉偉.課堂觀察研究的文獻綜述[J].長江師范學(xué)院學(xué)報，2012（12）.

[3]陳穎鳴，陳樹越，張顯亭.智能視頻監(jiān)控中異常行為識別研究[J].微電子學(xué)與計算機，2010（11）.

[4]李新良.模式識別理論的研究與應(yīng)用[J].北京電子科技學(xué)院學(xué)報，2011（4）.

[5]百度百科.機器學(xué)習[EB/OL].http：//baike.so.com/doc/3290018-3465759.html.

[6]周秋怡.課堂視頻分析工具支持下教師課堂教學(xué)行為案例分析[J].韶關(guān)學(xué)院學(xué)報，2013（2）.

作者簡介：胡曉燦，1992年生，碩士，主要研究信息技術(shù)教育應(yīng)用。

（編輯：龍賢東）