人工智能支持的課堂教學行為分析：困境與路徑

趙麗 賀瑋 王洋

[摘? ?要] 傳統(tǒng)課堂教學行為分析多以人腦分析為主，存在依賴專家、分析效率低、分析不準確等問題。信息化課堂中教學行為分析多通過單一言語行為來考量，手勢、眼部表情、身體動作等其他課堂行為難以體現(xiàn)。人工智能技術(shù)突破了傳統(tǒng)和信息化課堂教學行為分析的局限，實現(xiàn)了分析的自動化和智能化，使得課堂教學行為分析更加精準、全面、真實。研究從輿論造勢、技術(shù)擔憂和安全倫理三方面分析了人工智能技術(shù)支持下的課堂教學行為分析的發(fā)展困境。研究通過對人工智能技術(shù)支持的課堂教學行為分析發(fā)展、困境和路徑的分析，認為，“人工與人腦的統(tǒng)一”為課堂教學行為分析帶來創(chuàng)新突破，將成為人工智能技術(shù)支持下的課堂教學行為分析與發(fā)展的新路徑。

[關(guān)鍵詞] 人工智能; 多模態(tài)大數(shù)據(jù); 課堂教學行為分析; 人腦智能; 路徑

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 趙麗（1982—），女，江蘇南京人。副教授，博士，主要從事在線學習理論與實踐、課堂教學模式變革、學生思維能力培養(yǎng)研究。E-mail：li.zhao@njnu.edu.cn。王洋為通訊作者，E-mail：wangyang@nnu.edu.cn。

一、問題的提出

人工智能技術(shù)的崛起為開發(fā)和利用數(shù)據(jù)提供了無限可能，與人工智能技術(shù)相適應的研究，如課堂教學行為分析，成為當今人們關(guān)注的熱點[1]。人工智能在教育領域已取得的顯著成就，使課堂教學行為數(shù)據(jù)較以往更具全面性、易獲取性與多源性。尤其伴隨低成本、高識別率的模態(tài)傳感器以及日益成熟的數(shù)據(jù)處理與分析方法，多模態(tài)學習分析發(fā)展突飛猛進[2]，顯著提高了相關(guān)研究人員在教學環(huán)境中獲取大量數(shù)據(jù)的效率，為課堂教學行為分析提供了強有力支撐。人工智能技術(shù)支持的課堂教學行為分析更加自動化和智能化，大大降低了人類體力和腦力的工作量。然而就當前技術(shù)發(fā)展而言，人工智能還不能完全替代人腦智能[3]，尤其是人腦的創(chuàng)造力[4]。在人工智能技術(shù)支持下的課堂教學行為分析中，不能一味地崇拜人工智能技術(shù)而忽視人腦智慧的作用。因此，如何結(jié)合“人腦”智能，充分利用“人工”智能技術(shù)開展課堂教學行為分析的研究極其必要。

二、從人腦智能到人工智能：課堂教學行為分析研究的演進邏輯

人工智能背景下，課堂教學行為分析在數(shù)據(jù)采集規(guī)模、樣本數(shù)據(jù)形態(tài)和行為分析方法等方面發(fā)生了顯著的變化[5]，課堂教學分析方式逐漸自動化、信息化、智能化。從課堂教學環(huán)境發(fā)展變化的視角來看，課堂教學行為分析經(jīng)歷了由人腦到人工的三個發(fā)展階段。

（一）基于人腦的傳統(tǒng)課堂教學行為分析

基于人腦的傳統(tǒng)課堂教學行為分析，主要由觀察者依據(jù)已有經(jīng)驗，針對所觀察課堂選擇、設計、開發(fā)合適的觀察工具（如量表等），對課堂中的教學行為進行人為觀察和記錄，最終匯總和分析所得數(shù)據(jù)。19世紀末，美國學者克雷茨設計出教師特征量表，對教師教學行為進行研究[6]。20世紀70年代，F(xiàn)anselow等人制作出“FOCUS”量表[6]，用于培訓語言教師和分析普通課堂教學行為。S-T分析法觀察教師（T）教學行為的同時也關(guān)注學生（S）的學習行為[7]。這些量表和方法為課堂教學行為分析和優(yōu)化教師行為提供了參考依據(jù)。

20世紀80—90年代，美國的皮亞塔教授及其團隊研發(fā)的課堂互動評估系統(tǒng)（CLASS）[8]，從情感支持、課堂組織和教學支持三方面來觀察評價課堂教學行為;21世紀初期，國內(nèi)學者崔允漷及其團隊設計了20個不同觀察視角下的課堂觀察框架[9];夏雪梅構(gòu)建出以學生為中心的課堂觀察體系，提出了五維度的課堂教學行為分析框架[10]。此階段雖然課堂教學行為評價指標體系得到不斷發(fā)展和完善，但是仍然延續(xù)的是基于人腦觀察和分析的課堂教學行為分析方式。

因此，基于人腦的傳統(tǒng)課堂教學行為分析主要通過使用工具或量表的觀察法，人工采集和人腦分析實際課堂教學過程中產(chǎn)生的數(shù)據(jù)，給教育工作者帶來了繁重的工作量。而且在數(shù)據(jù)采集過程中，由于人腦本身的主觀性以及教學環(huán)境的客觀性、復雜性，導致采集的數(shù)據(jù)具有一定的片面性和滯后性。加之人工的觀察和記錄分析工作量較大，容易造成信息分析的遺漏性、不全面性，無法覆蓋到復雜多樣的教學行為，此時信息化技術(shù)參與到課堂教學行為觀察中的價值就隨即凸顯。

（二）信息化教學環(huán)境下的課堂教學行為分析

信息化環(huán)境下的課堂教學包含了以豐富媒體為載體的信息交互，課堂教學行為分析必然會融入信息技術(shù)特征，課堂行為分析編碼系統(tǒng)應運而生。相關(guān)課堂教學行為分析的軟件也相繼被開發(fā)、引入和使用，課堂行為分析效率得到有效提升[1]。如弗蘭德斯互動分析系統(tǒng)（FIAS）[11]，主要包括三部分：編碼系統(tǒng)、編碼標準和遷移矩陣。弗蘭德斯將課堂教學行為大致分為教師言語、學生言語和沉寂三部分，依據(jù)每隔3秒取樣的編碼標準對課堂實錄進行記錄觀察，反復查看課堂中師生教學互動行為，將編碼填入遷移矩陣并進行矩陣分析，最終反饋分析結(jié)論于課堂，呈現(xiàn)課堂的教學結(jié)構(gòu)、教學風格等。自此，國內(nèi)在FIAS基礎上開展了大量研究，如顧小清等提出的基于信息技術(shù)的互動分析編碼系統(tǒng)（ITIAS）[12]，將“沉寂”更加細化并增加了信息技術(shù)的干預;穆肅提出的課堂教學行為分析系統(tǒng)（TBAS）[13]，將教學活動與信息化環(huán)境的教與學結(jié)合設計出一套編碼系統(tǒng)，能夠客觀地反映課堂教學的實際情況，有利于研究者客觀分析教學過程;方海光等對ITIAS進行優(yōu)化調(diào)整，提出改進型弗蘭德斯互動分析系統(tǒng)（iFIAS）[14]等。

以上改進的課堂教學行為分析系統(tǒng)都以時間的較小粒度來分析課堂教學過程，但它們僅僅反映課堂中師生的言語互動行為或者師生與技術(shù)的交互行為，而手勢、眼部表情、身體動作等其他影響教學質(zhì)量的重要因素難以體現(xiàn)。課堂教學行為分析不能從單一言語模態(tài)方面來判定和考驗，需綜合考慮多種符號元素在課堂教學中的應用情況。得益于人工智能技術(shù)，模態(tài)傳感器的低成本、高識別率以及數(shù)據(jù)處理與分析方法的日益成熟，多模態(tài)學習分析技術(shù)發(fā)展突飛猛進，使課堂教學行為分析較以往的單一言語模態(tài)更具全面性、易獲取性與多源性。

（三）基于人工智能的課堂教學行為分析

真實的學習過程往往是復雜多元的，課堂中產(chǎn)生的教學行為數(shù)據(jù)不僅包括教師行為、學生行為以及師生互動行為，同時涉及課堂教學內(nèi)容、課堂教學情境和師生情感變化等。人工智能技術(shù)逐漸滲入日常真實的教學中，使課堂教學行為分析數(shù)據(jù)的獲取更便捷化、自動化、多源化，彰顯了課堂教學行為分析研究的價值與意義。對大規(guī)模、多模態(tài)的課堂行為數(shù)據(jù)，研究者可采用恰當?shù)臋C器學習算法來挖掘，將行為數(shù)據(jù)化，探索數(shù)據(jù)背后的行為模式、行為規(guī)律、行為習慣等信息，促進研究者分析學習過程、理解學習結(jié)果，并優(yōu)化學習環(huán)境[5]。人工智能技術(shù)與教育的深度融合，推動了教育智能化的進程，同時取得了顯著成果。如運用自然語言的智能教學系統(tǒng)，實現(xiàn)了對學習者的非語言交流模式進行處理分析，增強了人機交互[15];采用人工智能、多模態(tài)大數(shù)據(jù)等技術(shù)的自適應學習系統(tǒng)，能夠?qū)崟r跟蹤學習者的學習狀態(tài)和學習內(nèi)容，智能化調(diào)整學習方式，對其實施精準教學，從而促進其個性化發(fā)展;得益于5G技術(shù)的智能虛擬現(xiàn)實，使得實時VR/AR/MR和遠程學習得到更好的支持，實現(xiàn)教育的個性化和情境化[16];物聯(lián)網(wǎng)技術(shù)、云計算、可穿戴設備和人工智能等技術(shù)構(gòu)建起來的新型智慧教室，使得采集和分析課堂教學行為數(shù)據(jù)更加自動化和智能化。孫眾等提出了人工智能支持課堂教學分析框架（TESTII）[17]，旨在利用人工智能技術(shù)促使課堂教學行為分析實現(xiàn)標準化、高效化、可計算化、可規(guī)?；?/p>

隨著人工智能技術(shù)在教育領域的滲透，多種智能技術(shù)手段深入課堂教學，為課堂教學行為數(shù)據(jù)的獲取、處理與分析提供了便利，提高了研究人員的效率，使課堂教學行為分析實現(xiàn)自動化、規(guī)?；⒊B(tài)化成為可能，為優(yōu)化教學質(zhì)量與教學策略提供了有力支持。各類智能設備及技術(shù)融入智慧教室，為教育教學帶來便利的同時也增加了課堂教學行為分析的難度，尤其在通過教學視頻對學生圖像的抓取、面部特征的提取以及多源數(shù)據(jù)的采集、處理與分析等方面遇到壁壘。如何在復雜化的教學環(huán)境中分析數(shù)據(jù)獲取高價值的信息，提高課堂教學行為分析的客觀性與科學性，有待進一步研究。

三、人工智能還是人腦智能：多模態(tài)大數(shù)據(jù)支持下的課堂教學行為分析發(fā)展困境

多模態(tài)大數(shù)據(jù)技術(shù)支持的教學環(huán)境中，多模態(tài)學習數(shù)據(jù)變得可得、易得、準確，這使解析教學過程更加精準、全面、真實，但是技術(shù)不是萬能的;教學行為數(shù)據(jù)變得“透明”，課堂教學行為分析的安全倫理問題也逐漸凸顯。充分認識到多模態(tài)大數(shù)據(jù)支持下的課堂教學行為分析的發(fā)展困境，才能推進課堂教學行為分析相關(guān)研究的發(fā)展。

（一）輿論造勢：多模態(tài)大數(shù)據(jù)課堂教學行為分析還不能常態(tài)化

多模態(tài)大數(shù)據(jù)支持下的課堂教學行為分析拓展了課堂教學行為分析的深度和廣度，在人力和數(shù)據(jù)可視化方面與傳統(tǒng)的課堂教學分析相比有著明顯的優(yōu)勢。一方面，傳統(tǒng)人工課堂教學行為分析，只通過單一的語言去獲取信息，并不能滿足人們對信息的需求。而多模態(tài)大數(shù)據(jù)支持下的課堂教學分析不僅關(guān)注語言，還涉及視、聽、味、嗅、觸等感覺形成的多模態(tài)數(shù)據(jù)。這大大拓寬了傳統(tǒng)課堂教學行為分析的范圍，滿足了課堂教學行為分析的跨媒體識別訴求，為更全面地分析和預測課堂教學行為提供了豐富的大數(shù)據(jù)支撐。另一方面，傳統(tǒng)的人工課堂觀察法耗時耗力，還容易遺漏、滯后信息，且難以避免主觀性。而多模態(tài)數(shù)據(jù)能補償不完整的數(shù)據(jù)集信息，有利于還原數(shù)據(jù)集的整體意義。僅靠單模態(tài)數(shù)據(jù)，課堂教學行為前景得不到充分診斷，而多模態(tài)分析具有精準性、動態(tài)性等優(yōu)勢，通過融合多種數(shù)據(jù)源和上下文信息的數(shù)據(jù)，提高建模的精度，以此獲得更清晰的學習過程圖景，幫助研究者洞察學習過程。

低成本可穿戴設備、無線傳感器、物聯(lián)網(wǎng)設備的逐漸成熟，給多模態(tài)大數(shù)據(jù)支持的課堂教學行為分析帶來了新機遇，使得多模態(tài)大數(shù)據(jù)支持的課堂教學行為分析的常態(tài)化和規(guī)?；蔀榭赡?。然而，多模態(tài)大數(shù)據(jù)支持的課堂教學行為分析并沒有像預設中的那么完美，難以實現(xiàn)常態(tài)化和規(guī)?；Ｄ壳瓣P(guān)于多模態(tài)課堂行為分析研究，仍然存在諸多問題，如：數(shù)據(jù)采集粗顆粒、過程分析難深入、結(jié)論反饋不落地等問題[5]。具體表現(xiàn)在：多模態(tài)數(shù)據(jù)復雜多元，假如無復雜的計算分析模型，信息分析將變得不準確或無意義，目前的數(shù)據(jù)分析模型還不能消除原始低級數(shù)據(jù)與高級構(gòu)造測量之間的差距;不同模態(tài)可能存在其特定的意義解釋，包含不同語義含義，評分模型難以組合這些模態(tài)信息;多模態(tài)的實施應用會帶給課堂行為分析額外的復雜性[18]。

推進多模態(tài)大數(shù)據(jù)在課堂教學行為方面的研究，將促進多模態(tài)大數(shù)據(jù)技術(shù)與教學的深度融合，完善和發(fā)展課堂教學行為分析的理論體系，提高課堂教學行為分析的科學性和可操作性，同時能更精準化指導教學，也將為課堂教學效果的評價和提高提供新的思路和理念。未來的課堂教學行為分析將聚合物聯(lián)網(wǎng)、人工智能、云計算、大數(shù)據(jù)分析、學習分析等技術(shù)，推動多模態(tài)大數(shù)據(jù)在課堂教學行為的研究。利用多模態(tài)大數(shù)據(jù)分析課堂教學行為成為一種常態(tài)，還需一段時間的技術(shù)開發(fā)與實踐檢驗。

（二）技術(shù)擔憂：當前人工智能技術(shù)不足以支持實體課堂教學行為分析

運用合適的課堂教學行為分析方法能夠準確地對教學行為進行多角度的定量分析，人工智能技術(shù)與在線學習平臺相結(jié)合，提高了在線學習行為分析的準確性，使分析更加智能化、深度化。然而，課堂教學的主要陣地為實體或線下的面對面教學，是一個比較復雜的真實情境，這大大增加了課堂教學行為分析的難度，且教學理念、教學模式、教育資源體系等隨著科技的發(fā)展不斷更新，人們開始對人工智能技術(shù)是否有效支持實體課堂教學行為分析進行深入思考。一方面，學習者自身的信息技術(shù)素養(yǎng)能否支持他們充分運用智能化學習資源開展課堂學習;另一方面，人工智能技術(shù)的應用在信息技術(shù)素養(yǎng)、信息化教學能力以及開發(fā)數(shù)字資源等方面，對教師提出了更高的要求，這是否會造成教師很難適應人工智能技術(shù)支持下的智慧空間或增加教師的技術(shù)負擔[19]。

從技術(shù)本身而言，人工智能技術(shù)支持下的課堂教學行為分析中數(shù)據(jù)建模分析是核心要素，而建模工作應以腦科學、學習科學以及教育教學理論為基礎，形成課堂教學行為分析的數(shù)據(jù)模型，再嵌入算法進行數(shù)據(jù)分析。在這一過程中，如何選擇和判斷有價值的課堂教學行為數(shù)據(jù)，對分析結(jié)果起到關(guān)鍵性作用。但目前的人工智能技術(shù)應用開發(fā)的專業(yè)領域人才，很少有技術(shù)與教育數(shù)據(jù)建模兼?zhèn)涞膬?yōu)秀專業(yè)人才，導致應用到教育領域的數(shù)據(jù)集不夠完善。并且，目前自動收集與處理多模態(tài)數(shù)據(jù)的方法和工具仍不成熟，如何使用技術(shù)有效地組合不同模態(tài)數(shù)據(jù)、實現(xiàn)跨媒體交互與跨媒體學習是當前人工智能技術(shù)支持下課堂教學行為分析亟待突破的技術(shù)瓶頸。另外，當前的智能設備還無法做到精準識別教學對象和教學目標，運用當前的人工智能技術(shù)開展高準確性、精細化的教學行為數(shù)據(jù)分析還有一段距離。因此，在這些不得不考慮的現(xiàn)實問題面前，人工智能技術(shù)真正的教育應用之路漫長且充滿巨大挑戰(zhàn)。

目前，人工智能仍處在“弱人工智能”階段，雖然已實現(xiàn)對深度學習和強化學習等相關(guān)技術(shù)的融合運用，但依然不具備獨立自我意識，不具備情感認知、推理思考能力等，無法進入“強人工智能”階段。學習者在學習時會產(chǎn)生復雜多變的情緒，及時了解學習者情緒，并給予相應的情感指導，在教育教學環(huán)節(jié)中尤其關(guān)鍵[19]。目前人工智能技術(shù)研發(fā)尚未突破人工意識和情緒感知方面的瓶頸，產(chǎn)生人腦智能的原理尚不清楚，因此，從長期來看，人工智能還需深度融合腦科學、認知學和心理學的相關(guān)研究，加深對人類情緒情感的辨別和理解，重點推動認知計算、情感計算、智能感知等技術(shù)的發(fā)展。

（三）安全倫理：人機共存中的課堂教學行為分析數(shù)據(jù)應被合理應用

人工智能技術(shù)在給教育教學帶來便利的同時，又不得不考慮其帶來的諸如信息安全、倫理道德等方面的問題。在人工智能的教育應用中，以學習者識別和學習投入系統(tǒng)為主，其應用場景主要有：教學活動的出勤簽到、課堂投入度評測、課堂互動分析、學生學習行為分析以及課堂教學行為分析等[20]。這些系統(tǒng)利用可穿戴設備收集學習者行為動作、心理情感、面部表情等數(shù)據(jù)來發(fā)揮其“智慧”優(yōu)勢，以達到學習者在教育中的“主體”地位。然而，只有人才能進行自由的、有意識的活動，人工智能不具備這種有意識的活動，它的“智能”全部依賴學生學習留下的“數(shù)字足跡”[21]，主要包括學習行為數(shù)據(jù)、學習評價數(shù)據(jù)以及課堂互動數(shù)據(jù)等。

人工智能技術(shù)不斷融入學校教育，教師和學生大量的基礎信息、興趣偏向、智力水平以及情感交往等信息數(shù)據(jù)被捕獲、挖掘、分析、整合、共享和應用[22]。逐漸被量化的教學環(huán)境，其數(shù)據(jù)化構(gòu)建使得師生變得更加“透明”，雖然這為教育研究和服務帶來很大便利，但信息泄露的問題也逐漸凸顯[2]。這些數(shù)據(jù)由誰處理、是否可以被共享、數(shù)據(jù)的用途是否具有商業(yè)性等，都是人工智能技術(shù)發(fā)展不可回避的問題。另外，人工智能技術(shù)全方位提高了獲取隱私的能力，學生在課堂上打哈欠、開小差，一舉一動都被人“監(jiān)視”，教育大數(shù)據(jù)時代下的學生無處可藏，人工智能無限放大了其內(nèi)心的恐懼[23]。人工智能剝奪了人最根本的自由，不僅沒有解放人，而且讓人逐漸成了“被實踐”的對象[23]。使用數(shù)據(jù)和人工智能，需要慎之又慎，任何人不應將師生徹底地數(shù)據(jù)化，不能喪失“人是教育主體”的原則。

習近平指出，要加強人工智能發(fā)展的潛在風險研判和防范，維護人民利益和國家安全，確保人工智能安全、可靠、可控[24]。如何通過合理監(jiān)管有效引入和發(fā)展人工智能技術(shù)，自然成為社會輿論繞不開的難題。在技術(shù)發(fā)展的快車道上，為保障人工智能對教育和人的支持與服務，必須要有來自諸如法律、政策、媒體監(jiān)督、輿論審查、倫理宗教等各種形式的規(guī)制，引導技術(shù)的正確高質(zhì)量發(fā)展，做到“道”先“魔”后[25]。在挖掘、分析、整合、共享和運用數(shù)據(jù)的過程中，要加強保護信息安全和隱私安全，嚴格遵守相應的法律法規(guī)和倫理原則，全面提升師生的信息素養(yǎng)[2]。

四、人工與人腦的統(tǒng)一：課堂教學行為分析研究與發(fā)展的新路徑

人工智能具有高效的執(zhí)行力，更能迎合個體的性格和需求，提升教學效果，因此在教育領域?qū)ζ湟蕾嚦潭葧掷m(xù)加強。人工智能無論怎么構(gòu)造，都不可能具有人腦的所有性能，尤其不可能具有人腦的創(chuàng)造力。因此，技術(shù)與人的有機結(jié)合，依然是人工智能教育應用的根本之策。人腦智能和人工智能的協(xié)作智能，是人工智能技術(shù)支持下的課堂行為分析與發(fā)展的新路徑。

（一）合理分析技術(shù)與人的關(guān)系

一直以來，人與技術(shù)的關(guān)系存在兩大對立觀點，即技術(shù)悲觀主義和技術(shù)樂觀主義。技術(shù)悲觀主義擔憂技術(shù)使人類的主體地位喪失，特別關(guān)注技術(shù)異化后對人類造成的奴役、壓迫和統(tǒng)治，反映了技術(shù)對人的控制;技術(shù)樂觀主義無條件地信任人類的理性，堅信技術(shù)只是人類為滿足自身需求所使用的手段和工具，強調(diào)了人對技術(shù)的主宰[26]。無論是技術(shù)被人主宰還是人被技術(shù)控制，都無法充分發(fā)揮技術(shù)的價值。技術(shù)在教育領域的應用中，技術(shù)樂觀主義容易造成技術(shù)成為教學活動的主角，教學活動日益機械化，忽視技術(shù)的人文價值。而技術(shù)悲觀主義容易低估技術(shù)在教育中的工具價值，必須承認技術(shù)的工具價值，但也不必要過多地恐慌人和技術(shù)關(guān)系的失調(diào)。

從依靠人腦的傳統(tǒng)課堂教學行為分析到人工智能課堂教學行為分析，一系列技術(shù)的成熟與進步為數(shù)據(jù)的采集、處理與分析提供了便利。技術(shù)極具應用價值，但也不能迷信技術(shù)。當人們極度信奉“技術(shù)至上”時，就會出現(xiàn)“技術(shù)異化”現(xiàn)象。馬克思揭示了資本主義社會下工人與勞動的異化關(guān)系，即本應該屬于工人的勞動及其成果，結(jié)果卻成了工人無法控制的對立物，原來的主體反而成了被動的、受制于物和喪失主體本性的東西[27]。與馬克思的異化勞動一樣，人工智能產(chǎn)生于人類本身，是人類智能的異化物[27]，即人腦和人工智能之間存在疏離或異化關(guān)系。

人和技術(shù)的沖突必然導致技術(shù)異化現(xiàn)象，人創(chuàng)造了技術(shù)，但在目前的很多方面，又受技術(shù)的掌控和支配[28]。因此，沒有人腦就沒有人工智能，人工智能無法脫離人腦而形成獨立主體，人工智能的一切類腦活動都是以人腦為基礎的。盡管人工智能已經(jīng)開始深入課堂教學和管理中，成為推動教育教學改革的重要因素，但這都是基于“人機分離”之上完成的，智慧學習環(huán)境只是通過各種技術(shù)，協(xié)助學習者完成學習獲得知識，實現(xiàn)學習的個性化、精準化、超時空化[25]，但是知識的創(chuàng)新和能力的提高最終還是要依靠人腦來完成。

（二）從數(shù)據(jù)到智慧：人工智能與人腦智慧的關(guān)系

人類認知包括神經(jīng)、心理、語言、思維和文化等五個等級，其中神經(jīng)認知和心理認知屬于人類和動物共有的認知，語言認知、思維認知和文化認知是人類特有的認知[29]。從人類五個認知等級和目前技術(shù)的發(fā)展情況來看，人工智能都是在模仿人類智能，且并未達到人腦智能的水平[30]。由此，人工智能在無限接近人腦智慧，但卻無法超越。人工智能提供真實課堂教學情境中客觀存在的數(shù)據(jù)，為人腦開展主觀思考提供參照。人工智能技術(shù)支持下的課堂教學行為分析系統(tǒng)應該是什么樣的？

托馬斯·斯特恩斯·艾略特（Thomas Steams Eliot）提出的DIKW（Data，Information，Knowledge，Wisdom）模型闡明了數(shù)據(jù)、信息、知識和智慧的關(guān)系[31]。他指出數(shù)據(jù)（Data）指的是各種信息符號，如數(shù)字、文字、圖像等。信息（Information）指學習者對數(shù)據(jù)加工和處理后，將自身的理解與認知賦予這些數(shù)據(jù)使數(shù)據(jù)具有意義。知識（Knowledge）則指構(gòu)建新知識的過程，學習者將信息融入原有的認知結(jié)構(gòu)中，結(jié)合原有知識進行新知識的重新構(gòu)建。而智慧（Wisdom）則指綜合運用知識的過程，學習者使用構(gòu)建的新知識進行自我操作與表達，與此同時發(fā)現(xiàn)新問題，從而引發(fā)進一步深層次的思考。根據(jù)DIKW模型，構(gòu)建人工智能技術(shù)支持下的課堂教學行為分析DIKW層次關(guān)系，如圖1所示。

數(shù)據(jù)是開展課堂教學行為分析的基礎。在人工智能技術(shù)的幫助下，可采集到圖像、文本、音視頻、情感生理符號等多源化、定量、定性的海量學習者數(shù)據(jù)。這些直接來自于真實的課堂教學情境數(shù)據(jù)單獨存在時僅僅代表數(shù)據(jù)本身，并沒有任何潛在意義，需要運用不同的方式組織和處理數(shù)據(jù)，分析數(shù)據(jù)間的關(guān)系，使數(shù)據(jù)具有意義，進而得到信息。研究者可運用數(shù)據(jù)提取的信息（教學規(guī)則）作用于教學實踐，為教師的教育教學實踐提供借鑒。根據(jù)規(guī)則提取與歸納信息使其產(chǎn)生聯(lián)系，信息就形成了知識，經(jīng)過進一步的推理、分析和思考，知識很有可能產(chǎn)生更深層次的新知識。最后是智慧層，智慧是人類獨一無二的能力，其能力主要表現(xiàn)為收集知識、加工知識、應用知識和傳播知識?；诟鞣N技術(shù)支持下的課堂教學行為分析能夠依據(jù)數(shù)據(jù)的采集、處理與分析實現(xiàn)反哺教學的目標，但這僅僅是通過機器、算法程序等模擬人腦特有的機制完成知識地收集到傳播過程，知識的創(chuàng)新才是最終目標。人工智能無法充分呈現(xiàn)開放世界，缺乏人類現(xiàn)實世界的豐富經(jīng)驗和情感體驗，不具有以一種特定方式進行思考的能力[32]。因此，人工智能技術(shù)支持下的課堂教學行為分析需要人腦智慧完成規(guī)則的最優(yōu)決策和知識創(chuàng)新工作。

（三）人腦和人工統(tǒng)一：技術(shù)與人的和諧發(fā)展

人類生活離不開技術(shù)，任何一次的技術(shù)革命都必將打破原有存在人與技術(shù)之間的平衡。例如，工業(yè)時代打破了過去依靠手工制造的生產(chǎn)活動而采用機器生產(chǎn)，人們?yōu)榱嗽谛聲r代生活不得不學會使用機器。人工智能時代的到來，使人在世界中原有的主體地位受到威脅和破壞，如智能機器的智力可以與人類比肩甚至超越人類。技術(shù)由簡單變成復雜的機器后，問題就從人與技術(shù)的共存關(guān)系轉(zhuǎn)為人與機器如何和諧共存。人類開始恐慌，智能時代的技術(shù)是否會破壞比較融洽的人與技術(shù)關(guān)系，人與人類技術(shù)或機器該如何打交道？如何相互依存，和諧共處？

人類不必恐慌智能時代的技術(shù)會使得人與技術(shù)的關(guān)系失調(diào)。首先，技術(shù)不斷進步，人類自身也會得以不斷解放。傳統(tǒng)的課堂教學行為分析全部依靠人腦經(jīng)驗進行觀察評價，費時費力，效率低下;而人工智能技術(shù)支持下的課堂教學行為分析，實現(xiàn)了數(shù)據(jù)采集的自動化、智能化，數(shù)據(jù)分析結(jié)果可以更快更直接地反饋給教育工作者，解放了其體力和一定程度的腦力。人工智能雖然已經(jīng)擁有超越人類智能的能力，但仍是人類器官的投影或延伸，它只是實現(xiàn)了人類從體力到腦力的更加全面徹底的解放[30]。其次，智能機器具備溝通理解能力，甚至智力超過人類，越來越善于與人類合作，因此在未來，人與技術(shù)的關(guān)系必然是一種和諧共生的平衡關(guān)系[33]，人機共存將成為未來社會的一種新常態(tài)。

在實際課堂教學中，人工智能技術(shù)與人腦必須統(tǒng)一起來，為課堂教學行為分析帶來創(chuàng)新突破。人腦智能和人工智能的協(xié)作智能，是人工智能技術(shù)支持下的課堂行為分析與發(fā)展的新路徑，因此，本研究提出人工智能技術(shù)支持下的課堂教學行為分析框架（如圖2所示）。通過人腦積累的教育經(jīng)歷與經(jīng)驗積累，預置課堂教學行為分析機制，指導人工智能利用軟硬件工具完成數(shù)據(jù)的采集、處理與分析，并將分析結(jié)果以人類能夠理解的文字、言語、行為等可視化，最后反饋于人，幫助人作出最優(yōu)決策，改進教學策略、教學方式與教學行為，優(yōu)化學習者的學習過程，精準實現(xiàn)個性化學習，實現(xiàn)人類智慧和人工智能的和諧共生。

目前，人工智能技術(shù)助力課堂教學行為分析已成為研究趨勢。通過回顧課堂教學行為分析的進展，分析人工智能技術(shù)支持下的課堂教學行為分析發(fā)展困境，可以看出“人工與人腦統(tǒng)一”的課堂行為分析將成為新路徑。在推進人工智能環(huán)境下的課堂教學行為分析發(fā)展進程中，必須認識到數(shù)據(jù)的重要地位，將人工智能技術(shù)運用于課堂教學分析時，需要關(guān)注各種數(shù)據(jù)的收集、處理和融合，未來的課堂教學行為數(shù)據(jù)需要不斷提高測量準確性和信息全面性，不斷建立有效的分析方法，以更智能、高效、準確、全面地反映學習者的學習過程[33]。其次，還需重視人工智能技術(shù)可能帶來的信息安全、倫理道德問題，加強各種形式的規(guī)制和引導，確保人工智能可用、可靠、可控。人類社會即將進入人機共存時代，關(guān)注如何有效地實現(xiàn)“人工和人腦的統(tǒng)一”，是未來人工智能技術(shù)支持的課堂教學分析的新思路和新方法。

[參考文獻]

[1] 劉清堂，何皓怡，吳林靜，等.基于人工智能的課堂教學行為分析方法及其應用[J].中國電化教育，2019（9）：13-21.

[2] 張琪，武法提，許文靜.多模態(tài)數(shù)據(jù)支持的學習投入評測：現(xiàn)狀、啟示與研究趨向[J].遠程教育雜志，2020，38（1）：76-86.

[3] 錢鐵云.人工智能是否可以超越人類智能？——計算機和人腦、算法和思維的關(guān)系[J].科學技術(shù)與辯證法，2004（5）：44-47.

[4] 韓東屏.未來的機器人將取代人類嗎？[J].華中科技大學學報（社會科學版），2020，34（5）：8-16，59.

[5] 張文梅，祁彬斌，范文翔.數(shù)據(jù)驅(qū)動的教學行為分析：現(xiàn)狀、邏輯與發(fā)展趨向[J].遠程教育雜志，2021，39（1）：84-93.

[6] FANSELOW J F， RICHARD L L. Bilingual， ESOL and foreign language teacher preparation： models， practices， issues[M].Washington：Tesol，1977.

[7] 傅德榮，章慧敏 等.教育信息處理[M].北京：北京師范大學出版社，2011.

[8] 孟凡玉，陳佑清.小學數(shù)學課堂師生互動質(zhì)量的觀察與評價——基于“課堂師生互動評估系統(tǒng)（CLASS）”的實證研究[J].基礎教育，2015，12（5）：69-77.

[9] 崔允漷，王少非.有效教學的理念與框架[J].中小學教材教學，2005（2）：5-7.

[10] 夏雪梅.以學習為中心的課堂觀察[M].北京：教育科學出版社，2012.

[11] COHEN R B E G. Analyzing teaching behavior[J].American educational research journal，1970，8（3）：589-592.

[12] 顧小清，王煒.支持教師專業(yè)發(fā)展的課堂分析技術(shù)新探索[J].中國電化教育，2004（7）：18-21.

[13] 穆肅，左萍萍.信息化教學環(huán)境下課堂教學行為分析方法的研究[J].電化教育研究，2015，36（9）：62-69.

[14] 方海光，高辰柱，陳佳.改進型弗蘭德斯互動分析系統(tǒng)及其應用[J].中國電化教育，2012（10）：109-113.

[15] LITMAN D， SILLIMAN S. ITSPOKE： an intelligent tutoring spoken dialogue system[C]// Demonstration papers at HLT-NAACL 2004. 2004：5-8.

[16] 蘭國帥，郭倩，魏家財，楊喜玲，于亞萌，陳靜靜.5G+智能技術(shù)：構(gòu)筑“智能+”時代的智能教育新生態(tài)系統(tǒng)[J].遠程教育雜志，2019，37（3）：3-16.

[17] 孫眾，呂愷悅，施智平，駱力明.TESTII框架：人工智能支持課堂教學分析的發(fā)展走向[J].電化教育研究，2021，42（2）：33-39，77.

[18] 張琪，李福華，孫基男.多模態(tài)學習分析：走向計算教育時代的學習分析學[J].中國電化教育，2020（9）：7-14，39.

[19] 黃璐，鄭永和.人工智能教育發(fā)展中的問題及建議[J].科技導報，2018，36（17）：102-105.

[20] 刁生富，吳選紅.重估人工智能與人的生存[M].北京：人民出版社，2019：189.

[21] 孫偉平，戴益斌.關(guān)于人工智能主體地位的哲學思考[J].社會科學戰(zhàn)線，2018（7）：16-22.

[22] 劉德建，杜靜，姜男，黃榮懷.人工智能融入學校教育的發(fā)展趨勢[J].開放教育研究，2018，24（4）：33-42.

[23] 李芒，張華陽.對人工智能在教育中應用的批判與主張[J].電化教育研究，2020，41（3）：29-39.

[24] 習近平.確保人工智能關(guān)鍵核心技術(shù)牢牢掌握在自己手里[N].人民日報（海外版），2018-11-01.

[25] 唐漢衛(wèi).人工智能時代教育將如何存在[J].教育研究，2018，39（11）：18-24.

[26] 王美倩.具身視野下教育中人與技術(shù)關(guān)系重構(gòu)的理論探索[D].武漢：華中師范大學，2018.

[27] 歐陽英.從馬克思的異化理論看人工智能的意義[J].世界哲學，2019（2）：5-12，160.

[28] 李芒.論教育技術(shù)視域中“人與技術(shù)”之關(guān)系[J].中國電化教育，2008（7）：11-15.

[29] 蔡曙山.論人類認知的五個層級[J].學術(shù)界，2015（12）：5-20.

[30] 蔡曙山，薛小迪.人工智能與人類智能——從認知科學五個層級的理論看人機大戰(zhàn)[J].北京大學學報（哲學社會科學版），2016， 53（4）：145-154.

[31] CHI E H. A taxonomy of visualization techniques using the data state reference model[C]//IEEE Symposium on Information Visualization 2000. INFOVIS 2000. Proceedings.IEEE，2000：69-75.

[32] 宋靈青，許林.人工智能教育應用的邏輯起點與邊界——以知識學習為例[J].中國電化教育，2019（6）：14-20.

[33] 穆肅，崔萌，黃曉地.全景透視多模態(tài)學習分析的數(shù)據(jù)整合方法[J].現(xiàn)代遠程教育研究，2021，33（1）：26-37，48.