课堂大数据分析范文
时间：2023-10-01 14:11:10
课堂大数据分析篇1
关键词：课堂教学评价；课堂教学评价辅助软件；S-T教学分析法；Flanders互动分析法；vB可视化编程
1.需求分析
当前，教育研究者和教育实践者们都在探究新的课程变革。教育者们越来越深刻地领悟到：在这一场新的教学变革中，教育到底能不能革新，改革能不能深入，一线教师们在其中起到至关重要的作用。这是一场“自下而上”的教育变革，作为教育一线的教师们，既被认为是改革的重要力量而被寄予厚望，也被要求不断学习和改造。而教师们在跟随课程改革的步伐，不断完善自身的课堂教学时却普遍感到缺乏专业指导。由于大批教师出省或出国学习，各高校面临教学师资紧缺、教学经费超支等的压力和困难，因此公开课、观摩教学、研讨课等在各高校成为最常见的教师培训和考评的途径。但这种只有同事间的横向支持，缺少更多来自纵向专家的专业性引领，并缺少较为先进教学理念引导的同僚文化，特别容易造成低水平的不停重复，而得不到实质性的进步。
由于公开课、教学观摩、研讨活动……在评价课堂教学时，结论往往会掺杂很多主观的感觉因素，因此只有定量的、客观的指导性意见，才能使教学人员不断反思，并研究发现完善教学的方法。而像S-T教学分析法、Flanders互动分析法这样较其他课堂教学评价方法而言更为细致、客观，更具指导性专业的课堂教学分析方法又由于分析过程较为耗时、分析难度大等问题不适于一般教师使用和评价。鉴于对教师课堂教学质量提高过程中暴露出的相关问题的思考，我希望可以运用VB可视化编程语言开发一个实现影象数据采集、数据导入及数据分析功能，从而解决S-T教学分析法和FlandersXf动分析法在课堂教学分析中不能得到广泛运用这一问题的课堂教学评价辅助软件。
2.课堂教学评价辅助软件的理论依据
此次课堂教学评价辅助软件的开发将主要以S-T教学分析法和Flanders互动分析法为理论依据。
2.1S-T教学分析法
S-T教学分析法是一种可以将教学分析数据以图形的方式来直观表现教学情况的教学分析方法。该教学法将实际教学过程中所发生的行为分为两大类：学生行为（s）和教师行为（T）。这样一来大大降低了教学过程中行为分类的难度，减少了采样者分类的失误，增加了教学评定的客观性；最后将整堂课的教学行为以图形表示，让老师可以更加形象、直观地研究教学的特点。
通过观看教师课堂教学的录像资料，首先确定视频采样频率（通常为20秒），然后按照确定的采样频率对该课堂教学过程进行采样，并根据教学中的行为类别，以符号s或T记入表格，形成s-T数据；然后根据该数据绘制出本次课堂教学的S-T曲线、计算出课堂教学中教师行为占有率Rt、行为转换率Ch，并根据本次课堂教学中的“教师行为占有率”和“行为转换率”绘制出Rt-Ch图，最终确定课堂教学模式。
在整个采样过程中，教学行为的采样总数为：N；T行为数为：Nt；s行为数为：NS；相同行为的连续，将记为数据中的连续数g；教师行为占有率Rt：Rt=Nt/N；学生行为占有率Rs.Rs=Ns/N：师生行为转换率（即师生互动）Ch：Ch=（g-1）/N。
2.2 Flanders互动分析法
Flanders interaction analysis system，简称FIAS，是教学语言互动观察分析方法。该分析法用于记录教学中的师生互动情况；了解教学互动情境对整个课堂教学的影响，帮助教师了解、改进其教学行为。
Flanders将课堂教学中所有的教师和学生产生的话语互动情况大致分为10个类别，如表1所示。表格中的1-7类记录的是教师对学生的语言情况；8-9类是记录学生对老师的语言表达；在实际课堂教学进行中，除了人们熟悉的教师与学生的话语情况以外，还有第10类状况，就是记录教室有可能发生的其他情况。课堂教学观察者首先需要熟悉表格中的十大分类，然后根据课堂教学中每次发生的语言互动，选择最适合的代码记录下来。课堂教学观察员大约每3秒钟客观记录一次课堂教学的话语互动情况。
Flanders互动分析方法主要包括3种分析：互动分析矩阵法、时间线标记法、变项分析法，本次课堂教学评价辅助软件开发运用到其中对课堂教学分析最为细致的变项分析法：Flanders（19701利用互动分析矩阵所得到的数据进行分析，并利用13项较为科学的指标来解释所采样到教学行为背后的深层含义。Flanders称这些指标为变量（variable）。这些变量通过计算可以得到相应的值，把这些值和Flanders计算出的常规值相比较，就可以把该堂课的优良情况以量化的方式表示出来。采样者根据经过严谨处理的采样数据，依次将一前一后的两个数据组成一组坐标（见图1），然后利用这些坐标在10×10的矩阵上划记并予以加总后，制作出矩阵分析，如图2所示。
3.课堂教学评价辅助软件的总体规划设计
由于所开发的课堂教学评价辅助软件主要以s―T教学分析法和Flanders互动分析法为理论依据，所以我对整个软件进行了以下规划。
3.1模块设计
基于以上理论及需求分析，把该软件分为以下模块，如图3所示。
3.2模块功能
（1）观看录像及数据采集模块：无论是s-T教学分析法还是Flanders互动分析法，首先都要观看录像并进行数据采集。
（2）数据分析模块：数据采集完毕后，用户需根据所采集数据的类型选择分析方法进行下步分析。
（3）s-T教学分析法模块：此模块包括s-T曲线图和Rt-Ch图两部分。导入Excel中的s-T原始采样数据后，根据该数据绘制S-T曲线、计算教师行为占有率Rt、行为转换率Ch并绘制Rt-Ch图确定教学模式。
（4）FlandersX动分析法模块：此模块包括矩阵分析图和变量计算两部分。导入Excel中的Flanders原始采样数据后，由系统自动生成矩阵分析图，或对Excel中的矩阵分析图直接导入并显示；系统得到矩阵分析图后，根据计算公式，计算并显示各变量的值。
3.3模块特点
（1）自带定时播放器：由于S-T和Flanders的采样频率比较高，用其他的播放器难以控制时间，所以软件自带播放器，该播放器的特点是可以根据用户所输入的采样率，定时暂停播放，并提醒用户在Excel中录入数据，待用户确定后方可继续影片播放。
（2）实现智能客户端：本软件并不开发数据录入功能，而是直接提供Excel倒入功能，这样既让用户使用起来得心应手又不会让软件操作过于繁琐。
（3）软件可以满足不同需求的用户：S-T教学分析法一般用与对课堂教学的初步分析，让教师了解自己的课堂教学是否达到自己所期望达到的教学模式，此采样及分析占用时间较短使用于一般的课堂教学分析，而FlandersHk动分析法对于课堂教学的分析则比较细致，但采样及分析占用时间比较长，适用于课堂教学的高精度分析，所以软件设计了数据分析的选择界面。
（4）简化分析过程：由于S-T和Flanders对于数据的处理比较复杂，以致研究者使用及分析较为不易，因此辅助软件最主要的功能即为简化复杂的数据处理及转化的过程，让使用者只需输入观察的原始资料，其余的数据处理及转化皆由辅助软件来协助。使用者只需根据最后呈现的信息一变量及图表，加以解释及分析即可。
4.软件的开发
通过对软件进行需求分析及总体规划设计，以下开始运用VB可视化编程语言对整个课堂教学评价辅助软件进行编程并实现功能。
4.1封面
考虑到用户使用软件的视觉舒适度，此软件主要以蓝色为背景主色调。添加图片控件，导入图片，实现较为简洁的启动界面，如图4所示。对鼠标事件进行编程，使用户单击鼠标左键时，软件从启动界面跳转至主界面。开发主界面如图5所示时，添加图片控件，导入背景图片；导入按钮控件，并编写程序，实现各窗体之间的交互。
4.2定时播放器的编程
将播放器控件、定时器控件、通用对话框控件添加到窗体中，并对其相关属性进行设置；利用各控件画出定时播放器界面，编写程序实现播放器功能，如图6所示。根据输入采样率定时暂停播放功能，如图7所示。
4.3数据分析编程
利用各控件画出选择分析方法界面，如图10所示，利用编程实现分析方法的选择及窗体之间的切换。
4.3.1S-T教学分析法编程
利用各控件画出s-T坐标图显示界面，如图11所示。编程实现窗体之间的切换并绘制坐标网格；编程建立对象，实现对Excel的导入，并根据Excel中的数据在坐标格中描点绘制出s-T坐标图。
利用各控件画出ch-Rt图显示界面如图12所示；编程实现Ch-Rt图的绘制并使软件根Excel中的数据计算出Rt及Ch的值，最后以Rt，Ch的值为横纵坐标在Ch-Rt图中描点。用户可根据程序给出的附录得出这堂课的师生互动行为模式。
4.3.2Flanders互动分析法
利用各控件画出Flanders互动分析法显示界面，如图13所示，编程建立对象，实现Excel中原始数据的导入或己处理数据的导入（所谓导入采样原始数据就是Excel中的数据仅仅只是10个数据为一行，需通过程序将其生成互动分析矩阵图。而导入己处理数据是指Excel中的数据已经为互动分析矩阵图，无须程序再次生成，直接导入）；根据各参数的计算公式编写程序，计算并显示各参数的值（在计算13个分析参数的同时对公式的分母进行是否为0的判断，防止在计算过程中出现数据溢出的错误，为程序健壮性提供可靠保障），用户可根据这些数据参照附录，如表3所示，得出参考性评价。
5.利用软件实例分析
5.1实例分析
以吉林省付军老师所讲授的《法拉第的发现》一课为例，利用所开发的课堂教学评价辅助软件进行分析。
（1）观看影片后，得到S-T原始采样表，如图14所示。
（2）导入软件后生成S-T，如图15所示。
（3）生成的Ch-Rt图，如图16所示。
（4）观看影片得到Flanders原始采样表如图17所示。
（6）参考性评价。
①由s-T教学分析法得出本堂课师生互动行为模式为对话型。而从Flanders互动分析法得出的参数值：TT（教师话语比率）=70.24%，较接近常模68%；PT（学生话语比率）=29.76%，大大超过常模20%来看，也可以看出学生话语比例较高，是对话型师生互动行为模式的一大特点。对话型师生互动行为模式可以很好地促进师生之间的沟通交流，让教师及时得到学生的反馈信息，为教师进行下一步教学提供很有价值的参考。
②由s-T教学分析法得出Rt（教师行为占有率）=52%，也就是说Rs（学生行为占有率）=48%，这是一个比较高的比例，这说明教师已建立了以学习者为学习活动主体的学生观。
③在整个课堂教学中，一旦学生停止说话，教师立即称赞或整理学生观念和感觉，所以TRR89（教师实时话语一学生驱动比率）为89.74%，远远高于常模中的60%比例，而这一数据比例占越高，表示教师越能主动引导学生进行话语行为。这样的课堂教学风格较能激发学生的学习兴趣、进一步提高学生学习的积极性，更加确立学生的学习当中的主体地位。
④PIR（学生话语一学生主动比率）=0%，也就是说本堂课学生话语中由学生主动引发所占的比例为零。说明虽然学生行为占有率较高，但都是学生为了回应教师所讲的话、教师指定学生答问或是引发学生说话，而缺乏学生主动表达自己意见的行为。SSR（稳定状态区比率）=0.4%，也就是说师生言谈停留在同一行为类别达3秒以上的情况很少。
⑤Flanders的其他参数值和常模较为接近，说明这是一个比较优秀的课堂教学实例，说明授课教师具有比较先进的课堂教学理念，在课堂教学中能较好地实现师生互动。但在今后的教学中也需要多引导学生主动开启对话，自由地阐述自己的见解和思路，鼓励学生发散思维；并适当延长学生对重点知识的重复记忆时间。
5.2实例分析后对软件的补充
（1）人工采样时间过长。
虽然此软件已经简化了比较复杂的数据处理过程，但是人工数据采集所花费的时间仍不可小觑，不过能得到如此细致的课堂教学数据，在对课堂教学方面有较高要求的教师眼里，时间上的花费也是比较值得的。
（2）对用户采样的熟练程度要求较高。
由于采样时的数据是用户自行判断并记录，不可排除有判断错误的时候。
如果用户想要得到较为精准的数据，就必须对Flanders互动分析法中师生语言互动的10种类型有比较深入的了解，并能在采样时准确判断。
6.结语
课堂大数据分析篇2
关键词：3C-FIAS；教学行为；课堂研究；案例研究
文章编号：1005C6629（2017）4C0006C06 中图分类号：G633.8 文献标识码：B
课堂教学行为是课堂教学活动的中心，是影响课堂教学质量的重要因素。研究课堂教学行为具有积极作用，有助于教师课后反思，还有助于教师分析学生课堂表现，从而提高课堂教学效率。
1 FIAS课堂互动分析系统解析
研究课堂教学行为工具多种多样，如贝拉克教学分析、梅汉对话分析、卡兹顿社会语言学分析、弗兰德斯互动分析法，其中弗兰德斯分析系统是最经典、最著名[1]、最成功[2]、操作性较强的课堂分析技术之一[3]。
1.1 FIAS课堂互动分析系统简介
上世纪60年代，弗兰德斯提出语言行为是课堂中主要的教学行为，占所有教学行为的80%左右，因此评价一堂课的最佳方法是对课堂内的师生语言行为进行互动分析[4]。弗兰德斯通过大量实验建立了互动分析系统，简称FIAS（Flanders Interaction Analysis System）[5]，该系统运用一套编码记录师生互动的重要事件，来分析研究教学行为，了解互动情境中事件的影响，以帮助教师了解并改进其教学行为。
FIAS主要包括三个步骤：（1）建立一套描述课堂言语互动行为的编码系统，将教室中所有师生语言互动情况分为10个类别。（2）设计标准，该标准用于规范观察和记录编码。（3）将记录到的言语行为录入到编码系统中，并通过矩阵表格形式表示出来。将每一个代码分别与前一代码和后一代码结成一“序对”（orderpair），10类语言行为纵横组成10×10阶矩阵（matrix），每一序对的前一个数字表示行数，后一个数字表示列数。例如，（1，5）表示在第1行、第5列的方格中计入一次。数据分析利用改进的计算机软件进行矩阵分析和曲线分析[6，7]。
1.2 FIAS迁移矩阵
迁移矩阵见表1，各区域代表的意义为：区域D表示学生课堂沉寂；区域E表示教师在课堂上表扬学生、接纳学生情感、接受学生意见；区域F代表课堂教学过程中教师对学生行为的控制；区域G表示教师以间接影响终止学生讲话；区域H代表教师以直接影响终止学生讲话；区域I代表教师哪些行为促进学生参与课堂；区域J代表学生发表意见和交流；内容十字区域表示教师提问和讲授[8，9]。
1.3 FIAS互动分析系统的优势与不足
FIAS互动分析系统在许多方面都作了革命性的突破。一方面，FIAS分析系统从课堂教学结构、教师教学风格倾向、学生活动主动性三方面对课堂教学行为进行分析，科学而真实地展现课堂教学全貌，丰富了课堂教学行为的研究方法；另一方面，在观察范畴上，它是一种系统的（Systematic）、有结构（structured）的观察，对每类语言行为都下了操作性定义，便于观察者对课堂语言行为进行甄别、归类；在记录方式上，它用“代码”客观地记录下了课堂内所发生的事件及其序列，这些“代码”基本上反映了课堂教学的原貌，为随后进行的评价奠定了扎实的基础，克服了传统课堂教学评价的主观性，大大地提高评价的客观性和科学性；在处理方法和结果使用上，它把复杂的课堂教学现象转化为相对简单的数学问题，采用矩阵和曲线分析，形成一定的数学结论，然后把数学结论还原为教学结论，及时反馈教师在教学中存在的问题，提出改进方案，具有较强的诊断性。它既是一份评价的清单，也是一张改进的处方，是一种比较理想的定量评价法。如果教师借助于录音机、摄像机，还可以运用弗兰德斯课堂互动分析系统记录、分析自己的课堂教学，无须外来的评价者，为教师提供一种很好的反思自己教学的工具[10，11]。
就像所有的课堂语言行为分析法一样，FIAS互动分析系统仍存在以下不足：（1）该系统只反映口语行为，不能反映出实验、板书、教学媒体等非口语行为，不能真实地反映课堂教学全貌；（2）该分析系统重视教师在教学中的行为表现（有7类别），忽视学生在课堂教学中的行为表现（仅有2类别）；（3）该分析系统所转化后的量化数据虽然能较好地反映教师教学风格，但无法回溯分析到底是哪些话语而得到此数据[12，13]。
2 研究工具设计
2.1 改进思路
化学实验是一门以实验为基础的学科，而研究发现板书和多媒体技术也是影响课堂教学行为的重要因素[14]。基于以上FIAS互动分析系统的不足和已有研究，在原始FIAS互动分析系y中增添了实验、板书、教学媒体等非口语行为（增添了10-14、15类编码），将原始FIAS互动分析系统由三维度增添为五维度、10个编码细化为16个编码。改进后的互动分析系统简称为3C-FIAS（FIAS Based On Contenporary Chemistry Class）互动分析系统（见表2）。与原始的FIAS互动分析系统相比，3C-FIAS互动分析系统具有以下优势：（1）编码系统包括语言行为和非语言行为2大类，可以较好地反映化学课堂上教师与学生的实验操作行为、多媒体技术在化学课堂教学中的运用、课堂上不同含义的“沉寂”行为和“学生讨论”情形，更符合化学课堂教学实际，更全面；（2）直观的动态曲线分析法。以课堂教学行为比率动态特性曲线来呈现，可更清晰、直观地分析化学课堂教学行为；（3）与国内此前已有关于化学课堂教学行为研究分析系统相比，3C-FIAS可以在一定程度上解决国内改进中存在的化学课堂教学行为编码分类不全面或编码个数过多的问题，更好地体现化学实验、技术操纵在师生课堂教学中的运用情况，全面地观测学生在课堂教学中的参与度[15，16]。
2.2 3C-FIAS互动分析系统操作步骤
3C-FIAS互动分析系统操作步骤沿用了原始FIAS互动分析系统步骤。具体步骤为：
（1）数据采集。对课堂记录进行描述性分析，以3s为单位将有效课堂片段分离出来；
（2）数据统计。根据3C-FIAS编码原则对分离出的有效课堂记录进行编码，并形成序列对；
（3）数据分析。将得到的序列对根据迁移矩阵的原则汇编成3C-FIAS迁移矩阵，对于获得的3C-FIAS迁移矩阵，可以采用2种方法来分析研究，分别是互动分析矩阵法、动态特征曲线分析法。
2.3 3C-FIAS分析方法
2.3.1 矩阵分析法
3C-FIAS互动分析系统1～9编码沿用了原始FIAS矩阵分析结果，新增的编码区域意义具体如下：区域K表示通过多媒体操作促进学生参与课堂的行为；区域L表示师生进行实验操作；区域M表示课堂沉寂；区域N表示课堂师生教学过程中使用多媒体辅助技术和实验[17]。
2.3.2 比率动态特征曲线分析法
宁虹、武金红等人提出动态特征曲线，并指出通过绘制主要参数的动态特征曲线能更细致、客观、真实地挖掘课堂教学行为背后所隐藏的教学行为[18]。比率动态特征曲线的绘制方法为：纵坐标代表师生语言行为，分别由行为代码1、2、3、4……来表示；横坐标代表时间，以3秒钟为时间单位，依次为3、6、9、12、15……，两者构成一个坐标系，将行为与时间的交点用线段连接起来，构成曲线，它基本可以反映出师生语言行为持续、衔接和变化情况。各行为比率计算方法见表4[19，20]：
3 3C-FIAS互动分析系统应用案例
3.1 研究对象
本研究以高中化学必修二第一章第三节“化学键”第一课时“离子键”为例，分别选择3位新手教师和3位专家型教师，对课堂教学行为进行对比研究。
3.2 研究假设
反复比较新手教师和专家型教师六节课堂实录，初步感知新手教师和专家型教师在提问模式、多媒体技术应用、实验操作等方面存在明显差异，具体如下：
（1）提问模式：专家型教师偏向于使用驱动问答，新手教师采用“满堂灌”或形式上的“讨论式”和“启发式”。
（2）多媒体技术应用：新手教师在六节课堂实录中都借助了多媒体辅助教学，专家型教师六节课中大多数采用板书。
（3）实验操作行为：新手教师大多数采用演示实验或视频，专家型教师多采用学生操作实验。
专家型教师和新手教师在这三方面的差异只是初步感知，究竟是否存在这样的差异就需要一个量化工具，而3C-FIAS互动分析系统作为一种现代课堂教学行为分析工具，能从提问模式、多媒体辅助技术和实验操作等方面对课堂中师生行为进行更细致分析。
3.3 结果分析
3.3.1 迁移矩阵分析结果
一位专家型教师的迁移矩阵见表5（为节约空间，省去新手教师的分析结果），从提问、技术与实验等层面对两类群体进行比较。
（1）提问方式结果分析：迁移矩阵中（4，4），（4，8），（8，4），（8，8）四个序列对代表教师提问驱动学生回答[21]；（9，9），（9，3），（3，3），（3，9），（8，3），（4，9），（8，9），（4，3）八个序列对表示教师通过接受或采纳学生意见引导学生主动发言的情况，代表创造性提问的程度[22]。分析专家型教师和新手教师这些序列对，发现专家型教师与新手教师在问题驱动学生回答和创造性提问程度两方面序列对频数为105、48和107、59，专家型教师显著高于新手教师。也就是说专家型教师更偏向借助驱动力和创造性提问调动学生，而新手教师看似采用了“启发式”和“问答式”，实则是“强加”式和“灌输”式[23]（当代表提问驱动和创造性提问程度序列对频数低于常模频数63时为“强加”和“灌输”式[24]）。
（2）技术和实验操作结果分析：区域G（教师对学生间接制止影响学生讲话）这一序列对专家型教师和新手教师频数为43和67，说明新手教师偏向间接制止学生，这一结论是初期未预测到的；区域K（多媒体技术）专家型教师和新手教师序列对频数为121和147，也就是新手教师善于运用多媒体辅助技术，区域L（师生实验操作）专家型教师和新手教师序列对频数为139和73，区域L中专家型教师和新手教师课堂（14，14）序列Γㄑ生操作实验）频数为66和12，说明专家型教师注重培养学生独立实验操作能力；M区域（沉寂）序对频数为32和59，其中新手教师课堂中（16，11）序列对（教师实验操作引起学生无效行为）频数为37，进一步研究发现实验视频播放是造成学生课堂无效行为的主要原因。
3.4.2 比率分析法分析专家型教师与新手型教师课堂教学行为
比率分析结果见图1，从左到右四个点依次代表技术比率、教师操作占技术比率、学生操作占实验比率和实验比率。这四项中只有技术比率新手教师（0.185）大于专家型教师（0.127），其余三项专家型教师均大于新手教师，这与之前的序列对分析结果相一致。进一步分析发现基本在技术应用比率高峰后都会有教师较小的语言比率高峰出现，说明教师在整堂课中，先使用技术呈现教学内容，再对教学的内容进行分析；新手教师在17min和40min左右各有一个沉寂比率高峰，这个高峰期是学生在观看视频、做练习。可以看出，随着技术的使用，学生语言也不断提高，说明了技术的应用能够带动学生积极参与到课堂教学中，积极回答问题，这一结论与初期的猜想相吻合。
3.4.3 动态特征曲线分析专家型教师与新手教师课堂教学行为
根据课堂实录和行为比率计算结果，以时间为横坐标，行为比率为纵坐标绘制动态曲线，专家型教师（如图2所示）和新手教师动态曲线。
通过动态曲线图分析发现新手教师教学一般流程中，教师与学生的语言基本呈“T（教师）-P（学生）-T-P-T-P”模式分布，这种模式属于“传递中心教学”，其特点是教师与学生一问一答，教师主导教学过程，其实质是教师向学生单项的传递知识，学生被动的接受知识的教学。而专家型教师的教学流程多表现为“T-P-P-P-P-T-P-P-T-P-PP-T”模式，这种模式属于“对话中心的教学”，也叫做“师生共同探究式教学”，其特点在于：“学习的过程体现在教师与学生反反复复的对话中，体现在探究和发现真理的过程里”。
4 总结展望
3C-FIAS互动分析系统从提问方式、实验操作和多媒体辅助技术等方面分析了专家型教师和新手教师课堂教学行为差异，分析结果与初期猜想结论相符。研究分析得出新手教师制止学生行为时多采用间接制止学生行为方式，产生这一现象的原因可能是新手教师处于成长初期，渴望得到学生的认可和配合。
3C-FIAS互动分析系统对于实验操作中专家型教师与新手教师差异性结果验证需要选择实验课进一步验证。动态特征曲线不仅能用于分析课堂教学过程中师生情感交流、师生提问互动情况，也能分析课堂教学模式，这是本研究得出的新的结论。
3C-FIAS互动分析系统不仅能从教师行为、学生行为、课堂沉寂实验、实验多媒体辅助技术等方面对新手教师和专家型教师课堂行为进行分析，而且从学生实验操作、教师实验操作、教师使用多媒体辅助技术、学生使用多媒体辅助技术等维度对专家型教师和新手教师课堂教学行为进行差异性分析，能更加科学而真实地反映课堂教学行为。
总之，3C-FIAS互动分析系统具有一定的科学性、实用性，为课堂教学行为的分析提供了量化工具，也为教师相互学习和借鉴提供了工具。但由于课堂活动是一个动态的、变化的活动过程，要分析这种复杂的、多变的课堂教学活动，任何一种方法都存在一定的局限性，这就需要研究者根据自己的研究目的，结合多种课堂行为互动分析方法进行分析。在应用3C-FIAS互动分析系统分析课堂教学行为时要考虑影响课堂活动行为的多种复杂因素和学科特征，再根据研究目的结合描述性观察、访谈等尽可能地使课堂教学行为得到真实的反映。
参考文献：
[1][6][10]肖锋.课堂语言行为互动分析――一种新型的课堂教学研究工具[J].辽宁师范大学学报（社会科学报），2011，（6）：40～44.
[2]杨玉琴，倪娟.基于FIAS的化学课堂师生言语行为个案研究[J].化学教育，2013，（5）：31～35.
[3]刘立新. FIAS互动分析系统的改进及在中学化学课堂分析中的应用[J].化学教育，2015，（3）：47～51.
[7][8] Flander Ned A. Analysis teaching behavior. Addsion-Wesley Publishing Company，1997.
[9] Silverman， Stephen & Buschner， Craig. Validity of Cheffers Adaptation of Flanders Interaction Analysis System. Journal of Classroom Interaction， 1990， 25（1～2）： 23～28.
[12][14][18]宁虹，武金红.建立数量结构与意义理解的联系――弗兰德互动分析技术的改进运用[J].教育研究，2003，（5）：23～27.
[11][13][15]高巍. Flanders课堂教学师生言语行为互动分析系统的实证研究[J].科学教育，2009，（5）：36～42.
[16]韩美珠，赵晓云，辛鑫.基于ITIAS工具的高中英语课堂教学语言行为量化分析[J].山西师范大学学报（社会科学版），2014，（5）：3～42.
[17][21]周莉.视频公开课教师课堂教学行为研究――以哈佛《公正》课为例[D].南京：南京师范大学硕士学位论文，2013.
[19]杨承印，龙彦达，杨帆.专家型中学化学课堂教学个案研究[J].化学教育，2016，（11）：43～46.
[20]高瑛，马宏佳，林康丽.研究现代化学课堂教学行为的量化工具- 3C-FISA [J].化学教育，2016，（5）：37.
[23] Peace， Sandra DeAngelis & Sprinthall， Norman A.. Training School Counselors to Supervise Beginning Counselors： Theory， Research and Practice. Professional School Counseling， 1998， 1（5）： 2～8.
[22][24] Freiberg， H. Jerome. Three Decades of the Flanders Interaction Analysis System. Journal of Classroom Interaction， 1998， 16（2）： 1～7.
[10]u琴，张家华，尹艳芳.改进型弗兰德斯互动分析系统及其应用[J].技术应用，2015，（10）：93～95.
[14]闫蒙刚，刘敏. LICC课堂观察模式在化学课堂教学评价中的应用[J].化学教育，2013，（3）：33～41.
[16]郑长龙，何鹏，尹学慧.化学课堂教学行为特征解析――基于课堂教学系统CPUP模型理论的案例分析[J].化学教育，2014，（5）：1～4.
课堂大数据分析篇3
关键词：商务智能；大数据；数据分析
《商务智能》课程属于信息管理与信息系统专业必修课程之一。目的在于使学生掌握决策的基本原理、决策过程建模、决策支持系统的基本构成、决策支持系统的实施过程，以及通过商务智能技术解决实际的半结构化决策问题，同时加深对有关管理科学、统计学和数据挖掘技术应用的理解。该课程所涉及的软件相对来说困难一些，而且书中涉及到的软件过多，学生容易忘记，短时间不易掌握。为解决上述问题，我们准备采用“翻转课堂式”教学模式。
为了将《商务智能》课程做成一个翻转课堂，应事先把每节课相关的理论知识介绍和实验操作指南上传到在线课堂。然后学生在上课之前，去在线课堂平台提前预习这些知识，并且希望学生能够在上课之前，就能按照在线课堂上的指导，自己先做实验。学生课下提前做实验的过程中，会遇到很多问题，而且各个学生因为程度不同，各自遇到的问题也不同。对学生的这些问题的解答，安排在课堂上进行。上课时间就是用来帮助学生解决他们之前自己做实验所遇到的问题。并且在这种新的教学模式下，学生在课堂上会主动问很多问题。这种新的授课方式，可以提高学生自己做实验的积极性，以及增强他们对这门课的学习兴趣。计算机学科的专业课的特点是动手做实验很重要。很多理论知识、算法和操作技巧，如果只是课堂讲，学生没有实践操作，那么学生学到的知识会大打折扣。以前的教学模式是课堂上给学生讲很多实验操作方法，课堂留给学生做实验的时间很少，很多学生要利用课下时间来做实验。那么课下学生自己做，做的过程中遇到问题，如果不能及时获得解答的话，时间长了，学生自己也就忘记要问哪些问题了。还有一些学生刚开始做实验时，兴趣很高，做着做着，遇到的问题都没人帮助解决，时间长了，学生对实验操作也会失去兴趣。所以设计翻转课堂的目的，是改变传统的老师一个人在讲台上讲的教学方式，让学生在课堂上占据主动性，让他们主动问问题，老师的角色是帮助他们解答问题。
本课题组进行教学模式改革的第二项工作就是对期末考试方式进行一些改革。将传统的试卷考试转变为上机考试。本课题组的老师构建题库，通过学校提供的在线课堂平台来完成期末考试。考试时，学生登陆在线课堂，系统随机为学生组卷，每个学生的试卷都不同。考试结束后，系统自动评卷打分。这种上机考试的方式使得测试的知识点覆盖面更广，要求学生要全面复习。另外，由于各个学生的试卷都不同，就避免了考试作弊，还可以增强考试的公平公正性，也提高了效率。目前这个考试题库已经建成。后期课题组的老师将采用交叉检查的方式，对题库中的题目进行再检查，对一些有错误的题目进行修改。
此外，我们在讲授《商务智能》这门课时，结合大数据技术应用领域常用的数据分析技术进行讲解。如ID3分类算法和FP-Tree关联规则算法，在真实的数据集合上给学生安排课程实验，另外让学生课下自己从网上收集整理数据集，来完成以上算法的运行。为了突出我们教研室在进行此次教学模式改革中的创新性，我们在教材的最后添加了基于隐私保护的数据挖掘技术，强调在进行数据分析时，一定要考虑到不能挖掘出用户的敏感属性值。虽然我们拿到的实验数据，之前已经进行了数据清洗和预处理，但是如果挖掘分析算法不恰，那么也会从预处理后的数据中挖掘用户隐私。随着用户越来越重视个人敏感信息的保护，相关研究人员必须对传统的数据挖掘分析算法进行改进，添加数据安全和隐私保护技术，从而实现既能从大量的、模糊的、不完全的源数据中分析出隐藏在其中的、用户不知道的规则和知识，又能防止分析人员挖掘出用户的隐私信息。
为深化决策支持与商务智能课程的教学改革，我们将和 IBM、SAP 等企业的相关机构深入合作，共同讨论制定商务智能方向的专业课程，将企业应用商务智能的成功案例和项目实施过程，补充进课堂教学内容，使学生能够在项目实训中了解实际的项目环境并培养分析实际项目的能力，从而把先进的技术、方法以及企业的最佳实践项目引入决策支持与商务智能教学中，以满足学生对知识和能力培养的需求。
参考文献：
[1]Jian Wang， Le Wang. A New Anonymity-based Protocol Preserving Privacy Based Cloud Environment， Computer Modelling and New Technologies， Vol. 18， Issue：9， pp.139-144，2014.
[2]Jian Wang. A Novel K-NN Classification Algorithm for Privacy Preserving in Cloud Computing. Research Journal of Applied Sciences， Engineering and Technology， Vol. 4， Issue： 22， pp. 4865-4870，2012.
[3]Jian Wang. Experimental Analysis for Novel K-NN Classification Algorithm in Cloud Computing. Journal of Computational Information Systems， Vol. 8， Issue： 22， pp. 9217-9224， 2012.（EI源刊）
[4]Jian Wang. A Novel Anonymity Algorithm for Privacy Preserving in Publishing Multiple Sensitive Attributes. Research Journal of Applied Sciences， Engineering and Technology， Vol. 4， Issue： 22， pp.4923-4927，2012.
课堂大数据分析篇4
定性指标，定性指标其数据获取对象大多为学生，学生通过教师引导，体育训练，其健康素质和体育技能会发生改变，其改变数据被统称为定性指标；③评价模型，采集数据之后，还应建立一个系统、科学、合理的模型，将数据加入到模型当中，进行精准的测算，以教师安全能力因素和定性指标数据为主，通过多维度、多层次、多样化的数据统计形式，为学校提供相对客观、真实、可靠的评价结果。
2、中学体育教师课堂教学安全能力的综合评价研究
2.1、文献分析法
本文通过分析20篇从中国知网、万方数据库、维普数据库中下载的文献可知，最近几年，有关中学体育安全教学、体育伤害事故、体育风险评估等问题成为我国相关体育专家和学者研究讨论的热点问题，其研究内容侧重于对体育教师课堂教学安全能力的分析，围绕对体育教师课堂教学安全能力的综合评价指标多达31项。
2.2、数据分析法
本文以中学体育教师课堂教学安全能力的指标数据为研究对象，在沈阳市各中学随即选取了5个班级，根据5个班级24名老师的体育课堂进行数据采集，包括教师的教育品德数据、体育安全能力数据、体育课堂教学安全能力数据等，再对学生进行体育素质测试，探讨教师体育教学安全能力和教学质量之间的关系。通过对上表数据进行系统分析可知，5所中学的24名教师拥有良好的体育安全能力，其各项指标基本可以达到教学要求。教师在体育教学过程中，能够以安全教学为中心，深化体育教学、体育活动、体育测验等各教学内容教育安全的重要性。
教育品德、体育安全、体育课堂教学安全等三中能力在综合测评体系中的地位同等重要，其数据指标的借鉴价值相同。在综合测评体系中，学校应优先处理教育品德指标数据，因为这部分数据和教师体育安全和课堂教学安全能力的影响不大，在排除教育品德之后，再将有关体育安全和课堂教学安全能力数据进行综合评价和处理。
3、结论
通过上述实验和调查分析可知，中学体育教师安全能力的指标评价体系涉及到的测评数据非常多，要想提高其评价体系的权威性和合理性，使其能够真实的反映出中学体育教师课堂教学安全能力，提升指标因素之间的关联性，尽可能的避免指标数据的量化或分隔比较分析。从宏观、客观的角度出发，建立符合教学实际的安全能力评价模型，在考虑数据影响因素的情况下，采用抽样调查、数据分析等方式考察教师安全能力的实际水平。
课堂大数据分析篇5
（西华师范大学 网络中心，四川 南充 637009）
摘 要：学习分析技术是通过收集、分析学习者在学习过程中产生的学习数据，并对学习优化、教学决策提供服务的一项技术.本文通过介绍翻转课堂自身特点和应用现状，对学习分析技术在翻转课堂中应用的意义和面临的挑战进行了分析.
关键词 ：翻转课堂；学习分析
中图分类号：G434 文献标识码：A 文章编号：1673-260X（2015）03-0219-02
基金项目：西华师范大学基本科研业务费专项资金（13D012）
1 引言
翻转课堂起源于美国科罗拉多州林地公园高中的两位化学教师乔纳森·伯尔曼(Jon Bergmann)和亚伦·萨姆斯(Aaron Sams)开始的一项开创性教学实践活动.他们为了让缺课的同学能够跟上教学进度，将课程内容制作成ppt文件上传到网上供缺席的同学学习.后来逐渐发展为学生在家看ppt学习基础知识，到课堂上与老师一起完成作业和讨论，这种教学模式收到家长和学生的欢迎.2012年美国人萨尔曼·汗创办的可汗学院把翻转课堂这种新的教学模式带到了全世界教育工作者的眼前.短短的两年时间，世界各地的研究人员都积极地投入到对翻转课堂的研究中来，不少学校、培训机构已经开展了卓有成效的试点实践.在国内有不少中学如重庆聚奎中学、山西新绛中学等都已经开展了翻转课堂的实践，部分大学也先后进行了翻转课堂的实践研究.不过大多都还处在摸索阶段，虽然取得了很多的理论研究成果，但是尚没有达到推广的阶段.所以翻转课堂要“本地化”适应中国的教育国情还需要时间.
2 翻转课堂研究现状
翻转课堂通过对教学顺序的颠倒使得学生的角色发生了变化，提升了学生学习的主动性.学生不再被动的接受老师讲授的内容，而是主动地学习并构建知识.华东师范大学的田爱丽教授认为[1]“翻转课堂的先学后教的学习形式符合学生的学习规律，而且采用微视频进行学习可以取代教师讲解，而教师则是在学生遇到困难和迷惑的时候给学生提供帮助.”张新民等人认为[2]“翻转课堂将学习的时间进行了重新的分配，学生可以更加自由的支配自己的学习时间，做到了学习向学生的回归，体现了学生的主体性.同时也促使教师的角色从知识传授者向教学资源开发者、教学指导者转变”.翻转课堂的教学模式虽好但是还是存在着教师不能很好的掌握学生前期学习的情况的问题，例如林地公园高中的翻转课堂的教学模式中教师不能对学生在家的学习情况进行了解和干预，学生在家的学习情况成为了教师的盲区，只能通过与学生面对面的互动中才能间接的了解学生的学习情况.而可汗学院则在这方面提供了一个很好的范例.可汗学院通过定制的网站系统平台来开展教学，所有学习资源都是以微视频的形式存放于系统当中，学生登录系统通过观看视频进行学习.学习过程中还需要完成一定数量的练习，当所有练习完成后再进入下一个学习单元.学生在学习过程中的所有数据，包括观看的视频、练习的完成情况都会被记录进系统已方便教师查看，系统将数据进行分析后以图形化的方式呈现出来，教师就可以知道所有学生的总体学习情况，并能及时发现学习困难的学生，然后有针对性的对相应的学生进行辅导.
从可汗学院的例子中可以看到技术对翻转课堂的实施起到了推动和保障作用.从教育的“技术”发展史来看，每一次的技术创新都会对教育产生深远影响.例如纸张和文字的使用终结了靠口头传颂为主的文化传承方式，改变了文化由极少数人掌握的现状；印刷术的发明使得所有人都有机会获得任何书籍的副本，文化传播的范围又进一步扩大，而且前所未有地推动了科学探索和教育教学的发展；以电视为代表的电子传播媒介将人类从单调的文字表达时代带入了语言、声音、图像共存的视听时代；而今天我们所处的是以互联网为代表的数字时代，它传播快、范围广、能够双向通信等诸多优点使得它彻底地改变了社会生态环境，也必将引起学术研究和教育教学的革命性变革[3].翻转课堂也不例外，虽说是传统课程的创新应用但是技术在翻转课堂中占有相当重要的地位.以可汗学院为例，他利用学习分析技术将学生在学习过程中产生的学习数据记录下来并通过图表等可视化方式呈现出来供老师参考.老师通过呈现出的数据可以了解到学生的总体学习情况，也可以了解到目前哪一个学生在学习中存在困难.因此教师可以有针对性的对相关学生进行了辅导.不单是可汗学院目前大部分的Mooc学习平台也都相应的具备了学习分析这方面的功能.
3 学习分析的概念及特点
所谓学习分析技术是近年来学术界普遍关注的一项技术.在第一届学习分析与知识国际会议上对学习分析的认识是：它是测量、收集分析和报告学习者和学习情境的相关数据，以促进对学习过程的理解，并对学习及其发生的环境进行优化.在第二届学习分析与知识国际会议上simon认为学习分析关注于收集、分析和报告一系列情景下产生的学习数据，将这些数据作为行动的指导以提升学习者的学习效果.加拿大的阿塞巴斯卡大学的G.西门子教授认为学习分析是利用数据挖掘技术对学生者产生的学习数据用分析模型进行分析，并对学习做出预测和建议[4].
虽然目前学术界对学习分析的定义尚未统一，不过众多学者对学习分析技术的认识还是存在许多共同点，认为学习分析是在广泛获取学习数据的基础上运用数据挖掘技术和现代化的分析工具和方法对学习数据进行分析和解读，并对学习者和教师提供反馈和决策支持[5].
4 学习分析技术在翻转课堂中的应用
翻转课堂颠倒了教学的顺序，课前学生通过教学视频资料进行自学，因此教师在学生课前学习阶段很难跟踪或者了解学生学习的情况，只能通过课上与学生交流的过程中发现问题.虽然在各种研究中认为颠倒教学顺序可以转换学生的角色，让其从被动的听讲到主动学习，而且老师和学生在课上可以有更多的互动时间.但是如果某位学生存在沟通障碍不愿意向老师反馈情况，那么除非老师用轮询的方式来确认学习者学习情况外很难了解到这位学生的情况，但这样一来老师不得不耗费大量的时间来确认每位同学的学习情况，无形当中学习者和老师的有效交流时间就大大缩水了.而学习分析技术则为这种情况提供了一个很好的解决方案，通过学习分析老师随时都可以了解到所有学习者的学习情况，一方面有助于教师调整自己的教学内容，另一方面教师可以有针对性的解决学习者普遍存在的问题，而且还能重点关注学习出现困难的同学，因为学习者在学习过程中产生的数据教师可以随时获取.可汗学院与美国加州Los Altos学区合作中就充分使用了学习分析技术来跟踪学生的学习情况，可汗学院的学习系统收集了大量学生的数据，包括学生投入的学习时间，看了哪些视频、在哪里暂停的、做了哪些练习，关注的知识点是什么等等，教师借助图表化的数据能够确定哪一位同学遇到了困难，可以及时地对该同学进行辅导.[6-7]
5 学习分析技术的应用意义
学习分析技术的应用对于教师了解学习者学习状况认识学习过程，帮助教师改进教学内容、协助教师发现学习困难的学习者并及时给与帮助方面都有重要的意义.
5.1 学生访问行为的统计
利用平台系统可以收集学生在线学习数据.目前主流的学习平台系统诸如Moodle、sakai都具有学习分析的模块，可以对学生的学习数据进行收集，包括学习者访问了哪些内容，在学习某个内容时花费的时间，记录学习者互动交流的数据等，利用收集的数据可以分析学习者的整体学习情况.
5.2 资源访问情况
资源的访问情况也可以从一定的角度反映学习者的学习情况.资源被访问的次数可以说明该资源被学习者关注情况.另外视频资源的播放情况诸如暂停时间、暂停位置、是否被反复播放等数据都有助于教师了解该资源是否存在难度过大的问题.
5.3 对学习困难的学生进行预警
学习平台收集学习者的学习完成情况数据，诸如学习完成时间，学习进度，习题完成情况等数据，这些数据通过特定的分析方法分析以后能够判断学习者的学习状态，是否是正常学习，是否遇到困难，是否需要得到帮助.如果学习者的数据表明他需要帮助，平台则可以通过预警的方式通知教师对学习者的学习进行干预.
6 学习分析技术面临的挑战
虽然学习分析有着美好的前景，但是毕竟还处于研究初期，没有太多的经验可以借鉴.尤其是国内的实践研究更是如此，大部份的实践基本是自我摸索或者参照可汗学院的模式来进行的.学习分析还需要更为专业的教育学理论来作为支撑，要用更为科学的解释模型来解释收集的学习数据，而且目前还没有专门针对学习分析技术构建的开放学习平台，现有的平台是在Moodle等课程平台下通过附加功能模块来实现的，这些都是学习分析所面临的挑战.
总之，学习分析技术在教学、学习管理方面有着天然的优势，是信息时代教育信息化的重要技术之一.在促进我国教育信息化改革方面将起着重要的作用.学习分析在翻转课堂中的应用也将成为推动学校教育系统结构性变革的重要力量.
参考文献：
〔1〕田爱丽.借助慕课改善人才培养模式[J].中小学信息技术教育，2014（2）：13~15.
〔2〕张新民,何文涛.支持翻转课堂的网络教学系统模型研究[J].现代教育技术，2013（8）：21~25.
〔3〕郭文革.教育的技术发展史[J].北京大学教育评论，2011,9(3):138-158.
〔4〕G . Siemens , What is learning analytics[EB/OL].elearnspace.org/blog/2010/08/25/what-are-learning-analytics/ ，2011-11-20.
〔5〕李青,王涛.学习分析技术研究与应用现状述评[J].中国电化教育,2012(8):129-133.
〔6〕张渝江.翻转课堂变革[J].中国信息技术教育,2012,10:118-121.
课堂大数据分析篇6
关键词：证据；科学数据；实事求是；数据分析
一、有扶有放，教会学生采集数据
1.让数据记录成为学生的习惯
在小学阶段，学生的思维将由形象思维向抽象思维发展，在这个过程中，如何使证据更客观、更精确，成为学生自发的愿望，也符合学生心理发展的特点。
我在教学“蚕的生长变化”一课时，示范了一张结合标本记录、数据记录、画图和文字记录的记录单。在教师手把手的帮助下，我们有了以下的记录单：
蚕的生长变化观察记录表
■
这样的记录，再配以图画、文字和照片记录，学生经历了一次有目的的观察，感觉到自己也在真刀真枪地做研究。
教师要利用科学记录表，培养学生及时记录的习惯。当然，科学观察并不一定要定量，但正确使用定量方法可以使科学性提高，而记录单的呈现也要遵循学生发展的规律。
2.培养实事求是记录数据的科学态度
（1）用真实数据说话
平时上课时，我首先加强自身对数据的辨识。我能从一大堆数据中一眼看出哪些是可疑的数据，然后，引导学生辨析这些数据，逐步培养学生的数据感。要纠正学生不良的实验记录习惯，避免造成实验数据的失真。同时，引导学生正确对待误差，学会重复实验和选择可以作为证据的数据。
（2）严格控制实验条件
控制实验中的变量，是对比数据准确客观的必要条件。在教学中，我常常利用猜想的环节，引导学生分析和控制变量，并且在实验过程中严格控制条件。
如，在教学“怎样得到更多的光和热”一课时，我从实验材料和实验过程两个环节进行了控制，以确保数据的科学性。
①温度计的误差问题。实验室里的温度计误差很大，因此，我事先做了实验，确保温度计的起始温度和上升速度都较接近，尽量减少实验的误差。
②测定时间和读数的一致性问题。我设置了一位报时员，每2分钟前倒计时10秒钟，让读数的同学做好准备。每个温度计设一位读数员，尽量保证同时读数，以确保数据准确。
二、循序渐进，培养学生分析数据的能力
章鼎儿老师的讲座“小学科学课堂实施问题”中指出“活动后是场重头戏”，指的就是数据分析阶段。
实验中的数据就像一颗颗珍珠，只有整理成项链，才能发挥其应有的作用。数据的分析能力是在课堂中逐步培养起来的。
1.实验数据的直观分析
（1）在小学科学教学中，绝大多数实验搜集的数据和猜想具有一致性，学生很容易从数据中得到结论。但是当实际测量的数据和预测不一致的时候，要培养学生尊重数据、尊重事实的科学态度。
在“用水测量时间”一课中，课堂上，我们用100毫升水，连续做了三个滴漏实验，学生记录的数据如下：
■
通过横向比较，学生发现实验数据和预测不一致。滴完相同水量所需时间是不同的，第一个20毫升水流速最快，第二个20毫升次之……分析后，学生知道了杯中水的流速是先快后慢不均匀的。
2.对比数据的统计分析
“豌豆荚里的豌豆”一课，是学生第一次接触统计图表，因此，我用画“”来统计各组豌豆荚的数量。用“”能够比较直观形象地显示豌豆的数量，同时能够将统计的过程展示出来，随着“”数量的增长，学生看到了各组豌豆的数目大部分是3~6粒，3粒以下和8粒以上很少。
我们还把10月15日（《阳光下的影子》）和第二年3月30日（《太阳钟》）的两次观测数据以及在“怎样得到更多的光和热”一课得到的数据，整理绘制成折线图，因为折线图更能反映光与影、光与热的发展趋势，便于学生发现事物变化的规律。
三、需要注意的问题
1.让学生成为探究的主体
教师要精心准备有关的教学器材，保证学生观察、实验活动顺利进行。让学生自行设计、自主探究、学会倾听、大胆质疑，逐步培养学生的数据意识。在课堂上尽量避免教师讲实验，学生听实验。
2.避免分析数据走过场
一堂有数据支撑的科学课是有生命的课，学生学得有意义，学得积极主动。我们还可以用数据是否科学来检验课堂，如假设是否科学、实验设计是否合理、实验材料是否有结构、实验条件控制是否规范等。
数据撑起科学的煌煌大厦，也将撑起一堂堂精彩纷呈的科学课堂。让有数据的课堂成为科学课的一种模式，让科学过程成为学生的自主要求，让科学数据占据学生头脑，让科学能力伴随学生终生。
参考文献：
课堂大数据分析篇7
一、几种国外课堂观察量化工具
(一)弗兰德斯互动分析系统
弗兰德斯互动分析系统(Flanders Interaction Analysis System，简称FIAS)，是美国学者弗兰德斯(N. A. Flanders)于20世纪60年代提出的一种课堂行为分析技术。这种分析技术开启了量化课堂研究的先河，长期以来在课堂观察领域中起着技术引领的作用。
弗兰德斯互动分析系统主要由3个部分构成：一套描述课堂互动行为的编码系统；一套关于观察和记录编码的规定标准；一个用于显示数据、进行分析、实现研究目的的矩阵表格。[1]该系统主要关注师生之间的言语交流，它将教师和学生在课堂中的互动行为(以语言为主)分为10种，并将其分属为3类互动行为编码系统。[2]具体分类如下。(1)教师语言，根据对课堂教学的影响可分为间接影响和直接影响，间接影响包括：接纳感受、赞赏或鼓励，接纳或者利用学生的观点、提问。直接影响包括：讲解、命令、批评或维护权威。(2)学生语言，包括：学生应答、学生主动讲话。(3)沉默或混乱。
观察者在对课堂中的师生言语行为进行了量化记录之后，为便于观察各个变量的多少及其交互情况，还要对数据做进一步的处理。本研究根据文献资料及本人在研究学习中的一些探索，尝试列出了分析流程的框架图(见图1)。
图1 弗兰德斯互动分析数据处理流程图
如图1所示，整个操作流程主要分作五步。首先，观察者在课堂中对教学行为进行观察并编码记录，每3秒钟记录一次，一节课的数据量在800～1000个之间。第二，把收集的数据输入数据库，利用Excel或Spss软件进行相关分析。第三，建立矩阵模型。矩阵模型是利用数字矩阵来展示课堂行为数量特点的一种分析技术，通过矩阵模型，我们可以清晰地观察到各个行为编码的次数和各行为之间的交互情况。第四，进行类别分析和结构分析，这是一种较为常见的百分比统计技术，分析结果可以展示出课堂的结构状况或教师的风格、倾向。最后，可选择建立二维曲线图，通过曲线图，研究者可以清楚地看出师生在各时间段内发生的课堂行为。步骤3和步骤4主要是体现课堂的整体性特点，步骤5则是体现课堂的阶段性特征。
这里我们以某堂课为例。表1为利用弗兰德斯互动分析矩阵模型所记录的某堂课的数据，其中表格横向/纵向的第一列数字分别表示为：1——表达感情，2——表扬或批评，3——接受或使用学生的主张，4——提问，5——讲授，6——给予指导或命令，7——批评或维护权威性，8——学生被动说话，9——学生主动说话，10——无有效语言。交叉表中的数字表示的是两种不同“分析编码”的类型连续出现的次数，例如，横坐标6和纵坐标8相交叉的数字为7，表明在这一节课中“给予指导或命令”之后出现“学生被动说话”的次数是7。根据表1中的数据，我们可以将其转化为如图2所示的二维图形，这样，就可以更为直观地展示出课堂中各时段内师生所发生的各类行为。
总体来说，按照弗兰德斯最初的设想，评价一堂课的最佳方式，就是对课堂内师生的语言行为进行互动分析。从某种意义上说，把握了课堂教学中的师生语言行为，也就把握了课堂教学的实质。有强烈的结构化、定量化研究的特点，但在课堂观察中，它缺少对师生语言之外的物品展示、身体姿态、面部表情等方面的记录，所以也存在一定的局限性。
(二)拉格和霍普金斯的观察表格
在继承弗兰德斯互动分析理论的基础上，一些新的理论架构越来越多，比如，拉格和霍普金斯分别开发的课堂观察量表。
拉格(E. C. Wragg)于1994年设计了一个观察表，用来观察教师如何管理学生的行为。该观察表被称为记号体系(Tally System)或核查清单(Checklist)。[6]记号体系或核查清单是指预先列出一些需要观察的、在课堂中可能发生的行为，由观察者在某种行为发生时做出记号，其作用是检查所列出的行为是否发生。可能发生的行为类型主要有：吵闹或者违纪说话、不适宜的运动、不恰当地使用材料、损坏学习材料或设备、不经允许拿别人的东西、动作侵扰其他学生、违抗教师、拒绝活动。在时间控制上，观察者每1.5分钟记录一次。
霍普金斯(David Hopkins)于1993年开发了教师反应记录表。[7]此表的形制与弗兰德斯互动分析矩阵表相似，但在内容上有所不同，他主要包括以下3个部分。(1)反应类型，包括：口头反应；非口头反应；肯定反应；没有反应；否定的反应。(2)学生投入的情况，分为：投入的人数及百分比；非投入的人数及百分比。(3)非投入的情况类别，包括：与任务无关的闲聊；打瞌睡；白日梦；闲荡；做其他人的工作；侵扰别的学生；试图引起别人的注意；削铅笔、移动、上卫生间；其他。观察者对以上各行为的记录时间为每两分钟扫视并记录一次。
从量表内容可以看出，无论是拉格的观察量表，还是霍普金斯的观察量表，它们都是以小学和初中的课堂行为为观察对象，且观察的内容设计中包含了较多的消极行为，这说明被观察对象在一定程度上缺乏较好的行为自律，需要外界的调控和指导。可以说，拉格和霍普金斯观察量表的研发，主要是基于一种控制的目的。
(三)交际法教学观察量表
交际法教学观察量表(Communicative Orientation of Language Teaching，简称COLT)，最早由Nina Spade，Maria Frhilch和Patrick Allen于1984年提出，是设计较为全面的课堂观察工具。[8]COLT量表由两部分组成，第一部分用于描述师生在课堂上某段时间内的行为，包括时间、活动、参与者的组织、话语内容、内容控制、学生状态、材料；第二部分用于描述师生或生生之间的互动交流情况，主要包括7个交际特征，即目标语的使用、信息差、话语持续、对形式和语篇的反应、话语合并、话语引发和形式约束。
COLT观察量表在研发初期得到了业内较好的评价，许多学者认为其操作简 便，对课堂内的语言行为也概括得比较全面。但是，该量表也存在一些不足。其一，它与弗兰德斯系统一样，都偏重于对语言的研究，对其它行为的关注则不够；其二，在观察课堂中，观察者需要有较好的相关知识贮备，不然，在观察类目编码的判断上将无所适从，这也是COLT观察量表最大的不足。
二、国内一些专家开发的课堂观察量化工具
(一)小学课堂交往时间表
1995年，吴永军、吴康宁联合开发了“小学课堂交往时间表”。[9]该量表目的明确，主要用来观察小学课堂中，师生之间、学生之间的交往情况。它统计了各个行为类别(比如教师与个体学生的交流)所占的时间量，及其在整个课堂时间内所占的百分比情况(如表2所示)。
从表2可以看出，“小学课堂交往时间表”尽管体现了量化分析的特点，但是形制略显粗糙。第一，它既没有把课堂交往的行为进行细化，又没有把有效交流和无效行为分开。因为一般情况下各种交流都不是师生在短时间内一次性完成的，这在标记上给观察者增添了麻烦。第二，该量表在统计编码上没有严谨的界定，在操作实施上观察者的主观臆断较强。由此分析，“小学课堂交往时间表”的实用性较小，它更像一个最终归类统计表，而课堂观察技术的先进与否与课堂观察记录表有很大关系。尽管如此，此表还是有一定的积极意义的，从文献资料来看，它开启了国内课堂量化观察的先河。
(二)LICC模式
近几年来，我国在课堂观察量表开发方面，比较著名的是华东师范大学崔允漷教授领导开发的LICC模式。该模式假设的课堂教学主要本研究根据LICC模式的内容绘制了核心理念表(如表3所示)。
为了更加直观地显示出LICC模式的内容，本研究选取了杭州市安吉路实验学校的课堂教学分析框架作为案例。从表4中可以观察到，该分析框架对LICC模式的各个维度进行了课堂情境具体化，从而展示出了LICC模式的优势，这一优势主要体现在课堂解构和合作解构两个方面，[12]他对课堂中发生的情形进行了细致具体的呈现，表现出解构合理、内容充实、条理清晰等方面的优点。
总体来说，LICC模式具有较好的创新性和系统性，它将课堂的内容进行了结构化剖析，无论是研究者还是教师，都能够从中多层面、角度地进行查找和分析。美中不足的是，此模式需要多人合作来完成，对于单一的研究者来说，有些勉为其难。
(三)基于信息熵的课堂教学过程量化评价模型
李万春等人在批判继承弗兰德斯互动分析系统的基础上，开发出了新的理论架构，即“基于信息熵的课堂教学过程量化评价模型”。“熵”是表现有关概率系统整体概率分布状态的统计特征量，系统的“熵”总是在不断地增加，直至系统的熵达到最大时，系统才处于稳定状态，这就是最大熵原理。堂稳定状态的诉求，是一种探究如何调节课堂状态的理论机制。
基于信息熵的课堂观察量表由教师观察量表(如表5)和学生观察量表(学生观察量表与教师观察量表形制相仿)组成，主要包括四个方面的内容：课堂的组织活动、教师(学生)的言语行为、教师(学生)的课堂活动、教学事件。该量表也是以时间为主轴进行记录，时间频率为每1.5分钟记录一次。具体操作如表5所示，观察者根据在课堂上观察到的情况，在对应的空格中画“√”，以此对课堂教学情况进行记录。
随后，研究者引入量化分析模型(如图3所示)对课堂观察记录进行分析。首先，根据表5“教学事件”中A、B、C、D、E各项的概率分布，初步分析出课堂类型(讲授型、复习型、练习型、讨论型、混合型)。然后，根据分析出来的课堂类型，选用不同的权重方法，用信息熵来作进一步的分析，[15]其中，各课堂类型的权重系数分别为，讲授型课堂：A－6％，B－4％，C－60％，D－20％，E－10％；复习型课堂：A－60％，B－5％，C－5％，D－20％，E－10％；练习型课堂：A－5％，B－5％，C－5％，D－60％，E－15％；混合型课堂：A－20％，B－10％，C－25％，D－25％，E－20％。
图3 基于信息熵的课程教学量化模型[16]
从整体来看，李万春等人对课堂观察工具的研究趋向于理性和直观(最后得出折线图或柱状图)，开发的基于信息熵的课堂教学过程量化评价模型具有一定的先进性。然而，该模型也存在一些不足。首先，记录时间的问题。一是1.5分钟的时间间隔太长，在这期间可能会发生多个课堂事件，因此观察者在选择时，很可能会因主观因素而取舍不当；二是每节课共45分钟，理论上应记录30次，但是，同一节课对于不同的观察者来说，记录内容可能会大相径庭，在作课堂类型分析时也就可能会有很大的差异；三是比起弗兰德斯互动分析系统所收集的1000个的数据量来说，对30个数据进行分析，所造成的误差难免过大。其次，过分追求量化的分析结果，会使课堂失去本真性，比如，原本是讲授型的课堂，通过观察、计算之后，很可能变成了练习型课堂，这就存在“机械主义”的弊端。最后，基于信息熵的模式难免过分追求精致，且对观察者的理论素养要求较高，对于一般的观察者，特别是中小学教师来说，无论是在理念上还是在操作上，都是可望而不可即的，其推广程度也就可想而知了。
三、启示与探讨
(一)几种课堂观察量化工具之间的内在联系
本研究通过以上分析发现，许多课堂观察量化工具之间是有着内在联系的。笔者基于所讨论的几种课堂观察量表，绘制了相关关系图(如图4所示)。具体解释如下。(1)COLT量表和FIAS量表虽然都是以语言分析见长，但COLT观察量表是在弗氏量表的基础上建构起来的，更注重对互动语言的分析。(2)如果说上面两种量表是以听觉层面(语言)来记录的话，那么拉格和霍普金斯观察表格就是从视觉层面(行为活动)来进行记录，这是一个有意义的补充。(3)小学课堂交往时间表尽管比较粗浅，但是它开创了观察的第三条路线——时间维度，通过对时间的记 录来比较各个层面的百分率，能够进一步了解和分析课堂活动的适切性。(4)LICC量表和信息熵模型则是由两种哲学思想所引发出来的两种不同结果，它们在前期观察中都要涉及到课堂中的语言、行为和时间要素，但是，前者利用了演绎法，是对课堂活动的多维度描述，后者使用了归纳法，它在对课堂活动作具体描述之后，最终融合到一系列数学公式中，从而形成了不同的解释效果。
图4 课堂观察量表生成模式演变示意图
(二)工具开发走向多维化、结构化和合作化
以上模型的开发与演进，充分展示了科学思想对于课堂观察研究的巨大支撑和推动作用，也即是说，教育研究在不断地借鉴其他学科的理论来作为技术支撑，例如，LICC模型的协同论思想，COLT模型充分借鉴了言语分析的精髓，另外，一些先进的软件程序的开发，对课堂分析的精细化和直观化更是功不可没。
由分析可知，研发者的视角逐步涵盖了课堂发生的方方面面，包括师生语言、师生活动、课件展示、仪器操作，等等。观察视角丰富了，分析维度也就多了起来，研究者通过一些程序工具将它们整合在一起，最后就可以勾画出一幅有条理又形象的课堂动态图。
随着课堂观察工具开发的多维化和结构化进程的推进，一个重要的问题也随之出现，即许多观察工具的操作需要多人配合才能达到较好的效果，这也就呈现出了观察工具合作化的特点。如此体制化之后，如果能形成一种学校教研小组协作模式，则可能成为课程改革的一大亮点，并且对教师专业化发展将起到极大的推动作用。
(三)可操作性课堂观察量化工具的特征
基于以上分析，本研究认为，一种设计良好的课堂观察工具应该体现出以下特征。(1)一般性。好的课堂观察工具，应该是可适用于各个学科、各个教育阶段的课堂观察。当前，有的观察工具着眼于语言类学习课堂，有的观察工具适用于小学课堂，这都存在很大的局限。(2)简约性。观察维度应尽量简约且互斥，以便于观察者在短时间内能作出合理的判断并记录。当然，也不是说观察维度越少越好，这既要考虑心理学短时记忆的特点，又要尽量涵盖课堂内可能发生的各个课堂因素。(3)量化性。将课堂事件进行数字化编码，用数字进行统计，为进一步的量化分析打好基础。这也便于观察者进行记录，从而减少因大量文字书写而造成的时间浪费或视野遗漏。值得注意的是，量化性并不是追求绝对的数字化，其他一些形象符号的辅助补充也大有裨益。(4)系统性。整个量表要有一定的层次性，且要条理分明，这样，使用者在操作时才不至于因误读、误解而产生误判。系统性也是判断课程观察工具可推广程度的一个重要标准。(5)科学性。好的课堂观察量化工具要有一定的理论基础作为支撑，最好要形成理论体系。观察工具的开发不是研究者随意设置的，一些维度的增添与否也不是随心所欲的，它既要有坚实的理论基础作支撑，又要经得起理论和实践的检验。
课堂大数据分析篇8
关键词：新课标；小学数学；教学目标；教学方式；教学质量
数学是一门理论性强、较抽象的学科，对于小学生来说，在数学学习上存在一定的困难，因此，分析小学数学课堂教学中存在的问题，针对存在的问题提出相应的应对策略，从而提高小学数学教学质量。
一、当前小学数学教学中存在的问题分析
当前，小学数学教学存在教学目标不明确、重点内容不突出的现象，据了解，大多数教师在课堂教学中只是为了完成自己的教学任务，而不是为了帮助学生完成学习任务，导致小学数学教学课程设计没有根据学生的实际情况和数学教材来设计教学目标，甚至有的教师只注重学生知识的学习，却忽略了学生学习习惯和学习情绪在教育中的重要性，进而造成当前小学数学教学质量不高的现象。另外，当前小学数学教学中存在授课内容形式单一的现象，大多数教师仍然采用教师讲、学生被动听的教学方式，这样不仅不能充分调动学生的主动性和积极性，也可能让学生产生厌学的情绪，进而影响数学教学质量和教学效率，因此，针对当前小学数学教学现状，教师应对其引起高度重视。
二、新课标下如何提高小学数学教学质量
1.明确教学目标，教学设计得科学化和合理化
教学目标是引导教师开展课堂教学的有效途径，有了明确的教学目标，教师才能根据学生的学习特点和教材来合理地进行教学课程设计，才能充分把握数学教学中的重点和难点，因此，在数学教学过程中，教师应以培养学生的数学技能和德、智、体、美等能力为目标，注重教学的科学性、合理性，明确学生的学习目标，使学生根据自身的学习目标来开展学习，进而提高学生的知识水平。
2.创设问题情境，激发学生的学习兴趣
在数学教学中，创设问题情境不仅可以充分调动学生学习的积极性和主动性，也可以为学生创设良好的教学情境，由于小学生正处于好动的阶段，其好奇心也比较强，若采用传统的满堂灌的教学方式，容易让学生的思维受到限制，因此，应注重问题情境的创设，以保证数学教学质量得到提升。所以，当数学教师在讲解知识时或讲解完成后，可以向学生提出问题来加强学生对知识的学习，例如，学习“100以内的加法和减法”时，教师可以提出这样的问题：“二年级1班和2班分别有45人和56人，问两个班共有多少人？”让学生融入教学情境中，并根据问题来解决实际问题，这样不仅可以激发学生的学习兴趣，也可以提高学生分析问题和解决问题的能力。
3.结合生活实际，加强数学教学
由于学生是与生活实际相联系的，因此，为了让学生充分掌握数学知识，教师应注重数学知识与生活实际之间的联系，增强数学课堂教学的趣味性，使学生全身心地投入到数学学习中，进而提高小学数学课堂教学质量，例如，在提出问题时，应提出与生活相关的问题，如：“食堂运来600千克大米，已经吃了5天，每天吃60千克，剩下的5天吃完，问平均每天吃多少千克？”这样学生就可以根据问题来分析思考，在分析问题的过程中，教师应从多角度、多层面来引导学生思考问题，注重学生发现问题、分析问题和解决问题能力的培养，使学生更好地掌握知识。
4.加强课堂练习，培养学生分析问题和解决问题的能力
课堂是学生学习的主要场所，因此，在数学教学中，教师应充分利用课堂45分钟时间来加强数学知识的学习，不仅要注重课本理论知识的学习，也应注重课后习题的练习。由于课本是学生学习的重要工具，因此，在教学准备过程中，教师应充分把握数学课本内容，根据新课程标准的要求将教学内容形象化和具体化，使数学课本内容在学生学习中发挥重要作用。一般情况下，利用大部分的时间来加强数学理论知识的学习，而其余时间应作为随堂练习，根据数学知识的特点，加强课堂练习是非常重要的，这样不仅可以及时掌握学生对数学知识的学习情况，教师也可以根据学生的知识掌握情况来针对性地开展教学，例如，学习完“多位数乘一位数”后，教师应要求进行这一单元的课后练习，如，“308×5等于多少”“32×3等于多少”等，这样就可以加深学生对知识的理解和记忆。另外，为了更进一步提高小学数学教学质量，当课堂练习完成后，教师应积极引导学生善于总结练习中的重点和难点，帮助学生解决在学习中遇到的问题，并对整个课堂教学进行评价总结，从而巩固和加强对数学知识的掌握。
为了实现新课标下的小学数学教学要求，教师应对当前的数学教学现状引起高度重视，改变填鸭式的教学方式，注重数学课堂教学的优化，激发学生的学习兴趣，让学生主动参与到教学中，从而提高小学数学教学质量。
参考文献：