课堂大数据分析第1篇

网络环境下教学资源的搜集整理更加便捷，传统教学方法虽然总结了足够的经验，但如果不能随着时展进步，必然会落后。文章针对一种大数据分析的移动端在网络课堂教学中的应用进行分析，从使用方向以及技术功能等方面来进行，为网络课堂教学任务的开展创造有利条件，并提升系统运行使用期间的资源利用率。

【关键词】大数据分析 移动端 网络课堂教学

1 大数据分析环境下开展移动端网络课堂教学的优势

基于大数据分析环境下所开展的网络课堂教学，充分利用了网络环境的优势，并对常规教学中所总结的经验进行拓展应用，移动端是近年来网络发展的主流方向，对传统的教学方法产生了很大的冲击，但同时这也是一种前所未有的机遇，充分利用网络的先进性，结合大数据分析的准确定位，可以帮助提升教学效率，为学生营造出更加高效趣味的学习环境。如何利用好大数据分析来促进移动端网络课堂教学任务开展，也成为现阶段重点的研究课题，这也是文章中将要进行探讨的，无论是技术还是应用方法上，都应该做出创新，为教学任务的发展落实打下有利基础，为教学任务的落实创造有利条件。

2 大数据分析移动端在网络课堂教学中的应用形式

2.1 在课堂交流中运用移动端

交流时知识点巩固的有效方法之一，在常规教学任务完成后，剩余时间很难满足学生有关于知识点交流的需求，借助大数据分析的移动端来开展网络教学，有关于知识内容的交流也不再受时间与地点的影响，能够随时进行师生之间的互动交流。并且大数据分析系统所提供的知识内容也是十分可靠的，能够帮助解决常规教学方法中难以解决的问题，学生也能够充分利用课余时间来完成知识方面的学习。移动端的优势在于便捷与快速，这一点是传统网络课堂所不具备的，在这样的环境下，学生也能够将自己的思路与同学进行分析，在短时间内快速提升学习成绩，实现共同进步。

2.2 实现便捷性资源共享

移动端网络课堂可以通过APP下载来实现学习，注册后可以将个人的学习情况记录在其中，这样在进行下一阶段的学习时也不容易遗忘。每一个注册的账号在大数据分析系统中都具有记忆功能，这样学员在经过一个阶段的学习后，也能够通过系统的记忆功能查看轻松了解这一阶段的学习情况，并通过平台所的信息轻松进行一个阶段的学结，与同学之间实现零距离的资源共享。大数据分析背景下所进行的资源共享更新更加及时，不会受到时间以及距离的影响，并且移动端还存在网络可选择的优势，即使在共享过程中受到网络中断的影响，系统也能够自动保存，以免造成重要信息的丢失，为接下来教学任务的开展奠基了有利的基础。

2.3 模式选择多样性

网络课堂教学模式的选择，与教师的教学习惯有很大关系，在移动端背景影响下，进行网络系统模式选择时，拥有更多的可选择性，可以根据学生的听课喜好以及习惯来对现场进行控制，在这样的环境下，所进行的教学任务也能与学生之间形成良好的互动。应用前首先要确定教学的内容，并根据所总结出的信息来进行云系统下的框架设计，将大数据分析系统结合到其中，这样接下来所进行的工作内容也会更加的顺利。移动端的网络课堂教学软件是可以不断更新的，可以根据学员的喜好来对个人界面进行自定义，这样应用起来也会更加的方便。由于移动端的存储能力是有限的，在大数据分析系统中还会进行内存拓展，应用解决移动端应用期间内存不足的问题。

上述几点是应用期间的具体功能以及有效方法，有目标的对系统进行设计，能够避免出现教育资源、网络资源浪费的现象，也是现阶段十分需要的。除此之外，在应用期间还需要进行技术方面的创新以及强化，降低网络不稳定所带来的影响，可以将大数据分析结合多种网络技术来共同进行，提升系统运用的工作效率，在处理数据过程中也会更更加的稳定可靠。

3 大数据分析的移动端未来发展方向

随着电子设备的不断更新，大数据分析的移动端在发展中也会逐渐提升稳定性与运算效率，在框架设计上必然会更加的简便，这样在运行使用过程中能够节省大量的空间，对网络系统的工作效率提升也能起到促进作用。灵活性也是未来的发展方向之一，使用者可以对应用界面进行定义选择，在应用过程中更符合学员以及教师的操作习惯，在使用性能与稳定性上自然也会有明显的提升，降低系统运行使用期间漏洞出现的可能性。

4 结语

人们应该充分认识到网络技术并不能够解决我们所有的问题。但是近年来人们最为关心的却是如何使用可以利用的网络技术在网络形式越来越多样化的今天，如何正确选择和使用有助于提高外语能力的网络资源才是未来真正的研发核心，因此，未来的研究应着眼于分析不同的学习目的下如何有针对性地选择不同的网络课堂教学模式。

参考文献

[1]黄晓涛，王芬，吴驰，龙涛.云计算平台下网络课堂生成性教学设计框架研究[J].现代教育技术，2013（08）.

[2]杨俊锋.创新课堂教学模式 培养学生国际视野――跨文化混合同步网络课堂的实证研究[J].中国电化教育，2015（10）.

作者简介

王冠（1982-），江苏省徐州市人。硕士学位。现为徐州幼儿师范高等专科学校信息网络中心讲师。研究方向为数字资源建设、校园信息化。

课堂大数据分析第2篇

关键词：智慧课堂；大数据；动态学习数据分析；课堂教学结构

中图分类号：G434 文献标志码：B 文章编号：1673-8454（2015）22-0021-04

智慧教育、智慧课堂是当前教育信息化研究的一个新的热点问题，是信息技术与教育教学深度融合的产物。智慧教育的核心在于用最新的信息技术变革和改进课堂教学，打造智能、高效的课堂。当今社会进入大数据时代，大数据的出现将会对社会各个领域产生深刻影响。在教育领域也不例外，美国许多高校和基础教育领域十分重视大数据的应用，2012年美国国家教育部了《通过教育数据挖掘和学习分析促进教与学》的报告，我国也有不少学校和教育软件企业进行教育大数据和学习分析技术的探索。因此，利用大数据技术分析和改进学习行为，变革传统课堂教学，构建基于动态学习数据分析的智慧课堂模式，具有重要的现实意义。

一、智慧课堂的提出及发展

人们对智慧课堂的理解总体上有两类，一类是从教育视角提出的，另一类是从信息化视角提出的，本文所使用的概念是后一类。在英语中，关于“智慧”的表达有三种，即Smart、Intelligent或Wisdom。2008年，IBM最早提出“智慧地球（Smart Planet）”，随后出现了智慧城市、智慧教育、智慧课堂等概念。IBM使用及广泛推广的“智慧地球”是“Smart Planet”。因此，现在人们所说的“智慧课堂”是智能化课堂（Smart Class），主要是从信息化的视角理解的，即使用先进的信息技术实现教育手段和课堂的智能化，进而实现教育教学的智慧化。

基于信息化的视角来分析，随着信息技术迅速发展及其在学校教育教学中的广泛应用，从早期的辅助手段向与学科教学的深度融合发展，传统课堂向信息化、智能化课堂发展，对智慧课堂的认识也在不断深化。目前对智慧课堂概念的定义也有多种类型。比如：有的学者定义“智慧课堂”是物联网和教育云端等新技术于一体的智能课堂；[1]有的认为“智慧课堂”重点在课堂中的应用，是通过云计算、网络技术、应答系统等技术手段来支持个性化学习的有效展开；[2]有的学者提出建立基于电子书包的“智慧课堂”系统，具有课前多媒体电子教材预习、课中互动教学、课后微课程作业辅导等功能，为实现“颠倒的课堂”和学生随时随地碎片化学习提供了全面支撑[3]等等。

实际上，智慧课堂的概念是随着信息技术在教学中的不断应用与融合而逐步发展的。当今社会进入教育大数据时代，基于大数据技术分析和改进学习行为、变革传统课堂已成为一种必然趋势。这里我们结合自己的研究，提出基于动态学习数据分析的智慧课堂概念。

二、智慧课堂的概念

所谓“智慧课堂”，是以建构主义学习理论为依据，利用大数据、云计算、物联网等新一代信息技术打造的智能、高效的课堂。其目的是基于动态学习数据分析和“云+端”的运用，实现教学决策数据化、评价反馈即时化、交流互动立体化、资源推送智能化，全面变革课堂教学的形式和内容，构建大数据时代的信息化课堂教学模式。智慧课堂的提出与发展既是信息技术在教学领域应用的产物，同时也是课堂教学不断变革的结果。

对上述智慧课堂定义的理解，应重点把握以下几个方面的内涵：

1.智慧课堂的构建依赖于大数据学习分析技术

数据改变教育是智慧课堂的核心理念。对于具体的课堂教学来说，数据是反映教学效果的最为显著的指标，比如：学生识字的准确率、作业的正确率、多方面发展的表现率――积极参与课堂教学的举手次数，回答问题的次数、时长与正确率，师生互动的频率与时长等。在课堂教学中生成了海量的数据，对这些数据进行加工、挖掘和分析离不开大数据技术和方法。基于大数据的学习分析，智慧课堂从依赖于存在教师头脑中的教学经验转向依赖于对海量教学数据的分析，一切靠数据说话，依靠直观的数据对学生的学习行为进行判断和制定教学决策，实现了基于数据的课堂教学。

2.智慧课堂基于全过程动态学习评价和智能推送

传统课堂上每位教师常常要面对几十个学生，很难及时把握和照顾到每个学生的个体差异。智慧课堂基于全过程动态学习评价和智能推送，有效地改变了这一状况：通过课前富媒体预习材料和作业，进行预习测评和反馈，深化学情分析，优化教学设计，便于精准教学；通过课中推送随堂测验，进行实时检测数据分析和即时反馈，改进教学策略，调整教学进程；通过课后作业数据分析，实施针对性辅导，为学习者即时推送合适的个性化学习资料，实现个性化的学习支持。

3.智慧课堂采取“云+端”的教与学服务方式

智慧课堂的实施基于云计算技术、采取“云+端”的服务方式，部署和应用智慧课堂的信息化平台――智慧教室，其主体由微云服务器、端应用工具、云平台等组成。智慧课堂信息化平台提供学习资源管理与服务、教育信息管理、多元化评价等功能，通过教室内多种终端设备的无缝连接和智能化运用，打破了传统意义教室的黑板、讲台和时空概念，具备动态学习数据的采集和即时分析功能，实现了教与学的立体沟通与交流，使传统课堂发生了结构性变革。

4.课堂是翻转课堂进入2.0时代的最新成果

翻转课堂的基本要义是基于教学视频的应用将传统教学流程颠倒过来，从“先教后学”转变为“先学后教”。大数据时代强调数据分析和应用，基于大数据等信息技术的全面支持，从一般性观看视频转变为课前预习、测评分析及反馈，从“先学后教”转变为“以学定教”，从对课堂的控制转向基于数据的动态学习分析、即时反馈及据此实现的教学机智，已经从早期的“流程颠倒”的翻转课堂1.0转变为“结构性变革”的翻转课堂2.0，从而实现了大数据时代的“智慧课堂”。（传统课堂、翻转课堂与智慧课堂的关系见表1）

三、智慧课堂的信息化平台架构

智慧课堂常态化应用的前提是具有先进、方便、实用的工具手段。为此，需要构建基于学习动态数据分析和“云+端”应用的智慧课堂信息化平台。智慧课堂信息化平台应用功能的基本架构如图1所示：

在图1中，智慧课堂信息化平台的应用功能由从下至上的四个层次构成，主要包括：

（1）资源管理与服务层：主要是进行学习资源的管理和提供服务，包括课程标准、全科电子教材、各类题库系统、教学动态数据和教育管理信息。

（2）多元评价支持层：提供对学习和教学质量的形成性评价、总结性评价和诊断性评价服务，包括测试系统、GPA综合评价系统、教学质量评价系统和动态评价分析系统。

（3）端应用服务层：提供智能终端的学习、管理和应用功能，包括微课制作与应用、学习资源推送、端应用工具、第三方APP应用等。

（4）用户实现层：提供教师的“教”与学生的“学”的应用程序和方法，最终实现对课前、课中、课后的教学信息支持。

四、智慧课堂的教学结构模型

智慧课堂是基于动态学习数据分析实现的智能、高效的课堂，是利用现代信息技术对传统课堂不断改进的结果。大数据及学习分析等技术的应用，使得课堂教学结构发生了重要的变化，我们从与传统课堂教学结构的对比来分析智慧课堂的教学结构模型。

1.传统课堂的教学结构

传统课堂教学采用的是“5+4流程”结构，即包括教师“教”的5个环节和学生“学”的4个环节以及相互之间的联系方式，共同组成课前、课中、课后的完整课堂教学过程，构成了教学持续改进的过程循环。传统课堂的教学结构理论模型如图2所示：

课前环节

（1）教师备课：教师依据上一次课学生作业和教学经验进行备课。

（2）学生预习：学生对上一次课堂上布置的预习内容进行预习，但预习结果的反馈要到上课时间。

课中环节

（1）授课实施：教师依据备课方案进行讲授，学生跟随老师的思路进行听课。其间，老师根据学生的学习情况进行提问，部分学生代表回答问题，实现了部分互动。

（2）布置作业：教师布置课后的作业和预习任务。

课后环节

（1）完成作业：学生在课后完成作业，第二天或下一次上课时递交给老师。

（2）批改作业：老师在收到作业后完成作业批改，批改的情况往往难以及时反馈到下一节的备课中。

（3）评价反馈：老师将作业批改结果反馈给学生，通常需要两三天之后。

2.智慧课堂的教学结构

智慧课堂教学采用的是“8+8流程”结构，即包括教师“教”的8个环节和学生“学”的8个环节以及它们的互动关系，共同组成课前、课中、课后的完整课堂教学过程，构成了教学持续改进的过程循环。智慧课堂的教学结构理论模型如图3所示：

课前环节：

（1）学情分析：教师通过智慧教学平台提供的学生作业成绩分析，精确地掌握来自学生的第一手学情资料，确定本节课的教学目标；

（2）资源：根据教学目标和学情，教师向学生推送富媒体预习内容（微课、课件、图片、文本等），同时推送预习检测的内容；

（3）学生预习：学生预习教师推送的富媒体内容，并完成和提交预习题目，记录在预习过程中的问题；

（4）课前讨论：针对预习中的问题，学生在论坛或平台上进行相关讨论，提出疑问或见解；

（5）教学设计：教师根据学情分析结果，教学目标、教学内容，学生预习检测统计分析和讨论的情况，修改教学设计方案。

课中环节

（1）课题导入：教师采取多种方法导入新课内容，主要通过预习反馈（对学生提交的预习检测统计分析）、测评练习和创设情景等方式导入新课程，提示或精讲预习中存在的问题；

（2）展现与分享：学生展现课前自学成果，围绕新课导入进行演讲展示、分享观点，并重点听取在预习中理解不透的知识，积极参与课堂教学；

（3）新任务下达：教师下达新的学习探究任务和成果要求，并下达任务完成后的随堂测验题目，推送到每个学生终端上；

（4）合作探究：学生开展协作学习，主要包括分组合作探究、游戏教学等方式，教师设计活动，为学生分组，进行互动讨论，学生开展小组协作后提交成果并展示；

（5）实时测评和反馈：学生课上完成课程导入和新任务后，进行诊断服务，完成随堂测验练习并及时提交，得到实时反馈；

（6）精讲与点评：基于数据分析，教师根据测评反馈结果对知识点难点进行精讲，对薄弱环节补充讲解，重点进行问题辨析，通过多样化的互动交流解决学生在新任务中遇到的问题；

（7）巩固提升：学生针对教师布置的弹性分层作业和任务，对所学习的新内容进行运用巩固，拓展提升。

课后环节

（1）个性化推送：教师依据学生课堂学习情况，针对每个学生个性化的课后作业，推送学习资源；

（2）完成作业：学生完成课后作业并及时提交给老师，得到客观题即时反馈；

（3）批改作业：教师批改主观题，并录制讲解微课，推送给学生；

（4）总结反思：学生在线观看教师所录解题微课，总结所学内容，在平台或论坛上感想与疑问，与老师、同学在线讨论交流，进行反思。

五、智慧课堂的主要应用价值

基于动态学习数据分析的智慧课堂，对传统教学产生了革命性的影响，在教学实践中具有重要的特色和应用价值，主要体现在以下几个方面：

1.有利于构建建构主义理想学习环境

建构主义学习理论是现代教育技术领域的核心理论，为智慧课堂的构建奠定了坚实的理论基础。建构主义认为，知识是学习者在一定情境下借助他人（包括教师和学习伙伴）的帮助，通过意义建构的方式获得。理想的学习环境包括情境、协作、会话和意义建构四大要素。智慧课堂依据建构主义理论设计课堂教学模式，能够非常好地满足建构主义学习理论对学习环境所提出的较高要求。智慧课堂按照知识建构螺旋上升的特点，围绕课前、课中、课后的教学闭环，利用多种新媒体、新技术和智能设备，基于动态学习数据分析和“云+端”的运用，能够创造和展示各种趋于现实的学习情境，增进师生间、生生间的立体化沟通交流，有利于开展协作、探究学习，实现学习者知识意义的建构。

2.促进课堂形态的重大变革

智慧课堂教学中现代信息技术手段的深度应用，使课堂形态发生了重大变革。新技术、新媒体和智能终端为学习者提供了丰富的认知工具与支撑环境，为师生建立了更为开放的教室和课堂活动。例如，云端智慧教室无传统的讲台与黑板，课桌以分组讨论方式摆放，在教学过程中采取多元的交互协作方式，教师面向学生教学并直接融入小组讨论；教师可以通过手中的任意移动终端设备（手机、PAD）实现书写并向教室内大屏幕投射，教师常用的PPT不仅仅可以一帧一帧展示用，而且可以进行任意的手写、标注、推演等，传统的课堂已经变成了数字化的“体验馆”、“实验场”。

3.创新课堂教学结构和模式

大数据背景下的智慧课堂教学，在教学观念、教学内容、教学方式和教学流程上都发生了重大变化，课堂教学模式得到了“颠覆”。从以教师为中心强调知识传授的传统教学转变为以学生为中心强调能力培养；从传统多媒体教学的“望屏解读”向师生共同使用技术转变，师生、生生之间的沟通交流更加立体化，无障碍地进行即时交流互动；学习资源实现富媒体化、智能化、碎片化，按需推送、实时同步。课堂结构发生了变革，教学进程从“先教后学”到“先学后教”、“以学定教”，学习与智能测评在前，教师依据课前测评分析，有的放矢，分层教学，通过微课吧、分组讨论、精讲点评、分层练习等方式组织更加个性化的课堂教学，课后教师能够给每个学生个性化的作业，真正实现了个性化教学和因材施教。

4.构建全过程学习评价体系

基于动态学习数据分析的智慧课堂，其核心是对学生的学习全过程进行动态、实时的诊断评价和反馈。利用大数据学习分析技术提供测评练习，教师能够快速地对学生的学习全过程做出诊断评价。例如，通过智能评测系统实现数字化作业或预习预设的问题评测，收集、判断学生已掌握的知识和技术，自动数据分析与反馈，为教师的备课提供了及时、准确、立体的信息，据此实现有的放矢的备课，选择适应的教学策略。通过随堂练习及评测系统，进行实时测评、统计，快速分析与反馈学生的课堂学习效果，及时调整课堂教学进度与内容，体现了教师的教学机智，展示了教学艺术。基于数据的分析成为引导学生学习的依据，通过课后作业数据分析和反思评价，对学生进行个性化的辅导和实现教学的持续改进。

5.实现智慧课堂的常态化应用

智慧课堂取得实际成效的前提是常态化应用，常态化应用的前提是具有先进、方便、实用的工具手段。通过开发应用智慧课堂信息化平台，提供“微课”制作与推送功能、动态学习评价与数据分析功能、灵活方便的智能终端应用功能等，实现常态化教与学的应用。例如，“微课制作与应用平台”相对于传统的教学视频制作和应用工具来说，更加简单、方便、实用，使得智慧课堂的实现，不再只是表演阶段，因为技术足够的简单与方便，教师能快速融入到日常教学之中；随堂录制的微课，因为其足够的“小”、足够的方便，让微课的制作与应用实现了常态化。师生“端应用工具”是具有即时通讯功能的教学工具，支持包括苹果、安卓、windows在内的多应用平台，可以实现师生在课堂教学中的立体沟通，同时师生间可以实现课前、课后的随时随地问答、讨论与教学交流，保证了基于“端”的教与学应用常态化。

参考文献：

[1]王盛之，毛沛勇.基于数字化教学案的智慧课堂互动教学系统实践研究[J].教学月刊（教学管理）中学版，2014（4）.

课堂大数据分析第3篇

关键词：数据挖掘技术；交互课堂；特点

课堂教学是一个具有一定周期性的过程，作为授业者的教师，通过不断的教学实践，对教学设计不断地进行优化、更新、管理及评价的过程。本文探讨通过数据挖掘技术建立一个可以对课堂交互中的信息进行有效整理、合理分析的信息处理模型，从而有效促进教学设计的不断更新。

一、课堂互动中信息的特点

在课堂教学中的信息交互是通过师生人际交流、教学过程等实现的，这决定了这些信息具有以下基本特点：

1.信息采集工作量大

在课堂互动中由于交流过程中所表达的信息类型较多，包括教师的讲授、提问、指示等方面的信息、教师接受学生的意见信息、教师给予学生的鼓励表扬、对学生的建议批评、学生答问信息、学生之间的讨论、思考问题等信息，还有一些是课堂上与正常教学行为不相关的其他信息、课堂外有学生的作业、教师的批改以及自身学习与发展方面信息等。对这些信息数据的采集、处理工作量比较大。

2.可量化性低

课堂内外互动中的信息绝大多数是由言语、肢体语言来交互的，其中一些类似如学生对教学内容与方式的反应、学习中的兴趣爱好、教师与学生互动中交流信息等不容易进行定性量化，导致处理起来比较困难。

3.信息的包容性大

在教学互动过程中的各类信息，如教师的教学方式、教学风格、教学内容的组织、师生的个人思维动态等都包含了各种各类的信息综合体，非常难以从这些信息的表面就判断信息的类属。同时这些信息有些还属于生物信息范畴，难以分析。

4.信息的不确定性

在课堂互动教学过程中对学生当前学习状态、知识的掌握程度的判断是基于教师的个人理解，具有不确定性，是具有一定的误差的。而在教学过程中对提问中学生的反应，判定学生的回答正确与否，都具有教师的主观性。

正是由于课堂互动中的信息具有以上特征，从而使得数据信息采集工作量大，定性量化比较困难。所以很久以来从事教育信息整合的研究者常喜欢于用质的定性研究来评价，随着当前数据处理科学的进步，如何更客观地对课堂中的交互信息进行定性、量化、处理变得尤为重要。通过对潜在信息数据中有价值的内容的提炼、整合、处理，可以及时从里面发现有用的数据信息，从大量互动数据中找到教育规律，用以教师对教学的改进。归根结底，我们对课堂互动中信息的数据挖掘，是为了处理过后的信息反馈与我们的教学，从而更加有效地改进我们教学系统的设计、评价等系统。

二、数据挖掘及其技术

数据挖掘（DataMining）是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程，其目标是支持利用数据进行合理的决策。

根据信息存储格式的不同，用于挖掘的对象有关系数据库、面向对象数据库、数据仓库、文本数据源、多媒体数据库、空间数据库、时态数据库、异质数据库以及Internet等。其任务主要是关联分析、聚类分析、分类、预测、时序模式分析等。

数据挖掘的流程包括以下过程，这些过程不是一次完成的，其中某些步骤或者全过程可能要反复进行：（1）问题的定义；（2）数据准备；（3）数据挖掘；（4）结果分析；（5）知识表示。

三、交互课堂中数据挖掘技术的应用

在交互课堂的设计中我们可以根据课堂互动信息的相关特点，通过整合数据挖掘应用的数据处理优势，从包含海量信息的师生行动和语言互动中发掘并定性出有用的信息。然后通过对这些信息的统计等处理，让隐藏在自然语言下的信息变成电子信息数据，通过教师对数据挖掘规则的参与，有效利用这些信息，从而产生可以指导我们教学实践的数据挖掘结果。下面我们深入探讨一下课堂交互中的数据挖掘应用。

1.课堂互动中数据挖掘的主要任务

利用数据挖掘技术可从以下三个方面对零碎的、不容易识别的课堂互动信息进行挖掘。

（1）对教师教学信息的挖掘。①对教师教学风格、特点的信息挖掘：包括对教师语言特点、提问的比率、提问的开放性程度、与学生的互动能力等主观性因素进行量化，可视化。②对教学信息中可重复部分的挖掘：利用分类、统计、甄别等工具把一些共性的信息提炼出来，拆分教学内容，概括出课堂交互中所传递信息的共性点，分析交互的信息量，进行定性。还可以根据特定的课程进行分析。③教学设计、教学科目设置结构等信息：通过对不同的科目的教学设计的分析，可以了解科目类别之间的关系。通过数据挖掘后直观地分析表和图，系统可为教师提供教学设计对比，促进教学过程的改进。④教师对新技术应用的发现：随着社会的发展和进步，各种各样的信息技术手段在课堂交互中被利用，这些手段为改进课堂互动的效率提供了有效的环境。利用数据挖掘技术，对教师对新技术手段的应用效果及比例进行观察，对新技术手段对课堂交互的促进效果进行评估。⑤师生交互的模式：师生交互的模式有多种多样，数据挖掘利用课程、科目、交互的模式、交互的效果等等进行分析，找出各种因素之间的关联，为教师提供基于实际应用的合理模式推荐。⑥课堂互动过程变动信息：利用定性量化的课堂交互数据，通过数据挖掘得出所需评估科目在交互过程中的变化，以提高教师对交互课堂的教学进程的把握程度。

（2）学生相关信息的挖掘。可以从以下几个方面对学生的课堂反应和表现进行数据挖掘：①课堂参与的投入程度：首先观察学生的参与比例，其次定性参与学生的投入程度。可以对不同的参与程度定性为全部、大多数、少数等，对参与投入的定性可以为：积极、一般。②交互的状态：首先看交互中是不是有多方参与的信息互动，其次看互动中交互是否友善、是否合作良好。③思维反馈的状态：通过学生的反馈及主动性的互动，来看课堂交互的思维反馈状态是否良好。④情绪表现：首先看学生互动中是否有情感上的投入，比如紧张与愉快；其次看学生是否能根据课堂交互的进行及时转变状态，比如前一段谈论气氛热烈，转入后一段的静静聆听。⑤课程状态：首先看学生能否在课程进行中，感到有收获感；其次看学生对后续的课程交互是否抱有期待。

日常的教学实践证明，课堂交互中的学生投入与否，对交互的教学效果有着决定性的影响。假设学生的课堂交互状态不够，那么要找原因的话，就要从教师的教学设计或课堂气氛营造上来找。我们利用学生信息的数据挖掘技术，分析学生在交互的过程中的状态，形成直观的信息材料，为教师课堂教学的组织的改进提供支撑，同时也可以为教师教学效果评价提供依据。

（3）教师、学生课堂交互信息的挖掘。“师生交互”是教学设计实施中的关键环节，交互意味着师生有语言上的交流及行为上的互动。在课堂教学交互过程中一般互动是在授课者与听课者、课程设计与教学实际之间进行的。师生间的交互信息主要表现在师生的互动交流、教师为学生直接提供的课程内容、课程内容的问答和学生错误的反馈等。通过使用数据挖掘技术，深入挖掘教学中的交互信息，让老师改进自己的教学设计及课堂行为，提高实际教学效果，实现师生之间进行有效的互动。

2.挖掘课堂中互动信息的流程

建立课堂互动信息处理的数据挖掘系统现场记录或通过WEB在线应用收集交互信息信息的标准化和信息化处理课堂互动信息分类编码数据信息进行转换、处理数据挖掘挖掘结果分析反馈教学过程。

3.课堂互动信息数据挖掘方法

在数据挖掘方法的选择上，我们主要采用数据挖掘中应用广泛的统计学、关联分析等方法，同时通过数据库软件的数据技术对信息进行处理。在挖掘课堂互动信息的时候，我们需要对时序数据库和序列数据库进行数据挖掘，时序数据库中的数据是一些反映随时间变化的序列值或事件组成的数据库，这些值是等时间间隔采集的数据。利用统计类挖掘工具和数据库技术可以在时序数据和序列数据的挖掘中实现对课堂教育信息的趋势分析、相似性搜索、与时间有关数据的序列模式挖掘和周期性模式的挖掘。

4.基于课堂交互的数据挖掘系统设计

根据数据挖掘模型及课堂互动信息的特点，基于课堂交互的数据挖掘系统可由如下四个部分组成。

（1）数据采集模块：模块采集的信息主要包括课堂教学中教师、学生的各种行为、语言，师生间互动等信息。

（2）数据处理模块：解决语义模糊性，数据库按照元数据标准对数据进行清理、集成和变换，检查数据的完整性和一致性。

（3）数据分析模块：通过分析经过转换的数据，根据数据挖掘的基本策略，对数据进行分析处理，得出结果并输出。如，利用统计类数据挖掘工具对反映一般变化方向的教学趋势变化进行分析，采用加权平均或最小乘2法对时序图上的数据进行处理，以确定数据变化趋势，为后续的教学决策与评价提供依据。

（4）数据评价模块：对提取的信息进行分析，将结果与课堂教学的教育理论，学习理论相结合，根据起始目标的量规对课堂教学效果进行评价、反思教学。将有价值的信息区分出来，通过决策支持工具提交决策者。根据每个处理模块的结果可以决定是否重新进行某些处理过程，在处理的任意阶段可以返回以前阶段进行再处理。在数据挖掘技术实际运用过程中，教师可以根据自身对信息需求的不同，通过对数据挖掘的一些语义规则的选择和自定义得到不同的个性化结果。

课堂大数据分析第4篇

关键词：智慧课堂；教学模式分析；高效课堂

中图分类号：TP393 文献标志码：A 文章编号：1673-8454（2017）12-0078-04

教育信息化作为我国信息化建设的重要组成部分和战略重点，是十报告中“深化教育领域综合改革”发展中不可或缺的支撑和推动力。随着教育信息化发展的不断深入，课堂教学作为教育教学的主战场，其信息化工作成为了当前一个阶段教育信息化工作的重点与焦点。以信息技术与教育教学深度融合为代表的智慧课堂在打破传统课堂教学模式、丰富课堂教学手段、增进教学互动性等方面发挥着重要作用，但智慧课堂在实际教学应用中仍然存在问题。本文基于上述背景及合肥市部分高中的应用实践，对智慧课堂的概念及模式进行分析，探究利用智慧课堂实现高效课堂的方法。

一、智慧课堂的概念及特征

随着教育信息化技术的深入发展，智慧课堂被越来越多的关注，有关智慧课堂的研究也层出不穷，吴晓静和傅岩指出智慧课堂教学的基本理念是追求学生的智慧发展、师生情智交流和学生智慧发展过程[1]。唐烨伟在《信息技术环境下智慧课堂构建方法及案例研究》一文中论述了智慧课堂应用的四个层次，提出先思想后应用工具的智慧课堂应用模式[2]。卞金金和徐福荫分析了智慧课堂的学习模式，认为有助于学生优化学习过程，提升学习兴趣[3]。张丽娟和郑晓丹采用实证研究方法，在学习者主动、引导者指导的模式下，验证在学生高阶思维发展教学过程的各个环节智慧课堂的价值和意义，表明智慧课堂对于推进学生高阶思维发展具有积极影响[4]。孙曙辉和刘邦奇认为智慧课堂是以建构主义学习理论为依据，利用大数据、云计算、物联网等新一代信息技术打造的智能、高效的课堂，其目的是基于动态学习数据分析和“云网端”的运用，实现教学决策数据化、评价反馈即时化、交流互动立体化、资源推送智能化，全面变革课堂教学的形式和内容，构建大数据时代的信息化课堂教学模式[5]。基于以上研究，结合合肥市高中智慧课堂的应用实例，笔者认为智慧课堂是在大数据、云计算等信息技术支撑下，通过引入新型的教学方法和理念，将技术融入到日常的课堂教学中，变革创新教育教学模式，构建针对性、互动性和智慧化的高效课堂，进而提升课堂教学效率，实现教学方式的创新。结合上述定义，本文认为智慧课堂特征主要表现在以下几点：

1.教学针对化

智慧课堂教学与传统课堂教学最大的区别在于核心理念，传统课堂教学实现的是大班制、统一化教学，而智慧课堂旨在实现个性化、针对性教学。在具体的技术实现中，智慧课堂教学模式通过课前的资源推送和测评分析、课中互动的及时评价和立体反馈，以及课后作业的个性化推送，有针对性地进行教学设计和专题辅导，真正实现因材施教。

2.课堂互动化

传统课堂教学活动的互动交流依赖于教师的课堂提问，学生代表回答，具有极大的局限性。一方面由于“互动”由教师单方面发起，缺乏双向性，另一方面，“被互动”到的学生较少，缺乏全面性。基于智慧课堂的核心理念，为实现智慧课堂教学针对性，借助教育信息化的快速发展，移动教学、学习终端不断智能化提升，为课堂教学活动的互动性提供工具支持，实现师生、生生之间的立体化交流。

3.反馈数据化

智慧课堂实现针对性教学的核心优势来自于对教师教学行为、学生学习行为的大数据挖掘与分析。传统课堂教学活动缺乏理念与技术对行为数据进行采集分析，疏于过程性评价，仅限于对学业成绩的总结性评价。大数据技术的空前发展对于教育教学形成有力支撑。在智慧课堂中，通过课堂教学模式的设计、设备的采用，借助大数据分析技术，伴随式采集师生教学、学习行为数据，最终形成有效的、高价值的教学、学习评价。

二、智慧课堂模式构建

针对当前国内智慧课堂发展和研究现状，为了更好应用智慧课堂提升我市教师的信息化素养和运用信息技术进行创新教学的能力，我市面向全市12所市属高中进行了智慧课堂的全面建设，并于2016年9月全面投入使用。结合合肥市市属高中智慧课堂实践模式，对智慧课堂展开深入分析，从智慧课堂的教学模式、架构设计两个层面进一步剖析智慧课堂。

1.智慧课堂教学模式构建

课堂大数据分析第5篇

【关键词】高中数学教师；课堂评价素养；课堂评价

一、研究方法

本研究采取课堂实录法，以评价理论为基础，对高中数学教师的课堂教学行为进行评价，结合《数学教师课堂评价行为观察表》（此表将教师的课堂评价行为分别从评价主体，评价内容，评价方式，评价类型四个维度进行统计）对当前高中数学教师的评价素养进行了研究.

二、研究过程

研究从芜湖市的四所学校选取了四位资深的数学教师，教学基本功都相当扎实，在此分别称为Y1，Y2，Y3，Y4，重点听取了他们的四节公开课.我们在研究的时候为了还原课堂，在听课时，我们用录音笔记录下了整堂课，课后对原始材料进行了整理和分析，再用数据统计软件进行了统计分析.

三、数据的整理和分析

结合课堂的初始资料，利用SPSS对数据进行了统计分析，通过横向和纵向的比较，以进一步说明当前数学教师的课堂评价素养现状.由于篇幅限制，在结果分析中对原始数据呈现的图表略去.

四、研究结果分析

1.评价主体形式化：教师评价为重心

评价主体主要分为学生自评，学生互评，教师评价，师生互评四个部分，对数据进行了整理和分析：从分析结果可以清晰的看出，四位数学教师在课堂教学评价中，教师评价占据很大的比重，其次是学生自评，学生互评，最后是师生互评.

通过数据分析可知当前数学教师的课堂评价素养仍然是以教师评价为主体，但值得肯定的是学生自评和学生互评也占有一定的比重，在师生互评环节相对较薄弱.这表明新课程理念下的“以教师为主导，学生为主体”得到一定程度的推广，但仔细分析课堂原始数据，会发现教师“一言堂”的现象较为严重，学生互评，师生互评形式化倾向严重.

2.评价内容功利化：侧重知识技能

评价内容主要分为三个部分：首先是知识与技能，过程与方法，情感态度价值观.通过数据分析得：数学教师在评价内容的选取上主要选取三维目标中的“知识与技能”，其次是过程与方法，最后是情感态度价值观.值得肯定的是当前数学教师在教学过程中关注学生的“情感态度”，注重学生正确数学观和人生观的建构.比如，Y2教师在讲高一“对数与对数运算（第一课时）”时，引入对数概念之后，介绍了对数的发明史，以及数学家纳皮尔和布里格斯等人的感人故事，让学生感受到数学家们之间的真挚感情.Y4教师在讲解高一“指数与指数的性质”时，也向学生介绍了“指数爆炸”和“百万富翁破产”的具体生活实例，引导学生感受数学的用处以及数学的严谨性.相对欠缺的是在“过程与方法”部分，可能是由于课堂时间限制，给学生探索提出问题和总结思想方法的时间相对较少，学生少了探索，也就少了创新.

3.评价方式单一化：口头评价为主

评价方式主要分为五种：口头，手势，体势，声调，书面.对数据的整理分析得到：评价方式主要以口头评价为主.其次就是声调，手势，最后是书面和体势.数学教师在评价方式上相对单一，口头评价占据了大部分的比重，其他对学生评价大部分就是学生到黑板上做题，然后对其进行评价.利用“声调”进行评价的频率相对“手势”“体势”较高.而利用声调进行评价几乎是教师的无意识行为.例如Y4教师在讲“指数函数的性质”时，在课堂引入部分，提供了一个情境：一张A4大小的纸最多可折几次？正确答案应该是7次，当学生回答8次时，Y4教师的声调明显提高说：“你能折出8次？”（声调逐渐上升）随即向学生解释最多折七次.

4.评价类型效率化：“无评价”过多

评价类型主要分为三类：判断型评价，解释型评价和无评价.（这里的判断型评价时指数学教师对于学生的回答仅仅是判断对错；解释型评价是教师不仅判断对错，还对问题进行一定程度的剖析，对数学思想方法和解题策略进行归纳；无评价主要指以下四种情况：重复学生的话语过程；引导学生自我修正；教师打断，让其他学生代答，教师打断修正.），数据分析得到：数学教师在评价是以判断型为主，其次是解释型，一般教师是在判断的基础上，结合学生具体的需求进行解释.但是有一个普遍的现象，数学教师在学生回答问题之后“无评价”的比例过高，占19%，这可能是受数学理性思维的影响.对学生的回答“无判断”在一定程度上会挫败学生的学习积极性，应尽量避免.比如，教师Y3在讲“对数的运算”时，引导学生推导对数运算法则，让学生思考一段时间后，问学生S1对“logaM+logaN=logaM・N”推导的思路，生S1只回答了如下过程后就开始犹豫：

设logaM=x，logaN=y.ax=M，ay=N.

课堂大数据分析第6篇

【关键词】COP数据；课堂观察；教学改进

中图分类号：G622.0 文献标识码：A 文章编号：1671-0568（2016）31-0082-04

一、背景

教师在线学习社区COP（The Teacher’s Online Communities Of Practice，简称TOCOP或COP）是由教师、专家学者所组成的一种正式学习与非正式学习相混合的系统，是一种学习型组织。COP通过聚焦教师的专业学习与反思性对话，分享教师的教学改进形式，是一种聚焦教师知识的新的知识管理与知识创生的新途径。COP利用大数据时代信息技术，借助S-T分析方法和记号体系分析方法，通过数据量化的方式区分教学模式、有效性提问、教师理答方式、4MAT 和对话深度分析，最后形成一份基于上述数据证据链的综合评价和建议报告。

在过去的一年当中，笔者有幸参加了浙江省优课案例视频诊断（嘉兴项目）活动。项目先由教师自己根据对教材的理解、学情的把握设计教案并实践，后由首都师范大学COP项目团队借助信息技术进行大数据分析和定性量化，形成数据诊断报告。接着由教研员和学校名师根据诊断报告，对课堂进行针对性指导，教师再进行同一内容的同课异构，COP项目组再对第二堂课进行数据分析并形成报告。从两份报告中，借助信息技术，教师可以了解自己进步的地方以及进步的程度，同时找到两节课的通病和问题。在这一过程中，教师的专业学习得到改进。大数据能够很好利用信息技术支持教师的教学，大数据与教师教育的深度融合，对课堂正产生着巨大的影响。

二、课堂观察现状

自从有了课堂教学以来， 观察课堂的行为就一直存在。课堂是教育行为最常发生的地方，有效的课堂观察能为教育研究提供真实的第一手资料并成为其有效的起点。但是，现阶段的课堂观察存在诸多问题：

1. 望闻问切，有偏差

现在的课堂观察主要是基于名优教师的评课指导。该课堂观察犹如老中医看病，由经验丰富的名优教师通过课堂的“望闻问切”进行指导，授课教师进行改进。但这样子的“把脉”指导，因为教师个体的差异、课堂环境、学生差异以及名优教师自身对于教学的不同理解，课堂观察和指导存在很大主观性，并且无法一一找出每一环节的症状和病因，可能会使课堂改进成效不显著，存在效率较低等问题。

2. 关注内容胜于专业基本素养

教师在进行课堂观察和教学改进时，往往聚焦于这节课的内容，很少关注课堂上师生的对话深度、问题的有效性、问题的思维结构以及教师提问方式和应答等，课堂中往往是事实性知识获取占绝大多数，而偏少创造性思维。

总之，现行的课堂观察和教学改进缺少定性和定量分析，且受人为主观因素影响较大。我们可以尝试利用名优教师指导和数据化分析相结合的方式，使教师更清晰明了教学中的得与失，以便取得更有针对性的教学改进。

三、大数据分析与改进

在第一次独立设计和教学中，笔者只教学《植树问题》 中的例1：两端都种。例题：在全长100米的马路一边植树，每隔5米栽一棵（两端都种），一共要种多少棵树？意在：①体现化繁为简和数形结合思想；②突出线段教学，借助图形理解两端种植树问题中间隔数与棵数的关系，并能运用规律计算解决相应问题。

1. 发现和分析问题

（1）教师主导，学生参与度一般。本节课属于混合型教学模式，教师行为占有率0.47，学生行为占有率0.53（低于常模数据0.57），反映出课堂中教师主导作用比较明显，学生参与度低。笔者在教学中对于教学内容和学情解读不深，应该让学生发挥学生说的时候时常自己代替说，学生发言和表现机会较少。一节具有一定思维挑战性的课，变成了教师主导下的填鸭式教学。

（2）师生对话层次浅。对话深度分析是对课堂中师生对话的深度进行记录与分析的一种聚焦式课堂观察方法，主要体现教师的情境知识和策略性知识。第一次教学，对话深度主要是深度一，比例为76.19%，高于常模（69.76%），没有深度四及以上的对话。深度级数越高，需要教师针对同一个问题，并结合学生回答步步追问。笔者设计的问题难度适当，但无法根据学生的回答有针对性地进一步加深对话和讨论，教师反馈能力较薄弱，无法利用追问加深学生对数学知识的认识和理解。

（3）教师回应不及时，无回应相对偏多。第一次教学中，笔者在回应态度方面，肯定回答居多，占到70.37%，高于常模数据的63.88%，重复学生回答占比18.52%，无回应占比7.41%，高于常模数据的5.89%，说明教学中笔者对学生关注度不够，执意按照预设的教案去教学，降低了学生学习的自信心和课堂上的积极性。

课堂大数据分析第7篇

关键词：课堂互动教学；教学系统；课堂点名；课堂应答；教学评价

【中图分类号】G40-057【文献标识码】A【论文编号】1009-8097（2015）05-0115-06【DOI】10.3969/j.issn.1009-8097.2015.05.018

引言

课堂是开展教学活动的主要场所，课堂教学质量对高校实现培养人才的目标有重要的影响。分析当前课堂教学现状后，发现还存在如下问题：①大课教学中维护课堂纪律比较困难，主要涉及学生的出勤率。教师点名占据较长的时间，减少了有效课堂教学时间。②参与课堂互动的学生数偏少。有限的课堂教学时间内，教师不能关注到每个学生，不利于改进课堂教学效果。③课堂教学使用PPT课件后，某种程度上削弱了课堂教学的演化过程。很多情况下需要借助黑板演示推导过程，但是这些过程不能保存下来。

针对课堂教学中存在的问题，一些研究者设计出了一些课堂点名系统和应答系统。本文作者利用能够收发短信的Android平板电脑设计了一个课堂互动系统，集成了课堂点名和应答功能。通过实践发现，仅使用短信技术实现课堂点名与应答，吞吐量小、效率低、准确率不高。

为了解决这些问题，作者继续深入研究，设计了一套集成课堂互动教学系统。集成了手机短信、微信、手机浏览器等访问方式；集成课堂点名、课堂应答、授课实时反馈、课堂教学展示、综合统计分析、教学评价等功能模块为一体；从出勤率、课堂应答效果、授课实时反馈等多个维度评价课堂教学效果。

一 业务分析与功能设计

1 业务分析

集成课堂互动教学系统主要设计目标是优化课堂互动教学手段，实现课堂互动教学过程记录、课堂教学评价，提高学生的课堂参与度和学习积极性，最终提高课堂教学质量。

对课堂互动教学系统的需求进行分析，主要包含：

（1）能够适应不同的教学网络环境，提供短信、微信、手机浏览器等访问方式。

（2）能够实时准确的收集学生出勤数据，实现快速、准确的出勤考核。

（3）提供课堂应答功能，准确收集学生对教师提问的反馈信息。

（4）进行课堂教学评价，便于教师掌握学生学习动态，优化教学内容，革新教学方法。

（5）利用平板电脑便携、书写方便等特点，提供课堂教学板书新途径，记录课堂教学过程。

2 系统功能设计

（1）课堂点名子系统

实现学生的点名签到管理。点名时，首先由教师把系统设置为课堂点名模式。根据当前时间生成一个两位随机数展示给学生，学生把两位随机数和自己的手机号（或者学号）进行简单的加法运算，产生的结果作为令牌发送到系统。系统通过三码验证确定学生是否签到成功，即发送短信的手机号、令牌、系统中登记的学生手机号。如果学生使用大屏智能手机，可以用微信代替短信。如果使用手机浏览器访问系统，进入点名签到Web界面，输入运算后的令牌，提交就可以了。另外，可设置课堂点名时限，一般为2-3分钟，学生必须在规定时间内提交信息；否则，视为迟到或者缺勤。

从数据接收速度和吞吐量两个指标衡量，手机浏览器访问Web界面性能最好，其次是微信、短信。大部分学生使用手机浏览器、微信等方式，速度快、又节省费用；少部分学生使用短信。

（2）课堂应答子系统

该子系统主要实现师生课堂即兴问答互动、课堂在线测试，准确收集学生对教师提问的反馈信息等功能。在应答模式下划分多个问题模式：

模式1：教师即兴提问模式。在此模式下，由教师提出问题，学生把答案发送给系统，系统自动判断是否正确。支持单选题、多选题、填空题和程序阅读题。

模式2：微试卷模式。此模式下，由教师组织多道题目形成一个微试卷，在课堂上进行测试。

模式3：开放问题模式。该模式用于没有固定答案的开放提问，将学生的回答进行分类汇总。

模式4：学生提问模式。此模式下，学生可以把问题发送给教师，由教师一一回答。

上述各种模式，都可以使用“课堂教学展示”子系统把师生交互结果显示在大屏幕上。教师可以对学生进行分组，问题模式以分组方式工作，学生以组为单位回答问题。

（3）授课实时反馈子系统

授课实时反馈模式下，教师与学生没有进行直接问答。讲课过程中，学生把听不懂的知识点、疑问等信息发给教师，教师讲课中止时，根据学生反馈的信息进行补充讲解。

（4）课堂教学展示子系统

在平板电脑上实现电子板书功能。平板电脑手写、批注方便，教师可以在平板电脑上进行书写代替黑板上的推导过程，这些过程记录可以作为图像保存下来，传输到教室PC并投影到大屏幕。教师可以在平板上播放PPT，传输到教室PC；也可以远程控制教室PC上的PPT播放。

（5）综合统计分析子系统

主要对前面四个子系统收集的数据和测试结果进行统计分析，为教学评价提供多个维度的指标；深入掌握学生的学习动态，做到个性化教学。①统计出勤率，掌握每个学生的到课情况。②统计学生的应答参与率、正确率、知识点掌握程度等，并进行趋势分析。③对实时反馈进行统计分析。

（6）教学评价子系统

利用统计分析结果数据，结合课堂教学评价体系和指标，一方面对学生的学习效果进行评价；另一方面对教师的教学效果进行评价。效果划分为1-10个等级。

（7）系统管理子系统

提供系统正常运行需要的数据维护和辅助功能。如课程管理、教学班管理、试题管理、学生基本信息维护等。

二 系统架构设计

1 物理架构设计

本系统的物理架构如图1所示，有两部分组成。一部分是学生端使用的手机；另一部分是教师端使用的平板电脑、Web服务器、教室PC和教室投影仪等。

2 软件架构设计

本系统通过三个独立执行、相互协作的子软件完成所有功能：Weblnteract、Padlnteract和ReceiverServer。Weblnteract软件运行在Web服务器上，为使用微信、手机浏览器访问系统的师生提供服务。Padlnteract运行在平板电脑上为使用短信的学生提供服务。ReceiverServer运行在教室PC上，接受Padlnteract发送来的图像数据并显示在投影仪大屏幕上。每个子软件由一些功能模块组成，软件架构与模块如图2所示。

Weblnteract子软件的结构划分为：接口层、业务层和数据访问层。接口层包括两个模块：微信收发模块负责把收到的微信传递给业务调度模块；Web接口模块提供师生访问系统所需的Web页面，把提交的数据传递给业务调度模块。业务层包括业务调度模块和具体的业务功能模块。业务调度模块负责根据当前工作模式，调度执行相应的业务模块。数据访问层为各业务模块提供读写数据库的功能。

Padlnteract子软件的结构、模块与Weblnteract类似。课堂教学展示模块的一个进程在后台执行，负责把平板电脑的当前屏幕发送到ReceiverServer软件；另一个进程前台执行，提供操作界面远程控制教室PC上的PPT播放。

ReceiverServer子软件作为一个服务进程运行在教室PC上。数据收发模块负责接收指令和图像数据；显示控制模块执行指令、把接受到的图像显示在屏幕上。

3 系统工作方式

（1）独立工作方式。

Weblnteract与Padlnteract子软件可以分别独立工作。Padlnteract独立工作时，只支持手机短问方式。适应场所比较广泛，适合小班教学、野外教学使用。

Weblnteract独立工作时，师生可以使用手机浏览器访问本系统的所有业务功能。交互界面友好、时延短、吞吐量大、支持用户多，适合大班教学。

（2）协同工作方式

Weblnteract子软件作为主体全功能运行，Padlnteract子软件主要完成收发短信的功能，传递给Weblnteract的Web接口模块。此工作方式集成了两种独立工作方式的优点，支持的并发用户数高、时延短，能够适应不同的网络环境。

三 软件实现

Weblnteract使用Java SE 7为运行平台，按照图2所示三层架构进行实现。接口层使用JSP、Servlet、HTML5和AJAX等技术。微信收发模块连接微信公众账号和本系统。业务调度模块使用Facade设计模式把所有具体业务模块封装成统一的接口，为接口层的Servlet服务。数据访问层使用DAO设计模式封装了所有对数据库的访问操作，供业务层调用。

Padlnteract软件使用Android 4.1作为基本运行平台，每个层次的功能与Weblnteract类似。短信收发模块直接使用Android SDK提供的API实现。协同工作时，把短信数据封装成JSON格式，传输到Weblnteract软件。

教学展示模块在后成屏幕截图，截图前先获取Root权限，然后从Android平台底层Linux内核的FrameBuffer读取数据，将FrameBuffer的内容写入到内存图片文件中。

ReceiverServer软件作为一个系统托盘程序执行，其绝大部分代码使用Java技术开发，少部分发送键盘、鼠标消息的代码调用User32.dll中封装的Windows API完成。

四 课堂应用与教学评价

本文设计的系统首先在“Java程序设计”课堂中进行了应用，约90人组成一个教学班。使用本系统后，学生对参与课堂互动表现出了极大的积极性。不仅可以回答教师提出的各种问题，而且能表达自己独特的见解和新颖的想法。

1 课堂应答流程示例

课堂应答业务流程包含学生、教师两种访问角色，划分为三种类型12个活动，如图3所示。设置时间限制后，如果时限内未主动提交，则由系统自动提交。对于符合问题模式1和2的微试卷，系统可以自动改卷。

统计分析环节从四个维度进行：

（1）试卷统计，统计每次应答参与人数、及格率、分数段分布。（2）试题统计，统计每个试题的正确与错误人数，计算试题难度，常见错误答案。（3）学生统计，按照时间顺序统计每次应答的参与度、分数、知识点的掌握情况。（4）知识点分析，根据每次应答结果，从全体学生角度，分析每个知识点的掌握情况c

2 教学评价

本系统以教学过程产生的具体数据为依据，对教师的授课效果、学生的听课效果进行及时评价，流程如图4所示。统计分析模块在原始数据的基础上产生评价指标；教学评价模块对评价指标进行分类，为每个指标赋予一定的权重，综合计算后产生评价结果。评价结果取值范围为1-10；10为最好，1为最差。

评价指标包含：学生出勤率、课堂应答参与度、分数等级、试题总分等级、学生按知识点分类分数、疑难反馈效果等。评价结果包含总体效果、知识点分类效果、效果时间变化趋势等。

五 总结

课堂大数据分析第8篇

关键词 课堂教学信息；录像；信息编码

中图分类号：G650 文献标识码：B 文章编号：1671-489X（2013）06-0090-03

1 研究背景

我国正在大力推进基础教育课程改革，面向信息化的教师专业发展成为教育发展的关键点。而课堂实践本身蕴涵着教师专业成长的丰富资源，通过对课堂教学的案例研习和反思，教师能够更加了解和反思自己的行为，提高专业技能。

本研究应用借鉴了由“国际教育成就评估协会”主持的TIMSS项目所采用的方法，利用录像带进行研究。与传统的课堂观察或者调查问卷相比，录像带观察具有不受人数、时间限制，多人、多角度重复观察，可复制性等特点，能为课堂的客观评价提供有力依据，运用数字化技术分析课堂教学过程，改变了以观察为主要手段而进行的实验研究。通过质与量的互补，帮助教师全面反思教学和客观评价，提高教师课堂教学的能力。

2 量化研究程序与分析说明

研究程序为：确定课堂信息处理的数据发生源选择样本课现场摄录录像带的数字化处理课堂教学信息编码统计分析。

本研究主要立足于对教师教学过程的分析，通过对教学过程的分解，明确构成教学的各种成分、要素、侧面，以对教学系统有一个明确的认识、理解和评价，包括教师在教学过程中与信息技术的整合程度、师生互动情况、学生主体性的是否得到发挥等方面。基于此，本研究随机选取一个应用多媒体计算机辅助教学的案例进行分析、评价，以此说明课堂教学的评价方法。

通过使用录像设备摄录教师整节课的教学现象，从时间与动作两个维度，对教师的教学做客观细致的分析与评价，即课堂教学的归类分析。目的在于建立相对稳定的课堂教学分析与评价体系，并力求使得这一体系具有较强的可操作性和较高的可信度，以弥补以往靠主观回忆的经验感觉型评价方式的不足，提高课堂教学分析与评价的客观准确性。

3 课堂信息数据编码及分析

在课堂教学行为的量化分析研究领域，比较成熟的是1970年美国学者弗兰德（Flanders）的互动分析系统FIAS。FIAS分析的要素是教学情境中师生双方的对话，利用一套编码系统把师生语言互动的情形记录下来，据此作具体的分析。

因此，FIAS包括3个部分：

1）一套描述课堂互动行为的编码系统；

2）关于观察和记录编码的标准；

3）一个用于显示数据，进行分析，实现研究目的的矩阵表格。

3.1 数据归类

根据弗兰德的互动分析系统FIAS的行为分类，结合教学的当前实际，增加能够反映学生行为的内容，以及能够反映技术与师生互动的内容。将沉寂进行进一步的分析，使其行为的反映更加合理。具体分类见表1。

根据此表，对教学过程中的行为记录按一定的时间间隔进行采样。选取一节40分钟的课，通过采样，得到教学过程的分类行为数据序列。此序列实际上是将教学过程以一定的编码方式转换成代码序列。这种编码方式是由分类表决定的。从此分类数据序列，可以看出整个行为的迁移过程、行为的分布和变化过程。

3.2 数据处理

对分类行为数据序列进行处理，迁移矩阵的纵向表示单元行为组中前面的数字（类别号），横向表示后面的数字（类别号）。矩阵中各个元素表示对应行为组出现的次数。通过行为组出现的次数统计，得出迁移矩阵。

通过迁移矩阵分析教学过程中两相邻项目间的迁移关系，得出本节课教师所呈现的教学设计的常规为：④③教师讲解后向学生提问；⑦④学生应答后教师总结；①⑦通过教师学生主动应答。

3.3 时序列分析

根据课堂教学行为迁移矩阵，利用统计工具，可以绘出教学过程的时序列图，如图1所示。这里只截取了教学过程开始部分的30个采样点。从图中可以分析教学过程中多个项目间的关系，即随时间的变化、教与学双方侧重点的转移。通过此图的分析，教学者可将其与事先的教学设计进行对比，进一步反思自己的教学过程。

从图中可以看出，教学过程的前7分钟，教师行为较多；随后的13分钟内，学生活动有所增加。这说明在教师的讲解引导后，学生主动参与了学习活动或问题的讨论。通过将教学过程截取为若干时间序列，可以在其基础上进一步考虑多个项目组成的序列间的相互关系。

3.4 交互分析

根据课堂教学行为迁移矩阵，利用统计分析软件SPSS统计出教师、学生在课堂各种行为的频度分布关系，见表2课堂交互行为比例统计表。

1）教师语言61%、学生语言30%，教师、学生语言比例适当，说明教师并没有成为课堂的主宰，造成“满堂灌”的现象，较好地反映了课堂中积极的学生行为。

2）教师通过指示期望学生回答与通过鼓励的方式促使学生回答的比例为14%，说明本节课的教师较好地运用了激励引导的策略，以一种不具威胁性的方式帮助学习者指向学习目标，使学生能够积极主动而非被动地思考和回答问题。

3）沉寂比例为6%，说明学生有部分沉寂思考和做练习的时间。由于采样频率的关系，没有出现课堂混乱情况。

4）学生讨论与应答比率为7.14%，比率较低，说明在学生回答问题过程中，经过讨论得出结论的较少，通常都是独立学习思考后的结果，学生的协作学习效果较差。这也是当前教育改革所强调的，要培养学习者的协作学习精神，从不同角度、不同侧面共同建构完善知识体系。

5）技术使用比例为3%，这是在FIAS中未体现的。随着科技的发展和教育的需求，各种信息技术手段不可避免地出现在课堂教学中，它们为优化课堂教学效果提供了保障。因此，技术的使用在研究中必不可少。

4 结论与反思

本研究主要运用归类分析对课堂教学过程进行分析、评价，为面向过程的教育评价提供思路和方法。但在实际实施中，还要注意三个方面。

1）与质性评价相结合。在量性评价的基础上组织教师、教研组、观察者进行讨论，把自评互评相结合，对讲课教师的教态、肢体语言、组织教学的能力等无法测量的信息进行评价、反思。

2）考虑研究的信度问题。在进行教学分析时，研究者要组成研究小组，小组成员在独立分析的基础上，要与同伴进行讨论，对研究过程和条件等进行清晰的界定。

3）采样间隔会对课堂教学分析有一定的影响，对于其具体采样时间间隔没有统一的规定，可以视具体教学案例的长度和师生行为持续的平均时间来定。在比较有影响的分类系统VICS和FIAC中，都推荐采样间隔为3秒。

参考文献

[1]顾小清，王炜.支持教师专业发展的课堂分析技术新探索[J].中国电化教育，2004（7）：18-21.

课堂大数据分析第9篇

关键词 FIAS 言语互动 化学课堂 课堂结构 课堂提问

课堂教学中，言语是媒介，教师和学生的言语互动是教学活动最主要的方式。从某种意义上说，评价一堂课的最佳方法就是對课堂内的师生语言行为进行互动分析，把握了课堂教学中师生语言行为也就把握了课堂教学的实质。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（Ned Flanders）通过现场研究（field study）的方法提出的一种结构性的、定量的课堂言语行为分析技术，至今仍是西方教育界分析评价课堂教学行为、进行教育研究的一种较为理想的工具。

本文以一节高中化学观摩课“生活中两种常见的有机物之一——乙酸”为课例，以FIAS为工具，通过观察记录、编码、统计分析等实证研究方法，力求相對客观地呈现具体的化学课堂情境中师生言语互动行为的类型、结构及特征，据此帮助教师通过對课堂教学的观察和深入分析，来反思和改进自身的教学行为。

1 研究方法

1.1FIAS编码系统及其改进

FIAS把课堂中师生言语互动的情况分为教师言语、学生言语和沉寂（无有效语言活动）3大类共10个类别，如表1所示：

表1中分类尽管能够大体体现课堂中师生的言语行为，但难以反映新课程理念下的化学课堂全貌，如学生的互相讨论、质疑，师生与实验媒体、信息媒体问的互动等，另外，课堂中出现的“沉寂”所表达的情形也是较复杂的，如可能会是学生练习、思考问题或无助于教学的混乱等，若把它们归为一类就会无法区分真实的情形。鉴于此，我们對弗兰德斯互动分析系统分类类别进行了改进，增加了能够反映学生行为的内容，以及能够反映媒体（实验、模型、多媒体等）与师生互动的内容（如表2所示），以使分类类别更符合化学课堂实际。

1.2化学课堂师生言语互动行为编码及统计

按照FIAS對观察和记录编码的规定，在课堂观察中，每3秒钟取样一次，對每个3秒钟的课堂语言活动都按编码系统规定的意义赋予一个编码号（如6代表教师讲授），作为观察记录。这样，一节化学课的编码数据在900个左右，它们表达着课堂上按时间顺序发生的一系列事件，每个事件占有一个小的时间片断，这些事件先后接续，连接成一个时间序列，表现出课堂教学的结构、行为模式和风格。例如，课堂师生语言行为代码为6、6、16、5、9、2、6、16、6、6，每一个代码分别与前一代码和后一代码结成一“序對”。除首尾2个代码各使用1次外，其余代码都使用2次，即有N个代码，就可以得到（N-1）个“序對”，上面代码的“序對”为（6，6）、（6，16）、（16，5）、（5，9）、（9，2）、（2，6）、（6，16）、（16，6）、（6，6）。18类课堂行为构成18×18矩阵，每一序對的前一个数字表示行数，后一个数字表示列数，例如（6，6）表示在第6行第6列的方格中计数。将全部序對进行计数，就形成表3所示的弗兰德斯迁移矩阵。

由于弗兰德斯迁移矩阵的行与列的意义由前述分类类别所规定，所以矩阵中的每个单元格数据就表示了连续的课堂行为出现的频次。依据矩阵中各种课堂行为频次之间的比例关系以及它们在矩阵中的分布可以對课堂教学情况作出有意义的分析。

2 化学课堂师生言语互动行为分析

2.1课堂情感气氛

表3矩阵中1～3行与1～3列相交的区域是积极整合格，如果在这个区域里记录次数密集，反映的是教师与学生之间情感气氛融洽，是一种积极整合的表现。矩阵中8～9行与7～8列相交的区域是缺陷格，如果在这个区域里记录次数密集，反映的是教师和学生之间情感交流上有隔阂，是课堂上应注意避免的缺陷。从表3可看出，落在积极整合格的记录次数占总次数的1.94%，缺陷格为0.34%，说明在整个课堂教学过程中，师生情感交流上并没有隔阂，但情感气氛上尚未达到非常融洽的程度。教师还未能有效利用言语行为构建一种和谐共振的师生互动的心理环境。

2.2课堂结构

改进后的弗兰德斯互动分析系统将课堂行为分为教师言语、学生言语、沉寂及媒体4大类。4类行为在课堂行为中所占比例，可以表现课堂的构成结构。还可依据指标变量作更进阶的分析，从而解释该教学行为背后所隐含的意义。由表3数据通过计算可得表4。

从表4的数据可以发现该样本中教师言语、学生言语、沉寂及媒体4大类行为比率约为52、25、2、19。美国教育学者贝莱克通过研究大量课堂教学师生言语行为互动，最后得出如下研究结果：“教师支配着班级的言语活动。根据录音带的记录，师生活动的比率大约为3：1。因此，暂且不论分析单位是什么，教师在言语活动中的数量，要远远比学生活跃”。那么，本研究所选取的课例中，教师言语行为与学生言语行为的比率约为2：1，低于贝莱克的研究结果，且教师言语比率小于常模，学生言语比率高于常模。这些都充分说明了执教教师在课堂上，充分尊重学生的言语权，有意识地将更多的言语机会留给了学生，学生的言语参与度较高。课堂沉寂比率为2，远低于常模，且从矩阵中的具体类别数据看，无助于课堂教学的混乱数据为0，沉寂的时间主要用于做练习及思考，所以整个课堂教学时间利用效率高。另外，媒体使用比率为19，而从矩阵数据看，绝大部分为学生在操纵媒体，学生言语中讨论的比率达到了32。这些数据都说明本课例中教师给予了学生较多的时间和机会互相讨论、设计实验、自主探究。

再做进一步的分析，教师言语中发问比率为22，略低于常模。值得注意的是其中开放题问题比率仅为1（远低于常模），而封闭性问题为99（高于常模）。国外有关研究指出，当课堂内容强调的行为复杂性层次较低时，封闭性问题与开放性问题的最佳比例是7：3；当课堂内容所强调的复杂性层次较高时，2者的最佳比例是6：4。本课例中，教师提问开放性问题近乎0，而封闭性问题很多，这样不能很好地鼓励学生进行分析一判断一综合等高层次的思维活动，不利于培养学生发现问题、分析问题和解决问题的能力。

教师言语——学生驱动比率反映了教师對学生的观念和感觉加以反应的倾向，数据愈高，表示教师愈能响应学生的观念和感觉，常模为42，本课例中为38，未达到常模，说明教师對学生的问题或主动言语未很好地做正向反馈，这样会让学生在回答问题或主动言语的过程中，不太敢完全地表达出自己的见解，从而影响学生学习的积极性。学生主动比率反映了学生言语中由学生主动引发所占之比例，数据愈高，表示学生愈勇于主动表达自己的见解；常模为34，而本课例中学生主动的比率仅为4，低于常模很多，说明学生在课堂教学过程中仍不习惯主动发言或大胆质疑，习惯于在教师的指示下进行活动，不擅于主动探究。

2.3教师风格

弗兰德斯互动分析把教师的语言分为直接和间接2类。直接和间接是就教师對教学的控制而言的。编码1～5所代表的教师言语行为是通过情感、交流、表扬、肯定和提问對学生产生的态度、情绪上的影响，其控制是间接的，此种教学风格能引起学生主动表达自己的想法（第10类行为）。编码6～8所代表的讲授、指令和批评则對学生具有更直接的控制作用，这种教学风格比较会限制学生表达自己的想法，导致只有教师问才有学生答（第9类行为）。学者邓金和比德（M.J.Dunkin，B.J.Biddle）综合了大量研究结果，得出以下结论：间接教学能促进学生的参与，引发学生较多的发言，激发学生的动机，鼓励学生的主动与创见，减少学生的焦虑，提高学生的学业成绩。盖奇（Nate Gage）也對弗兰德斯的研究进行了分析，他在《教学艺术的科学基础》一书中指出，直接教学和间接教学的效果与年级有关。在中学阶段，间接教学比直接教学更能促进学生学术能力的发展，本课例教师间接言语行为共141频次，直接言语行为320频次，2者比例为0.4：1，说明执教教师的间接言语行为明显少于直接言语行为。进一步分析各个编码在矩阵中出现的分布，表2中對角线上的各个单元格叫做稳态格，编码落在这些格里，表示某种行为出现的时间超过3秒钟，表明持续地做某事。从矩阵图中，我们可以看出，6-6这个稳态格有密集分布，数字“6”赋予的意义是“讲授”，表明教师持续讲授较长。由此可见该教师教学言语风格属于直接教学风格，不太利于学生高级思维能力的发展。

2.4提问的创新程度

依据弗兰德斯迁移矩阵，我们还可通过序對进一步探讨课堂情境中教师提问的创新程度。“问与答模式”显示由教师提问驱动学生回答的情况，可反映训练型提问的程度，“创造性询答模式”显示由教师通过接受或采纳学生意见、提出开放性问题诱导学生主动发言的情况，可反映创新型提问的程度。序對的含义以及在本课例中出现的频次统计见表5。

由表5数据可知，本课例中的“问与答模式”远远高于“创造性询答模式”，也就是尽管在本课例中学生的言语参与程度较高，但却主要表现为對教师提出的问题进行回答，如（5，9）序對、（9，9）序對出现的频次分别为30和87。而在创造性询答模式所出现的23频次中，主要表现教师连续接受或利用学生观点的言语行为，以及教师在学生回答完教师提问之后對学生的回答予以接受、澄清或深化，如序對（3，3）及（9，3）所示。而学生的主动提问、自由表达想法、发展自己的解释或理论、提出问题解决方法等却为0，如序對（4，4）、（3、10）、（4，10）、（9，10）、（5，3）所示。由此可见，本课例中，师生间的對话行为仍局限于传统的问与答模式，距离真正意义上的對话性沟通尚很远。钟启泉在《社会建构主义：在對话与合作中学习》中说：“對话性沟通超越了单纯意义的传递，具有重新建构意义、生成意义的功能。来自他人的信息为自己所吸收，自己的既有知识被他人的视点唤起了，这样就可能产生新的思想。在同他人的對话中，正是出现了同自己完全不同的见解，才会促成新的意义的创造。”课堂中，教师有必要通过民主的方式激励学生大胆提问、质疑，才能让学生真正完成對于知识的建构。

3 结论与反思