人工智能赋能新型课堂教学的研究与实践*
时间：2023-04-10 12:45:04 来源：柠檬阅读网 本文已影响 人 
宋 宇
课堂教学是学校教育的核心环节，是人才培养的主阵地，课堂教学质量直接关系着教育现代化发展和高素质创新型人才队伍的建设。中共中央、国务院出台《关于深化教育教学改革全面提高义务教育质量的意见》，要求强化课堂主阵地作用，融合运用传统与现代技术手段，发展互动式、启发式、探究式新型教学方式，切实提高课堂教学质量。互动式(Interactive)、启发式(Heuristic)、探究式(Inquiry)课堂教学，即IHI课堂教学是新型课堂教学的重要体现。与传统讲授式、灌输式教学方式相比，新型教学方式以建构主义为理论支撑，与新时期基础教育发展方向和人才培养目标具有高度适切性，在调动学生参与积极性、增进深度理解、促进高阶思维培养和提升创新能力方面具有极大的先进性。[1]
与此同时，推动课堂教学转型，发展优质高效的新型课堂教学方式也更具有挑战。由于课堂互动涉及多元主体，课堂中的知识探究与建构过程更为复杂，思维进阶与认知演化规律具有内隐性，依靠传统研究方法难以对课堂教学过程进行有效分析和精准评价，也难以为新型课堂教学建设提供有力的数据支撑，因此亟需发展新的研究方法和技术手段。人工智能技术能够有效学习数据的内在规律，挖掘因果链条、行为动机和思维认知等，在自然语言处理、声音识别和图像解析方面具有极大的优势，并且逐渐在教育教学的研究和应用中释放其技术潜能。[2]智能技术可以对教学过程进行全方位智能感知与高度还原，有助于破解师生互动的内在机理，对课堂教学中体现的高阶思维、认知能力等关键特征进行智能模拟和有效提取，有助于揭示复杂的思维链条搭建过程、知识建构过程和问题探究过程，也可以对新型教学模式进行精准化和科学化的数字表征，这些功能对于创建优质高效的新型课堂具有极大的价值。
(一) IHI课堂教学内涵解读
IHI课堂教学是由互动式、启发式和探究式教学组成的，理解IHI课堂教学的内涵需要对其组成成分进行剖析。互动式教学是教师围绕课堂教学目标，通过调动教学资源和借助信息技术等手段，与学生协同交流、讨论和探究的过程。[3]维果茨基(L. Vygotsky)指出，个体通过互动交流和语言沟通试图对客观世界进行研究和探索，将社会文化要素加以内化，形成自身认知的一部分，从而实现从心智间到心智内过渡的过程。[4]在课堂中，通过教师的激发和引导，拥有不同观点的学生在交互作用过程中可以实现思维的相互碰撞或者相互印证，引发自身的思考与反思，促进知识探究和意义建构，实现从个体表达到集体智慧再反馈回个体认知的良性循环。启发式教学强调在教学过程中采用多种方式调动学生的学习主动性和积极性，以启发学生的思维为核心，促进高阶思维的培养。[5]启发式教学既强调教师的引导作用，即“启”，又要调动学生的参与积极性，强调学生在课堂教学中的主体地位，即“发”；
教师通过高质量的提问达到启发学生思考的效果。优秀的问题设计可以引发认知冲突，激发思维发展的潜能，对于分析思维、迁移运用思维的培养具有重要作用。探究式教学强调使用适宜的教学手段来创设与学习对象相关的学习情境，引导学生主动参与到发现问题、寻找答案的过程中，以培养学生创新能力和问题解决能力。[6]情境创设在问题探究过程中发挥了重要作用，通过虚拟现实、物联网等信息技术的加持，教学和学习情境更加贴合生活、更具有实际意义。经历发现问题、提出问题、分析问题并创造性地解决问题这一系列过程，学生的认知能力和综合素养将得到良好发展。课堂对话是IHI课堂教学的主要载体和表现形式，对话的有效性直接关系着新型课堂教学的质量与水平。课堂教学从根本上说是一种对话实践的过程。[7]师生对话与互动式、启发式和探究式三种教学的开展都具有紧密的关系，是实施课堂互动交流的核心手段，是引导思考、探究问题的主要抓手，也承载着启发思维的重要功能。
综上，互动式、启发式、探究式教学共同建构了新型课堂的重要内涵维度，三者形成了一个有机的整体，通过师生有效互动和交流，促进学生思考并启发思维，进而实现协同探究、问题解决和能力提升的目的。整合三种教学方式有助于达到1+1+1>3的效果，以适应教育教学高质量发展和新时期人才培养的需要。
(二) 理论适切性：IHI课堂教学以建构主义理论为主要依据
传统讲授式教学以行为主义理论为依据，该理论认为知识是由碎片化的信息拼接而成，课堂教学可以按照事先制定的步骤按部就班地将知识从教师单向灌输给学生，其教学过程遵循行为主义的“刺激—反应”原则，通过不断强化得到预期的教学效果。与此相对比，IHI课堂教学以建构主义理论为支撑，该理论对全球范围内的教育教学改革产生了深远的影响。[8]建构主义对IHI课堂教学的支撑作用主要表现在以下三方面。第一，建构主义学派认为知识是由主体在相互交流和合作的过程中建构生成的，教师和学生都是课堂教学的积极参与者和建构者[9]，知识和信息在主体之间交互传递。教与学围绕“锚”，即有意义的问题展开，引发学生思考，通过对话表达、生成、丰富并深化对问题的理解。这为IHI教学方式中的互动式教学提供了依据。第二，建构主义学派认为学生的认知发展具有极大的可塑性，教学不应消极地适应学生已有的智力水平，教师可以通过搭建“脚手架”的方式为学生的学习和认知发展提供有效支撑，积极创造最近发展区，拓展学生的思维潜力，促进高阶思维的培养。这为IHI课堂教学中的启发式教学的实施提供了支撑。第三，建构主义强调教学情境的重要性，学习应以解决在现实生活中遇到的问题为目标，教师应创造条件支持学生自主探索。其中，随机通达教学理念认为不应抽象地让学生记住知识，而应将知识与具体情境联系起来，[10]这有助于深度理解，在情境中探索问题的解决方法，并能广泛而灵活地迁移运用，提高实践能力和创新能力。这为IHI课堂教学中探究式教学的纳入提供了依据。
(三) 目标先导性：IHI课堂教学以思维发展和创新人才培养为主要目的
传统讲授式课堂教学适用于基础知识和基本技能的学习，其兴起很大程度上是适应了传统大规模、标准化的工业社会人才培养模式的需要，但是难以与经济社会快速发展形势下创新型人才培养的目标相匹配。OECD启动“教育2030：未来的教育与技能”项目，提出了在技术变革时代对课堂教学和人才培养的要求，高度重视通过探究的方式建构知识和增进理解，创建以包容性、公平性、互动性、关怀性以及智力成就为特征的课堂教学，鼓励师生合作，重视课堂对话，提高学生的参与度，促进深入理解、思维发展和认知能力的提升。[11]中国在结合国情基础上相继出台了《关于深化教育教学改革全面提高义务教育质量的意见》等政策文件，凸显了教育高质量发展的需求，要求发展新型课堂教学方式，在教育教学过程中强化思维发展，着重提升学生的创新能力。发展互动式、启发式、探究式教学，推动新型课堂教学发展，与新时期基础教育高质量发展要求和创新人才培养的目标具有极大的契合性。
创建优质的新型课堂有助于实现学生高阶思维发展和创新能力提升的目的。高阶思维需要在课堂教学中得以训练和发展，是新型课堂教学的重要目标指向。IHI课堂教学强调发挥学生主观能动性，学生在群体合作中协商讨论、交流观点、解决问题，交流沟通的过程也是思维共享的过程。新型课堂教学承担着“知识内化”和“思维外化”的双重作用。对话交流过程能够将客观世界以及社会文化的影响纳入主观世界和认知发展，语言作为人类高级认知的符号工具，是将互动的符号产物转化为心理产物的桥梁，是教学情境作用于学生个体心智发展的最主要媒介。与此同时，师生通过对话也能将隐性的思维过程展现给他人，传递信息、清晰思考并加深理解，在陈述、解释、论证、分析等语言沟通中协同建构知识，从浅层次信息的获取转向深层次、创新性的探究和解决问题。IHI课堂教学为高阶思维的发展提供了场域和条件，高质量的问题和反馈对于启发思维具有积极作用，通过精心设计的问题链条搭建思维发展的链条，体现了思维由低水平向高水平进阶的过程，使得信息得到精细加工、有效转化和创新应用。高质量的课堂互动与探究还能够加深学生对知识的理解，促进个人观点的开放式表达，增强对问题的阐释和分析，有助于其系统性、综合性地处理复杂信息以及创新性地提出解决方案，提升创新能力。因此，IHI课堂教学是新型教育教学理念的集中体现，对促进课堂变革和先进教育目标的落实具有重要价值。
人工智能技术的快速发展为推动新型课堂教学发展、提升课堂教学质量提供了有效的工具和手段。人工智能是指用人工的方法在机器(计算机)上实现的智能，使其拥有类似于人的获取知识并应用知识求解问题的能力，其中，机器学习技术因其能使机器自动地学习并获取知识而被誉为人工智能技术的核心。[12]随着智能技术的快速发展，机器学习从简单的行为动作模仿以及信息的存储和复述走向了深度学习阶段。深度学习基于人工神经网络技术学习样本数据的内在规律，能够挖掘因果链条、行为动机和思维认知等，在自然语言处理、声音识别和图像解析方面具有极大的优势，并且逐渐在课堂教学研究和应用中释放其技术潜能。在以往研究中已有学者致力于将智能技术应用于课堂教学研究中。例如，顾小清等提出了基于信息技术的弗兰德斯互动分析体系(Information Technology-based Interaction Analysis System，简称ITIAS)，并以此为依据对课堂互动行为进行监测。[13]刘清堂等借助人工智能技术基于S-T分析体系对课堂教学行为进行自动采集和智能分析。[14]王陆等采用大数据分析方法对课堂教学过程进行循证分析，对批判性提问、创造性提问等多类教学行为进行频次统计，以期提高师生互动水平。[15]
以往研究为发挥智能技术作用、推动新型课堂教学发展奠定了良好基础，但是仍存在以下瓶颈。第一，研究多关注提问、回答、抬头、举手等浅表形式的课堂行为和言语，由于其具有易识别和方便量化处理的优势，在教育信息技术领域得到了广泛应用。但是仅依靠互动形式难以体现思维培养、认知发展等重要的课堂教学目标，且过于追求高频问答次数容易陷入表面活跃而内里空心化的课堂样态。第二，人工智能技术与课堂教学研究还未达到深度融合状态，智能技术在因果链条推断、模式提取、规律挖掘方面的价值还未得到充分发挥。本研究认为，提升人工智能技术的有效性、赋能新型课堂教学发展可以从以下三方面着眼。
第一，人工智能助力实现课堂教学全过程监测。传统讲授式课堂教学注重对学生学业成绩进行结果监测，在数据采集方面，多依赖于报送式数据采集方式。报送式数据采集是指由政府或专业人员发起，按照一定需求和目标编制问卷和表格，进而组织学生、教师等相关人员填写并报送数据的方式。与之相对比，新型课堂教学更加重视对教与学的过程进行评价，强调学生思维的成长性和能力的发展性，人工智能技术能够对教学过程中所产生的伴生性数据进行全方位自动采集，满足课堂教学全过程监测的需要。[16]依托语音识别、自然语言处理、计算机视觉等人工智能技术，智能教育环境具备智能感知和交互能力；
随着智能录播设备、可穿戴设备、可交互白板的普及，课堂教学数据的采集实现了伴随式、自动化和多模态，教学过程中的言语和交流过程可以被清晰采集，通过面部表情识别、手势动作识别等技术，可以反映教师和学生的心理状态、专注力、压力指数等情况，对师生互动交流过程和知识探究过程进行详实记录，展现问题链条的搭建过程，进而呈现其内隐的认知特征和思维特征。
第二，人工智能助力掌握课堂教学深层规律。传统课堂教学分析多借助问卷调查、定量统计手段进行静态化的数据分析，难以对复杂多变的新型课堂教学模式进行提炼，难以掌握课堂教学的过程性规律。人工智能技术能够对课堂教学言语和行为进行细粒度的特征识别，其中，基于机器学习的自动标注技术是提取课堂教学核心特征的关键步骤。与传统人工编码相比，机器标注在规模化分析和数据处理效率上都具有较大优势，能够发现课堂互动过程中内隐的知识建构、思维发展、能力提升等反映课堂教学质量的关键特征。人工智能技术能够对多场景、多类型的新型课堂教学样态进行数字化表征和模式建构，对课堂教学生态系统进行完整解构，呈现探究式教学中各构成要素之间的交互作用模式，挖掘启发式教学的思维演进规律，对新型课堂教学中的顺承关系、因果关系等关系模式进行数字化表征，在更深层次上实现课堂教学过程可计算，有助于掌握课堂教学深层规律和提炼优质课堂教学模式，为推广新型课堂教学的先进经验和创建高效课堂提供了有力支撑。
第三，人工智能促进课堂教学精准评价。传统讲授式课堂教学往往对教授内容、考评范围具有严格规定，而新型课堂教学内容更为丰富、教学手段和课型种类更为多样、教学评价目标更为多元。如何应对多场景、多元化的课堂教学评价需求，为教育质量监测提供更加精准的数据依据成为亟待解决的问题。以神经网络为代表的智能技术为评价课堂教学质量提供了有效手段。神经网络技术是一种通过模拟生物神经系统结构与功能处理复杂任务的数学计算模型，由具有适应性的简单单元组成广泛并行互连的网络结构，被广泛应用于人工智能和深度学习领域。[17]其中，图神经网络等技术的应用在提取关系、空间结构等数据潜在特征方面具有较大优势，有助于捕获动态图拓扑结构特征信息，提取新型课堂教学的模式特征信息，使得课堂教学评价模型可以动态迭代和渐进重构，有助于呈现多种样态的课堂教学质量水平。因此，人工智能技术为实现课堂教学精准评价提供了可能，助力教师准确把握教情并作出合理决策，为教师的遴选和考评工作提供科学依据，为新时期教育质量监测工作提供了有效工具。
为了更好地实现以上目标，将人工智能技术融入新型课堂教学实践中，作者团队发展了一系列适应新型课堂教学场域的智能分析手段与方法，以更有效地发展IHI课堂教学，创建优质高效的课堂。实现路径包括：第一，创建了新型课堂教学评价指标体系(Coding Instrument for Productive Classroom Dialogue,简称CI-PCD)。该指标体系包含基础知识习得、个人观点表达、分析阐释、总结归纳、迁移创新、回应建构、肯定、质疑、指导九大类。前六类进一步区分了提问和回应两种互动形式，例如有关基础知识的提问、有关分析阐释类回应等，形成了15个一级指标。指标体系是人工智能技术应用于课堂教学分析的基础，是将抽象的IHI课堂教学目标转变为可测量、可评价指标的关键步骤。该指标体系经过多次实践检验后表明其具有较高的信度和效度。[18]第二，创建了基于卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)、注意力机制(Attention)相结合的混合神经网络模型。CNN模型能够对话语中的词和短语等局部信息进行提取；
BiLSTM模型能够结合上下文对句子的完整语义进行理解；
注意力机制可以识别关键词以及关键词对于类别识别的贡献度，提高标注的精准性。[19]该模型能够基于以上指标体系对课堂教学音视频转录文本实施自动标注，可以有效对细粒度的课堂教学特征进行识别，数据转录与标注的速度平均一节课(40分钟)由传统人工处理的6—7个小时缩短为15秒，极大地提高了数据处理速率，是规模化课堂教学研究的关键，可以对互动式教学的特征进行有效提取。第三，发展了一系列适应新型课堂教学场域的数据挖掘方法。数据挖掘方法能够基于标注后的课堂教学数据进行模式提炼和规律分析，揭示内隐于表层言语和行为背后的思维进阶规律和问题探究路径，该方法能够对启发式教学和探究式教学的实施水平进行科学呈现。第四，借助图神经网络技术对不同等级水平的课堂教学特征进行建模和智能评分。图神经网络是一种基于图拓扑结构的深度学习网络，大量研究已证明图神经网络在知识推理、复杂关系建模等任务中的有效性[20]，有助于深度解构新型课堂教学的模式特征，探寻课堂的“黑箱”属性。以上方法有助于为课堂教学水平精准画像，提炼优质的新型课堂教学模式，推进新型课堂建设、提升教学质量提供有针对性的指导。
本研究选取200节义务教育阶段课例，其中100节为课堂教学水平较低的课例，即在实施新型课堂教学过程中同时获得较低智能评级和专家评级的课例；
另外100节为课堂教学水平较高的课例，即同时获得较高智能评级和专家评级的课例。研究首先采用CNN+BiLSTM+Attention混合神经网络技术，基于CI-PCD指标体系对课堂教学转录文本进行自动标注，并对标注结果进行校验，对大规模的课堂教学文本实现了初步快速处理。进而采用时序过程分析将一堂课分为10个阶段(一节课40分钟，一个阶段为4分钟)，点的大小反映了某一阶段某类课堂教学言语出现的频次，可反映互动式课堂教学的实施情况(如图1)。分析结果显示，低水平课堂和高水平课堂在互动频次上没有显著差别，平均为每节课120条话轮，其主要区别体现在互动质量上：低水平课堂教学更倾向于传统授课模式，教师注重夯实基础知识和基本技能、引导学生表达个人观点，而涉及高阶思维的课堂互动则较少出现，归纳总结、迁移创新类互动频率还应加强。在高水平的新型课堂教学中，形成了“基础知识+”的特色对话模式，注重对话的多元认知功能的发挥，教师更能灵活发挥各类对话的功能以实现课堂教学的高效复合作用，教师注重引导学生分析问题，高阶思维类互动占据较高比例。通过对比教学过程中点的序列排布可以展现课堂教学演进的模式，体现启发式课堂教学的实施情况，表征思维进阶过程。分析结果显示，在高水平课堂教学中，教师在授课的前十分钟多从基础知识导入，这是进行思维启发的前提，进而鼓励学生联系生活实际引发其探究兴趣;在课堂中段教师注重引导学生分析问题、阐释推理分析过程；
在课堂后段教师能够带领学生总结归纳知识、提炼方法与规律、实现知识建构与迁移。这表明在优质新型课堂中通过教师启发，学生可实现思维由低阶向高阶发展。
序列挖掘方法可以揭示课堂教学演进规律，反映探究式课堂教学的实施水平。依据各互动节点的出度、入度，创建有向连通图，点表示对话类别，而边(显示为有向路径)用于描述类型之间的关系，线的粗细代表该课堂教学路径的重要程度。如图2所示，低水平课堂与高水平课堂在问题探究方面具有明显差距，低水平的课堂互动链条较短，多呈现短小零散状，探究过程呈现出碎片化特征。高质量的课堂教学能够借助有效的提问和反馈引导学生进行更为深入的问题探究，探究路径较长且更为多元，呈现出更加复杂的思维过程，有助于学生对问题进行深入研究并收获可迁移运用的认知规律。
图2 课堂教学序列模式挖掘图(左为低水平课堂，右为高水平课堂)
互动式、启发式和探究式教学是新型课堂教学方式的重要体现，对于推进教育高质量发展和培养新时代创新型人才具有重要意义。IHI课堂教学三者形成了有机的统一整体，以建构主义理论为依据，以思维培养和创新能力发展为主要目标。由于新型课堂具有复杂性，涉及多元互动主体，对标多重教育教学目标且思维发展具有内隐性特征，传统研究分析手段无法满足课堂教学发展的需要。人工智能技术为推动新型课堂教学建设、发展高质量的课堂教学提供了重要的工具和手段。智能技术，特别是机器学习、神经网络技术的应用，可以对课堂教学过程实现全方位的智能感知，对于其中涉及的语言、动作、行为、表情进行实时采集，并借助多模态融合技术最大限度还原课堂场景和全貌，有助于对课堂教学中所涉及的高阶思维、创新能力等关键特征进行智能模拟和有效提取，揭示互动行为和语言背后的深层认知规律，挖掘复杂的知识建构过程、思维启发过程和问题探究过程。智能技术还能够对新型课堂教学模式进行精准刻画，有效提炼优质的新型教学范式，使得新型课堂教学范式从少数专家级教师试点走向大规模的推广应用，有利于扩大优质教育资源覆盖面，这与新时代人才培养目标和高质量教育发展的要求具有紧密契合性。
为了更好地实现以上目标，本文认为开展智能化课堂教学研究应重点从以下方面进行突破：第一，在实现全过程伴生性数据采集的基础上，发展基于音视频转录文本的机器自动标注方法，借助混合神经网络技术对课堂教学数据进行即时、高效、精准标注，这是实现课堂教学规模化分析的基础。第二，发展适应新型课堂场域的数据挖掘技术，探究师生互动言语和行为背后所体现的深层认知规律和思维进阶规律，这是解构新型课堂教学特征的关键。第三，借助图神经网络技术精准刻画不同水平课堂教学的特征，提炼新型课堂教学的优质模式，这有利于实现新型课堂教学的科学化、精准化评价，从而更有效地推动新型课堂教学发展。
本文通过真实课例分析证实，CNN+BiLSTM+Attention混合神经网络技术能够自动、快速标注大规模的课堂教学数据，通过图神经网络可以提炼不同等级水平的课堂教学模式，借助序列模式挖掘分析发现高水平课堂的课例中师生互动质量更优，教师的提问与反馈更具有效性，能够体现思维进阶和知识探究的特征，发挥多元认知功能，在培养学生总结归纳、迁移创新等高阶思维方面更具有优势。未来人工智能赋能新型课堂教学发展可以从以下三方面着眼：一是发展以课堂对话分析为主、多模态数据协同的融合分析模式；
二是以发展评价体系为基础，研究适应多场景课堂教学样态的智能诊断方法，为课堂教学评价提供客观科学的依据；
三是坚持人本人工智能理念，智能技术的选择和运用要更加精准、科学地服务于教育教学目标。
