用AI+大数据评估班课教学效果的研究与应用-《卫星电视与宽带多媒体》(2020年1期).docx

龙源版权所有 用AI+大数据评估班课教学效果的研究与应用作者：王磊来源：《卫星电视与宽带多媒体》2020年第01期 【摘要】通过数据化解构智慧课堂环境中的实际教学过程，结合AI技术手段对学生学习的结果数据、授课教学的行为数据和教学内容的构成数据进行采集、统计和分析，再通过大数据分析方法，构建出班课效果模型，和对教学过程及教学内容评估的归因模型。为教学方法和教学内容的改良进化提供数字化、科学化的依据 【关键词】教学效果;学习效果;智慧课堂;AI;大数据;教学内容;效果评测 长久以来，我们习惯于以结果论，在部分公立学校，通过教学评估活动乃至升学率去考核课堂的好坏;在一些教育机构，通过业务运营指标甚至经营数据，结合购买者即用户的反馈，去判断课堂效果的好坏;个体教育从业者，则有通过上完一堂课的观感和学生的反应来感受课堂效果好坏的情况。但是对于课堂过程中的行为如何、多大程度地影响孩子的学习，对上述个体和组织来说，往往是经验黑盒。如何去打破这样的经验黑盒，是很多教育从业人员想要探索的课题。我们秉承着“数据比经验重要”的理念，运用AI和大數据的力量，去建立课堂和效果的联系，对课堂效果进行评测。 1. 为什么要进行班课效果评测 如上所述，通过效果的评测，把原有的经验黑盒能够剖析拆解成具体的动作、行为。这一方面能够让授课老师了解、复盘自己这节课上的怎么样，进而去优化教学设计和教学动作，提高孩子的学习效果;另一方面，能够定位一些和学习效果有较强关联的内容和动作，建立“好”的标杆，指导更多的老师的课堂教学，提高整体教学水准。 2. 如何定义班课效果 我们用“班课”的概念来指代以班集体为单位进行的授课。在定义“班课效果”时，学生在课堂上的状态是我们定义的主要落脚点。原因有二：学生是学习课程与评价课程的主体;学生的课堂感知是业务数据的最直接影响者。我们对学生的课堂状态进行了解构，结合教育理念常用的三个分析维度（学习动力、学习能力和学习环境），可以将对学生学习的预期归纳为三个方面：①学得会：学生学习知识的效果，体现的是学习能力。学生来上课的首要目的是学习知识，学生能学会是体现/证明课堂效果的核心和基础。②喜欢学：学生学习意愿呈现出的状态和效果，体现的是学习动力。教育的价值不仅在“教”，更体现在“育”。对好的课堂的定义，不只是能让孩子学会知识，更要关注学生在课堂上的情感体验、动力意愿。因此孩子是否喜欢学习、喜欢课堂、喜欢老师，从而达到愿意学习的效果，是第二大关注点③受关注：个体学生在课堂上受到关注的程度，即学习环境对学生产生的效果。班级是由个体组成的，老师对个体学生的关注，对于学生最终收获的学习效果有非常大的影响。也会直接影响到学生的学习能力和学习意愿。这三重维度的聚合，就构建出我们对班课效果评估的顶层框架。 3. 如何评估班课效果 目前，人工智能NLP（natural language processing）技术已经实现了对课堂录音的解构：我们既能够得出学生话语的数量、密度、分布，进而推敲学生在课堂上的活跃度和现场氛围效果;又能对于学生话语内容进行详细分析，根据话语内容进行归类，建立学生话语与班课效果“学得会“”喜欢学“”受关注“之间的关联。不仅仅是话语，学生上课的每一个动作、每一个行为都被记录和沉淀成了数据。借助大数据的力量，这些行为被拆解成更细粒度的指标，按照班课效果三维度归类聚拢。因此，在上述每一个效果维度上，我们都需要能获取到能够描述这些维度的具体量化指标。这依赖于一个具备信息化和数字化能力的智慧课堂。为了研究测算需要，我们通过搭建这样一个智慧教室的环境，充分获取了老师、学生及教学内容的数字化信息，并进行了大量数据处理与分析。从而筛选出对上述三个效果维度的描述性指标：①学得会指标：由学生在做题上的数据表现构成。具体表现为做题正确率、做题完成率、知识点掌握率、课后作业正确率和完成率等指标。并观察这些指标在班级范围内的方差。②喜欢学指标：由学生在教学互动上的参与指标构成。包括学生在课堂···试读结束