课堂大数据分析例1

【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

课堂大数据分析例2

中图分类号：G434 文献标志码：A 文章编号：1673-8454（2017）10-0014-04

移动互联技术迅速发展及其在教育教学中的应用，推动了新一轮课堂教学的创新与变革，传统课堂向数字化、智能化课堂发展。随着智慧教育理念的提出及发展，信息技术环境下智慧课堂的构建成为教育技术界越来越关注的研究热点。

一、智慧课堂的概念及其意义

不同视角下对于“智慧课堂”有不同定义，这里从信息化视角来理解“智慧课堂”的概念。从实际开发和应用来看，“智慧课堂”可以定义为“以建构主义学习理论为指导，利用‘互联网+’时代的大数据、移动互联、云计算等新技术构建的信息化、智慧化、高效互动的课堂。”它应用“云+端”服务方式，通过智能推送、动态学习数据采集和即时分析，实现基于数据的教学决策、实时全面的教学评价、全过程的交流互动、个性化的资源推送，从而变革和改进课堂教学的结构和模式。智慧课堂是信息技术和教育教学深度融合的产物，也是翻转课堂发展的新体现、新趋势。

在大数据时代背景下，传统课堂教学面临新的挑战和机遇，利用学习数据分析来改进教学行为是变革传统课堂的有效手段。国内外许多教育机构和部门都十分重视教育数据挖掘和学习分析技术的应用，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；2016年4月，清华大学与学堂在线共同正式对外了一款免费线上教学工具――雨课堂，它通过微信服务号连接师生的智能终端，实现对课前-课上-课后教学全过程的动态学习数据收集和分析，雨课堂的推出为智慧课堂构建提供了环境和技术支持。

利用雨课堂构建基于学习数据分析的智慧课堂，适应教育信息化和大数据背景下的学校课堂教学改革创新的需求，具有重要的现实意义和价值：

1.有助于实现个性化、高效互动的课堂

大数据背景下基于学习数据分析的智慧课堂，变革了传统课堂教学结构和模式，从以教师为中心的知识传授为主转向以学生为中心的能力培养为主，从“先教后学”转变为“先学后教、以学定教”。课外，学生自主移动学习，师生交流互动，教师依据课前预习数据反馈，进行个性化指导，同时设计有针对性、个性化的课堂教学；课堂上，师生一起协作探究解决问题、完成学习任务，将课堂时间的运用发挥到极致。这种课堂内外的教与学能够提高学生学习自主性、积极性，实现师生之间的更多互动，在某种程度上活跃了课堂氛围，从而达到高效的课堂教学。

2.有助于实现全过程多元化的学习评价体系

智慧课堂利用大数据和云计算技术，对学生的课前-课中-课后学习全过程进行动态、实时记录和统计反馈，从而能够更全面、客观、真实地对学生学习情况及教学效果做出评价。这种全过程多元化的学习评价方式，一方面对学习活动起到引导作用，利于对学生进行个性化的指导；另一方面，帮助教师改进教学策略，使教学活动的开展更有效地促进学生的学习。

3.有助于丰富和发展智慧课堂的理论和实践，推动课堂变革和创新

将雨课堂应用于传统课堂教学中，探索基于学习数据分析的智慧课堂模式，并在具体课程教学中开展实践，这为智慧课堂的研究提供了参考，为一线教师开展混合式、翻转课堂教学提供借鉴。同时，引起教师关注并尝试运用新技术进行教学改革实践，推动传统课堂的变革和创新。

二、雨课堂支持下的智慧课堂构建

1.雨课堂支持下的智慧课堂架构

在对雨课堂特点及其功能研究基础上，构建基于雨课堂的智慧课堂架构（如图1所示）。雨课堂是应用于PowerPoint中的一个插件，采取“云+端”的服务方式，通过云计算、云存储和云服务等为课前-课中-课后教学的各个环节提供信息技术支持。教师只需要会PPT和微信就可以快速便捷地部署智慧课堂。在学生端，雨课堂提供课前预习自测、课内“不懂”按键、弹幕和随堂测试等功能，帮助学生预习、巩固知识并反馈学习情况；在教师端，可以推送PPT课件、分享链接和微课视频、测试、统计和反馈学生学习数据，帮助教师及时把握学生学习情况、学习效果以及学习轨迹。雨课堂支持下的智慧课堂打破了传统课堂的围墙，具备实时动态学习数据的采集和即时分析功能，实现了智能、高效的教学交互与反馈，改变了传统课堂的教学方式。

2.基于全过程学习数据分析的智慧课堂教学模式

智慧课堂的核心理念是用数据改变教育，学习数据是客观真实地反映教学过程、教学效果的重要依据。实时、客观、全面反映当前教学状态，是一线教师的迫切需求，传统课堂上教师面对几十位学生，很难及时准确地把握每位学生的学习情况、有效调控教学进程。智慧课堂基于学习数据分析，使课堂教学从依赖于教师的教学经验及直观判断转向依赖于学习数据的分析反馈，用数据说话，依靠客观、实时的学习数据对教学情况进行判断和调整教学策略，实现智慧、高效的课堂。

在χ腔劭翁锰氐恪⒓芄寡芯康幕础上，同时结合雨课堂的技术特性，设计基于全过程学习数据分析的智慧课堂教学模式（如图2所示）。课前，通过推送预习资料，进行预习情况统计分析和检测，深化学情分析，优化教学设计；课中，通过“不懂”按键、发送弹幕、随堂测验，进行即时学习数据分析和反馈，调整教学策略和教学进程；课后，通过作业数据统计分析，进行针对性指导，推送拓展学习资料，实现个性化学习。雨课堂的技术支持对课前-课中-课后整个学习过程提供实时动态学习数据采集、分析和智能推送。

三、智慧课堂应用实例

利用雨课堂开展智慧教学的准备工作非常简单，教师只要安装好雨课堂插件，然后在手机微信里关注雨课堂后，进入我的课程页面点击“我要开课”即可创建课程和班级，创建成功的班级对应有专属的二维码和邀请码，教师可以通过班级QQ群或微信群告知学生，学生扫码或输入邀请码进入班级，这样便快捷地完成了智慧课堂的部署。

下面以高校公共基础课《计算机应用基础》中的“计算机网络”一课为例，具体阐述雨课堂支持下的智慧课堂教学实施过程。

1.课前环节

（1）预设教学目标和内容

教师根据之前对于课程内容及学生情况的学情分析后，预设本次课的教学目标，确定教学内容（如表1所示）。

（2）预习资料和预习反馈

教师利用PowerPoint中的雨课堂插件将上课PPT课件快速转换成可以随时推送的微课课件，同时还可以轻松插入慕课视频（如计算机网络MOOC视频）和网络视频（如局域网组建），在预习内容最后添加了客观题作为课前预测。微课制作完成后，教师将预习课件生成并推送到手机，在手机微信端点开收到的推送后预览课件并针对性对每页添加语音讲解，最后至班级。全班学生收到推送课件后，随时随地进行移动学习、完成预测并即时得到自动评分，另外，学生可以“报告老师”提出预习中的疑问或想法。教师也可以实时查看到已预习学生人数、预测题各题答题情况，浏览学生反馈并和他们进行课前互动交流。

（3）优化教学设计

教师在手机端实时看到的学生整体预习情况统计以便第一时间掌握学生课前预习情况，随时记录教学设计与备忘等，根据课前预习反馈，深化学情分析，明确教学重点和难点，优化教学设计，以便精准教学。如课前预测题答题情况的统计我们发现大部分学生对于网络协议、网络地址的理解有一点困难，需要课堂中对这些问题重点解决；个别学生给老师的报告中反映出学生对于计算机网络的认识只在表层，引发我们思考如何让学生更深层次地理解计算机网络和设计教学。

同时，教师通过邮件获取课前每位学生预习情况统计详细数据（如每位学生观看页数、观看的页面、预习时长、预测题评分统计），精确掌握每位学生的预习情况和学习行为，以此作为一对一个性化指导以及过程性评价的依据。

2.课中环节

（1）开启授课，进入课堂

教师开启雨课堂授课后，手机微信端即刻收到推送并点击推送信息，等待学生进入；学生用微信扫码或输入邀请码签到进入课堂，教师可邮件得到课堂情况统计详细数据了解学生的到课情况。等所有学生扫码完毕后教师点击开始上课，手机变遥控器控制课件的播放，学生端同步接收到课件。

（2）课程导入，分享与展示

教师将课前做的投票调查结果分享给学生，课前调查统计发现89%的学生之前极少接触计算机网络方面的知识。同时将预习情况反馈给学生，使学生之间有比较和定位，使他们做好课堂学习的心理准备。教师从“什么是计算机网络？”、“网络的功能是什么？”这几个问题入手进行提问，学生分享观点，展现课前自学成果，通过学生互评，教师展示本次课的教学内容和目标，进而展开更深层次内容的学习。

（3）精讲与拓展

教师根据教学目标并依据直观的学习数据进行针对性教学，学生在听课中发现有不明白的内容可以随时点“不懂”第一时间反馈给老师，老师能实时看到课件中每页“不懂”的人数，及时知道学生学习情况，并调整教学策略。如授课中发现在讲解网络地址时有很多学生对“子网掩码”都不懂，教师就以实际的一个操作演示进行说明，使学生有了进一步的理解。课间，教师开启“弹幕”功能，让学生把自己的想法都弹到屏幕上和大家一起分享，实现了师生之间、生生之间的课堂互动，活跃了课堂气氛。

最后，教师介绍计算机网络前沿知识进行拓展，并下达新的学习探究任务，如物联网、电子商务等大家感兴趣的话题，教师为学生分组并设计组织学习活动，学生开展小组协作探究学习，进行互动讨论。

（4）实时测评和反馈

学生完成学习探究任务后，教师把随堂测验推送到学生手机端，学生当堂完成并提交后，能即刻看到得分及答案，教师也会即时得到统计数据（如每位学生的得分、成绩分布、各题答题情况），还可以通过邮件获取试题统计详细数据来准确把握每位学生的学习情况，以便课后的个性化指导。另外，教师将分数分布公布至大屏幕，让学生清楚意识到自己在班里的水平，有助于课后的复习巩固。这个阶段是检验课堂教学效率的有效手段。

（5）总结点评

教师通过“不懂”、“弹幕”、随堂测评得到的实时反馈，对知识点进行总结和点评，对重难点补充讲解，对共性问题进行答疑。学生在及时得到教师的点评和总结后，对所学的新知识进行巩固内化。

3.课后环节

（1）课后讨论和投票、拓展学习

为了让学生结合所学网络知识并联系实际展开思考，教师课后作业（“大家一直都在说IPv4的地址不够用了，但IPv6推出至今，并未得到广泛应用。为什么会这样，到底是什么原因？我们还需要IPv6吗？”），学生“报告老师”阐述各自的想法，教师可以和学生互动交流探讨问题并个性化指导，从而学生可以深化知识的学习，培养了探究能力。同时，教师还可以投票，调查了解学生对于课程内容、教学方法、效果等方面的反馈。

另外，教师通过推送和分享链接方式给学生推送课后拓展材料，如网络信息安全、Internett学应用、组网案例等，学生根据自己的兴趣和能力有选择地自主学习。学生也可以随时点击查看每次上课课件，重点复习课堂中点“不懂”和收藏的内容，实现个性化学习。

（2）总结改进

教师依据学生课堂的学习情况、课后讨论及投票情况，对教学全过程进行回顾与总结，记录下教学设计，从而来优化教学方案、改进教学策略。

四、结束语

雨课堂支持下的智慧课堂模式基于混合学习理念，应用“云+端”设备，将移动技术与教学深度融合，直接、动态、即时的全过程学习数据，详实记录了课前-课上-课后教学全过程，整个教学过程的教学数据转换为改进教学的决策依据，使教师的教学决策从以经验驱动转变为以数据驱动，“用数据说话”，展现了教师基于学习数据分析的教学机智。同时，智慧教学的模式融自主学习、协作学习和探究学习于一体，能培养学生独立探究、合作沟通和创新能力，实现了课堂内外多渠道的交流互动，充分调动学生的积极性，从而提高课堂教学效率，促进教学效果。

当然，这种智慧课堂模式在不同学科教学中的应用，将存在新情况、新问题，有待研究者们根据教学实际去思考、更新和发展。笔者也将在目前对于智慧课堂研究基础上继续进行应用研究，积累实践教学经验，从而不断改进和完善。

参考文献：

[1]孙曙辉，刘邦奇，李新义.大数据时代智慧课堂的构建与应用[J].中国信息技术教育，2015（13）：112-114.

[2]孙曙辉，刘邦奇.基于动态学习数据分析的智慧课堂模式[J].中国教育信息化，2015，（22）：21-24.

课堂大数据分析例3

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。

课堂大数据分析例4

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。

课堂大数据分析例5

当前，通识类课程已成为高等教育课程体系的重要组成部分，其中，人文通识课的重要性在不断提升。尤其在理工类高校中，人文学科课程与学生的理工专业课程可以起到互补作用，有利于拓宽学生的思维视野，使学生从不同思维角度思考问题，从而促进他们在各自领域更全面、平衡地发展。在评价课程有效性的依据中，课堂到课率占据重要地位。到课率越高说明课程越有价值，表明了学生对教育资源的肯定。反之，到课率偏低，说明课程存在一定不足，未获得学生高度认可，教育资源未被充分利用，课程亟待完善。

然而，据相关研究，当前各大高校通识课的到课率总体而言并不令人满意，课堂缺勤现象屡见不鲜，这可说是教育资源的一种浪费，绝不能忽视。虽然越来越多的高校已经采取一些办法来改善人文通识课到课率低的情况，例如对学生进行思想教育、实施奖惩措施等，也取得了一些成效，但终究尚未有令人非常满意的结果。影响人文通识课课堂到课率的原因多多，且其中有些原因之间相互影响、相互交织，是动态、复杂的关联关系，难于同时改善或解决。影响到课率的原因也有课内原因和课外原因之分，课内原因包括这些因素：教师（如外形、职称、年龄、话语风格）、教学方法（如填鸭式教学、互动教学）、教学内容（如有趣有用、有趣无用、有用无趣、难易等）、教学场所（如教室光亮或阴暗、教室楼层高或低、教室空气干燥或潮湿、教室温度高或低等）、教学时间（如白天或晚上、周末或假期等）；课外原因包括这些因素：天气（如天气宜人或雷雨暴雨天气）、学生（如身体健全或残疾、身体生病或无恙、情绪低落或高涨或正常、学生对课程内容、教师和教学方法的喜好等）、课外活动（课外活动如社团活动是否与上课时间冲突、其它课程上课时间是否与本课程时间冲突等）、以及其它不可预料的课外原因。不论课内还是课外因素，它们都会共同和微妙地影响课程到课率，其共同影响的复杂性和微妙性是难以一一厘清的。

然而，不论问题有多复杂，解决问题的努力决不可停歇。为了解影响人文通识课到课率的各课内因素（或称课堂因素）各自起的作用特点，笔者与其他人员一起对华南理工大学2015-2016学年第2学期开设的118门人文通识课进行了全程跟踪调研。调研方式包括随堂听课记录、问卷调查、对教师和学生进行访谈等，随堂听课记录包括记录学生到课率、课程名称、课程教学内容、教学方法、教学要求、课堂活动特点、点名频率、考核方式、班级人数规模、教师外形特点、职称和性别等，以便深入了解每一门课程到课率与各课内因素的关联关系。经过一个学期的调研，我们对调研数据进行了整理和统计，得出以下发现。本文所称的人文通识课包括人文科学通识课和社会科学通识课，为了行文便利，简称为人文通识课。

一、到课率与课堂因素关系的主观分析

为了便于分析，笔者将调研的118门课程的调研数据进行了整理，由于有些课程的调研数据不够完整，只整理出完整、有效的113门课程的数据。笔者将每门课程的数据分别按课程名、教师姓名、教师外形和性格、教师职称、教师性别、教学方法、课堂活跃度、点名情况、作业情况、考试方式、班级人数规模、应到人数和每次课实到人数等进行分类，形成了113门课程的分类数据表，即113组数据，以下分析就是基于这113组有效数据进行的。

总体来看，在113门通识课程中，有近一半课程的到课率在60%-80%之间，也存在个别课程到课率极高或极低的现象。由于在调研过程中清点到课学生人数时存在一定不确定性，比如在清点到课人数时可能出现学生有特殊情况已暂时离开教室的现象，因此实际到课率应更高一些，但不会相差很大。但无论如何，全校的人文通识课60%-80%的到课率并不是很理想。可见，探究影响通识课到课率的因素，包括课内和课外因素，以利于采取应对和改善措施，提高到课率，这是非常必要的。

调研数据也表明，学生到课率也存在着一定的依时间而变化的趋势。约有61%的课程，其到课人数的最大值出现在第一和第二次课中，换言之，在人文通识课开课最初的两次课，到课率通常是比较高的。而在学期期中阶段，到课人数逐渐回落至平稳。这一现象的出现可能是由于课程没有达到学生预期期望值，抑或是学生在摸清课程教学要求特点之后选择“偷懒”旷课，使得到课率有所下降。此外，临近期末时，到课人数又有所回升，这可能是学生需要了解期末考试相关事项所致。

总之，本次调研的人文通识课到课率的总体特点是：到课率多集中于60%-80%之间，也存在少数两极分布，总体到课情况不理想。到课情况存在一定的时间影响趋势，具有先高后下降，最后稍许回升的特点。

以上是总体情况，下面是对一些具有共性或类型化数据的具体分析。

（一）极低到课率与课堂因素关系

调研发现，有12门课程（约占11%）的人文通识课平均到课率低于50%，即到课人数不足一半，这说明存在大部分学生旷课的现象，主要是什么原因呢？对比这些课程的调研记录数据表，可发现一些共同特点：授课教师形象的描述中类似“年轻”、“时尚”的字眼出现得较多，这些课程的课堂活跃度普遍一般，点名频率大都较低，课堂作业大部分较少。最为显著的一点是，绝大部分课程是应到人数达到120人的大课堂（如表1所示）。

（二）极高到课率与课堂因素关系

调研发现，有6门课程（约占5.3%）的到课率高于90%，也就是说学生几乎全勤。甚至其中有个别课程的到课率高于100%，原因在于一些没有选修该门课程的同学也前来听课，这部分同学数量不少，且几乎每周如此。此外，值得一提的是，这6门课程中有些课程开设了几个班，在不同时段授课，但到课率同样很高，例如《西班牙语初级》和《学术英语写作》课程，这说明这些课程不论在何时段上课，也不论是哪些学生听课，学生们都很愿意到课。对比发现，这些高到课率课程多为全英课程，课程的班级人数规模均不超过60人。授课教师均为女性，且调研记录中多次出现“漂亮”、“长相好”等字眼。多数课程课堂较活跃，点名频率低，作业较多（如表2所示）。

由此可以看出，高到课率的全英人文通识课的相关课堂因素具有如表2中的特点，即教师为女性，长相好，课堂活跃，很少点名，作业较多，小班授课。

（三）不同教师讲授同一门课程的到课率与课堂因素关系

调研中发现有不同教师讲授同一门课程而到课率不同的情况。例如，“创业学”由三名不同教师授课，但到课率略有不同，观察其存在差异的课内因素特征，发现由女教师授课的那门课程班级的到课率要比由男教师授课的另外两个班级高，并且其课堂活跃度明显更高。类似的情况还存在于《大学美育》和《岭南文化》课程中，女教师授课以及课堂气氛更活跃时到课率更高。此外，《物流与社会》课程的对比组可比性较强，该课程开设的3个班分别由3位外形长相接近的中青年女讲师授课，另外其他的课堂条件几乎完全一致，在这种情况下，3个班的到课率特点是：课堂活跃度和点名频率高、以及作业量多的班级到课率更高（如表3所示）。

由此可以推断，不同教师讲授同一门课程的不同班级的情况下，高到课率的班级其课堂因素特征如下：女教师班级比男教师班级到课率高，课堂活跃度和点名频率较高以及作业较多的班级到课率也相应较高。

（四）同一教师讲授不同课程的到课率与课堂因素关系

调研中也发现有同一教师讲授不同课程的情况，虽然案例不多，但也能说明一定的问题。比如，同一教师在两门课程中采用的授课方式相似，其课程作业、点名、考试的情况也类似，但到课率还是有所差异，例如有一位教师讲授的“创业学”与“营销学原理”的情况就是如此。这说明与教师和教学方法无关的因素也在影响着到课率，例如课程内容本身的吸引力或者其它课外因素。

（五）小结

通过以上分析，可以看出影响人文通识课到课率的课堂因素有多个，包括教师外形、教师性别、课堂活跃度、点名频率、作业、班级规模等。其中对提升到课率有正面积极促进作用的课堂因素特征显示为：长相好的女教师、课堂活跃度高、作业较多、小班授课。而对提升到课率有消极负面作用的课堂因素特征显示为：外表年轻时尚的教师、课堂活跃度低、作业少、大班授课。此外，据前述分析，课堂点名频率的高低对课程到课率的影响不具确定性。

二、到课率与课堂因素关系的客观分析

通过以上对113组调研数据进行的分析，发现了影响课程到课率的诸个课堂因素及其与课程到课率的关系特征，为进一步研究这些因素具体是如何起作用的，笔者借助计量经济学工具，采用建立回归模型的方式进行客观数据分析。首先，将113组调研记录数据中的主观分类剔除，留下教师职称、教师性别、课堂活跃度、点名频率、作业量、考试形式以及课堂总人数这些客观分类，且为了方便建模，对这些非数字化的课堂因素分类进行数值替换，具体替换形式如表4所示。

由于样本数量不是很多，分析结果会存在一定误差，此模型只解释了到课率波动的43.19%。但是，由于调研对象学校所开设的人文通识课数量也有限，此模型还是有一定参考价值。根据模型分析结果可以看出，一些课堂因素与到课率是正相关的关系，另一些因素则是负相关的关系。在正相关的课堂因素中，可以看到，课堂越活跃、点名频率越高、作业越多、考试越严格、班级人数规模越小、由女教师授课的课程，其到课率可能会越高。在这里，通过模型分析，就可以明确地看到在前一部分的主观分析中无法确定的点名频率对到课率的影响，其对到课率的影响是正相关，即可以促进到课率的提升。

课堂大数据分析例6

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.

课堂大数据分析例7

【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。

课堂大数据分析例8

古人云：学起于思，思起于疑. 所谓“疑”即疑问，可见问题的重要，而除了问题本身，问题的提出方式、方法也影响问题的效果. 在《新现代汉语词典》中对“提问”的解释是“提出的问题”，它可以分为“提”和“问”两部分，即把问题明确呈现表达出来的过程和问题的本质. 国外对课堂提问的研究中最具代表的心理学家瑞格认为“提问是试图引出言语反应的任何叙述句”. 作为教师，对提问的研究由来已久，而且这种研究渐渐地指向了特定的“提问”——课堂提问. 课堂提问是课堂不可或缺的组成部分，对教学目的的达成和教学效果都有着显性的影响. 在教学过程中师生围绕“提出的问题”和“问题的提出”展开了言语互动、知识理解、思想沟通与情感交流. 数学是“抽象的”“超念的”“理念世界”. 数学知识的掌握必须通过思考才能达到，数学只能“思疑致知”，这一点与其他学科不同. 所以数学课堂提问必须走向“对话”. “对话”围绕问题而展开. 基于以上原因，我设计了“小学数学课堂提问行动研究”的研究内容及思路.

一、研究内容

1． 课堂提问的内涵

课堂提问是在课堂教学过程中，根据教学目的、学情等设计问题并进行教学问答的一种教学形式. 在以往的研究中，对课堂提问的研究集中在了教师的语言提问上，但在本研究中结合我校个性化教学中学习卡片的开发，我把”课堂提问”定义为教师课堂上的语言提问和学习卡片中的文字问题二者的结合，这样便于构建更为完整的课堂提问问题网络图，分析每个问题在本节课问题网络图中的地位和作用.

2． 课堂提问存在的问题

通过课堂观察法分析目前小学数学课堂提问存在的问题，比如提问密度过高、提问后没有停顿等. 对问题产生的原因进行分析，究其根源寻找解决问题的方法.

3． 对优秀课例的课堂提问进行实录，分析其共性特点，以提高教师预设问题的科学性、合理性，提高教师提问的技巧. 4． 对一些典型的个性化教学课例进行研究，构建课堂问题网络图，分析学习卡片中的文字问题在整个问题网络图中的地位和作用，得出适合使用学习卡片的课程类型和学习卡片中问题设计的可循规律.

二、研究的基本思路和方法

（一）研究的基本思路

以《基础教育课程改革纲要（试行）》和《全日制义务教育数学课程标准（2011）》为指导，以参研的全体数学教师为研究的主体，以课堂教学为研究的主要载体，以行动研究为研究的主要方式，以课堂提问为研究的对象.

本研究按照“确定研究问题文献综述与分析对课堂提问概念的再构建对小学数学课堂的实证研究确立课堂提问的测试工具试测与实测数据统计分析结果分析研究结论建议与反思应用与实践”的路线进行.

（二）研究方法

1． 文献研究法——查阅有关资料进行研究.

2． 课例研究法——在学校开展对教师常态课教学进行全面分析，形成课例研究报告. 该方法包含问卷调查法、观察法、测验法、访谈法、数据分析法等.

（1）通过课堂观察详细统计任课教师的提问，从提问时间、提问对象（全体、个人）、提问停顿时间、问题重复次数、问题是否预设、问题的数学性分类和教学性分类、问题适合学生性等角度进行量化分析，掌握我校教师课堂提问的普遍性特点.

（2）对课堂中的所有问题进行分类整理，分析每个大环节中问题的内部结构：纵向的链式结构、横向的辐射结构及纵横交叉结构，并将整理结果制成围绕核心问题展开的问题网络图. 并研究学习卡片的研究主题在问题网络图中的地位. 3． 经验总结法——将研究中得到的经验性、结论性成果应用于教学设计中，在数学教学中反思和总结经验.

三、研究步骤

课堂大数据分析例9

《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.

课堂大数据分析例10

文章编号：1005-6629(2011)07-0006-04　中图分类号：G633.8 文献标识码：B

师生语言互动行为是课堂教学中的主要教学行为，占到全部课堂教学行为的80％左右，因此，美国学者弗兰德(Ned Flanders)认为，对课堂内师生的语言互动行为进行分析，就能把握课堂教学的实质。弗兰德互动分析系统(Flanders Interaction Analysis svstem，简称FIAS)是弗兰德在20世纪60年代提出的一种课堂行为分析技术，运用FIAS，可以对课堂教学中的师生语言互动行为进行定量分析与研究。

1　弗兰德互动分析系统介绍

1.1编码系统

弗兰德互动分析系统是一种结构性的、定量的课堂行为分析技术。它依据师生的言语互动，把课堂言语活动分为10个类型，每个分类都有一个代码(如表1所示)。FIAS采用时间抽样的办法，每隔3秒钟，观察者记下最能描述教师和班级言语行为的种类的相应代码，并按时间顺序记录下来，进行统计分析。这样，一堂课大约记录800-1000个编码，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。

图1中横坐标每格代表3秒时间，30格即记录了30个观察行为，因此每一排即代表了90秒钟的师生互动情形。纵坐标为10种行为分类。为了节省空间和分析的方便，教学风格相同的某些行为类别共享一行，如第1类与第2类记录在同一格，而以数字区别(如图1第二排)，第6类与第7类也是如此；第10类行为(为简单起见用0表示)在纵轴上没有相应的行，而把它记录在方格下方。

对于能够熟练运用FIAS的观察者，也可以把课堂上的行为代码直接以阿拉伯数字形式按顺序记录下来，比如随堂记录在笔记本电脑的EXCEL表中，以供课后统计分析。

2　课例分析

本文选取一节高中化学课“浓度对化学平衡影响的探究”作为研究课例，以阐述FIAS在中学化学课堂观察中的应用。本课例从师生合作演示“蓝瓶子”趣味实验导入，通过从反应速率角度的定性探究，从化学平衡常数角度的定量分析，中间以制造认知冲突作为穿插过渡，师生合作共同探讨了浓度对化学平衡的影响规律。课例时长43分钟，观察素材来自课堂现场记录及录像资料。

2.1时间线标记分析

时间线纵轴上的每一行代表一种或两种行为类别，中间的横行代表教师提问(第4类行为)，间接教学风格(第1、2、3类行为)在上半部，属于较开放性的行为，此种教学风格能引起学生主动表达自己的想法(第9类行为)；直接教学风格(第5、6、7类行为)在下半部，属于结构性的行为，这种教学风格会限制学生表达自己的想法，变成有问才有答(第8类行为)。对图1所示的本课例时间线标记进行分析，可以看出，图中大部分都填充在中间位置之下'表示出在此3分钟内所观察的课堂，使用的是直接教学风格。

时间线标记将代码数据以图形的方式加以呈现，能直观、形象地表示出课堂上语言行为的类型。但是它只能用于按时间顺序记录教学语言行为和粗略地估计教学风格，要具体分析就需要使用弗兰德互动分析矩阵。

2.2矩阵分析

为了说明问题，先对表2矩阵中单元格的数据是如何产生的作简@-47绍。例如，记录课堂中某时段师生语言行为的代码依次为6、10、5、1、4、8、8、2，相邻两个代码所表示的语言行为间隔3秒，这8个代码用序对表示为(6，10)、(10，5)、(5，1)、(1，4)、(4，8)、(8，8)、(8，2)(注意其中第二个10需重复使用，即除第一个数据和最后一个数据外，所有的数据都要被用到两次)；这样，n个代码就可以得到n-1个序对，每一序对的前一个数字表示矩阵中行的序号(序号与代码类别对应，下同)，后一个数字表示矩阵中列的序号。(6，10)就表示由语言行为构成的10×10阶矩阵的第6行第10列单元格，同一序对每出现一次计数1。将全部序对分别计数，就形成了弗兰德矩阵。矩阵中每个单元格中的数据表示同一“连续课堂语言行为”出现的频次，如表2所示的矩阵中(4，8)的频次为40，表示这堂课记录的从“教师提问”到“学生答问”的行为共出现40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，可以对课堂教学状况做出有意义的分析。而且，在分析的基础上，也可以看出教师在教学中存在的问题，提出相应的改进方案，所以弗兰德互动分析矩阵具有较强的诊断性。

2.2.1课堂语言结构

该课中教师语言比率(1-7列次数／总次数)为64.77％，学生语言比率(8-9列次数／总次数)为29.65％，教师的语言行为占较大比重，但是学生也积极参与其中，是一个比较开放的课堂；安静及混乱的时间占全部教学时间的比例(第10列次数／总次数)为5.58％，这主要是因为化学演示实验时师生注意观察现象而保持沉默的原因。

表2中对角线(左上到右下)上的各个单元格叫做稳态格，代码落在这些格里，表示某种行为出现的时间超过3秒钟，表明持续地做某事。稳定状态区比率是指师生言谈停留在同一话语类别达3秒以上的话语时间占全部教学时间的比率，常模约为50％。本节课稳定状态区比率为82.21％，表明师生间的交谈互动比较稳定。

2.2.2教学风格和倾向

教师的课堂语言可分为间接影响和直接影响。间接影响与直接影响的比率反映了教师的教学风格、倾向。同一位教师在不同的课堂上也可能会表现出不同的教学风格，但基本上是稳定的。该课例中间接教学与直接教学的比值(1-4列次数／5-7列次数)为86.91％，数值小于1，表明教师在这节课中倾向于对学生施加直接影响，对学生的学习加以直接的指导。

2.2.3教师与学生的情感气氛

矩阵中1-3行与1-3列相交的区域(浅灰色)是积极整合格，如果在此区域记录次数密集，则反映出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7-8行与6-7列相交的区域(深灰色)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2中可看出，落在积极整合格的记录次数占总次数的11.3％，而缺陷格记录频数仅为1，可见教师与学生情感气氛较为融洽。

2.3课堂行为曲线分析

课堂行为曲线是根据FIAS代码记录，运用统计软件绘制的表示师生语言比率在时间上的分布图。纵坐标代表每一分钟内师生语言行为比率，横坐标代表时间，此坐标系中的图像可以直观地反映出师生语言行为持续、衔接和变化情况。

对图2进行分析，整堂课中教师的语言比率相对较高，形成了10次高峰。进一步分析发现，基本在教师每一

语言比率高峰后都会有学生较小的语言比率高峰出现，说明学生在教师的引导下有了较为积极的反应，师生间的互动情况较好。在第8分钟、16分钟、26分钟左右各有一个学生较高的语言比率高峰，对照录像可以看出，第8分钟对应小组汇报实验方案，第16分钟高峰对应小组实验探究和汇报实验现象及结论，第26分钟高峰对应小组讨论和汇报“蓝瓶子”实验中平衡移动的原因，说明学生对于探究活动和合作学习都有很积极的反应。整堂课中，沉默、怀疑或暂时停顿的情况很少，在第37分钟和41分钟各出现一次师生语言低谷，对照录像可知，这两次分别对应学生到黑板板演和教师做演示实验。

2.4本课例的思考与建议

从总体上说，本课例教学过程流畅，课堂气氛融洽和谐，师生互动良好，体现出新课改所提倡的“自主”、“合作”、“探究”等理念。同时，也暴露出一些问题，建议做进一步改进：

2.4.1重视了问题解决，缺少学生的提出问题

课例中，问题基本上都是由教师提出来的，学生与教师的对话主要是回答问题。特别是在‘化学平衡移动概念”与“化学平衡常数概念”教学中，教师控制得比较紧。在“汇报实验方案”中出现了学生的发散思考，教师也是一见就收。建议有些问题完全可以放手让学生提出。比如在“制造认知冲突”这一环节中：加水稀释硫氰化铁溶液，化学平衡将向什么方向移动?可以请学生提出运用经验规律解决问题时出现的困难，而不是由教师道出。

2.4.2关于教学风格的建议

美国教育心理学家盖奇(N.Gage)在《教学艺术的科学基础》一书中指出：在中学阶段，间接教学比直接教学更能促进学生学习能力的发展。从前面的分析可以看出，本课例中教师倾向于采用直接教学方式。建议教师在课堂上增加接纳、鼓励性的语言，以恰当的方式对不同的学生施以不同形式不同程度的表扬，激发他们在学习上的内在动机；提供更多的机会让学生主动表达自己的主张和观点，并用积极的方式给予回应，这样更能调动起学生的主观能动性。

3　弗兰德互动分析系统的评价