济南新航实验外国语学校智慧校园典型应用案例——人工智能助力精准教研，数据分析促进教师发展

【学校案例】

人工智能助力精准教研

数据分析促进教师发展

——济南新航实验外国语学校案例

一、案例背景

教师作为教育的主体之一，教师队伍的能力、水平是人才培养的关键因素。结合教育部“人工智能助推教师队伍建设行动”，为探索尝试人工智能、数据分析对教师个人发展、教师队伍建设的促进作用，对提高教学质量的促进作用，济南新航外国语实验学校建设了基于常态化录播的智能课堂教学行为分析评测系统。

二、建设内容

现行的教研模式主要是教育主管单位、学校教研人员到教学现场或者通过网络观摩公开课，再基于个人教学经验或者教研小组讨论做出点评，从本质来说是主观经验性的。这种模式主要有几点不足：一是教研评价主观色彩较重，缺乏客观教研数据的支撑；二是教研评价是点状的、是离散的，教研人员只能对某一老师的一节课或者几节课作出点评，无法对其所有课持续点评，难免不够全面；三是教研评价主要是从教师维度出发，对于学生的表现观察、分析更少。鉴于此，通过应用----人工智能课堂教学行为分析评测系统，可实现长期持续性对教学过程中教师、学生行为表现数据的常态化、伴随式采集和即时化分析，提供实证化的数据服务，教研人员结合主观教学经验和系统分析的客观教学数据，实现精准教研，辅助教师改进教学设计、促进教师自我发展、提升学生学习水平。

三、教研理论支撑

结合国际通用的弗兰德斯课堂互动分析法、VICS语言互动分类系统和华中师大教学行为云图系统作为理论支撑。

一）技术层面

系统应用人脸识别、行为识别、表情识别、文本识别等人工智能技术，实现了多维度的数据采集、分析。

在每个教室安装1台智能录播主机、2台4K超高清摄像机、2支吊装话筒，并通过综合布线、整体调试、接入校园网，在机房安装2台平台服务器并搭建多维成长平台、教育视频资源管理应用软件环境。

设备安装、软件环境搭建结束后，在系统中录入学校、班级、课表信息、进行班级人脸建模，智能录播主机会根据系统设定的课表自动开关机、自动工作，对师生教学过程没有任何干预。授课时系统通过多目标的动态人脸识别，识别学生的身份；依据教研理论支撑，识别教师和学生的有效行为数据，统计出教学过程之中师生九大行为占比情况；通过文本识别，识别出教学课件中的文字与知识点，与平台知识库相对接，便于后期对相关知识点的检索；通过表情识别，识别学生在教学过程中的情绪变化，帮助了解教师整堂课的教学效果。授课结束后，系统会自动生成观察分析数据报告，主要包括课堂师生行为、课堂参与度及S-T行为分析数据。

（二）系统工作过程图解及案例图片

四、初步效果

基于系统目前所采集的数据、自动生成的课堂观察分析报告，可从整体上对学校教师的课堂数据进行对比研读，也可选取某一位教师的课堂观察分析报告进行分析。

（一）整体报告研读

以下数据是5月28日所采集到的初二年级语文学科组三位教师的六节课堂数据，教师学生课堂行为表现在整节课的时间占比数据如下图：

从三个维度方面对课堂教学进行分析：

1、课堂类型分析

三位教师的六节课均是练习型课堂，是以学生行为为主的课堂类型。通过对视频的打点观看，同时结合目前学校授课进度分析，因为临近考试，课程已进入了复习阶段，需要学生进行大量的练习与巩固，所以课堂类型以练习型为主。后期通过采集更多课堂数据后，形成教师的个人成长数据档案，可以进一步分析教师的长期授课风格。对于课堂类型的分析，有助于教师形成多元化的授课风格，增强课堂的趣味性，提高教学效果和质量。

2、师生行为分析

学生行为：三节课中学生读写行为很高，突出了语文学科以学生实践为主的学科特点；教师2与教师3的课堂中学生生生互动数据较高，虽然是在复习阶段，但体现出这两位教师注重课堂中学生的互动性，积极调动学生课堂的参与性，课堂气氛可能要更为活跃一些；在教师1的课堂教学中，生生互动和师生互动占比相较其他两位教师略低，建议教师1在课程中除了注重学生的读写，还应该适当的增加学生的互动提高生生互动率以及师生互动率，这样有助于调节课堂气氛的的 活跃程度。

教师行为：教师板书行为很低，几乎为零，通过对视频的观看，教师更偏向于使用多媒体设备。通过视频回看，教师2和教师3个体提问较多，因此师生互动占比较高。教师的巡视占比均较高，说明教师注重在练习型课堂中观察学生的学习情况。教师的巡视行为也属于教师教学行为习惯的一种，积累长期的数据之后，也可以对教师的教学习惯进行对比分析。除此以外，教师的巡视占比与学生的参与度呈一定的正相关，如下图所示：

参与度分析：

大部分课堂的参与度数据都很高，接近60%或超过60%，侧面反映出课堂氛围良好。

除了班级平均参与度，教师可以了解学生的个体参与度情况，了解到班级里参与度不高的学生并与他们进行沟通交流；对于家长来说，也可以了解到自己孩子一堂课上学生40分钟的参与度情况。同时，在精准教研的过程中，可以重点关注参与度变化剧烈的教学时间段，依据教学视频做打点评价。

（二）个体课堂报告的研读

1．课程信息

课程名称 物理 学科 物理 时间 2019.6.3

主讲教师 教师1 教龄 - 年级 高一（1）班

2．课堂观察记录

课堂教学行为时间占比：

学生行为:读写占比较高，突出了物理注重实践练习的学科特点；读写是教研活动中的重点关注点，在课堂教学过程中，以读带写，以写促读，提升课堂学习的效率。应答、举手占比不是很高，举手行为反映学生的课堂参与度和注意力，反映学生是否积极参与课堂活动，举手有助于学生对知识的理解，促进学生的思考，并且应答在教研中反映了学生知识掌握的程度，所以建议教师可适当设置问题，提高学生参与度；在该数据报告中，生生互动占比很低，可适当增加学生间的互动。

教师行为：讲授在教师课堂教学中的占比反映的是不同学科不同阶段的不同老师的授课风格，讲授占比较高，说明教师更倾向于知识单向传递的教学方式，在这堂课之中，讲授占比合理，反映出教师注重讲和练相结合的方式提高课堂效率；巡视便于沟通教师和学生之间的感情，指导学生的学习，端正学生的学习态度，促成学生养成良好的学习习惯，得到学生的学习反馈，报告中教师巡视占比较高，说明教师注重关注学生课堂的学习情况；板书占比适当，显示出教师注重题目的具体推理过程的演示，引导学生深度思考；

课堂教学模式：

教师行为占有率为44.83%，学生行为占有率为55.17%，师生行为转化率为33.33%，该节课是混合型课堂。课堂上教师前半段时间主要讲解测试卷子，后半段时间随堂进行练习。建议教师进一步改进课堂设计，提高课堂的师生互动，让学生更深入的 参与课堂。

课堂表现曲线：

8分钟：教师板书讲解卷子，参与指数提升。

14分钟：教师边巡视边分析错题，学生认真听讲，参与度指数提升。

22分钟：教师暂停讲解发放试卷，秩序混乱，参与度指数降低。

30分钟：学生做卷子，教师个别指导学生，参与指数较高。

38分钟：部分学生完成试卷后交头接耳，参与度指数较低 。

这节课主要是教师讲解试卷，在讲解过程中讲练结合，建议可对完成试卷速度较快的学生给予相应关注，提高课堂的整体参与度。

课堂参与度散点图：

以下图为例，课堂参与度散点图数据反应了 班级所有学生贯穿整堂课的参与度变化情况。

也可以查看具体某位学生个体在整堂课上的参与度变化情况，下图为该班周同学的课堂参与度变化折线图。

 （三）数据报告研读总结

基于目前采集到的数据及对整体课堂观察报告的研读，暂时分析出语文学科教师的上课风格以练习型为主；结合教学视频对三位教师课堂上教师行为、学生行为与参与度的对比分析可反映出平行班整体的课堂气氛和教学效果。通过对教师个体课堂观察分析报告的研读，结合教学视频，可多角度反思教学设计是否合理，对课堂的整体把握是否需要改进等问题。当采集到的数据达到一定量级后，学校领导、教研员还可从横向和纵向两个维度进行数据报告研读。横向可以采集多位教师同一阶段的课堂数据进行分析；纵向上可以对某一教师长期的课堂数据进行对比分析。例如：通过对“职初型教师与成熟型教师”的数据报告进行研读，寻找二者之间的差异，缩短职初型教师的成长周期。

五、愿景展望

我们计划下学期对所采集的数据进行研读，并邀请主管领导、教研人员、教师开展多种研修模式，让教师在实际教研活动中探索、体验“人工智能+数据分析”支持下的精准教研应用。我们初步计划了三种研修方式，这三种方式需要教师团队、教研员团队、专家团队、企业数据分析团队共同参与，合力推进。

（一）精准教研支持下的 教师工作坊主题研修

方式：观摩名师课堂，借助视频案例分析工具对教师课堂进行特征分析。

目标：促进教师协作能力和反思能力的提升。

实践：学校组织骨干教师和年轻教师参与研修活动，具体可选择“同课同构”或者“同课异构”的方式进行主题研修。

（二）线上线下相结合的课例研修

方式：围绕实际教学中产生的问题，借助视频课例分析工具（精准教研）对某一节课的教学设计进行协作打磨和集体反思（磨课管理）。

目标：提升团队成员的教学设计能力和信息化教学能力，打造优秀课例。

实践：学校组织教研组的 教师参与研修活动，通过多次协同备课、教学展示和课例研讨打造优课。

（三）直播支持下的同侪研修

方式：通过智课终端以及磨课中心、同步课堂和精准教研等平台模块实现异校课堂的直播、互动和研讨。

目标：构建跨校同侪研修机制，实施切实可行的教学反思路径，提升教师的教学技能，从而落地大规模的优质教师教育资源共享，促进教育公平和均衡发展。

实践：在区域跨校教研中，通过智课系统，探索不同学校之间常态化同侪研修活动。

通过开展这些研修活动，可以切实促进教师提高自身的教育信息化素养，培养教师独立研读课堂分析观察报告，改进教学设计，促进教师自身发展；同时为主管领导发展决策提供客观数据支撑，促进教师队伍建设；还可通过对班级整体行为分析、学生个体行为分析、学生动态成长分析为学生家长提供个性化辅导建议。