成亚玲，谭爱平

（湖南工业职业技术学院信息工程学院，湖南 长沙，410208）

1 引言

教育资源配置公平、教育质量提升和学生个性化发展是当前教育面临的三大时代难题[1]。为此国家发改委开展了“基础教育大数据研发与应用示范工程”计划[2]，支持北京师范大学基础教育大数据应用研究院等38 个大数据发展重大工程项目。研究发现现有教与学难以实现精准管理与精准教学，主要体现在：难以获知在线学习者的真实学习体验、不能科学评价教与学的实际水平、难以精确评判课程设计的有效性、无法实时监控教与学的过程、基础的数据采集片面、数据可视化展示与呈现水平低等方面。其中，采集与挖掘教与学的全程数据，是进行实时监测教育状况、精确诊断教育问题、有效评估学生发展、精准预测学业风险的基础。现有研究中对于数据采集大多只停留在线上数据采集，而对线下课堂数据鲜有涉及。

互联网智能时代催生了教育生态、课程形态与学习方式的深刻变革。智慧教室、智慧课堂应运而生。智慧课堂借助其物联网感知设备、图像识别、视频录像等采集线下实体课堂教、学过程中的生物数据、行为数据、文本数据等多模态数据；借助学习平台数据采集工具持续采集线上教与学的全部数据。本文从线上、线下两个维度，构建智慧课堂数据采集分析框架，全面采集教与学全过程多模态数据，为后续对学习者数据建模并进行挖掘分析，探究学习行为背后隐藏的教、学规律，为诊断改进教学提供有效依据。

2 智慧课堂教学流程分析

智慧课堂[3]利用新一代信息技术再造传统课堂教学流程，实现课前、课中、课后全过程高效互动、即时评价，实现教学过程智慧教学，最终达到学生个性化地学与教师精准化地教。智慧课堂借助于新一代信息技术，促进了教学实施过程中如资源传送、资源呈现、交互方式、评价模式、反馈等方面发生了重要变化，使课堂教学流程产生了根本性变化。同时，在智慧课堂教与学的过程中，产生了多维度的海量教学行为大数据。全面采集海量教学行为数据并挖掘分析，为诊断改进教学提供数据支撑。智慧课堂教学流程从整体上来看主要包括课前、课中、课后三个环节[4]，如图1 所示。

图1 智慧课堂教学流程

2.1 课前阶段

教学预设：教师在对学习环境、初始学习需求、群体学习者特征分析基础上，进行科学的教学设计。课前导学：教师向学习者推送适合的音视频、文本素材等学习资料；同时下发导学任务单让学习者按要求完成导学任务。课前测评：检测导学阶段学习者的学习效果、发现问题。学情分析：教师通过学习者的学习者音视频等学习时长、次数，导学测评等方面情况，对学习者在导学阶段群体存在问题、个体存在的问题进行综合分析，以调整教学策略、改进教学设计来应对下一阶段的教学。

2.2 课中阶段

教师首先对课前导学阶段学习者存在的疑难困惑进行针对性地解惑。课题导入：教师将本节学习任务导入、明确难重点、学习目标及注意事项。探究学习：明确学习任务后，学习者以协作学习小组的形式进行探究式学习、解决问题，教师予以适当的点拨以提高学习效果。实时测评：在课内学习任务完成后，即时进行学习效果评测。总结提升：在进行学习成果展示后，教师对学习任务完成情况、尚存疑问进行总结反思。

2.3 课后阶段

课后拓学：在课中学习阶段的基础上通过拓展项目训练提高对知识、技能的拓展应用。资源推荐：基于学习者的学习行为数据分析、实时测评数据等向学习者推送适切的个性化学习资源。精细辅导：对个别难点重点进行线上/线下针对性辅导，以提高其学习成效。反思评价：教师、学习者反思教与学过程中存在不足需要改进的地方，以便及时调整相应教学策略和学习策略

3 智慧课堂数据类别与数据指标

教学的过程是一个复杂且严谨的过程，动态生成多元的教学过程使得课堂数据的类别多、采集复杂。基于智慧课堂进行教学过程中产生了大量的多维数据，这些数据全方位描述了教与学的行为和过程，为诊断并改进教与学提供了数据基础。在已有课堂要素[5]研究基础上，结合智慧课堂内涵，将智慧课堂数据类别分为师生行为数据、情感数据、评价数据、课堂管理数据。

3.1 师生行为数据

课堂教学体现学生的主体性、教师的主导性。教师是教学活动的引导者与管理者，发起的某种行为能持续引起或促进学生给予相应。由于师生的学习行为既包含显性学习行为（登录、资源访问、检索、交互等），同时也包含隐性学习行为（学习动机、信息获取能力、学习态度、面部表情、沉思等）[6-7]。师生行为数据类别与数据指标见表1 及表2 所示。

表1 线下师生行为数据类别及数据指标

表2 线上师生行为数据类别及数据指标

3.2 教与学评价数据

评价是教学活动中的基本行为，评价的目标是为了改进教与学[8]。评价贯穿学习全过程，评价既包含结果性评价也包含过程性评价。评价数据主要包含教师评学数据、学生评教数据、生生互评数据、过程性评价数据及测试结果性评价数据，其评价指标与价值见表3 所示

表3 评价数据类别及数据指标

表3 评价数据类别及数据指标

3.3 师生情感数据

情感变化是影响学习效果的重要因素之一[9-10]，对教学行为起到促进或抑制作用。智慧课堂师生情况数据主要包含教师情感、教师态度、学生情感和态度等方面。其中，师生情感数据采集中，可以通过可穿戴设备（智能手环、手表等）实时记录师生心率、脉搏、热量摄入等生理状态数据；通过使用网络爬虫技术挖掘师生文本信息潜在价值，或利用人脸识别、情感识别技术采集课堂教学活动中师生的表情言语和行为数据。师生情感数据与价值见表4 所示。

表4 师生情感数据与价值

3.4 课堂管理数据

有效的课堂管理是顺利开展教学活动的基石，课堂管理应服务于课堂、服务于学生。课堂管理数据包含班级考勤、异常表现、学习进度提醒/预警提醒等类型数据，见表5 所示。

表5 课堂管理数据及价值

4 智慧课堂数据采集分析框架设计

智慧课堂学习活动既包括移动终端的线上活动，也包括应用多种教学模式的线下活动，数据随着教学活动的开展而不断生成。同时，由于学习目标、学习内容、学习环境、学习平台和学习模式的不同，动态生成大量的多元多模态数据使得数据的采集更加复杂。本研究在行为科学、系统论及学习分析理论指导下，结合智慧课堂特点，从“课前导学、课中研学、课后拓学”[11]等环节对学习者学习行为数据进行全方位采集，智慧课堂数据采集分析框架见图2 所示。

图2 智慧课堂数据采集分析框架

课前导学阶段数据采集与分析：教师基于线上学习平台采集学习者学习轨迹数据、导学学习行为数据、导学测评数据以及学籍成绩管理系统数据库等数据，应用数据挖掘、学习分析等技术，分析学习者的共性与特性；通过分析学习者个体的已学让知识基础、学习兴趣、学习风格、学习状态及导学学习情况，得到学情分析报告。根据学情分析报告，教师可以精准地识别学习者的认识水平、学习兴趣、预测学习潜在问题和风险，并调整教学设计和策略；让学生客观认识自己、调整学习策略，促进有效地教与学。

课中研学阶段数据采集与分析：通过智慧教室物联感知、视频录制、图像识别等技术采集线下课堂多模态学习行为数据；通过学习平台工具采集学习者信息的检索、沟通协作、交互、实时测评等数据。通过对采集的数据进行去重、去噪、转换、缺失处理等预处理后，应用聚类分析、关联分析、序列分析等技术对学习行为数据进行深入挖掘。如，应用关联规则技术挖掘学习者个性特征、学习行为、学习资源三者之间的内在联系，为学习者推荐个性化的学习资源；应用序列分析技术挖掘出学习者在学习过程中的规律、意愿，根据其个体特性推荐合适的学习路径，促使教师中更加精准地教、学习者更加个性化地学。

5 结语

本文在分析智慧课堂教学流程结构基础上，结合智慧课堂特点及教学过程数据的多样性、大体量等特性，构建了智慧课堂数据采集分析框架模型，旨在全面持续采集教与学过程中的全息数据，为后续诊断改进教与学提高有效数据支撑。下一阶段，我们将根据数据采集分析框架，在实践教学过程中应用实践并不断完善，以改进教与学的过程、提高学习者的学习成效。