黃榮懷 高博俊 王歡歡 徐晶晶 杜靜

[摘 ? 要] 從教與學的行為數(shù)據(jù)中洞察教與學的行為規(guī)律，打破現(xiàn)有的以經(jīng)驗為主、人工分析課堂教學行為，轉為以大數(shù)據(jù)為支撐的智能化教學行為計算，已成為智能時代教學行為分析的重要趨勢。研究從教與學行為的視角切入，梳理傳統(tǒng)課堂教學行為分析到廣義學習行為分析的歷程，結合行為計算，提出教學行為可計算的概念，構建教學行為計算的通用框架，并梳理學習者與參與者、學習者與環(huán)境、參與者與學習成就、學習環(huán)境與學習成就四個研究方向。大規(guī)模教學行為數(shù)據(jù)的獲取、表征、挖掘和呈現(xiàn)，將為實踐教學提供指導，助力智能時代新型教學模式和教學過程的構建。

[關鍵詞] 教學行為; 教學行為計算; 智能教育; 教學過程

[中圖分類號] G434 ? ? ? ? ? ?[文獻標志碼] A

[作者簡介] 黃榮懷（1965—），男，湖南益陽人。教授，博士，主要從事智慧學習環(huán)境、教育信息化、協(xié)作學習等研究。E-mail：huangrh@bnu.edu.cn。高博俊為通訊作者，E-mail：gaobojun@mail.bnu.edu.cn。

一、引 ? 言

智能技術的飛速發(fā)展正在潛移默化地改變現(xiàn)有的教學環(huán)境、教學模式和教育制度，嚴謹?shù)臎Q策論證、信服的評判依據(jù)逐漸成為從教育信息化邁向教育現(xiàn)代化的全新訴求[1]。從教與學的本質(zhì)屬性來看，教師與學生在教學活動中是相互依存的，教學永遠是教和學的統(tǒng)一活動[2]，教和學的交互需要依賴對雙方行為的客觀判斷，從而使行為數(shù)據(jù)的分析顯得越來越重要。從常規(guī)課堂教學的過程來看，傳統(tǒng)的教學設計依賴經(jīng)驗本位的主觀判斷進行教學媒體、教學策略和教學評價設計，缺乏依據(jù)課堂教與學的行為數(shù)據(jù)分析而得到的客觀依據(jù)。從拓展的教學情境看，在線學習作為互聯(lián)網(wǎng)與教育融合的重要產(chǎn)物，遠程學習中的學習支持與服務同樣需要基于對教與學行為數(shù)據(jù)的分析、診斷、預測和干預，從而精準判斷學生的學習狀態(tài)，為教師及時轉變教學策略以提高在線教育質(zhì)量提供數(shù)據(jù)支撐。

作為大數(shù)據(jù)分析的重要發(fā)展方向，計算行為科學是聯(lián)結數(shù)據(jù)計算和教學行為研究的橋梁。計算行為科學與教育結合為教與學活動分析提供了一種可行路徑，使重構和優(yōu)化教學過程成為可能[3]。由此，數(shù)據(jù)成為撬動整個教育系統(tǒng)變革和教學過程重構的關鍵因素。隨著信息存儲技術效率的提高、數(shù)據(jù)傳輸取得的歷史性突破、大規(guī)模并行計算對數(shù)據(jù)處理速度的提升[4]，教育研究逐漸從經(jīng)驗主義走向數(shù)據(jù)密集型的研究。從教與學的行為數(shù)據(jù)集合中洞察教學行為規(guī)律，通過教學行為計算對課堂教學行為進行深度分析，打破現(xiàn)有以經(jīng)驗為主的、傳統(tǒng)的人工分析課堂行為模式，轉為以大數(shù)據(jù)為支撐的智能化教學行為計算，已成為一種重要的發(fā)展趨勢。

二、教與學行為研究的歷史演變

較為系統(tǒng)的行為研究始于二十世紀二三十年代，一批心理學家（如桑代克、斯金納）從研究動物的行為開始，探索行為與結果之間的聯(lián)系，盡管他們一直在研究人類的行為，但并沒有用客觀的工具來量化人的行為。教育學研究者雖然熱衷于探索教與學的行為，但仍難以實現(xiàn)對學習行為的精準化識別并給予個性化的指導。對教與學行為的研究大致可分為傳統(tǒng)課堂教學行為分析階段和廣義學習行為分析階段。

傳統(tǒng)課堂教學行為分析階段始于二十世紀六七十年代。隨著行為研究的不斷深入，教育學者逐漸關注教學過程對學習成就的影響，形成一批較有影響力的課堂教學行為分析方法。1970年，美國學者弗蘭德斯提出了弗蘭德斯互動分析系統(tǒng)，將課堂上師生的言語行為劃分為教師言語、學生言語和沉寂或混亂三類，共計10種編碼[5]。早期的S-T分析法，通過現(xiàn)場觀察或回看教學過程錄像，劃分學生行為（S）和教師行為（T），計算教師行為所占比例Rt和師生行為轉化率Ch，最后通過繪制Rt-Ch圖來確定課堂教學模式，反映課堂結構、教師風格和課堂情感氛圍等信息，進而指導和改進教學[6]。國內(nèi)許多學者從不同角度演化出多種版本，如改進編碼過程、細化分析項目屬性特別是沉寂行為、構造面向數(shù)字化學習環(huán)境或是基于教學活動理論的分析框架[7-10]。弗蘭德斯互動分析系統(tǒng)為教學活動分析提供了量化可操作的方法，但其將課堂教學過程編碼為10類行為，容易造成分析對象過于籠統(tǒng)，且不能細化深入分析;而我國學者的改編雖然細化了很多行為類目，但編碼數(shù)量也近乎增長了一倍，不僅加重了分析編碼時的負擔，而且人工編碼仍存在誤差較大的問題。

廣義學習行為分析階段源自大數(shù)據(jù)概念的興起?；诮逃髷?shù)據(jù)的學習行為分析催生出學習分析技術，并將其推向研究的前沿。2011年，美國新媒體聯(lián)盟（NMC）首次在《地平線報告》中提出學習分析將成為影響未來教育變革的新興技術[11]。學習分析技術旨在運用已有的算法和模型深度理解學習者的學習過程和行為，進而對教學進行評估、預測和干預[12]。顧小清團隊提出在線學習行為分析模型，分別從數(shù)據(jù)、機制、結果三個層面進行探討，并建立及時反饋和預測機制，通過結果可視化便于教師、家長和管理層實施教學干預[13]。武法提團隊構建數(shù)字化學習環(huán)境下個性化學習行為分析模型，對學習者個人特征數(shù)據(jù)、社交網(wǎng)絡數(shù)據(jù)、身體數(shù)據(jù)、課程數(shù)據(jù)、學習環(huán)境數(shù)據(jù)等進行數(shù)據(jù)挖掘和可視化，通過個性化和自適應引擎調(diào)整和反饋學習狀態(tài)[14]。以上兩種分析方法與傳統(tǒng)課堂教學行為分析的不同之處主要體現(xiàn)在：第一，分析顆粒度越來越細，分析結果越來越精準;第二，編碼方式從人工的和非實時的轉變?yōu)樽詣踊暮蛯崟r的，在減少教師工作量的同時，提升了分析結果的穩(wěn)定性和準確性;第三，分析對象從類型單一且小規(guī)模的數(shù)據(jù)轉變?yōu)槎嗄B(tài)且海量的數(shù)據(jù);第四，分析深度從僅僅識別行為的淺層外顯特征到深入理解行為的模式、演變規(guī)律，并推測行為背后的動機等內(nèi)在意義;第五，分析的重點從“教”轉到了“學”。

三、技術發(fā)展與情境拓展呼喚教學行為的計算

技術發(fā)展正在或遲或早地推動教學理念、教學方式以及教學過程等的革新。技術在潛移默化地影響教育、教學方式，改變教育、教學過程。投影技術的出現(xiàn)使得幻燈教學得以普及，電影技術拉開了視覺教育運動的帷幕，留聲唱片機和無線電廣播的興起開啟了視聽教學的新領域，電子計算機的發(fā)明推動了計算機輔助教學時代的來臨，慕課的大規(guī)模興起掀起了翻轉課堂的熱潮等。隨著智能時代的來臨，諸多新興技術呈指數(shù)形式發(fā)展[15]。如5G技術不僅是網(wǎng)絡帶寬的增長和延時的降低，伴隨虛擬現(xiàn)實與增強現(xiàn)實技術的發(fā)展，全息投影也成為可能，國內(nèi)已有成功案例將優(yōu)秀教師的課堂現(xiàn)場實時投影到教育資源不均衡的地區(qū)，實現(xiàn)“雙師”課堂。與此同時，5G技術也極大提升了原有的運算存儲速度，可以連接千百億數(shù)量級的物理設備，為物聯(lián)網(wǎng)的發(fā)展提供了強有力的支持，為教與學過程的計算和處理奠定了基礎。再如語音識別技術的快速發(fā)展為言語類行為的分析與計算提供了助力。因此，技術的發(fā)展和成熟使得對多模態(tài)、大規(guī)模數(shù)據(jù)的分析和深層理解成為可能。

隨著技術逐步融入學校，教與學情境也日趨多元化，學校的邊界日趨模糊。多樣化的教與學情境帶來了大規(guī)模、多模態(tài)、復雜的教與學行為數(shù)據(jù)，如何通過對數(shù)據(jù)的分析和計算來理解教與學行為背后的深層次含義已成為迫切需求。然而，傳統(tǒng)的課堂教學行為分析和廣義的學習行為分析由于其數(shù)據(jù)組織形式和處理手段的局限，大多只關注行為的外顯特征，難以挖掘行為背后的驅(qū)動因素、生命周期等，在深度理解行為方面存在一定困難，無法滿足智能時代精準教學的需求。盛行的課外輔導及其對新型教學模式的靈活應用正在倒逼學校課堂教學進行改革[3]，也亟待新型教學行為研究模式的出現(xiàn)。教與學情境的演化期待更智能的教學行為分析，其基礎就是教學行為計算。

四、教學行為計算的內(nèi)涵

（一）教學行為

教學行為是具體的可操作的行動方式，是教師的教學理念、專業(yè)知識、專業(yè)情意、實踐智慧等內(nèi)隱素質(zhì)的凝聚和外顯，教學行為的主體是教師[16]。學習行為是學習者在某種動機指引下為獲得某種特定學習結果而選擇各種各樣的手段去實現(xiàn)學習結果的活動的總和[17]。單一從教師教學和學生學習的視角詮釋教與學的行為，都難以支持多情境與多場域的教學分析和教學互動訴求。在教學實踐中，教與學無法割裂，因此，研究教學行為既應包括教和學的行為，更應關注教與學交互的行為。正如《教育大辭典》中對教學行為的界定，教學行為是指教學過程中，為達到一定的教學目的，教師和學生所采取的行為[18]，不僅包括教師與學生之間的相互作用、學生之間的相互作用，還包括教師、學生與整個教學環(huán)境的相互作用。

（二）教學行為計算

教學行為計算的概念可追溯到賓夕法尼亞大學計算行為科學實驗室對于計算行為研究的界定：使用行為實驗和計算建模來研究人們?nèi)绾嗡伎?、判斷和決定[19]。該領域聚焦行為計算，主要通過對行為數(shù)據(jù)的獲取、表征、挖掘，實現(xiàn)深度理解和發(fā)現(xiàn)行為智能，最終支持決策，并服務于應用和管理行為[20]。依據(jù)教學行為和行為計算的概念，教學行為計算可被認為是通過對信息技術支持的教與學過程中，師生行為、師生互動以及師生與環(huán)境交互等數(shù)據(jù)進行獲取、表征、挖掘，發(fā)現(xiàn)教學行為的特征及規(guī)律，深度理解教學過程，既有效服務于教學設計、組織、管理、評價，又能支撐學習資源的精準推送和智能教學系統(tǒng)的研發(fā)與部署。教學行為計算不但要計算穩(wěn)定的習慣性行為，還要關注偶發(fā)性的異常行為，異常行為的出現(xiàn)預示特殊的教與學狀態(tài)，需要教師及時的關注與反饋。

教學行為計算以教學行為為中心組織數(shù)據(jù)，依據(jù)行為的多維度屬性進行數(shù)據(jù)建模，深度理解行為的模式、驅(qū)動因素、發(fā)展機制和潛在影響，通過對大規(guī)模實時數(shù)據(jù)的采集、處理和分析，為實踐教學提供指導，優(yōu)化教學活動的設計與實施，助力智能時代新型教學模式和學習過程的構建。

五、教學行為計算的邏輯模型

在大數(shù)據(jù)興起的背景下，為更好地支持教學行為分析，提出教學行為計算的通用框架。該框架建立在一般行為計算[21]過程的基礎上，主要包含三個部分：從與教學行為相關的應用和領域中獲取數(shù)據(jù);教學行為的表征與推斷、行為數(shù)據(jù)的挖掘與分析;計算結果的呈現(xiàn)與應用，如圖1所示。

（一）數(shù)據(jù)獲取

從與教學行為相關的應用和領域中獲取數(shù)據(jù)，涉及教學行為發(fā)生的幾個重要情境，如課堂教學、有組織的自學和協(xié)作探究學習等。數(shù)據(jù)主要來源于物理環(huán)境和虛擬環(huán)境。在物理環(huán)境中，師生的言語、動作、沉寂等行為產(chǎn)生了多樣的數(shù)據(jù)，可通過腦電、眼動等可穿戴設備、智能攝像頭等智能終端進行捕捉抓取。在虛擬環(huán)境中，對于問題解答、信息瀏覽、加工、發(fā)布、交流等行為數(shù)據(jù)[21]，可通過在線學習管理系統(tǒng)、智能教學系統(tǒng)、社交網(wǎng)絡平臺等獲取。隨后，對獲取的數(shù)據(jù)進行預處理和存儲。預處理包括數(shù)據(jù)清洗和數(shù)據(jù)集成。數(shù)據(jù)清洗包括處理噪聲數(shù)據(jù)、無關數(shù)據(jù)和缺失值等[22]，確保數(shù)據(jù)的有效性。數(shù)據(jù)集成是將不同來源和形式的數(shù)據(jù)，根據(jù)其相關性，按照學習者與參與者、學習者與環(huán)境、參與者與環(huán)境三個大類進行集成。存儲環(huán)節(jié)是將集成后的教學行為數(shù)據(jù)按照數(shù)據(jù)在結構上的特點（結構化數(shù)據(jù)、半結構化數(shù)據(jù)和非結構化數(shù)據(jù)）進行存儲，為后續(xù)的計算分析做準備。

（二）教學行為的表征與推斷、行為數(shù)據(jù)的挖掘與分析

教學行為的表征與推斷、行為數(shù)據(jù)的挖掘與分析這兩個模塊是彼此關聯(lián)、相互作用的，實現(xiàn)了數(shù)據(jù)分析教學的深度融合，也體現(xiàn)出對教學過程的深度“感知”?！案小睆娬{(diào)對外界環(huán)境和內(nèi)在心理所能感知的信息及數(shù)據(jù)的接收。行為數(shù)據(jù)的挖掘與分析中涉及數(shù)據(jù)挖掘與處理的步驟，可以廣義地理解為信息捕獲、數(shù)據(jù)轉換及處理的過程，即為“感”?！爸眱A向于對感覺到的信息進行有組織的加工處理，實現(xiàn)對其的理解。在教學行為計算通用框架中，通過教學行為的表征和推斷，結合相應的教育教學理論，可以更加深入闡釋和理解行為，即為“知”。在此過程中，先根據(jù)一定的教學理論和經(jīng)驗創(chuàng)建行為表征規(guī)則，指導教學行為的描述，即教學行為的元表征，包括描述行為的操作主體、作用對象、目標、時間、環(huán)境、影響等。在不同的教學情境下，表征方法會有所不同。在課堂教學情境下，教師的言語可表述為：李老師在上課一開始對全班同學進行了關于求解一元二次方程方法的提問，目的在于喚醒同學們對該知識點的記憶，在老師提問后，班級同學給予了積極回應。這種行為表征方法是教學行為計算區(qū)別于傳統(tǒng)教學行為分析方法的關鍵，通過細化行為的屬性標簽，使得對行為的深度理解成為可能。

對于從各種傳感設備和學習管理系統(tǒng)中捕獲到的數(shù)據(jù)，依據(jù)特定的標準，如弗蘭德斯互動分析系統(tǒng)和S-T分析法等，劃分為教學行為數(shù)據(jù)和其他數(shù)據(jù)源。隨后，通過行為模式挖掘、異常行為發(fā)現(xiàn)、關聯(lián)因素分析等步驟處理。行為模式挖掘旨在從海量的教學行為數(shù)據(jù)中發(fā)現(xiàn)行為間存在的模式和隱藏在內(nèi)部的關系，與行為模型核查存在相互檢驗的關系。行為模型根據(jù)挖掘的結果進行核查和優(yōu)化，以便使行為表征更加準確和全面。異常行為發(fā)現(xiàn)是指識別在教學過程中發(fā)生的偏離大概率事件的偶發(fā)行為，如頻繁點擊教學系統(tǒng)中某個按鈕、頻繁進出教室等行為。關聯(lián)因素分析包含兩個方面：其一是促使行為發(fā)生的因素;其二是行為發(fā)生后造成的影響，根據(jù)分析結果進一步解釋不同類型教育教學社群的形成和演化的狀態(tài)與規(guī)律。以上行為數(shù)據(jù)的挖掘與分析常用到聚類分析、分類分析、回歸分析、路徑分析、時間序列分析和語義分析等。常用的數(shù)據(jù)挖掘算法有Random Forrest、深度神經(jīng)網(wǎng)絡、SVM和Bayes Belief Network等。

使用數(shù)據(jù)挖掘與分析的結果進行綜合分析與評價。例如：教師教的行為、師生互動、同伴互動、學生與環(huán)境互動對學習過程和結果的影響;判斷教學行為模式對學習結果的促進作用、潛在風險和成本效益等。根據(jù)綜合分析和評價的量化結果指導行為關系的質(zhì)性分析，包含對行為間的關系描述和推斷。例如：發(fā)現(xiàn)學習者多次中途無故退出學習系統(tǒng)，則推斷學習者可能出現(xiàn)輟學的行為，此時，教師應及時進行有針對性的教學干預。行為關系分析的結論又會用于支持行為表征規(guī)則的修正和優(yōu)化。

（三）計算結果的呈現(xiàn)與應用

通過計算和分析將產(chǎn)生的教學行為特征、教學互動規(guī)律、學習影響因素等結果以可視化方式共享給各相關方。依據(jù)教育教學中各相關方的需要，使用表格和圖示等方式來呈現(xiàn)和報告從數(shù)據(jù)挖掘中得到的行為的動態(tài)、關系、模式、網(wǎng)絡和規(guī)律，幫助相關人員更加深入地理解教學行為的生命周期及其影響的傳導機制，從而理解教學過程。典型的任務包括行為過程可視化、行為網(wǎng)絡關系可視化和行為序列可視化等。利用計算和推理的結果支持教學設計、教學組織、課堂管理、教學評價等教育教學管理與決策，同時，也為智能教學系統(tǒng)、學習資源推送系統(tǒng)等提供支持服務。

以上各部分除了依據(jù)客觀的數(shù)據(jù)和嚴謹?shù)挠嬎惴治鲋?，還依賴教學理論、行為科學理論、計算機理論和數(shù)據(jù)科學等多學科理論的指導，為教學行為數(shù)據(jù)模型的構造和核查提供依據(jù)，為數(shù)據(jù)分析和挖掘提供切入點，為行為理解提供佐證，為教學決策的優(yōu)化提供理論支撐?；诮虒W過程感知的行為計算使新的教育生態(tài)以數(shù)據(jù)驅(qū)動為特征，向個性化教學變革。通過捕捉整個教育生態(tài)中以學習者為中心，多方參與者的全流程、多模態(tài)的數(shù)據(jù)，整合應用多種計算分析技術，從而識別、診斷、預測和干預教育教學中的問題，支持主動、實時、動態(tài)地調(diào)整教學活動，如規(guī)劃學習路徑、配置學習資源，支持個性化的教學和管理，促進傳統(tǒng)班級授課向個性化學習和差異化教學轉變，推動教育從標準化供應走向個性化服務，優(yōu)化教學過程，提高教學質(zhì)量。

六、教學行為計算的四個主要研究方向

教學行為計算研究的核心是各種教學交互行為及其影響，教學交互是在學習活動中，學習者為了對知識進行正確的意義建構，與學習環(huán)境之間的相互交流和相互作用[23]，其內(nèi)涵為發(fā)生在學習者、參與者和學習環(huán)境之間的活動，如圖2所示。按照抽象程度的差別，教學交互分為不同的層次，交互的層次和質(zhì)量對學習過程和結果均有重要影響，是考量教學效果的重要指標[24]。隨著學習環(huán)境形態(tài)的演進，技術對教學互動的支持手段越來越豐富。對交互本身及交互涉及的各類因素之于學習成就的影響相關問題的關注、應用和研究也越來越廣泛。

? ? ? （一）學習者與參與者的互動行為研究

學習者與參與者的互動可以激活學習者內(nèi)部的多種機制，最終促使學習發(fā)生并取得學習成就，是行為計算的重要研究領域，主要包含學習者與教師、學習者與同伴間的互動。典型的研究主題包括構建分析工具、探索互動過程的特征、發(fā)現(xiàn)互動行為的類型和模式、評價互動效果、探索影響互動的因素、解釋互動的動力機制、構建課堂互動理論和對未來發(fā)展趨勢的探討等八類 [25-26]。圍繞著上述研究主題，定量研究方法、定性研究方法和混合型研究方法被廣泛使用。研究的結果被用于理解學習者與參與者的行為和其中的情感、思維，識別課堂互動和其他課堂結構要素之間的關系，評估教學效果，發(fā)現(xiàn)教學的普遍規(guī)律，優(yōu)化課堂互動模式，最終提升教學效果。

基于對已有研究問題的分析，我們認為，未來的研究將包含學習者在線互動行為數(shù)據(jù)庫的建立，從而加強對互動中隱性和深度信息的分析。研究樣本的選取應該均衡、合理，分析盡可能建立在海量數(shù)據(jù)的基礎上[27]，在不同學科教學的情境中進行分析，增加對跨時空互動的動態(tài)分析和比較研究。此外，還可以分析學習者行為的變化趨勢，增強結論的可靠性。同時，注意采用多種方法和工具進行研究[28]。

（二）學習者與環(huán)境的交互行為研究

學習者與學習環(huán)境的有效交互能夠拓展學習經(jīng)驗、建構知識、提升學習效果。該方向的研究聚焦五大主題，包括交互分析框架和流程的構建、學習環(huán)境的開發(fā)、理論框架研究、學習者和環(huán)境交互的特征及影響因素研究、學習者的情感和心理過程研究[29-33]。上述研究使用的研究方法有內(nèi)容分析法、相關分析法、分類分析法、聚類分析法和案例研究法等。交互分析結果可以用來發(fā)現(xiàn)學習環(huán)境中學習行為模式的差異性和相似性，推測不同環(huán)境中的學習習慣，為學習過程涉及的各相關方提供參考，為教學干預提供依據(jù)，實現(xiàn)個性化學習。

基于已有的研究問題，未來交互學習環(huán)境的開發(fā)和研究應考慮以下四個方面：（1）從系統(tǒng)觀視角看，以學習者為中心，關注學習者、學習環(huán)境和其他參與者之間的多方互動，從而使學習環(huán)境與教師和學生無縫銜接;（2）從技術視角看，進一步增強語音和圖像識別精度，聚焦這類技術在特定學習環(huán)境中的情境化處理，支持多模態(tài)交互，降低認知負荷;（3）從教學視角看，應更加注重學習者在交互環(huán)境中切實的學習效果，確保學生的活動和學習概念的一致性;（4）從研究視角看，應擴大數(shù)據(jù)規(guī)模，從而增強研究結論的信度和效度。

（三）參與者對學習成就的影響研究

人際互動對學習績效具有顯著影響，而這種影響也是評價參與者與學習者互動效果、衡量互動是否成功的重要著眼點。該方向主要的研究主題包括：不同類型的參與者對學習成就的影響、與參與者的互動對學習成就的影響、互動對學習成就的細分領域的影響以及對不同因素如何影響學習成就各細分領域的綜合建模研究[34]。上述研究主題常用的研究方法有觀察法、問卷法、實驗法、準實驗法和統(tǒng)計分析法。參與者對學習成就的影響研究能夠明確參與者如何影響學習，以及他們具體影響學習的哪些方面和影響程度，從而引導教師更有效地與學生互動，幫助教師設計有效促進學習的同伴互動。

考慮到參與者對學習影響所呈現(xiàn)出的復雜性，建議研究者可以關注學習者和參與者關系內(nèi)涵和外延的復雜性和多元性，考慮參與者對學習影響的各類介質(zhì)性因素，采用多元研究范式，在不同類型的學習環(huán)境中進行研究。著力于從實際教學過程或者互動過程中產(chǎn)生的真實問題，關注微觀的、深層的教學互動問題，擴大數(shù)據(jù)規(guī)模，從而進行深入研究。

（四）學習環(huán)境對學習成就的影響研究

豐富的交互環(huán)境有助于學習者進行有效的交流并影響學習。該方向典型的研究主題包括：學習者對學習環(huán)境的感知與學習成就的關系研究、學習環(huán)境中的不同因素對學習成就的影響及其建模研究、不同類型學習環(huán)境影響的比較研究 [35-36]。主要涉及的研究方法有實驗法、問卷法、觀察法以及綜合使用多種方法的混合型研究。研究的結果能夠指明學習環(huán)境中的哪些因素以何種方式影響學習成就，從而支持學習環(huán)境的創(chuàng)建和優(yōu)化、教師對教學活動的安排以及學校對學習環(huán)境的管理。

在學習環(huán)境的創(chuàng)建和優(yōu)化方面，在構建技術支撐的復雜性學習環(huán)境時要重視教學設計和教學策略的使用，構建虛實結合的學習共同體，注意對教師轉化角色的支持，為學習者提供良好的學習體驗。同時，智能學習環(huán)境提供給學習者的支持要與學習者的個性特征相適應。在研究內(nèi)容方面，除了關注學習環(huán)境對認知領域?qū)W習成就的影響外，還要注重考察學習環(huán)境對學習者情感等多維度的影響，深入探索潛在的中介性因素對學習環(huán)境和學習成就之間的影響協(xié)調(diào)機制，通過延長研究周期和擴大數(shù)據(jù)規(guī)模來增加結論的可靠性。

七、結 ? 語

與教學行為計算相關的研究在取得突出成果的同時，仍存在以下五個方面的問題：第一，對于教學互動行為相關的基本概念、理論基礎和評價標準，學界尚未完全達成共識，沒有形成統(tǒng)一的理論體系;第二，構建互動分析模型的研究較多，而驗證模型的可操作性和可推廣性的研究較少;第三，當前對教與學行為的分析多集中在對參與者之間互動的顯性分析，對深度互動的挖掘不夠;第四，多數(shù)研究樣本抽樣不夠全面、總量偏小、實驗周期較短，所得出的結論可推廣性和解釋力有限;第五，數(shù)據(jù)分析的工具和手段有待進一步多樣化，當前國內(nèi)運用質(zhì)性工具系統(tǒng)化研究互動分析的較少。對于教學行為研究和行為計算對教育過程的重塑潛力以及當前研究中仍然存在的問題和挑戰(zhàn)，特別是教學行為計算的四個研究方向涉及的研究主題，我們將進一步展開研究和實踐工作。

[參考文獻]

[1] 郁曉華，顧小清.學習活動流：一個學習分析的行為模型[J].遠程教育雜志，2013，31（4）：20-28.

[2] 王策三.教學論稿[M].2版.北京：人民教育出版社，2005：87.

[3] 黃榮懷，周偉，杜靜，孫飛鵬，王歡歡，曾海軍，劉德建.面向智能教育的三個基本計算問題[J].開放教育研究，2019，25（5）：11-22.

[4] 胡欽太，張曉梅.教育信息化2.0的內(nèi)涵解讀、思維模式和系統(tǒng)性變革[J].現(xiàn)代遠程教育研究，2018（6）：12-20.

[5] FLANDERS N. Analyzing teacher behavior[M].MA：Addison-Wesley，1970：107.

[6] 傅德榮，章慧敏，劉清堂.教育信息處理[M].2版.北京：北京師范大學出版社，2011.

[7] 顧小清，王煒.支持教師專業(yè)發(fā)展的課堂分析技術新探索[J].中國電化教育，2004（7）：18-21.

[8] 方海光，高辰柱，陳佳.改進型弗蘭德斯互動分析系統(tǒng)及其應用[J].中國電化教育，2012（10）：109-113.

[9] 謝幼如，王芹磊，彭麗麗，李冠杰.精品視頻公開課的教學特征與師生行為研究[J].電化教育研究，2013，34（10）：90-96.

[10] 穆肅，左萍萍.信息化教學環(huán)境下課堂教學行為分析方法的研究[J].電化教育研究，2015，36（9）：62-69.

[11] 趙以霞，王鑫，金昆，張鵬.國內(nèi)大數(shù)據(jù)環(huán)境下學習分析技術研究路徑及趨勢分析[J].現(xiàn)代教育技術，2019，29（8）：34-40.

[12] 顧小清，劉妍，胡藝齡，等.學習分析技術應用：尋求數(shù)據(jù)支持的學習改進方案[J].開放教育研究，2016，22（5）：34-45.

[13] 胡藝齡，顧小清，趙春.在線學習行為分析建模及挖掘[J].開放教育研究，2014，20（2）：102-110.

[14] 武法提，牟智佳.基于學習者個性行為分析的學習結果預測框架設計研究[J].中國電化教育，2016（1）：41-48.

[15] CUKUROVA M，LUCKIN R，CLARK-WILSON A. Creating the golden triangle of evidence-informed education technology with EDUCATE[J].British journal of educational technology，2019，50（2）：490-504.

[16] 段作章.論教學行為的內(nèi)涵與特點[J].教育科學研究，2015（2）：27-31.

[17] 李松林.課堂教學行為分析引論[J].教育理論與實踐，2005（7）：48-51.

[18] 顧明遠.教育大辭典[M].上海：上海教育出版社，1998：721.

[19] Computational Behavioral Science Lab. Behavior [EB/OL].（2019-11-03）[2019-11-04].http：//web.sas.upenn.edu/cbs-lab/publications.

[20] CAO L， PHILIP ?S Y. Behavior computing：modeling， analysis，mining and decision[M]. London：Springer，2012：30-32.

[21] 劉中宇，周曉.行為科學理論指導下的高校大學生網(wǎng)絡學習行為研究[J].中國電化教育，2008（5）：46-48.

[22] 王改花，傅鋼善.網(wǎng)絡學習行為與成績的預測及學習干預模型的設計[J].中國遠程教育，2019（2）：39-48.

[23] 陳麗.術語“教學交互”的本質(zhì)及其相關概念的辨析[J].中國遠程教育，2004（3）：12-16.

[24] 盧婷.智慧學習環(huán)境下的教學深度交互研究[D].徐州：江蘇師范大學，2017.

[25] 魏志慧，陳麗，希建華.網(wǎng)絡課程教學交互質(zhì)量評價指標體系的研究[J].開放教育研究，2004，10（6）：34-39.

[26] 謝幼如，宋乃慶，劉鳴.網(wǎng)絡課堂協(xié)作知識建構的群體動力探究[J].電化教育研究，2009（2）：55-58.

[27] 何克抗.“學習分析技術”在我國的新發(fā)展[J].電化教育研究，2016（7）：5-13.

[28] 朱彩鳳，柴喚友，周雪，孫曉軍.混合學習環(huán)境中主動性人格和人際交互與學習績效的關系研究[J].中國遠程教育，2019（8）：68-78.

[29] 何聚厚，黃秀莉，韓廣新，等.VR教育游戲?qū)W習動機影響因素實證研究[J].電化教育研究，2019（8）：70-77.

[30] 蔣雙雙，王衛(wèi)軍.協(xié)作式在線課程交互設計研究——以“教育傳播原理”為例[J].中國遠程教育，2018（5）：35-44.

[31] 田陽，陳鵬，黃榮懷，等.面向混合學習的多模態(tài)交互分析機制及優(yōu)化策略[J].電化教育研究， 2019（9）：67-74.

[32] MEGAHED M，ASAD A，MOHAMMED A. Data on learners emotional states，mental responses and fuzzy learning flows during interaction with learning environment[J]. Data in brief，2019，25：104378.

[33] KOKKU R，SUNDARARAJAN S，DEY P，et al. Augmenting classrooms with AI for personalized education[C]//2018 IEEE International Conference on Acoustics， Speech and Signal Processing. Piscataway：IEEE，2018：6976-6980.

[34] KANG M，IM T. Factors of learner-instructor interaction which predict perceived learning outcomes in online learning environment[J]. Journal of computer assisted learning，2013，29（3）：292-301.

[35] 李洪修，李美瑩.基于虛擬現(xiàn)實環(huán)境的深度學習模型構建[J].中國電化教育，2019（9）：68-73.

[36] 張屹，祝園，白清玉，李曉艷，朱映輝.智慧教室環(huán)境下小學數(shù)學課堂教學互動行為特征研究[J].中國電化教育，2016（6）：43-48.

[Abstract] ?It has become an important trend to analyze teaching behaviors in the intelligent age to discover the behavioral laws of teaching and learning from the behavioral data of teaching and learning， break the existing experience-based， manual analysis of classroom teaching behavior， and turn to intelligent teaching behavior computing supported by big data. From the perspective of teaching and learning behavior， combined with behavior computing， this study combs the history form the traditional classroom teaching behavior analysis to broad learning behavior analysis， proposes the concept of computable teaching behavior and constructs a general framework of teaching behavior computing. Then， this study recommends four research directions of learners and participants， learners and environments， participants and learning achievement， and learning environments and learning achievement. The acquisition， characterization， mining and presentation of large-scale teaching behavior data will provide guidance for practical teaching and help construct new teaching models and teaching processes in the intelligent era.

[Keywords] Teaching Behavior; Teaching Behavior Computing; Intelligent Education; Teaching Process