摘要：随着教育評價理(lǐ)念的發展，學習投入度成爲改善高(gāo)等教育質量的關鍵指标。其中，高(gāo)效、準确地測量并分析學生課堂學習行爲投入度，是推進學習投入度研究與高(gāo)校教學實踐相結合的關鍵議(yì)題。文(wén)章首先梳理(lǐ)了(le)學生課堂學習行爲投入度的相關指标，在此基礎上(shàng)整理(lǐ)出學生課堂學習行爲投入度的6個觀察指标。随後，文(wén)章引入計(jì)算(suàn)機視(shì)覺技術，設計(jì)了(le)學生課堂學習行爲投入度測量與分析系統。最後，文(wén)章将此系統應用(yòng)于教學實踐，驗證了(le)此系統的有效性。基于計(jì)算(suàn)機視(shì)覺技術對(duì)學生課堂學習行爲投入度進行測量與分析，可爲教師及時(shí)掌握學生課堂學習投入狀态、優化教學設計(jì)與教學實施提供及時(shí)的數據支撐。
關鍵詞：學習行爲投入度；課堂行爲；課堂觀察；計(jì)算(suàn)機視(shì)覺技術
一 研究背景 學生的學習行爲投入度一般是指學生在學校中積極的、有利于取得成就的行爲。目前，學生課堂學習行爲投入度的定義主要有兩類：一類是從(cóng)學生遵守規則的角度進行研究，具體表征爲學生上(shàng)課的出勤率等，如Finn[1]認爲學習投入度有助于發現(xiàn)學生逐步疏遠、脫離學校的過程，從(cóng)而可以通過及時(shí)幹預幫助學生完成學業；另一類是從(cóng)學生深度參與學習活動的角度進行研究，如努力、堅持、集中注意力等[2]，具體表征爲學生是否完成作(zuò)業和(hé)聽課、回答(dá)問題、讨論的行爲等，如Henry等[3]通過測量學生的行爲對(duì)其學習結果進行預測。本研究綜合考慮上(shàng)述兩類學習行爲投入度的内涵，在考慮學生出勤情況的基礎上(shàng)，通過觀察學生在課堂學習過程中的行爲表現(xiàn)，來(lái)掌握學生的課堂行爲投入情況。 課堂學習行爲投入度的測量方式主要有學生自(zì)我報(bào)告與課堂觀察。其中，學生自(zì)我報(bào)告是最常用(yòng)的方法，這(zhè)一方法實用(yòng)性強、容易管理(lǐ)，并能(néng)以相對(duì)較低(dī)的成本提供大(dà)樣本的數據。然而，學生自(zì)我報(bào)告時(shí)易受主觀影響，在某些(xiē)情況下(xià)可能(néng)不會(huì)如實回答(dá)，适用(yòng)于評估認知(zhī)及情感投入[4]，并且這(zhè)一方法在數據收集與處理(lǐ)的時(shí)效性上(shàng)具有滞後性。而課堂觀察可基于預先設置的觀察量表，捕捉學生課堂學習投入度的行爲特征，以評估學生個體在任務上(shàng)和(hé)任務外(wài)的行爲[5]。但(dàn)是，研究人員在課堂上(shàng)直接觀察并手動編碼的傳統方法，以及目前較爲通用(yòng)的基于課堂視(shì)頻進行半自(zì)動數據編碼的方法，均需要研究人員投入較多的人力和(hé)時(shí)間，因此不适用(yòng)于大(dà)樣本量的調研，亦無法作(zuò)爲常規的過程性評價工(gōng)具。 計(jì)算(suàn)機視(shì)覺技術的出現(xiàn)，爲研究人員改良課堂觀察法帶來(lái)了(le)新的可能(néng)性：對(duì)課堂學習行爲的捕捉與識别有望擺脫對(duì)人力的依賴，從(cóng)而大(dà)幅提升效率。計(jì)算(suàn)機視(shì)覺技術是一種計(jì)算(suàn)機模拟人類的視(shì)覺過程、具有感受環境的能(néng)力和(hé)人類視(shì)覺功能(néng)的技術，是圖像處理(lǐ)、人工(gōng)智能(néng)和(hé)模式識别等技術的綜合[6]。受益于計(jì)算(suàn)機視(shì)覺技術的長足發展，個體行爲的自(zì)動化識别正走進真實實踐場景，但(dàn)與課堂教學實踐相結合的研究還處于起步階段。例如，賈鹂宇等[7]在課堂中通過對(duì)表情檢測分類，來(lái)判斷學生的聽課狀态；孫衆等[8]基于OpenPose算(suàn)法，進行學生的人體姿态識别。但(dàn)現(xiàn)有研究也(yě)存在一些(xiē)局限，主要表現(xiàn)爲：往往專注于個别行爲的識别，缺乏完整的課堂學習行爲投入度分析指标的支持；行爲識别的依據局限于人體骨架信息，沒有将學生周邊物體的信息納爲行爲識别的依據，故檢測的準确性有待提升；在應用(yòng)層面往往止步于行爲識别、狀态呈現(xiàn)，而缺少教學維度的關聯分析。 本研究嘗試在計(jì)算(suàn)機視(shì)覺技術的支持下(xià)，在數據收集與處理(lǐ)層面對(duì)傳統的課堂觀察法加以改良與創新，擴大(dà)數據采集的範圍、提升數據收集與處理(lǐ)的效率，同時(shí)大(dà)幅降低(dī)研究人員在人力方面的開(kāi)銷，最終實現(xiàn)課堂學習行爲投入度的自(zì)動化測量。具體來(lái)說，本研究将在文(wén)獻梳理(lǐ)的基礎上(shàng)提煉出一套有代表性的課堂學習行爲投入度測量和(hé)分析指标集，然後引入計(jì)算(suàn)機視(shì)覺技術完成課堂學習行爲投入度測量與分析系統的開(kāi)發，對(duì)學生課堂學習的出勤情況、行爲投入度實施自(zì)動觀察、測量和(hé)診斷，爲教師及時(shí)掌握學生的課堂學習投入狀态提供數據支撐。 表1 學生課堂學習行爲投入度的相關指标 二 學生課堂學習行爲投入度測量與分析系統的設計(jì) 1 課堂學習行爲投入度觀察指标 目前，衆多研究者從(cóng)投入與脫離兩個維度，來(lái)探讨與學習行爲投入度測量相關的指标。其中，投入是正向的學習行爲投入，其特征表現(xiàn)爲努力、注意力和(hé)堅持；而脫離是負面投入，通常表現(xiàn)爲被動、缺乏主動性和(hé)放(fàng)棄。本研究從(cóng)投入和(hé)脫離兩個維度，在文(wén)獻研讀的基礎上(shàng)對(duì)在校學生行爲觀察（Behavior Observation of Student in Schools，BOSS）[9]、課堂氣氛、教學/内容、管理(lǐ)（Classroom Atmosphere, Instruction/Content, Management，Classroom AIMs）[10]、教學結構和(hé)學生學業反饋主流編碼（Mainstream Version-Code for Instructional Structure and Student Academic Response，MS-CISSAR）[11]、教學實踐清單（Instructional Practices Inventory，IPI）[12]、課堂觀察編碼（Classroom Observation Code，COC）[13]、直接觀察表格（Direct Observation Form，DOF）[14]、Flanders交互分析編目（Flanders Interactive Analysis Categories，FIAC）[15]、語言交互編目（Verbal Interaction Category System，VICS）[16]、信息技術交互分析系統（Information Technology-based Interaction Analysis System，ITIAS）[17]、S-T（Student-Teacher）[18]等項目中的課堂學習行爲指标進行了(le)梳理(lǐ)，得到(dào)學生課堂學習行爲投入度的相關指标，如表1所示。 基于學生課堂學習行爲投入度的相關指标，本研究邀請(qǐng)18名相關專家（包括教育技術領域的學者和(hé)大(dà)學一線教師）參加了(le)學生課堂行爲投入度觀察指标遴選的問卷調研及訪談。結合問卷數據和(hé)訪談反饋的分析結果，本研究選取“看(kàn)黑闆（含看(kàn)老(lǎo)師，下(xià)同）、看(kàn)書、看(kàn)電腦(nǎo)、舉手答(dá)問、側身交流”等五個行爲作(zuò)爲投入行爲的觀察指标，将“玩(wán)手機”作(zuò)爲脫離行爲的觀察指标，如表2所示。 表2 學生課堂行爲投入度的觀察指标 2 學生課堂學習行爲投入度測量與分析系統的設計(jì) 本研究依托學生課堂學習行爲投入度的觀察指标，以計(jì)算(suàn)機視(shì)覺技術爲支撐，設計(jì)了(le)學生課堂學習行爲投入度測量與分析系統。此系統以高(gāo)清網絡攝像頭采集課堂教學的大(dà)場景圖像爲輸入，通過動作(zuò)識别處理(lǐ)和(hé)數據管理(lǐ)，實現(xiàn)學生出勤率和(hé)課堂過程行爲投入度的自(zì)動記錄與分析，并予以可視(shì)化呈現(xiàn)。此系統分爲系統支撐層、圖像識别層、數據分析層，其具體的業務流程如圖1所示。 圖1 課堂學習行爲投入度測量與分析系統的業務流程 （1）系統支撐層 在系統支撐層中，教室網絡高(gāo)清攝像頭對(duì)課堂學習行爲進行全面的圖像采集，随機抽取采集圖像的十分之一，經由深度學習及計(jì)算(suàn)機視(shì)覺等技術處理(lǐ)，完成課堂學習行爲數據集的制作(zuò)和(hé)課堂學習行爲模型的訓練，作(zuò)爲後續課堂學習行爲識别的基礎。其中，課堂學習行爲數據集示例如表3所示。 表3 課堂學習行爲數據集示例 （2）圖像識别層 圖像識别層是學生課堂學習行爲投入度測量與分析系統最爲核心的功能(néng)模塊，可分爲兩個部分：學習者識别部分，系統通過攝像頭獲取課堂現(xiàn)場的圖像，完成圖像分割後，通過多任務級聯卷積神經網絡和(hé)面部網絡獲取學生的人臉圖片，并将圖片提交人臉識别接口。動作(zuò)識别部分，本研究采用(yòng)遞進（疊加）的技術手段完成課堂學習行爲的判定：首先通過身體姿态對(duì)個體動作(zuò)加以識别，之後結合目标識别與位置判定等，實現(xiàn)“看(kàn)書”、“玩(wán)手機”、“玩(wán)電腦(nǎo)”等交互動作(zuò)識别。其中，四類身體姿态的骨架示意圖如圖4所示，目标識别樣例如圖5所示。 表4 四類身體姿态的骨架示意圖 動作(zuò)骨架圖低(dī)頭側身正坐(zuò)舉手 表5 目标識别樣例示例圖片手書手機電腦(nǎo) （3）數據分析層 在數據分析層，本研究運用(yòng)指标函數和(hé)模糊數學中的隸屬度函數，對(duì)課堂學習行爲投入指标進行無量綱處理(lǐ)，如公式（1）所示。之後，本研究采用(yòng)層次分析法與熵值賦權法計(jì)算(suàn)課堂學習行爲投入指标的綜合權重：邀請(qǐng)5名教育技術領域專家填寫學習投入及學習脫離指标重要性矩陣，計(jì)算(suàn)得出各指标的主觀權重序列Wi；将無量綱化後的各指标數據錄入Matlab，計(jì)算(suàn)得出客觀權重序列Vi；最後，結合主觀權重與客觀權重，計(jì)算(suàn)得出綜合權重，如公式（2）所示。 用(yòng)上(shàng)述指标權重計(jì)算(suàn)方法可以得到(dào)學習投入及學習脫離的權重矩陣，如表6所示。以此爲基礎，系統開(kāi)展了(le)課堂學習行爲投入度的計(jì)算(suàn)，随後還對(duì)課堂整體行爲投入度、學生個人行爲投入度及其各自(zì)的發展趨勢進行了(le)分析和(hé)評估。 表6 課堂學習行爲投入度指标權重表 三 學生課堂學習行爲投入度測量與分析系統的應用(yòng) 本研究以某高(gāo)校課程“教育技術學理(lǐ)論與實踐”中的一堂課爲例，對(duì)參與此課學習的26名學生的學習行爲投入度進行了(le)測量與分析。在收集視(shì)頻數據之前，研究者向學生告知(zhī)了(le)研究的目的并承諾保密；完成課堂學生行爲采集之後，教師可以通過系統查看(kàn)課堂數據分析處理(lǐ)結果。 1 數據測量結果 （1）學習行爲投入度 課堂整體行爲投入度。根據系統的測量數據，在采集到(dào)的課程投入行爲和(hé)脫離行爲中，學生的學習投入行爲頻率占比爲95.60%，說明(míng)學生非常專注于課堂學習；根據表6的權重進行計(jì)算(suàn)，本堂課的學習行爲投入度值爲3.08，這(zhè)表示學習投入度爲中等水(shuǐ)平。經分析，造成這(zhè)一結果的原因是交互類活動的安排偏少（實際占比僅爲4.85%）。學生個人行爲投入度方面，在納入統計(jì)的20名學生中，有6人的課堂學習行爲投入度低(dī)于班級平均水(shuǐ)平。其中，個别學生的課堂學習投入度較低(dī)，且學習脫離度較高(gāo)，教師需要對(duì)這(zhè)些(xiē)學生予以有針對(duì)性的關注和(hé)提醒。 （2）學習行爲投入度變化趨勢 課堂整體行爲投入度變化。系統以時(shí)間爲線索，開(kāi)展學生課堂學習行爲投入度的分析。本堂課學習行爲投入情況的變化趨勢如圖2所示，可以看(kàn)出：在上(shàng)課過程中，學生的行爲投入情況整體保持平穩，在接近下(xià)課時(shí)有一定程度的下(xià)降；學習脫離情況在上(shàng)課初期有顯著下(xià)降，而在課程臨近結束時(shí)呈逐步上(shàng)升的趨勢。課堂中表征學習投入和(hé)學習脫離的六個行爲動作(zuò)随時(shí)間變化的頻次動态如圖3所示，可以看(kàn)出：“看(kàn)黑闆”與“看(kàn)電腦(nǎo)”是貫穿于整堂課的主要學習行爲，由此可以推斷本堂課中教師主要采取講授的教學方式；同時(shí)，課堂過程中“交流”和(hé)“舉手答(dá)問”的行爲明(míng)顯存在幾個波峰，可見教師在課堂中實施了(le)一定的交流讨論，并取得了(le)一定的效果。 注：橫軸爲時(shí)間刻度，單位刻度爲8分鐘(zhōng)；縱軸分别表示學習投入及學習脫離的得分與行爲次數。圖中兩條曲線，學習投入居上(shàng)，學習脫離居下(xià)。 圖2 學習行爲投入情況的變化趨勢 注：橫軸爲時(shí)間刻度，單位刻度爲8分鐘(zhōng)；縱軸表示各類課堂學習行爲的次數。在起始階段，自(zì)上(shàng)而下(xià)分别對(duì)應看(kàn)電腦(nǎo)、看(kàn)黑闆、玩(wán)手機、看(kàn)書與舉手答(dá)問。 圖3 單個行爲動作(zuò)随時(shí)間變化的頻次動态 個體學習行爲投入度追蹤。系統對(duì)學生個人的行爲投入情況也(yě)進行了(le)分析，圖4、圖5分别表征本堂課中脫離度較高(gāo)的某學生的課堂行爲和(hé)看(kàn)手機行爲分布情況。圖4顯示，此學生的課堂行爲投入度僅爲2.83，其中此學生看(kàn)手機的行爲頻次非常高(gāo)，約占課堂行爲總數的33.3%。而圖5顯示此學生在課堂前段用(yòng)很(hěn)少的時(shí)間在看(kàn)手機，但(dàn)後續基本處于看(kàn)手機的脫離狀态。 注：橫軸表示行爲類别，縱軸表示行爲的總次數。 圖4 某學生課堂行爲分布情況 注：橫軸表示時(shí)間刻度，單位刻度爲4秒；縱軸表示學生是否看(kàn)手機，刻度1表示看(kàn)手機，刻度0表示未看(kàn)手機。 圖5 某學生看(kàn)手機行爲分布情況 2 教學應用(yòng)分析 在出勤數據應用(yòng)方面，有系統中學生出勤數據的支撐，教師可以快(kuài)速、準确地掌握班級整體和(hé)學生個體的出勤情況。在本課堂中，有兩位學生缺課，教師可對(duì)這(zhè)兩位學生予以重點關注。在教學設計(jì)和(hé)教學實施的印證與優化方面，通過查看(kàn)聽課與交互兩類課堂行爲計(jì)數随時(shí)間的變化情況及總數的對(duì)比情況，教師可以了(le)解學生在教學實施中的反饋情況，進而完成教學設計(jì)或教學實施的調整及優化。在本課堂中，教師采用(yòng)以講授爲主的授導型教學模式，中間穿插少量的交流和(hé)問答(dá)環節。學生在課堂學習過程中整體比較專注，但(dàn)在35分鐘(zhōng)之後，學生整體的投入狀态明(míng)顯地下(xià)降了(le)。基于此，本研究建議(yì)教師結合學生對(duì)教學内容的掌握情況，從(cóng)調整課程節奏和(hé)難度、增加課程的互動性和(hé)趣味性等方面着手，幫助學生調整課堂投入狀态。 此外(wài)，學習脫離行爲數據的采集爲面向學生的學風(fēng)督導提供了(le)決策支持。對(duì)學習脫離行爲持續時(shí)間較長、總次數較多的學生，教師可給予個别化的關注和(hé)指導。在本堂課中，有6位學生的脫離行爲比較明(míng)顯，且有一名學生有三分之一的時(shí)間處于學習脫離狀态，教師應與這(zhè)些(xiē)學生溝通，了(le)解其脫離學習的原因，避免其後續出現(xiàn)學業預警。 四 小(xiǎo)結 高(gāo)效、準确地測量并分析學生課堂學習行爲投入度，是推進混合學習投入度研究與高(gāo)校教學實踐相結合的關鍵議(yì)題。不同個體的課堂行爲差異，決定了(le)研究者難以憑借傳統的方法對(duì)其進行科學測量。随着技術的創新與發展，依靠計(jì)算(suàn)機視(shì)覺等技術對(duì)個體行爲進行精準識别已成爲現(xiàn)實，這(zhè)爲研究者重新測量與評估課堂學習行爲投入度提供了(le)可能(néng)。爲此，本研究将計(jì)算(suàn)機視(shì)覺技術引入大(dà)學課堂場景，首先提煉出學生課堂學習行爲投入度的觀察指标，在此基礎上(shàng)對(duì)課堂行爲識别方式進行升級優化，結合身體姿态信息和(hé)物品信息，對(duì)學生6個常見的課堂動作(zuò)進行識别；随後，在算(suàn)法模型研究的基礎上(shàng)，開(kāi)發了(le)學生課堂學習行爲投入度測量與分析系統，将人臉識别、姿态估計(jì)、目标檢測等智能(néng)檢測方法應用(yòng)于課堂學生行爲識别。此系統能(néng)幫助教師掌握學生的課堂表現(xiàn)、客觀評估課堂的教學效果，是教師提升教學效果的有效支撐手段。受制于設備類型、精度與技術複雜(zá)度，本研究設計(jì)的學生課堂學習行爲投入度測量與分析系統隻覆蓋了(le)與學生身體姿勢密切相關的6個課堂動作(zuò)的識别與分析，學生的手部及頭部細微動作(zuò)等更多的個體行爲信息，乃至發言内容、面部表情等與交流互動相關的信息，還有待更精密的設備、更理(lǐ)想的算(suàn)法模型的支持，還有待進一步實證。 參考文(wén)獻 [1]Finn J D. Withdrawing from school[J]. Review of Educational Research, 1989,(2):117-142. [2]Fredricks J A, Blumenfeld P C, Paris A H. School engagement: Potential of the concept, state of the evidence[J]. Review of Educational Research, 2004,(1):59-109. [3]Henry K L, Knight K E, Thornberry T P. School disengagement as a predictor of dropout, delinquency, and problem substance use during adolescence and early adulthood[J]. Journal of Youth and Adolescence, 2012,(2):156-166. [4]Appleton J J, Christenson S L, Kim D, et al. Measuring cognitive and psychological engagement: Validation of the student engagement instrument[J]. Journal of School Psychology, 2006,(5):427-445. [5]Volpe R J, DiPerna J C, Hintze J M, et al. Observing students in classroom settings: A review of seven coding schemes[J]. School Psychology Review, 2005,(4):454-474. [6]馬廣文(wén).交通大(dà)辭典[M].上(shàng)海:上(shàng)海交通大(dà)學出版社,2005:1. [7]賈鹂宇,張朝晖,趙小(xiǎo)燕,等.基于人工(gōng)智能(néng)視(shì)頻處理(lǐ)的課堂學生狀态分析[J].現(xiàn)代教育技術,2019,(12):82-88. [8]孫衆,呂恺悅,駱力明(míng),等.基于人工(gōng)智能(néng)的課堂教學分析[J].中國電化教育,2020,(10):15-23. [9]Shapiro E S. Academic skills problems: Direct assessment and intervention[M]. New York: Guilford Press, 2011:54-56. [10]Roehrig A D, Christesen E. Development and use of a tool for evaluating teacher effectiveness in grades K-12[M]. Springer US: Washington, 2010:212-214. [11]Greenwood C R, Horton B T, Utley C A. Academic engagement: Current perspectives on research and practice[J]. School Psychology Review, 2002,(3):328-349. [12]Valentine J. Instructional practices inventory: A process for profiling student engaged learning for school improvement[OL]. <https://core.ac.uk/download/pdf/62759368.pdf> [13]Horn W F, Conners C K, Wells K C, et al. Use of the Abikoff classroom observation coding system on a children’s inpatient psychiatric unit[J]. Journal of Psychopathology and Behavioral Assessment, 1986,(1):9-23. [14]Reed M L, Edelbrock C. Reliability and validity of the direct observation form of the child behavior checklist[J]. Journal of Abnormal Child Psychology, 1983,(4):521-530. [15]Flanders N A. Analyzing teaching behavior[J]. American Educational Research Journal, 1971,(3):589-592. [16]楊平展,劉娟文(wén),羅平.關于教學行爲分類系統VICS的讨論[J].教師,2009,(6):3-4. [17]顧小(xiǎo)清,王炜.支持教師專業發展的課堂分析技術新探索[J].中國電化教育,2004,(7):18-21. [18]萬華明(míng),蔣雪明(míng),姜鑫.基于S-T信息分析的高(gāo)校教師課堂教學模式研究[J].教育與職業,2010,(24):103-104.
