教学能力画像助推教师专业发展

利用人工智能技术为教师教学能力画像是支持教育评价和决策的重要手段。它不但可以利用卷积神经网络和长短期记忆神经网络，基于课堂教学现场录制的音视频，准确、全面提取师生语言表达、视线分布、动作姿态、面部表情和行走轨迹等信息，而且可以利用深度神经网络，基于以上信息建立用于课堂环境诊断的课堂情感模型和课堂氛围模型，用于教学组织诊断的教学准备、教学方式、教学内容和教学评价模型，以及用于教学管理诊断的行为管理和时间管理模型。同时，生成式人工智能技术可以基于诊断发现的突出能力与主要问题，撰写具有针对性的诊断报告，为教师专业发展提出建议。

一、教学信息收集与提取

人工智能建模需要完整、全面和细致的数据采集。为了更好地诊断教师的教学能力，我们可以利用拾音器和高清摄像头（包括教师视角和学生视角）全程记录课堂教学过程，然后基于音视频，利用图像识别和语音识别算法识别课堂上师生的语言、文字以及行为姿态等，并对此进行融合分析，提取课堂教学中的关键信息。

1.课堂环境信息提取

课堂环境信息提取涉及课堂情感和课堂氛围等两类信息。

课堂情感信息包括礼貌用语、沟通语言、情绪表现、行为表现等维度。礼貌用语信息采集关注课堂中教师是否使用“请”“谢谢”“祝贺你”等礼貌用语。沟通语言信息采集关注教师是否经常鼓励学生（引导性正面沟通），给予学生表扬等正面评价（结果性正面沟通）；教师是否羞辱、奚落、责备、抱怨学生等。情绪表现信息采集关注课堂中教师是否呈现愉悦的表情且声调是否高昂、有起伏；是否对学生的课堂行为表现流露出不满、不耐烦或其他负面情绪；是否表情冷漠，采用否定、消极的言辞排斥学生参与课堂教学活动。行为表现信息采集关注教师与学生交流时是否走近学生、身体前倾，让学生感觉亲近；是否用严厉惩罚违纪学生的方式控制课堂秩序，是否有推搡学生等行为。

课堂氛围信息包括学生关注点、回答问题、民主平等等维度。学生关注点信息采集关注教师讲话时，学生是否始终看向教师。回答问题信息采集关注教师提问时，学生是否自愿、主动举手回答问题。民主平等信息采集关注教师对学生是否一视同仁，课堂提问是否覆盖多数学生，涉及的学生性别比例是否得当；视线分布是否均匀，是否关注到大部分学生的课堂表现。

2.教学组织信息提取

教学组织信息提取涉及教学准备、教学方式、教学内容、教学评价等四类信息。

教学准备信息包括准备充分、熟练运用等维度。准备充分信息采集关注教师是否提前备齐教学所需的各种材料，包括教案、课件、模型、标本、图表等。熟练运用信息采集关注教师授课过程中是否迅速呈现教学材料，是否有照读课件或长时间查看教学指导用书的情况。

教学方式信息包括教学导入、激发动机、有效提问、自主学习、任务开放等维度。教学导入信息采集关注导入是否灵活，能否吸引学生的注意力，激发学生的学习兴趣。激发动机信息采集关注教师是否通过创设情境、奖励及开展竞争性活动等方式激发学生的学习动机。有效提问信息采集关注教师在授课过程中是否运用多种提问策略提出多样、准确和恰当的问题。自主学习信息采集关注课堂上教师是否给学生提供较多的自主选择机会，学生是否自主学习。任务开放信息采集关注教师是否布置探究性任务或开放性问题。

教学内容信息包括贴近生活、学科融合、知识衔接等维度。贴近生活信息采集关注教学内容是否贴近生活，是否与学生日常生活情境相结合。学科融合信息采集关注教师在教学过程中是否介绍本学科知识在其他学科中的相关应用，是否根据教学内容融合其他学科知识。知识衔接信息采集关注教师在课堂教学过程中是否注重新知与旧知的衔接。

教学评价信息包括思维评价、结果评价等维度。思维评价信息采集关注教师是否对学生的思维过程做出评价。结果评价信息采集关注教师对学生的发言、活动等是否进行总结性评价。

3.课堂管理信息提取

课堂管理信息提取涉及行为管理和时间管理等两类信息。

行为管理信息包括关注整体、课堂有序、反应适度、问题解决等维度。关注整体信息采集关注课堂上教师的目光是否顾及所有学生。课堂有序信息采集关注教学流程是否清晰，教师授课是否流畅，学生是否存在不当行为，学生小组活动是否有序。反应适度信息采集关注课堂上学生出现不当行为时，教师能否平和面对、冷静处理。问题解决信息采集关注教师是否通过暗示或积极行为介入有效解决课堂中的突发问题。

时间管理信息包括减少干扰、管理高效、限定时间、节奏控制等维度。减少干扰信息采集关注教师是否有意识地减少与教学无关事情的干扰。管理高效信息采集关注教师管理课堂的频次及时间长短。限定时间信息采集关注教师对学生活动或完成任务的时长是否做出明确说明。节奏控制信息采集关注教师的语速是否适中且语速变化是否适当。

提取教师课堂教学信息是给教师教学能力画像的前提，提取的信息越齐全、越真实，教师教学能力的画像就会越精准、越清晰，人工智能撰写的诊断报告就会越完整、越有针对性。

二、教师教学能力画像

在全面采集教学信息后，人工智能可以快速完成信息处理，对教师教学能力进行画像，并在课堂教学结束后形成诊断报告。以一名教师教学统编版语文五年级下册第一单元习作“那一刻，我长大了”为例说明。

1.课堂环境画像

在课堂情感方面，教师在课堂上使用“请”“谢谢”“很好”“希望”和“感谢”等积极词语总计30次以上，未使用消极词语。学生生气、厌恶、害怕、高兴、悲伤、惊奇和自然的表情占比分别为2.4%、0%、0%、10.7%、0%、0%和86.9%。这表明教师在本次教学的课堂情感方面表现优秀，能够充分运用积极的情感教学，让学生有松弛感，学得轻松。

在课堂氛围方面，40分钟内，教师视线在课堂左前、左后、右前和右后的分布占比分别为6.5%、36.1%、9.4%和48.0%；教师在教室里的行走轨迹为80%的时间在讲台和前排，仅5%的时间在最后排。这说明教师的行走轨迹明显不均衡，对后排学生关注少，对前排学生关注多。

2.教学组织画像

在教学准备方面，教师在评测系统上传了教学PPT，未上传教案，但在授课中教师的视线并未集中在教材或PPT上，因此教师的教学准备情况总体良好。

在教学方式方面，教师课堂提问中，记忆型、理解型、应用型、分析型、评价型和创新型提问分别出现1次、8次、3次、0次、3次和4次。这说明教师注重发展学生的创新思维，培养学生解决问题的能力，但是缺乏分析型提问。整体上看，教师基本能够做到启发、引导、鼓励学生自主探究。

在教学内容方面，教师注重新知与旧知的衔接，基本可以做到教学内容贴近生活，与学生日常生活情境相结合，但是在教学过程中未介绍本学科知识在其他学科中的应用，未能充分体现不同学科知识之间的关联。

在教学评价方面，教师对学生回答问题有鼓励性评价，但是对学生思维过程评价不足，整体表现一般。

3.课堂管理画像

在行为管理方面，教师无推搡学生等不当行为，学生在课堂上没有吃东西、趴下睡觉等情况，学生举手、听讲、起立活动的占比分别为11.9%、84.1%、4.0%。由此可见，课堂秩序较好，学生能参与课堂活动，但是起立回答问题的比率偏低，学生的活跃度有待提升。

在时间管理方面，教师语速较慢且未明确说明完成活动或任务的时间。由此可见，教师课堂教学时间管理的意识不强、能力不足。

三、智能提出针对性改进建议

针对教师课堂教学中存在的问题，生成式人工智能可以提出有针对性的改进建议。

针对教学评价不足的问题，人工智能建议：教师可以记录学生在课堂上的发言次数、回答问题的质量，以此评价学生的课堂参与度；可以引导学生评价自己的学习过程和结果，培养学生的反思能力；可以组织学生相互评价，促进学生之间交流与互动。

针对教师注意力分配不均衡的问题，人工智能建议：教师教学时视线应指向听课学生，了解与教学活动相关的信息，如课堂纪律情况等，根据学生的表现调整教学行为，维持正常的教学秩序。同时，教师应注意视线的均衡分配，对学生一视同仁。

针对教师行动轨迹过于集中的问题，人工智能建议：教师应充分认识“走动”艺术的重要性。一般情况下，讲解重点内容时应“站稳三尺讲台”，关注全体学生；与部分学生交流时应走近学生；学生自主学习时应巡回式地了解学生的学习情况；利用多媒体教学或板书时应站在大屏幕两侧；在学生提出或回答问题时应站在讲台下一侧并面向提问或回答问题的学生，或者快速走到提问、回答问题学生的座位旁边，认真倾听。

针对教师设计的问题类型不丰富的问题，人工智能建议：在实际教学中，教师应充分关注课堂提问的问题质量、提问方式、反馈方式、回答类型及追问的有效应用。例如，针对不同的教学环节设计有针对性的问题：知识讲授环节，通过记忆、理解型提问巩固所学知识；活动研讨环节，通过评价、创新型提问激发学生的高阶思维。同时，教师要针对不同类型的问题引导学生采取不同的回答方式。此外，教师可以通过追问形成问题链，助推学生思维发展。

针对教师语速过慢的问题，人工智能建议：关于教师的语速没有统一标准，应该根据教学对象、教学内容、教学环境等因素综合考量。如在小班化教学中，由于学生少、教室空间小，教师的语速可适当加快，而在班额较大、教室空间较大的情况下，教师与后排学生的距离远，教师的语速就要相应地放慢。

此外，人工智能建议：教师要关注人工智能为广大教师提供的最新专业知识、教育研究成果与教育发展趋势，并结合教学实际确定专业发展方向，优化教育教学方法，逐步形成个性化的教学风格，步入专业发展快车道。

（作者单位：李剑，湖北第二师范学院计算机学院；邢锐，湖北省教育信息化发展中心、湖北省电化教育馆）

（本文系湖北省教育科学规划光谷教师教育综合改革省级实验区专项资助课题“基于人工智能的中小学教师个体画像与精准研修融合研究”的研究成果。课题编号：2022ZB30）

文字编辑  罗义安