收藏 分享(赏)

教师间接语言助力课堂“提质...语的数量结构与教学意义分析_赵云建.pdf

上传人:哎呦****中 文档编号:2571278 上传时间:2023-07-24 格式:PDF 页数:8 大小:451.54KB
下载 相关 举报
教师间接语言助力课堂“提质...语的数量结构与教学意义分析_赵云建.pdf_第1页
第1页 / 共8页
教师间接语言助力课堂“提质...语的数量结构与教学意义分析_赵云建.pdf_第2页
第2页 / 共8页
教师间接语言助力课堂“提质...语的数量结构与教学意义分析_赵云建.pdf_第3页
第3页 / 共8页
亲,该文档总共8页,到这儿已超出免费预览范围,如果喜欢就下载吧!
资源描述

1、电化教育研究教师间接语言助力课堂“提质增效”基于优质课堂教师话语的数量结构与教学意义分析赵云建1,汪洋2,陈玲2,何静3(1.教育部教育技术与资源发展中心(中央电化教育馆),北京100031;2.北京师范大学 教育技术学院,北京100875;3.华中师范大学 人工智能教育学部,湖北 武汉430079)摘要课堂是“双减”的重要阵地,教师间接语言在组织课堂教学和影响学生学习参与中起着重要的作用,然而,对于其教学意义却缺乏基于数据的挖掘。文章基于深度学习算法实现了教师话语的智能分类,并对180节优质课例的话语文本进行编码,通过聚类分析和序列分析对教师间接语言的数量结构进行了探索。此外,研究选取接纳情

2、感、表扬、接受或利用学生想法三类研究不足且数量较少的间接语言,结合定量数据对其语句本身的教学意义进行了归纳与总结。研究发现,教师间接语言促进了课堂互动质量提升和学生高效学习。文章最后提出了三类间接语言的设计和使用策略:及时接纳学生感受、深度利用学生观点、多运用描述式表扬,以期为教师课堂教学提供具体的教学指导。关键词自然语言处理;话语分析;教师间接语言;聚类分析;序列分析中图分类号 G434文献标志码 A作者简介赵云建(1985),女,山东聊城人。编辑,硕士,主要从事教育信息化、教师专业发展研究。E-mail:。汪洋为通讯作者,E-mail:。DOI:10.13811/ki.eer.2023.0

3、7.012课程与教学基金项目:教育部教育技术与资源发展中心2022年度基本科研业务费专项资金资助课题“信息技术与教育教学深度融合的案例研究”(课题编号:KJY202206)一、问题的提出2021年7月,中共中央办公厅、国务院办公厅印发关于进一步减轻义务教育阶段学生作业负担和校外培训负担的意见(简称“双减”),旨在减轻学生的学习负担,更好地回归校园1。因此,政策提出大力提升教育教学质量,确保学生在课堂内“学足学好”。教师需要尽快提高专业素养和教学能力,以更优质、更高效的课堂促进学生的全面发展。教师语言是课堂中师生交流、互动的主要媒介,也是教师开展教学反思与改进的依据和对象之一。间接语言是教师语言

4、的一种,主要指教师鼓励和支持学生参与的话语行为。随着技术的发展,已有研究开始关注基于课堂语言的量化数据挖掘教师间接语言对课堂教学的影响2-3。然而,相关分析虽然揭示了课堂教师间接语言基于数据“结果”层面的特征,但忽略了语言发生的具体情境和意义的丰富性,对于教师究竟如何运用间接语言影响课堂教学,并未能给出更深入、基于课堂过程和情境的建议和解决方案。而有的研究尝试通过对教学片段的定性分析探究教师间接语言的教学意义4,但由于间接语言在单一课堂中出现的频次较低,其结论缺乏数据量的支撑,又难以反映教师群体的语言共性特征和普遍教学规律。因此,只有将课堂语言的数量结构和教学意义建立联系,把量化和质性两种研究

5、范式结合运用于话语分析中,才能更好地探究课堂中教师对于间接语言的运用策略。鉴于此,本研究利用人工智能技术对优质课堂话语数据进行自动标注和分类,在定量分析教师间接语882023年第7期(总第363期)言数量结构的同时,结合课堂语境,以定性分析的视角揭示其背后的教学意义和运用策略,为课堂“质”与“效”的提升提供参考。具体研究问题如下:(1)教师间接语言在优质课堂中对其“质”与“效”产生了何种影响;(2)优质课堂中教师在不同教学阶段和情境中是如何利用间接语言提升教学效果的。二、文献综述(一)教师间接语言弗 兰 德 斯 互 动 分 析 系 统FIAS(FlandersInteraction Analy

6、sis System)按教师教学对学生的影响将教师语言分为间接语言和直接语言。间接语言强调教师与学生的情感和认知互动,包括接纳情感、表扬、接受利用学生想法、提问四类话语。相反,直接语言如讲授、指令和批评往往会起到限制学生发言的效果5。在FIAS的研究基础上,国外多位学者通过长期的课堂观察和测验评估,发现间接语言有助于学生学习态度的改变和学业成绩的提高6-7。结合文献发现,部分研究基于教师间接语言的整体量化数据,以“对比”的视角分析不同水平的教师和课堂的间接语言数量差异8。其得出的结论也较为一致,即优质课堂中教师对于间接语言的运用更为频繁,能够较好地引导学生思考,鼓励学生积极的参与。而另一部分研

7、究则聚焦于某一类间接语言的量化分析,以挖掘其隐含的数量特征,如对不同类型提问的数量进行统计,发现推理性等提问有利于教学效果的提升9。此外,还有一些研究基于间接语言语句本身,利用定性的方法分析具体的教学片段。如结合典型的教学片段分析表扬语句,发现不同归因取向的表扬对学生学习有不同的影响10,教师在情境创设中对学生感受的接纳达成了良好的教学效果11。在如何提升教师间接语言运用能力方面,相关文献也给出了相应的指导建议,尤其对于提问话语的策略进行了较多的探索与总结。如多位学者提出,教师应把握问题建构的关键时机,准备诱导性、开放性等不同类型的提问12-13。然而,对于接纳情感、表扬、接受利用学生想法三类

8、频次较低的情感间接语言还缺乏基于数量和教学意义层面的策略指导。(二)技术支持下的课堂话语研究在传统的课堂话语研究中,往往存在数据采集繁琐、规模化分析困难等问题。近年来,人工智能技术快速发展,为分析课堂话语提供了新的工具。智能技术可以客观地对课堂对话数据进行自动采集和编码,为探索大规模课堂的教学规律提供了有力支持。结合文献发现,一部分研究基于技术的发展,聚焦课堂话语识别自动化的实现。例如:国内外诸多学者对课堂语言的特征进行人工提取,利用传统机器学习算法实现了师生常见话语的自动分类14-15;还有一些学者在先前研究的基础上,利用深度学习算法进一步提升了分类的准确率16-17。另一部分研究则在技术带

9、来的海量话语数据的基础上,对其背后隐含的教学规律进行规模化的探究。例如:对不同课堂教师的话语进行自动编码,利用序列分析的方法探究不同教师群体课堂的互动模式18;基于课堂中学生发言语义识别,利用社会网络分析和聚类分析的方法探究学生想法的质量和分布19。但是,目前研究对于课堂话语的技术实现以教师直接语言和学生语言为主,缺乏对教师间接语言的识别。究其原因,教师间接语言的语义特征不如直接语言明显,且样本数据量较少,因此,难以被计算机所理解。对此,技术的发展提供了有益的解决思路,例如,预训练模型和自注意力机制的提出,能够帮助计算机更好地理解语句的含义20;数据增强策略能够增加样本数据的多样性和数量,有利

10、于识别效果的提升21。(三)小结综上所述,技术对于课堂话语的识别和分析具有重要意义,但利用技术对课堂间接语言的研究相对不足,需要结合定性和定量的两种范式来深层次揭示间接语言的特征和具体应用策略。本研究旨在通过技术对优质课堂话语的数量结构进行规模化分析,并进一步探索教师间接语言特别是接纳情感、表扬、接受或利用学生想法这三类频次较低的情感间接语言对课堂的影响方式和使用策略。三、研究设计(一)数据来源与量表用于本研究构建话语自动分类模型的训练课例共计50节,测试课例共计10节。为保障研究结果的信度,相关课例尽量覆盖典型学段和除英语外的典型学科。训练课例的学段包括20节小学课例,30节中学课例;学科包

11、括15节语文课例,13节数学课例,22节其他课例。测试课例的学段包括4节小学课例,6节中学课例,选取自不同学科课例各1节。用于分析的优质课堂的样本数据来源于180节经三位权威专家认定的优质课例,代表优质课堂教学情况,其中,学段包括87节小学课例,93节中学课例;学科包括48节语文课例,54节数学课例,78节其他课例。考虑到自动化的可实现性,本研究采用编码较为精炼的FIAS课堂话语编码量表,且不考虑混乱等无89电化教育研究类簇1234接纳情感1(0.2%)5(1.13%)2(0.54%)3(0.64%)表扬14(2.8%)17(3.8%)12(3.2%)9(1.9%)接受或利用学生想法19(3.

12、75%)22(4.97%)14(3.76%)15(3.22%)提问43(8.50%)47(10.61%)56(15.05%)44(9.44%)讲授90(17.79%)99(22.35%)129(34.68%)263(56.44%)指令36(7.11%)47(10.61%)36(9.68%)23(4.94%)批评0(0.00%)0(0.00%)1(0.27%)0(0.00%)学生发言303(59.88%)206(46.50%)122(32.80%)109(23.39%)数量31616226课堂语言编码具体描述教师的语言间接语言B1接纳情感:接纳学生积极或消极的情感,并给予表达B2表扬:夸奖或激励

13、学生的动作或行为B3接受或利用学生的想法B4提问:提出问题,期待学生回答直接语言B5讲授:讲述事实、意见,表达自己的看法B6指令:给予学生指导或要求B7批评:以委婉的方式指出学生的错误以期改变学生行为学生的语言B8由教师引起的学生的说话或学生主动说话,以及小组讨论话语类别接纳情感表扬接受或利用学生想法提问讲授指令批评学生发言数量5992443321788222367867506332418比例0.80%3.10%4.10%11.3%30.4%8.7%0.1%41.6%表2不同类别话语的数量意义话语。由于本研究聚焦教师语言,且课例视频中难以获取学生小组讨论的具体语言,因此,将学生主、被动发言和小

14、组讨论统一合并为学生发言,将话语类别缩减至8种。对优质课堂的初步观察后发现,教师往往不会严厉地对学生提出批评或责骂,而是以委婉的方式指出错误从而促进学生反思。此外,教师很少在教学过程中对学生进行生硬地命令。因此,将量表中批评和指令两类话语进行修改,使其更符合实际课堂情况,见表1。表1弗兰德斯量表(修改版)(二)研究过程1.数据预处理计算所有话语文本的平均持续时间为3.07秒,符合FIAS的记录要求。为保证编码的有效性,两名研究人员编码后,计算一致性为0.94,满足内部可靠性要求,并对不同编码进行了讨论更正。统计各个类别数量,发现教师话语中讲授(6125条)、指令(1479条)和提问(1970条

15、)三类数量较多,表扬(714条)数量中等,接纳情感(228条)、接受或利用学生想法(422条)和批评(24条)的数量较少。针对数据量不平衡的情况,收集互联网上部分类别的文本数据,并人工筛选出符合语义和课堂场景的语句(967条),采用同义词替换、回译、随机组合等数据增强技术扩充数据集(共计86497条),使得各个类别的数据量较为均衡,以提高模型的泛化能力。2.教师话语分类模型的训练本研究采用深度学习的方法,使用Bert模型对编码文本进行模型训练,并利用准确率和加权平均F1值考察模型在测试集上的表现。其中,测试集的平均准确率达到89.82%,加权平均F1值达到0.90,说明该模型能够较好地对教师话

16、语进行分类,且具有良好的泛化能力。用模型对优质课堂教师话语文本自动编码后,研究人员再对少部分置信度较低的编码进行矫正,并统计学生发言发言数量,以便后续进一步分析。3.教师间接语言的数量结构与教学意义挖掘首先,采用量化方式,观察总体课堂不同类别话语的数量分布,并结合聚类和滞后序列分析,以教师间接语言的视角探究优质课堂话语的数量特征和转换模式。其次,采用质性分析,回归具体话语文本和对应课例,基于课堂中三类典型间接语言的时间分布特点,在理解和剖析其教学意义基础上,对如何提升教师间接语言设计能力给出具体的策略和建议。四、数据分析结果(一)不同类别话语的总体描述性统计分析180节优质课堂的不同类别话语数量统计见表2。话语类别中学生发言数量最多,批评话语数量最少,且接纳情感、表扬、接受或利用学生想法三类话语数量较少。此外,教师语言比率约为58.4%,其中,间接影响话语占比约33.1%,说明总体课堂的教师话语以直接语言为主,间接语言总体数量较少。(二)间接语言视角下的课堂话语特征类型与典型转换模式分析根据各个课堂的话语类别数量进行K-Means聚类,结果见表3。表3聚类结果902023年第7期(总第

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 专业资料 > 其它

copyright@ 2008-2023 wnwk.com网站版权所有

经营许可证编号:浙ICP备2024059924号-2