TESTII框架:人工智能支持课堂教学分析的发展走向

摘要

规则化与可计算是人工智能技术支持课堂教学分析的前提.以S-T行为及FIAS言语交互为代表的分析方法,用时间取样的研究思路量化课堂教学,虽然对规则化、客观分析作出了显著贡献,但一直受困于费时低效、未能有效建立数量结构与意义理解的联系,以及不能较好地促进教师专业成长等问题.建立以教学事件为基本分析维度,综合双主教学结构等教育理论,以及计算机视觉和自然语言理解等技术,从教学事件识别与教学阶段划分、教学法结构序列、时间取样的行为和言语交互分析、基于证据的教学解读和人机协同的教学改进等阶段,构建课堂教学分析TESTII(Teaching Events,SPS,Time Coding,Interpretation,Improvement)框架,成为人工智能支持课堂教学质量提升和变革课堂教学结构的解决方案和发展走向.