智慧課堂教師行為數(shù)據(jù)的分析方法與應(yīng)用驗證

王冬青 劉歡 邱美玲

摘要：課堂教學行為數(shù)據(jù)的采集與分析能有效反映教學效果，以往的課堂教學行為分析多采用教學視頻打點分析、課堂觀察量表等方法對課堂教學進行評價。在云計算與大數(shù)據(jù)服務(wù)支持的背景下，涌現(xiàn)了大量基于云+端應(yīng)用模式的智慧教學環(huán)境，使教學行為數(shù)據(jù)的自動采集與分析成為可能。該文從教師專業(yè)發(fā)展的角度，將教育數(shù)據(jù)挖掘方法應(yīng)用于智慧課堂環(huán)境下教師行為數(shù)據(jù)的可視化分析與應(yīng)用，提出一種面向智慧課堂教師教學模式的頻繁序列挖掘算法和聚類分析方法，通過教學視頻案例的分析驗證，發(fā)現(xiàn)針對某一具體學科聚類分析得到的優(yōu)秀教師結(jié)果簇與實際教學中的優(yōu)秀教師表現(xiàn)出較強的一致性，且各學科的智慧課堂教學模式呈現(xiàn)不同的發(fā)展特點。該方法對提高課堂教學質(zhì)量和促進教師專業(yè)能力提升具有重要的實踐探索意義，為“互聯(lián)網(wǎng)+”時代下建立教師新型的評價方式提供新思路和新方法。

關(guān)鍵詞：智慧課堂;課堂教學行為數(shù)據(jù);數(shù)據(jù)挖掘分析方法;教師專業(yè)發(fā)展

中圖分類號：G434 文獻標識碼：A

一、問題提出

云計算、大數(shù)據(jù)和學習分析等新一代信息技術(shù)融人教育教學全過程，智慧教育日漸興起，并日益成為未來教育的發(fā)展趨勢。智慧課堂是智慧教育的典型教學應(yīng)用，其迅速發(fā)展引發(fā)了教學環(huán)境的新一輪變革，為教師創(chuàng)新教學模式、轉(zhuǎn)變教與學方式、提升專業(yè)發(fā)展水平提供更多機會，也因此對教師的專業(yè)發(fā)展提出了更高的要求和標準。其中，數(shù)據(jù)素養(yǎng)已成為當下任何教師都必須具備的核心專業(yè)能力，具體表現(xiàn)為數(shù)據(jù)意識、數(shù)據(jù)處理與分析能力、數(shù)據(jù)決策能力、數(shù)據(jù)交流與評價能力等。對于教師而言，采用數(shù)據(jù)驅(qū)動的精準教學模式，對課堂進行全樣本、全過程分析，透視隱藏在數(shù)據(jù)背后的教學特征，能幫助教師對自身教學行為進行有效反思，提升專業(yè)發(fā)展能力。

智慧課堂常態(tài)化應(yīng)用為收集和分析教學過程中的數(shù)據(jù)創(chuàng)造了許多機會，實時追蹤課堂教學中產(chǎn)生的行為表現(xiàn)數(shù)據(jù)，全面刻畫教師的教學過程與學生的學習過程。相比傳統(tǒng)課堂，智慧課堂教學行為豐富且復雜，其影響因素也較多，如：教師的教學時間長短、已有知識結(jié)構(gòu)、教學策略、教學模式以及外部環(huán)境和技術(shù)等因素的綜合作用。采用傳統(tǒng)的視頻分析法、課堂觀察法等質(zhì)性描述分析智慧課堂的教學行為，通常僅得到師生互動性增強、課堂較活躍等表層信息，缺乏底層有效行為數(shù)據(jù)的支撐，因而在傳統(tǒng)分析方法下進行智慧課堂教學行為的研究面臨不少難題。

目前教育數(shù)據(jù)挖掘與學習分析技術(shù)相結(jié)合主要針對學生行為進行建模與學習趨勢預測，更多關(guān)注學生行為數(shù)據(jù)的采集與分析，較少從教師專業(yè)能力提升的角度，采集與分析智慧課堂的教師行為數(shù)據(jù)。如何借助日益成熟的教育數(shù)據(jù)挖掘?qū)φn堂教學進行量化觀察和數(shù)據(jù)處理，對技術(shù)支持的教與學創(chuàng)新應(yīng)用具有重要實踐意義。基于此，本文針對智慧教學環(huán)境所采集的跨平臺異構(gòu)、多源、非完整以及動態(tài)演化的數(shù)據(jù)，采用合適的數(shù)據(jù)挖掘方法及可視化分析技術(shù)，全面分析智慧課堂環(huán)境下教師行為數(shù)據(jù)的價值信息，發(fā)現(xiàn)教師的教學規(guī)律和教學方法特點，為大數(shù)據(jù)時代下教師專業(yè)發(fā)展的研究范式提供新思路和新方法。

二、相關(guān)研究基礎(chǔ)

教育數(shù)據(jù)挖掘（EDM）是指在教育環(huán)境中應(yīng)用數(shù)據(jù)挖掘技術(shù)分析教育教學活動中產(chǎn)生的數(shù)據(jù)，用以解決教學實踐與教育研究中的問題，旨在改善和提高教學質(zhì)量。

（一）教育數(shù)據(jù)挖掘方法的相關(guān)研究

教育數(shù)據(jù)挖掘常用的方法有聚類、關(guān)聯(lián)規(guī)則、序列模式挖掘、文本挖掘、Web挖掘等。聚類是在教育數(shù)據(jù)挖掘中使用較多的方法，是一種無監(jiān)督的學習算法，不需要對數(shù)據(jù)進行訓練，主要按對象的特性進行相對合理的分類，將一個完整的數(shù)據(jù)集分成不同的子集，同組的樣本具有相似的特征，采用的聚類算法有K-Means、K-medoids等。早期的聚類分析數(shù)據(jù)來源主要是人為輸入數(shù)據(jù)進行分析，計算量大且冗繁，如通過問卷調(diào)查的方法收集教師的信息技術(shù)教學應(yīng)用情況數(shù)據(jù)，采用K-Means聚類分析教師的信息技術(shù)教學應(yīng)用形態(tài);利用課堂教學行為大數(shù)據(jù)，運用視頻觀察法和聚類分析法研究課堂教學的規(guī)律。隨著數(shù)據(jù)量的不斷豐富和擴大，研究者們開始運用技術(shù)實現(xiàn)數(shù)據(jù)記錄、存儲和導出，并以此作為聚類分析算法的輸入數(shù)據(jù)進行深透挖掘，如對基于Moodle網(wǎng)絡(luò)日志進行的聚類分析，發(fā)現(xiàn)教育現(xiàn)象之間的相互關(guān)聯(lián)與規(guī)則;將在線學習系統(tǒng)的數(shù)據(jù)做聚類，發(fā)現(xiàn)在線數(shù)學游戲?qū)W生團隊協(xié)作中的行為規(guī)則。

關(guān)系挖掘的主要目的是為了找出數(shù)據(jù)與數(shù)據(jù)之間隱藏的具有關(guān)聯(lián)性的某種關(guān)系，目前關(guān)系挖掘在教育方面的應(yīng)用主要是研究在線學習環(huán)境中學生成績與教學活動之間的內(nèi)在聯(lián)系，研究者利用關(guān)系挖掘，探索在線學習環(huán)境中學習者學習活動和學習成績的相關(guān)關(guān)系，進而用于改進學習內(nèi)容呈現(xiàn)方式和序列，以及在線教學方法。頻繁項集和關(guān)聯(lián)規(guī)則是關(guān)系挖掘中最高效的兩種方法。通常在做關(guān)聯(lián)規(guī)則挖掘時的首要步驟是生成頻繁項集，隨后在頻繁項集的基礎(chǔ)上生成規(guī)則，因此更準確地說，關(guān)聯(lián)規(guī)則是關(guān)系挖掘領(lǐng)域最主要的算法之一。序列模式挖掘作為與關(guān)聯(lián)規(guī)則較為相似的算法，也可用于關(guān)系挖掘，但序列模式挖掘更關(guān)心數(shù)據(jù)之間順序的關(guān)聯(lián)性。

（二）教育數(shù)據(jù)挖掘應(yīng)用的相關(guān)研究

早先國內(nèi)外對于教育數(shù)據(jù)挖掘的應(yīng)用研究主要聚焦于在線學習或?qū)W習結(jié)果數(shù)據(jù)的挖掘，關(guān)注學生發(fā)展，對學生的行為表現(xiàn)、學習偏好等內(nèi)容進行評估，因為訪問學生日志的數(shù)據(jù)和學習成績數(shù)據(jù)更容易自動獲取和分析，如利用數(shù)據(jù)挖掘工具對在線開放課程學習者的過程和行為數(shù)據(jù)進行采集與聚類分析，發(fā)現(xiàn)不同群體的學習行為與學習效果之間存在密切相關(guān)性。而近年來人們越來越意識到教師數(shù)據(jù)對于改善教學設(shè)計的重要價值，教師教學數(shù)據(jù)挖掘逐漸成為教育數(shù)據(jù)挖掘領(lǐng)域最新的發(fā)展方向。McKenney收集教學過程中的數(shù)據(jù)進行教學實證研究，表明教學挖掘有利于幫助教學和學習，是一個非常有潛力的領(lǐng)域。更有一部分學者深入探討了大數(shù)據(jù)對教師表現(xiàn)的影響研究，關(guān)注分析教育系統(tǒng)中的行為數(shù)據(jù)，以探索課堂教學模式的應(yīng)用及效果，進一步評估和改進教師表現(xiàn)。陳俊強等人通過定量與定性相結(jié)合的分析方法，對大數(shù)據(jù)背景下科學課教師的教學行為進行了探討，全面剖析課堂存在的教學問題，有效促進教師改進課堂教學行為。與之不同的是，李淼浩在對教學行為大數(shù)據(jù)分析的基礎(chǔ)上，融入了教學模式和課堂效率的評價，幫助教師清晰審視教學方法的合理性，有益于實現(xiàn)教學能力的自我提高。此外，還有學者針對特定的智慧課堂環(huán)境中產(chǎn)生的教學數(shù)據(jù)進行挖掘分析，包含師生的行為互動數(shù)據(jù)和表現(xiàn)數(shù)據(jù)，并以此構(gòu)建了完整系統(tǒng)的智慧課堂學習行為分析框架;孫曙輝提出了智慧課堂數(shù)據(jù)挖掘分析的四類應(yīng)用模式，最后基于真實數(shù)據(jù)探討了學生主觀行為對成績的影響分析應(yīng)用案例;除關(guān)注智慧課堂學生群體的行為分析外，有學者還基于智慧課堂教師教學行為數(shù)據(jù)，尋找不同教師群體及其教學行為的關(guān)系。不難發(fā)現(xiàn)，現(xiàn)有研究多采用傳統(tǒng)的分析方法，關(guān)注課堂教學呈現(xiàn)的顯性數(shù)據(jù)，對自動采集的海量教師行為數(shù)據(jù)分析利用較低，尚不能深入對教學過程性數(shù)據(jù)進行全面挖掘分析，需要提出一套系統(tǒng)集成的技術(shù)方法來挖掘分析過程性的教師行為數(shù)據(jù)。

三、智慧課堂教師教學行為分析方法

智慧課堂應(yīng)用規(guī)模不斷擴大，掀起智慧教學研究熱潮，并引發(fā)教學環(huán)境設(shè)計、教學活動個性化編排、教學管理科學決策等方面的變革，使這些過去靠拍腦袋或理念靈感加經(jīng)驗的工作，逐步變成一種數(shù)據(jù)支撐的行為科學。教學行為分析技術(shù)是對教學過程中產(chǎn)生的各種教學行為數(shù)據(jù)進行解讀和分析，以評估教師教學開展情況并指導教師改進教學。

（一）智慧課堂教師教學行為數(shù)據(jù)采集與處理

精確的數(shù)據(jù)采集是數(shù)據(jù)挖掘的前提和基礎(chǔ)。智慧課堂教學通常由一系列復雜的教學活動與環(huán)節(jié)組成，每個活動中生成的動態(tài)數(shù)據(jù)具有與情境緊密結(jié)合的特征，本文依托前期研究基礎(chǔ)，從直接情境與間接情境兩方面對智慧教學情境數(shù)據(jù)進行分類并篩選其具體指標，重點關(guān)注智慧教學活動中的強交互任務(wù)和任務(wù)執(zhí)行場景。直接情境能夠由終端或者其他手段直接獲取。間接情境則主要為教與學活動情境，通過埋點方式進行采集。結(jié)合最常用的課堂教學行為分析編碼系統(tǒng)，通過調(diào)研智慧課堂互動系統(tǒng)功能模塊和相關(guān)研究基礎(chǔ)，將智慧課堂間接教學情境采集數(shù)據(jù)分為課堂講授、課堂測試、自主探究、小組協(xié)作、總結(jié)評價、反思提升6大教學活動模塊。具體教育場景采集數(shù)據(jù)及其結(jié)構(gòu)如表1所示。

（二）智慧課堂教師行為分析挖掘方法

面對智慧課堂教學環(huán)境所采集的動態(tài)情境數(shù)據(jù)，需借助交互可視化分析機制進行充分挖掘和應(yīng)用，構(gòu)建一套云端結(jié)合的數(shù)據(jù)分析挖掘方法。該方法的實現(xiàn)包括接口模塊、預處理模塊、分析模塊、服務(wù)模塊、可視化模塊共五個模塊完成。教師教學行為數(shù)據(jù)通過接口模塊進入預處理模塊，經(jīng)預處理和標準化后進入分析模塊，主要采用頻繁模式挖掘和聚類算法進行分析，完成后的結(jié)果通過服務(wù)模塊暴露給可視化模塊進行交互顯示。

1.頻繁序列挖掘關(guān)鍵算法與流程

課堂行為序列是一組具有時間維度的活動組合，按照時間與邏輯上的先后順序進行排列，其中每一個元素都是帶有時間屬性的活動，對應(yīng)到某個具體教師就是教師課堂行為序列。智慧課堂中教師課堂行為序列是通過埋點采集的方式進行。序列模式挖掘是指從序列數(shù)據(jù)庫中尋找頻繁子序列作為模式的知識發(fā)現(xiàn)過程。通過序列模式挖掘算法發(fā)現(xiàn)教師的教學頻繁序列，發(fā)現(xiàn)智慧課堂教師教學活動的極大頻繁序列。

（1）數(shù)據(jù)采集與預處理方法

對確定的目標數(shù)據(jù)進行采集。由于智慧課堂的用戶操作行為種類多且分散，本文將原始課堂行為序列按照6類間接教學情境分類，然后進行標準化，形成特征數(shù)據(jù)。數(shù)據(jù)預處理階段需要對數(shù)據(jù)進行異常值處理以及簡單的數(shù)據(jù)變換，主要對教師的無效操作數(shù)據(jù)進行剔除。例如：如果教師教學行為序列中某一活動的駐留時間小于N（0.5min）或者超過N（30min），則代表這不是教師所實施的有效活動，即教師可能在教學操作過程中出錯或教師可能離開這個教學操作，需要將該操作從教師教學活動列表中剔除。

（2）數(shù)據(jù)挖掘算法設(shè)計

將MFSGrowth算法應(yīng)用于極大頻繁序列挖掘，算法的具體實現(xiàn)偽代碼如圖1所示。

2.基于教師教學活動數(shù)據(jù)的聚類分析實現(xiàn)

頻繁序列挖掘給出了教師常用的智慧課堂教學序列，若想深入分析當前智慧課堂教學模式的發(fā)展特點，還需借助聚類分析方法找出具有相同教師行為屬性的教師，從而形成不同階段特征的教學共同體，以此幫助學校發(fā)現(xiàn)一批在教學方法運用、課堂結(jié)構(gòu)編排、技術(shù)工具使用等方面都較為出眾的優(yōu)秀教師，為教育部有關(guān)部門制定面向不同教學方法特色的教師專業(yè)培訓方案提供依據(jù)。此外，對于在智慧課堂中較難開展教學的教師來說，聚類分析方法能夠?qū)處熖卣骱托袨檫M行監(jiān)測與分析，有助于教師認識自己在開展智慧課堂教學過程中的優(yōu)勢和不足，進一步識別教師采用的智慧課堂教學模式特征，及時發(fā)現(xiàn)教學有待改進的方面并采取相應(yīng)的措施來促進自身的專業(yè)發(fā)展。本文采用優(yōu)化的K-Means聚類算法，具體實現(xiàn)方法如圖2所示。

（1）數(shù)據(jù)處理

聚類分析的數(shù)據(jù)處理，首先對樣本指標或參量值進行標準化處理。將原始課堂活動數(shù)據(jù)進行標準化形成特征數(shù)據(jù)。由于數(shù)據(jù)中存在一部分極大或者極小數(shù)據(jù)，采用離群點識別和剔除處理操作，離群點識別主要是基于四分位數(shù)箱行圖，以6個教學活動為聚類屬性，依次建立每個維度的四分位箱形圖，從而將教師課堂活動數(shù)據(jù)中的離群數(shù)據(jù)（異常值）提取出來，并根據(jù)特征屬性維護離群數(shù)據(jù)表，將相同類型的離群數(shù)據(jù)放人到一個新的聚類結(jié)果簇中;經(jīng)過離群點識別和剔除處理后，對剩下的教師課堂活動數(shù)據(jù)利用優(yōu)化的K-Means算法進行聚類分析。

（2）算法設(shè)計

聚類分析使用了兩層聚類，第一層聚類主要使用DBScan聚類算法，基于教師的訪問數(shù)據(jù)以及訪問時間的相似度，對用戶會話進行聚類，得到的結(jié)果為多個類集;第二層聚類則使用了K-Means聚類算法，在第一層聚類的結(jié)果上根據(jù)教師在每個類集中的使用比例對教師進行聚類，算法的具體實現(xiàn)偽代碼如圖3所示。

四、基于智慧課堂教師行為數(shù)據(jù)頻繁序列挖掘和聚類分析的可視化實現(xiàn)

本文所分析的課堂數(shù)據(jù)源于珠?！盎浗淘啤痹囼瀰^(qū)所實施的“智慧課堂”項目，該項目在珠海市中小學校中基本實現(xiàn)常態(tài)化使用，數(shù)據(jù)覆蓋范圍包含54所學校，378個班級、419名教師用戶數(shù)據(jù)、4269條課堂數(shù)據(jù)，其中每條課堂數(shù)據(jù)包含大量過程性行為數(shù)據(jù)與學業(yè)結(jié)果數(shù)據(jù)。本研究通過對智慧課堂中的課堂教學行為數(shù)據(jù)進行挖掘，試圖通過可視化方式發(fā)現(xiàn)在智慧課堂環(huán)境下教師教學方法及模式的發(fā)展特點。

（一）智慧課堂教學行為序列挖掘的可視化實現(xiàn)

以珠海學校教師課堂行為序列為數(shù)據(jù)集，采用序列模式挖掘的方法，挖掘出較高頻度教學路徑，顯示教師常用的教學課堂序列，從而發(fā)現(xiàn)智慧課堂的極大頻繁序列。智慧課堂因其教學內(nèi)容呈現(xiàn)便利、教學反饋及時、教學互動高效等技術(shù)特征，教師的教學活動與課堂教學結(jié)構(gòu)也不同于傳統(tǒng)課堂。Jacobson依據(jù)學生所獲指導的不同，將課堂的結(jié)構(gòu)劃分為高結(jié)構(gòu)化教學（教師滿堂課都在講授，即傳統(tǒng)的滿堂灌）和低結(jié)構(gòu)化教學（教師把課堂交還給學生，讓學生進行探究學習和項目學習，教師僅僅一個指導者的角色），并形成SPS（Sequencingof Pedagogical Structure）框架。本文在此基礎(chǔ)上對教學結(jié)構(gòu)序列框架（SPS）進一步完善，新增了時序特征，并參考教學方法、教學媒體結(jié)構(gòu)對應(yīng)的教師指導特征，結(jié)合研究的實際應(yīng)用情況，對教學活動進行高低結(jié)構(gòu)定義，即課堂講授（H）、課堂測驗（H）、自主學習（L）、小組協(xié)作（L）、總結(jié)評價（L）、反思提升（L），其中字母H代表高課堂結(jié)構(gòu)、字母L表示低結(jié)構(gòu)課堂，詳細信息如表2所示。

1.頻繁序列挖掘結(jié)果分析

為避免頻繁序列的重復挖掘，定義如果某個頻繁序列不是頻繁序列集中其他任一頻繁序列的子序列，則稱該頻繁序列為極大頻繁序列。研究以珠海市語文學科教師數(shù)據(jù)為例，從數(shù)據(jù)庫中抽取語文學科教師行為數(shù)據(jù)并過濾掉總體時間不足20Min的無意義和不完整的無效數(shù)據(jù)后，得到序列模式數(shù)據(jù)庫D，采用MFSGrowth算法進行挖掘，最后選擇在頻繁度閾值為10%情況下挖掘到的頻繁序列，得到38條極大頻繁序列。此處列出了排名前7的極大頻繁序列，如表3所示，并對各條頻繁序列進行了深入解讀。

挖掘出來的7條極大頻繁序列，3條為高低型結(jié)構(gòu)，2條為低高型結(jié)構(gòu)以及2條低低型結(jié)構(gòu)，智慧課堂的課堂結(jié)構(gòu)未出現(xiàn)高高型以教師為中心的教學課堂結(jié)構(gòu)，說明智慧課堂環(huán)境中開展的教學已不再是純粹的高結(jié)構(gòu)實施，這與文獻的研究結(jié)論相吻合，更多呈現(xiàn)出以低結(jié)構(gòu)教學為主、高結(jié)構(gòu)教學為輔的教學設(shè)計趨向。目前教師在智慧課堂中使用最多的為“課堂講授一小組協(xié)作”這一教學結(jié)構(gòu)，屬于H→L高低型的教學結(jié)構(gòu)序列，表示該課堂在整個教學過程中同時運用高結(jié)構(gòu)化教學方法和低結(jié)構(gòu)化教學方法，在技術(shù)的支撐下，增加了低結(jié)構(gòu)化教學方法的比重。而與其相反的L→H型結(jié)構(gòu)序列是比較典型的低高結(jié)構(gòu)教學，它注重解放學生，先讓學生自己體驗，教師再提供高結(jié)構(gòu)化的指導，與教師直接進行講授相比，L→H型結(jié)構(gòu)更注重培養(yǎng)學生的高階思維和問題解決的能力，這種課堂結(jié)構(gòu)被認為是“主導一主體型”教學結(jié)構(gòu)思想的最佳體現(xiàn)，有利于突破傳統(tǒng)課堂的教學方法，給予學生極大的發(fā)揮空間，較容易取得良好的教學效果。H→L型和L→H型雖只是時序的不同，但這種差異卻體現(xiàn)了不同的教學理念，會帶來顯著不同的學習效果。與此同時，挖掘結(jié)果中還發(fā)現(xiàn)L→L型結(jié)構(gòu)序列，即凸顯以學生為中心的低低型教學結(jié)構(gòu)，課堂設(shè)計指向更高階認知目標的內(nèi)容，適用于語文綜合性學習的探究課。新技術(shù)的使用極大地改變了教育過程的性質(zhì)，現(xiàn)有的智慧課堂教學已基本擺脫了以單一課堂講授為主的教學方式，更多采用多種教學方法交替組合的形式開展教學實踐，教師在關(guān)注高結(jié)構(gòu)課堂的同時，逐漸轉(zhuǎn)向以實現(xiàn)生成性教學為目標的低結(jié)構(gòu)課堂。

2.頻繁序列挖掘結(jié)果驗證

為進一步驗證頻繁序列挖掘算法的有效性，以珠海市某實驗校8節(jié)語文課為例，通過對智慧課堂教學視頻分析，詳細了解智慧課堂的課堂結(jié)構(gòu)及課堂教學目標達成情況。分析發(fā)現(xiàn)，語文學科教師課堂教學結(jié)構(gòu)序列主要為H→L型結(jié)構(gòu)（如表4所示），未出現(xiàn)H→H型結(jié)構(gòu)，這一分析結(jié)果與頻繁序列挖掘結(jié)果基本符合?？傮w表明智慧課堂教學在技術(shù)的支撐下，基本已擺脫教師滿堂灌型教學方法，正朝著以學生為中心的方向發(fā)展，教師開始關(guān)注高低結(jié)構(gòu)并重的教學方法，較好符合新課程改革提倡的教育理念。以現(xiàn)階段的分析情況來看，智慧課堂教學環(huán)境的使用仍有較大提升的空間，目前的課堂形態(tài)仍然是一種知識控制下的線性關(guān)系，即學生的學習更多是教師主導下的線性學習，學生在課堂中的主體地體并未較好體現(xiàn)。參考這一頻繁序列挖掘結(jié)果，可有效輔助教師快速刻畫課堂教學結(jié)構(gòu)全貌，為其改進完善智慧課堂教學結(jié)構(gòu)設(shè)計提供更科學化的參考。

（二）智慧課堂教學活動數(shù)據(jù)聚類分析的可視化實現(xiàn)

智慧課堂作為現(xiàn)代信息技術(shù)與教育相融合的產(chǎn)物，適當且有效地運用現(xiàn)代信息技術(shù)能夠促進教育的個性化發(fā)展，促進教育新模式的產(chǎn)生。通過相關(guān)文獻調(diào)研發(fā)現(xiàn)，當前智慧課堂發(fā)展呈現(xiàn)出階段性特征，根據(jù)智慧課堂智能化技術(shù)與智慧化教學的特征，提出智慧課堂教學模式的三個階段特征，改進型、交互型和理想型，具體發(fā)展階段特征如圖4所示?？梢园l(fā)現(xiàn)三類教學模式的判定依據(jù)均與技術(shù)和教學緊密聯(lián)系，這為本研究聚類分析得出的教師教學規(guī)律和教學方法特點的比較分析提供參照標準，下面研究將分析試驗校教師聚類結(jié)果反映出的智慧課堂教學模式發(fā)展階段，為推進智慧課堂教學實踐的有效應(yīng)用提供參考。

1.基于優(yōu)化的K-Means算法的可視化分析

研究以珠海市初中語文學科教師的教學活動數(shù)據(jù)為數(shù)據(jù)集，采用聚類分析的方法，挖掘智慧課堂教師的教學模式。以課堂講授、課堂測試、自主探究、小組協(xié)作、總結(jié)評價、反思提升為特征屬性，經(jīng)過傳統(tǒng)K-Means、DBScan、優(yōu)化k-Means多次聚類算法核對，發(fā)現(xiàn)選擇優(yōu)化的K-Means算法效果更佳。由于不同學科教師的智慧課堂教學行為可能有所差異，所以通常篩選同一學科教師進行聚類分析。本文選取珠海市初中語文學科30位教師478節(jié)課的智慧課堂數(shù)據(jù)進行教學模式可視化實現(xiàn)，結(jié)果如圖5所示，其中8位教師屬于改進型，18位教師屬于交互型，4位教師屬于理想型，體現(xiàn)了健康持續(xù)的智慧課堂教學模式發(fā)展態(tài)勢。

2.聚類結(jié)果的驗證

為驗證聚類結(jié)果的準確性，結(jié)合文獻調(diào)研、問卷調(diào)查和教師訪談的相關(guān)內(nèi)容，本文制定了一個優(yōu)秀教師評定框架，對教師的職稱、論文、課例、公開課、教學設(shè)計等其他優(yōu)秀成果進行綜合評價，由此判斷聚類結(jié)果與教師優(yōu)秀情況是否具有關(guān)聯(lián)。優(yōu)秀教師評定框架分別對三種類型的智慧課堂教學模式進行了特征分解，并設(shè)定相應(yīng)分值：改進型綜合評價得分范圍為0-15分，交互型為16-25分，超過25分即達到理想型階段。通過對上述30位初中語文教師智慧課堂教學優(yōu)秀成果的評分，將聚類分析結(jié)果和實際評價結(jié)果進行一一比較，以三種教學模式類型聚類結(jié)果準確率的平均數(shù)，表征聚類分析方法的整體性能。結(jié)果顯示，改進型的準確率為77.78%，交互型、智慧型各為85%和80%，聚類計算得到的平均準確率達到80.93%，詳情如下頁表5所示，發(fā)現(xiàn)語文學科教師的挖掘結(jié)果與實際評價結(jié)果基本吻合，表明該聚類方法的整體性能較為良好。

研究同時發(fā)現(xiàn)不區(qū)分學科的教師聚類得出的結(jié)果與教師實際評價相差甚遠，例如以珠海市香洲區(qū)的1050條課堂數(shù)據(jù)為數(shù)據(jù)集進行聚類分析，可得到平均準確率為75.2%，但如果將篩選條件精確到具體學科，聚類的準確程度得到了較大幅度的提升。初步考慮是因為不同學科的教學標準對教師的要求有所不同，例如，理科教師在智慧課堂進行教學時會有較多的小組探究、問題思考行為，而文科教師在這方面表現(xiàn)出比較弱的水平?？傮w來說，智慧課堂教學活動數(shù)據(jù)聚類分析方法與實際教學情況表現(xiàn)出較明顯的一致性，分析方法具有一定的有效性。

五、結(jié)語

隨著技術(shù)支持下教學環(huán)境的不斷改進與發(fā)展，教育教學模式也在持續(xù)更新融合。本文通過對智慧課堂環(huán)境下教師的教學行為進行分析，提出了基于教師行為數(shù)據(jù)的頻繁序列挖掘和聚類分析方法，并結(jié)合教學應(yīng)用實踐驗證了分析方法的有效性，取得了一定效果，分析發(fā)現(xiàn)智慧課堂不僅是教與學環(huán)境的改進，更是對課堂教學結(jié)構(gòu)、教學模式等方面產(chǎn)生了深入影響，逐步走向以學生為中心的課堂教學結(jié)構(gòu)?；诖髷?shù)據(jù)的學習分析一直以來都是教育信息化2.0時代研究的熱點與難點問題之一，本文選取了教師專業(yè)發(fā)展的角度，提出了基于智慧課堂的教師行為數(shù)據(jù)挖掘分析方法和應(yīng)用案例，通過數(shù)據(jù)解構(gòu)智慧課堂，期待能為教師智慧教學能力的發(fā)展提供一些數(shù)據(jù)支撐，為促進智慧課堂的教師專業(yè)發(fā)展提供研究的新思路和新方法。