柏宏權(quán) 朱俊

基金項目：2019年度國家社會科學基金教育學一般課題“大學生在線同伴互評效果改進研究”（課題編號： BCA190079）

[摘? ?要] 教師課堂教學的專業(yè)化水平是制約中小學人工智能教育高質(zhì)量發(fā)展的關(guān)鍵問題。利用教師畫像刻畫教師教學模式和行為特征，多維度挖掘分析教師課堂教學表現(xiàn)，了解教師課堂教學的特征和不足并進行針對性提升，是解決人工智能教師專業(yè)成長難題的新途徑。文章以30節(jié)小學人工智能課堂教學視頻為研究樣本，采用S-T分析和滯后序列分析法構(gòu)建教師畫像發(fā)現(xiàn)：小學人工智能教師課堂教學模式偏向?qū)υ捫秃突旌闲停虒W行為存在“IRF循環(huán)”“指導聯(lián)結(jié)”“沉默促進”三種典型模式，媒體應用行為呈現(xiàn)“技術(shù)傾向”“連續(xù)型”“傳統(tǒng)媒體雙向交互”三種模式?；诮處煯嬒?，文章提出了小學人工智能教師教學行為提升策略。

[關(guān)鍵詞] 教師畫像； 課堂教學行為分析； 小學人工智能教師； 人工智能教學； 滯后序列分析

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 柏宏權(quán)（1975—），男，江蘇鹽城人。教授，博士，主要從事人工智能教育和教育信息化理論與實踐研究。E-mail：baihongquan@163.com。

一、引? ?言

近年來，隨著我國科技的飛速發(fā)展和教育改革的深入推進，中小學人工智能教育得到了空前的關(guān)注和重視?！缎乱淮斯ぶ悄馨l(fā)展規(guī)劃》中明確提出，在中小學設置人工智能相關(guān)課程[1]。在這一背景下，我國中小學人工智能教育展現(xiàn)出了蓬勃的發(fā)展態(tài)勢。然而，師資缺乏是目前中小學實施人工智能教育迫切需要解決的問題[2-3]，并且人工智能教師專業(yè)化水平有待提高[4]。針對師資培養(yǎng)存在的問題，2021年9月，教育部出臺了《關(guān)于實施第二批人工智能助推教師隊伍建設行動試點工作的通知》，指出要通過建設和應用教師大數(shù)據(jù)形成教師畫像，支持教師精準管理和評價改革[5]。通過教師畫像，挖掘分析教師的特征和短板，促使教師反思和總結(jié)，改變教師的教學方法，優(yōu)化教師的知識結(jié)構(gòu)和行為模式，促進教師專業(yè)發(fā)展[6]。基于當前的時代背景和現(xiàn)實難題，本研究將聚焦通過小學人工智能教師的課堂教學行為分析，得出教師課堂教學行為的具體特征并進行可視化表達，進而構(gòu)建教師畫像并提出教師教學行為的提升策略。

二、文獻綜述

（一）中小學人工智能教師素養(yǎng)要求

隨著人工智能教育的大力發(fā)展，很多教師和研究者積極在中小學進行人工智能教育教學實踐[7]。李世瑾等的研究表明，人工智能教學效果受到教師技術(shù)認知和教學實踐的影響[8]。馬濤等提出，中小學人工智能教師要具備基本教學能力和人工智能專業(yè)知識[9]。胡小勇等構(gòu)建了K-12教師智能教育素養(yǎng)結(jié)構(gòu)模型，包括教學法知識、智能技術(shù)知識、創(chuàng)意知識等[10]。王本陸等指出，人工智能教師需要具備AI教學平臺操作、問題解決決策、個性化指導以及跨學科教學等專業(yè)素養(yǎng)[11]。蔣瑾等認為，人工智能時代教師要積極構(gòu)建“對話式”教育，促進教師、人工智能和學生主體間對話[12]。因此，中小學人工智能教師需要具備人工智能專業(yè)知識、教學法知識、技術(shù)認知和應用、發(fā)現(xiàn)和解決問題、促進學生深度學習、利用技術(shù)創(chuàng)新教學模式的能力和與多主體進行對話的意識和能力。

（二）教師畫像的構(gòu)建與應用

畫像是基于大量真實數(shù)據(jù)構(gòu)建的虛擬用戶模型，是一種被廣泛應用于各個領(lǐng)域、描述目標用戶特征和聯(lián)系用戶需求的有效工具[13]。在教育領(lǐng)域的運用包括學習者畫像和教師畫像等。胡小勇等利用智能技術(shù)構(gòu)建了教研視角下的教師畫像模型，并提出教師畫像的四大應用場景[14]。黃建國等論述了基于在線學習平臺的教師教研畫像構(gòu)建流程和實現(xiàn)方法[6]。彭紅超等提出了多模態(tài)數(shù)據(jù)構(gòu)建教師畫像的方法和多模態(tài)學習分析策略[15]。

綜上所述，目前教師畫像研究主要針對教師培訓和教師專業(yè)發(fā)展，但多數(shù)研究只停留在模型建構(gòu)階段，實際生成教師畫像的研究較少。大部分研究關(guān)注在線學習和網(wǎng)絡研修，缺少針對真實的課堂教學環(huán)境中的教師畫像研究。

（三）基于視頻的課堂教學行為分析

課堂教學是由教師教授與學生學習共同組成的活動，這些活動由一系列有目的的行為組成[16]。課堂教學行為分析運用行為理論和教學原理，通過觀察等方式分析教學中的主客體行為和教學要素間的內(nèi)部關(guān)系，從而揭示教學行為與師生個體之間的發(fā)展規(guī)律[17]?；谝曨l的課堂教學行為分析用于課堂教學研究，能夠有效促進教師專業(yè)發(fā)展[18]。

在課堂教學行為分析方法方面，目前較為成熟的編碼系統(tǒng)包括弗蘭德斯互動分析系統(tǒng)FIAS、基于信息技術(shù)的互動分析編碼系統(tǒng)ITIAS、改進型弗蘭德斯互動分析系統(tǒng)iFIAS、1∶1數(shù)字化環(huán)境下課堂教學互動行為編碼系統(tǒng)OOTIAS和ETIAS編碼系統(tǒng)[19]。從已有研究來看，課堂教學行為分析方法日益注重技術(shù)要素。人工智能課堂教學非常重視技術(shù)應用，因此，在選用分析方法時也要突出技術(shù)要素?？紤]到課堂教學中技術(shù)要素等對教學行為的影響，本研究采用的ETIAS編碼系統(tǒng)將FIAS的10種行為編碼擴充到16種，并添加教學媒體和TPACK維度。

三、研究設計

（一）研究樣本

本研究選取參加2022年全國師生信息素養(yǎng)提升實踐活動——中小學人工智能教育教學課例征集項目的30節(jié)小學課例視頻為研究樣本。每節(jié)課例視頻的時長在30～50分鐘之間，教學活動都在人工智能技術(shù)和設備支持的智慧課堂教學環(huán)境中完成的。參加該項目的課例來自我國不同地區(qū)，具有典型性。故這些課例樣本可以用于構(gòu)建小學人工智能教師畫像。

（二）編碼體系

表1? ? ? ? ? ? ? ? ETIAS編碼體系

FIAS、ITIAS和iFIAS編碼體系包含的技術(shù)部分較少，且只涉及籠統(tǒng)的師生與技術(shù)的互動，不適用于人工智能課堂教學。在OOTIAS編碼體系中，技術(shù)在師生互動中具有直接和間接作用，編碼較為麻煩，也沒有突出技術(shù)在課堂教學中的作用，并且把人人互動細化為師生言語并作為編碼依據(jù)，難以充分反映以自主和合作學習為主的人工智能課堂教學的真實情境。該體系以秒為單位進行編碼，過于機械，且無法保證教學活動的相對完整性。ETIAS編碼體系將教學視頻根據(jù)教學活動進行切片，對師生行為進行精確時間統(tǒng)計，有效保證了教學活動的相對完整性。同時，將課堂行為劃分為教師控制、學生控制、同時控制和無控制行為，不再只關(guān)注師生的言語行為，能夠更加全面精確地反映課堂教學情況[20]。該編碼體系基于Laurillard提出的五種教學媒體類型[21]，結(jié)合智慧課堂教學中媒體使用情況，對教學媒體進行重新分類，具有良好的理論基礎(chǔ)和現(xiàn)實意義。因此，本研究采用該體系中的教學行為和教學媒體維度對課例視頻進行分析，具體的編碼體系見表1。

（三）研究方法

本研究主要采用S-T分析和滯后序列分析法構(gòu)建教師畫像。S-T分析法通過計算教師行為占有率Rt和師生行為轉(zhuǎn)換率Ch進而判斷課堂教學模式[22]。程云等對S-T分析法進行優(yōu)化，以“時間抽樣，動態(tài)補償”原則采集數(shù)據(jù)，依據(jù)行為持續(xù)時間統(tǒng)計行為占有率[23]。滯后序列分析用于檢驗一種行為發(fā)生后另一種行為發(fā)生的概率及其顯著性，計算出的殘差值Z>1.96則表示該行為序列具有顯著性[24]。該方法用于學習分析可以幫助研究者準確把握潛在的行為模式，有助于優(yōu)化教學活動設計與實施。分析顯著性行為序列能夠體現(xiàn)教師教學行為特征和教學媒體應用情況，從而展現(xiàn)課堂教學結(jié)構(gòu)并構(gòu)建教師畫像。

四、教師畫像的構(gòu)建與輸出

（一）數(shù)據(jù)編碼

兩名研究者對課例視頻進行編碼，研究者熟悉ETIAS編碼類別和具體含義，確保充分理解和掌握編碼體系。一位研究者對課例視頻進行預編碼，第二位編碼者再進行編碼，對兩次編碼結(jié)果進行一致性檢驗，在結(jié)果反饋一致性較好的基礎(chǔ)上，對不一致的編碼進行討論后確定最終的編碼類別。

（二）教學模式分析

通過對課堂教學行為維度進行S-T分析得到每節(jié)課的Rt-Ch圖，如圖1所示。從圖中可以看出，小學人工智能課堂大多屬于對話型和混合型教學模式。對話型教學模式表明師生課堂互動頻繁，人工智能教學需要構(gòu)建“對話型”課堂，良好的交互能夠有效促進教學。混合型教學模式表明人工智能課堂充分體現(xiàn)“學生主體，教師主導”的教學理念，教師行為占有率Rt值在0.3～0.7之間，不同課例差距較大，說明師生行為占比平衡，多數(shù)課堂重視學生的主體地位，學生有充足的時間去體驗、感知人工智能，與智能媒體進行交互。有些課堂教師行為占比較高，如T18和T30這些課例中教師講授占比較多，教學內(nèi)容更多是人工智能原理性知識。

（三）教學行為模式分析

30節(jié)課例視頻共形成5，072條教學切片與編碼記錄，將行為編碼按教師T1-T30的順序?qū)隚SEQ中進行計算，根據(jù)輸出結(jié)果繪制教師行為序列轉(zhuǎn)換圖，如圖2所示。

圖1? ?課例Rt-Ch圖匯總

圖2? 人工智能教師課堂教學行為序列

人工智能教師課堂教學行為序列呈現(xiàn)較為復雜的結(jié)構(gòu)，整體成鏈狀分布，行為節(jié)點類型多樣，行為間的聯(lián)系非常密切，呈現(xiàn)完整連貫的行為序列。結(jié)合教學行為統(tǒng)計圖分析，發(fā)現(xiàn)小學人工智能教師課堂教學行為表現(xiàn)出以下特征：

1. IRF循環(huán)課堂教學行為模式

錯綜復雜的教學行為序列具有完整的IRF結(jié)構(gòu)，即從教師發(fā)起（Initiation）到學生回應（Response）再到教師反饋（Feedback）[25]。課堂教學中出現(xiàn)頻率較高的行為有B6和B4，且二者是許多教學行為序列的起點和終點。B4→B10（Z=20.40）、B4→B11（Z=18.29）、B11→B3（Z=32.38）、B10→B3（Z=18.36）和B3→B4（Z=9.29）是非常顯著的行為序列，這些顯著行為形成了一條多節(jié)點的完整行為序列B4→B10/B11→B3→B4，教師提出問題，學生回答問題，其中B11占比較高，也反映了多數(shù)學生對于課堂學習呈現(xiàn)積極態(tài)度。學生回答后，教師接受和發(fā)展學生的觀點，然后教師再次提出問題。整個行為序列從B4出發(fā)再回到B4，體現(xiàn)了人工智能課堂教學以問題為驅(qū)動，呈現(xiàn)出“IRF”循環(huán)課堂教學行為模式。

2. “指導聯(lián)結(jié)”的課堂教學行為模式

指導或指令（B6）是與其他行為產(chǎn)生序列最多的節(jié)點，共有14個行為與其連接，因此，有必要對B6的前后行為進行分析。B6前后出現(xiàn)B13等學生控制行為，具有較強的顯著性，體現(xiàn)了教師的指導和指令有效聯(lián)結(jié)了學生學習行為。學生在演說或演示、小組合作、創(chuàng)造作品和使用教育資源的過程中，教師通過合理指導幫助學生解決問題。教師在指令后學生主動發(fā)言或演示，再對學生進行表揚或鼓勵（Z=11.64），形成了一個由教師指導引發(fā)的學生控制為主的課堂教學師生互動行為模式B6→B11/B12→B2?？梢钥闯觯處煹闹笇Щ蛑噶钍峭苿诱n堂教學和促進師生互動的重要行為，在人工智能課堂教學中起到重要聯(lián)結(jié)作用。

3. “沉默促進”的課堂教學行為模式

指導或指令（B6）之后會出現(xiàn)沉默或混亂（B16），其中的原因包括學生準備、思考問題等，沉默后最顯著的行為是B12，可以看出人工智能課堂中存在著較多的課堂沉默時間?；谥笇Щ蛑噶?，學生在沉默時間進行思考從而進行下一步活動。沉默或混亂的原因還包括媒體調(diào)試。人工智能教學相比其他學科會包含更多的技術(shù)要素，使用更多的工具，課例中多數(shù)教師由于對技術(shù)操作不熟練或是沒有提前準備好，在媒體調(diào)試方面會花費較多時間，影響課堂教學。

（四）教學媒體應用行為模式分析

注：IM代表信息技術(shù)支持的媒體；TM代表傳統(tǒng)媒體；CM代表復合媒體；N代表無媒體。

圖3? ?教師媒體應用情況統(tǒng)計

研究對課堂教學中使用媒體的基本情況進行統(tǒng)計，如圖3所示。課堂教學媒體應用行為序列如圖4所示。行為序列圖包含17條顯著性序列，整體結(jié)構(gòu)較為簡單，媒體間的聯(lián)結(jié)較少。通過深入分析發(fā)現(xiàn)人工智能教師課堂教學媒體應用表現(xiàn)出以下特征：

圖4? ?人工智能教師課堂教學媒體應用序列

1. “技術(shù)傾向”的媒體應用模式

課堂教學中用到的媒體主要是信息技術(shù)支持的媒體，占比為30%，其中，信息技術(shù)支持的陳述性媒體（IL）占比最高（21%），其次是智能媒體應用行為（IA），占比4.4%。傳統(tǒng)媒體應用行為占比5.5%，其中，傳統(tǒng)陳述性媒體（TL）占比最高（3.2%），可以看出教師傾向于使用信息技術(shù)媒體，通過各種媒體技術(shù)來支持教學。結(jié)合視頻發(fā)現(xiàn)，信息技術(shù)媒體應用非常豐富，如師生利用無線投屏等演示和展示作品，教師使用教學管理系統(tǒng)中的倒計時規(guī)劃學生自主合作學習時間，使用點贊工具對學生進行表揚。AI設備是人工智能課堂教學中重要的組成部分，其支持人工智能操作型內(nèi)容的學習，培養(yǎng)學生人工智能應用能力。綜上所述，人工智能課堂教學呈現(xiàn)出“技術(shù)傾向”的媒體應用模式，體現(xiàn)了信息技術(shù)與教學深度融合。

2. “連續(xù)型”媒體應用模式

大多數(shù)媒體應用行為是指向自身的，即教師在課堂教學中傾向于連續(xù)使用同種媒體。教師持續(xù)使用IL非常顯著（Z=20.49），多數(shù)情況下是基于課件進行講解，主要對應的教學行為是B5和B8，表明人工智能課堂需要連續(xù)使用IL傳授知識、演示操作、展示成果等，從而促進學生知識學習。其次，連續(xù)使用IP也非常顯著（Z=12.13），學生使用IP建構(gòu)作品、展示交流，師生進行評價反饋，表明小學人工智能課堂注重學生自主合作創(chuàng)造作品以及作品展示和多元評價。再次，連續(xù)使用IA較為顯著（Z=15），教師使用智能媒體進行演示和講解，學生使用智能媒體進行操作和練習。此外，連續(xù)的言語行為（V）也較為顯著（Z=12.13），表明課堂教學基于師生言語行為。綜上所述，人工智能課堂教學呈現(xiàn)出“連續(xù)型”媒體應用模式。

3. “傳統(tǒng)媒體雙向交互”的媒體應用模式

TL（傳統(tǒng)陳述性媒體）和TI（傳統(tǒng)交互性媒體）行為呈現(xiàn)出雙向交互的特點。教師使用黑板、卡片等呈現(xiàn)教學內(nèi)容，學生使用黑板、卡片回答問題和表達觀點等，從而基于傳統(tǒng)媒體實現(xiàn)師生交互。因此，人工智能課堂教學不僅注重使用信息技術(shù)媒體，還能將信息技術(shù)媒體和傳統(tǒng)媒體結(jié)合應用，充分有效地利用不同媒體，體現(xiàn)了技術(shù)賦能而不是單純依賴技術(shù)的課堂教學。

（五）畫像輸出

通過對30節(jié)人工智能課堂教學視頻進行分析，得出人工智能教師畫像，包括課堂教學、教學行為和教學媒體應用行為模式三個維度，如圖5所示。

五、小學人工智能教師畫像分析

通過分析教師畫像得出小學人工智能教師課堂教學的特征和不足，分析結(jié)果如下：

（一）師生互動程度高，多主體對話有待加強

傳統(tǒng)課堂貫徹的是以教師、教材和課堂為中心的“三中心”教學模式，忽視了課堂實踐和師生互動，導致師生對話缺失[26]。本研究分析的人工智能課堂大多屬于對話型教學模式，師生之間對話頻繁，這與傳統(tǒng)課堂教學有很大不同。師生之間基于問題和任務進行對話，教師提出問題和明確任務，并在學生解決問題和完成任務的過程中通過對話促進學生知識和技能的內(nèi)化。在體驗人工智能技術(shù)和演示作品時，教師通過對話進行交流引導，鼓勵學生思考和參與課堂。

在人工智能課堂上，AI成為重要的教學內(nèi)容和教學工具。人機對話在教育對話中的地位日益突出，教育對話不再僅限于“人—人對話”，而是包括了“人—機—人”的對話[27]。但在本研究的人工智能課堂上，人機對話大多存在于展示和學生自主創(chuàng)作行為中，其他教學行為中所包含的人機對話非常少，AI設備都只是放在師生旁邊，教學作用并不顯著。從媒體應用行為也可以看出，智能技術(shù)支持的媒體應用行為占比較少。

此外，大部分人工智能課堂都會進行小組協(xié)作學習，因此，生生對話也非常重要。在人工智能課堂上，組內(nèi)的合作交流較為頻繁，小組成員一般都是基于問題和任務進行探究和交互。但也會出現(xiàn)個別小組成員掌控AI設備和填寫學習單，其他小組成員“搭便車”的情況，還有小組成員在意見不合時發(fā)生爭執(zhí)、爭搶AI設備的掌控權(quán)和某些小組成員沒有機會發(fā)表意見以及操作設備等情況，這些問題都導致生生對話不能有效開展。因此，小學人工智能課堂上師生之間對話頻繁，但多主體對話有待進一步加強。

（二）IRF循環(huán)模式趨向單一結(jié)構(gòu)，學生回應缺乏深度

在人工智能課堂上，常見的IRF循環(huán)模式始于教師的提問和指令，接下來是學生回應和教師反饋，反饋之后教師進一步追問。這屬于一種引導追問型互動，其表現(xiàn)為多反饋三元結(jié)構(gòu)，有助于學生的知識建構(gòu)，促進深度學習[28]。但是從教師反饋回到教師發(fā)起的行為序列相較于其他行為序列顯著性較弱，從學生回應到教師反饋的行為序列顯著強于其他行為序列，因此，IRF循環(huán)模式趨向于單一的三元結(jié)構(gòu)甚至是非三元結(jié)構(gòu)即無回應和無反饋，這種結(jié)構(gòu)能夠促進學生的知識學習，但不利于知識建構(gòu)，甚至會導致學生產(chǎn)生消極的學習心理[29]。

教師提出了不符合學生知識水平和經(jīng)驗的問題以及超越學生最近發(fā)展區(qū)的學習任務，導致學生不知如何回應或是喪失回應積極性，進而不能理解和表征問題以及明確和完成任務。學生回應得不到良好反饋，如缺乏反饋、反饋不及時或沒有針對性反饋。在這種情況下，學生只能被動接受知識，缺少深入思考和升華觀點的機會。教師不合理的發(fā)起和反饋行為使得學生無法建構(gòu)認知結(jié)構(gòu)，進而只能進行淺層次回應，難以實現(xiàn)深度知識建構(gòu)。

（三）提問和指令后的沉默缺乏引導，媒體調(diào)試行為有待優(yōu)化

人工智能課堂上提問和指令的作用不容忽視。然而，教師提問或發(fā)出指令后，學生有時會保持沉默，這時教師需要洞察沉默并引導學生面向問題解決。沉默的原因可能是學生還沒有完全理解問題或指令，或是他們需要一些時間來思考。學生反復遇到無法理解和回應的問題和指令，并且還得不到及時的解答和指導時，就會感到沮喪無助，進而失去學習動力，很有可能會在之后的學習過程中出現(xiàn)誤解，導致學習效果不佳。師生演示前沉默的主要原因是媒體調(diào)試行為，如果媒體調(diào)試行為占用時間過長，學生容易分散注意力并且會失去學習興趣，進而影響學生的學習效果。

（四）媒體應用單一失衡，技術(shù)應用尚待提升

在人工智能課堂上，媒體技術(shù)應用已經(jīng)成為教育教學不可或缺的一部分。然而，“連續(xù)型”媒體應用行為模式表明：在智能技術(shù)應用過程中，很多教師只是單一地使用媒體技術(shù)，忽視了媒體技術(shù)的結(jié)合使用。媒體技術(shù)應用可以為課堂注入新鮮氣息，讓課堂更加活躍生動，并且有助于提高學生的學習興趣。媒體技術(shù)應用單一，學生會感到乏味，難以保持學習的積極性，并且會限制師生之間的深入探究，從而影響學生對知識技能的理解和掌握，使教學變得機械化和呆板化。教師難以發(fā)揮自己的教學優(yōu)勢和特點，從而難以提高教學質(zhì)量。

人工智能課堂教學是一種“技術(shù)傾向”的教學，信息技術(shù)支持的媒體占比為30%，但是其中信息技術(shù)支持的陳述性媒體應用行為占比就有21%，占比第二的信息技術(shù)支持的智能媒體應用行為占比僅為4.4%。非信息技術(shù)媒體行為占比為70%，其中大部分是言語行為，這體現(xiàn)了人工智能課堂上信息技術(shù)媒體應用失衡的現(xiàn)象。究其原因可能有以下兩個方面：一方面，教師在教學中沒有充分發(fā)揮智能媒體的作用，智能媒體僅僅用于展示或是讓學生簡單體驗，學生自主操作探究智能媒體的機會較少；另一方面，有些教師沒有及時轉(zhuǎn)變教學觀念，過于強調(diào)傳統(tǒng)的教學方法，使用大量的口頭講解而忽略了信息技術(shù)媒體應用，或依賴陳述性媒體而忽視了其他技術(shù)媒體的應用。

六、小學人工智能教師教學行為提升策略

基于教師畫像分析結(jié)果，為提升小學人工智能教師教學行為，本研究提出以下策略：

（一）積極創(chuàng)設多主體對話的情境

中小學人工智能教師在課堂教學中應該具備多主體對話的意識和能力，面對人工智能課堂教學多主體對話的不足，教師應積極創(chuàng)設多主體對話的情境，關(guān)注主體間的自由對話，從而使教育走向交往理性。在人工智能課堂教學中，教師不能只關(guān)注師生對話，同時也要關(guān)注人機對話。教師要了解智能設備的基本工作原理和功能特點，以更好地與其進行溝通交流。通過設置適當?shù)娜蝿蘸蛦栴}，引導學生與智能機器進行交互，促進學生了解和應用智能機器。課堂的生生對話對于人工智能教學同樣非常重要。教師要進行合理分工，引導學生進行角色扮演，讓每位同學都能夠參與學習，獲得成就感。鼓勵學生交流討論，更好地認識人工智能和應用AI技術(shù)，激發(fā)思維和創(chuàng)造力。鼓勵積極發(fā)言和互相傾聽，促進學生理解他人的觀點和想法，增強表達和合作能力。

（二）優(yōu)化IRF循環(huán)模式促進深度學習

IRF結(jié)構(gòu)能夠清晰描繪課堂行為的序列向度，序列是相對穩(wěn)定的，但IRF結(jié)構(gòu)還具有選擇向度，即教師發(fā)起和反饋行為可以有多種選擇。教師在IRF結(jié)構(gòu)中的角色影響師生之間深度知識建構(gòu)[30]。中小學人工智能教師應該具有促進學生深度學習的意識和能力，有必要通過優(yōu)化IRF課堂教學行為循環(huán)模式，合理規(guī)劃IRF結(jié)構(gòu)的選擇向度，實現(xiàn)師生之間的深度學習。

在教師發(fā)起階段，教師可以改進提出問題的方法和形式，如通過設置情境提出貼合學生實際生活并與學生的知識水平和經(jīng)驗相匹配的問題。教師在反饋階段可以通過表揚和鼓勵深入了解學生對問題的理解，同時可以讓其他學生也參與回答，得到對同一問題的不同理解，從而升華和改進學生的觀點。在學生回應階段，教師要給予學生自由發(fā)揮的空間，由學生進行問題解決，不能代替學生回應，但需要適當提供支架，起到啟發(fā)誘導的作用。

深度學習注重學生主體性地發(fā)現(xiàn)問題，強調(diào)從學生提問開始的教學[31]。在人工智能課堂教學中，教師要營造學生能夠主動提問的環(huán)境，為學生提供自主提問的機會。在學生提出疑問后，教師要給予正面反饋，耐心傾聽學生的問題并鼓勵其他學生一起探討問題，基于生成性問題促進學習。這要求教師在教學設計時就給予學生提問的機會和條件，設置學生發(fā)現(xiàn)問題的活動。教師應教會學生提問的方法，讓學生逐漸適應從提問開始的教學，進而生成更多有意義的問題。

（三）合理利用課堂沉默提高教學效果

課堂沉默并非沒有作用，在人工智能課堂中尤其如此。教師在提問或指令后，給學生一定的思考時間，不要急于催促學生回答問題，這樣有利于學生更好地理解問題，思考出更深入的答案，從而進行下一步活動，促進學生自主進行知識的理解和內(nèi)化。教師要鼓勵學生主動提出問題，幫助學生參與課堂討論，提高學生的提問能力和學習興趣；鼓勵學生多維度思考問題，不要只關(guān)注正確答案，而是注重學生的思考過程和思維方式。在學生沉默時，教師有必要進行適當指導，從而引導學生深入思考和激發(fā)靈感。

當出現(xiàn)課堂沉默時，教師應該主動分析問題根源，找出原因并采取相應措施。如果是因為學生不理解問題而導致的沉默，可以適當降低問題難度或提供更多案例幫助學生理解。很多課堂沉默是由于媒體調(diào)試行為造成的，因此，教師應該在課后積極學習和探索教學媒體的使用方法，減少在課堂上進行媒體調(diào)試的時間，并在進行教學設計做好詳細的規(guī)劃，為學生準備好學習所需要的技術(shù)工具。

（四）提高技術(shù)勝任力靈活運用媒體

隨著信息技術(shù)的高速發(fā)展，各種各樣的教學媒體層出不窮。教師要根據(jù)不同的教學內(nèi)容和學生需求選擇和運用合適的媒體。對于課程教學的核心內(nèi)容，可以使用黑板、卡片等傳統(tǒng)媒體進行持續(xù)展示，從而突出重點，把握課堂教學的核心概念和內(nèi)容；對于一些比較抽象的概念，可以使用幻燈片或投影儀進行展示和解釋；對于一些需要實踐的內(nèi)容，可以使用AI設備和平板等進行實踐操作。技術(shù)工具在課堂教學起輔助作用，不能為了凸顯技術(shù)而不加分辨地使用技術(shù)手段，需要教師基于課堂教學的實際情況靈活運用，課堂教學最終的落腳點還是學生核心素養(yǎng)的培養(yǎng)。

課堂教學中媒體的靈活運用要求教師具備較高的技術(shù)勝任力。因此，教師應積極提高自身的技術(shù)素養(yǎng)，充分發(fā)揮課堂教學媒體的作用。教師自身需要不斷學習人工智能知識和技術(shù)，保持對新技術(shù)的敏感度。基于學?，F(xiàn)有的信息化基礎(chǔ)設施，依托日益豐富的人工智能應用，創(chuàng)設智能教學環(huán)境。在實際課堂教學中使用操作簡單的智能技術(shù)工具，熟練掌握智能教學機器如教育機器人的使用方法，使得課堂教學更加高效。教師也需要關(guān)注“人工智能+”教育的場景化和生態(tài)化，在使用智能技術(shù)的同時，也要考慮技術(shù)的有用性、易用性和安全風險，注重保護學生個人隱私。

七、結(jié)? ?語

本研究采用S-T分析和滯后序列分析法對30節(jié)人工智能課例視頻進行編碼分析，探析教師的教學模式和行為的特征，從而構(gòu)建出小學人工智能教師畫像，并且基于教師畫像分析結(jié)果提出教師教學行為提升策略。教師畫像能夠直觀反映教師教學行為、教學媒體應用等方面的特征和表現(xiàn)，有助于了解教師的整體情況，促進教師反思和專業(yè)發(fā)展。后續(xù)研究可以通過改進編碼體系進而探析教師課堂教學其他特征如教師知識、教育信念等。通過優(yōu)化技術(shù)手段構(gòu)建更清晰具體的畫像，得到更準確的分析結(jié)果，實現(xiàn)高效率、智能化的課堂分析。除了分析教學視頻之外，還可以對其他教學資源如教案、課件和學習單等資料進行內(nèi)容分析，從而進行相互對照，形成更加全面完善的教師畫像。

[參考文獻]

[1] 國務院.國務院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知（國發(fā)﹝2017﹞35號） [EB/OL].（2017-07-20）[2024-02-23].http：//www.gov.cn/zhengce/zhengceku/2017-07/20/content_5211996.htm.

[2] 張丹，崔光佐.中小學階段的人工智能教育研究[J].現(xiàn)代教育技術(shù)，2020，30（1）：39-44.

[3] 張珊珊，杜曉敏，張安然.中小學開展人工智能教育的挑戰(zhàn)、重點和策略[J].中國電化教育，2020（11）：67-72，96.

[4] 柏宏權(quán)，王姣陽.中小學人工智能課程教師勝任力現(xiàn)狀與對策研究[J].課程·教材·教法，2020，40（12）：123-130.

[5] 教育部.教育部關(guān)于實施第二批人工智能助推教師隊伍建設行動試點工作的通知[EB/OL].（2021-09-15）[2024-02-23]. http：//www.moe.gov.cn/srcsite/A10/s7034/202109/t20210915_563278.html.

[6] 黃建國，唐燁偉，范佳榮，等.基于xAPI的在線學習環(huán)境中精準師訓畫像構(gòu)建研究[J].中國電化教育，2020，399（4）：102-108.

[7] 方圓媛，黃旭光.中小學人工智能教育：學什么，怎么教——來自“美國K-12人工智能教育行動”的啟示[J].中國電化教育，2020（10）：32-39.

[8] 李世瑾，顧小清.什么影響了人工智能教育的教學效果？——基于教師技術(shù)認知和教學實踐層面的分析[J].現(xiàn)代教育技術(shù)，2022，32（8）：92-99.

[9] 馬濤，趙峰，王有學，高潔.海淀區(qū)中小學人工智能教育發(fā)展之路[J].中國電化教育，2019（5）：128-132.

[10] 胡小勇，徐歡云.面向K-12教師的智能教育素養(yǎng)框架構(gòu)建[J].開放教育研究，2021，27（4）：59-70.

[11] 王本陸，千京龍，盧億雷，張春莉.簡論中小學人工智能課程的建構(gòu)[J].教育研究與實驗，2018（4）：37-43.

[12] 蔣瑾，姜浩哲，黃志成.人工智能時代教師教育的隱憂與消解——來自弗萊雷對話教育思想的啟示[J].教師教育研究，2022，34（5）：124-128，97.

[13] COOPER A. The inmates are running the asylum： "why high-tech products drive us crazy and how to restore the sanity"[M]. Indianapolis： SAMS， 2004.

[14] 胡小勇，林梓柔. 精準教研視域下的教師畫像研究[J].電化教育研究， 2019，40（7）：84-91.

[15] 彭紅超，魏非，閆寒冰.多模態(tài)數(shù)據(jù)賦能教師畫像：從簡筆畫走向全息畫像[J].開放教育研究，2021，27（2）：80-89.

[16] 穆肅，左萍萍.信息化教學環(huán)境下課堂教學行為分析方法的研究[J].電化教育研究，2015，36（9）：62-69.

[17] 李松林.課堂教學行為分析引論[J].教育理論與實踐，2005（7）：48-51.

[18] 孫眾，馬玉慧.視頻案例多元分析法促進新手教師專業(yè)發(fā)展研究[J].電化教育研究，2013，34（8）：104-109.

[19] 張海，崔宇路，余露瑤，季孟雪，王以寧.基于數(shù)據(jù)挖掘的智慧課堂教學行為事理圖譜研究[J].遠程教育雜志，2020，38（2）：80-88.

[20] 崔宇路，張海，王以寧.教學行為演化分析：課堂診斷與教師教研的新視角[J].教育科學研究，2020（12）：46-52.

[21] LAURILLARD? D. Rethinking university teaching：a conversational framework for the effective use of learning technologies[M]. London： Routledge， 2002.

[22] 傅德榮，章慧敏.教育信息處理[M]. 北京：北京師范大學出版社，2001.

[23] 程云，劉清堂，王鋒，王艷麗.基于視頻的改進型S-T分析法的應用研究[J].電化教育研究，2016，37（6）：90-96.

[24] 楊現(xiàn)民，王懷波，李冀紅.滯后序列分析法在學習行為分析中的應用[J].中國電化教育，2016，349（2）：17-23，32.

[25] SINCLAIR J M H， COULTHARD R M. Towards an analysis of discourse： the english used by teachers and pupils[M]. London： Oxford University Press， 1975： 157-163.

[26] 郭玉蓮.課堂教學模式改革探論[J].教育理論與實踐，2012，32（10）：57-60.

[27] 李政濤，羅藝.智能時代的生命進化及其教育[J].教育研究，2019，40（11）：39-58.

[28] 江毅，王煒，康苗苗.基于行為序列分析的師生互動效果研究[J].現(xiàn)代遠距離教育，2019，186（6）：53-61.

[29] 吳志華， 周喜歡.基于IRF話語分析理論的課堂對話教學有效性分析[J].中國教育學刊，2015（3）：71-74.

[30] 黃山.IRF課堂話語結(jié)構(gòu)芻議：發(fā)現(xiàn)、爭論與再思考[J].全球教育展望，2018，47（5）：15-24.

[31] 鐘啟泉.深度學習：課堂轉(zhuǎn)型的標識[J].全球教育展望，2021，50（1）：14-33.

Research on the Construction of Artificial Intelligence Teacher Portrait in

Primary Schools

BAI Hongquan，? ZHU Jun

（School of Education Science， Nanjing Normal University， Nanjing Jiangsu 210097）

[Abstract] The professionalism level of teachers' classroom teaching is the key issue that restricts the high-quality development of artificial intelligence（AI） education in primary and secondary schools. It is a new way to solve the problem of professional development of AI teachers to depict the teaching mode and behavior characteristics by using teacher portraits， excavate and analyze teachers' classroom performance in multiple dimensions， understand the characteristics and shortcomings of teachers' classroom teaching， and make targeted improvements. This paper takes 30 AI classroom teaching videos in primary schools as research samples， uses S-T analysis and lagged sequence analysis to construct teacher portraits， and finds that the classroom teaching mode of AI teachers in primary schools tends to be conversational and hybrid. There are three typical models of teaching behavior， namely IRF cycle， guidance linkage， silent promotion. Media application behavior exhibits three models of "technological orientation"， "continuous type" and "two-way interaction with traditional media". Based on teacher portrait， the strategies to improve the teaching behavior of AI teachers in primary schools are proposed.

[Keywords] Teacher Portrait; Analysis of Classroom Teaching Behavior; Artificial Intelligence Teacher in Primary Schools; Artificial Intelligence Teaching; Lag Sequence Analysis