智慧教学研究论文：人工智能赋能新型课堂教学的研究与实践

课堂教学模式进行精准表征。在此基础上，本研质量。互动式(Interactive)、启发式(Heuristic)、探究式(Inquiry)课堂教学，即IHI课堂教学是新型课堂教学的(一)IHI课堂教学内涵解读的目的。整合三种教学方式有助于达到1+1+1>3的效果，以适应教(二)理论适切性：IHI课堂教学以建构主义理论为主要依据的思维潜力，促进高阶思维的培养。这为IHI(三)目标先导性：IHI课堂教学以思维发展和创新人才培养为(计算机)上实现的智能，使其拥有类似于人的获取知识并System,简称ITIAS),并以此为依据对课堂互动行为进行监测。[13]刘清堂等借助人工智能技术基于S-T分析体系对课堂教学行为进行自术，可以反映教师和学生的心理状态、专注力、压力指数等情况，对师生互动交流过程和知识探究过程进行详实记录，展现问题链条的搭建过程，进而呈现其内隐的认知特征和思维特征。第二，人工智能助力掌握课堂教学深层规律。传统课堂教学分析多借助问卷调查、定量统计手段进行静态化的数据分析，难以对复杂多变的新型课堂教学模式进行提炼，难以掌握课堂教学的过程性规律。人工智能技术能够对课堂教学言语和行为进行细粒度的特征识别，其中，基于机器学习的自动标注技术是提取课堂教学核心特征的关键步骤。与传统人工编码相比，机器标注在规模化分析和数据处理效率上都具有较大优势，能够发现课堂互动过程中内隐的知识建构、思维发展、能力提升等反映课堂教学质量的关键特征。人工智能技术能够对多场景、多类型的新型课堂教学样态进行数字化表征和模式建构，对课堂教学生态系统进行完整解构，呈现探究式教学中各构成要素之间的交互作用模式，挖掘启发式教学的思维演进规律，对新型课堂教学中的顺承关系、因果关系等关系模式进行数字化表征，在更深层次上实现课堂教学过程可计算，有助于掌握课堂教学深层规律和提炼优质课堂教学模式，为推广新型课堂教学的先进经验和创建高效课堂提供第三，人工智能促进课堂教学精准评价。传统讲授式课堂教学往往对教授内容、考评范围具有严格规定，而新型课堂教学内容更为丰富、教学手段和课型种类更为多样、教学评价目标更为多元。如何应对多场景、多元化的课堂教学评价需求，为教育质量监测提供更加精准的数据依据成为亟待解决的问题。以神经网络为代表的智能技术为评价课堂教学质量提供了有效手段。神经网络技术是一种通过模拟生物神经系统结构与功能处理复杂任务的数学计算模型，由具有适应性的简单单元组成广泛并行互连的网络结构，被广泛应用于人工智能和深度学习领域。[17其中，图神经网络等技术的应用在提取关系、空间结构等数据潜在特征方面具有较大优势，有助于捕获动态图拓扑结构特征信息，提取新型课堂教学的模式特征信息，使得课堂教学评价模型可以动态迭代和渐进重构，有助于呈现多种样态的课堂教学质量水平。因此，人工智能技术为实现课堂教学精准评价提供了可能，助力教师准确把握教情并作出合理决策，为教师的遴选和考评工作提供科学依据，为新时期教育质量监测工作提供了有效工具。四、人工智能赋能新型课堂教学的实践应用为了更好地实现以上目标，将人工智能技术融入新型课堂教学实践中，作者团队发展了一系列适应新型课堂教学场域的智能分析手段与方法，以更有效地发展IHI课堂教学，创建优质高效的课堂。实现路径包括：第一，创建了新型课堂教学评价指标体系(CodingInstrumentforProductiveClassroomDialogue,简称Cl-PCD)。该指标体系包含基础知识习得、个人观点表达、分析阐释、总结归纳、迁移创新、回应建构、肯定、质疑、指导九大类。前六类进一步区分了提问和回应两种互动形式，例如有关基础知识的提问、有关分析阐释类回应等，形成了15个一级指标。指标体系是人工智能技术应用于课堂教学分析的基础，是将抽象的IHI课堂教学目标转变为可测量、可评的信度和效度。[18]第二，创建了基于卷积神经网络(CNN)、双向BiLSTM模型能够结合上下文对句子的完整语义进行理解；注意力机录与标注的速度平均一节课(40分钟)由传统人工处理的6-7个小时缩短为15秒，极大地提高了数据处理速率，是规模化课堂教学研络在知识推理、复杂关系建模等任务中的有效性[20],有助于深度解本研究选取200节义务教育阶段课例，其中100节为课堂教学水课分为10个阶段(一节课40分钟，一个阶段为4分钟),点的大小反而而质疑指导回应构建提间