混合式教學環境下高校教師教學投入評價模型構建

左怡杰,萬力勇

(中南民族大學 教育學院,湖北 武漢 430074)

所謂教學投入,是指教師為了完成教學全過程所對應的工作而做出的身心投入。大量研究表明,教學投入不僅能夠顯著正向預測學生的學習投入和學習結果,而且有助于提高教師的工作滿意度,減輕工作壓力和職業倦怠,并降低離職率[1-2]。因此,教學投入對教學效果和教師發展具有重要價值。然而,相比于課程教學、學習分析、人工智能和教育大數據等領域產出諸多關于學習者學習投入的研究成果,有關教師教學投入的研究并不多見。

學生的學習投入和學習效果與教師的教學投入具有直接相關關系,教師在教學過程中投入越多,學生的學習積極性會越高,學習效果也會更好。2022年,教育部全面實施國家教育數字化戰略行動,教育數字化的大力推進使得混合式教學成為高校教學的重要方式之一[3]?；旌鲜浇虒W是在線教學、移動學習與線下教學的深度融合,而不是線上教學與線下教學的簡單組合。與傳統教學環境相比,混合式教學環境下的教師教學投入更容易受到信息技術帶來的認知和情感層面的影響。雖然信息技術提高了教學工作效率,但教師的使用態度與能力儲備呈現出參差不齊的現象?？傮w而言,多樣的教學環境和全新的教學范式對教師的工作難度和教學投入提出了新的要求,如何對混合式教學環境下高校教師的教學投入進行測評,是我們必須關注的一個重要問題。因此,本研究以混合式教學環境下高校教師的教學投入評價為關注點,在對高校教師教學投入內涵進行剖析的基礎上,試圖構建混合式教學環境下高校教師教學投入評價模型,并選取相應案例設計評價模型應用指南,為相關研究者提供借鑒和參考。

一、高校教師教學投入及評價解析

(一)教師教學投入內涵分析

在國外早期研究中,教學投入被簡單地概括為教師工作量[4]。隨著工作投入這一概念被提出,Klassen將工作投入與教師本質聯系起來,結合工作投入的內涵,將教學投入定義為教師根據教學任務自愿分配其精力、身體和認知資源,以行為、認知、情感和包括學生及同事的社會交往四個維度去解釋教學投入[5]。而國內研究者則集中于從時間、精力和情感三個維度描述教學投入,認為教師除了與教學活動直接相關的投入外,教學活動中時間、精力和情感也是教師教學投入的重要組成部分[4][6]。但目前沒有確切的研究去證實時間和精力與教學投入的具體關系[4]。通過梳理國內外研究者觀點,本研究認為教學投入是指教師能夠自主調配時間和精力,調整其情感態度,優化教學行為,專注于教學實踐的具體程度。

(二)混合式教學環境下高校教師教學投入的基本特征

教學投入這一概念具有多維內涵,體現出一定的復雜性。尤其是在混合式教學生態下,高校教師需要耗費更多的時間和精力快速適應這一教學環境,更需要將混合式教學技能與其原有的技能儲備相匹配[7],相比于傳統教學環境,其教學投入具有一定的不確定性。同時,混合式教學環境下高校教師的教學投入從低到高可以劃分出若干層次,具有一定的層次性。因此,復雜性、不確定性和層次性是混合式教學環境下高校教師教學投入的基本特征。

教學投入的復雜性除體現在其多維內涵外,還體現在教師對于混合式教學使用態度和能力范圍的不對等性。一方面,部分高校教師并沒有深刻體會到技術支持下學生學習效果和效率的積極變化,因而對混合式教學的態度并不樂觀[8],另一方面部分高校教師認為技術可以提高教學效率,但教師在在線教學能力和技術應用方面存在一定不足。

不確定性體現在高校教師對混合式教學中技術使用態度和技能儲備的不確定。受到工作環境的影響,教師使用混合式教學后學生學習效能和學習效果的產出為教師教學投入增加了一個控制因素,并且師生之間的關系狀態也會受到外界因素干擾而產生一定的波動,從而引發教學投入的不確定性。

層次性體現在混合式教學中高校教學投入程度會呈現從低階到高階的層次劃分。首先,教學投入顯示了教師投身于教學工作的深度和強度,受個體因素影響而轉化為獨有的教學投入風格;其次,結合混合式教學演變特征,教師教學投入會逐漸從簡單的混合式教學過程轉向復雜的混合式教學過程,從技術輔助教師教學工作轉向技術賦能以學生為中心的教學工作。

(三)混合式教學環境下高校教師教學投入的結構要素

部分研究者對教師教學投入的結構要素進行了探討。例如,Klassen等人在認知、行為和情感的維度上,針對在教室工作的教師所經歷的特殊環境和需求,增加了社會投入作為教學投入度測評的重要維度[5];牟智佳等人認為教師教學投入包括準備投入、認知投入和情感投入三個維度[9];元帥等人通過對Moodle和THEOL網絡教學綜合平臺中儲存的教師網絡教學行為數據進行篩選和分析,得出精力投入、認知投入和情感投入是教學投入評價的核心要素[10];劉振天等人認為教師教學投入包括教學時間投入、精力投入和情感投入三個結構要素[6]。綜合以上觀點,教師教學投入的結構要素主要包括四個方面:情感投入,衡量教師開展教學工作時表現出來的專業精神和心理狀態;社會投入,衡量教師在人際互動方面的投入;認知投入,衡量教師在教學觀念、教學方式、教學能力、教學反思等教學素養上的投入情況;行為投入,衡量教師具體的教學行為。對這四個方面結構要素的具體分析如下:

其一,情感投入。情感投入即教師對教學工作的一系列心理活動表現。教師在進行教學工作時的面部表情或者情緒狀態可以判斷出教師即時的工作情感狀態。以積極正向、精力充沛的方式進行教學工作對教師投入到教學工作中起到一定的促進作用。其次,已有研究證實,情感投入與自我效能感有關[11],情感投入會激勵教師完成特定領域的任務。

其二,社會投入。社會投入是指教師和學生、同事之間的關系。從教學對象來說,教學工作的獨特性決定了教師需要與學生群體保持長期的聯系。有研究表明,良好的師生關系使得教師有更高的幸福感和自我效能感,既能滿足教師個人情感需求,也能保障教師積極投入到教學工作中。從職業屬性來看,同事關系與教師工作氛圍和工作體驗感也存在著密切聯系。有學者從交互主體論出發,認為教師在職業場域中與同事之間的良性互動和互相支持,彰顯了自身的社會資本和群體向度,這樣才能長期穩定地投身于工作中[12]。

其三,認知投入。在Klassen的研究中,認知投入被描述為教師教學工作的努力程度和專注度[5]。牟智佳等人的研究表明,教師在教學場景中充分發揮設計者和管理者的作用,進行深度認知投入,有助于確保教學活動各環節循序漸進,并形成有效銜接[9]。

其四,行為投入。行為投入是指教師是否會產生大量的教學專業行為。行為動作是個體將心理活動和思維活動表征出來的有效途徑。從循證的角度來說,教學行為可以被看作是教師教學投入的證據行為。它呈現出來的肢體語言和面部情緒既能反映出教師的狀態,同時也能體現出教師的個性化教學。不同教師在教學反思后產生的行為變化形成了教師獨特的教學風格。

有關教師教學投入的研究已較為深入,但現有研究成果中鮮有專門針對混合式教學環境下高校教師教學投入結構要素的研究。從混合式教學視角來看,線上與線下教學的交融強調了教師需著力提升信息技術應用能力以適應信息技術帶來的教學工作革新。通過文獻查閱,筆者發現Taylor等人提出的結構計劃行為理論(DTPB)和iNACOL構建的混合式教學教師能力模型對研究混合式教學環境下高校教師教學投入的結構要素具有一定的參考價值。

二、混合式教學環境下高校教師教學投入評價模型構建

本研究基于多模態數據驅動視角,試圖構建混合式教學環境下高校教師教學投入評價模型,該模型以評價場景、評價流程、評價指標為主要模塊。同時,參照教師投入量表(Engaged Teachers Scale,以下簡稱ETS)和烏得勒支工作投入量表(Utrecht Work Engagement Scale,以下簡稱UWES),結合混合式教學環境的具體特征,設計出基于認知投入、情感投入、社會投入、行為投入、技術投入五個評價維度的高校教師教學投入評價指標。

(一)模型構建的依據

該模型構建的理論基礎包括計劃行為理論、發展性教學評價以及多模態數據評價。其一,以計劃行為理論為基礎,從教師教學行為態度、主觀感知、行為控制視角出發,測量高校教師在混合式教學環境下投入教學的工作集中程度、工作努力程度和工作認同感[13]。其二,以發展性教學評價為基礎,強調以發展性思維開展評價工作、實時和動態化評價教學投入、開展伴隨式事實數據收集;突出教師個體參與到教學評價中,為教師提供具有建設性的測評結果;做到“以評輔教、以評促教”,將教學投入評價作為教師教學評價的重要一環,綜合評價教師教學認知、教學行為、教學情感、工作環境各方面情況,滿足教師快速高效地優化教學工作的需求。其三,采取多模態數據評價方式,通過課堂錄像、監控設備、管理平臺、多模態設備等對教師的教學投入數據進行伴隨式采集。根據被評價者的發展階段、發展目標、工作環境以及工作條件,構建靈活的教學投入相關數據處理和分析模塊,以滿足個性化的教學投入評價需求。另外,借助人工智能技術,以實時收集教學投入動態數據為基礎,與智能化測評手段相結合,進行常態化教學投入評價。

(二)模型構成

混合式教學環境下高校教師教學投入評價模型主要由評價指標、評價場景、評價流程三個部分組成。在評價指標上,高校教師教學投入既涉及個體情感和認知程度,也包括教師個體與群體之間的互動和交流,同時教師在信息技術應用上的投入也不可忽視,從而形成“情感、認知、社會、技術、行為”五個評價維度;在評價場景上,混合式教學環境的獨特性決定了物理空間和虛擬空間兩種空間的教學方式和評價場景。線上和線下的交融在評價過程中相得益彰、環環相扣,呈現出情景、活動、數據、技術層面的雙線螺旋式演化且相互關聯,構成雙線螺旋式評價場景。在評價流程上,應遵循“評價數據收集、評價數據融合、評價數據分析、評價結果反饋”四個漸進的評價流程。本研究構建的混合式教學環境下高校教師教學投入評價模型如圖1所示。

圖1 混合式教學環境下高校教師教學投入評價模型

1.評價指標

本研究通過對教學投入相關核心文獻的梳理和分析,擬定了混合式教學環境下高校教師教學投入評價指標,包括情感投入、社會投入、認知投入、行為投入和技術投入5個一級評價指標和13個二級評價指標,得到混合式教學環境下高校教師教學投入評價指標框架,如表1所示。

表1 混合式教學環境下高校教師教學投入評價指標

情感投入維度包括教師情緒、滿意度以及自我效能感三個二級指標。教師情緒分為興奮、快樂等積極情緒和煩躁、焦慮等消極情緒;教師滿意度體現為教師主觀意愿、積極性以及認同感;教師自我效能感表現為教師在教學工作中的自信感和信念感。綜合文本挖掘技術和人物視覺理解技術,采用支持向量機、視覺識別算法等方法,通過教師面部表情、生理信息以及教師話語中的詞匯、句子、詞頻和篇章等信息可以分析教師教學情感投入強度。

社會投入維度包括同事和學生兩個二級指標,體現為教師與同事、學生的互動方式和關系。教師與學生的互動主要基于課堂教學情境中的言語互動和行為互動,即教師對學生的接納與鼓勵、提問與指令、評價與反饋、批評與懲罰等。教師與同事之間的互動主要包括研討交流、相互學習教學技能和教學方法等。這一維度可以通過日志數據、音頻數據和行為數據表征互動行為次數和互動持續時間,以測量出教師社會投入的頻次和廣度。

認知投入維度包括教師教學工作的努力程度和集中程度兩個二級指標。教師認知投入要求教師認識到教師工作的本質,將自身代入教學情境中完成所有教學工作,同時必須認識到自身的優缺點,從而不斷提升教學能力?？梢酝ㄟ^教師在開展教學工作過程中產生的生理信號數據表征教師在面對教學時的思考狀態,通過音頻中的流暢性和抑揚頓挫表征教師在教學實施中的心理特征,以此測量教師的認知投入程度。

行為投入包括課前準備、教學實施、教學反思三個二級指標。其中課前準備包括任務發布、資源分享等行為。教學實施包括教學活動設計中的教學行為,例如講授、板書、演示、互動、評價、反饋等行為類別。教學反思包括教師對學生學習效果和自我教學能力的反思,同時包括對自身教學過程中的教學模式、教學設計、教學策略、教學行為、言語表達進行自我反思和評價。由于教師教學行為具有時效性和情境性,需要借助線上平臺記錄課堂教學中各教學時段包含的行為數據和日志數據,采用視頻自動識別和人工觀察相結合的方法對教師教學實施過程中產生的行為進行頻次和廣度的測量。

技術投入包括教師在混合式教學環境下對信息技術的接受度、準備度、價值感等。教師對信息技術的接受度指教師對信息技術的接受程度。準備度是指教師是否具備相應的混合式教學能力和態度。價值感可以理解為教師對使用混合式教學模式和教學過程中運用信息技術的價值感知程度,包括易用性感知和有用性感知等。以上三個二級指標均可通過相應的測評量表來進行數據采集和測量。

2.評價場景

從混合式教學環境來看,高校教師教學投入評價過程中要同時注重線上教學環境和線下教學環境兩種評價場景。線上教學環境包括在線學習平臺、在線教學設備和在線學習設備的配置等,線下教學環境主要指傳統課堂教學環境,包括教室、實驗室、活動室、多功能廳等教學場景。多樣化的教學環境帶來了豐富的教學情境和多元的教學活動,從而生成多種類型的教學數據。多樣、多量的教學數據是有效開展教學投入評價的重要基礎?！熬€上+線下”的教學場景帶來的多模態數據必須配備相應的軟硬件設備,要以“技術支持-持續測評-可視反饋-預警優化”的思路開展持續性測評工作,以達到對教師教學投入的實時監測。因此,本研究基于“線上+線下”的雙線教學場景,設計從情景、活動、數據、技術層面深度交融的雙線螺旋式評價場景。

3.評價流程

本研究將混合式教學環境下高校教師教學投入評價流程分為數據收集、數據融合、數據分析、結果輸出四個步驟。

(1)數據收集?；旌鲜浇虒W環境產生了大量的線上數據和線下數據,需要對數據進行清晰劃分才能確保收集到的數據集的準確性。線上數據是指教師在教務系統、在線教學平臺、在線教學軟件等線上環境中產生的教學日志數據、教師使用軟硬件設施及功能的行為數據以及開展直播和錄播教學所產生的多模態數據。線下數據是指在物理空間中的教師教學數據和問卷調查數據,其中包含在課堂教學環境中的教師教學行為、面部情緒、教學語言、教師生理情況以及教學文本等教學數據,以及學生評價、同行評價和教師自評的問卷調查數據。

(2)數據融合。復雜的混合式教學環境產生了多來源、多渠道、多場景的教學數據,這也同時會帶來數值缺失、異常值或重復數據等系列問題。為確保數據集的完整性和一致性,需要對收集到的原始數據進行預處理工作。為了得到更加準確的評價結果,要對混合式教學場景下采集的文本、音頻、行為、生理等多模態數據進行特征提取和關聯融合,其特征級融合過程主要根據不同維度的特性進行提取,形成統計特征、語義特征、心理特征、行為特征和情境特征,并進行相關算法處理,從而表征為教師情感投入、社會投入、認知投入、行為投入和技術投入的量化數值。

(3)數據分析。數據分析這一步驟主要是對數據融合后的量化數值進行分析,從多個維度形成個性化教師畫像,其中包括教師教學投入的程度劃分、教師教學投入類別以及教師投入的動態變化趨勢。首先,從量化數值中分門別類提取出情感投入、社會投入、認知投入、行為投入、技術投入等單一維度的投入程度,以單一維度投入和總體投入共六個部分組成教師教學投入,每個部分的教學投入以“低、中、高”三種程度劃分,融合處理后對形成的數據集進行聚類,得出五個層級的高校教師教學投入類別,即消極型、淺表型、標準型、進階型、精熟型。其次,從動態變化角度開展分析,將教師在自我審視和自我調整之后產生的教學投入評價數據與先前的教學投入評價數據做橫向與縱向比較。

(4)結果輸出。教學投入預測與預警是教師教學投入評價流程中的最后一步,旨在幫助教師快速高效調整教學狀態。通過系統平臺自動反饋和人工反饋兩種方法可以呈現教師教學投入評價結果,利用態勢圖或雷達圖的形式呈現出教師畫像,實現各維度和總體教學投入的數值表征和變化趨勢,清晰直觀地展現出教師教學投入點與點之間的關系和走向。預警信息和匹配策略的自動反饋可以結合可視化技術通過教務管理平臺中的預警數據庫呈現出教師教學行為、情感、認知、社會、技術投入等各個投入維度的優化建議和行為預警[14]。人工反饋方式將教學督導和學生反饋意見整合在一起,根據評價指標進行分類整理,形成評估報告。評估報告包括教師在混合式教學環境下的教學投入得分、各項評價指標得分、存在的問題、改進建議等內容。

三、混合式教學環境下高校教師教學投入評價模型應用

為了確保該模型能夠有效運行,本研究以湖北省Z高校為例,結合《Z校課堂教學質量評價辦法》,落實中共中央、國務院印發的《深化新時代教育評價改革總體方案》的具體要求,設計了一份混合式教學環境下高校教師教學投入評價模型應用指南,為相關高校開展教學投入評價提供參考依據。

(一)評價方法與技術

1.評價方法

使用本研究構建的評價模型,將定性與定量評價相結合,綜合自我評價、同行評價、學生評價。以多模態數據收集與分析為主要手段,基于混合式教學環境,對線上與線下教學場景中的各類數據進行融合處理和統計分析,形成多模態數據,測評教師教學投入靜態情況和動態變化;同時輔以量表測評方式,通過教師教學投入評價量表、學生評估表、同行評估表定期對教師教學投入進行自報告形式的測評。

2.評價技術

(1)智能傳感技術。智能傳感技術通過可穿戴設備、監控設備、錄播系統、教學平臺等設備和平臺,全方面采集和記錄教師教學工作全過程中的語音、情緒、行為、生理等信號數據,并傳送到云端服務器中儲存和整理,為后續處理與分析工作提供數據源。智能傳感技術可以伴隨式檢測教師相關數據的時間節點,精準定位到教師行為表情和生理信號變化的發生時段和持續時間。

(2)視覺理解技術。視覺理解技術作為計算機視覺的重要組成部分之一,可用于提取和分析視頻或圖像內容,并從中獲取相關知識。這一技術主要包括實時人物識別、個體行為分析與群體交互理解、表情與語音情感識別、基于深度學習的視覺識別算法、多模態分析等五個方面[15]。視覺理解技術主要用于測評教師的情感投入,以人像圖像預處理—人臉情感表征—表情識別為三步流程,捕捉教師面部表情信息,結合相關模型算法進行教師情感表征,測量教師情感投入。

(3)文本挖掘技術。通過文本挖掘技術,將教師備課記錄、講課資料、會議記錄等文字資料中的情感劃分為積極和消極兩種狀態。首先對其所有資料進行文本預處理,進而采用公開數據和教師自主上傳資料數據形成的數據集,通過支持向量機算法對教師教學文本資料進行情感分析,探究教師在不同時間段中的文本資料主題特征詞分布情況,運用詞頻-逆文檔頻率獲取高權值特征詞,以此作為教師教學投入評價依據。

(二)評價的實施

1.數據收集

評價數據的采集主要包括系統采集和量表采集兩種方式。系統采集伴隨教學工作全過程,主要針對“線上+線下”教學環境下的文本數據、日志數據、音視頻數據、行為數據、生理數據等多模態數據進行采集。量表形式的數據主要包括從學生和教師視角編制的學生評價量表、同行評價量表和教師自我評價量表,通過量表獲取相關維度的教學投入數據。

在系統采集方面,線下環境中可以利用教室內高清攝像機抓取課堂中教師的教學行為;利用麥克風設備采集音頻數據;使用教師自主上傳的教學課件、教案學案、會議記錄等匯集成文本數據;使用智能穿戴設備傳送教師生理數據等。線上環境中可以使用人物視覺理解技術對教學視頻中的微表情、教學情緒、手勢動作等數據進行抓取;通過直播錄播管理平臺后臺系統獲取教師直播或錄播時長、登錄次數、視頻資源總量等日志數據;抓取相關在線討論區中的同行交流、師生交流文本作為互動投入數據。

2.數據融合

為了將線上線下教學場景中的多模態數據進行深度融合,采取特征級數據融合技術,首先對智能傳感技術采集到的線上教學數據集和線下教學數據集進行特征提取。在日志數據方面,通過統計分析技術對教學時長、行為頻次和教學視頻數量等方面的統計特征進行提取;在文本數據方面,通過文本挖掘技術對教學內容深度、教學活動類別等方面的主題詞特征進行提取;在音頻數據方面,通過語義分析技術和聲紋識別技術對語言內容、語氣語調和流暢性等方面的語音情感特征進行提取;在行為數據方面,采用人物視覺理解技術和滯后序列分析對行為環境、行為類別、關鍵行為等方面的序列特征進行提取;在生理數據方面,通過統計分析技術提取時間特征、環境特征、頻次特征和數值特征。多模態數據特征提取完成后,對線上線下的數據以拼接等方法進行特征集成化,隨后采用決策樹、隨機森林等機器學習算法對處理后的數據集進行融合分析,得出情感投入、社會投入、認知投入、行為投入、技術投入的量化數值。

3.數據分析

教師教學投入程度的劃分需要將五個維度的量化數值加權得到總體教學投入,總體教學投入按照常模參照的方式劃分為“低、中、高”三個等級。接下來,開展教學投入預測。教學投入預測是在教師畫像的基礎上對數據庫中的特殊值、關鍵節點和一般數值進行機器學習算法模型訓練形成擬合度良好的教師教學投入預測模型,將后續不斷更新的數據輸入到已有預測模型中,輸出教師教學投入預測值。數據集量化處理后,評價系統將多次評價數據進行對比,形成教師教學投入的變化曲線。教學投入評價值和教學投入預測值為教學預警提供了評定標準和預警依據。比如,若預測值與評價值均顯示為“高”,則無需預警;若預測值與評價值均顯示為“中”,則需低階預警;若預測值顯示“中”,評價值顯示“低”,則需中階預警;若預測值與評價值均顯示為“低”,則需高階預警;若預測值顯示“低”,評價值顯示“中”,則需中階預警。[14]

4.結果輸出

結合可視化技術,將高校教師教學投入評價結果進行輸出,呈現出教師情感投入、社會投入、認知投入、行為投入和技術投入等方面的知識圖譜,清晰直觀地展現出教師教學投入點與點之間的關系和狀況,展現教師教學投入維度構成和變化規律。當教師教學投入達到預警標準時,評價系統會自動彈出預警提示框并呈現預警策略。預警策略內容包括異常數值、特殊事件和優化建議。具體原理為,根據行為序列特征對異常數值統計出各評價維度具體活動的次數表和密度表,描述出“個體特征+時間節點+發生位置+行為事件+情緒波動”完整特殊事件,并從預警數據庫中調取出針對性的話語文本形成優化建議。