基于VICS课堂教学行为的实时诊断系统

前言

长期以来，如何对教学过程进行客观地量化处理，从而避免人为因素的干扰，忠实而迅速地反应课堂教学效果，是教育技术人一直追寻的目标之一。很多学者尝试从不同的角度去量化课堂教学过程，进而获得客观的评价，本工具主要是基于"VICS课堂行为分类模型"与"信息熵"来对课堂行为进行评价，试图把混沌复杂的课堂行为进行分类量化，实时输出课堂量化结果，反馈给教学人员，并最终达到改善教学的目的。

工具使用指南：

第一步：设置好【采样间隔】，如有需要，还可以自行添加所需要的教学行为；

第二步：点击【开始测评】；

第三步：点击不同的教学行为即可。

本系统的创新点：

结果实时反馈：相较于以往的课堂评价系统，需要等待课堂结束后，才能对课堂行为进行评价，往往不能实时地改进课堂教学效果，属于总结性评价。本工具采用了形成性评价的概念，每当一个教学行为发生时，系统就可以实时地计算出当前发生的课堂行为情况，反馈给教学人员，教学人员根据实时分析的信息，动态改进教学使课堂教学达到最佳状态。

自定义课堂行为：VICS教学行为分类系统原则上是十个教学行为，然而随着多媒体在课堂中的运用，同时，根据不同类型的课堂，可能存在诸多个性化的教学行为，传统的VICS分类系统已经不能满足需求，这时候用户可以通过自定义教学行为的方式，自行添加相关的教学行为，从而达到个性化教学行为的目的，如此便可以打造属于自己的课堂教学分类系统。

科普几个概念：

VICS教学行为分类系系统

VICS(Verbal Interaction Category System)分类系统是基于教师和学生的言语行为而提出的一套分类系统，本质上是对教师和学生在课堂上的行为进行采样，然后对采样数据进行量化，从而给出不同的结论。

VICS分类系统包含下方10个分类行为，分别是[1]：

1.“提示”与“指示”

教师的提示：指对学生的思维有启发性的语言，比如学生在回答问题或者是上台操作时，教师为了引导学生得出正确结果而表现出的语言行为。教师的提示是建立在学生思维活动基础之上的。

教师的指示：指类似于讲解和指导的语言，比如教师告诉学生该做什么，教学生一步步地去达成教学目标；如对某个问题的讲述。教师的指示主要建立在自身思维活动基础之上。

2.“狭义提问”与“广义提问”

教师的狭义提问：指教师提的有唯一正确答案的问题。比如说“中国的首都在哪里？”

教师的广义提问：指教师提的有多种可选答案的问题。比如说“谁是最可爱的人？”

3.“接受”与“拒否”

教师的接受：指教师对学生的回答完全认可。

教师的拒否：指教师对学生的回答不认可或不完全认可。比如教师认为学生的回答不正确或不是很全面。此行为有时还可以应用于为拓展学生思维与判断能力，对正确的回答故意加以否定，启发学生的自我评判。

4.“反应、应答”

“学生向其他学生的反应”、“学生向教师的应答”：指学生在听到教师或其他同学的问题或言论后所表现出的言语行为，是一种被动行为。

5.“发言”

“学生向教师的发言”、“学生向其他学生的发言”：指学生向教师或其他同学讲述自己的观点或看法，是一种主动行为。

行为信息熵

熵在热力学中用于佐证某一物理系统的无组织或紊乱程度。1948年，香农把它推广到信息论领域，提出了信息熵的概念，并将其定义为离散系统的不确定性，当系统各个随机事件的出现概率相同时，系统的不确定性最大。最大熵原理指出，在一定的约束条件下，系统的熵总是朝着不断增大的方向发展，至最大时系统趋于平衡。本文所研究的行为信息熵是依据分类系统所求得的教学系统中教学行为子系统的信息熵。[2]

形成性评价

形成性评价(formative evaluation) 是指在教学过程中为了解学生的学习情况，及时发现教学中的问题而进行的评价。通过形成性评价，教师可以随时了解学生在学习上的进展情况，获得教学过程中的连续反馈，为教师随时调整教学计划、改进教学方法提供参考。形成性评价是指在活动运行的过程中，为使活动效果更好而修正其本身轨道所进行的评价。形成性评价的主要目的是为了明确活动运行中存在的问题和改进的方向，及时修改或调整活动计划，以期获得更加理想的效果。

工作原理：

工作原理的核心是通过对课堂行为的捕捉，然后利用VICS模型进行分类并进行信息熵计算，得出结果后，实时反馈至教学者，过程图如下方所示。

第一步：课堂教学启动；

第二步：行为采集：实时观察课堂教学过程，对其中出现的课堂行为进行捕捉与登记；

第三步：行为归类与统计：根据VICS分类模型，对捕捉到的信息进行分类，统计各行为情况；

第五步：信息熵计算：利用各行为信息，进行信息熵运算；

第六步：结果输出：把运算结果输出到交互界面上；

第七部：动态反馈与改进：教学者根据实时运算信息进行课堂行为改进。

几个重要的计算公式：

信息熵：N为教学事件个数(含教师和学生教学事件)，Pi是某教学事件出现的概率

最大信息熵：N为教学事件个数(含教师和学生教学事件)

应用展望：

在师范学生改善自身教学能力方面，尤其是微格教学实验中，该工具具有较大的优势，其突出特点在于，学生能够根据自身的表现，实时地获得得分并改善教学风格等。在多次使用该工具进行同一堂课的评测后，学生不仅能够提升对课堂教学的把握程度，同时能够让课程更加立体与丰富。

本工具利用纯JS代码实现，可完全兼容PC、移动、Pad端，若通过python等语言来丰富，同时结合opencv等动态行为捕捉库，可以实现课堂行为的智能化动态捕捉。此外，可以实现更多类似数据大屏、实时监控、实时反馈的数据可视化子系统，使其成为一个综合性的大型系统，有时间我会做一个类似的综合性系统，先保证头发不掉光再说！

模型不足之处：

1.利用VICS模型与信息熵分析课堂行为并不能涵盖所有的课堂行为，课堂行为除了教师与学生的言语行为之外，还可能存在其他类型的行为，该模型在课堂行为覆盖面上具有改善空间；

2.为了达到信息熵最大值，要求各行为保持平等的出现的概率。然而现实的课堂里中，各教学行为与学生行为的出现并不可能完全概率相等，不同类型的课堂，各教学行为也可能出现的概率不相等，导致信息熵得分较低，但并不能下结论为该课堂是存在重大弊端。因此利用VICS分类模型与信息熵评价课堂行为只反应各教学行为出现概率趋近于平衡，从而让课堂更为丰富。

3.在形成性评价过程中，教师为了让信息熵最大化，可能会可以做出某些行为进而迎合数值的提升，忽略了课堂行为自有的特殊规律，因此，可能出现一批为"刷分"而可以存在的课堂行为。

参考资料：

[1] 杨平展,刘娟文,罗平.关于教学行为分类系统VICS的讨论.教师理论研究

[2] 杨平展,罗平.行为信息熵在教学过程量化分析中的应用探析.教研教改