教師教育的智能變革何以可能：智能課堂及其意義

張俍 任友群

摘要：提升和改進教師的課堂表現(xiàn)是教師教育的重要內(nèi)容，科學地評價教師的課堂表現(xiàn)水平則是相應基礎。長期以來，評價教師課堂表現(xiàn)水平仰賴于評價者的經(jīng)驗性判斷，盡管已有相關“量表”問世，但對于每個維度的衡量和觀察也鮮有客觀證據(jù)加以支撐。為了打開課堂這一“黑箱”，教育學研究者開始采用多種工具以采集、分析課堂中的數(shù)據(jù)，但目前研究者們更加注重對課堂中所采集的視頻、音頻中所承載的師生“行為數(shù)據(jù)”的分析。心理學、神經(jīng)科學、信息科學等學科的發(fā)展為這一問題的進一步解決帶來了契機，利用神經(jīng)生理數(shù)據(jù)來研究教育已成為一種新的趨勢與潮流，這一趨勢對教育研究大有裨益。面向規(guī)?；慕處熃逃顒有枨螅枰獦?gòu)建融實際教學情境中教學環(huán)境數(shù)據(jù)、師生教學生理數(shù)據(jù)、師生教學行為數(shù)據(jù)以及學業(yè)表現(xiàn)數(shù)據(jù)等“多模態(tài)數(shù)據(jù)”的采集、分析、應用為一體，并利用大數(shù)據(jù)和人工智能技術(shù)發(fā)現(xiàn)各類數(shù)據(jù)與教學之間關系的“智能課堂”，為教育學研究提供科學的實證基礎。從而為科學評價、提升、改進教師課堂表現(xiàn)，促進教育學從經(jīng)驗研究走向科學研究，推動教師教育的變革提供一種新的思路。

關鍵詞：教師教育；教師評價；智能課堂；教育大數(shù)據(jù)；多模態(tài)數(shù)據(jù)

中圖分類號：G434 文獻標識碼：A 文章編號：1009-5195（2018）04-0015-08 doi10.3969/j.issn.1009-5195.2018.04.002

基金項目：2015年度教育部-中國移動科研基金項目“師范生信息化教學能力標準與培養(yǎng)模式實證研究”（MCM20150607）。

作者簡介：張俍，博士后，華東師范大學教育信息技術(shù)系；任友群（通訊作者），博士，教授，博士生導師，華東師范大學課程與教學研究所（上海 200062）。

一、引言

教師是學校教育的主導者。今天的教師該具備怎樣的能力？不同主體、不同視角會有不同答案。

中共中央、國務院在2018年初出臺的《關于全面深化新時代教師隊伍建設改革的意見》（以下簡稱《意見》）中提出“到2035年，教師綜合素質(zhì)、專業(yè)化水平和創(chuàng)新能力大幅提升，培養(yǎng)造就數(shù)以百萬計的骨干教師、數(shù)以十萬計的卓越教師、數(shù)以萬計的教育家型教師”。從這段表述中可以發(fā)現(xiàn)，新時代中國教師能力發(fā)展的三個方向，即綜合性方向、專業(yè)性方向和創(chuàng)新性方向。包括職前培養(yǎng)和職后培訓在內(nèi)的教師教育是提升和發(fā)展教師能力的主要渠道，也一向為我國各級教育行政部門和各類教育機構(gòu)所重視。盡管我國的教師教育已取得了成績、形成了特色，但面對新時代教師能力的新發(fā)展方向，傳統(tǒng)的教師教育模式無疑捉襟見肘，因此《意見》才提出了“轉(zhuǎn)變培訓方式，推動信息技術(shù)與教師培訓的有機融合……改進培訓內(nèi)容，緊密結(jié)合教育教學一線實際，組織高質(zhì)量培訓，使教師靜心鉆研教學，切實提升教學水平”的新要求。

要切實提升教師的教學水平，就要“緊密結(jié)合教育教學一線實際”，其中場景實訓無疑是最為貼合教學實際的一項舉措，因此成為教師職前培養(yǎng)和職后培訓的重要組成部分，教育界、教育學界也圍繞教師的教學場景實訓開展了大量的研究和實踐?！皩嵺`-評估-改進-再實踐”是教師教學場景實訓的一般模式，“評估”環(huán)節(jié)在其中居于樞紐地位，通過評估才能夠了解參訓教師的能力水平、衡量改進策略的有效性，從而為目標的達成奠定基礎。長期以來，學界針對教學場景和課堂實境中的教師表現(xiàn)研發(fā)出許多評估方法，但無可否認，傳統(tǒng)的教學場景實訓評估模式卻也存在著諸如效能低、科學性弱、準確性差等問題，在信息時代如何借助日益成熟的信息技術(shù)解決上述問題；以信息技術(shù)為基礎，建立新型的評價方式，重構(gòu)教師的教學場景實訓模式，從而為教師賦能，成為教師教育中亟待破解的難題。本文旨在為教學場景實訓模式中以信息技術(shù)為基礎的新型評估模式的構(gòu)建提供一種思路。

二、兩類教師教學場景實訓模式及其評估方式

目前教師教學場景實訓主要依托兩類場景開展：一類是真實課堂場景（比如在日常教學中聽評課）或類真實課堂場景（比如公開課、示范課），需要指出的是，“課堂場景”并非“教室場景”，課堂并不限于教室，操場、博物館都有可能成為課堂；另一類則是“微格教室”等教學模擬場景。針對這兩種不同的場景，學者們也構(gòu)建出了相應的評估模式。

1.真實課堂場景實訓模式中的教師評估

教師評價方法大致有如下幾種：課堂觀察、課堂績效評定、學生學業(yè)成就、成長檔案袋評價、學生/家長評價、同行評議/協(xié)助、教師自評/行動研究、紙筆測驗/測試、問卷與面談、后設評價等（王斌林，2005）；其中大部分可以用在真實課堂場景實訓中。但目前來看，在教師真實課堂場景實訓過程中，“課堂觀察”這一評估方式采用最多。所謂課堂觀察，是指研究者或觀察者帶著明確的目的，憑借自身感官以及有關輔助工具，直接或間接地從課堂情境中收集資料，并依據(jù)資料作相應研究的一種教育科學研究方法（李長吉等，2010）。課堂觀察是教師獲得教學反饋信息、捕捉教學復雜現(xiàn)象，分析研究教學情況，及時調(diào)整教學思路、教學內(nèi)容和教學方法的重要手段。但這種評估方式，卻存在著不可避免和不容忽視的缺點：

第一，課堂觀察是一種經(jīng)驗性評價，評價結(jié)果不夠精準。課堂觀察是憑借觀察者的感官和相應工具（如觀察量表、錄音設備和錄像設備等），觀察可視、可聽、可感、可知的直觀教學行為或現(xiàn)象，但難免掛一漏萬，難以對看不見、摸不著的主體內(nèi)在變化（諸如師生在心理和情緒等方面的變化）直接捕捉，只能通過行為或現(xiàn)象來推理分析，因而會在評價結(jié)果中包含大量的觀察者的主觀性。

第二，課堂觀察對觀察者的觀察技能和評估能力的較高要求，限制了應用的廣度。一方面，實施課堂觀察需要對觀察者進行一定的專業(yè)培訓，觀察者不僅要具備較高的行為觀察技能，還要具有較高的專注力，才能及時、準確地收集到課堂中的教育活動信息。另一方面，這種評估方式對觀察者的洞察能力和分析能力也提出了較高的要求。它要求觀察者能夠敏銳地洞察到課堂行為（行為觀察點）之間所存在的相關或因果關系，并能在此后進行細致深入地分析研究。顯然我國基層的教師、教研員還普遍缺乏這樣的能力。

第三，課堂觀察還需要較多的時間、設備與技術(shù)投入。實施課堂觀察評價不僅需要教師在正常教學工作之余安排額外的課堂觀察日程，還需要學校為教師參與課堂觀察提供必要的技術(shù)與環(huán)境支持，購置用于觀察所必需的視聽設備，這同樣也限制了它的應用范圍。

2.模擬教學場景實訓模式及其中的教師評估

除了真實課堂場景實訓模式外，還有一種模擬教學場景實訓模式；這種模式旨在仿擬出部分教學情境，“微格教室”是當前普遍采用的模擬教學場景實訓模式。所謂“微格教室”是一種小型的安裝了視頻、音頻采集設備的，以進行教師技能訓練和教學研究的空間。1936年，斯坦福大學的阿倫（D. W. Allen）和伊芙（W. Eve）開發(fā)了一種利用現(xiàn)代視聽設備，用于專門訓練師范生掌握某種技能、技巧的小規(guī)模教學活動中，是“一個有控制的實習系統(tǒng)，它使師范生有可能集中解決某一特定的教學行為，或在有控制的條件下進行學習”（趙立坤等，2011）。在上世紀80年代，北京教育學院將微格教室和微格教學引入我國，用于教師教學基本技能的培訓，為我國教師專業(yè)化發(fā)展提供了兼具理論和實踐功能的訓練渠道（孟憲凱等，2008）。

相較于傳統(tǒng)課堂，微格教室的主要特征是技術(shù)設備方面的配置。因而，根據(jù)微格教室所配套的技術(shù)設備，微格教室的發(fā)展其實可以劃分為三個變化階段：模擬錄播技術(shù)的微格教室、數(shù)字化改造的微格教室、基于Web2.0及移動通訊技術(shù)的微格教室（石長征等，2014）。在以上三類微格教室中開展的教師教育活動，基本上可以實現(xiàn)以下方面的評估功能（王利興，2002）：（1）自我觀察和自我評價，借助媒體技術(shù)和設備對教室內(nèi)部的教學活動進行存取，便于學習者能夠了解自身表現(xiàn)，進行自我評價和改進。（2）他人觀察和評價指導，教師等其他評價人員可以借助教室設備從不同的視角觀察課堂，對受訓教師進行點評和指導，改進不足之處。（3）遠程觀察和遠程評價，基于互聯(lián)網(wǎng)的遠程通訊技術(shù)設備拓展了微格教室的功能，讓處于不同空間和時間的評價者能夠觀察微格教室內(nèi)的教育活動并進行評價。

盡管技術(shù)支持下的微格教室使得課堂觀察能夠突破時空的限制，能夠讓評價者反復從視頻和音頻中記錄的“行為”來觀察和評價教師教育活動。但是，傳統(tǒng)的微格教室也存在諸多不足，如教室空間結(jié)構(gòu)依然沒有根本改變，教師教育的活動方式?jīng)]有改變，學生的參與程度依然不高，師生和生生的互動性依舊不足，難以開展大規(guī)模訓練等。這些問題都限制了培訓者的課堂活動和評價者的觀察評價效果。此外，盡管“微格教室”改變了以往教學信息的采集模式，但對于信息的觀察、解讀、分析與“課堂觀察”卻別無二致，前文所提的課堂觀察的諸種問題在微格教室中同樣存在。

三、面向教師教學場景實訓智能課堂

教育行為是人類最為復雜的一種行為，牽涉主體的身心腦等各要素，對于教育行為最直接的“評估”實際上是直接介入評估身心腦的變化，否則類似課堂觀察這樣的評估方式充其量只能稱為“間接評估”，缺乏科學性與精準性。限于科技發(fā)展水平，以往在教育領域的這種“直接介入”還“可望而不可即”，但隨著心理學、神經(jīng)科學的發(fā)展和信息技術(shù)的進步，在課堂環(huán)境中通過獲取和分析神經(jīng)以及其他生理的數(shù)據(jù)信息來研究學習活動已成為可能，這將促進教育學從經(jīng)驗研究走向科學研究，也能夠為教學場景實訓中的評估和改進提供科學依據(jù)。盡管國外已開始嘗試對課堂中師生群體的教育相關生理數(shù)據(jù)展開研究，我國也開始了從心理學、神經(jīng)科學的視角對教育行為、教育活動展開研究，但總的來說相關研究還非常缺乏。當然，對于新方法的采用并不意味著對于傳統(tǒng)方法的摒棄，盡管心理學、神經(jīng)科學對打開課堂“黑箱”有其優(yōu)勢，但在當前的技術(shù)條件下，還不能完全替代以往課堂觀察的評價方式。因此，迫切需要在教師教育的教學場景實訓中建立起一種融匯兩種評估方式各自優(yōu)點的，以既包含生理數(shù)據(jù)又包含行為數(shù)據(jù)的“多模態(tài)數(shù)據(jù)”為基礎的新型評估方式。

建立上述評估方式的前提是需要一種面向規(guī)?；慕處熃逃顒有枨?，融“多模態(tài)數(shù)據(jù)”采集、分析及應用為一體，并能利用大數(shù)據(jù)和人工智能技術(shù)發(fā)現(xiàn)各類數(shù)據(jù)與教/學之間的關系的智能教學環(huán)境，我們稱之為“智能課堂”。這類“智能課堂”應具備以下特征：第一，這類智能課堂不僅要模擬日常課堂教學環(huán)境，還要以認知與神經(jīng)科學、數(shù)據(jù)科學、信息科學等多學科理論為基礎，配置生理數(shù)據(jù)采集設備、傳感器設備、視頻與音頻捕捉設備，進而精準捕捉日常教學環(huán)境中各類環(huán)境數(shù)據(jù)（聲、光、氣、味）、生理數(shù)據(jù)、行為數(shù)據(jù)。第二，這類智能課堂還應對教育全過程進行全時段和全方位的數(shù)據(jù)伴隨式采集，不僅要對真實課堂情境下學生的學業(yè)情緒、學習者認知負荷水平、學習過程中有意識加工與自動化加工過程等問題的分析提供支持，還要提供友好的用戶（如教師和管理者）接口，可視化呈現(xiàn)基于課堂學習全流程的數(shù)據(jù)分析報告，并提供基于人工智能專家系統(tǒng)處理的處方性建議。

四、智能課堂的設計思路

“可量化”是智能課堂設計的主要原則，因此在同規(guī)格的不同智能課堂中，對同一水平教師與相同基準的學生授課過程所采集的數(shù)據(jù)應是相同或無顯著差異的。這就需要實現(xiàn)對變量的控制，并通過技術(shù)與設備支持測量和量化目標變量。另外，智能課堂設計還應從課堂室內(nèi)設計、教學支持設備、數(shù)據(jù)采集設備、數(shù)據(jù)處理與分析中心等方面綜合設計規(guī)劃和管理實施。

1.室內(nèi)設計及教學支持設備設計

智能課堂的室內(nèi)設計、教學支持設備需要為教學環(huán)境變量的控制服務，同時也需要依據(jù)課程設計、課程內(nèi)容、授課模式、實驗需求等原因?qū)Νh(huán)境變量進行調(diào)整?；镜氖覂?nèi)設計及教學支持設備設計方案如圖1所示。

圖1 智能課堂室內(nèi)設計及教學支持設備

智能課堂的室內(nèi)設計與基本環(huán)境構(gòu)建應主要包括五個子系統(tǒng)：（1）智能空調(diào)系統(tǒng)，需實現(xiàn)智能課堂內(nèi)溫度、濕度調(diào)節(jié)功能，并確保溫度、濕度恒定不變；（2）智能新風系統(tǒng)，需具備凈化空氣及濕度智能控制功能，以及防霾、全熱交換功能；（3）智能制氧系統(tǒng)，需實現(xiàn)課堂內(nèi)空氣含氧量調(diào)節(jié)功能，并具有空氣微粒過濾、負離子發(fā)生、臭氧等功能（Thiyagarajan et al.，2018）；（4）智能照明系統(tǒng)，需實現(xiàn)課堂內(nèi)照明照度與照明色溫調(diào)節(jié)功能；（5）智能監(jiān)控系統(tǒng)，確保智能課堂內(nèi)空間中任一部分被至少一個監(jiān)視器監(jiān)控范圍覆蓋，且可動態(tài)調(diào)整部分監(jiān)視器監(jiān)視角度及高度。

智能課堂的室內(nèi)系統(tǒng)還應具有這五方面的功能：（1）室內(nèi)隔音抗靜電，智能課堂內(nèi)墻、門、窗和地坪等裝飾材料需具有隔音及抗靜電功能；（2）室內(nèi)空間動態(tài)變化，智能課堂內(nèi)教學空間劃分可實現(xiàn)動態(tài)變化，根據(jù)不同教學需求調(diào)整空間及功能；（3）室內(nèi)環(huán)境色彩動態(tài)變化，智能課堂環(huán)境彩色需提供暖色、冷色、中間色等三種或以上的整體環(huán)境色彩的動態(tài)變化；（4）多媒體教學支持，智能課堂需配備多媒體講臺、一體式交互多媒體設施、高清語言錄播、高清無線傳播等基本多媒體教學設備；（5）學生用課桌椅，智能課堂內(nèi)學生用課桌椅在滿足常規(guī)使用功能的基礎上，需要支持布置EEG設備（如頭環(huán)）、手環(huán)、攝像頭、眼動儀、錄音設備、生理狀態(tài)觀察設備等數(shù)據(jù)采集裝置的需求，課桌椅的高度必須可調(diào)節(jié)，以滿足不同年齡階段學生需求，且調(diào)節(jié)范圍需符合國家相關人體工程學規(guī)范的可調(diào)節(jié)尺度，其設計構(gòu)想如圖2所示：

圖2 學生用課桌椅及數(shù)據(jù)采集設備

2.數(shù)據(jù)采集專用設備設計

隨著教育研究領域?qū)W習過程中的非智力因素的日益關注，人們開始關注教育和教學中的情緒問題，特別是學生學習中的情緒問題。作為一種重要的非智力因素，情緒對學生的成長和發(fā)展具有多維度、全方位的影響。它不僅影響學生的學習效率和學習成績，還會影響學生身心健康的成長和發(fā)展，如自我概念、正確歸因等。積極的學業(yè)情緒不僅有利于學生認知活動的開展，幫助學生形成積極的學習態(tài)度，還有助于建立良好的師生關系，營造和諧的課堂學習氛圍，促進學生身心健康發(fā)展（Pekrun et al.，2002）。

研究課程實施過程中學生及教師的情緒，對理解課堂、認知課堂、提升課堂有著重要意義（俞國良等，2005）。近年來，隨著技術(shù)與相關設備的高速發(fā)展，情緒捕捉與分析的精準度有了大幅提升，為我們在課堂環(huán)境中實現(xiàn)情緒的捕捉奠定了重要基礎。

對情緒進行識別與分析是神經(jīng)科學、心理學、認知科學、計算機科學和人工智能等領域的一項交叉研究課題。將情緒數(shù)據(jù)化是智能課堂實現(xiàn)數(shù)據(jù)驅(qū)動剖析課堂的基礎。當前常見的情緒識別方法主要分為兩大類：基于非生理信號的識別和基于生理信號的識別（聶聃等，2012）。

基于非生理信號的情緒識別方法主要包括對面部表情和語音語調(diào)的識別。面部表情識別方法是根據(jù)表情與情緒間的對應關系來識別不同的情緒，在特定情緒狀態(tài)下人們會產(chǎn)生特定的面部肌肉運動和表情模式（Anderson et al.，2006）。目前，面部表情識別多采用圖像識別的方法來實現(xiàn)，其主要的步驟有圖片獲取、圖像預處理、特征提取及表情分類（王大偉等，2014）。語音語調(diào)識別方法則是根據(jù)不同情緒狀態(tài)下人們的語言表達方式的不同來實現(xiàn)的（劉玉娟等，2007）。基于非生理信號識別方法的優(yōu)點是操作簡單，不需要特殊設備，只需基本的視頻及音頻采集設備即可實現(xiàn)。缺點是不能保證情緒識別的可靠性，因為人們可以通過偽裝面部表情和語音語調(diào)來掩飾自己的真實情緒，而這種偽裝往往不易被發(fā)現(xiàn)。

基于生理信號的情緒識別方法，主要包括基于自主神經(jīng)系統(tǒng)的情緒識別和基于中樞神經(jīng)系統(tǒng)的情緒識別。基于自主神經(jīng)系統(tǒng)的識別方法是指通過測量心率、皮膚阻抗、呼吸等生理信號來識別對應的情緒狀態(tài)（Picard et al.，2001；Yang et al.，2018）。這些自主神經(jīng)系統(tǒng)的生理信號雖然無法偽裝，能夠得到真實的數(shù)據(jù)，但需要配置生理信號專用采集設備?；谥袠猩窠?jīng)系統(tǒng)的識別方法，是指通過分析不同情緒狀態(tài)下大腦發(fā)出的不同信號來識別相應的情緒。這種方法同樣不易被偽裝，并且與其他生理信號識別方法相比識別率較高，但同樣需要專用設備支持，且成本較高。常見的基于中樞神經(jīng)系統(tǒng)的識別方法主要包括功能性磁共振成像（fMRI）和腦電圖（EEG）。

在真實課堂中，可穿戴設備是實現(xiàn)生理信號采集低成本、低操作難度、易推廣的重要手段之一（Vallurupalli et al，2013）。

可穿戴設備一般指可以穿戴在使用者身上與使用者緊密結(jié)合的個人移動計算系統(tǒng)，并提供與外界環(huán)境的密切交互，其具有傳統(tǒng)計算機所不具備的交互方式和功能屬性。近年來，隨著高性能的傳感器和微處理器的不斷發(fā)展，令可穿戴設備同時具備了更小空間需求和低耗電的特點，且允許其自動捕獲數(shù)據(jù)，并與環(huán)境或用戶進行交互。目前可穿戴設備的優(yōu)勢可以總結(jié)為便捷性、即時性和整合性，使其在日常環(huán)境下的使用成為可能（馮小坤等，2011）。在真實課堂中，利用可穿戴設備可以實現(xiàn)追蹤學生的生理信號及動作行為，并采集相關數(shù)據(jù)（董麗等，2015）。

智能手環(huán)是當前最普遍的可穿戴設備之一。通過手環(huán)，可以記錄學生在學校中的運動狀態(tài)、活動軌跡等數(shù)據(jù)，在課堂學習過程中產(chǎn)生的生理信號、行為動作等數(shù)據(jù)，并將這些數(shù)據(jù)與數(shù)據(jù)中心同步，實現(xiàn)低成本、全時段、高利用率的學生在校及課堂學習生活狀態(tài)監(jiān)測，為學生課堂情緒分析提供基準參數(shù)及實時數(shù)據(jù)。

3.數(shù)據(jù)中心設計

與傳統(tǒng)基于課堂觀察法實現(xiàn)教學觀察不同，智能課堂對課堂的研究是數(shù)據(jù)驅(qū)動的。在智慧課堂中，基于大量的音視頻及生理信號采集設備，每一堂課都會產(chǎn)生TB級別的視頻數(shù)據(jù)、數(shù)字型本及文本型數(shù)據(jù)。因此必須通過對數(shù)據(jù)中心的總體規(guī)劃，構(gòu)建一個高質(zhì)量的、靈活的、開放的基礎設施支撐體系，滿足智能課堂信息化、數(shù)字化建設的各項應用需求，并面向未來快速增長的研究發(fā)展，打造一個安全、穩(wěn)定、可靠的支持智能課堂運行的數(shù)據(jù)中心。因此，本設計方案基于私有云平臺的方式構(gòu)建數(shù)據(jù)中心，統(tǒng)一管理整個智能課堂的數(shù)據(jù)節(jié)點、存儲節(jié)點、網(wǎng)絡以及安全系統(tǒng)，其應具有以下四方面的性能：

（1）具備海量高效的存儲性能。智能課堂需要以高清視頻錄像、立體聲錄音、生理信號專用采集設備、EEG腦電捕捉設備等方式捕捉課堂內(nèi)學生與教師的表情數(shù)據(jù)、生理數(shù)據(jù)以及行為數(shù)據(jù)等，總體數(shù)據(jù)規(guī)模需要PB級別的硬盤存儲陣列支撐。同時，私有云平臺中的系統(tǒng)需要同時支持數(shù)據(jù)分析類的計算密集型業(yè)務，需要存儲平臺支持SSD/SATA混合部署，以提高不同業(yè)務系統(tǒng)性能。

（2）具備全面可靠的安全防護性能。數(shù)據(jù)中心的私有云平臺旨在支持所采集數(shù)據(jù)面向多個研究小組或者多家聯(lián)合研究單位協(xié)同使用，因此存在多租戶同時使用云平臺的安全訪問控制需求，同時由于數(shù)據(jù)的高敏感性，需要對整體云平臺內(nèi)外的網(wǎng)絡訪問控制嚴格設限，提供漏洞檢測、主機安全、WEB防護、數(shù)據(jù)庫安全、租戶隔離、認證審計等完整的安全防御措施。

（3）具備靈活可擴的計算承載能力。數(shù)據(jù)中心的私有云平臺需要支持多種業(yè)務系統(tǒng)，其中既有科研分析類的計算，也有數(shù)據(jù)服務類的應用，需要云平臺支持不同業(yè)務對計算能力的動態(tài)調(diào)整，同時考慮到智能課堂未來發(fā)展和數(shù)據(jù)積累需求，需要私有云平臺能夠支持對計算能力和存儲容量的方便擴容。

（4）具備統(tǒng)一便捷的管理運維能力。數(shù)據(jù)中心的私有云平臺必須獨立管理運維，由于平臺同時包含計算服務器、存儲設備、網(wǎng)絡設備和安全設備，需要動態(tài)配置和維護，調(diào)配專業(yè)業(yè)務人員對多種設備管理運維難度較高，因此需要一個統(tǒng)一便捷的管理運維平臺對多類設備綜合管理。

五、問題與挑戰(zhàn)

1.教學模式問題

技術(shù)的加持根本上是為了改變教學模式，提升教學效能，從這個意義上來說，技術(shù)只是相關目標實現(xiàn)的必要條件。如何通過智能環(huán)境來推動教育活動模式的創(chuàng)新，是未來智能課堂應用的一大挑戰(zhàn)（Sathishkumar et al.，2014；Siddiqui et al.，2017；高琪等，2017）。倘若只是“新瓶裝舊酒”，不能將技術(shù)環(huán)境類的“硬技術(shù)”和方法模式類的“軟技術(shù)”相結(jié)合，教學場景的實訓效果將難以從本質(zhì)上得到提升。

2.數(shù)據(jù)倫理問題

智能課堂的設計初衷就是為了更準確地收集豐富的教學數(shù)據(jù)，利用數(shù)據(jù)來促進教育活動更好地開展，并對不同的教育主體進行規(guī)?；筒町惢脑u價（孫曙輝等，2018）。但值得注意的是，主體在這類智能化的技術(shù)環(huán)境中，不僅其參與教育活動的生理數(shù)據(jù)、行為數(shù)據(jù)會被收集，其他非教育數(shù)據(jù)也會被一并收集，主體將因之逐漸“透明”，一系列的倫理問題、安全問題也會隨之產(chǎn)生。

3.使用者的能力素養(yǎng)問題

智能課堂是先進但復雜的教育環(huán)境，其對使用者的專業(yè)背景、應用能力和技術(shù)素養(yǎng)有較高要求。第一，在使用者的學科背景方面，需要具有教育學、計算機、統(tǒng)計學、學習科學和腦神經(jīng)等學科背景，或者具備上述多學科的交叉能力和素養(yǎng)，使其能根據(jù)不同的教育活動目的，設計不同的教育活動和選擇不同的教育設備等。第二，在使用者的應用能力方面，應能夠根據(jù)教育活動模式對教室的活動桌椅等空間布局重新設計，并靈活選擇和熟練操作智能課堂設備，對不同的教育數(shù)據(jù)進行收集、分析和正確解讀，進而對教育活動進行針對性的改進。第三，在使用者的技術(shù)素養(yǎng)方面，除了能夠熟練使用技術(shù)設備之外，還應具備察覺智能設備的數(shù)據(jù)識別異常和數(shù)據(jù)收集偏差等問題，并能及時排除操作層面的問題故障。當然這里的使用者并不是利用智能課堂開展教學活動或教學場景實訓的教師，與現(xiàn)有的“課堂觀察”所需的人力相比，技術(shù)支持下智能課堂的運維人員也會少很多，但智能課堂一旦大面積鋪開，這樣的人力缺口仍然會顯現(xiàn)，因此這也是一項亟需解決的問題。

4.數(shù)據(jù)精準收集的問題

雖然近年來腦神經(jīng)和情緒識別的研究已有較大發(fā)展，但不少研究還處在實驗測試和研究改進的階段，而且更多的實驗仍是針對個體進行的，需要在個體間信號干擾和個體生理信號差異等及方面不斷改進，若要在群體活動環(huán)境下大規(guī)模應用尚需時日。另外，由于肌肉單元難以標注，且表情變化極快（約1/5秒），對圖像抓取、處理與分析的要求很高，所以基于視頻的表情識別仍是當前計算機視覺領域的技術(shù)難題。因此，如何在有限的空間范圍內(nèi)，同時精準收集不同學習者的多模態(tài)教育數(shù)據(jù)，對智能課堂的建設極具挑戰(zhàn)性。

六、結(jié)語

本文所設想的智能課堂的技術(shù)路線已經(jīng)成型，備選的產(chǎn)品也在日益增多，進行實體搭建的條件也基本成熟。如果經(jīng)過一定實驗探索，在我國各級各類師范院校和師訓機構(gòu)配置這樣的智能課堂并用于職前職后的教師教育工作，是完全可能的。當然，以人工智能技術(shù)為基礎的、基于多模態(tài)教育數(shù)據(jù)的智能課堂，其最終應用面向的不僅限于教師教育。但如前所述，目前智能課堂的技術(shù)、應用和社會接受度還處于發(fā)展過程中，因此對于大規(guī)模投入日常教學的做法需要慎之又慎。必須看到全社會各個領域從經(jīng)驗走向科學已是時代的趨勢，教育也概莫能外；相關技術(shù)業(yè)已具備基礎，為何不能從教師教育領域先行先試？畢竟任何一項技術(shù)的發(fā)展都需要在應用中不斷調(diào)試，上述問題會在調(diào)試與磨合中得以解決。

參考文獻：

[1]董麗，陳仕品（2015）. 可穿戴技術(shù)在高等教育改革中的應用探究[J]. 成都師范學院學報， （11）：7-10.

[2]馮小坤，楊光，王曉峰（2011）. 對可穿戴計算機的發(fā)展現(xiàn)狀和存在問題研究[J]. 科技信息， （29）：100.

[3]高琪，乜勇（2017）. 基于學習分析技術(shù)的智慧教育環(huán)境構(gòu)建研究[J]. 中國教育信息化， （17）：1-4.

[4]李長吉，余芳艷（2010）. 課堂觀察研究： 進展與趨勢[J]. 當代教育與文化， （6）：88-93.

[5]劉玉娟，方富熹（2007）. 情緒的語音交流[J]. 中國行為醫(yī)學科學， （4）：374-376.

[6]孟憲凱，李濤（2008）. 中國微格教學20年[J]. 北京教育學院學報， （3）：62-65.

[7]聶聃，王曉韡，段若男等（2012）. 基于腦電的情緒識別研究綜述[J]. 中國生物醫(yī)學工程學報， （4）：595-606.

[8]石長征，武麗志（2014）. 技術(shù)支持的微型教學發(fā)展研究[J]. 電化教育研究， （2）：84-90.

[9]孫曙輝，劉邦奇，李鑫（2018）. 面向智慧課堂的數(shù)據(jù)挖掘與學習分析框架及應用[J]. 中國電化教育， （2）：59-66.

[10]王斌林（2005）. 教師評價方法及其適用主體分析[J]. 教師教育研究， （1）：42-46.

[11]王大偉，周軍，梅紅巖等（2014）. 人臉表情識別綜述[J]. 計算機工程與應用， （20）：149-157.

[12]王利興（2002）. 微格教室的設計[J]. 現(xiàn)代教育技術(shù)， （4）：62-63.

[13]俞國良，董妍（2005）. 學業(yè)情緒研究及其對學生發(fā)展的意義[J]. 教育研究， （10）：39-43.

[14]趙立坤，劉欣（2011）. 微格教室的設計及應用[J]. 山西財經(jīng)大學學報， （S4）：172-174.

[15]Anderson， K.， & McOwan， P. W. （2006）. A Real-time Automated System for the Recognition of Human Facial Expressions[J]. IEEE Trans Man Cybern B Cybern， 36（1）：96-105.

[16]Pekrun， R.， Goetz， T.， & Titz， W. et al. （2002）. Academic Emotions in Students Self-regulated Learning and Achievement： A Program of Qualitative and Quantitative Research [J]. Educational Psychologist， 37（2）：91-105.

[17]Picard， R. W.， Vyzas， E.， & Healey， J. （2001）. Toward Machine Emotional Intelligence： Analysis of Affective Physiological State[J]. IEEE Transaction on Pattern Analysis and Machined Intelligence， 23（10）：1175-1191.

[18]Sathishkumar， A. S.， & Karthikeyan， P. （2014）. Emerging Technology of Smart Class Teaching in School Education-A[J]. Technology， 3（8）：448-449.

[19]Siddiqui， A. T.， & Masud， M. （2017）. A System Framework for Smart Class System to Boost Education and Management[J]. International Journal of Advanced Computer Science & Applications， 7（10）：102-108.

[20]Thiyagarajan， V.， Tamizharasan， T.， & Senthilkumar， N. et al. （2018）. Optimization of Energy Conservation in Air Conditioned System Smart Class Room of a School building： Approach to Human comfort and Energy Management[J]. International Journal of Engineering， 11（1）：119-137.

[21]Vallurupalli， S.， Paydak， H.， & Agarwal， S. K. et al. （2013）. Wearable Technology to Improve Education and Patient Outcomes in a Cardiology Fellowship Program-A Feasibility Study[J]. Health & Technology， 3（4）：267-270.

[22]Yang， X. Z.， Cheng， P. Y.， & Lin， L. et al. （2018）. Can an Integrated System of Electroencephalography and Virtual Reality Further the Understanding of Relationships Between Attention， Meditation， Flow State， and Creativity？[J]. Journal of Educational Computing Research. doi： 10.1177/0735633118770800.

收稿日期 2018-05-20 責任編輯 田黨瑞

Abstract： Raising and improving teachers classroom performance is an important part of teacher education， while scientifically evaluating teachers classroom performance is the corresponding basis. For a long time， the evaluation of teachers classroom performance depends on the evaluators empirical judgment. Although the relevant “scales” have been published， there are few objective evidences to support the measurement and observation of each dimension. In order to open the “black box” of classroom， pedagogic researchers have begun to use a variety of tools to collect and analyze data in the classroom. However， nowadays researchers are paying more attention to the analysis of “behavioral data” of teachers and students in the videos and audios collected in the classroom. The development of psychology， neuroscience and information technology has brought an opportunity for the further resolution of this problem， and to study education with the use of neurophysiological data has become a new trend that will do a great benefit to educational research. To meet the needs of large-scale teacher education activities， it is necessary to construct the “intelligent classroom”， which integrates the acquisition， analysis， and application of “multimodal data” such as the teaching environment data， the teacher-student teaching physiological data， the teacher-student teaching behavior data as well as academic behavior data， and uses big data and artificial intelligence technology to discover the relationship between various types of data and teaching， in order to provide a scientific empirical basis for pedagogic research. Hence， it can provide a new way of scientifically evaluating， promoting and improving teachers classroom performance， impelling pedagogy to go from experience research to scientific research， and giving an impetus to the reform of teacher education.

Keywords： Teacher Education； Teacher Evaluation； Intelligent Classroom； Big Data in Education； Multimodal Data