• <bdo id="42kcu"><small id="42kcu"></small></bdo>
  • 實踐項目 返回列表

    智慧教室評價指標體系的構建

    2020/6/6 10:16:34

    近年來,《國家中長期教育改革和發展規劃綱要(2010-2020年)》、《教育信息化十年發展規劃(2011-2020年)》、《教育信息化2.0行動計劃》等文件相繼發布,要求重視智慧教學環境重構,推進信息技術與教育教學的深度融合。在此背景下,國內各校紛紛建設智慧教室,以探求課堂教學的變革與發展,滿足信息時代智慧教育的迫切需求。然而,當前國內智慧教室的建設與應用情況不容樂觀,表現為與實際建設需求相差甚遠、過分依賴外包技術公司、自身的投入與參與度不夠、追求技術與裝備形式上的先進性而忽視了實際需要和建設初衷、缺少配套支持與后期系統科學的服務管理等。究其原因,主要在于智慧教室建設缺少頂層理論指導和系統科學的評價體系。因此,構建一套結構合理、操作性強的智慧教室評價指標體系,對于智慧教室的建設十分重要。


    一 智慧教室簡介

    1 智慧教室的概念與內涵

    智慧教室又稱智能教室、未來教室,是大數據、人臉識別、物聯網、人工智能等技術與傳統課堂深度融合的一種智慧教學環境。黃榮懷等[1]指出智慧教室的智慧性應體現在內容呈現(Showing)、環境管理(Manageable)、資源獲?。ˋccessible)、及時互動(Real-time Interactive)、情境感知(Testing)五個方面。聶風華等[2]構建了智慧教室“iSMART”模型,提出智慧教室由基礎設施(Infrastructure)、網絡感知(Network Sensor)、可視管理(Visual Management)、增強現實(Augmented Reality)、實時記錄(Real-time Recording)、泛在技術(Ubiquitous Technology)六大系統組成。作為智慧學習環境的重要組成部分,智慧教室具有與智慧學習環境相關的“記錄過程、識別情景、聯接社群、感知環境”等技術特征[3],可為教育數據挖掘(Educational Data Mining,EDM)和學習分析(Learning Analytics,LA)提供重要的技術支持。從智慧教室的實現技術來看,運用云計算、大數據、物聯網等信息技術來聚合教育資源,是支持“教與學”過程并實現智能決策、智能實施與智能評價的關鍵所在4]。


    本研究認為,智慧教室的“智慧性”主要體現在以下幾個方面:①智慧互動。教學互動可增強學生的學習動機,維持學習參與度和專注力,激發深度思考等[5]。傳統的教學互動是一種教師主導的互動形態,而智慧教室是一種高互動空間,這種互動包含人際互動、人機互動、基于中介的多維互動[6]。技術為智慧課堂互動提供了契機,使教學互動形式、內容、深度等都得到了體現[7]。②智慧評價。智慧評價具有精準、高效、便捷等特點,其可視化評價結果可為教學改革提供參考。③智慧管理。智慧管理是指利用物聯網技術集中管控,自動調節溫度、亮度、通風性,對設備異常情況自動預警,使管理者從繁瑣的設備管理中解脫出來。④智慧獲取資源。海量的學習資源給學習者帶來了選擇困擾,而資源平臺會自動過濾冗余信息資源,生成結構化數字課程資源并自動、精準地向學生推送,以滿足學生的個性化學習需求。


    2 智慧教室評價的現狀

    張亞珍等[8]對2003~2013年國內外關于智慧教室的563篇文獻進行“研究主題”分析,發現僅有3篇涉及智慧教室評價,而2014~2019年國內外關于智慧教室評價的研究成果也不多。近年來,為貫徹落實國家智慧校園建設目標,各省市紛紛出臺“中小學智慧校園建設標準”,但僅將“智慧教室”作為其中模塊之一,而具體如何評價、從哪些維度評價等鮮有說明。真正單獨針對“智慧教室”建設的頂層指導性文件,當屬2018年廣東省教育廳印發的《廣東省中小學智慧教室建設指南(試行)》(后文簡稱《指南》)[9],其關于智慧教室的指標內容如表1所示。


    表1  《指南》中智慧教室的指標內容

    1.PNG


    《指南》不涉及“創新型實驗室”、“創新實踐活動室”、“智慧圖書室”等類型的智慧教室,主要應用于傳統多媒體教室的智慧化升級改造,這對現階段學校教學環境的改善與教學資源的整合有重要意義。但是,《指南》缺少“智能管理”、“個性化學習”、“資源智慧獲取”、“智能感知”等內容,致使大數據、人工智能、物聯網等技術在智慧教室中的應用不夠深入。


    二 智慧教室評價指標的形成

    1 評價指標的初步擬定

    智慧教室作為一種典型的智慧學習環境,為教學的開展提供了有力支撐,使課堂的教學結構得以優化,并使教學與管理更加智能、高效,故能更好地滿足學生的個性化學習需要。從智慧教室的核心概念和內涵入手,參考《指南》及智慧教室的相關研究成果,本研究初擬了智慧教室的一級評價指標,包括:基礎設施、環境與布局、智能錄播、教學與資源平臺、智能管控與感知、軟硬件工具與移動終端、物聯網應用、虛擬仿真、培訓方案。


    評價指標既要避免重復交叉,又要有內在邏輯關聯。在初擬的一級評價指標中,“基礎設施”是智慧教室各軟硬件及終端設備發揮作用的基礎;“環境與布局”中的教室空間既是物理場又是小社會,將教室空間變成溫潤的學習場是智慧教室必須解決的問題[10];“智能錄播”既是數字資源生產的重要方式,也是學習“反芻”、學習行為分析、教師自我提升的重要途徑;“教學與資源平臺”可對學生的學習進行監管,便于教學資源的共享與應用,滿足學生的個性化學習需要;“智能管控與感知”可實現教室設備管理與檢修的智能化、可視化,并運用人臉識別技術開展學習行為分析,是智慧教室“智慧性”的重要體現;“軟硬件工具與移動終端”是實現內容呈現的基礎,可更好地進行多屏互動與資源共享;“物聯網應用”可實現高效遠程智能化管理;“虛擬仿真”可模擬各種學習環境,帶給學生深刻、直觀的學習體驗,激發學生的學習興趣;“培訓方案”可提高智慧教室的使用頻次和效率,從而間接節約智慧教室的建設成本。


    2 評價指標的修改與確定

    (1)專家選擇

    德爾菲法(Delphi Method)是對一組專家進行咨詢調查并綜合其經驗和主觀判斷的方法。選擇具有代表性的專家是運用德爾菲法的首要前提[11],故本研究采用主觀抽樣法,選擇10名咨詢專家,涉及智慧教室“教學應用”、“理論研究”和“建設實踐”三個領域,具體如表2所示。


    表2  咨詢專家信息

    2.png


    (2)確定一級評價指標

    為了進一進確認一級評價指標的科學性和合理性,本研究運用德爾菲法,對初擬的9個一級評價指標進行驗證,過程如下:

    第一步,設計李克特五點量表。量表中的評價等級“非常不合理、不合理、一般、合理、非常合理”分別用1~5分表示,分數越高,表示對該指標的滿意度越高。


    第二步,第一輪調查研究。運用德爾菲法開始第一輪咨詢調查,將制作好的指標調查量表統一發給10名專家填寫并回收,收集一級評價指標的滿意度(符合度)。


    第三步,對第一輪調查數據進行分析。在進行數據分析之前,務必了解以下幾個重要的數據表征與判斷規則:①意見集中度,是指專家對指標的集中意見程度,與指標的均值(`X)、滿分比(M)相關;②變異系數(CV),CV=SD/`X,變異值越小,說明指標的重要性波動越小,即專家的協調程度越高[12]。③綜合指數(Y),Y=`X×M/CV,表示指標的重要程度和協調程度。一個指標的影響力大小既要考慮專家的意見集中度也要考慮指標的變異系數,而指標的最終去留由該指標的綜合指數與所有指標的標準值(Z)的差值而定(Z=`Y-∑SD)。當指標的綜合指數小于所有指標的標準值時,則剔除此指標。第一輪調查的數據統計如表3所示。經計算可得:∑SD=6.33,`Y=12.39,Z=`Y-∑SD=12.39-6.33=6.06,因此一級評價指標中綜合指數Y<6.06的指標——“物聯網應用”、“虛擬仿真”均要刪除。而在回收的指標調查量表中,有的專家表示“物聯網應用”可歸入“智能管控與感知”指標,有的專家建議“虛擬仿真”在專業智慧教室(或實驗室)中使用,而無需用于普通智慧教室,這也印證了上述數據分析結果的合理性。


    表3  第一輪調查的數據統計分析

    3.png


    第四步,第二輪調查研究。運用德爾菲法開展第二輪咨詢調查,對初擬的一級評價指標進行調整并修改指標調查量表,重新發給專家填寫并回收。第二輪調查的數據統計,如表4所示。經計算可得:Z=2.54,而第二輪調查中各一級指標的綜合指數Y均>2.54,都無須刪除。


    表4  第二輪調查的數據統計

    4.png


    三 智慧教室評價指標權重的確定

    層次分析法(Analytic Hierarchy Process,AHP)是指對問題本質和重要因素進行剖析,可以有效地將決策思維過程數學化[13]。本研究采取層次分析法,來求取智慧教室評價指標的權重。


    1 構建層次結構模型

    本研究結合層次分析法的相關理論,運用文獻分析和智慧教室建設標準的文本分析,在一級評價指標的基礎上初步擬定了二級評價指標;同樣,運用德爾菲法,結合數據統計分析結果,最終確定26個二級評價指標,形成了智慧教室評價指標體系的層次結構模型,如圖1所示。

    5.png

    圖1  智慧教室評價指標體系的層次結構模型


    在智慧教室評價指標體系的層次結構模型中,目標層A是智慧教室的最終評價得分,評價的最終目的是通過直觀、量化的方法得知智慧教室的整體建設情況;準則層B包括7個一級評價指標;準則層C包括26個二級評價指標。在確定各指標的層次結構關系時,本研究遵循了兩個基本原則:一是各指標不能出現重疊;二是上一層指標盡可能涵蓋下一層指標的各項內容。


    2 構造判斷矩陣

    10名專家拿到修訂后的調查量表,按1~9標度法對智慧教室各層指標兩兩比較打分。本研究根據專家打分,分別構造判斷矩陣,并進行一致性檢驗,最后對每項指標的權重取均值。以ZJ1為例,本研究根據ZJ1打分構造出目標層A對準則層B的判斷矩陣,如表5所示。


    表5  根據ZJ1打分構造的A-B判斷矩陣

    6.png


    將表5所示的判斷矩陣記為矩陣A。利用方根法,將矩陣A的各行數據相乘,再進行歸一化處理,得到特征向量W,具體的計算過程為:①計算Ai。將矩陣A各元素按行相乘,得到新向量Ai:Ai=[840.000000  0.001190  0.800000  20160.000000  24.000000  0.033333  0.000019]T;②求Mi。將Ai各元素開n次方根(n=7),得到向量Mi:Mi=[2.616702  0.382161  0.968625  4.120285  1.574610  0.615152  0.210970]T;③求特征向量W。將Mi進行歸一化處理,得到特征向量W:W=[Wi]=[0.2495  0.0364  0.0924  0.3928  0.1501  0.0587  0.0201]T。


    因為AW=[1.8529  0.2671  0.6931  2.9714  1.1264  0.4321  0.1638]T,故最大特征根為:7.png


    3 一致性檢驗

    根據一致性指數計算公式CI=(λmax - n)/(n - 1),可得CI=0.091426。查詢“隨機一致性指標RI值”表可知,七階判斷矩陣對應的RI值為1.32,可得一致性比率CR=CI/RI=0.091426/1.32≈0.0693<0.1,據此可知“A-B判斷矩陣”具有完全一致性。由此可見,權重(Wi)ZJ1=[0.2495  0.0364  0.0924  0.3928  0.1501  0.0587  0.0201]T能較好地反映一級指標的相對重要程度。按此方法,可求得其他9位專家對一級指標打分的權重。最后,對10位專家打分的權重取均值,得到一級指標的權重(Wi)=[0.2  0.05  0.1  0.35  0.18   0.08  0.04]T。同理,可以求得二級指標的權重,此不再贅述。


    四 智慧教室評價指標體系的構建

    將智慧教室評價的總分設定為100分,根據各指標權重對各指標項賦分,本研究構建了智慧教室評價指標體系,如表6所示。


    表6  智慧教室評價指標體系

    8.png


    五 小結

    為避免評價指標太過分散而給數據分析帶來困難,本研究初擬9個一級指標之后采用德爾菲法進行了驗證。需注意的是,在向專家發放指標調查量表時,應將對應的二級指標附上,以免專家可能因不了解一級指標所含的內容而茫然無措;在確定評價指標體系時,應充分考慮指標表述的準確性和可操作性,避免指標交叉重復。運用德爾菲法所選的專家數一般以15~20人為宜,而本研究只選了10人,從數量上來說略少,但所選專家對其研究領域有較深的了解;采用的層次分析法可在一定程度上減少權重確定的主觀性和隨意性,使評價結果更科學合理;而先求各專家對指標打分的權重再求其均值,可有效規避專家打分自相矛盾的問題。


    學校是學生成長的重要場域,而教室是實現“教師教、學生學”的重要空間。將物聯網、大數據、人工智能等技術融入學校教育教學的全過程,是智慧教學環境發展的必然;基于智慧教室開展更有效的教學,全面提升學生的綜合素養,則是智慧教室發展到一定階段的內在訴求?;诖?,本研究構建了智慧教室評價指標體系,可為智慧教室的建設和評估提供參考,并有力促進課堂教學的改革發展。期待此體系在具體的實踐應用中得以不斷完善,以發揮更大的價值。


    5544444