基于课堂数据强化科学思维教学

科学核心素养包括科学观念、科学思维、探究实践和态度责任，科学思维是核心和关键。在教学实践中，有的教师意识到，科学思维尤其是推理论证和创新思维的培养要真正落地是有难度的。为了找到一些可供参考的量化指标和可行性做法指导教学实践，潘翠君小学科学名师工作室开展了基于课堂观察大数据的教学行为改进研究，主要引用首都师范大学王陆教授科研团队创建的COP（教师在线实践社区，The Teacher’s Online Communities of Practice），基于课堂观察大数据课堂诊断。两年间，工作室聚焦学生科学思维的培养，进行了两轮课例诊断的对比，实践发现，借助相关的量化指标、采用问题化教学设计策略，有助于强化科学思维教学。

一、两轮课例诊断的实施过程

工作室的15位教师自愿报名，参与两轮课例的AI大数据诊断。其中，第一轮是在没有干预和指导的情况下，由教师自行提供常规课或公开课的课例视频。这些视频上传到相关平台之后，由COP团队的专业人员利用AI课堂教学行为分析系统，对每节课进行诊断分析，主要包括教学模式分析、有效性提问分析、教师回应分析、问题结构分析、学生问题意识分析等，并自动生成诊断报告。

报告中不仅有每一项课堂观察的具体数据，还有与全国常模数据的比较，以及依据得分排名给出的等级评定。等级的划分标准为：进入全国同类课例的前25%为A等，前26%～60%为B等，前61%～90%为C等，剩下的为D等。当教师拿到自己课例的诊断报告时，能清晰地知晓这节课的优点和不足。经统计发现，15节课普遍存在的不足之处，有课堂上教师提出的问题中高阶问题的比例过低、教师很少（或几乎没有）鼓励学生提出问题等，这样的课堂教学不利于学生科学思维能力的培养。

因此，在进行第二轮的课例诊断之前，工作室把教学行为改进的重点聚焦于高阶问题的设计及学生问题意识的培养，并请专家进行了有针对性的培训和指导。15位教师经过了认真的备课和磨课，再次录制了课例视频，并提交同一平台进行第二轮诊断。

二、两轮课例诊断的数据对比

在第一轮课例中，总评等级为A的只有1节（占6.7%），B等5节（占33.3%），C等9节（占60%）；在第二轮课例中，总评等级为A的有12节（占80%），B等2节（占13.3%），C等1节（占6.7%）。可见，第二轮课例总评等级的提升非常明显，等级的评定依据是各个观察维度数据，改进最明显的是高阶问题的设计及学生问题意识的培养等方面。

1.问题类型分析

在COP团队提供的诊断报告中，问题的类型共分为四类：记忆性问题，指与本节课新知识密切相关的学生在已有知识、生活经验等方面的问题；推理性问题，指能引起学生依据一个或几个已有的知识或经验，经过思维的加工，推导出带有学习者个性化特征的概念、判断或推理的问题；创造性问题，指围绕学生创造力的开发而设计的问题，要求学生致力于原创性和评价性思考，能做出预测、解决生活中的问题；批判性问题，主要是指需要学生变换角度进行深层次思考或反思的问题。

在该项目上，第二轮课例的平均数据呈现出了一个明显的趋势，即记忆性问题和推理性问题的比例有所下降，而创造性问题和批判性问题的比例有所提升。创造性问题和批判性问题对应布鲁姆教育目标分类中的分析、综合、评价层级，属于高阶思维问题。这两类问题的比例高于全国同类课例的常模数据（见表1），这表明15位教师能够通过变换问题的角度引发学生多维度、深层次的原创性和评价性思考，培养他们的创造性思维和批判性思维。

2.问题结构分析

问题的结构指的是教师提出的问题指向什么知识结构。麦卡锡在其提出的4MAT教学模型中，将问题分为四类（简称“四何问题”）：是何问题，指向事实性问题，如定义性问题等，该类问题的解决意味着学习者事实性知识的获取；为何问题，指向原理、法则、逻辑等问题，如推理性问题等，该类问题的解决意味着原理性知识的获取；如何问题，指向表示方法、途径与状态，如技能与流程性问题等，该类问题的解决意味着策略性知识的获取；若何问题，条件发生变化可能产生新结果的问题，如假设性问题等，该类问题的解决意味着创造性知识的获取。

第二轮课例的“四何问题”数据呈现出了一个比较明显的特征：“是何问题”的比例有所下降，而“为何问题”和“若何问题”的比例有所提升，都高于全国同类课的常模数据（见表2）。这表明15位教师能够设计以核心问题为支架的多元化的问题系统，初步改进了课堂中的问题结构，促进了学生原理性知识的获取以及对知识的应用迁移，提高了他们的问题解决能力。

3.学生问题意识的培养分析

学生问题意识的培养分析，主要通过观察记录课堂上教师“鼓励学生提出问题”的频次和“学生提出问题”的频次来进行分析。由表3的数据可以看出，第二轮课例的这两项观察数据都显著高于第一轮课例的数据，并显著高于小学常模数据，这表明教师能营造鼓励学生主动发现问题和提出问题的课堂氛围，有效激发了他们思考和质疑的积极性。

此外，在第二轮课例的“教师回应学生答问的类型”这一维度的观察中，“追问”和“邀请学生评价”这两种回应类型的比例分别为34.6%和5.3%，都显著高于常模数据。这表明15位教师能够在课堂中运用追问技巧，引导学生深入思考和感悟，并在他们回答问题后有意识地引导他们进行相互评价。这些做法有利于培养学生的科学思维能力。

三、促使教师改进教学的策略

两轮课例诊断的数据对比表明，在促进教师的教学行为优化尤其是在培养学生的科学思维能力方面，工作室在研究中采取的一些策略和方法是可行的。

1.通过培训学习，知晓定量方法

在以往的教研活动中，观课评课一般只有定性的方式。工作室聘请COP团队进行培训指导，学习了基于课堂观察大数据进行课堂诊断与评价的方法后，了解到“四何问题”观察、“S-T”观察、教师提问与理答方式观察等课堂观察方式。工作室教师普遍感到，评课时用数据说话的做法很有“科学”味，契合当今大数据时代的特征，学生也愿意学习和运用。

2.开展观课练习，提升定量技能

在培训学习之后，工作室教师分成小组，利用假期及休息时间，开展了用定量方法进行课堂观察的练习。现在很多微信公众号上都有小学科学优质课的课例视频，能够提供足够多的可观察的样本，这些课例视频可以回放、可以重复观看，无疑是一种很好的学习资源。通过一段时间的小组练习和讨论交流，工作室教师进一步加深了对定量课堂观察方法的认识和理解，他们课堂观察的实操技能也得到了提升。

在随后的教研活动中，各小组进行了“实战演练”，分别从“四何问题”分析、“S-T”观察、教师提问与应答方式观察等方面进行了定量的统计与分析，并在评课环节进行了现场展示与反馈，收到了较好的效果。授课教师认为，这样的定量分析，找准了“靶点”，有利于今后的教学行为改进。

3.进行批量诊断，发现共性问题

当AI技术进入课堂观察领域之后，课堂诊断的效率得到了提升。工作室与COP团队合作，利用AI课堂教学行为分析系统对15位教师的课例进行诊断，并与更大规模样本的全国常模数据对比，有利于发现群体的共性问题，从而能引起大家的重视并想办法改进。

4.聘请专家指导，改进教学设计

第一轮课例诊断的数据表明，虽然这些课例具有明显的优点，如“S-T”观察的数据都优于常模，表明学生在课上有充足的探究学习时间和空间，有充分的表达与交流，但也存在着共性的不足，即对学生的科学思维培养方面较为薄弱。为此，在第二轮课例录制之前，工作室邀请专家进行有针对性的指导，包括开展专题讲座、提供“问题化教学设计”的支架等。此外，工作室还发挥团队的力量，分小组进行研讨交流，聚焦高阶问题的设计及学生问题意识的培养等方面开展针对性课题研究，不断完善教学设计。从第二轮课例诊断的数据来看，这些研究可以为未来的教学改进提供支撑。

启示

定量的课堂观察可进行精准的问题诊断，帮助教师改进教学行为。以高阶问题的设计和学生问题意识的培养作为课堂行为改进的着力点，课前进行问题化教学设计，课中引导学生经历充分的探究实践过程，能鼓励他们大胆质疑、提出有价值的科学问题，这对培养他们的科学思维、提高科学素养是行之有效的。

（作者单位：广东省深圳市宝安区宝安小学）