基于信息技术的学习行为测评框架研究*(3)

通过信息技术手段，采集获得学习者的外在行为表现，进而分析学习者面部特征、视线以及肢体表情的变化情况，即可实现表2中针对学生、教师、试卷等评价指标的量化。例如，当学生眼睛长时间闭合，频繁的点头以至于最后趴桌，那么可以判断该生在该时段内处于极度疲劳状态；当课堂教学时间内，学生始终面对教师、积极举手、站立回答问题，那么即可判断该学生本节课参与度、关注度高，同样，如果学生群体参与度与关注度高，则表明了教师本节课教学组织能力较强；测试过程中，学生视线在某选项停留时间越长、徘徊的次数越多，说明学生对该选项越不确定，也就说明该选项的迷惑性强，否则，学生一扫而过即可得出正确选项，说明题目区分度不强，过于简单。

一个行为评价指标，往往是对一段时间内的行为数据进行统计分析的结果。例如，教室内学生的整体活跃程度，与全体学生的表现息息相关，可以设计为在一节课时间内各学生的情绪表达、举手次数、发言时长等学习行为数据的联合计算结果。学习行为评价指标的计算方法，也需要教学评测人员开展有针对性的设计和定义。

值得注意的是，表2所述的评价指标并不是教学评价过程的最终结果。这些评价指标以学习行为的视角，反映了教学过程中教学者、学习者、学习资料的若干客观属性，但并非全部，也不能作为唯一依据。宏观教学评价的一些目标（例如教学过程中某种教学方法的优势与劣势、某个学生的学习特质等），需要结合教学内容、教学行为的时序过程，对学习者的学习过程进行综合判断。

四、应用实例

集体课堂学习和个体在线学习是目前最具代表性的两种教学场景，本文将结合这些场景对所提出的学习行为测评框架的应用进行说明。

1.传统课堂学习行为测评

在传统课堂教学场景中，学习者的课堂参与度是评价学生表现以及反应教师组织能力的重要指标。这些评价指标可以通过学生在教学过程中的常见动作或状态进行判别，例如可以通过举手及起立回答问题的次数来了解学生的课堂参与度。在此项场景中，我们以教学环节中的课堂交互事件作为主要观测目标，期望获得关于教师组织教学有效度、学生学习关注度等方面的量化评价。图2给出了一个该场景下的学习者行为测量和采集方案。

图2 学生课堂学习行为评价过程

与学习者交互过程相关的原始测量数据包括其面部表情、肢体姿态等，因此需要部署高清摄像头和体感检测装置。高清摄像头获取学生的面部图像数据，提取出特征数据，表征学生的面部情绪。体感设备采集人体关节点数据，将原始数据进行一定的阈值设置确定出学生某时刻的姿态。这些原始数据需要被处理为有意义的学习行为数据，例如学生举手、起立答题的次数以及坐姿端正认真听课或趴桌的状态时长等信息。最后，根据教学评测人员设计的量化公式，计算获得课堂表现的相关数据。

2.在线学习行为测评

目前，随着互联网技术的发展，越来越多的学习者开始选择在线学习的学习方式。作为在线课程的服务商，往往关心其在线资源是否能够满足学习者的学习兴趣，或者换而言之，学习者是否在进行在线自主学习时表现出厌倦或者疲劳特征。图3给出了一个该场景下的学习者行为测量和采集方案。

图3 个人在线学习测评过程

与学习者在线学习过程相关的原始测量数据包括其面部表情、视线关注等，因此需要部署高清摄像头和体感检测装置。在测试时，可以使用摄像头与眼动仪实时记录学习者在一段学习时间内的面部图像以及视线在屏幕上的焦点位置及停留时间。在学习过程中，通过记录学习者视线在屏幕上停留的具体位置，可以知道学习者对软件的关注点以及感兴趣的点。同时，结合学习者的面部表情，可以知道学习者在哪些部分表情是轻松甚至愉悦的，在哪些部分会感到疲倦或者困惑。将该测量数据与计算机记录的学习过程及进度结合分析，可以得到该学习者对学习资源的关注度、在学习过程中的疲劳度等评价指标。另一方面，记录学习者的操作行为也可以学习软件的难易程度进行评价，为今后软件升级改进提供一定的参考依据。

五、总结

本文通过分析不同学习环境和场景下的学习行为的特征，在总结现有基于信息技术的学习行为研究工作基础上，提出了一套新型的学习行为测评框架，并给出了两种常见学习场景下测评框架的应用实例，证实了该框架的科学性、客观性以及适用性。

文章来源：《教育研究与实验》 网址: http://www.jyyjysyzz.cn/qikandaodu/2021/0119/660.html