作者简介：郑太年，博士，教授，博士生导师，华东师范大学教育学部国际与比较教育研究所、学习科学研究中心（上海 200062）。基金项目：2017年度教育部人文社会科学研究规划基金项目“课堂对话的视频分析研究”（17YJA880109）。引用:郑太年(2023). 学习科学领域课堂视频研究的方法论审视[J].现代远程教育研究,35(1):20-28.
摘要：课堂视频因其既能呈现直观且精细的教学过程，也能为教学过程分析提供多元且细化的数据支持，而被学习科学领域视为研究课堂教学的重要中介和数据源。选取有意义的分析单位，是课堂视频研究在方法论层面的探索焦点。纵观学习科学领域课堂视频的相关研究发现，课堂视频研究在方法论层面展现出三种研究取向：一是以“点”为分析单位指向表层行为的视频分析，但其因数据的去境脉化而遭遇意义诘问；二是以“面”为分析单位描绘教学整体结构的视频分析，但其面临无法观照教学实践的具体困境；三是以“段”为分析单位聚焦教学事件/任务的视频分析，更利于推进学习的深入研究和教学实践的改进。实际上，无论何种取向的课堂视频研究，都应该聚焦于面向分析对象所析取的相应分析单位的数据的意义，并充分理解视频数据所处的境脉。未来，课堂视频分析可采取从“段”中寻“点”、由“点”绘“线”的方法路径，不断追踪学生的学习发生与发展过程，深入挖掘和揭示其支持机制。关键词：学习科学；课堂视频研究；方法论；分析单位；数据意义
一、推进课堂视频分析的方法论发展成为重要的理论命题在课堂教学及相关领域的研究中，视频分析受到越来越多的关注。课堂视频能全面记录教学过程，可以提供对教学过程进行多视角、深度、细化分析所需的数据源。课堂视频呈现教学过程的直接性、直观性、精细性，为抽象理论的生动诠释和抽象模式的具象呈现提供了便利。因而，这种方法和相应的技术在理论研究和模式构建中可以发挥重要的支撑作用，在教师教育——无论是职前还是在职教师教育中——也受到欢迎。尤其值得注意的是，视频分析在学习科学领域的研究和应用更为广泛，据统计，《学习科学期刊》（Journal of the Learning Sciences）自2010年以来发表的论文中，有一半以上的研究运用了课堂视频（Derry et al.，2018，p.489）。里基·戈德曼等人（2021）甚至认为，每一个学习科学专业点都应提供视频研究方法的课程。但是，视频本身内蕴的可挖掘数据的丰富性，以及研究视角与分析单位的多重可能性，使得研究者更容易被数据淹没，这是当前课堂视频研究面临的巨大挑战。对此，有学者建议从理论层面来探讨这一问题，因为理论驱动的问题能够帮助研究者保持聚焦，而不会陷入细节的海洋之中（Derry et al.，2018，p.490）。同时，在实际的研究过程中，研究者还会面临问题的调整、重新界定甚至改变等挑战。相应地，针对时常变动不居的研究问题，研究者还要考虑在课堂视频中挖掘什么样的数据，以支持其展开和论证。作为数据源，课堂视频的一个直接“诱惑”就是师生行为的海量细节及其在不同分析单位上的多种组合，例如从师生的一句话、一个表情、一个动作、一次问答到一节课甚至一个教学单元的整体安排。在大数据思维的驱动下，研究者时常会有穷尽师生行为的冲动，以至陷入“以有涯遂无涯”的危险境地。实际上，研究者必须做出判断，这些直接指向表层行为的数据能够在多大程度上支持我们理解教与学这样一个多层、多面、互动的行为，以及我们所界定的理论驱动的问题？我们应深入思考：如何能更好地挖掘数据以深入探索师生表层行为背后的深层结构，如课堂的活动结构、教学过程的权力结构、师生语言的意义结构，或者典型活动的类型、方式及其特征，从而更好地回答通常具有理论性和概括性的问题？针对上述问题，本文将对课堂视频研究的对象选择和分析单位进行概括和梳理，探察不同取向研究的设计思路、对象选择和分析单位，深刻剖析各种研究得以有效支持研究问题展开的条件，以期推进课堂视频分析的方法论发展。相对于以观察者的直观感受和记忆为基础的传统课堂研究，视频分析最为直接的优势就是可以呈现更完整、更详细的过程，而且可以借助技术的支持对教学过程各部分、各细节进行反复观看、记录、编码、分类和分析，并展开质性和量化研究。因而，在课堂教学研究及教师专业发展活动中，课堂视频可谓数据宝藏。在面对课堂视频时，观察者和研究者首先面对的是可看见或可听到的教师和学生的具体行为及语言。对于这些外显的、表层的教学行为的记录和分析，也就成为课堂视频分析的重要进路。从早期的微格教学到目前仍在广为采用的弗兰德斯互动分析，都是基于对表层教学行为的记录和分析开展的。在微格教学中，观察者通常借助录像手段，对参加培训的师范生或在职教师的教学实录片段进行讨论和反思，特别是通过回顾和分析教学方法和教学细节等可见要素，来提升参训教师在具体环节上的特定教学技能。在挖掘和利用课堂视频数据时，关注点主要是表层的教学行为，特别是具体而微小的教学行为。这亦是称之为“微格”的主要原因。这种教师培训方式主要是基于行为主义心理学，侧重于通过对外显行为的强化或纠正以促进教师对“合理”的教学技能和教学方式的掌握。弗兰德斯互动分析系统及其各种改进版（Amatari，2015），是课堂视频分析中应用很广的分析框架。这一方法的基础性设计是：将教学过程切分成短时间段，每段3秒钟，对每个3秒时间段内的师生交互行为进行分析，并归入教师的言语行为、学生的言语行为、沉寂情况这三个大类及若干细分的小类中；而后对整个课堂中各种类型的师生言语行为表现及互动状况进行量化统计，由此来反映整节课或某个片段中师生互动行为的总体状况。不少学者在弗兰德斯互动分析系统的基础上对其言语行为分类进行了调整，或者对获取的数据进行进一步深化处理以做出新的解释和概括。总体而言，这种模式的核心是对课堂教学过程中不同类型的具体行为进行统计汇总，以反映师生互动的整体状况。基于这一思路的研究设计还有很多。比如，在研究教师提问这一主题时，对所有的问题进行捕捉、记录和分析，如分析教师所提问题的类型和数量、提问对象、问题之间的联系、教师提问与学生回答之间的联系，由此分析教师所提问题的深度、质量和方式。这实质上是对表层行为加以拓展，并对其意义进行类型分析。再如，在研究课堂中的公平问题时，可以通过对教师提问对象的分析来研判教师是不是公平地对待不同学业水平、不同种族背景以及不同性别的学生。类似地，也可以通过汇集教学过程中学科术语出现的时机、频次、分布及准确性等方面的数据，来研究课堂上学生是否很深入地投入到学科学习过程中以及对学科认识论的领会情况。概言之，对于一个具体问题的研究，研究者可以通过对课堂视频数据的挖掘，撷取体现这一问题特征的外在行为表现数据来实现。这一取向下的研究在选取关于表层行为的数据时，某种意义上说是从有完整意义的课堂活动中去境脉化地撷取出了某些数据，用于分析研究问题和论证观点。因而这就需要考量视频中撷取的数据能否有效地显示研究现象的特征，进而论证研究者所要得出的观点。比如，有一项研究发现，现在流行音乐的序曲时间比1970年代音乐的序曲时间平均要短15秒钟，由此推论，现在人们听音乐更急于“直奔主题”。从逻辑上看，这一音频时间的数据能够较好地支持该论点。同样，当研究的主题就是课堂教学的可见表现时，或者当表层行为能很好地显示其之于研究主题的意义时，这种研究方法是适用的。又如，如果是研究学生是否在课堂上积极提问，那么记录下学生积极提问的行为就可以作为有效的论据。在研究班级管理时，也可以从课堂视频中获得班级管理时间及分布、具体方法等方面的数据，以支持对于班级管理的判断。但是，教学的复杂度往往会高很多。我们假设在研究课堂教学活动的性别公平问题时，选择将不同性别学生被提问的频次作为指标，来判断教师是否公平地对待不同性别的学生。被提问频次是典型的表层行为，但是男女生被提问次数相同并不简单地意味着这方面的公平性就更好。且不说公平概念本身的复杂性和多元性，细究一下问题和问题之间的差别，以及在师生活动进程中不同阶段提问的指向、不同学生在当时的学习状态表现、教学内容掌握程度及学习动机上的差别，就知道采用脱离课堂活动境脉的提问频次分布这一指标是多么地缺乏效度。从师生的表层行为来研究课堂教学，往往面临类似的风险。解决这一潜在问题的一个方向是通过视频量和数据量的增加来探寻整体的特征或者规律性。比如，通过提取课堂视频中师生用到的学科术语相关数据，分析其频次和在时间上及使用者中的分布情况，以此来研究教学过程中对于学科知识论的重视程度。在技术上还可以利用人工智能的语音识别技术对课堂视频进行自动分析，从而更好地反映某个教师、学校甚至地区的教学特征。但是，这一取向的研究设计面临的最大约束是研究者难以对数量很多的课堂视频资料进行获取和分析。概而言之，这种从师生课堂活动中撷取关联性表层行为数据的方法，面临着方法论上的两难：既不能像质性研究那样完整地呈现研究对象的境脉及其完整的演进历程，也难以像量化研究那样通过较大样本的统计分析来概括特征和探寻规律。面对这一两难困境，课堂视频研究在方法论上的努力是寻求更有意义的表层行为数据，从而做出更有意义的推论。例如，在弗兰德斯互动分析中，３秒钟的时间划分显然没有充分考虑表层行为数据的意义问题，但是当数据量增加以后，从逻辑上看虽然能反映表层行为的分布状况，但仍难以对更深层的学生认知发生及师生互动特征作出推论。而如果以师生对话中一个完整的互动（如一次I-R-E/F，即提问—反应—评价/反馈）为分析单位，那么每一个数据就变得更有意义，汇集起来的数据在推理过程中也更有说服力。应对这一挑战的另一个方法是将特定的表层行为数据和课堂活动的境脉结合起来，比如与学生的认知及社会过程，以及与教师教学指导的类型分析结合起来，从而让境脉赋予表层行为数据以意义。罗宾·亚历山大（Robin Alexander）构建了一种包含三个部分的比较教学研究框架：一是教学可观察的外部行为，二是指导这些行为的观念，三是将课堂行为通过课程链向国家政策的宏观—微观关系（Alexander，2009）。这一框架试图从更广的境脉中理解教学过程中师生的外部行为，并对不同文化背景中的教学形态和内隐价值进行了分类，这亦为指向表层行为的课堂视频分析方法提供了新的拓展思路。总而言之，表层行为的分析单位是“点”状的。聚焦师生外部表层行为的课堂视频分析，是最初探索通过课堂视频进行教学研究的重要路径，对于开启研究的新方法和新领域的重要性不言而喻。在这个取向的研究中，当具体的外显行为数据从视频中被抽取出来时，保持这些数据与所要揭示的内在意义的一致性，是开展这类研究的合理性前提。换言之，当基于外部行为表现对课堂视频进行分析时，实则已假定了这种外部行为的意蕴，从而试图以这种行为代表或揭示某种活动设计或教学进程的意向和特征。比如，课堂上教师的独白语言多，由此推断课堂教学是教师主导的直接教学；教学进程中任务数量多、任务之间转换快，由此推断学习探究的深度有限；课堂上学科术语出现的频次多，由此推断注重学科概念化知识。这个从数据到结论的推理过程，需要坚实的理论和充分的实证研究来支持。当同样的外显行为和要指向的意义不一致时，就需要重新考虑分析对象和分析单位的设计，调整析取数据的粒度，或者将数据重新境脉化，从而提升数据与意义的一致性。对基于教学过程中表层行为的课堂视频分析的合理性追问，有助于研究者结合教育数据挖掘和学习分析学这些新兴研究理路和相应技术，更好地优化研究设计。这也可引发研究者去探索更多样化的研究主题，设计更为周密合理的研究方案，从而推动课堂视频研究不断深入。超越特定的、具体的、单个的表层行为而将整个一节课甚至更长时间段内的教学活动纳入课堂视频分析之中，是课堂视频分析研究较早就有的一个探索方向。国际数学和科学学习趋势研究（Trends in International Mathematics and Science Study，TIMSS）的视频分析就是经典的案例。TIMSS由国际教育成就评价协会（International Association for the Evaluation of Educational Achievement，IEA）发起和组织，1995年第一次实施，最初主要针对参与国四年级和八年级学生的数学和科学成绩进行测评（National Center for Educational Statistics，2022）。TIMSS视频研究的团队在1995和1999年先后进行了两轮课堂教学国际比较研究，其中1995年的研究收集和分析了日本、德国和美国的231节课的课堂视频，1999年的研究（TIMSS-R）收集了7个国家或地区八年级的数学和科学教学的课堂视频，总量达到1000节课以上。这项视频研究是由美国教育部的国家教育统计中心联合国际教育成就评价协会和加州洛杉矶LessonLab公司开展的。TIMSS视频分析的研究目的包括：调查美国课堂的数学和科学教学实践；比较美国与表现优秀国家的教学实践；发现数学和科学教学的新理念；为教师专业发展开发新的研究方法和工具；创设教学图景的数字图书馆，为美国教育决策服务；激发和聚焦在教育者、决策者和公众之间关于教学实践的讨论。从这些目标可以看出，这项视频研究的重点指向了课堂教学的整体状况，整体活动结构成为其研究的核心问题。施蒂格勒等人（Stigler et al.，1999）针对德国、美国和日本的231节八年级数学课堂视频，在视频转录和编码的基础上展开分析，并结合问卷调查等方式，比较了不同国家课堂上的课程内容和活动组织的差异。该研究主要回答了如下四个方面的问题：（1）课堂活动结构及其组织过程；（2）课堂中呈现出什么类型的数学；（3）学生在课堂中的数学思维是怎样的；（4）教师如何看待改革。该研究主要对课堂的结构、数学学习内容（包括情境、任务、教师代替解决问题、学生生成解决方法、原理、属性和定义等）、课堂对话（包括全班与个别对话、教师话语与学生话语等）等进行了视频编码和分析。研究发现，处于不同文化情境下的课堂结构是不同的，在美国与德国的课堂中，教师往往以“解决问题”作为最终的目标；而在日本的课堂中，“理解数学”是首要目标，“解决问题”仅仅是为了更好地“理解数学”而设计的一种情境。该研究还发现，美国和德国的课堂结构包括初始获取阶段和随后的应用阶段；而日本的课堂组织方式则以解决问题、反思问题、分享他们想到的解决问题的方法、共同努力形成对该问题或概念的理解等为重心。同时日本的课堂更具有连贯性和一致性，而美国的课堂则常常被打断。此外值得注意的是，日本课堂上的问题较少，因而学生用于解决每一个问题的时间更长（Stigler et al.，2009）。曹一鸣等（2011）基于TIMSS的视频资源着重对 2 位教师 20 节课的“连续性课堂结构”以及教师教学的特点进行了分析，并获得了关于初中数学课堂教学的互动特点，同时还提出了改进师生互动以提高有效教学的针对性建议。研究者对整体活动结构研究的另一个典型例子是对师生参与类型的分析。基于课堂教学的3个核心要素（教师、学生与学科知识）构成的三角形，３条边可分别代表３种不同的活动类型：“教师—学科知识”一边代表了教师对于学科知识的呈现和解释；“学生—学科知识”一边代表了学生对于学科知识的学习，包括探索、同伴讨论、作业等；“教师—学生”一边代表教师和学生之间的讨论与对话。基于这种活动类型的划分，可以研究一节课上三大类活动的分布情况，亦可据此对每一条边上的活动进行深入分析。这种方法看起来比弗兰德斯互动分析更为“粗略”，因为弗兰德斯分析系统是对每３秒钟活动的两层次分类，而此方法的分析单位是一次次持续进行的活动，且类型上也只有3类。但是，这种数据颗粒度比较大的分析也有其独特的优势，即可以更为直接地分析整节课的教学与互动情况。例如，基于对一节课或若干节课的分析可以这样报告结论：有30%的时间是教师在讲授，10%的时间是师生在互动，60%的时间是学生在自学。从内容分析上讲，这种针对整体结构的研究对于观察课堂教学设计及分析教师教学风格及特征这类问题更有意义。比如，我国的课程改革强调学生自主开展探究活动，而采用上述数据粒度的分析就能很直接地回答此类活动在课堂上的时间占比，进而结合不同大类活动的具体安排（如在教师讲授之前是否有学生探究、学生探究的时间及活动方式）判断课堂活动结构的变化情况。在一项关于数学课堂教学结构的研究中，研究者以课堂教学的基本环节和数学任务作为分析单位，通过分析各教学环节数学任务的组织方式，以期从整体上认识数学课堂教学的展开方式和核心特征（仝玉婷等，2021）。具体而言，在教学任务上，通过对课堂教学进程中的每一个独立任务和其中包含的子任务进行编码，统计每节课上任务/子任务的数量和持续时间，由此考察教学活动的密度。在教学环节上，通过考察课堂视频分析过程中每个环节（复习引入、探究新知、运用新知、小结等）的时间分布和循环结构（如有几个轮次的“探究新知＋运用新知”）以及对各个环节中具体任务的组织方式进行扎根研究，从而来深入分析其教学组织方式及其分布情况。比如，在探究新知环节的具体活动方式包括：教师讲授为主的知识传授、教师主导的师生对话、学生主体的动手操作、学生主体的讨论交流、师生对话的新知探索，并在课堂视频分析过程中分析每种具体组织方式出现的频次、持续时间及占比，以揭示数学课堂的活动展开结构。该研究通过考察课程改革进程中课堂教学的结构变化发现，从2006年到2016年，初中数学课堂的整体结构和主要形式保持相对稳定，课堂教学在活动结构上表现出较高的同质性，学生自主探究的空间有所增加，突出表现为课堂活动的节奏有所放缓（平均而言每节课的数学任务数量有所下降），以学生为中心的课堂教学行为在次数、时长和时间占比上均有所增加。另外，还有研究者从认知需求角度研究了数学任务之间的关系，以进一步揭示课堂教学的结构性特点（Tong et al.，2019）。该项研究在标定课堂教学中的任务和子任务的基础上，关注任务数量并对任务之间认知需求的变化进行了分析，即通过比较两个相邻的任务，以明确其在认知需求上是提升、降低还是维持不变。如果与前一个任务相比出现了以下情况，即呈现出新的知识、任务以其他方式呈现、需要学生调用已有的相关知识、需要用不同的方式方法完成任务、需要将具体任务抽象成更为通用的规则、需要增加工具来解决问题，则编码为认知需求等级上升；反之则定义为下降。如果后一任务同前一任务相比，只是要求学生重复使用先前学到的数学知识、重复先前运用的程序、在复杂性和模糊性上也没有差异，就将其定义为认知需求等级不变。该研究还基于对某地区若干课堂教学视频的分析发现，课堂教学的活动密度很高，节奏很快，表现为每节课平均有5个以上的独立任务，任务之间通常有较明确的关联，而且几乎每一个任务在认知需求的等级上都在提高。学生在越来越具有挑战性的任务中不断学习新的知识并在后来的任务中应用和强化这些知识，非常有利于他们掌握数学核心知识和技能。但是另一方面，这种高密度、快节奏的课堂活动结构也在知识基础、思维活动、理解能力、注意力等方面对学生提出了较高要求，因而也带来了部分学生掉队的风险。2.探寻教学整体结构的课堂视频分析方法的反思与改进与前节所讨论的聚焦“点”上的具体行为的研究进路不同，指向整体活动结构的课堂视频研究呈现出的最突出特征是：分析所指向的是更具相对独立意义的活动在整节课“面”上的分布，如一个教学环节、一个具体的学习任务、一次完整的师生对话。以某一教学环节为例，其要求巩固新学习的知识，共花费了5分钟时间，在此过程中教师有课堂巡回指导。表面上看，该分析单位的颗粒度较粗糙，而不像有的分析单位那样富含技术、数据充足、结果呈现酷炫。但是，当我们将这些有意义的分析对象叠加起来用于显示一节课的整体状况时，就能彰显和判断整节课的结构性特征。这一研究取向下的结果描述可能是：一节课的新知学习以教师讲授为主要形式，每一次的讲授伴随提问和练习加以巩固；或者是一节课的新知学习以学生围绕教师设定的系列问题和任务而展开，且占据了一半以上的课堂时间。我们甚至还可以将一个单元或更大单位的对象纳入到研究之中。这一取向下的研究呈现出的课堂教学的展开方式及其结构化特征，对于教师理解、认识、反思和优化教学具有较强的适切性和鲜明的实践意蕴。因此，这种以“面”为分析单元的研究取向既适用于对课堂教学整体状况的分析，也适用于对教师教学水平及风格的研究。特别是对于课堂教学中可见的活动状况的分析，这种研究取向的视频分析方法更具优势。我们应当看到，这种研究所获取的数据主要还是关于外部表现的，而活动形式这种外部表现往往难以有效揭示教学是否真正有效地进行。我们研究教学的目的归根结底是要研究学生的学习以及教师是否对学生学习给予了有效的支持和引导。在教学形式和活动结构大致相同的课堂上，学生的学习效果也可能大相径庭。特别是这种注重活动结构的课堂研究，常常无法观照到影响学习的一些关键因素，如学生的先前知识经验。在教学改革的实践中，我们也经常看到一些教师在教学中采取了政策提倡或理论主张的新形式，但是实际效果却并不显著。因而，这一取向下的研究应当进一步考虑和课堂活动具体进程的细节分析相结合。四、分“段”：聚焦教学事件/任务语义分析的课堂视频研究1.聚焦教学事件/任务语义分析的课堂视频研究的方法要点不同于聚“点”指向的表层行为研究和绘“面”指向的整体结构研究，在课堂视频分析的发展历程中还有另外一种进路，即通过典型性的片段或场景来对教学—学习的进程进行深度的语义分析。视频数据的真实性、丰富性、完整性及其与教学活动实际进程的一致性，都为这一研究进路提供了可能。在针对师生对话的研究中，选取一段典型视频进行分析的方法日益普遍。比如，研究者选取包含其研究要素的视频片段，具体分析在这一过程中哪些要素导致一种状况或者结果的出现，具体的互动是如何展开的，从而揭示某一个发生机制或对独特现象进行深描与解释。在话语分析中，研究者通常采用某种理论指导下的分析框架，对话语中体现出的某一方面的特征进行概括和诠释，比如在批判性话语分析中分析话语进程所体现的权力关系，或者在关于教育公平问题的微观研究中分析不同背景学习者的文化特征是否被重视、师生语言中使用何种语码结构，以及这种语言形式是否利于文化背景不利者的理解、参与和知识建构等。视频分析和微观发生法相结合，能很好地揭示被捕捉到的发生时刻/时段中更为细致的活动过程。在此类研究中，研究者利用视频，记录和分析每一位/组学习者在解决复杂问题过程中是如何应用多元策略进行数学运算的，以此来挖掘教学中的关键事件。而这种对学习者多元策略的识别和支持是促进学习者自主探究问题解决的重要途径。学习科学领域的研究者亦采用微观发生法来研究学习者如何“在一段时间内逐渐学习具有挑战性的概念和策略”，他们“非常紧密地追踪这些学习事件，以便当学习发生变化的时候能够探测它们，这样研究者就能理解学习发生的详细轨迹，以及每时每刻促进学生成长的关键性事件”（卡拉克·A.钦等，2021）。经济合作与发展组织（OECD）新近开展的题为“全球教学视点”（Global Teaching Insights，GTI）的教学视频研究项目，很好地例示了如何以课堂教学中的有意义片段作为分析单位，对课堂教学的展开方式进行分析和评价（OECD，2020）。在这项研究中，每一位参与的教师（共有来自8个国家/地区的700名中学数学教师）均需录制两节一元二次方程的课堂视频，然后由两名观察者对录制的视频进行评分。评分采用项目统一的观察编码体系（Observation Codes，即测评工具），编码体系包括班级管理、社会情感支持和教学3个领域。每个领域又包括几个子领域，如教学领域包含话语、学科内容质量、学生认知参与、对学生理解的评价和反应4个子领域。每一个子领域又包含若干要素和相应的指标，如学科内容质量包含的要素有明确连接、明确的类型和概括，包含的指标有明确的学习目标、准确性、与真实世界的连接、连接数学主题、数学概括、表征的类型、程序性教学的组织。在评分过程中，评分者要在课堂教学的中间暂停，即每隔16分钟需对要素进行评分或者每隔8分钟需对各指标进行评分。这种设计方式保留了课堂教学活动的整体真实性和连贯性。该研究发现，学科内容质量这个子领域的得分是整个课堂视频研究所有子领域中得分最低或者第二低的，由此反映出各国在数学教学中对学科内容质量的关注普遍不足，这一研究结果对于实践的改进具有重要的参考价值。希尔等人（Hill et al.，2022）开发的“数学教学质量项目”（Mathematical Quality of Instruction，MQI）采用了类似的研究设计。研究者先将录制的课堂视频划分为等长（5分钟或7.5分钟）的片段，然后由两位评分者根据研究确定的5个维度对这一片段以及整节课进行评分。研究确定的5个维度分别是：学生实践与共同核心内容的一致性，面对学生和数学，数学的丰富性，面对错误和不精确，课堂活动和数学的关联性。比如，第一个维度考察学生以何种方式学习数学内容，与共同核心标准是否一致，包括学生是否就数学内容进行提问和推理，学生是否提出数学解释，具体任务的认知要求是什么（如是否让学生发现类型、建立联系、决定数学概念的意义、解释和论证他们的结论）。评分者对这些维度进行评分时，也要根据针对研究主题（包括领域/维度、要素等不同的主题“粒度”）开发的评价量规，对一个按照固定时间长度划分的教学活动进行判断和评定。2.聚焦教学事件/任务语义分析的课堂视频分析方法的意义与前瞻这种取向下的研究，是在相关理论和研究主题的引领下，以课堂视频中的独立片段为分析单位和数据对象而展开的，最大程度地保留了课堂教学活动和师生行为的复杂性和完整性。表面上看，这种研究方式不是富含技术的——视频分析总容易让人想到和技术的关联（比如对复杂细节的计量分析），但是，事实上对这种课堂活动片段的深度挖掘和多视角分析，既需要充分利用课堂视频数据承载的信息，也需要保留视频片段的真实性和意义性。课堂视频研究主要面临两大挑战，一是分析费时，二是如何选择具有代表性的视频。这两个方面的挑战有一个共同的源头，即对所谓“科学化”的追求，特别是试图借鉴自然科学研究的方法进行随机实验、代表性抽样、变量控制等（理查德·沙沃森等，2006），但实际上对于复杂性更高的社会活动而言，这些方法并不完全适合，尤其是针对那些课堂互动和教学设计类的主题。在课堂互动研究中，描述性方法和案例分析仍是主要的方法；而教学设计类研究则有无穷多的变式，有学者分析指出，一个知识主题的教学可以有多达205万亿种选择（帕特里夏·K.库尔等，2021），教学设计空间之巨大，以致难以通过分类概括的方式进行分析。研究者基于课堂视频分析对师生互动和教学设计进行研究时，也无法沿着“科学化”的方向去追求样本代表性或进行分类概括及统计分析。因此，当以自然的、真实的课堂教学为对象展开视频分析时，研究者可以采取的途径是，从中选取具有指示意义的片段，对其中的师生行为、教学事件等进行记录、阐释和评价，对案例中的经验进行概括，或者展开小样本间的对比，这样课堂视频片段就既包含了教学过程之诸细节，又保持了其完整性，而且也使得研究对象置身于教学的真实境脉之中。在OECD开展的关于GTI的课堂视频研究中，研究设计考虑到不同国家、不同教师、不同课堂的教学方式之差异，在划分课堂教学的片段时也按照统一的时长进行划分，这既有助于降低评分工作的难度，也利于提升工作效率和评分的信度。MQI项目的片段划分也有类似的考虑。但是，这种切段方法仍较为“武断”，难以反映不同课堂在时间分配上的结构性差异。在笔者参与设计的一系列课堂视频研究中，我们按照“自然段落”对课堂教学活动进行切分并将其作为分析单位，以进一步凸显分析单位中研究对象的意义。比如，针对语文阅读课堂上师生对话的视频分析（陈伟东等，2021），研究者首先按照师生对话所讨论的问题进行切分，将对一个问题的完整讨论划分为一个独立片段；进而对这个片段中的问题类型（如理解性问题、评价性问题、创造性问题）和师生对话的方式（如教师主导的对话、师生互动的对话、学生的讨论等）进行编码；最后基于编码数据将一节课中各片段的分析结果汇总起来，由此就可以看到一节课中的活动结构：所讨论问题的类型及其分布、师生对话的主要方式，进而可以对课堂教学进行整体画像。根据这些研究，一节课上通常会有6个左右的任务，每个任务完成的时间长短不一，但却构成了适于分析的“自然段落”。OECD的GTI项目中针对指标的编码以8分钟为一个分析单元；MQI项目的研究中典型的时长为5~7.5分钟，7.5分钟的时长也比较接近自然段落的时长。因而，我们在研究中更倾向于用“段落”（Episode）（或称为“事件”或“任务”）来标识研究对象和分析单位，而不是用“片段”（Segment）。选择“段落”作为分析单位，并展开语义分析，实质上更利于对学生的学习进程进行研究。外在行为和课堂整体结构的研究本质上是对教学活动的外在分析，而针对段落的语义分析则可以对学生的理解程度、思维方式及进程展开研究，这种研究更趋深入且更有意义。当前的教学改革日益强调对学生高阶能力的培养和以学生为中心的学习，运用视频分析的方法，可以深入揭示课堂教学中关键“段落”或“事件”中学生在面对学习任务及在小组合作、师生对话活动中的具体表现，由此即可探察学生在认知进程、社会情感能力、表达能力等方面的状况及变化。换言之，借助课堂视频的丰富数据，可以追踪分析学习者的学习进阶，以及在此过程中学习者得到的支持。因而，追踪“段”中学生学习进阶过程中的关键行为，定位学生在关键目标上的进展，分析教学过程中使其何以如此的因素，可在更精微的层面上展开教与学之间的动态互动分析。基于此，我们可以发展出以“段”中之各“点”（即学习进阶的关键点）发展历程的“线”型追踪方法。类同施密特（Schmidt，1992）用整体性课程分析工具——“主题追踪图”（Topic Trace Mapping，TTM）追踪课程内容的发展，这种“段”中寻“点”、由“点”绘“线”，进而追踪学习发生发展及其支持机制的研究，或许是未来课堂视频研究的重要趋向。随着信息技术的不断进步，课堂视频的采集、储存、分析都变得更为便捷，这为深度研究真实的课堂活动提供了新的数据源和研究方法。在进行基于课堂视频的教学研究中，如何使课堂视频的数据转化为有效指明师生行为的信息，并进一步转化为定义或标明教学过程之特征或品质的分析结果，是研究者自始至终需要思考的问题。课堂视频中丰富的数据和对教学的分析判断之间有很长的环节，数据作为论证某一论点的原始材料，其自身要有明确的意义。教学活动作为一个复杂的系统，单一数据的意义和其所标识的对象所处的活动境脉是不可分割的。境脉与对象之间有着共存关系，境脉是意义的赋予者。将可见的表层行为单独剥离开来——这是一种以“点”为分析单位、将“点”加以聚合的路径，就使得数据可能存在丧失意义的风险。而将这些“点”数据加以计量和汇总，实则是基于表层行为论证教学之特征，这种情况下的数据分析与论证是需要审慎判断的。指向课堂整体结构的视频分析则是指向“面”的路径。这一路径力图反映课堂教学的整体性和结构化特征，其支持基础是有意义的课堂教学事件（即“段”）的整体汇总分析。在研究目标指向课堂教学的整体状况时，以有意义的“段”为组件勾勒课堂的整体特征是可行且有效的。将研究的重点放在“段”（即自然段落、事件、任务以及按照时间切分的片段）上，并基于段落中教学活动的展开方式对其某一方面进行分析、评级、诠释、概括，既能使基于课堂视频的教学研究在方法论上更可行（即易于操作且具有较高的信度），也更利于将教学实践过程之微观分析与关于教学的理论和实证研究成果结合起来。因而，如何更好地切分“段”并以有意义的“段”为分析单位和研究对象，是优化课堂视频分析设计的重要方向。从已有研究看，对视频的编码和分析具有高度的编码者依赖特征，数据的诠释、编码及其信度问题，以及视频分析费时费力问题，均是课堂视频研究面临的巨大挑战。而以有意义的“段”为分析单位和研究对象，则有望有效地应对这一挑战。这是因为对于各“段”之中学习进阶之“线”的追踪，更能将对教学的研究重点转向“学”，同时也支持从学习者中心的视角分析课堂教学。若此，对于课堂视频研究来说，对大样本大数据的潜隐追求则可转向小样本大数据的探索了。教学活动是极其复杂的，在一个知识内容的教学方式有众多可能的情况下，再小的样本数都能挖掘出无尽的大数据。课堂视频分析有着无限的可能，值得研究者持之以恒地去探索。[1][美]卡拉克·A.钦,布鲁斯·L.谢林(2021).微观发生法[M]// R.基思·索耶(2021).剑桥学习科学手册(第2版).徐晓东,杨刚,阮高峰等.北京:教育科学出版社:178-195.[2][美]里基·戈德曼,[瑞士]卡尔姆·扎恩,[美]沙伦·J.德里.学习科学中的数字视频前沿:领域划定[M]// R.基思·索耶(2021).剑桥学习科学手册(第2版).徐晓东,杨刚,阮高峰等.北京:教育科学出版社:234.[3][美]理查德·沙沃森,丽萨·汤(2006).教育的科学研究[M].曹晓楠等.北京:教育科学出版社:76.[4][美]帕特里夏·K.库尔,[美]林姒祥,[加]索尼娅·奎列罗等(2021).数字时代的心智开发——面向21世纪教育的学习科学[M].窦卫霖,陆东,刘畅等.上海:上海教育出版社:165-166.[5]曹一鸣等(2011).国际视野下的中国中学数学课堂微观分析[M].北京:北京师范大学出版社:7-135.[6]陈伟东,秦雨柔,郑太年(2021).课程改革进程中的阅读课堂——基于2006年与2016年上海市初中语文“优课”视频分析[J].上海教育科研, (9): 38-43.[7]仝玉婷,胡华,郑太年(2021).课程改革进程中初中数学课堂教学的变与不变——基于上海市2006年和2016年优质公开课的视频研究[J].苏州大学学报(教育科学版),9(3):107-119.[8]Alexander, R. (2009). Towards a Comparative Pedagogy[M]// Cowen, R., & Kazamias, A. M. (Eds.). International Handbook of Comparative Education. Berlin: Springer Science & Business Media:928.[9]Amatari, V. O. (2015). The Instructional Process: A Review of Flanders’ Interaction Analysis in a Classroom Setting[J]. International Journal of Secondary Education, 3(5):43-49.[10]Derry, S. J., Minshew, L. M., & Barber-Lester, K. J. et al. (2018). Video Research Methods for Learning Scientists: State of the Art and Future Direction[M]// Fischer, F., Hmelo-Silver, C. E., & Goldman, S. R. et al. (Eds.). International Handbook of the Learning Sciences. New York, NY: Routledge.[11]Hill, H., Kraft, M., & Herlihy, C. (2022). Mathematical Quality of Instruction[EB/OL]. [2022-06-04]. https://cepr.harvard.edu/mqi.[12]National Center for Educational Statistics (2022). Overview[EB/OL]. [2022-06-04]. https://nces.ed.gov/timss/overview.asp.[13]OECD (2020). Global Teaching InSights: A Video Study of Teaching[M]. Paris: OECD Publishing:14.[14]Schmidt, W. H. (1992). TIMSS Curriculum Analysis: Topic Trace Mapping[J]. Prospects, 22:326-333.[15]Stigler, J. W., & Hiebert, J. (2009). The Teaching Gap: Best Ideas from the World’s Teachers for Improving Education in the Classroom[M]. New York: Simon and Schuster:68.[16]Stigler, J. W., Gonzales, P., & Kwanaka, T. et al. (1999). The TIMSS Videotape Classroom Study: Methods and Findings from an Exploratory Research Project on Eighth-Grade Mathematics Instruction in Germany, Japan, and the United States[EB/OL]. [2022-06-04]. https://files.eric.ed.gov/fulltext/ED431621.pdf.[17]Tong, Y., & Zheng, T. (2019). Structural Analysis of Mathematics Tasks in Middle School Classrooms of Shanghai: A Video Research[Z]. Comparative and International Education Society 63rd Annual Meeting, San Francisco.
欢迎转载，开白请联系18980806833（微信号）