【正文】  【摘 要】 听评课是一项技术活，怎样才能使这项技术活更具有说服力？！用数据说话，通过数据诊断课堂，有理有据。本文主要介绍了课堂观察的三个维度即结构式课堂观察方法、S-T分析方法、弗兰德斯互动分析系统在课堂诊断中的应用和起到的作用。
　　【关键词】 课堂教学行为；大数据；诊断课堂教学

　　课堂教学观察是每一所学校、每一位教师在专业成长这条道路上必须修炼的一门技能。日常的课堂教学观察我们通常称为听评课活动，主要在教研组活动中有本组教师进，存在着走形式、评过场的现象，偶尔也有其他学校或是教育行政部门组织的进校听评课活动，主要针对教师专业知识上的处理进行评价，很少关注课型、课堂结构、教师和学生行为的。我们通过课堂观察的三个维度即结构式课堂观察方法、S-T分析方法、弗兰德斯互动分析系统，系统的对课堂教学过程中产生的一系列行为进行数据收集，通过数据分析课堂中问题设置、教师行为、学生行为、课型，从而得出数据论证我们的结论。
　　实质上，日常我们很多的听评课，被评价的老师是很不服气的，虽然原因有多种，但最重要的是我们的评价没有数据作为证据和支撑，光凭自己的教学经验、教学观念、个人喜好，对老师的课堂进行“自以为是”的评价。往往会出现一个缺点无限扩大或者一个优点无限扩大的现象；又或是评价课堂上的一些表面特征，如：教态自然大方、普通话标不标准、板书合不合理等。俗话说：没有调查就没有发言权。老师的课堂教学也是如此，基于课堂教学行为大数据诊断课堂教学就解决了这一问题，并能引领我们反思数据背后带来的深层次的问题和思考，促使教师不断反思自己的课堂教学，改进问题的设置、关注学生思维培养、知识的迁移。
　　我们课堂教学行为大数据获取主要通过以下三种方法：
　　第一部分：结构式课堂观察方法
　　课堂教学中关键性的教学活动就是问题的设置，我们把问题设置分为了管理性问题、记忆性问题、推理性问题、创造性问题、判断性问题、批判性问题、引导性问题。通过观察整堂课的问题设置，分析教师对学生发散性思维的培养和知识迁移能力的培养，通过分析反映出教师问题设置的能力、教学理念和策略性知识；通过观察学生回答的方式、教师挑选回答问题学生的方式以及回应的方式，分析师生行为转化率、教师行为转化率和学生行为转化率。通过分析师生对话的深度分析教师课堂驾驭努力和知识水平，以及对学生思维的激发、学习的引导与质疑。
　　第二部分：S-T分析方法
　　S- T分析法是从老师和学生行为在整节课上的占比来对课堂进行评估和分析，通过数据对整节课进行分析，可把课堂分为练习型、混合型、讲授型和对话型，在这些课型中最为理想的是对话型。S-T分析方法以三秒为一个时段，对课堂数据进行收集，当堂绘制图并计算出师生行为转化率，从得出的数据以及绘制的图形判断课型。
　　第三部分：弗兰德斯互动分析系统
　　弗兰德斯互动分析系统也是对课型的一种诊断方法，之所以会应用两种课型诊断方法是为了更好的保证数据的真实性，使数据更具有说服力。弗兰德斯互动分析系统也是以三秒为一个时段，对课堂数据进行收集和计算，来分析课堂属于练习型、混合型、讲授型、对话型中的哪一种。该分析系统与S-T分析方法都是对课型的一种分析，我们之所以用两中方法对课型诊断，主要是为了保证数据的真实性和有效性。通过我们的研究和实践，证明基本上两种课型诊断方法对课型诊断的结果基本一直。
　　第四部分：对学生非投入学习行为的观察
　　这一部分的观察主要收集学生参与度的数据，也是对上课教师对学生关注的数据体现。学生以小组为单位，观察员把小组学生进行编号，每两分钟观察一次，收集学生在课堂教学中的行为表现。教师可以通过这个数据了解学生课堂参与度，同时还可以反思，我的课堂为什么不能吸引学生高度参与？
　　第五部分：课后学生学习成果检验
　　这一部分是为了验证教学效果，看看在我们的课堂教学中学生学习到的知识有那些？学生对本堂课的评价是什么？以便教师针对学生需求、学情进行有针对性的教学，真正做到因材施教。
　　总之，基于课堂教学行为大数据诊断课堂教学，对于我们反思自己的课堂有着深刻而持久的影响，特别在问题设置、学生关注度、知识的深度上提醒的最为明显。同时我们的观察不仅停留在课堂上，还对课后进行跟踪调查，有理有据，合理诊断。