近年来，《国家中长期教育改革和发展规划纲要（2010-2020年）》、《教育信息化十年发展规划（2011-2020年）》、《教育信息化2.0行动计划》等文件相继发布，要求重视智慧教学环境重构，推进信息技术与教育教学的深度融合。在此背景下，国内各校纷纷建设智慧教室，以探求课堂教学的变革与发展，满足信息时代智慧教育的迫切需求。然而，当前国内智慧教室的建设与应用情况不容乐观，表现为与实际建设需求相差甚远、过分依赖外包技术公司、自身的投入与参与度不够、追求技术与装备形式上的先进性而忽视了实际需要和建设初衷、缺少配套支持与后期系统科学的服务管理等。究其原因，主要在于智慧教室建设缺少顶层理论指导和系统科学的评价体系。因此，构建一套结构合理、操作性强的智慧教室评价指标体系，对于智慧教室的建设十分重要。

1 智慧教室的概念与内涵

智慧教室又称智能教室、未来教室，是大数据、人脸识别、物联网、人工智能等技术与传统课堂深度融合的一种智慧教学环境。黄荣怀等^[1]指出智慧教室的智慧性应体现在内容呈现（Showing）、环境管理（Manageable）、资源获取（Accessible）、及时互动（Real-time Interactive）、情境感知（Testing）五个方面。聂风华等^[2]构建了智慧教室“iSMART”模型，提出智慧教室由基础设施（Infrastructure）、网络感知（Network Sensor）、可视管理（Visual Management）、增强现实（Augmented Reality）、实时记录（Real-time Recording）、泛在技术（Ubiquitous Technology）六大系统组成。作为智慧学习环境的重要组成部分，智慧教室具有与智慧学习环境相关的“记录过程、识别情景、联接社群、感知环境”等技术特征^[3]，可为教育数据挖掘（Educational Data Mining，EDM）和学习分析（Learning Analytics，LA）提供重要的技术支持。从智慧教室的实现技术来看，运用云计算、大数据、物联网等信息技术来聚合教育资源，是支持“教与学”过程并实现智能决策、智能实施与智能评价的关键所在^4]。

本研究认为，智慧教室的“智慧性”主要体现在以下几个方面：①智慧互动。教学互动可增强学生的学习动机，维持学习参与度和专注力，激发深度思考等^[5]。传统的教学互动是一种教师主导的互动形态，而智慧教室是一种高互动空间，这种互动包含人际互动、人机互动、基于中介的多维互动^[6]。技术为智慧课堂互动提供了契机，使教学互动形式、内容、深度等都得到了体现^[7]。②智慧评价。智慧评价具有精准、高效、便捷等特点，其可视化评价结果可为教学改革提供参考。③智慧管理。智慧管理是指利用物联网技术集中管控，自动调节温度、亮度、通风性，对设备异常情况自动预警，使管理者从繁琐的设备管理中解脱出来。④智慧获取资源。海量的学习资源给学习者带来了选择困扰，而资源平台会自动过滤冗余信息资源，生成结构化数字课程资源并自动、精准地向学生推送，以满足学生的个性化学习需求。

2 智慧教室评价的现状

张亚珍等^[8]对2003～2013年国内外关于智慧教室的563篇文献进行“研究主题”分析，发现仅有3篇涉及智慧教室评价，而2014～2019年国内外关于智慧教室评价的研究成果也不多。近年来，为贯彻落实国家智慧校园建设目标，各省市纷纷出台“中小学智慧校园建设标准”，但仅将“智慧教室”作为其中模块之一，而具体如何评价、从哪些维度评价等鲜有说明。真正单独针对“智慧教室”建设的顶层指导性文件，当属2018年广东省教育厅印发的《广东省中小学智慧教室建设指南（试行）》（后文简称《指南》）^[9]，其关于智慧教室的指标内容如表1所示。

表1  《指南》中智慧教室的指标内容

《指南》不涉及“创新型实验室”、“创新实践活动室”、“智慧图书室”等类型的智慧教室，主要应用于传统多媒体教室的智慧化升级改造，这对现阶段学校教学环境的改善与教学资源的整合有重要意义。但是，《指南》缺少“智能管理”、“个性化学习”、“资源智慧获取”、“智能感知”等内容，致使大数据、人工智能、物联网等技术在智慧教室中的应用不够深入。

1 评价指标的初步拟定

智慧教室作为一种典型的智慧学习环境，为教学的开展提供了有力支撑，使课堂的教学结构得以优化，并使教学与管理更加智能、高效，故能更好地满足学生的个性化学习需要。从智慧教室的核心概念和内涵入手，参考《指南》及智慧教室的相关研究成果，本研究初拟了智慧教室的一级评价指标，包括：基础设施、环境与布局、智能录播、教学与资源平台、智能管控与感知、软硬件工具与移动终端、物联网应用、虚拟仿真、培训方案。

评价指标既要避免重复交叉，又要有内在逻辑关联。在初拟的一级评价指标中，“基础设施”是智慧教室各软硬件及终端设备发挥作用的基础；“环境与布局”中的教室空间既是物理场又是小社会，将教室空间变成温润的学习场是智慧教室必须解决的问题^[10]；“智能录播”既是数字资源生产的重要方式，也是学习“反刍”、学习行为分析、教师自我提升的重要途径；“教学与资源平台”可对学生的学习进行监管，便于教学资源的共享与应用，满足学生的个性化学习需要；“智能管控与感知”可实现教室设备管理与检修的智能化、可视化，并运用人脸识别技术开展学习行为分析，是智慧教室“智慧性”的重要体现；“软硬件工具与移动终端”是实现内容呈现的基础，可更好地进行多屏互动与资源共享；“物联网应用”可实现高效远程智能化管理；“虚拟仿真”可模拟各种学习环境，带给学生深刻、直观的学习体验，激发学生的学习兴趣；“培训方案”可提高智慧教室的使用频次和效率，从而间接节约智慧教室的建设成本。

2 评价指标的修改与确定

（1）专家选择

德尔菲法（Delphi Method）是对一组专家进行咨询调查并综合其经验和主观判断的方法。选择具有代表性的专家是运用德尔菲法的首要前提^[11]，故本研究采用主观抽样法，选择10名咨询专家，涉及智慧教室“教学应用”、“理论研究”和“建设实践”三个领域，具体如表2所示。

表2  咨询专家信息

（2）确定一级评价指标

为了进一进确认一级评价指标的科学性和合理性，本研究运用德尔菲法，对初拟的9个一级评价指标进行验证，过程如下：

第一步，设计李克特五点量表。量表中的评价等级“非常不合理、不合理、一般、合理、非常合理”分别用1～5分表示，分数越高，表示对该指标的满意度越高。

第二步，第一轮调查研究。运用德尔菲法开始第一轮咨询调查，将制作好的指标调查量表统一发给10名专家填写并回收，收集一级评价指标的满意度（符合度）。

第三步，对第一轮调查数据进行分析。在进行数据分析之前，务必了解以下几个重要的数据表征与判断规则：①意见集中度，是指专家对指标的集中意见程度，与指标的均值（`X）、满分比（M）相关；②变异系数（CV），CV=SD/`X，变异值越小，说明指标的重要性波动越小，即专家的协调程度越高^[12]。③综合指数（Y），Y=`X×M/CV，表示指标的重要程度和协调程度。一个指标的影响力大小既要考虑专家的意见集中度也要考虑指标的变异系数，而指标的最终去留由该指标的综合指数与所有指标的标准值（Z）的差值而定（Z=`Y-∑SD）。当指标的综合指数小于所有指标的标准值时，则剔除此指标。第一轮调查的数据统计如表3所示。经计算可得：∑SD=6.33，`Y=12.39，Z=`Y-∑SD=12.39-6.33=6.06，因此一级评价指标中综合指数Y＜6.06的指标——“物联网应用”、“虚拟仿真”均要删除。而在回收的指标调查量表中，有的专家表示“物联网应用”可归入“智能管控与感知”指标，有的专家建议“虚拟仿真”在专业智慧教室（或实验室）中使用，而无需用于普通智慧教室，这也印证了上述数据分析结果的合理性。

表3  第一轮调查的数据统计分析

第四步，第二轮调查研究。运用德尔菲法开展第二轮咨询调查，对初拟的一级评价指标进行调整并修改指标调查量表，重新发给专家填写并回收。第二轮调查的数据统计，如表4所示。经计算可得：Z=2.54，而第二轮调查中各一级指标的综合指数Y均＞2.54，都无须删除。

表4  第二轮调查的数据统计

层次分析法（Analytic Hierarchy Process，AHP）是指对问题本质和重要因素进行剖析，可以有效地将决策思维过程数学化^[13]。本研究采取层次分析法，来求取智慧教室评价指标的权重。

1 构建层次结构模型

本研究结合层次分析法的相关理论，运用文献分析和智慧教室建设标准的文本分析，在一级评价指标的基础上初步拟定了二级评价指标；同样，运用德尔菲法，结合数据统计分析结果，最终确定26个二级评价指标，形成了智慧教室评价指标体系的层次结构模型，如图1所示。

图1  智慧教室评价指标体系的层次结构模型

在智慧教室评价指标体系的层次结构模型中，目标层A是智慧教室的最终评价得分，评价的最终目的是通过直观、量化的方法得知智慧教室的整体建设情况；准则层B包括7个一级评价指标；准则层C包括26个二级评价指标。在确定各指标的层次结构关系时，本研究遵循了两个基本原则：一是各指标不能出现重叠；二是上一层指标尽可能涵盖下一层指标的各项内容。

2 构造判断矩阵

10名专家拿到修订后的调查量表，按1～9标度法对智慧教室各层指标两两比较打分。本研究根据专家打分，分别构造判断矩阵，并进行一致性检验，最后对每项指标的权重取均值。以ZJ1为例，本研究根据ZJ1打分构造出目标层A对准则层B的判断矩阵，如表5所示。

表5  根据ZJ1打分构造的A-B判断矩阵

将表5所示的判断矩阵记为矩阵A。利用方根法，将矩阵A的各行数据相乘，再进行归一化处理，得到特征向量W，具体的计算过程为：①计算Ai。将矩阵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。将Ai各元素开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。将Mi进行归一化处理，得到特征向量W：W=[Wi]=[0.2495  0.0364  0.0924  0.3928  0.1501  0.0587  0.0201]^T。

因为AW=[1.8529  0.2671  0.6931  2.9714  1.1264  0.4321  0.1638]^T，故最大特征根为：

3 一致性检验

根据一致性指数计算公式CI=(λmax - n)/(n - 1)，可得CI=0.091426。查询“随机一致性指标RI值”表可知，七阶判断矩阵对应的RI值为1.32，可得一致性比率CR=CI/RI=0.091426/1.32≈0.0693＜0.1，据此可知“A-B判断矩阵”具有完全一致性。由此可见，权重(Wi)ZJ1=[0.2495  0.0364  0.0924  0.3928  0.1501  0.0587  0.0201]^T能较好地反映一级指标的相对重要程度。按此方法，可求得其他9位专家对一级指标打分的权重。最后，对10位专家打分的权重取均值，得到一级指标的权重(Wi)均=[0.2  0.05  0.1  0.35  0.18   0.08  0.04]^T。同理，可以求得二级指标的权重，此不再赘述。

将智慧教室评价的总分设定为100分，根据各指标权重对各指标项赋分，本研究构建了智慧教室评价指标体系，如表6所示。

表6  智慧教室评价指标体系

为避免评价指标太过分散而给数据分析带来困难，本研究初拟9个一级指标之后采用德尔菲法进行了验证。需注意的是，在向专家发放指标调查量表时，应将对应的二级指标附上，以免专家可能因不了解一级指标所含的内容而茫然无措；在确定评价指标体系时，应充分考虑指标表述的准确性和可操作性，避免指标交叉重复。运用德尔菲法所选的专家数一般以15～20人为宜，而本研究只选了10人，从数量上来说略少，但所选专家对其研究领域有较深的了解；采用的层次分析法可在一定程度上减少权重确定的主观性和随意性，使评价结果更科学合理；而先求各专家对指标打分的权重再求其均值，可有效规避专家打分自相矛盾的问题。

学校是学生成长的重要场域，而教室是实现“教师教、学生学”的重要空间。将物联网、大数据、人工智能等技术融入学校教育教学的全过程，是智慧教学环境发展的必然；基于智慧教室开展更有效的教学，全面提升学生的综合素养，则是智慧教室发展到一定阶段的内在诉求。基于此，本研究构建了智慧教室评价指标体系，可为智慧教室的建设和评估提供参考，并有力促进课堂教学的改革发展。期待此体系在具体的实践应用中得以不断完善，以发挥更大的价值。