AI智慧教室系统统计“抬头率”近日引发争议。其实，同类工具在多所高校都被用于对学生学习和教师教学的评价。以“抬头率”等行为数据衡量课堂质量，看似客观，实则并不能解决AI时代老师如何上好课，如何把时间精力投入到教学的问题。
其实，无论是学生的“抬头率”还是曾经引起关注的越来越安静的大学课堂，都提示我们，大学教学的问题必须要正视，而围绕“抬头率”的讨论，正是重新审视大学教学的契机。
近日，某高校智慧教室系统统计学生“抬头率”的消息引发讨论。虽然该高校已经发布声明系统不再统计抬头率。但事实上，国内已有多所高校落地同类AI智慧督导工具，依托AI系统统计课堂“三率”（到课率、抬头率、前排入座率）、“四率”（新增互动率），早已成为多地高校教学督导的常规手段。校方试图以数字化手段衡量学生参与度、量化课堂教学质量。“抬头率”在部分高校甚至被纳入教师考核体系。
这套以“抬头率”等数据为核心的评价体系，究竟能否真实反映教学质量、是否符合大学育人精神？大学生上课是否抬头，能在多大程度上反映学习状态？通过技术记录课堂行为，又能否帮助我们更准确地判断教学质量？这些问题触及大学课堂如何理解学习、如何评价教学。
作为教师，我们当然关心学生是否投入课堂。教师往往会根据学生困惑的神情、积极的回应或逐渐涣散的注意力，调整授课节奏和授课方式。这种对学生反应的关注，是教学的一部分。但当“抬头”被转化为一个精确的百分比，并被用来判断学生是否认真、教师是否教得好时，也许首先需要回答的是：这个数字究竟能够说明什么，又有哪些事情是它无法回答的？
课堂投入值得关注，行为指标应合理使用
“抬头率”，其背后当然有其现实关切。教师认真投入地备课、讲课，自然希望学生有所回应；学校投入资源组织教学，也需要了解课堂情况。当大量学生长期人在教室却游离于教学活动之外，那自然意味着课堂需要改进。
学生的表情、回应、提问和参与程度，都是教师了解教学进展的线索。但是，教师观察课堂反应，与管理系统将“抬头”这类行为转化为统一指标，所涉及的判断并不相同。教师可以结合正在讲授的内容、布置的任务和学生的基础情况来理解学生在课堂上的行为；但一个脱离教学情境的百分比，却很容易掩盖这些差异。
尤其需要区分的是，用数据发现值得进一步了解的问题，与直接用数据做出评价，要求并不相同。如果要直接根据某个时段学生普遍低头的现象，来判断课堂质量和学生的投入程度，就必须进一步了解当时发生了什么。尤其当指标与学生学业、教师教学评价挂钩，其有效性和适用范围的论证就必须更充分。
而且，抬头率看似直观，但其含义其实并不确定。不论是学生低头还是抬头，同一种姿态，可以对应不同的学习状态。不同课程、不同教学环节，学生行为也会有明显差异。即使在同一堂课里，学生的视线和姿态也会随着任务发生变化。将是否“抬头”作为统一尺度，很难反映学习活动的价值。
即便“抬头”，教师和学校也不能据此认定学习已经有效发生。有些学生课堂上频频点头，独立完成任务时却发现理解并不牢固；有些学生当时没有明显回应，却可能在后续阅读和思考中形成深入认识。
因此，评价学习需要相互印证的证据。一个数字即使测量得十分精确，也不意味着它与教育目标之间存在同样精确的关系。讨论抬头率的价值，得先回答它能够代表什么，而后再讨论怎样提高它。
大学课堂的价值在于支持学生走向全方位独立
当然，大学课堂上，学生几乎都是成年人，抬头、低头都是他们的自主选择，但是尊重成年学生的自主性，并不意味着学校和教师可以放弃教学要求，也不意味着与课堂无关的行为都应被理解为个人选择。
大学课堂需要基本秩序。按要求参加教学活动、完成学习任务、尊重教师与同伴，本来就是学生应当承担的责任。大学教育还承担着更长远的任务：帮助学生逐步形成自主学习、独立判断、提出问题和持续探究的能力。学生需要学会理解学习目标、安排学习过程、检验学习效果，并对自己的选择负责。课堂管理应当支持这一成长过程。
如果某种可见的行为姿态被赋予过高权重，就很可能使学生把注意力转向如何符合要求。一旦指标开始影响师生的行为选择，就需要警惕教学目标被逐渐替换的可能。
培养自主性，需要通过具体教学安排落实。大学课堂的活跃程度不宜只有一种样貌。积极发言有其价值，安静思考也应有空间。评价课堂，既要看到交流和回应，也要允许尚未形成答案的探索，让不同表达方式的学生都有进入学习的机会。
关注“抬头率”是重新审视课堂的起点
围绕抬头率的争论，最终应当推动我们更具体地思考：学生为什么愿意投入一堂课，学校又能为改善课堂提供什么支持？
首先，高校应当从制度上重视教学。当高校排名、 资源分配和科研产出紧密关联时，不少高校的科研评价成为绩效的硬指标时，高校往往更倾向于更能带来可见声誉和可计量绩效的行政指标和行动，教学目标被边缘化也是必然的。在这样的情况下，不论学生“抬头”与否，学校的教学质量都很难让人足够信服。
笔者曾经在一项关于高校教学激励政策的研究中，与多位高校的相关负责人访谈时，他们都提到，当考核以科研项目立项数、经费到账额、高水平论文为硬指标时，科研才是学校的“生命线”，而教学政策在基层落实时往往就简化为“必须完成”的合规性事项或“用于展示”的形象性工程，而且“因为制度未能赋予教学和科研同等的资源权重，推动教学改革时教师也普遍积极性不足。”
只有当学校对教学有足够的重视时，是不是统计“抬头率”就没有那么重要了。
其次，学校应该从技术上为教师提供支持，包括课程设计、教学研究和同伴交流的支持，使教学质量评价能够转化为实际改进。这才是人工智能技术可以发挥作用的地方。例如，课程回放能够帮助学生复习难点，便捷的课堂反馈能够帮助教师发现理解障碍，学习资源的合理组织能够支持不同基础的学生继续学习。评价技术的作用，应当考察它解决了什么具体问题，以及师生是否因此获得了帮助。
如果使用课堂行为数据，还应明确采集目的、使用范围和解释边界，充分听取师生意见，提供说明情况和纠正误判的渠道。数据分析应当结合具体教学活动，由了解课程的人做出解释，避免一个数字未经充分辨析就进入考核。
大学课堂值得追求的，是学生能够有所理解、提出问题、形成判断，并逐步具备独立学习的能力。关注“抬头率”，可以成为重新审视课堂的起点；接下来的工作，则需要深入到每一门课程、每一个学习任务之中，认真了解学生学到了什么，以及怎样才能学得更好。
（作者为复旦大学发展研究院研究员）
原标题：《关注大学课堂“抬头率”，还不如思考如何让老师投入时间精力上好课》