教學大數據：推動教育的科學變革

楊現民

近年來，隨著國內各地智慧教育實踐探索的推進，教育大數據在推動教育創新發展與科學變革上的核心價值逐步凸顯。教學過程與結果數據的持續采集，動態匯聚成教學大數據，通過對教學大數據的深度挖掘與多元分析，能夠將數據背后反映的教學意義與價值清晰地呈現出來，進而輔助教師進行更精準的“教”、指導學生進行更精益的“學”。

教學大數據的應用模式

大數據與教育已經呈現出深度融合的趨勢，作為教育教學的主陣地，學校、課堂都是產生教學數據的重要來源，也是深化教育改革質量的落腳點。目前，教學大數據主要有四種典型應用模式，分別為高效互動教學、適應性學習、智能化診斷與評價以及個性化練習與輔導。

第一，高效互動教學。課堂是學校教育教學改革的主陣地，也是落實學生核心素養發展的關鍵。課堂教學大數據構建的高效互動課堂具有數據把脈、全向互動、精準反饋以及輕負高質等特征，能夠實現“低耗高效、輕負高質”的教學目標，破解“課堂效率低—學生掌握差—課后拼命補”的教育怪圈。課前，教師通過學生預習情況精準定位教學目標與重難點；課中，教師根據課堂數據的實時反饋掌握學生學習軌跡，及時調整并改進教學內容與教學方法；課后，教師根據每位學生的課堂表現，給予針對性的點撥與指導，布置相對應的課后任務。

第二，適應性學習。隨著移動互聯網、智慧教育的快速發展，適應性學習將成為以大數據為基礎的教育技術新范式。教師通過分析在線學習行為大數據，可以發現學生的認知能力、學習風格等個體特征，判斷學生的學習需求，從而有針對性地向學生推薦學習資源，滿足學習者個性化的學習需要，幫助學生固強補弱，提高學習效果。

第三，智能化診斷與評價。智能化診斷與評價以多種教學情景為背景，通過不斷獲取、整合和分析學生學習過程中的學習行為、認知建構、情感體驗以及思維變化等多模態數據，制定學習改進方案，形成有效學習的新形態。課堂教學大數據可以實現對學生即時、動態的診斷分析及評價信息反饋，教師根據反饋結果動態實時調整教學策略，提高學生的課堂學習效果。此外，課外輔導教師可以依據校外輔導大數據對學生校外學習效果進行診斷分析，靈活調整教學方案，使課外輔導培訓更具針對性與個性化。

第四，個性化練習與輔導。傳統課堂教學的課后練習是統一布置的，批改反饋是滯后的，作業講評大多也只是講共性問題。而教學大數據的建設與應用完全改變了這一狀況，教師基于課堂教學大數據能夠更好地診斷、評價學生的課堂學習效果，作業內容不再是千篇一律，而是根據每位學生的學習效果有針對性地布置課后作業。同時，通過課堂教學大數據和校外輔導大數據間的融通共享，課外輔導教師可以根據學生的課堂表現和學習效果等數據，有針對性地進行課后輔導，使校外輔導更具針對性、持續性，促進學生的個性化成長。

走向數據驅動的精準教學

教學大數據建設與應用的實踐導向是實現數據驅動的精準教學。隨著大數據技術在教育領域應用探索的快速推進，數據驅動逐步成為大數據時代主流的教學范式，并呈現出科學化、精準化、智能化及個性化四大核心特征。

數據驅動的精準教學要求教師利用數據挖掘和學習分析技術將課堂教學與在線學習生成的數據“翻譯”成有價值的信息，如學困生的識別、知識缺陷的發現、教學目標的達成等，從而為教師的“教”和學生的“學”提供更準確、及時、全面的支持。

隨著大數據理念與技術在各級各類教育中的推廣，教學大數據的重要性日益凸顯，將成為教育信息化2.0時代課堂教學模式變革與創新的“助推器”。

教學大數據面臨的挑戰

但是，大數據技術與教學業務深度融合的過程必然不是一蹴而就的，教學大數據的發展仍面臨以下幾方面的挑戰：

第一，數據處理能力不足，難以對教學數據進行多元分析與準確的結果解讀。當前，中小學教師的數據分析、數據解讀及數據交流的能力還存在明顯不足：一是無法熟練應用EXCEL、SPSS等工具進行基本的教學數據分析與處理；二是在教學中缺乏對過程數據和結果數據深入、準確的解讀，難以形成正向的教學反饋流，指導教學實踐的改進；三是缺乏應用數據與家長、同事及領導開展交流對話的能力，難以在家校之間、師生之間、教師之間架構起支撐家校共育的“數據橋梁”。

教育行政部門應加強教師隊伍數據素養教育，通過開展教育大數據專題培訓、智慧課堂觀摩研討、網絡協作教研等多種活動，從意識態度、基礎知識、核心技能及思維方法四個層面全面提高教師、校長及管理人員的數據素養，并制定教師數據素養評估標準與考核辦法，以評價和考核為抓手，促進教師數據素養提升。

第二，線下學習過程性數據的采集仍是難點，該部分數據的缺失直接影響學習診斷與預測預警的準確性及綜合評價的科學性。在線下學習仍占據主導地位的今天，很多線下的學習活動數據，尤其是過程性學習數據及學習情緒數據，由于技術、環境、個性差異等諸多因素的限制，無法得到有效全面的采集。線下學習數據的缺失，就好比架在空中的半截“浮橋”，難以支撐完整“學習鏈條”的構建，直接影響到學習診斷與預測預警的準確性及綜合素質評價的科學性。

教育大數據服務商應加大力度研發線下學習數據的采集技術和產品，提高線下學習過程性數據采集的準確性與全面性。隨著教學數據的日漸豐富與復雜，學生的過程性數據將變得更具價值，企業研發的教學產品應重點收集學生學習行為數據、情感數據等，完善豐富教學數據體系。此外，教師需要培養自身的數據意識，有意識地收集、整理學生的線下學習數據，進一步豐富完善教學大數據，從而為學生學習診斷和預測預警的準確性和科學性提供全面的數據支撐。

第三，校企合作機制與規約機制仍不清晰，管理上存在較大的數據安全風險。教育行政部門應嘗試建立教育大數據產品準入機制，從數據安全、技術水平、維護能力等多個方面加強對企業大數據產品的鑒定與評估，選擇信譽良好、技術先進的教育大數據產品提供商作為合作伙伴，既為學校采購教育大數據服務提供保障，也有利于區域層面的教育教學大數據的融通共享，確保大數據產品在學校教育教學應用中的數據安全。

第四，多家企業大數據產品在學校獨立運行，直接造成學校教育數據的割裂，影響教育數據的融通共享及更大數據價值的發揮。一線學校由于缺少教育大數據項目的頂層設計和統籌規劃，往往出現一所學校內多個企業教育大數據產品獨立運行的現象，直接造成數據壁壘。

教育大數據服務提供商應遵循教育信息化行業相關技術標準，秉承“開放互聯”的基本原則，提供標準化的數據訪問接口，便于在不同大數據產品之間及與學校現有業務系統之間實現數據的無縫對接與共享，這也將成為教育大數據相關技術平臺的重要發展趨勢。對于學校而言，應在進行教育大數據項目規劃時，從整體出發，實現各個部門數據的一體化建設，打破“數據壁壘”，從根本上實現數據的互聯互通，從而真正發揮教育大數據的價值。

第五，數據分析模型的科學性和準確性仍是教育大數據的突出短板，制約了大數據技術在教育教學領域的推廣應用。當前很多企業在研發教育大數據產品過程中，往往難以擺脫IT思維，由于缺少對學校實際教育教學業務的深度理解，在數據源的選擇、指標權重設計等方面往往不符合或脫離教育規律，構建的數據分析模型的準確性和有效性都亟待提升，這直接影響了基礎教育大數據應用實踐的推進。