基于學科能力分析的個性化教育服務研究——以大數據分析平臺“智慧學伴”為例
*

李曉慶 余勝泉 楊現民 陳 玲 王 磊

?

基于學科能力分析的個性化教育服務研究*——以大數據分析平臺“智慧學伴”為例

李曉慶1余勝泉2楊現民3陳 玲1王 磊1

（1．北京師范大學 未來教育高精尖創新中心，北京 100875； 2．北京師范大學 教育學部教育技術學院，北京 100875； 3．江蘇師范大學 智慧教育研究中心，江蘇徐州 221116）

隨著國家教育改革的逐步推進，個性化教育逐步轉變為教育改革的發展方向，未來教育將愈加呈現個性、精準、自適應的趨勢。文章以學科能力分析為主落腳點，研究個性化教育服務，并以大數據分析平臺“智慧學伴”為例，融合學科能力分析理念，研發基于互聯網和大數據的智能服務，為學生、教師、管理者的個性需求提供個性支撐。同時，結合“智慧學伴”在北京市通州區的實踐經驗，文章從學科能力分析和個性服務的精度、廣度和深度等方面進行反思，并提出大數據應用到實踐中的思考和建議。

個性化教育；學科能力分析；大數據

引言

伴隨高等學校考試招生制度改革的進程，國家開啟了第二批高考改革的試點，北京市作為首都，承載著國家教育發展的重要使命，在教育改革大背景下做了很多有意義的探索。2016年5月，北京市教育委員會（下文簡稱“北京市教委”）下發了《北京市深化考試招生制度改革實施方案》，提到要把促進學生健康成長、成才作為改革的出發點和落腳點，扭轉片面的應試教育傾向，堅持正確育人導向。2017年7月，北京市教委發布《北京市普通高中學業水平考試實施辦法（試行）的通知》，明確提出深入推進素質教育，促進學生全面而有個性的發展。可見，未來教育更加強調育人導向、個性發展，以及在規模化人才培養中探索個性化的實踐路徑。

第三次工業革命的到來掀起了一股科技創新的浪潮，教育大數據能夠改變工業時代的流水線人才培養模式，通過驅動教師的個性化“教”和學生的個性化“學”，最終為每個學生提供最適合的個性化教育[1]。而如何去發現個性，如何借助大數據為個性化能力培養提供支持，又如何借助大數據為學生、教師、學校提供個性化的服務等一系列問題，值得研究者進行深入思考。基于此，本研究探討學科能力分析體系支撐下的個性化教育服務路徑，通過大數據分析技術所提供的個性化支持，對學生的學科能力進行診斷、建模，從而為學生、教師、學校提供更加個性化的教育服務。

一基于大數據的學科能力分析為個性化教育帶來契機

教育部在2016年發布的《考試招生制度改革要求》中指出，要“深化考試內容和形式改革，著重考查綜合素質和能力”。由此可知，未來教育傾向于能力型人才的培養，基于學科能力分析可以了解學生學科發展的個性需求，為學生個性化的成長提供以下幫助：

1 學科能力分析幫助個體精準定位學科學習深度

學科能力是指學生順利進行相應學科的認識活動和問題解決活動所必需的、穩定的心理調節機制，其內涵是系統化和結構化的學科知識技能及核心學科活動經驗圖式（穩定的學科經驗結構）[2]。精細的學科能力分析可以幫助教師精準定位教學重點，開展更具個性化的活動。經過綜合分析，本研究發現學科能力轉化為學科的實踐力（即利用系統化和結構化的學科知識技能來解決實際問題的能力）尤為重要，學科能力的層級決定了學生學業水平的高低。

2 學科能力分析助力個性化學科潛力和優勢的發現

大數據可以聚焦于學生的微觀表現，成為學科學習檔案的記錄工具，為各個學科的學習提供支撐。通過大規模的學科過程數據匯聚，可以精準地分析學習者的個體知識能力結構、個性傾向、思維特征、學習路徑和學科素養發展狀況[3]，并聚焦于學科過程數據的深度挖掘，使研究人員能夠發現更多的學習者特征、捕捉學習者更深層次的行為表現，從而創建更復雜、真實的學習者模型[4]。依據學科能力大數據的分析結果，可以發現學生的潛力和優勢。

3 學科能力分析為個體建模提供系統支撐

在常態化的互聯網學科學習中融入學科能力分析，可以為個體建模提供系統支撐。個性化學習服務的確立，應當以基于人工智能技術的智能教育云服務平臺為支持，以需求本位的個性化學習內容推送、能力本位的個性化學習路徑生成和掌握本位的個性化學習評價為服務方向[5]。學科能力和大數據融合分析為個體提供了最適宜的個性學習路徑、學習資源、學習導師等服務，借助學科能力的頂層架構，可實現測評工具、精品資源、人力服務一體化的個性化服務體系。

綜上所述，基于大數據開展學科能力分析既為個性化教育帶來了契機，也為互聯網時代學生的個性學習、教師應對教育改革的個性教學與班級管理提供了機遇。

二基于學科能力分析的個性化教育服務理論與技術體系

北京師范大學未來教育高精尖創新中心（下文簡稱“高精尖中心”）是北京市支持的、面向基礎教育難題破解的一家高端教育創新研究機構，其核心工作目標之一是推進北京市教育公共服務從數字化轉型為智能化。在北京市教委的支持下，高精尖中心研發了智能大數據服務平臺——“智慧學伴”，以學科能力分析體系為底層支撐，探索個性化教育服務，實現“物找人”的轉變。

表1 3×3學科能力分析體系的樣例[6]

1 學科能力分析體系介紹

學科能力分析體系由北京師范大學9個學科的專家團隊聯合研發，以中學新課程標準中學科的核心主題及概念為抓手，按照學習理解、應用實踐、遷移創新三大同一維度進行設計，融合了9大學科相對個性的3×3學科能力分析體系（三大同一維度延展成學科個性的9個具體能力），其核心概念圍繞3×3框架，設計形成具體學科的能力指標體系[2]。該體系由北京師范大學王磊教授牽頭研發，已投入應用近2年，既是“智慧學伴”的頂層核心理念，也是國家社科基金“十二五”規劃教育科學重點課題“中小學生學科能力表現研究”的重要研究成果。

3×3學科能力分析體系的樣例如表1所示。表1顯示，3×3學科能力分析體系既考慮學生能力發展的進階型，又考慮不同學科學習的特殊性，為個性化教育提供了更加細致的理論參考。

2 基于學科知識和學科能力的編碼體系

為了真正實現個性化，學生的互聯網學習行為分析將與知識、能力發生緊密關聯。從個性化的分析編碼體系出發，根據編碼體系研發學習內容和策略，面向群體推薦學習內容，數據驅動的過程能更好地實現個性化學習[7]。基于大數據的學科能力分析體系結構樣例如圖1所示。

圖1 基于大數據的學科能力分析體系樣例

圖1顯示，學科具體的核心知識形成知識圖譜，知識圖譜上的關鍵節點按照3×3的學科能力分析體系延展為具體能力表現。能力表現根據所屬等級不同而描述不一，A、B、C層級之間有明顯不同的能力要求，單個層級進一步細分為3個不同層面的表現。

3 學科能力分析體系與智能服務內容的關系

為了融通各項個性服務，高精尖中心組織業界學科專家，研討了學科能力和技術整合的實施邏輯，圖2為學科能力分析體系與“智慧學伴”內容邏輯。

圖2 學科能力分析體系與“智慧學伴”內容邏輯

圖3 個性化教育服務模型

從圖2可知，學科能力分析體系既可作為測評工具和優質資源的編碼體系，也是在線教師的標簽參考。學科能力分析體系是整個智能教育服務平臺的支撐體系，是優質在線服務的理論支撐，更是基于大數據開展個性化服務的重要基礎。

三依托大數據開展學科能力分析促進個性化服務實踐

建立基于大數據的個性服務體系，既是國家課程改革對基礎教育提出的外在需求，也是學校面向未來教育發展的內在需求。參照學科能力分析服務體系，本研究以課程標準中的核心知識作為核心概念，延展形成學科能力指標體系，以實踐數據為支撐，研發設計了個性化教育服務模型（如圖3所示），并在北京市通州區31所初中學校的9個學科進行了應用實踐。

1 學生個性化學習服務

（1）個性化測評與資源

所謂個性，需以學習者的需求為導向，提供有針對性的服務。在個性化學習實踐中，“智慧學伴”個性化的學習路徑主要包括個性化測評和個性化資源，為學習者設計了與其學習進度匹配的個性學習任務，包括作業、測評、微課資源等。同時，學生的點擊行為、觀看時間、停留學科等數據將被“智慧學伴”平臺記錄下來。由此，依據學生的學習行為數據分辨出隱含的關聯，準確地預測學生的學習路徑及其發展趨勢，可為學生提供更具有針對性的課程資源、學習內容[8]。基于通州區31所初中學校的實踐，個性測評和資源會激發學生的測評和資源學習動力，從而實現大數據的匯聚。

（2）個性化報告與地圖

學科能力分析體系是個體學習內容的理念體系，大數據可以將大量融合學科能力的測評數據進行解碼，形成個性化報告和地圖，并按照學習理解、應用實踐和遷移創新的學科能力維度進行報告解析，實現跨學科的橫向報告分析。個性化報告主要指學生經過針對性測評之后得到專門的個性分析反饋，將多重編碼的工具解碼后，形成包含學業基本表現、學科能力、學科素養、學科成就的綜合分析報告。通州區學生個體報告框架如圖4所示。

圖4 通州區學生個體報告框架

圖5 同一個教師開展不同班級教學的報告反饋

隨著大量學習數據的匯聚，“智慧學伴”將學生的學習數據轉化為學科知識點與能力狀態，學生的學科知識地圖逐步被點亮，可形成在該學段的個性化知識體系，針對知識點狀態自適應推薦相應的學習資源。在學科能力分析體系的支撐下，個性化服務更加接地氣。

（3）個性化雙師與學伴

基于學科能力分析體系，“智慧學伴”提供了個性化雙師和個性化學伴兩個層面的人力服務。個性化雙師服務是指每位學生除了在校時間獲得本學校教師提供的面對面實體教學服務，還可以在課外借助網絡對自身學科問題和優勢的診斷，為每個學科配有在線教師，提供一對一的實時個性化在線輔導[9]。個性化伙伴服務是站在同齡人的角度為學生推薦個性學伴，同樣按照學科能力分析體系來標識，根據學生在學科具體核心概念上的能力表現來匹配互動學伴。在通州區31所初中學校的應用中，學科能力分析體系成為個性化雙師和個性化學伴的推薦依據，發揮了極大作用，提升了學生的獲得感。

2 教師個性教學服務

結合學科能力分析體系，“智慧學伴”為教師提供了個性化教學地圖、個性化學科報告、個性化學科作業和個性化網絡教研等個性服務。

（1）個性化教學地圖

能力分析將幫助教師聚焦于具體內容主題，而核心內容主題的狀態決定了班級教學地圖。主題能力分析能幫助教師關注到群體個性，并可以精準定位到學生個性。圖5為同一個教師開展不同班級教學的報告反饋，任教班級非薄弱點和薄弱點直觀展現，不同顏色代表不同狀態，教師可選擇不同班級對比查看。

（2）個性化學科報告

借助大數據的優勢，本研究從學科能力的3×3角度開展深度分析，提煉出教師最薄弱的能力，將個性化學科報告呈現給教師；學科素養的宏觀分析利用大數據標定的意義進行展現，為教師的個性化教學提出建議；學科知識的微觀分析則站在具體教學角度，提煉出最有價值的學科知識薄弱點和不同班級、不同屬性的群體感知，為個性化教學提供直接幫助。

（3）個性化學科作業

“智慧學伴”可以根據匯聚的大數據來分析學生的優勢和弱點，開展作業自適應推薦。教師可從平臺智能提煉同級學科能力的測評工具和學習資源，干預學生的學習表現，給予個性化指導，讓學科作業的支持更加有效。

（4）個性化網絡教研

有了大數據和學科能力之后，教師網絡教研將會更加聚焦。大數據匯聚分析之后的報告可凝練出網絡教研的主題庫，為教師推薦個性化的教研主題，并且自動反饋到教研員角色端，形成規范的網絡教研流程，讓教師能開展基于數據的教研。

3 學校個性化管理服務

學科能力表現支撐下的個性服務則為群體個性管理提供了支撐，更好地服務于班級、年級和學校，并從以下方面提供個性服務：

（1）學科能力分析體系助力群體個性學科優勢分析，便于個性化教學管理

學科能力分析體系可以個性化地分析出群體的優勢和弱勢學科，有利于班主任協調班級的個性優勢，重點突破；并可分析出擅長某幾個學科的學生群體，利于開展群體分類教學，并逐點突破，針對不同類型的群體設計不同的活動和教學策略。

（2）學科能力分析體系助力群體個性素質分析，便于個性化學習管理

對于同一年齡段學生群體，學科能力報告將反饋群體在學科上的具體表現，在一定程度上將揭示群體的個性性格、思維等心理傾向，折射出群體的素質。報告分析將把這類群體分析數據挖掘出來，按照群體素質特征部署學習方法、學習策略和學習任務等。

（3）學科能力分析體系助力群體個性活動設計，便于個性化發展管理

學校所處的地區、學校師資、所在地域的經濟都會影響學校的個性發展，再從學科能力分析的角度看學校個性，學生差異將會愈加明顯。在設計群體活動時，應依托學科能力分析體系設計教學活動，利用大數據實現個性發展管理，使學校個性服務得到體現。

學科能力分析體系為不同群體開展個性活動提供了支撐，對于群體的個性管理更加有效。在群體大數據的基礎上挖掘出群體特性，更利于全面提升群體的能力表現。

四利用學科能力分析實現個性化教育服務的思考

1 學科能力結果分析與過程分析統整實現個性化教育服務的精度

傳統的考試數據經過編碼之后，可形成學生某個階段學科能力的診斷報告，大數據的積累會揭示學生的個體表現，可以提供基于個體表現的個性服務。但是，基于結果的分析報告提供的個體服務相對有限，隨堂練習、課堂提問、家庭作業、實踐活動都是反映個體過程表現的數據。過程和結果數據統整后，可以精細建模，提供的個性服務更有精度，但過程大數據的編碼也是研究難點——對所有過程數據編碼需要強大的工作量，需要研究人員進一步開展研究。

2 個體校內與校外分析數據融合影響個性化教育服務的廣度

學生參與校外實踐活動，也是學生學科能力分析不可或缺的部分。校內規范學習和校外實踐活動的融合，可以為學生進行完整個體建模；校內外分析數據的融合，將會影響個性化服務的廣度。在個性化服務的過程中，要繼續挖掘學生生活實踐方面的表現，基于學科能力分析編碼，預測、分析學生的應用實踐能力和遷移創新能力，從校內公共服務和社會服務的角度提供個性化支持。通過個性化應用服務，進一步聚焦于教育中的精準教學、科學管理、全面而有個性的發展評價、個性化服務以及基于全樣本的科學研究[10]，可以擴寬基于數據的個性服務廣度。

3 學科能力大數據分析維度與角度決定個性化教育服務的深度

當前，深度學習是智能教育服務領域廣為應用的學習理論。深度學習會基于數據挖掘的算法，計算出更多隱含的、內在的學習者特征，為真正個性化教育服務提供支撐。在智能教育服務中，個性化教育服務的深度與學科能力分析的方法、維度和角度密切相關，后續研究可以從多方面分析個體的內在需求和行為預測，進一步探尋個性化教育的深度服務內容使教育朝著個性、多元、智慧的方向走向未來。

[1]楊現民,唐斯斯,李冀紅.發展教育大數據:內涵、價值和挑戰[J].現代遠程教育研究,2016,(1):50-61.

[2][6]王磊.學科能力構成及其表現研究——基于學習理解、應用實踐與遷移創新導向的多維整合模型[J].教育研究,2016,(9):83-92、125.

[3]余勝泉,李曉慶.基于大數據的區域教育質量分析與改進研究[J].電化教育研究,2017,(7):5-12.

[4]何克抗.促進個性化學習的理論、技術與方法——對美國《教育傳播與技術研究手冊(第四版)》的學習與思考之三[J].開放教育研究,2017,(2):13-21.

[5]牟智佳.“人工智能+”時代的個性化學習理論重思與開解[J].遠程教育雜志,2017,(3):22-30.

[7]李振,周東岱,鐘紹春,等.基于云計算的個性化網絡學習空間研究[J].現代教育技術,2016,(11):114-120.

[8]楊雪,姜強,趙蔚.大數據學習分析支持個性化學習研究——技術回歸教育本質[J].現代遠距離教育,2016,(4):71-78.

[9]陳玲,余勝泉,楊丹.個性化教育公共服務模式的新探索——“雙師服務”實施路徑探究[J].中國電化教育,2017,(7):2-8.

[10]楊現民,唐斯斯,李冀紅.教育大數據的技術體系框架與發展趨勢——“教育大數據研究與實踐專欄”之整體框架篇[J].現代教育技術,2016,(1):5-12.

編輯：小西

Research on Personalized Education Service based on the Analysis of Disciplinary Competence——Taking Big Data Platform “Smart Learning Partner” for Example

LI Xiao-qing1YU Sheng-quan2YANG Xian-min3CHEN Ling1WANG Lei1

With the advancement of national educational reform, personalized education has gradually transformed into a direction of educational reform. Future education will be increasingly taking on the tendency of individuality, precision, and self-adaptation. The present article explores personalized education service systems with a focus on the analysis of disciplinary competence and studies. Meanwhile, in integrating the big data analytic platform “Smart Learning Partner” with theories of disciplinary competence analysis, the present research develops intelligence services based on the Internet and big data with an aim of providing individual support for students, teachers and managers. Moreover, in combination with the practical experience in Tongzhou district, this article conducts an overall review from the precision, breadth and depth aspects of disciplinary competence and personalized service. Finally, this article proposes suggestions and rethinking for a better practical application of big data.

personalized education; analysis of disciplinary competence; big data

G40-057

A

1009—8097（2018）04—0020—07

10.3969/j.issn.1009-8097.2018.04.003

本文為教育部哲學社會科學研究重大課題“‘互聯網+’教育體系研究”（項目編號：16JZD043）的階段性研究成果。

李曉慶，碩士，未來教育高精尖創新中心學科教育實驗室常務副主任，研究方向為大數據助力區域教育質量改進、技術支持的教與學，郵箱為lixiaoqing8507@bnu.edu.cn。

2017年8月20日