高職英語數據融合教學法：角色定位、評價定量和策略定制

【摘要】近年來，大數據技術發展迅速，大數據與電商、廣告、交通等各領域的融合應用呈井噴式發展。大數據對教育變革產生了巨大的推動作用。通過對國內外教育與大數據融合先進經驗的研究，以高職英語的現實需求為驅動，對教學中各角色進行清晰的功能定位，建立基于數據分析的高職英語定量化評價指標系統，指出高職英語教學與大數據融合面臨的問題，定制教學策略。

【關鍵詞】大數據；高職英語教學；教學策略

一、引言

近十年來，大數據技術發展如火如荼。大數據與各行各業的結合已經深入滲透到人們生活的方方面面。從交通路徑規劃到購物推薦，從廣告投放到人機圍棋競賽，都充分展現了大數據的強大能力。教育，也在這一輪大數據技術的浪潮中獲得了巨大的發展。

本文選取教育中的一個細分領域，即高職英語，研究其與大數據融合的教學方法，提出高職英語數據融合教學法：角色定位、評價定量和策略定制。在高職英語和大數據技術的有機融合教學方法中，“角色定位”研究得是傳統教學轉向基于大數據的新型教學，高職英語教師和學生應該怎樣重新定位的問題；“評價定量”研究得是構建專業知識圖譜，使用系統分析工具獲得多維定量化數據；“策略定制”闡述根據獲取的多維定量化數據，有針對性地定制教學策略。

二、教育大數據的研究現狀

權威期刊《Nature》在2008年就推出以大數據重磅專欄，系統地論述了大數據在數學、經濟、生物、教育、工程等學科中起到的作用和重要意義。權威機構麥肯錫在2011年發布《大數據：創新、競爭和生產力的下一個前沿》報告，正式預測大數據將成為促進生產力發展的重要角色。大數據迅速成為學術界和產業界的熱點研究論題。

美國教育教學技術研究中心于2012年發布了《通過教育數據挖掘和學習分析增進教學與學習》報告，討論了教育和大數據相結合的相關論題，內容涵蓋大數據挖掘技術、系統學習分析以及自適應教學系統中的應用等問題。

教育大數據在短短幾年從理論研究滲透到多層實踐。根據不同層次的需求，教育大數據的應用形成了各種產品和服務。包括適應性學習系統、個性化教學評測系統、海量數據共享等涵蓋教育大數據全領域的整體研究。

美國教育部在教育研究與實踐數據匯集方面開展了大量工作，匯集了大量數據。在其數據門戶Data.gov中，匯集的數據包含了數百個大型數據集。數據包含范圍很廣，涉及人口統計、學習成績、校園安全等情況。

最具有代表性的實踐平臺是以可汗學院（Kehan Academy）、Knewton為代表的旗艦級適應性學習系統。適應性學習系統，即對學生的學習進行自動化記錄，根據學生在系統中學習的狀態數據，進行數據分析，然后給出診斷和干預。

隨著數據挖掘和分析技術的進步，MOOC平臺呈爆發式增長。Coursera、edx等全球知名MOOC平臺吸引了數百所全球高等學府的參與。耶魯大學、麻省理工、劍橋大學、哈佛大學、斯坦福大學等全球頂級大學均積極參與MOOC研究和MOOC課程。

“十三五”規劃綱要（2016-2020年），第二十七章首次提出“實施國家大數據戰略”；第五十九章提出“推進教育現代化”。將二者有機結合，基于大數據的教育是未來教育現代化的發展趨勢。目前，包括北京大學、清華大學在內的國內數百所大學也成為MOOC合作院校。僅中國大學MOOC平臺就有9600多門MOOC課程。

綜上，國內教育大數據研究中走在前列的主要是北京大學、清華大學等一流學府，相對而言，高職學科教育與大數據的結合研究較少，迫切需要切實可行的數據融合教學方法。

三、高職英語和大數據融合的關鍵問題

高職英語作為一個細分學科，其與大數據的融合，在學習角色定位、多維評價系統和學習者特征三個方面，面臨的關鍵問題包括以下幾點。

（1）傳統教學轉向基于大數據的新型教學，高職英語教師和學生應該怎樣重新定位？

（2）在線教育基于大數據分析的評價體系，在個性化教學上獲得了成功。高職英語教學應當如何建立學習評價系統？

（3）高職英語的生師比高，學生間的英語基礎差異大，教師難以掌握每個學生的問題，采用何種策略來破解這一困境？

針對這些問題，結合國內外研究發展趨勢和高職英語近年的研究實踐經驗，本文提出高職英語數據融合教學法：角色定位、評價定量和策略定制。旨在為高職教育探索一條“數據助力教學，分析變革教育”的創新之路。

四、高職英語教學特點

教育與其他科學領域不同，各學科的教學都有截然不同的教學特征。教育與大數據的融合也沿襲了這一特點：不同垂直學科之間的數據融合度低，如數學和英語的數據很難放在一起分析。如偏重邏輯分析的數學學科教學和偏重情景習得的英語學科教學，在教學理念、教學體系、教學方法等方面特性迥異。針對這一問題，各個著名在線教育平臺也是分學科進行數據采集和分析的。

高職英語作為教育中的一個細分領域，不但有英語學科的教學特點，更有高職教育自身的特點，因此與大數據融合的教學方法必須深深植根于高職英語的固有特征。

高職英語數據融合教學法從知識系統、教學方法和學習者特征三個方面歸納特征如下。

（1）知識點碎片化：與數理化的遞進式深度樹形知識體系不同，英語的各個知識點比較分散，相互間更多得是并列關系，知識結構更趨向扁平化的廣度樹形結構。

（2）教學偏重實踐性：高職學生面向就業的意愿強，高職英語教學更注重專業性和領域性。

（3）學生英語水平差距大：對相同的教學內容，不同學生的學習效果差異大。

發掘高職英語教學特征，提煉應用需求，為開展有針對性的大數據與教學相結合的研究奠定基礎。

五、明確教學關系：角色定位

在早期傳統教學中，師生的定位是一個教一個學，以教師為中心。近年來，翻轉課堂概念的提出讓課堂教學有了新的理論指導。但是，在實踐中，仍然存在教學方法層次的難題。一名教師面對幾十名學生，僅憑借經驗和感受來推斷每一名學生的學習狀態，是非常困難的。通常在實際教學中，教師對每一名學生只能有定性判斷，對學生的學習狀態細節無法掌握。如果對學生的了解是片面的，則無法有針對性地進行教學調整，那么也無法真正地實現翻轉課堂以學生為中心的教學理念。

高職英語的數據融合教學法，除了學生和教師兩個角色外，引入一個新的角色，即數據分析和自適應教學工具。三個角色的定位與傳統教育不同，形成了新的教學關系。以學生為中心，以教師為教學組織者，而數據分析工具和自適應教學工具是服務于前面兩者的基礎。教師角色要為自適應教學工具提供高職英語學科知識圖譜以及教學中的非結構化數據。通過評測可以獲得學生在當前知識圖譜中的學習狀態數據。數據分析工具分析此二類數據，得到每名學生的個體學情報告和學生全體的學情統計報告。學生根據個體學情報告獲悉自身還需改進的方面。教師根據學生全體的學情統計報告，獲悉全體學生的總體優勢和不足，從而調整課堂授課的重點方向。

六、磨礪教學工具：評價定量

工欲善其事，必先利其器。首先，需要構建高職英語學科知識圖譜，并建立精化的多層次評價題庫。基于知識圖譜的評價題庫是數據采集的基礎。個性化教學的實現依賴于數據的采集和數據分析。

大數據來源是學生在高職英語教學的全過程中產生的各類數據，開啟全體學生、全教學過程、全數據代替樣本的全數據模式。全數據分為兩類：教學中，“學”的過程主要形成非結構性數據，數據噪聲較大；“習”的過程主要獲取結構性數據。

首先，為非結構性數據和結構性數據分別設立不同指標，建立定量化的學習評價指標系統，做到科學的指標設置。其次，各年級學生在平臺上完成高職英語的練習、作業、考試等各項評估，系統根據評價指標采集每名學生的各項學習狀態數據，消除數據噪聲，做到精準的數據采集。按評價指標系統采集到量化數據后，根據指標系統配置數據分析工具的篩選條件、計算變量等，深挖數據背后的學情信息。最后，使用數據分析工具挖掘數據表象背后的學生學習特征，深度數據分析。

七、解決教學困境：策略定制

傳統高職英語依靠教師課堂教學的單核心驅動，學生積極性不高。高職英語數據融合教學法提出每名學生、教師、大數據分析工具共同發力的眾核驅動教學策略。以學生為中心，教師作為教學組織者和引領者，大數據分析工具負責提供學生個體和整體學習狀態信息；教師據此制定教學方案，課上教學解決共性問題；學生根據數據分析結果，針對自己的問題鞏固加強，實現個性化教學。

八、結語

大數據技術對教育領域極具沖擊力。大數據與教育的融合效果取決于具體的應用方法。高職英語數據融合教學法以高職英語教學為特定研究對象，分析高職英語教學與大數據相結合面臨的實際問題，探索師生角色定位、學習狀態評價定量和教學策略定制的問題。為大數據在高等職業教育領域的創新應用實踐提出方法，開拓思路。

參考文獻

[1]Big data[DB/OL].2018-09-29：https：//en.wikipedia.org/wiki/ Big_data.

[2]Enhancing Teaching and Learning through Educational Data Mining and Learning Analytics[DB/OL].2012-10-12：http：// www.ed.gov/edblogs/technology/files/2012/03/edm-la-brief. pdf.

[3]國家中長期教育改革和發展規劃綱要2010-2020[EB/OL].2010-07-29：http：//old.moe.gov.cn/publicfiles/business/htmlfiles/moe/ info_list/201407/xxgk_171904.html.

[4]薩爾曼·可汗.翻轉課堂的可汗學院：互聯時代的教育革命[M].杭州：浙江人民出版社，2014.

[5]B Daniel. Big Data and analytics in higher education： Opportunities and challenges[J]. British Journal of Educational Technology，2015（09）.

[6]孫洪濤，鄭勤華.教育大數據的核心技術、應用現狀與發展趨勢[J].遠程教育雜志，2016（05）.

[7]吳曉蓉，謝非.大數據時代教育研究的變革與展望[J].西北師大學報，2018（01）.

[8]丁小浩.大數據時代的教育研究[J].清華大學教育研究，2017（10）.

作者簡介：趙宇（1984—），女，碩士，副教授，研究方向：英語語言文學。