數據智能支撐的課堂教學管理躍遷研究

詹青龍　楊晶晶

[摘? ?要] 作為數字土著的學生特別是中高職學生，在課堂中表現為低頭族、手機族、睡覺族等現象較為普遍，但目前的課堂教學管理大多停留在經驗和直覺層面，難以作出精準的調控和管理。因此，亟須憑借智能信息技術來改善，而數據智能的出現則為其提供了契機。文章在分析數據智能支撐的課堂教學管理優勢的基礎上，探討數據智能型課堂管理躍升的三步進階法即教師主控、師生共促、自律檢測，建立學生 “行為改善、習慣養成、能力提升、持續成長”等課堂教學管理目標的四重境界，構建涵蓋課堂內容、活動、時間、問題行為和評價五個維度的精準管理策略，強調“教、學、管”統整，彰顯精準教學和智慧管理的價值，希冀提高課堂教學效果，有效地促進學生全人的發展。

[關鍵詞] 數據智能; 課堂教學; 智慧管理

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 詹青龍（1970—），男，湖北襄陽人。教授，博士，主要從事教育信息化、人工智能教育應用等研究。 E-mail：qlzhan@126.com。

一、引? ?言

大數據、人工智能和機器學習等新技術的涌現和應用，為學校發展和教學變革創造了新的機遇。越來越多的智能設備、智慧系統或平臺進入校園，智慧校園、智慧課堂的建設得以持續推進。在智慧課堂的實現過程中，數據是基礎，教學是根本，智慧是關鍵，管理是保障。作為影響課堂教學效果的重要因素，課堂教學管理是若干學校教學中的困境。教師如何在智慧課堂中結合智能設備實時采集的數據，合理分析并有效進行課堂教學管理至關重要。隨著技術的發展，智能設備不再局限于處理綜合性數據，而更多地使用場景中的真實數據，從而發揮數據的更大價值，改善與人的交互能力，因此“數據智能”這個新物種順應而生。如何利用好教育過程中的實時數據，充分發揮數據智能在教育教學和課堂管理中的價值，有機地成為伴隨式技術，將成為教育領域研究的關注點和方法論上的探索點。

本文以課堂教學管理的現狀為切入點，以數據智能的理念和技術作支撐，分析數據智能型與傳統型課堂教學管理的比較優勢，探討傳統的課堂教學管理躍遷到數據智能引發的課堂教學管理創新和樣態，突出“三步進階、四重境界、五維精準”，強調“教、學、管”統整，彰顯精準教學和智慧管理的價值，進而提高課堂教學效果。

二、課堂教學管理的現狀及數據智能提供的改善契機

（一）課堂教學管理的現狀

當今的課堂教學中，作為數字土著的學生特別是中高職學生，課堂上普遍表現出“低頭族”“手機族”“無書族”“睡覺族”“聊天族”等現象，有研究將此歸因于學生不愛學習、學習態度不認真、教師的知識陳舊、教學方法單一、缺乏互動等[1]，從中可以看出教師管理上的無奈，管理難出成效。筆者結合對真實課堂的觀察和自身實際教學過程中的感受，發現在大多數課堂中，存在因課堂教學管理方面的難題而直接影響教學進度，進而影響整個教學效果和質量的現象。

隨著教育信息化的持續推進，越來越多的智能技術得到采用，使得課堂教學及活動逐漸數字化，“數字驅動教學”已成為時代的選擇，學習資源日益豐富，教師不再是學生知識的唯一源頭，教師職能也應從以教授為中心轉變為“教、學、管”統整。教育信息化要求全方位推進教學管理改革和創新[2]，但目前的課堂教學管理大多停留在經驗和直覺層面，難以作出精準的調控和管理。因此，課堂教學管理應轉向基于數據的、精準的、個性化的、科學化的管理，而數據智能的出現則為其提供了契機。

（二）數據智能為課堂教學管理改善提供了契機

1. 數據智能的概念

數據智能是利用分析工具和數據挖掘等智能技術對收集的海量數據，加以智能化分析與處理，將數據轉化成可操作的信息，發現洞見和趨勢，從而改進決策與管理的一種方法。數據智能代表著一種新的范式即認知范式，其終極目標是決策智能化，超越了“是什么”和“為什么”的第四范式即數據密集型范式。

在國內，百度公司2014年提出了數據智能的概念，是指基于大數據引擎，通過大規模機器學習和深度學習等技術，對海量數據進行處理、分析和挖掘，提取數據中所包含的有價值的信息和知識，使數據具有“智能”，并通過建立模型尋求現有問題的解決方案以及實現預測等[3]。簡單地說，數據智能就是大數據和人工智能技術的融合[4]。在國外，數據智能的定義主要有兩種：數據智能就是收集和分析海量數據以發現數據蘊含的趨向的過程[5];數據智能是使用方為了更好地理解所收集的信息以改進其服務或投資而使用的所有智能分析工具和方法[6]。數據智能是一系列能力的集合，其實現的核心技術是數據智能平臺（也稱為中臺）。數據智能平臺能承載和調用一系列智能數據（面向特定情境和問題的數據集），進行實時數據處理、分析和挖掘，提取數據中所包含的具有情境價值的信息和知識，形成不同的情境化數據處理能力，并通過建立核心模型（由人的智慧和機器學習優化而來的模型）、構建流程和數據產品，最終實現自動決策[4]。

數據智能提供了360°的教學環境視圖，涵蓋以教學和學生發展為中心的增強分析、預測和決策。（1）描述性：檢查和審核教學數據，從而了解、分析教學績效和學生行為;（2）規定性：開發和分析教學過程中的替代性知識;（3）診斷性：確定課堂中可能發生的小微事件及原因;（4）預測性：分析歷史數據以確定未來的課堂教學和管理;（5）決策性：測量課堂數據的充分性，并給出在多種可能性環境中未來要采取的最佳行動。

2. 數據智能為課堂教學管理改善提供契機

數據智能可觀測、分析、解釋、預言和調控對象，細致入微地洞察每個人的行為模式，量化描述人的生理、人格、知識、意向、情感、行為等屬性，預測人的言行所表現出的意義以及行動的傾向性和可能性，進而透視人的心理與動機，并進行影響、控制和調節[7]。在課堂教學管理中，數據客觀地表征著學生的課堂行為或學習實在，而數據智能以“會自己說話的方式”自動介入到課堂教學治理中，生成新的課堂治理機制，實現數據與行動的一體化。

數據智能作為數據分析的高級階段，其增強分析打破了現有學習分析的藩籬：一方面，以往的數據分析多半停留在原始學習行為屬性本身的分析層面，可理解性差，缺乏全過程關聯性分析;另一方面，難以最大限度地挖掘數據價值，缺少基于人機交互的可視化分析[8]。數據智能綜合運用數據挖掘、數據處理和分析、機器學習、模式識別、可視化呈現等技術，發現課堂教學數據中潛在的關聯并建立關系模型，實施增強分析和動態自適應，為課堂教學管理決策及有效預防提供支架。

數據智能是提升課堂教學及管理內涵和助推其優質發展的巨擘，也是預測、決策課堂教學管理的應然結果和必然要求。數據智能通過捕獲學生的學習反應和行為呈現，量化學生自我或生成畫像，洞察其心理活動和思維過程，積極調節和干預，強化數據智能驅動的教學決策和管理能力，展示精準教學和智慧管理的價值，有效地促進學生全人的發展。

三、數據智能型與傳統型課堂教學管理的比較分析

傳統課堂教學管理的特征主要表現為直覺化、經驗化。首先，教師在處理學生課堂問題時，常出現“對人不對事”的現象。對于同一個問題，已經對學生有經驗化認識的教師，對于不同印象的對象可能會采取完全不同的問題解決方式，這種不公平的管理方式會直接影響學生的學習積極性。其次，班級授課制決定了教師不可能持續關注或者照顧到每一位學生，因此會出現對學生課堂問題行為管理不及時的現象，這可能會助長學生的僥幸心理，從而增加問題行為發生的頻次，甚至會造成其他問題行為的發生。

針對傳統課堂教學管理存在的問題，結合各種智慧系統和智能設備進入教室、多方打造智慧課堂的教育現實，以數據智能作為關鍵理念和方法來躍升課堂教學管理深具價值。數據智能“有助于堅持以學生需求為導向，營造更加人性化的管理氛圍，通過信息交流機制的多元化和人性化，消除教師與學生之間的溝通障礙”[9]。

在數據智能支撐的課堂教學管理中，多種智能技術融入課堂教學，通過記錄學生全方位、全時段的學習行為數據，并配以手勢識別、表情識別、文本分析等數據分析技術，實現課堂教學管理的全局性、實時性、精準性、可視性，保證課堂教學高效進行和提高課堂教學質量。數據智能可以對學生學習和行為進行客觀描繪，科學、公正地能幫助教師改變“先入為主”的直覺判斷，做到依據數據的科學化智能管理。

數據智能借助情感分析、注視分析等多模態分析技術[10]對數據進行多維度分析，從而深度了解學生深層次的學習情況。教師根據智能分析的結果，不僅可以了解學生的興趣點、存在學習困難的知識點、已經掌握的知識點，還可以全面了解學生的學習習慣，甚至通過大量學生表現的匯總發現問題行為發生的潛在座位區，進而利用智能設備針對性地進行智慧化管理。兩者的比較分析如圖1所示。

四、數據智能支撐的課堂教學管理躍遷

傳統的課堂教學管理狹義于管，而有效的課堂教學管理在要素上包括教、學、管，在實施上包括方法、目標和策略。基于數據及其價值利用的課堂教學管理，數據智能則強調“教、學、管”統整的方法、目標和策略，如圖2所示。圖2最中心的位置是“教、學、管”，其中教學互動作為連接教師的教、學生的學和師生共同管理的橋梁，是實現課堂教學管理的必要通道。教學互動表現為教師與學生個體、教師與學生小組、學生個體與學生個體、學生個體與學生小組等多元主體間的互動。在圖2的內環，“教師主控、科學預防”“師生共促、精準調控”“自律檢測、全面發展”，是數據智能支撐課堂教學管理躍升的三步進階。在圖2的外環，行為改善、習慣養成、能力提升、持續成長是課堂教學管理的變革路向，也是數據智能支撐課堂教學管理目標的四重境界。通過三步進階的管理方法，可在改善學生日常行為的基礎上，幫助其自主探索、合理安排時間等良好學習習慣的養成，并逐步增強自我管理能力，進而為自身的可持續成長提供可能。

（一）三步進階：數據智能支撐的課堂教學管理方法

數據智能支撐的課堂教學管理方法采用三步法，即初、中、高三階段，如圖3所示。

1. 初級階段：教師主控，科學預防

該階段是課堂教學管理的基礎階段。預防系防患于未然，即通過對智能教學系統等進行數據挖掘，搜集學生學習行為、學習時間、學習效果等客觀多維數據，經過多元統計分析、關聯分析、用戶模型、可視化分析等全方位獲得學生的真實學習情況，從而在教學設計的大層面上，精細設計和最佳分配各部分學習內容、學習支持與拓展資源、學習時間等，防止紀律問題的產生，進而提高學習效率和時間利用率。

2. 中級階段：師生共促，精準調控

該階段是課堂教學管理的關鍵階段，主要針對教學過程中的精準調控，也是數據智能發揮價值的關鍵所在，交互式實時數據可視化可幫助教師發現并診斷課堂管理問題。傳統課堂中，由于班級人數較多，教師不能及時發現所有學生是否在認真聽講，特別是有些貌似在看黑板的同學。而在數據智能支撐的課堂中，監控視頻全方位拍下學生行為，可直觀發現走神、搞小動作、睡覺、小聲聊天等行為的學生。同時，還可以通過眼動追蹤、表情識別記錄學生的真正聚焦點、學習難點與活躍點等，采用多元數據統計分析明了學生的真實情況，從而有的放矢，針對性講解與糾正。在整個過程中師生、生生及時互動，互相監督和促進。

3. 高級階段：自律檢測，全面發展

該階段是課堂教學管理的保障階段。一次的提醒和管控不能確保完全制止學生的所有問題行為，不良習慣的改正和好習慣的養成都需要時間，數據智能支撐的課堂通過采集日常課堂教學的全景數據，能持續追蹤學生的學習行為;同時，利用智能算法、搜索引擎、關聯分析、啟發式探索、推薦系統等提供給學生適切的資源，優化學生的學習路徑，維持學生持續性學習的動力，從而改善學習效果。此外，系統結合實際數據分析通過即時反饋表揚學生表現好的地方，指出其需要改進的地方，逐步培養學生自我完善、自我管理的意識與能力。

（二）四重境界：數據智能支撐的課堂教學管理目標

行為改善、習慣養成、能力提升、持續成長等學生自我完善的能力目標，是數據智能型課堂教學管理的四重境界，也是數據智能價值發揮的真正體現，實現依次增強，見表1。

1. 行為改善

數據智能結合行為改變技術（Behavior Change Techniques），能建立有效的干預，改善學生的行為。IBM運用人工智能設計了對具體場景有效的、具有搜索、預測、推薦和解釋功能的行為改善干預算法，具體包括：（1）無監督和有監督的信息提取算法，可從行為改善干預評估報告中自動提取關鍵信息;（2）機器學習和推理算法，可對提取的信息進行推理，給出具體場景的干預建議，并預測尚未經實驗的干預措施的可能結果[11]。對于學生來說，行為改善包括學習行為和紀律行為兩個方面，基于數據智能的課堂管理是引導學生行為改善的基本法則。數據智能技術能自動化生成學習情況表單、錯題集、違反紀律情況等并實時反饋給教師，及時提醒學生正確認識自己的表現。學生可以可視化地與各類數據交互，針對自身問題改變自身行為，從而朝著成績優異、課堂守紀的方向發展。

2. 習慣養成

偶爾行為的改善并不能真正改變學生的學習習慣，習慣的養成需要充足的時間和持續的自律或督促。傳統課堂中，雖然每節課都會注意學生好習慣的養成，但由于學生多且行為習慣各異，要求任課教師在完成教學任務的前提下，時刻督促每一位學生好習慣的養成，其效果可想而知。數據智能支撐的課堂教學管理恰好能在這方面有所建樹。數據智能支撐的課堂教學環境，可利用數據智能平臺的場景捕獲和機器視覺智能診斷功能，也可利用具有分析功能的攝像頭和場景自動切換的智能錄播系統，采用面部表情自動識別技術、眼動追蹤技術等從時空兩個維度，實現對學生學習行為的持續性、多方位、深層次的關注，從而督促學生與同伴時刻注意自身行為的合適性，進而促進好習慣的養成。

3. 能力提升

知識的快速更新致使學生無法始終掌握所有知識，教師應分享給學生獲取知識的方法和能力，因此關鍵在于學生各方面能力的培養與提升，特別是學習能力與自我管理能力。數據智能在這方面可展現其獨特的魅力，它不僅能通過多模態資源、多元交互設備等極大地豐富教學活動的種類與形式，還可以通過聚類或回歸分析、關聯分析、啟發式探索、即時反饋、自適應路徑推薦等培養學生的邏輯思維與問題檢索能力，訓練提升自身能力，再配合教師的適當引導，逐步完善自身能力結構。Kumar等[12]提出了一個基于能力的學習分析框架，其目標是將學生的表現轉化為能力檔案，主要依托于開源框架Hackstat收集、分析、可視化、解釋、注釋以及發布軟件開發過程和產品數據，通過抽象語法樹等可視化技術將學生表現轉化為熟練程度，進而實現其能力表征，并在Java課程中得到驗證。

4. 持續成長

持續成長是學生的終極目標。每個學生都是獨特的、有獨立意義的人，同樣的教師在同一課堂以同一速度講授相同的知識點，不同學生的接受程度千差萬別。因此，不僅在教學內容如學習資源的提供上要因人而異，在教學管理上也要依據學生的個人性格特征、學習風格等進行個性化處理。個性化支持與服務是數據智能的關鍵特征，也是實現學生可持續成長的重要支撐，實時動態的數據為學生的可持續成長提供了個性化參照框架。除了學生知識與技能的可持續性增長之外，學生品德的持續成長也是教育的重要方面。Ramberg等[13]曾基于層次化的數據，采用多級模型和兩級二元邏輯回歸分析等研究表明：學校效能和學生作弊之間的關系部分是由學生的成績和道德標準調節的。

（三）五維精準：數據智能支撐的課堂教學管理策略

數據智能支撐的課堂教學管理策略包含課堂教學內容管理、活動管理、時間管理、問題行為管理、教學評價管理等五個維度，其技術運用和功能展現如圖4所示。

1. “語義關聯+可視化”實現課堂教學內容呈現的精準

教學內容管理是課堂教學管理的根本，包括確定呈現哪些知識內容和以何種方式呈現，以及提供哪些拓展資源。首先，在知識內容選擇方面，要依據教學目標、重點和難點，結合學生學習軌跡和前測結果數據進行分析，有針對性地呈現相應的知識內容。其次，在知識呈現方式上，利用網狀思維和語義關聯分析，為相關知識節點建立知識網絡，以思維導圖、學科知識圖譜、圖表、儀表盤、虛擬現實等可視化形式呈現知識，并通過智能終端將結果生動地展現給學生，將語義、知識內在結構及邏輯關系作為重要力量，驅動學生形成自己的認知腦圖。最后，根據學生的不同知識基礎及理解能力，提供不同類型、不同難度的拓展知識。此外，教學示例及資源的編排都應當在知識內在結構的基礎上，增加學生對教學情境的認同感，加深對知識的自主建構與理解，進一步強化自主學習能力。

2. “多模態資源+多方式共享”實現課堂教學活動的精準

大班授課直接導致課堂學習活動形式單一，學生參與度低，每位學生不能受到足夠的重視，因而降低了參與活動的積極性，注意力分散。而學習活動成功實施的重要條件是學生的課堂參與度，即學生對課堂內容能夠積極接受和參與，而不是感到無聊。Pekrun[14]等研究表明，無聊感對學生的學業成績有負面影響。資源的豐富多態及數據智能平臺與設備的供給，對創新課堂活動內容和形式、減少學生無聊感、培養與維持學生的學習興趣等都具有重要作用。同時，對學生學習活動生成的跟蹤數據的可視化展示，有助于教師和學生直觀地解釋這些數據，并快速感知其隱藏的方面。

因此，通過“多模態資源+多方式共享”，不僅可以創設多種教學情境，調動學生的多感官共同參與和共同構建，還可以通過啟發式探索、自適應系統等支持學生自主選擇學習資源及路徑。除此之外，數據智能及設備融入課堂的實況為教師及時調整活動形式，改變活動場景等提供了極大支持，教師可以根據教學內容與學生興趣、掌握情況等隨時改變分組情況、活動實施等，如基于智能設備設置問題搶答環節，維持學生參與學習活動的新鮮感與專注度，從而逐漸養成積極主動參與教學活動的良好習慣。

3. “自動識別+實時跟進”實現課堂教學時間分配的精準

在教學反思中，教師關注最多的是課堂教學管理，反映的問題主要包括難以把控課堂紀律和難以把控課堂時間[15]。可見，適當調控課堂知識講解、提問、討論等各部分活動的時間，是教師進行有效課堂教學管理的必備能力。數據智能支撐的課堂教學時間管理，表現為橫向和縱向兩個維度。橫向維度上，教師依據數據智能平臺能同時控制每位學生的智能設備，覆蓋面廣，節省時間。縱向維度上，教師在數據智能平臺上，實時了解學生進度的情況，適應性調控各個活動和練習等時間，提升學生的時間利用率和學習效能。

傳統課堂上，教師需要遍歷教室才能逐個確認每位學生的真實狀態，但數據智能型課堂教學環境卻可以通過異常檢測等自動識別存在問題的學生，如未在規定時間內完成練習、任務等，并通過后臺記錄數據可視化表征了解學生的精準問題，從而根據每位學生的具體問題調整既定活動時間，優化學習過程。同時，多次優化不僅能更好地為學生提供適切性服務，還有助于學生自我學習、自我管理能力的提升。Papamitsiou[16]通過對評估過程中時間軌跡數據的可視化研究表明：時間因素可用于學生行為的可視化;學生行為時間維度的可視化可提高教師對學生進步狀況、迷思概念和任務難度的認識。因此，對學生自主學習、參與學習活動、完成學習任務時間的可視化分析，可實現課堂教學時間的精準分配。

4. “異常檢測+即時反饋”實現課堂問題行為管理精準

課堂問題行為是指學生違反課堂紀律或影響課堂教學進度及效果的行為的總稱。課堂學生問題行為的存在，可能是個體行為，也可能是個體引發的群體行為，這不僅不利于自身學習，也可能給其他學生甚至全班學生帶來不利影響。因智能設備和互聯網的配備，學生的課堂問題行為也發生了一些改變，例如追劇、聽音樂、打游戲、聊天、睡覺等，但學生可能會通過遮蔽等方式佯裝學習。而在數據智能的支撐下，平臺可通過全面監測、眼部追蹤等實時獲取所有學生的情緒狀態與行為，利用分類與聚類、特征提取、模型創建與驗證、模式識別等方法快速檢測異常，因而教師可實時定位存在問題行為的學生，根據其問題行為的類型、性質及特征給予即時反饋。如對于初次表現出問題行為的學生，可通過發送消息等方式警告，若警告無效則可以遠程控制智能設備，強行終止其不當行為。此外，對課堂教學全過程、全方位的實時監控，也可為教師反思課堂教學效果提供思路及證據。

5. “人機共評+多維齊評”實現課堂教學評價與決策精準

教師獲得學生的信息越多、越詳細、越客觀，越有利于對自己和學生行為作出公允的判斷[21]。數據智能對課堂教學全過程的動態數據記錄、存儲與分析，為教師和學生獲取更全面信息進行課堂教學評價提供了依據。當前評價研究強調關注過程的多元評價，相較于教師單方面的評價，就評價主體而言更具全面性，但在學生的自我評價與同儕評價中，通常帶有極強的主觀性，較大程度上受到自身喜惡、人際關系等因素的影響。數據智能型課堂教學評價管理也強調過程取向的多元評價，而教學全過程的數據化，可以客觀改善評價的主觀性。通過對教學全過程的音視頻、文本、圖形圖像等多模態數據分析，問題正確率、投票結果等可視化呈現，能準確掌握學生的參與度、知識理解度及學習體驗感。

“人機共評+多維齊評”分別從評價對象和評價內容兩方面對課堂教學管理評價進行了補充，進一步完善了管理評價體系。其中“人機共評”在彌補人的主觀性的基礎上，通過多元統計分析、可視化等解開數據的神秘面紗，從而發揮人與機器各自的優勢，實現課堂教學評價管理的主客觀同在，科學化與人性化并存;“多維齊評”通過對評價內容的多方面、多維度的共同設計，實現管理評價內容的完整性與可靠性。同時，深度學習可以通過將教師的優秀決策數據作為訓練集， 通過不斷的“訓練”來習得教師的知識經驗[17]。

五、結? ?語

智能平臺和設備“武裝”的課堂教學環境，需要對其管理方式方法作出相應的技術融合和模式躍遷。本文結合當前的課堂教學管理現狀，提出了“教—學—管”統整的轉向以及數據智能支撐的樣態，借由“三步進階、四重境界、五維精準”及相應的伴隨式技術，展示了精準教學和智慧管理的價值，希冀為教師在課堂管理方面提供借鑒，進而提高課堂教學效果，有效地促進學生全人的發展。

[參考文獻]

[1] 曹景萍. “互聯網+”時代高校課堂教學管理的策略[J].繼續教育研究，2017（11）：127-128.

[2] 袁芳，李鐵繩.基于MOOCs的大學教學管理創新研究[J].電化教育研究，2017（3）：62-67.

[3] 數據智能是大數據的未來[EB/OL].[2019-11-21].https：//blog.csdn.net/cf2SudS8x8F0v/article/details/84332422.

[4] 2018數據智能生態報告[EB/OL].[2020-02-20].http：//mi.talkingdata.com/report-detail.html？id=843.

[5] What is data intelligence[EB/OL].[2019-11-06].https：//www.mediaupdate.co.za/marketing/143117/what-is-data-intelligence.

[6] What is Data Intelligence？[EB/OL].[2019-11-06].https：//www.sisense.com/glossary/data-intelligence/.

[7] 段偉文.數據智能的算法權力及其邊界校勘[J].探索與爭鳴，2018（10）：92-100.

[8] 王冬青，韓后，邱美玲，等.基于智慧課堂動態生成性數據的交互可視化分析機制研究[J].電化教育研究，2019（5）：90-97.

[9] 王鑫家.大數據思維在高校學生信息化管理中的支撐作用[J].黑龍江高教研究， 2016（7）：47-50.

[10] BLIKSTEIN P， WORSLEY M. Multimodal learning analytics and education data mining：using computational technologies to measure complex learning tasks[J]. Journal of learning analytics， 2016，3（2）： 220-238.

[11] Could AI help people change their behaviour？[EB/OL].[2020-02-21]. https：//www.ibm.com/blogs/research/2018/12/ai-help-change-behaviour/.

[12] KUMAR V， BOULANGER D， SEANOSKY J， et al. Competence analytics[J].Journal of computers in education， 2014， 1（4），251-270.

[13] RAMBERG J， MODIN B. School effectiveness and student cheating： do students' grades and moral standards matter for this relationship？[J]. Social psychology of education，2019，22（3）：517-538.

[14] PEKRUN R， HALL N C， GOETZ T， et al. Boredom and academic achievement： testing a model of reciprocal causation[J].Journal of educational psychology，2014， 106（3）：696-710.

[15] 江豐光，呂倩如. STEM教師教學反思日志分析研究[J].開放教育研究，2017（3）：80-86.

[16] PAPAMITSIOU Z， ECONOMIDES A. Temporal learning analytics visualizations for increasing awareness during assessment[J].International journal of educational technology in higher education，2015，12（3）：129-147.

[17] 彭紅超，祝智庭.人機協同決策支持的個性化適性學習策略探析[J].電化教育研究，2019（2）：12-20.

[Abstract] Students who are digital natives， especially vocational students， tend to be phubbers， mobile phone users and sleepers in the classroom. However， the current classroom management mostly stays at the level of experience and intuition， so it is difficult to make precise adjustment and management. Therefore， there is an urgent need for improvement by virtue of intelligent information technology， and the emergence of data intelligence provides an opportunity for it. On the basis of analyzing the advantages of classroom teaching management supported by data intelligence， this paper discusses the three steps of classroom management based on data intelligence， namely， teacher-led control， teacher-student co-promotion and self-regulatory testing， and establishes the four levels of classroom teaching management goals for students， such as "behavior improvement， habit formation， competence enhancement and sustained growth". This paper builds a precise management strategy covering five dimensions of classroom content， activities， time， problem behaviors and assessment， emphasizes the integration of "teaching， learning and management"， and highlights the value of precise teaching and wisdom management， in order to improve the effectiveness of classroom teaching and promote the development of the whole students effectively.

[Keywords] Data Intelligence; Classroom Teaching; Wisdom Management