數據驅動下在線作業設計與優化的實踐研究

李朝輝　閻文麗

摘要：為提高教師利用數字工具采集分析數據能力，研究團隊依據《教師數字素養》標準，利用智能技術及其產生的數據對作業進行再設計與優化，課前借助平臺提供學情支架，診斷學情并確定目標，課上通過多個階梯式任務，實時監測、調整，課后精準分層，個性化輔導，在訂正環節對學生進行督導，智能助學。教師應用“數據驅動下在線作業設計與優化模型”，通過在線平臺收集、處理和分析數據，實現了數據決策閉環運行，促進了教師數字素養的提升，提高了教、學、評的一致性和效率。

關鍵詞：教師數字素養；在線作業；數據驅動；設計與優化

2022年12月，教育部發布了《教師數字素養》標準，對教師利用數字化技術優化、創新和變革教育教學能力提升培訓和評價提出了具體要求。《教師數字素養》標準五個一級維度“數字化應用”中的二級維度“數字化學業評價”，提出教師要利用數字工具采集多模態學業評價數據，應用數據分析模型進行數據分析，并實現數據可視化與解釋。這種教師系統地收集、處理多種來源數據，并以此為證據干預學習過程、優化學生學習成效的綜合能力，被稱為數據驅動決策能力。這種能力是教師在真實教學情境中依據并利用數據開展分析與改進教學的綜合素質。

在線教學場景下，教學與學習過程數據的記錄、收集變得非常便利，基于生成于在線教學過程中的學情數據流開展“伴隨式評價”成為可能。教育部基礎教育司2022年工作要點提出，要提升教師作業設計能力水平，不斷提高作業的針對性、有效性等要求，這對教師的教育教學工作提出了更加個性、優質、精準的期望。但筆者調研發現，教師在線教學遇到的困難之一就是難以評價教學效果。無法真實面對面交流，只能隔著冰冷的屏幕遙遙相望。如何檢驗學生聽課質量？提升在線教學質量？教師要做好在線作業的設計與反饋工作。為幫助教師提升數據素養，筆者經過探索，巧妙利用了在線教學優勢，借助智能技術及其產生的數據流對作業進行再設計與優化。筆者基于學情數據，精準科學地作出教學決策，基于數據因材施教，設計并應用“數據驅動下在線作業設計與優化模型”，取得了一定的成效。

一、模型建構

在日常教學中，教師在設計單元整體教學活動時，為避免作業評價與課堂教學評價的割裂，注重評價方案的全面性和系統性，將作業評價與課堂教學統籌考慮，將評價任務嵌入學生學習過程中，堅持教、學、評一致性，構建作業體系，設計了基于單元整體教學的3+3層級式化學作業體系（如圖1）。

在線教學場景下，生成并流動于各環節中的學習數據流一般以原始狀態存在，教師如何使用這些數據改進教學？筆者借鑒數據驅動的決策模型，基于實踐，建構了“數據驅動下在線作業設計與優化模型”（如圖2）。

此模型表征了教師在智能技術工具支持下，依托學生在線學習產生的數據流，將伴隨式評價作用于課前作業、課中作業、課后作業及作業訂正等節點，而每個節點的數據決策作用和目的各不相同。

課前作業：從教師收集數據開始，借助平臺提供的學情支架，診斷學情并確定目標。

課中作業：通過多個階梯式任務，將數據變成信息，即通過實時數據分析數據，監測學生狀態并對教學進行調整。

課后作業：分析結果與目標之間的差距，針對性布置作業并分層推送，加強錯題復練，利用在線工具進行個性輔導。

作業訂正：教師利用平臺智能數據的圖形化表達，督導學生訂正作業，結合互評和數字勛章進行多元評價，激發學習熱情。

教師基于以上模型，在各節點通過數據作出決策—實施決策—檢驗影響的微循環，將結果反饋至相應節點，通過連續、多輪微循環，不斷迭代完善決策。下面以初中化學“鹽的化學性質”為例，分別從課前、課中、課后、訂正四個階段，介紹數據驅動下在線作業設計與優化模型的應用方法。

二、實踐應用

（一）課前作業——學情支架

“鹽的化學性質”教學目標之一是讓學生理解常見鹽的性質并掌握碳酸鹽、鹽酸鹽、硫酸鹽的檢驗方法。在前一階段的教學中，教師通過平臺數據發現學生對酸的5種通性和堿的4種通性已經掌握得很好，這期間已經涉及多種與鹽有關的性質。于是，教師構建課前微課學習支架，引導學生自主學習，幫助其理解一類物質的通性，完成知識的遷移應用。

“空中課堂”是教師幫助學生自主學習的重要資源，跟教師辛苦制作的微課一樣，經常被教師“丟”在學生群里，要求學生“自主學習”。學生學沒學？學得怎么樣？教師不得而知。為了解決上述問題，教師利用優幕（UMU）平臺的智能數據分析系統，可以設置“空中課堂”或自制微課類學習支架，對學生觀看視頻的進度、完成度等學習情況了如指掌。為進一步提高和檢驗用于學情分析的微課支架的應用效果，教師在視頻后面設計了一兩道練習題、問答題或討論型作業，來了解學生對于微課內容的掌握情況，為學生精準畫像，更為精準地分析學情。例如，學生在觀看完鹽的性質的相關視頻后，設置了“氯化鈣用途廣泛，請在方框內填入合適的物質用于制備氯化鈣”的問答題（如圖3），用來了解學生的知識遷移情況。學生自主學習效果良好，他們從酸的通性和堿的通性中完美遷移得出了鹽的有關性質。

（二）課上作業——階梯驅動

很多學生學習效果和學習體驗并不理想：在線課程內容完成率低、在線活動交流參與度低，在線學習過程特別是同伴交流容易被眾多因素干擾，甚至進入無序狀態。為此，教師組織開展課前小游戲、階梯性在線測試、學習考核等教學活動，防止學生走神，讓每個學生有參與感。

例如，教師分析課前學情數據，發現部分學生對酸、堿、鹽的分類仍不清楚，存在迷思概念，這會影響學生學習鹽的性質。于是在課程之初，教師設計了一個低階問題“下列關于酸、堿、鹽的敘述中正確的是（????）”，通過澄清迷思概念，幫學生輕松跨過障礙點。在學生學習了高階的“檢驗與鑒別”后，教師提出“能將三種無色溶液區分開來的是……”這一富有挑戰性的題目（如圖4），以此幫助學生提升“證據推理”思維模型遷移應用能力。

我校目前使用的是Classin平臺，該平臺的“答題器”可以對單個問題進行數據采集和反饋，但在面對課堂教學中的有層次的“問題串”或多問題時，就顯得比較煩瑣。教師嘗試使用授權資源中的“多題答題器”，完美解決了上述問題。

教師設置階梯式問題，利用實時反饋數據，檢測學生在線聽課效果，及時調整教學策略和進度。

（三）課后作業——精準分層

線下教學時，作業內容與作業目標的匹配度是判斷作業質量的重要指標之一，而線上教學過程中教師利用課前學習支架和課上學生學習的反饋數據，更有利于分層精準作業。

例如，教師根據課堂上“能將三種無色溶液區分開來的是（????）”這一挑戰性題目的正確率情況，針對性精選符合“雙減”要求的題目進行分層作業。

我校資源庫中共有三類作業：A類即歸納總結類作業，旨在讓學生完成知識系統建構；B類即基礎落實類作業，重在基礎知識的簡單應用和查漏補缺，是為基礎較弱的學生設計的；C類即能力提升類作業，助力基礎較好的學生實現能力提升和思維拓展以及知識的遷移應用。教師借助平臺結合數據反饋情況，將A類（歸納總結類）作業、?B類（基礎落實類）作業、C類（能力提升類）作業分層分級推送給相應學生進行“復練”，實現課后作業的精準化、個性化（如圖4）。教師利用平臺可以實現高效批量添加自編“變式”訓練題、設置防作弊模式等功能。學生在線作答后，平臺自動批改，大大減輕了教師在線教學批改作業的負擔。教師可以根據作業數據了解學生的作業完成率、正確率等，精準了解每個知識點掌握的情況。學生可以實時了解自己知識方面的薄弱點，通過答案中的（微課）解析進行鞏固，對某些疑、難點或其他不懂的問題可以在線提出。例如，有學生對答案說明中“氧化鐵的式量112”不甚明了，為此教師借助智能手機，直接用“語音+圈畫”的形式進行解析。有針對性的微課呈現在作業題目的下方，學生討論、觀看十分方便。這樣就實現了精準輔導。

（四）作業訂正——智能助學

錯題是重要的教學資源。線下教學環境下，教師對作業的訂正非常重視。但在線上教學過程中稍有督促不到位，學生作業就會出現“不訂正、淺訂正、訂而不正”等情況。為避免這些問題，教師發揮“在線”的優勢，利用平臺的“人工智能作業”功能優化作業訂正的反饋、互動和呈現方式。教師在在線課程中設置“人工智能視頻（語音）作業”小節，作為“必修”，讓學生自主根據作業情況，選擇作業中最有收獲的一題錄制視頻（露臉），進行“表述式訂正”。例如，針對酸、堿、鹽的鑒別和檢驗要考慮相互“干擾”的教學難點問題，教師做一些專門的設置，在學生開始講解時，將“干擾”“排除干擾”“避開干擾”等添加到“AI關鍵詞評分—智能匹配”項中。這樣，學生提交視頻（語音）后，平臺會根據教師設置的“AI表現力評分”標準和關鍵詞自動評分。學生根據AI評分反饋情況進行多次錄制，直到滿意為止，大大提高了訂正的積極性、主動性。相較線下抄寫式、重復式訂正方式，學生互評打分進行作業訂正，更能促進他們的深度學習。教師對學生視頻講解中的問題，以時間軸的形式，邊看邊評，針對不同時刻內容，給出不同評價，并錄制語音，使作業點評更全面精準。

三、教學反思

目前線上線下混合式教學模式快速發展并被廣泛應用。教師利用在線教學產生的數據提升教學效果至關重要，而在線教學的各種數據是以原始狀態存在，它們本身沒有任何意義。數據是否成為信息取決于人們對數據的理解和后續的行動。“數據驅動下在線作業設計與優化模型”就是教師在探究如何使用數據來改進、優化教學的實踐中總結提煉出來的。它能快速幫助教師理解數據，揭示數據和教學之間的關系，進而指導、優化其教學行為。上述“鹽的化學性質”案例中，教師將學習支架、課堂評價、課后輔導、作業訂正、數據分析等集為一體，成功應用了該模型，避免盲目依據主觀經驗評價，使教學的診斷、調節、分層和評價定位更加精準，改進措施更有效。實踐證明，應用新模式教學，學生高效完成酸、堿、鹽的性質、應用和轉化規律的歸納類任務，相關能力得到了明顯提升。筆者期待能與更多教師一起實踐、驗證和完善新模型，在教學中充分發揮技術和人的優勢。教師借助智能技術工具教學，使數據決策形成閉環，基于數據因材施教，必將推動并促進學生高層次思維品質、化學學科核心素養的發展。

注：本文系2023年度上海市教育科學研究項目“基于CDIO的初中工程教育實踐研究”（編號：C2023248）的階段性研究成果。

參考文獻

[1] Means?B， Chen?E， Debarger?A， et al.Teachers'ability to use data to inform instruction： Challenges and supports office of planning[R].Washington，D.C：U.S.Department of Education，Office of Planning，Evaluation and Policy Development，2011：5-8.

[2] 李朝輝，閻文麗.單元整體教學的3+3層級式化學作業設計——以“化學的魅力”教學為例[J].中學化學教學參考，2022（7）：27-29.

[3] Mandinach?E B.A perfect time for data use：Using data-driven decision making to inform practice[J].Educational Psychologist，2012（2）：71-85.

[4] 張青，龍玉萍.我國近20年來在線學習效果影響因素研究的述評[J].成人教育，2023（2）：44-53.

（作者李朝輝系上海市松江區民樂學校特級教師；閻文麗系上海工程技術大學附屬松江泗涇實驗學校高級教師）

責任編輯：祝元志