數據驅動循證教研?加速教學數字化轉型

王陸 牟艷娜

王 陸：首都師范大學教授、博士生導師，北京市基礎教育信息化實驗教學示范中心主任，首都師范大學教育技術研究所所長，首都師范大學現代教育技術重點實驗室主任、校學術委員會委員。她還兼任全球華人探究學會副理事長、全球華人計算機教育應用學會執(zhí)行理事委員、中國人工智能學會全國計算機輔助教育專業(yè)委員會常務理事、教育部“國培計劃”專家?guī)焓着處熃逃龑＜业取?/p>

黨的二十大報告明確指出，高質量發(fā)展是全面建設社會主義現代化國家的首要任務。在此背景下，教育領域正在加快教育數字化轉型，以此推動教育高質量發(fā)展。教學數字化轉型是教育數字化轉型的重要領域，而教師無疑是推動教學數字化轉型的核心力量。因此，提升教師的數字素養(yǎng)，充分挖掘數據要素的價值就顯得尤為關鍵。但當前教師在分析和解讀課堂數據以及基于數據改進課堂方面還面臨較大挑戰(zhàn)，許多教師在教學數據的選取、分析與利用上還存在認識偏差。為此，我們特別專訪了首都師范大學的王陸教授。她帶領研究團隊在基于大數據的課堂教學研究領域已深耕24年，積累了豐富的理論與實踐經驗。

高質量課堂的數據特征

記 者：王教授，您好！課堂是教育教學以及師生成長的主要陣地。基于您長期以來的研究與實踐，您認為高質量的課堂應具備哪些特征？

王 陸：教學的本質是教會學生學習。在我看來，一堂高質量的好課應該能夠促進學生的深度學習并提升學生的高階思維水平，發(fā)展與培養(yǎng)學生的合理推理能力、問題求解能力、批判性思維能力、合理決策能力和創(chuàng)新能力。這些能力的培養(yǎng)，將使學生學會學習并終身受益。若能夠實現這樣的課堂教學，我認為就已經達成了高質量的課堂標準。

我領導的靠譜COP項目團隊經過基于教育大數據循證的課堂教學研究發(fā)現，高質量課堂的數據特征共有九個關鍵指標，分別是創(chuàng)造性問題、批判性問題、沖突管理、深化認識層、記憶性問題（負向）、深度一對話（負向）、提升肯定、教育信念和反思性知識。這九個關鍵指標與教師的教學支持行為、社會情感行為兩類教學行為以及教師的實踐性知識密切相關。

記 者：這些關鍵指標有的聽起來非常專業(yè)。為了幫助教師更好地理解，您能否做進一步闡釋？

王 陸：好的。教學是由問題構成的，教學的一切都可以視為問題的衍生物。因此，教學的數字化轉型，要從問題的類型、理答方式、問題結構、師生對話深度等多維度對教學進行數字刻畫，從而獲得教學的多維數據要素。

我們首先來分析問題類型。教師提問的問題類型包括記憶性問題、推理性問題、批判性問題、創(chuàng)造性問題、常規(guī)管理性問題五種。其中，記憶性問題對應的是事實性知識，推理性問題對應的是原理性知識。而新課程改革的導向是注重培養(yǎng)學生的高階思維。因此，從問題類型就可以判斷出教師的提問是否符合新課程理念。

教師將問題拋出后，接著要進行理答。理答的方式有先點名再提問、提問后讓學生齊答、提問后讓舉手者答和鼓勵學生提出問題等五種方式。教師的理答反映出教師的教育信念，也影響到學生課堂的參與度和是否具備發(fā)生主動學習的條件。

在理答后，勢必會產生對話深度，即教師提出問題的難度與所任教班級學生認知程度之間的匹配度。對話深度分五級，從深度一到深度五。對話深度過高表明，教師提出的問題對這個班的學生來說可能太難了，也表明教師沒有給予適當的學習支架。當對話深度太淺時，則說明對于這個班級的學生而言，教師的問題設計過于容易，缺乏挑戰(zhàn)性，不太可能引發(fā)高階認知。

我們再來看課堂的問題結構。國際上通用的是麥卡錫博士提出的4MAT模型，我們可以用“四何”問題來簡單概括：是何問題指向事實性知識的獲取；為何問題指向原理性知識的獲取；如何問題指向策略性知識的獲取；若何問題指向創(chuàng)造遷移性知識的獲取。根據這個模型，教師會發(fā)現課堂教學中的問題結構是否恰當。

在問題之外，小組合作學習的效果也影響著教學質量。美國學者約翰遜指出，任何合作學習都起于沖突止于合作、任何合作學習都起于分工止于合作。因此，我們會從沖突管理、小組責任的分配和合作學習參與度等指標來評估小組合作學習的質量。

著名教育心理學家布盧姆將認知領域的教育目標分為記憶、理解、運用、分析、綜合和評價六個等級。記憶、理解與運用屬于低階認知層級，分析、評價和創(chuàng)造屬于高階認知層級。他的學生安德森后來在上述認知過程維度上又增加了知識維度（包括事實性知識、概念性知識、程序性知識和元認知知識）的分類，將布盧姆的認知目標分類框架從一維拓展到二維。

上述指標是有關教師課堂教學行為的，教育信念和反思性知識屬于教師的實踐性知識。教育信念即教師內心真正信奉的什么是好的教育的知識。反思性知識則是指學習者對自身學習活動的過程以及活動中與學習相關的其他因素的思考與認識，即他對自身思維和認識的認識。只有當教師作為一名學習者能夠清晰地意識到自己的思維，并且更加了解自己的認識時，他們才會在專業(yè)學習中學得更好。

記 者：您的研究團隊是如何借助這些關鍵指標評估課堂教學質量的呢？

王 陸：針對高質量課堂教學特征的研究一般都采用循證研究的方式。依據國內外實證研究文獻中的證據線索，我們從來自全國26個省（自治區(qū)、直轄市）共56380節(jié)人工智能自動分析的視頻課例數據庫中，篩選出124節(jié)同時包含布盧姆認知層級、合作學習參與度、知識建構層級以及教師實踐性知識數據的課例。從中我們再選出人工智能自動分析結果為A等級且布盧姆認知層級不低于應用級的課，由此獲得了36節(jié)“好課”。

經過差異性檢驗，我們發(fā)現“好課”與全國常模數據在問題類型、師生互動、教師回應、小組合作學習參與度、布盧姆認知層級和教師實踐性知識等多個維度均出現統(tǒng)計學意義上的顯著差異。在此基礎上，我們又進行了相關性分析，并依據各數據維度之間的相關性，繪制了網絡關系圖，由此發(fā)現學生的布盧姆平均認知層級、記憶性問題和認知記憶性回答三個節(jié)點均處于網絡的重要位置，與課堂教學質量的關系密切。只不過，后兩者與課堂教學質量負相關。

接下來，我們依據上述結果建立了以學生布盧姆平均認知層級為因變量的結構方程模型，發(fā)現課堂教學中的創(chuàng)造性問題、批判性問題、知識建構層級中的深化認識層等對學生布盧姆平均認知層級具有直接影響，創(chuàng)造性問題和沖突管理受教師的教育信念影響，等等。通過這種循證研究的方式，我們發(fā)現了高質量課堂的數據特征。

大數據實現了對課堂教學研究的全面賦能

記 者：教學規(guī)律的發(fā)現在很大程度上依賴于大量的數據。數據現已成為繼土地、勞動力、資本、技術之后的第五大生產要素。數據在推動教育數字化轉型中也具有基礎性地位。那么，教師在研究課堂教學時，應該獲取和分析哪些數據？

王 陸：其實，很多人頭腦中都有個根深蒂固的觀念，那就是只有能用阿拉伯數字表示的才是數據。在大數據和人工智能技術日趨成熟的今天，這種理解過于狹隘。教師應該更多關注和挖掘課堂教學的非結構化和半結構化數據，即大數據。從課堂教學研究的角度來看，課堂錄像是典型的非結構化數據，而教師在課前編寫的教學設計方案和制作的課件是比較典型的半結構化數據。大數據的挖掘與分析，特指的是人們對半結構化和非結構化數據的研究、利用和挖掘。

記 者：您的團隊在研究中重點關注的是哪些大數據呢？

王 陸：我們主要關注的是課堂教學中的兩組大數據：教師外顯的課堂教學行為大數據和教師內隱的實踐性知識大數據。

我們利用人工智能對課堂錄像的自動分析，可以獲得63個維度的課堂教學行為數字畫像，形成以問題為邏輯起點的數據證據鏈。包括這節(jié)課的問題類型、教師的理答方式、學生的回答類型、教師的回應分析、教師回應的態(tài)度方法以及問題結構等。

實踐性知識是決定教師課堂教學行為的關鍵要素。實踐性知識屬于隱性知識，它基于教師的個人經驗和個性特征，鑲嵌在教師日常的教育教學情境和行動中，卻無法言說、很難把握。基于語義分析，人工智能則可以實現對實踐性知識的自動測量。實踐性知識大數據由六個維度組成，分別是教育信念、自我知識、人際知識、策略知識、情境知識和反思性知識。教師只需將教學設計的文檔上傳到人工智能平臺，便可獲得自身實踐性知識的數字畫像報告。

記 者：您認為大數據在促進課堂教學研究方面發(fā)揮著哪些作用？

王 陸：美國學者古德和布羅菲指出，課堂觀察、課堂寫真和課堂分析是課堂教學研究的三部曲。教育數字化是利用數字技術和數字策略將真實世界的教與學數字化的過程。數字技術通過對真實世界的數字化，使得我們可以獲得真實世界的數字孿生世界。我們運用多種數據挖掘算法，便可對數字世界進行數據挖掘和知識發(fā)現，再將發(fā)現的知識反哺到真實世界中，幫助我們發(fā)現課堂教學中的新規(guī)律、新現象，甚至提出新理論，解決真實世界的教與學難題，從而獲得組織生產力和工作績效的提升，產生社會效益。

因此，在課堂教學研究的不同階段，大數據在課堂上扮演的角色也各不相同。在課堂觀察階段，大數據用于記錄行為，此時大數據的作用是深化了認識論。在課堂寫真階段，大數據賦能探尋現象，其作用是重塑了價值論。在課堂分析階段，大數據幫助發(fā)現規(guī)律， 從而改革了方法論。

例如，為了培育和發(fā)展新質生產力，借助教育來培養(yǎng)拔尖創(chuàng)新人才的需求日益迫切。這要求教師的教學面向深度學習，培養(yǎng)學生的高階思維。然而，當我們研究團隊對真實世界的教與學數字化后，卻發(fā)現當前的教與學還是以記憶、理解等低階認知層級為主的，嚴重缺乏高階認知層級。

我們運用多種數據挖掘和知識發(fā)現的方法分析了最好和最差的30節(jié)課后發(fā)現，在教師的提問和追問中，推論層級的固化是影響課堂深度認知的關鍵因素，即當教師缺乏行動中反思時，便會陷入“推論層級陷阱”。這是當前課堂教學能否提質增效的關鍵，已經成為影響課堂教學質量的瓶頸。

我們靠譜COP團隊運用更多數據挖掘和知識發(fā)現的方法，獲得了破解“推論層級陷阱”的三個重要策略。策略一：批判性問題是打破僵局的重要突破口。每增加一個批判性問題，整個班級的平均認知層級就會顯著提升，它能起到牽一發(fā)而動全身的作用。這是因為批判性問題是將反思性知識引入教學的最簡單方法，也是提高對話深度的有效辦法。策略二：評判和執(zhí)行要作為關鍵教學行為并在教學設計時有意識地成對出現，評判和執(zhí)行作為關鍵教學行為是促進教師教學行為正向改進的重要一環(huán)。策略三：轉變教師的教育信念。教師不能將學生僅視為接收器和存儲器，而應該充分發(fā)揮加工器和效應器的機制，支持學生開展更多的分析、綜合、評價等高階認知活動。在真實世界的教與學中，我們運用這三種策略大大提升了課堂教學質量。

教師要成為研究者，開展數據驅動的循證教研

記 者：我注意到，部分教師在課堂觀察后，僅停留在得到數據分析結果的層面上，而沒有進一步分析和改進。您認為怎樣才能確保教師有效地理解、分析和運用數據，以最大化其價值？

王 陸：周斌教授說，無論是教學實踐者還是研究者，都需要重視課堂中的教學現象，并由此理解教學本質。只有教學實踐者能夠透徹地理解教學本質，才能真正促進教學現象的有效改進。只有教學研究者走近或走進教學現象，才能真正揭示教學本質。只有從教學現象中揭示出來的教學本質，才可能回歸到教學現象中，并對教學現象形成真實的影響力和指導力。

我們研究團隊一直主張評價即服務的理念，即利用人工智能和大數據所獲得的課堂教學質量畫像不是一個對教師評價或評級的依據，而是作為大學與中小學教師合作研究教學、優(yōu)化教學和實施改進教學的一種新樣態(tài)證據。為此，我們特別強調教師要從對教學現象的直觀觀察，到利用文獻證據和數據證據對教學現象進行闡釋，再到利用經驗證據、文獻證據和數據證據等多模態(tài)證據進行循證的教學改進與優(yōu)化的過程。教師要在持續(xù)的反思性實踐中提升對數據的真實理解、對數據分析的深化和對數據作為證據的有效運用。

我們研究團隊已為全國26個省（自治區(qū)、直轄市）的772所學校提供了課堂教學改進服務。我們在運用人工智能+大數據的課堂教學研究后發(fā)現，教師的教育信念、教學反思和外部支持是三個能夠支持教師持續(xù)優(yōu)化與改進教學的重要因素。

記 者：在教育數字化轉型進程中，教師作為核心參與者和實踐者，應該獲得哪些支持以勝任其角色？您對教研組織者有哪些建議？

王 陸：教師是教育數字化轉型的研究者、創(chuàng)新者和知識的生產者。為此，我們倡導大學與中小學合作開展數據驅動的循證教研。數據驅動的循證教研利用人工智能和大數據產生數字樣態(tài)的新證據，如利用課堂教學行為大數據和實踐性知識大數據共378個維度對教師進行畫像，實現課前數據驅動教學設計的優(yōu)化、課中數據驅動教學提質增效以及課后數據驅動教學反思的深化，從而賦能一線中小學教師實現基于“具體經驗獲取—反思性觀察—抽象概括—積極實踐”經驗學習圈的教學改進范式。在教師專業(yè)實踐改善的前提下，學校和教研室完成“知識社會化—知識外化—知識組合化—知識內化”的知識螺旋，從而在提升教學質量的同時，同步實現知識生產，獲得組織績效的提升。

記 者：感謝您百忙中接受本刊采訪！

責任編輯：孫建輝