论文部分内容阅读
摘要北京师范大学附属实验中学基于对日常教育教学数据的挖掘进行学情分析与学业指导。面向群体的数据分析，主要聚焦不同阶段学生共性问题的存在与解决；面向个体的数据分析，重在聚焦学生个性化问题的诊断与指导，主要通过分析学生成绩变化数据和导师辅导记录数据等方式进行。学校基于学情数据分析进行学业指导，需要不断提升学情数据分析水平，保证数据收集的有效性和连续性，同时做到用数据而不唯数据。
关键词 学情分析；大数据思维；数据挖掘；数据分析；经验分析；学业指导
中图分类号G63
文献标识码B
文章编号1002-2384（2020）11-0048-04
注释：① 本文系北京市教育科学“十二五”规划2015年度重点课题“基于教育大数据挖掘的初中学生学情分析及教学指导的模式探索”（课题编号：ABA15015）的阶段性研究成果之一。
学生的学业表现和学情密切相关，因此基于学情分析采取有效指导非常必要。学生进入初中阶段，学习内容增加、难度增大，家长亲自辅导和“督战”的时间大大减少，采用填鸭式课外辅导的效果下降，[1]这时来自学校的学情分析和指导就尤为重要。那么在大数据时代，在传统的经验分析外，我们可否借鉴商业领域的做法，通过对学情数据的采集和分析实现对学生的精准指导呢？近年来，北京师范大学附属实验中学基于日常教育教学数据挖掘持续进行学情分析，取得了一定的实践效果。
学情是指学习者在某一单位时间内或某一项学习活动中的学习状态，具有客观性、开放性、动态性等特点，其内涵包含学生的起点水平和生活经验、学习动机、学习兴趣、学习风格等。把握学情基础是开展学生学业指导的必要前提。目前中小学普遍采用的学情分析方法主要有经验分析法、问卷法等，我校原来也只是在开学初对学生进行简单的问卷调查，并结合长期的经验积累进行学情分析，但这些方法主观性强，无法全面客观地反映学生的学业情况。2011年，受到经济领域关于大数据应用的启发，我校开始尝试基于对日常教育教学数据的挖掘进行学情分析与学业指导。
实践中，我们的工作主要围绕两方面展开：一是针对学生群体开展学情分析，如挖掘并分析一个年级学生的学情数据，这样就可以找到学生的一些共性特点，解决一些共性问题；二是挖掘并分析学生的个体数据，这样对学生的诊断更为详细具体，指导效果更明显。在2011年7月到2020年7月的9年时间里，我们持续追踪了学校三届初一到初三的学生，跟踪记录1890名学生的成长数据，针对每届学生开展12次问卷调查，分析15次成绩数据，开展2次心理测评。在此过程中，我们使用了心理健康诊断测验（MHT）、[2]学习适应性测验（AAT）[3]等专业量表，自编了阶段性总结与反馈问卷，同时开发了学生成绩记录与数据分析平台等。
1. 通过数据分析摸清不同阶段学情特点
学生刚入学时处于陌生环境，是最需要他人帮助的阶段，也是教师对学生了解最少的阶段。因此，我们的群体学情分析在新生刚入学时即展开，在此过程中主要使用学生学习适应性测评量表，从学生基本情况、心理健康诊断、学习适应性诊断三大方面进行学情数据收集和分析。学习适应性是指学生克服种种困难取得较好学习效果的一种倾向，也是一种学习适应能力，是初一新生刚入学时迫切希望得到指导的类别。
例如：通过对2011年、2014年、2017年入学的三届初一学生的学习适应性指导需求数据分析，我们发现，三届学生在“胜任学习”这一项的数据比例较高，分别为41.5%、46.6%、43.4%。为进一步了解学生需求，我们又提取“胜任学习”中的“学习态度”和“学习技术”两项指标进行分解，并对相关数据进行分析。其中“学习态度”包括学习热情、学习计划和听课方法三方面，数据显示：在“学习计划”和“听课方法”方面，三届初一学生中，中等水平的学生各自占比和总比差异不大，但优秀水平的学生比例随着时间变化出现明显递减，偏下水平学生明显递增（详见表1）。这一方面说明受推进教育均衡的影响学校优质生源数量在减少，另一方面偏下水平学生比例增多会直接影响到年级的整体教学进度，因此在进行学业指导时要确保抓两头、促中间。
我们又分析了学生对“学习技术”的指导需求数据，发现在“读书和记笔记”中，优秀和中上水平学生比例逐年递减，中等、中下和偏下水平学生比例逐年递增；特别是2017届初一学生较之前两届数据变化更明显，其中中下和偏下水平学生比例之和较之2011届增加接近20%（详见表2）。“读书和记笔记”是保证学生能够持续学习的一个基本技能，在初中阶段至少要达到中等以上水平，而优秀学生更应该保持在中上或优等，因此从服务于学生的角度考虑，应该在此方面给予学生更多指导。此外，从“应试方法”的数据来看，三届学生的分层数据变化不大，其中优秀和偏下水平的数据分别以固定比例递减和递增，但变化幅度不大（详见表2）。考虑到应试能力是每个学生都要具備的基本学习技能，因此这方面的指导极为重要；当然应试指导只是表象，最终还要回归到对学习态度、学习技术和方法的指导上。
2. 依据分析结果制定分年段学业指导策略
依据对学生群体学情数据的分析，我们结合具体课程和阶段，对学生的学习技能进行了有针对性的指导，如将开学第一个月设定为学法指导月，结合课堂教学对学生进行如何听课、记笔记、写作业、改错等基本学习环节和技能的指导。在初一第一学期期中、期末，我们还会开展关于“学习态度”和“学习技术”的学生自评问卷调查。从结果来看，进行两个月的系列学法指导后，学生自评优秀比例普遍较高。我们同时持续追踪了三届初一学生对初一一年学法指导工作的反馈，结果表明：学生对系列学法指导工作总体满意度在60%左右，對学法指导月的满意度达到75%左右。结合前两届学生的反馈，我们将制定期中考前复习提纲作为一项常规指导工作予以保留；而如何阅读、改错等专题指导由于更适合放在每节课上进行，所以使用一届后就进行了调整。
学生进入初二年级后开始出现明显的两极分化，青春期带来的生理变化和家庭沟通等因素都严重影响着学情变化，所以教师不仅要提供学生学习技术方面的指导，更要教会其必要的心理调整和沟通技能。进入初三年级，学生普遍面临中考升学的压力，往往更关注应试方法和结果，而忽略了如何保持最好的应试状态，所以此时我们会在自我评估、自我激励、时间管理等方面给予学生深层次的指导，让他们在循序渐进中养成终身受益的良好习惯。
实践中，我们尝试通过多种方式针对学生个体开展学情分析及学业指导。
1. 读懂动态数据，破解学生成绩变化的密码
学生的成绩数据是我们开展个体学情分析的主要依据，包括学生的平时成绩和历次重大考试成绩。为此，我们尝试研发出成绩管理与分析系统，用来记录分析学生成绩的动态变化，在此基础上给予学生相应指导。对于一线教师来说，记录学生的成绩数据并不困难，关键是要从变化中寻找可用信息和策略；同时在促进学生学业改进方面，对学生正向成就总结的效果要优于对教训和失败的反思。
一般而言，学生的成绩都是在不断波动中变化，其中每个上升和下降的结点都是学情发生变化的地方。以图1为例，这个折线图反映的是我校一名学生的成绩数据，从八年级上学期末到下学期期中的数据来看，该生数学和物理成绩进步很大，但语文成绩有很大退步。根据正向激励的原则，我们首先和该生一起分析了数学、物理进步的原因，了解到数学成绩的提升与其在假期补习和开学后观看学校微课有直接关系，物理成绩提升只是因为他坚持看了学校的微课。我们又整理分析了该生观看微课的数据，发现他在观看过程中暂停和多次观看对成绩提升起到了重要的促进作用，因为这种停顿和消化反思对于知识的理解与落实很有帮助。我们又引导学生反思语文成绩下滑的原因，了解到这与他对阅读的深入理解不足有直接关系。在此基础上，我们引导学生巩固目前的有效做法，并将其迁移运用到其他学科，取得了一定的效果。
2. 记录变化过程，提升导师辅导水平
为充分发挥教师的教育教学指导作用，我校在实践中实行学生导师制。为了更好地记录辅导成效和学生的变化过程，我们在2016年9月开发了导师辅导记录平台，要求导师完成学生辅导后在网上填写辅导记录，内容包括辅导时间、时长、阶段性目标、辅导内容、学生反馈、教师反思等，同时要求学生填写被辅导的感受，并对辅导记录采取了保密措施。通过收集分析一段时间内的辅导数据，我们发现了一个普遍现象：在指导需求方面，成绩优异的学生高于成绩落后的学生，女生高于男生；学生在人际沟通方面的指导需求高于学业指导需求，在初三阶段尤其明显；从对指导教师的选择来看，英语和语文教师最受学生喜欢。受此启发，在后续的指导工作中，教师们更加主动地关注男生和成绩落后的学生，在人际沟通技能方面给予学生更多帮助；同时其他学科的教师也会向英语和语文教师学习辅导技能，使自己的语言表达更细腻和富有感染力。
基于学情数据分析进行学业指导是个长期性工作，通过实践我们认为，要想做好这项工作，还需要注意以下几个问题。
1. 基于实践需求不断提升数据分析水平
考虑到学校的普遍实际，教师不可能随时邀请专业的数据分析团队或使用专业量表进行学情数据分析，但可以通过将使用专业量表和经验分析相结合的方法开展工作。当然我们也意识到，我们目前的学情分析与指导多偏向于经验型，理论水平还有待提升，因此也希望相关专家能够给予我们理论和策略支撑，使我们的工作更具科学性和专业性。
2. 保证数据收集的有效性和连续性
教师在具备数据意识的前提下，在数据挖掘和分析时要注意几个问题：一是要着眼于有形数据和无形数据的收集，同时保证数据的有效性；二是无论针对多小的学生群体，都要保证数据收集的连续性，这样的数据才更有分析价值；三是要学会使用聚类分析、比较分析、假设分析等多种方法，现在网上有很多易于上手的分析软件，教师可以根据工作需要选择应用。
3. 以促进学生成长为出发点，用数据但不唯数据
我们认为，无论数据分析的方法多么先进，我们在使用中都要以促进学生的成长为出发点，做到用数据但不唯数据。例如：我们曾于2017年6月尝试对学生的成绩名次相对位置进行预测分析，即用机器学习的方法依据学生的历史成绩数据预估他们在下次考试中的成绩。但经过小范围测试，使用预估成绩指导学生后，我们发现这样会干扰教师对学生的评价，尤其是在初中阶段学生变化较大的情况下。因此，虽然当时的数据预估比较准确，我们还是中止了这项工作。
参考文献：
[1] 袁庆祝，王永丽，赵军燕.中学生学习素养调查报告—基于2017年我国七省市16所初中的大数据分析[J].基础教育参考，2019（1）：3-6.
[2] 韦官玲，任杰.《心理健康诊断测验（MHT）》在小学生群体中的修订[C]//中国心理学会.第十二届全国心理学学术大会论文摘要集，2009：421-422.
[3] 田澜.我国中小学生学习适应性研究述评[J].心理科学，2004（2）：502-504.
关键词 学情分析；大数据思维；数据挖掘；数据分析；经验分析；学业指导
中图分类号G63
文献标识码B
文章编号1002-2384（2020）11-0048-04
注释：① 本文系北京市教育科学“十二五”规划2015年度重点课题“基于教育大数据挖掘的初中学生学情分析及教学指导的模式探索”（课题编号：ABA15015）的阶段性研究成果之一。
学生的学业表现和学情密切相关，因此基于学情分析采取有效指导非常必要。学生进入初中阶段，学习内容增加、难度增大，家长亲自辅导和“督战”的时间大大减少，采用填鸭式课外辅导的效果下降，[1]这时来自学校的学情分析和指导就尤为重要。那么在大数据时代，在传统的经验分析外，我们可否借鉴商业领域的做法，通过对学情数据的采集和分析实现对学生的精准指导呢？近年来，北京师范大学附属实验中学基于日常教育教学数据挖掘持续进行学情分析，取得了一定的实践效果。
一、借鉴大数据思维，确定基于数据挖掘的学情分析方向
学情是指学习者在某一单位时间内或某一项学习活动中的学习状态，具有客观性、开放性、动态性等特点，其内涵包含学生的起点水平和生活经验、学习动机、学习兴趣、学习风格等。把握学情基础是开展学生学业指导的必要前提。目前中小学普遍采用的学情分析方法主要有经验分析法、问卷法等，我校原来也只是在开学初对学生进行简单的问卷调查，并结合长期的经验积累进行学情分析，但这些方法主观性强，无法全面客观地反映学生的学业情况。2011年，受到经济领域关于大数据应用的启发，我校开始尝试基于对日常教育教学数据的挖掘进行学情分析与学业指导。
实践中，我们的工作主要围绕两方面展开：一是针对学生群体开展学情分析，如挖掘并分析一个年级学生的学情数据，这样就可以找到学生的一些共性特点，解决一些共性问题；二是挖掘并分析学生的个体数据，这样对学生的诊断更为详细具体，指导效果更明显。在2011年7月到2020年7月的9年时间里，我们持续追踪了学校三届初一到初三的学生，跟踪记录1890名学生的成长数据，针对每届学生开展12次问卷调查，分析15次成绩数据，开展2次心理测评。在此过程中，我们使用了心理健康诊断测验（MHT）、[2]学习适应性测验（AAT）[3]等专业量表，自编了阶段性总结与反馈问卷，同时开发了学生成绩记录与数据分析平台等。
二、面向群体的数据分析：聚焦学生共性问题的存在与解决
1. 通过数据分析摸清不同阶段学情特点
学生刚入学时处于陌生环境，是最需要他人帮助的阶段，也是教师对学生了解最少的阶段。因此，我们的群体学情分析在新生刚入学时即展开，在此过程中主要使用学生学习适应性测评量表，从学生基本情况、心理健康诊断、学习适应性诊断三大方面进行学情数据收集和分析。学习适应性是指学生克服种种困难取得较好学习效果的一种倾向，也是一种学习适应能力，是初一新生刚入学时迫切希望得到指导的类别。
例如：通过对2011年、2014年、2017年入学的三届初一学生的学习适应性指导需求数据分析，我们发现，三届学生在“胜任学习”这一项的数据比例较高，分别为41.5%、46.6%、43.4%。为进一步了解学生需求，我们又提取“胜任学习”中的“学习态度”和“学习技术”两项指标进行分解，并对相关数据进行分析。其中“学习态度”包括学习热情、学习计划和听课方法三方面，数据显示：在“学习计划”和“听课方法”方面，三届初一学生中，中等水平的学生各自占比和总比差异不大，但优秀水平的学生比例随着时间变化出现明显递减，偏下水平学生明显递增（详见表1）。这一方面说明受推进教育均衡的影响学校优质生源数量在减少，另一方面偏下水平学生比例增多会直接影响到年级的整体教学进度，因此在进行学业指导时要确保抓两头、促中间。
我们又分析了学生对“学习技术”的指导需求数据，发现在“读书和记笔记”中，优秀和中上水平学生比例逐年递减，中等、中下和偏下水平学生比例逐年递增；特别是2017届初一学生较之前两届数据变化更明显，其中中下和偏下水平学生比例之和较之2011届增加接近20%（详见表2）。“读书和记笔记”是保证学生能够持续学习的一个基本技能，在初中阶段至少要达到中等以上水平，而优秀学生更应该保持在中上或优等，因此从服务于学生的角度考虑，应该在此方面给予学生更多指导。此外，从“应试方法”的数据来看，三届学生的分层数据变化不大，其中优秀和偏下水平的数据分别以固定比例递减和递增，但变化幅度不大（详见表2）。考虑到应试能力是每个学生都要具備的基本学习技能，因此这方面的指导极为重要；当然应试指导只是表象，最终还要回归到对学习态度、学习技术和方法的指导上。
2. 依据分析结果制定分年段学业指导策略
依据对学生群体学情数据的分析，我们结合具体课程和阶段，对学生的学习技能进行了有针对性的指导，如将开学第一个月设定为学法指导月，结合课堂教学对学生进行如何听课、记笔记、写作业、改错等基本学习环节和技能的指导。在初一第一学期期中、期末，我们还会开展关于“学习态度”和“学习技术”的学生自评问卷调查。从结果来看，进行两个月的系列学法指导后，学生自评优秀比例普遍较高。我们同时持续追踪了三届初一学生对初一一年学法指导工作的反馈，结果表明：学生对系列学法指导工作总体满意度在60%左右，對学法指导月的满意度达到75%左右。结合前两届学生的反馈，我们将制定期中考前复习提纲作为一项常规指导工作予以保留；而如何阅读、改错等专题指导由于更适合放在每节课上进行，所以使用一届后就进行了调整。
学生进入初二年级后开始出现明显的两极分化，青春期带来的生理变化和家庭沟通等因素都严重影响着学情变化，所以教师不仅要提供学生学习技术方面的指导，更要教会其必要的心理调整和沟通技能。进入初三年级，学生普遍面临中考升学的压力，往往更关注应试方法和结果，而忽略了如何保持最好的应试状态，所以此时我们会在自我评估、自我激励、时间管理等方面给予学生深层次的指导，让他们在循序渐进中养成终身受益的良好习惯。
三、面向个体的数据分析：聚焦学生个性化问题的诊断与改进
实践中，我们尝试通过多种方式针对学生个体开展学情分析及学业指导。
1. 读懂动态数据，破解学生成绩变化的密码
学生的成绩数据是我们开展个体学情分析的主要依据，包括学生的平时成绩和历次重大考试成绩。为此，我们尝试研发出成绩管理与分析系统，用来记录分析学生成绩的动态变化，在此基础上给予学生相应指导。对于一线教师来说，记录学生的成绩数据并不困难，关键是要从变化中寻找可用信息和策略；同时在促进学生学业改进方面，对学生正向成就总结的效果要优于对教训和失败的反思。
一般而言，学生的成绩都是在不断波动中变化，其中每个上升和下降的结点都是学情发生变化的地方。以图1为例，这个折线图反映的是我校一名学生的成绩数据，从八年级上学期末到下学期期中的数据来看，该生数学和物理成绩进步很大，但语文成绩有很大退步。根据正向激励的原则，我们首先和该生一起分析了数学、物理进步的原因，了解到数学成绩的提升与其在假期补习和开学后观看学校微课有直接关系，物理成绩提升只是因为他坚持看了学校的微课。我们又整理分析了该生观看微课的数据，发现他在观看过程中暂停和多次观看对成绩提升起到了重要的促进作用，因为这种停顿和消化反思对于知识的理解与落实很有帮助。我们又引导学生反思语文成绩下滑的原因，了解到这与他对阅读的深入理解不足有直接关系。在此基础上，我们引导学生巩固目前的有效做法，并将其迁移运用到其他学科，取得了一定的效果。
2. 记录变化过程，提升导师辅导水平
为充分发挥教师的教育教学指导作用，我校在实践中实行学生导师制。为了更好地记录辅导成效和学生的变化过程，我们在2016年9月开发了导师辅导记录平台，要求导师完成学生辅导后在网上填写辅导记录，内容包括辅导时间、时长、阶段性目标、辅导内容、学生反馈、教师反思等，同时要求学生填写被辅导的感受，并对辅导记录采取了保密措施。通过收集分析一段时间内的辅导数据，我们发现了一个普遍现象：在指导需求方面，成绩优异的学生高于成绩落后的学生，女生高于男生；学生在人际沟通方面的指导需求高于学业指导需求，在初三阶段尤其明显；从对指导教师的选择来看，英语和语文教师最受学生喜欢。受此启发，在后续的指导工作中，教师们更加主动地关注男生和成绩落后的学生，在人际沟通技能方面给予学生更多帮助；同时其他学科的教师也会向英语和语文教师学习辅导技能，使自己的语言表达更细腻和富有感染力。
四、在反思中前行：不断优化学情分析与学业指导工作
基于学情数据分析进行学业指导是个长期性工作，通过实践我们认为，要想做好这项工作，还需要注意以下几个问题。
1. 基于实践需求不断提升数据分析水平
考虑到学校的普遍实际，教师不可能随时邀请专业的数据分析团队或使用专业量表进行学情数据分析，但可以通过将使用专业量表和经验分析相结合的方法开展工作。当然我们也意识到，我们目前的学情分析与指导多偏向于经验型，理论水平还有待提升，因此也希望相关专家能够给予我们理论和策略支撑，使我们的工作更具科学性和专业性。
2. 保证数据收集的有效性和连续性
教师在具备数据意识的前提下，在数据挖掘和分析时要注意几个问题：一是要着眼于有形数据和无形数据的收集，同时保证数据的有效性；二是无论针对多小的学生群体，都要保证数据收集的连续性，这样的数据才更有分析价值；三是要学会使用聚类分析、比较分析、假设分析等多种方法，现在网上有很多易于上手的分析软件，教师可以根据工作需要选择应用。
3. 以促进学生成长为出发点，用数据但不唯数据
我们认为，无论数据分析的方法多么先进，我们在使用中都要以促进学生的成长为出发点，做到用数据但不唯数据。例如：我们曾于2017年6月尝试对学生的成绩名次相对位置进行预测分析，即用机器学习的方法依据学生的历史成绩数据预估他们在下次考试中的成绩。但经过小范围测试，使用预估成绩指导学生后，我们发现这样会干扰教师对学生的评价，尤其是在初中阶段学生变化较大的情况下。因此，虽然当时的数据预估比较准确，我们还是中止了这项工作。
参考文献：
[1] 袁庆祝，王永丽，赵军燕.中学生学习素养调查报告—基于2017年我国七省市16所初中的大数据分析[J].基础教育参考，2019（1）：3-6.
[2] 韦官玲，任杰.《心理健康诊断测验（MHT）》在小学生群体中的修订[C]//中国心理学会.第十二届全国心理学学术大会论文摘要集，2009：421-422.
[3] 田澜.我国中小学生学习适应性研究述评[J].心理科学，2004（2）：502-504.