论文部分内容阅读
随着教育信息化的推进，人工智能、大数据、物联网等新兴技术逐渐进入校园，电脑、网络、电子白板和多媒体课件等教学媒介也更加丰富，教师的教学理念、教学方式和课堂教学生态正在悄然发生改变——大数据改善教育势在必行。
教学大数据是指在整个教学活动过程中所产生的以及根据教学需要所采集到的、一切用于教育发展并可创造巨大潜在价值的数据集合。可见，大数据驱动下的教学，数据采集是基础，数据分析是关键，数据应用是核心。然而，从教学实践来看，教师对数据采集存在两种极端情况：一种是除了对考试和作业进行数据采集外，鲜有对课堂教学现场的数据采集;还有的教师课堂上平板几乎不离手，频频推送学习资源，以此来代替讲义和板书，而产生的有用数据甚少。因此，在由传统课堂向大数据驱动的新型课堂转变的初始阶段，有必要了解大数据驱动教学的基本特性，并构建一套基本的课堂教学模式。
大数据驱动教学给教师精准化教学提供了强大支撑
精准性：为实施个性化教与学提供依据。常态化的学生课堂练习、作业、考试产生的数据是海量、零碎、复杂的，借助教学大数据挖掘与学习分析技术，能精准呈现班级学生的共性及个性问题、班级学生最近时段的知识薄弱点和高频错题，报告大幅进步生和退步生、临界生、波动生名单以及每题做错的学生人数和名单等。这样，教学评价就可以从传统的经验、质性走向量化的數据、精准判断，随着教学数据的大量积累，可以进一步提高“学生画像”的精准度和“分辨率”，为实施个性化教与学提供依据。
科学性：使课堂教学更加科学有效。大数据之“大”不仅指数量之大，更强调“价值”之大，即能从繁杂的教学大数据中发现相关关系、诊断现存问题、预测发展趋势、发挥教学大数据在提升教育质量、促进教育公平、实现个性化学习、优化教育资源配置和辅助教育科学决策等方面的重要作用。可以预见，大数据必定与教学的精准性、科学性和个性化结伴同行。基于大数据分析技术，教师的一切教学设计和教学措施“都凭数据说话”，“立足于数据”科学合理地设定教学目标、确定教学起点、选择教学方法、开发教学资源、精选例题和作业、发现不足并及时弥补，从而提高教与学的相关性和匹配度，“有的放矢”，“对症下药”，使课堂教学更加科学和有效。同时基于大数据分析，家长和学生能清晰地认识自我，正确评价自我，更加科学合理地自主学习，扬优势、补短板，提高学习效果。
个性化：充分了解每一位学生。长期以来，虽然一直强调“发展学生的学习个性”，但是囿于技术条件，个性化教学难以实施。以云计算、数据挖掘和移动互联为支撑的大数据技术，给教师精准化教和学生个性化学提供了强大支撑。通过挖掘与分析海量的教学大数据，既可以发现隐含在教学背后的群体规律，还可以精准识别每位学习者个体的学习需求与学习特征。真实的教学数据不会“说假话”，它会赋予教师“显微镜”式的观察能力（看得更细）和“望远镜”式的预测能力（看得更远），让教师充分了解每一位学生，从而借助技术工具和智能平台开展真正意义上的个性化教学。这种以“数据分析—特征发现—智能干预”为特征的个性化教学模式，是“互联网+”时代学校教育实现规模化、个性化教育的必然选择。
大数据驱动教学，盘活整个知识网
新授课：“栽活一棵树”。新授课是最普遍的课型，是学生获取知识、形成能力、发生核心素养的重要场所。大数据驱动下的新授课教学，不仅要把课上好，使之符合“好课”的标准，还要考虑在课堂教学中“何时采集数据”合理、一堂课“采集几次数据”适宜的问题。显然，缺乏新授课的课堂数据采集，教学大数据是不够完整的。相反，课堂教学中频繁采集数据，则有可能导致课堂教学缺少连贯性，造成教学的碎片化现象严重，影响教学质量的提升。
实践发现，在化学课堂教学的一个“教学板块”或一个“教学任务”完成后采集数据是比较合乎时宜的。化学课堂教学板块是化学课堂的构造单元，一个教学板块往往涵盖了一个或几个细小的知识点和几个教学环节，一个一个的教学板块有机地结合在一起就构成了化学课堂的教学整体。每一板块承载并完成了一个教学任务实体，不同板块间具有较为清晰的边界，既相互独立，又浑然一体。新授课教学，每一个教学板块往往包含“问题情境→自主合作探究→导出结论→拓展体验→结果反馈形成数据→评价与纠错”等教学环节。一节课可以由2-3个教学板块组成，也就是有2-3次数据采集的机会，这些原始数据经过大数据智能化教学分析系统处理形成的报告数据，是诊断教学效果的重要依据，也是后续教学的基础性资料。
以教学“钠的性质”为例，我们可以将“钠的物理性质”和“钠与水的反应”作为一个教学板块，因为学生在进行“钠与水的反应”实验时，可以在“钠的取用”等一系列操作过程中观察到“钠的物理性质”，教学的连续性强。为此，可以先播放“老外将一公斤钠投入河里”的网络视频，作为情景引出问题：钠投入河里，为什么在水面发生爆炸并产生大量火光？怎样保存金属钠？怎样取用金属钠？钠有哪些物理性质？学生利用教师提供的实验器材和试剂进行探究学习。然后，师生一同归纳钠的物理性质，研究得出钠与水反应的化学方程式。为了评价学生对这一板块知识的学习效果，可以通过平台推送一组选择题，学生限时在线作答，平台自动呈现提交答案的学生名单，并对每题的正确率进行统计，反馈每题做错的学生名单，帮助教师及时评价教学效果。
复习课：“育好一片林”。单元复习课是围绕一个知识单元的复习提高性课型，对于巩固所学知识、帮助学生将所学知识结构化和系统化、提升学生思维能力具有极其重要的作用。如果说新授课是“栽活一棵树”，那么复习课就是“育好一片林”。大数据驱动的化学单元复习课，主要功能是查漏补缺、梳理提高和数据诊断，也就是依据教学目标和数据反馈，针对学生的知识缺陷和思维障碍，进行有针对性的补偿教学;依据化学知识的内在联系，帮助学生建构有序的知识结构或知识网络;依据学生的认识发展规律，针对本单元的化学核心知识、重要的思想方法或认知模型，在更高水平层次上加强知识的深度融合，促进学生深度学习;通过课堂练习和课外作业形成的数据，诊断学生对本单元化学知识的掌握情况和能力水平。化学单元复习课一般包括“知识再现→补偿性例题→知识梳理系统建构→拓展体验→结果反馈形成数据→评价与纠错”等教学环节。
比如“化学物质及其变化”的单元复习课，可以将初中化学有关知识整合进来，并以“分类”为线索，从纯净物的分类→混合物的分类→化学反应的分类，用思维导图或树状分类法或表格的形式，梳理出本单元的知识结构体系，并从教材编写的知识逻辑顺序这一更高层次上，认识各类化学物质及其变化的分类思想，这样可以开阔学生视野，提高学生的认识水平。
试卷讲评课：“修枝剪叉方成材”。试卷讲评课是看似简单实则复杂的课型，大多数教师认为试卷讲评课最容易上，不过就是通报分数和得分率、分析题目难易、讲解纠错答案、评价成绩好差、督促学生学习等，以至于有些教师就按试题流水号逐题讲评。这正暴露了讲评课的随意性，它最大的弊端在于缺少对学生知识薄弱点和能力欠缺点的突破性教学设计，忽略了对学生学习方法、学习能力的再培养，费时而且低效。大数据驱动的试卷讲评课，“一切从数据出发”，不仅要知对错、找原因，更是要针对班级学生存在的共性问题进行突破性的补偿教学和训练。这种“突破”体现在对重点讲评或分类讲评过程中的“错因分析”“模型认知”和“变式训练”等环节教学效果的反馈和质量检验，从而达到由此及彼、举一反三的目的，追求“从弄懂一道题到掌握一类题，从突破一个知识点到盘活整个知识网”的境界。它一般包括“数据呈现→重点讲评/分类讲解→补偿性教学→突破性训练→结果反馈形成数据→评价与纠错”等教学环节。可见，试卷讲评课的数据采集，视突破性训练的次数而定，一般一节课1-2次为宜。
大数据驱动下的教学强调了数据对教学的指导作用，作为一种技术支撑的结果，数据是客观的、冷峻的，在教学过程中我们既要注意发挥大数据的评价作用，又要加强对学生的人文关怀，正确处理好大数据支持下教学的科学性、人文性和艺术性的辩证关系，让大数据在提高教学的针对性、减轻学生过重的课业负担和提高教育教学质量方面发挥不可替代的作用。
教学大数据是指在整个教学活动过程中所产生的以及根据教学需要所采集到的、一切用于教育发展并可创造巨大潜在价值的数据集合。可见，大数据驱动下的教学，数据采集是基础，数据分析是关键，数据应用是核心。然而，从教学实践来看，教师对数据采集存在两种极端情况：一种是除了对考试和作业进行数据采集外，鲜有对课堂教学现场的数据采集;还有的教师课堂上平板几乎不离手，频频推送学习资源，以此来代替讲义和板书，而产生的有用数据甚少。因此，在由传统课堂向大数据驱动的新型课堂转变的初始阶段，有必要了解大数据驱动教学的基本特性，并构建一套基本的课堂教学模式。
大数据驱动教学给教师精准化教学提供了强大支撑
精准性：为实施个性化教与学提供依据。常态化的学生课堂练习、作业、考试产生的数据是海量、零碎、复杂的，借助教学大数据挖掘与学习分析技术，能精准呈现班级学生的共性及个性问题、班级学生最近时段的知识薄弱点和高频错题，报告大幅进步生和退步生、临界生、波动生名单以及每题做错的学生人数和名单等。这样，教学评价就可以从传统的经验、质性走向量化的數据、精准判断，随着教学数据的大量积累，可以进一步提高“学生画像”的精准度和“分辨率”，为实施个性化教与学提供依据。
科学性：使课堂教学更加科学有效。大数据之“大”不仅指数量之大，更强调“价值”之大，即能从繁杂的教学大数据中发现相关关系、诊断现存问题、预测发展趋势、发挥教学大数据在提升教育质量、促进教育公平、实现个性化学习、优化教育资源配置和辅助教育科学决策等方面的重要作用。可以预见，大数据必定与教学的精准性、科学性和个性化结伴同行。基于大数据分析技术，教师的一切教学设计和教学措施“都凭数据说话”，“立足于数据”科学合理地设定教学目标、确定教学起点、选择教学方法、开发教学资源、精选例题和作业、发现不足并及时弥补，从而提高教与学的相关性和匹配度，“有的放矢”，“对症下药”，使课堂教学更加科学和有效。同时基于大数据分析，家长和学生能清晰地认识自我，正确评价自我，更加科学合理地自主学习，扬优势、补短板，提高学习效果。
个性化：充分了解每一位学生。长期以来，虽然一直强调“发展学生的学习个性”，但是囿于技术条件，个性化教学难以实施。以云计算、数据挖掘和移动互联为支撑的大数据技术，给教师精准化教和学生个性化学提供了强大支撑。通过挖掘与分析海量的教学大数据，既可以发现隐含在教学背后的群体规律，还可以精准识别每位学习者个体的学习需求与学习特征。真实的教学数据不会“说假话”，它会赋予教师“显微镜”式的观察能力（看得更细）和“望远镜”式的预测能力（看得更远），让教师充分了解每一位学生，从而借助技术工具和智能平台开展真正意义上的个性化教学。这种以“数据分析—特征发现—智能干预”为特征的个性化教学模式，是“互联网+”时代学校教育实现规模化、个性化教育的必然选择。
大数据驱动教学，盘活整个知识网
新授课：“栽活一棵树”。新授课是最普遍的课型，是学生获取知识、形成能力、发生核心素养的重要场所。大数据驱动下的新授课教学，不仅要把课上好，使之符合“好课”的标准，还要考虑在课堂教学中“何时采集数据”合理、一堂课“采集几次数据”适宜的问题。显然，缺乏新授课的课堂数据采集，教学大数据是不够完整的。相反，课堂教学中频繁采集数据，则有可能导致课堂教学缺少连贯性，造成教学的碎片化现象严重，影响教学质量的提升。
实践发现，在化学课堂教学的一个“教学板块”或一个“教学任务”完成后采集数据是比较合乎时宜的。化学课堂教学板块是化学课堂的构造单元，一个教学板块往往涵盖了一个或几个细小的知识点和几个教学环节，一个一个的教学板块有机地结合在一起就构成了化学课堂的教学整体。每一板块承载并完成了一个教学任务实体，不同板块间具有较为清晰的边界，既相互独立，又浑然一体。新授课教学，每一个教学板块往往包含“问题情境→自主合作探究→导出结论→拓展体验→结果反馈形成数据→评价与纠错”等教学环节。一节课可以由2-3个教学板块组成，也就是有2-3次数据采集的机会，这些原始数据经过大数据智能化教学分析系统处理形成的报告数据，是诊断教学效果的重要依据，也是后续教学的基础性资料。
以教学“钠的性质”为例，我们可以将“钠的物理性质”和“钠与水的反应”作为一个教学板块，因为学生在进行“钠与水的反应”实验时，可以在“钠的取用”等一系列操作过程中观察到“钠的物理性质”，教学的连续性强。为此，可以先播放“老外将一公斤钠投入河里”的网络视频，作为情景引出问题：钠投入河里，为什么在水面发生爆炸并产生大量火光？怎样保存金属钠？怎样取用金属钠？钠有哪些物理性质？学生利用教师提供的实验器材和试剂进行探究学习。然后，师生一同归纳钠的物理性质，研究得出钠与水反应的化学方程式。为了评价学生对这一板块知识的学习效果，可以通过平台推送一组选择题，学生限时在线作答，平台自动呈现提交答案的学生名单，并对每题的正确率进行统计，反馈每题做错的学生名单，帮助教师及时评价教学效果。
复习课：“育好一片林”。单元复习课是围绕一个知识单元的复习提高性课型，对于巩固所学知识、帮助学生将所学知识结构化和系统化、提升学生思维能力具有极其重要的作用。如果说新授课是“栽活一棵树”，那么复习课就是“育好一片林”。大数据驱动的化学单元复习课，主要功能是查漏补缺、梳理提高和数据诊断，也就是依据教学目标和数据反馈，针对学生的知识缺陷和思维障碍，进行有针对性的补偿教学;依据化学知识的内在联系，帮助学生建构有序的知识结构或知识网络;依据学生的认识发展规律，针对本单元的化学核心知识、重要的思想方法或认知模型，在更高水平层次上加强知识的深度融合，促进学生深度学习;通过课堂练习和课外作业形成的数据，诊断学生对本单元化学知识的掌握情况和能力水平。化学单元复习课一般包括“知识再现→补偿性例题→知识梳理系统建构→拓展体验→结果反馈形成数据→评价与纠错”等教学环节。
比如“化学物质及其变化”的单元复习课，可以将初中化学有关知识整合进来，并以“分类”为线索，从纯净物的分类→混合物的分类→化学反应的分类，用思维导图或树状分类法或表格的形式，梳理出本单元的知识结构体系，并从教材编写的知识逻辑顺序这一更高层次上，认识各类化学物质及其变化的分类思想，这样可以开阔学生视野，提高学生的认识水平。
试卷讲评课：“修枝剪叉方成材”。试卷讲评课是看似简单实则复杂的课型，大多数教师认为试卷讲评课最容易上，不过就是通报分数和得分率、分析题目难易、讲解纠错答案、评价成绩好差、督促学生学习等，以至于有些教师就按试题流水号逐题讲评。这正暴露了讲评课的随意性，它最大的弊端在于缺少对学生知识薄弱点和能力欠缺点的突破性教学设计，忽略了对学生学习方法、学习能力的再培养，费时而且低效。大数据驱动的试卷讲评课，“一切从数据出发”，不仅要知对错、找原因，更是要针对班级学生存在的共性问题进行突破性的补偿教学和训练。这种“突破”体现在对重点讲评或分类讲评过程中的“错因分析”“模型认知”和“变式训练”等环节教学效果的反馈和质量检验，从而达到由此及彼、举一反三的目的，追求“从弄懂一道题到掌握一类题，从突破一个知识点到盘活整个知识网”的境界。它一般包括“数据呈现→重点讲评/分类讲解→补偿性教学→突破性训练→结果反馈形成数据→评价与纠错”等教学环节。可见，试卷讲评课的数据采集，视突破性训练的次数而定，一般一节课1-2次为宜。
大数据驱动下的教学强调了数据对教学的指导作用，作为一种技术支撑的结果，数据是客观的、冷峻的，在教学过程中我们既要注意发挥大数据的评价作用，又要加强对学生的人文关怀，正确处理好大数据支持下教学的科学性、人文性和艺术性的辩证关系，让大数据在提高教学的针对性、减轻学生过重的课业负担和提高教育教学质量方面发挥不可替代的作用。