论文部分内容阅读
全球知名咨询公司麦肯锡负责人称：“数据，已经滲透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”大数据在物理学、生物学、环境生态学等领域以及军事、金融、通讯等行业存在虽已有时日，但却因近年来互联网和信息技术的发展才引起人们关注。教育也因此受到了巨大的影响，如何在信息技术时代使大数据成为教育教学的工具成了重要的课题。
2015年8月31日，国务院《关于印发促进大数据发展行动纲要的通知》明确提出：“信息技术与经济社会的交汇融合引发了数据迅猛增长，数据已成为国家基础性战略资源。”“带动社会公众开展大数据增值性、公益性开发和创新应用，充分释放数据红利，激发大众创业、万众创新活力。”在信息技术时代的背景下，大数据也必将推动教育公平和教育健康发展。
在大数据背景下，我们做了很多的尝试，希望能够运用信息技术并通过数据得到有价值的结论来指导实际的教育教学，希望能够通过数据来诊断某一个时间段内的教育教学质量，希望能够用数据来说明我们需要改进或者可以改进的某些方面。但是在实际过程中，对于数据的分析和应用缺乏分析的技术和应用的能力，以下笔者是结合工作实际，将通过《区域教育质量健康体检》项目和学习诊断系统的数据运用和分析，结合微课的有效性探索所作出的尝试与努力，来阐述大数据的一些分析方法和技术。
一、数据关联性分析
（一）问题的提出
先来探讨数据的关联性问题。“健康体检项目”是基于标准化的测试，且测试工具在若干年之内保持一定的稳定性，数据间就有一定的可比性。同时它又是大样本的测试，数据具有全面性、客观性。为了实现在信息技术的背景下更好地分析教学、改进教学、推动微课发展，首先要明确数据的价值。
我们认真分析了《2012年项目报告》所提供的数据。从2012年项目数据来看，学生的学业成绩标准达成指数、高层次能力指数以及师生关系指数远低于本区（市直）水平，但教师教学方式、作业指数以及学校压力等常规教育指数均达到了本区（市直）水平。那么出现的问题应该怎么解决呢？
（二）问题的分析
通过初步分析发现，出现问题的几个方面都和教学有关，是不是只需要改进课堂教学就可以了？那么与师生关系是因果关系还是关联性关系呢？是不良的师生关系导致了学业水平低下吗？2014年6月，在郑州市义务教育质量健康指数发布会上，北京师范大学中国基础教育监测协同创新中心刘坚教授给出了一组关联性数据。从中可以看出，师生关系与学业水平存在正相关，并且相关度非常高。说明师生关系只能证明其存在着关联关系，这种正相关的背后可能存在着两种情况：师生关系不好导致学业成绩下降，或者学业成绩下降带来的师生关系不好。也就是说，要解决这个问题需要两个方面同时着力，不能分别对待。
（三）问题的解决
基于以上探索，笔者所在学校于2014年提出了“学校发展五大主题”：教师专业发展、学科组建设、课程建设、办学特色、师生阅读，将师生关系融入到教师专业发展和学科组建设中去，使之成为有机的结合体。通过后续的数据对比也发现两者可以同时成长，虽无法证明两者的因果关系，但却能说明其存在着关联性。但是更多的信息技术，比如微课技术并没有得到很好地推广，缺乏相关数据及经验的支撑。
二、数据指向性分析
（一）问题的提出
在推进教学评一致性的过程中，微课可以促进教育的多元化和公平性，评价可以为目标的达成度和教学的有效性提供有力的证据，是否就能够说明课堂教学的价值需要过程性的评价？一般来说，过程性评价包括课堂中的评价（评价任务的设置与实施）、课后评价（作业的布置与反馈）、形成性评价（阶段性的面向目标的评价）和其他的内部评价方式。
为了更好地为课堂教学质量提供诊断结果和改进的依据，需要引进基于网络信息技术的“必由学学习诊断系统”，它可以为我们的教学提出明确的改进方向，可以用数据指向课堂教学活动。但是面对庞大的数据，如何使之成为真正得力的助手就需要我们去分析数据，让数据的指向性更加明确。
（二）问题的分析
通过使用学习诊断系统，我们拿到了一些数据，可以看出在某些具体题型上的问题，可以有效地缩小我们分析问题的范围。经过继续分析数据，虽然能够发现其可以将问题的指向更加明确，看哪一个知识点哪一种题型得分较低，但是指向性依然不够明确。我们所需的指向性是要能够直接指向课堂教学的，直接面向课堂教学的，对此，我们还需要继续做一些工作。
数据就是冷冰的数据，还需要实践的证据作为佐证。因此，我们进一步查看了任课教师在所涉及知识点内容所使用的教案和学习卷，更加细致地分析问题所在。是概念性知识呈现方式不当还是程序性知识结构梳理不到位，是课堂评价任务落实不够还是课后的评价存在问题等。只有这样，才能将数据真正的还给一线老师，让老师明白阶段性的教学存在着哪些问题，有利于直面教学中的问题，从而改进教学。
（三）问题的解决
要想使学习诊断系统成为课堂教学的助手，首先需要为每一份评价工具标准准确地测试目标，也就是说，每一道题目考查的知识点是什么？所呈现的题型是什么？要提前标注出来。其次要为每一道题目提供适当的解释，不能不顾及学生学习情况而一味地堆砌测试题。最后要对数据进行分析，使之指向课堂教学的改进。通过学习诊断系统的使用，促进课堂教学能力和学生学业水平的提升。
三、数据改进教学的基本要求
（一）数据分析的基本方面
1.可视化分析。在任何情况下数据可视化是数据分析工具最基本的要求。要借助信息技术将数据转化为可视化的、可以直观展示的数据，让数据自己说话，让人看到结果，要让我们取得的数据更直观地呈现教学中存在的问题。
2.数据挖掘。可视化是给人看的，数据挖掘是了解数据、掌握情况必不可少的。如何让数据说话就是如何去挖掘数据背后的问题，就是去分析数据间的关联性和数据的指向性。
3.预测性分析。数据挖掘可以更好地理解数据，而预测性分析可以根据可视化分析和数据挖掘的结果做出一些预测性的判断。通过技术优化可以判断一些基本的趋势和走向。
4.数据质量和数据管理。数据质量和数据管理是一些管理方面的最佳实践。通过标准化的流程和工具对数据进行处理可以保证一个预先定义好的、高质量的分析结果。
（二）数据的高信度
数据是用来研究问题、分析问题的，因此不论什么样的数据采集都要达到高信度这个基本要求。为了保证数据的高信度，建议在采集数据时确保公平公开，在使用数据时遵循客观的原则。不能拿诊断性数据指责采集的对象，不能将内部评价作为考核考评的依据，不能将过程性评价数据用来进行横向对比。
（三）数据的合理性
某些时候为了获取更多的数据，或者为了成为“大数据”而罗列数量庞大而又毫无关联的测试内容，不仅会影响被测试人对测试的抵触，也不利于数据的分析和整理。一些无关的评价维度会造成逻辑的混乱，为数据的有效分析设置障碍。而好的数据收集需要有适切的评价目的、合理的评价维度，不同的答案应该得到不同的结论，避免是非选项。好的数据收集过程会成为大数据展现其强大一面的助推器。
总之，在我们使用学业诊断系统的过程中，不仅有效地改进了课堂教学，顺利地推进了基于标准的教学，将教学评一致性的理念进一步体现出来，同时也提升了教师的课堂教学能力和学生的学业水平。在数据分析的过程中也更好地体现出不同教学手段为教学效果带来的变化，让更多的信息化教学手段发挥出更好的作用。
（作者单位：郑州市第五中学）
2015年8月31日，国务院《关于印发促进大数据发展行动纲要的通知》明确提出：“信息技术与经济社会的交汇融合引发了数据迅猛增长，数据已成为国家基础性战略资源。”“带动社会公众开展大数据增值性、公益性开发和创新应用，充分释放数据红利，激发大众创业、万众创新活力。”在信息技术时代的背景下，大数据也必将推动教育公平和教育健康发展。
在大数据背景下，我们做了很多的尝试，希望能够运用信息技术并通过数据得到有价值的结论来指导实际的教育教学，希望能够通过数据来诊断某一个时间段内的教育教学质量，希望能够用数据来说明我们需要改进或者可以改进的某些方面。但是在实际过程中，对于数据的分析和应用缺乏分析的技术和应用的能力，以下笔者是结合工作实际，将通过《区域教育质量健康体检》项目和学习诊断系统的数据运用和分析，结合微课的有效性探索所作出的尝试与努力，来阐述大数据的一些分析方法和技术。
一、数据关联性分析
（一）问题的提出
先来探讨数据的关联性问题。“健康体检项目”是基于标准化的测试，且测试工具在若干年之内保持一定的稳定性，数据间就有一定的可比性。同时它又是大样本的测试，数据具有全面性、客观性。为了实现在信息技术的背景下更好地分析教学、改进教学、推动微课发展，首先要明确数据的价值。
我们认真分析了《2012年项目报告》所提供的数据。从2012年项目数据来看，学生的学业成绩标准达成指数、高层次能力指数以及师生关系指数远低于本区（市直）水平，但教师教学方式、作业指数以及学校压力等常规教育指数均达到了本区（市直）水平。那么出现的问题应该怎么解决呢？
（二）问题的分析
通过初步分析发现，出现问题的几个方面都和教学有关，是不是只需要改进课堂教学就可以了？那么与师生关系是因果关系还是关联性关系呢？是不良的师生关系导致了学业水平低下吗？2014年6月，在郑州市义务教育质量健康指数发布会上，北京师范大学中国基础教育监测协同创新中心刘坚教授给出了一组关联性数据。从中可以看出，师生关系与学业水平存在正相关，并且相关度非常高。说明师生关系只能证明其存在着关联关系，这种正相关的背后可能存在着两种情况：师生关系不好导致学业成绩下降，或者学业成绩下降带来的师生关系不好。也就是说，要解决这个问题需要两个方面同时着力，不能分别对待。
（三）问题的解决
基于以上探索，笔者所在学校于2014年提出了“学校发展五大主题”：教师专业发展、学科组建设、课程建设、办学特色、师生阅读，将师生关系融入到教师专业发展和学科组建设中去，使之成为有机的结合体。通过后续的数据对比也发现两者可以同时成长，虽无法证明两者的因果关系，但却能说明其存在着关联性。但是更多的信息技术，比如微课技术并没有得到很好地推广，缺乏相关数据及经验的支撑。
二、数据指向性分析
（一）问题的提出
在推进教学评一致性的过程中，微课可以促进教育的多元化和公平性，评价可以为目标的达成度和教学的有效性提供有力的证据，是否就能够说明课堂教学的价值需要过程性的评价？一般来说，过程性评价包括课堂中的评价（评价任务的设置与实施）、课后评价（作业的布置与反馈）、形成性评价（阶段性的面向目标的评价）和其他的内部评价方式。
为了更好地为课堂教学质量提供诊断结果和改进的依据，需要引进基于网络信息技术的“必由学学习诊断系统”，它可以为我们的教学提出明确的改进方向，可以用数据指向课堂教学活动。但是面对庞大的数据，如何使之成为真正得力的助手就需要我们去分析数据，让数据的指向性更加明确。
（二）问题的分析
通过使用学习诊断系统，我们拿到了一些数据，可以看出在某些具体题型上的问题，可以有效地缩小我们分析问题的范围。经过继续分析数据，虽然能够发现其可以将问题的指向更加明确，看哪一个知识点哪一种题型得分较低，但是指向性依然不够明确。我们所需的指向性是要能够直接指向课堂教学的，直接面向课堂教学的，对此，我们还需要继续做一些工作。
数据就是冷冰的数据，还需要实践的证据作为佐证。因此，我们进一步查看了任课教师在所涉及知识点内容所使用的教案和学习卷，更加细致地分析问题所在。是概念性知识呈现方式不当还是程序性知识结构梳理不到位，是课堂评价任务落实不够还是课后的评价存在问题等。只有这样，才能将数据真正的还给一线老师，让老师明白阶段性的教学存在着哪些问题，有利于直面教学中的问题，从而改进教学。
（三）问题的解决
要想使学习诊断系统成为课堂教学的助手，首先需要为每一份评价工具标准准确地测试目标，也就是说，每一道题目考查的知识点是什么？所呈现的题型是什么？要提前标注出来。其次要为每一道题目提供适当的解释，不能不顾及学生学习情况而一味地堆砌测试题。最后要对数据进行分析，使之指向课堂教学的改进。通过学习诊断系统的使用，促进课堂教学能力和学生学业水平的提升。
三、数据改进教学的基本要求
（一）数据分析的基本方面
1.可视化分析。在任何情况下数据可视化是数据分析工具最基本的要求。要借助信息技术将数据转化为可视化的、可以直观展示的数据，让数据自己说话，让人看到结果，要让我们取得的数据更直观地呈现教学中存在的问题。
2.数据挖掘。可视化是给人看的，数据挖掘是了解数据、掌握情况必不可少的。如何让数据说话就是如何去挖掘数据背后的问题，就是去分析数据间的关联性和数据的指向性。
3.预测性分析。数据挖掘可以更好地理解数据，而预测性分析可以根据可视化分析和数据挖掘的结果做出一些预测性的判断。通过技术优化可以判断一些基本的趋势和走向。
4.数据质量和数据管理。数据质量和数据管理是一些管理方面的最佳实践。通过标准化的流程和工具对数据进行处理可以保证一个预先定义好的、高质量的分析结果。
（二）数据的高信度
数据是用来研究问题、分析问题的，因此不论什么样的数据采集都要达到高信度这个基本要求。为了保证数据的高信度，建议在采集数据时确保公平公开，在使用数据时遵循客观的原则。不能拿诊断性数据指责采集的对象，不能将内部评价作为考核考评的依据，不能将过程性评价数据用来进行横向对比。
（三）数据的合理性
某些时候为了获取更多的数据，或者为了成为“大数据”而罗列数量庞大而又毫无关联的测试内容，不仅会影响被测试人对测试的抵触，也不利于数据的分析和整理。一些无关的评价维度会造成逻辑的混乱，为数据的有效分析设置障碍。而好的数据收集需要有适切的评价目的、合理的评价维度，不同的答案应该得到不同的结论，避免是非选项。好的数据收集过程会成为大数据展现其强大一面的助推器。
总之，在我们使用学业诊断系统的过程中，不仅有效地改进了课堂教学，顺利地推进了基于标准的教学，将教学评一致性的理念进一步体现出来，同时也提升了教师的课堂教学能力和学生的学业水平。在数据分析的过程中也更好地体现出不同教学手段为教学效果带来的变化，让更多的信息化教学手段发挥出更好的作用。
（作者单位：郑州市第五中学）