论文部分内容阅读
摘 要：伴随智能信息技术和个性化学习理念在高等教育领域的不断渗透，大数据驱动的精准教学逐渐成为高校教育关注的热点。本研究从资源问题、素养问题和伦理问题三个层面探讨了高校大数据精准教学可能面临的实践困境，并提出了相应的对策建议，以期为高校开展基于大数据的精准教学实践研究提供经验和借鉴。
关键词：大数据;高校;精准教学
教育信息化2.0时代，伴随大数据、人工智能、云计算、物联网等新兴技术的发展，数字化学习环境正在飞速生成和累积海量的教育数据。合理利用教育数据开展科学化、精细化的过程性评价，对个性化教育教学具有重要意义。
在高等教育领域开展大数据精准教学，不仅有助于推动高校教学活动在个性化、精细化的路径上深入发展，也有助于促使高校管理工作朝科学化、系统化的方向不断创新。但由于受到教学资源、数据素养和伦理道德等方面问题的掣肘，高校大数据精准教学工作的顺利开展仍然面临着不少的困难。
一、精准教学的经典内涵
20世纪60年代，美国学者奥格登·林斯利（Ogden Lindsley）将操作性条件反射理论迁移至教育教学情境中，发展出一种数据驱动的教学评估和决策程序——“精准教学”（Precision Teaching，PT）。“精准教学”旨在通过监控日常表现、记录行为频率、绘制行为表现等一系列活动，驱动及时有效、科学严谨的教学决策。早期精准教学主要遵循四条基本原则：第一，“学习者最清楚”，即以学习者的学习表现为教学决策的唯一依据;第二，持续监测可直接观察的学习行为;第三，使用“频率”对行为表现进行测量和评估;第四，使用标准变速图表（Standard Celeration Chart，SCC）绘制行为表现的频率和趋势。[1]精准教学的关键特质在于对行为“流畅度”的关注，即以单位时间内目标行为出现的“频率”为学习表现的关键度量指标。[2]从评价层面出发，“频率”兼顾了准确率和响应速度，突破了“无量纲量”（如正确率百分比）的壁垒，提升了行为评估的严谨性和精确性。从目标层面出发，精准教学强调培养流畅的基础技能（或称“子技能”），原因在于基础技能不足会阻碍相关复合技能的发展，并可能引发学习过程中的“马太效应”，进一步扩大学生之间的差距;只有当基础技能相应的认知处理过程达到准确、即时、自动、轻松的水平，学生才有可能突破能力的天花板，掌握并应用更高阶的复合技能。作为一种数据驱动的系统教学程序，精准教学兼容于不同学段和不同學科，并可与其他教学方法相辅相成。[3]根据已有研究，精准教学已经在常规教育和特殊教育领域取得了积极成效。尽管如此，受种种因素限制，例如技术水平有限、教师意愿不足等，精准教学并没有得到大力推广。
二、精准教学的时代新解
教育信息化2.0时代，在大数据、云计算、物联网等新兴技术的推动下，精准教学开始朝智能化、精细化的方向逐步转型。大数据技术极大地拓展了数据的规模和类型，提升了数据收集和处理的速度。由大数据驱动的精准教学是指以大数据技术为手段，在精准分析学情的基础上精准定位教学目标、精准定制教学内容、精准设计教学活动、精准评价学习表现，进而驱动精准的教学决策，使教学过程和教学结果可量化、可监测、可调控。大数据精准教学承继了传统精准教学强调的“学习者最清楚”原则，同样以学习者的表现为唯一的决策依据。[4]但在智能信息技术的支持下，学习行为已不再停留于“可直接观察”的层面，如借助生物识别技术（面部识别、虹膜识别、情绪识别等），可以实现对学习者生理和心理状态的捕捉和分析，从而为过程性评价和预测性分析提供更多可参考的依据。与此同时，教育数据的用途也呈现出多样化的特点，如学习管理系统中的学习型数据可以用于分析和预测学习者的发展趋势，及时发布学习预警并促进有针对性的教学干预;而借助射频识别技术或生物识别技术收集的管理型数据（如食堂消费、图书借阅、自习打卡、体育锻炼等）则可以用于分析校园生活的现状和问题，继而帮助学校提升教育管理工作的科学性和实效性。
三、高校大数据精准教学可能面临的实践困境
（一）配套教学资源难以满足实际教学需求
高校开展大数据精准教学，首先需要配置符合教学需求的信息化教学设备。但在构建教学环境的过程中，受经费、时间和人力等因素的限制，部分高校或在软硬件设备方面投入不足，或缺乏对已有设备的定期维护和及时更新，影响了大数据精准教学的顺利开展。并且由于高校的学科专业和课程种类较多，具体的评价指标和评价方法也各有不同，要在所有学科、专业和课程中构建相应的教学环境，需要架构庞大的资源配置和管理体系，由专业技术团队开展深入的前期调研，进而根据不同的课程类型、教学模式和教学需求配备合适的教学系统、分析工具，予以一定的技术支持。此外，由于职责和权限的不同，校内各部门可能会使用不同的系统平台，对数据的认知和定义也可能存在差异，各部门之间的数据难以实现有效整合;同样，各高校之间由于缺乏统一的数据采集和管理平台，也难以实现数据的流通共享。因此，学校还须考虑部门之间、高校之间的数据标准化和规范化问题，积极应对可能出现的“数据孤岛”现象。[5]解决上述问题需要投入大量的时间和人力，对于学校而言无疑是巨大的挑战。
除信息化教学设备外，大数据精准教学也离不开配套教学材料的支持。精准教学着眼于个性化的学情分析和资源推送，不同类型的学习者对教学材料的数量和质量有着不同层次的需求。对于高校教学来说，要在类型多样的学科、专业、课程和活动中实现个性化、精准化的资源推送，实际所需的教学材料的数量和类型是相当庞大的。同时，由于从各种途径（如企业提供、网络检索等）获取的教学材料在质量上参差不齐，有时难以直接匹配实际的教学需求，因此，教师还要基于课前、课中和课后的学情分析，结合具体的教学目标、教学内容和教学方法，在教学过程中的各个阶段及时筛选、改编、补充或自制相应的精准教学材料，以满足学生对于该课程的个性化学习需要。但由于学情分析和材料创建并非只停留在课前阶段，还需要结合教学过程中的学情变化不断变换，整个过程耗时耗力，容易给教师造成额外的工作负担，尤其在课程进度较为紧凑的情况下，如果学情分析相对迟滞，即使补充创建了教学材料，也难以与预设的教学活动同步融合。 纵观精准教学的发展历程可以发现，传统精准教学未被推广的原因之一，即在于难以满足教师对现成教学模式的需求。作为一种兼容性较强的教学程序，精准教学本身并不包含具体的教学设计和课程内容，因此，需要在实践中不断探索和总结适应不同学科、不同课型的精准教学模式，由此增加的工作负担在当时也令很多教师望而却步。传统精准教学中的模式欠缺问题，在技术进步的今天依然存在。尤其对于高校而言，精准教学仍处于探索阶段，很多教师由于不清楚如何利用大数据驱动教学活动的各个环节，同时也缺乏适应具体课程的评估标准和分析指导，在实际的教学过程中可能并不愿意改变现有的教学模式;部分教师尽管将大数据技术引入了教学过程，但在缺乏教学模式指导的前提下，这种引入也更多地表现为机械灌注而非深度融合。因此，多样化的大数据精准教学模式和教学实践案例，对于高校开展精准教学至关重要。只有在丰富的教学模式和教学案例中不断学习、借鉴、总结和创新，才有可能找到各类教学模式与大数据精准教学模式之间的过渡区和融合点，才有可能合理利用数据驱动决策的作用机制更好地开展面向具体问题的个性化教学。然而，教学模式的设计、开发、应用和迭代，离不开持续深入的理论研究和实践探索，由此产生的学习和工作压力，可能会降低教师对大数据精准教学的接受意愿和参与程度，从而对教学工作的深入开展造成一定的阻碍。
（二）缺乏必备的理论素养和数据素养
高校教师的学科背景和教学理念是多样化的，对精准教学的态度和认知也存在差异。大数据精准教学并不是技术和教学的简单叠加，要使大数据真正发挥驱动作用，必须要结合精准教学理论设计结构化的教学策略和教学模式，不能认为应用大数据技术就等于开展精准教学。由于缺乏精准教学的专业理论知识，加上主观经验或教学习惯的影响，部分高校教师在教学过程中对大数据技术生搬硬套，本质上已经偏离了精准教学的意义和宗旨。教师在理论素养方面的欠缺，可能也会影响学生对精准教学的正确认知，甚至引起“为数据而数据”的错误倾向。例如，当教师将在线学习中的发言数量和阅读时长作为考评指标并明确告知学生时，学生有可能为了获得更高的分数，刻意追求发言数量而不注重发言质量，刻意累积阅读时间而不开展真正的阅读学习。这种迎合学习数据，营造学习假象的现象，干扰了信息的真实性和有效性，不仅可能导致错误的教学决策，也容易对学生的习惯培养产生不利影响。
随着大数据应用的逐渐深入，数据素养引起了教育界的广泛关注。数据素养是指在符合伦理要求的前提下，批判性地理解、分析、评价和应用数据的意识和能力。良好的数据素养，是大数据精准教学的内在动力和必要前提。在高等教育领域，数据的来源复杂多样，面对面学习、慕课学习、混合式学习、移动式学习等各种情境都在不断累积教育教学数据。但对于高校发展而言，并非所有数据都是有用的，只有高质量的数据才能满足精准教学的需求。正确区分数据的质量高低和适用领域，必须具备较强的数据思维和分析能力。部分高校由于缺乏专业的数据处理人员，或者现有管理者的数据素养较为薄弱，因此难以高效率地对复杂的数据信息进行准确合理的规划和管理。同样地，由于缺乏数据素养，部分师生难以客观辩证地理解教育数据的意义和价值，难以科学合理地规划数据和应用数据，具体表现为以下几个方面：第一，对大数据技术缺乏正确的认知，或盲目依赖，或主观排斥;第二，信息化设备利用率低或利用方式存在誤区;第三，对数据缺乏主动的使用意识和相应的分析技巧;第四，对系统生成的数据和诊断缺乏批判性的思考。在大数据精准教学活动中，教师、学生、管理者和决策者在不同环节中各自承担重要的职能，任何一环出现问题都有可能导致精准教学活动无法顺利运行。然而，数据素养的不足，可能会降低参与者的参与意愿和参与效率，影响教学环节的有序联动和教学活动的整体效果。这种隐性的问题往往正是制约精准教学发挥作用的重要原因，并且这类问题也难以在短期内得到解决，因为素养的提升无法一蹴而就，需要充足的时间和科学的指导。
（三）“量身定制”容易引发伦理道德争议
大数据精准教学强调以多维数据为教学决策的科学依据，这就需要对个体和群体的学习过程展开持续的追踪和监控，进而收集大量数据并从中挖掘有价值的教育信息。尽管这种方式极大地提升了数据收集和处理的效率，但由于涵盖了个体和群体的大量信息，其中涉及的数据安全和信息隐私等问题亦引发了伦理争议。对于高校而言，加强数据安全防护，防止隐私信息泄露，是开展大数据精准教学的底线要求和前提保障。但部分高校由于缺乏专业的数据管理技术部门，所收集的教学型数据和管理型数据仍存在暴露的风险，一旦数据被非法用于其他途径，就会对学校和师生造成不利影响。同时，大学生通常不直接参与数据收集和管理活动，也无从了解数据收集和应用的具体细节，一旦其个人隐私和敏感信息被泄露和滥用，可能会引发学生对数据安全的担忧以及对学校管理能力的质疑。此外，由于高校课堂时间的有限性和教学活动的延展性，数据收集有时并不局限于课堂教学，而是逐渐延伸到校园生活的各个方面，尽管这在一定程度上有助于学校及时发现和处理问题，但是无处不在的数据收集对于学生而言可能也是一种潜在的监控压力。
四、问题思考及对策建议
（一）科学开展教学资源的配置和管理工作
不同高校的信息化建设水平是存在差异的。在设备资源和人才资源方面存在一定困难的高校，可以积极寻求各方力量的帮助，通过自主开发、校企合作、校际交流、校友支持等多种渠道，建立和完善学校的大数据精准教学环境。学校应组建专业的技术部门，帮助各院系设计和创建适应学科特点和专业要求的精准教学环境。同时，为避免“数据孤岛”可能造成的数据断裂和信息冗余现象，高校应组织技术部门制定数据规范，定义数据标准，深入研究部门工作的内容和师生群体的需求，整合各个信息端口，建立统一的数据收集和管理平台，加强部门之间或学校之间的信息互联，尽可能降低信息碎片化造成的干扰，从而提高数据管理的效率，促进数据信息的流通共享。 与此同时，高校可通过多种方式积累和完善教学材料。第一，循环更新教学材料。高校应注意在教学实践过程中不断积累和修正符合本校实际和学科特色的精准教学资源，同时建立体系完善的校本精准教学材料资源库，促进教学材料的循环利用和发展更新。第二，共建共享教学材料。高校可依据教学需求向合作企业订制教学材料，或充分利用企业已开发的优质资源，根据教学实际对其进行合理改造。不同高校之间可建立资源共建共享机制，协同制作适应基本需求的通用类教学材料，并就校本教学材料开展积极的学习交流。学校还可以鼓励学生参与资源创建的过程，通过学生自己的视角创建学习材料，帮助学生更好地理解和解决问题。第三，甄选、完善教学材料。对于多种正规渠道收集整理的教学材料，高校应在尊重知识产权的基础上，组织各学院、各学科建立专门的审核小组，根据教学实际定期对材料进行严格筛选和适当改编，以更好地适应本校精准教学的目标和需求。
传统精准教学强调经验的累积和共享，这一点对大数据精准教学也具有现实指导意义。教学模式创建需以具体的学科特点、学情信息、培养目标和课程内容等为基本出发点，其设计和开发过程涉及不断变化的细节问题，效果验证和结论推广也受样本规模和实践周期等多种因素的影响。在这种情况下，高校必须突破视野局限，在主动探究的基础上，充分吸收和采纳他人的优秀经验，积极开展不同高校之间的协作交流。对于同一学科相似课程的教学模式，不同高校之间可以互相参考借鉴，高校也可以组织学科内部的精准教学模式研讨活动，邀请专家和技术人员参与指导，共同就计划开发或正在实践的教学模式开展讨论和思考，分析并挖掘教学模式发挥作用的内在机制。在协作交流的环境中，共同探讨、积累、优化和总结适应不同学情、学科、专业和课程的大数据精准教学模式，共同建立和完善体系丰富、种类多样的精准教学范例资源库，以供更多有需要的高校教育工作者学习和参考。
（二）多路径提升各群体的理论素养和数据素养
尽管早期精准教学在学术文献中的记载并不多，但实际的教学案例却累积了丰富的数据信息。这在一定程度上反映出一线教育工作者和教育理论研究者对待精准教学的不同倾向，即前者更关注精准教学的实践过程和教学效果，后者则注重精准教学的理论研究和实践总结。因此，要提升师生的精准教学理论水平，应注意将理论知识嵌入个性化的教学案例中，使师生通过对教学活动的回顾和反思，结合自身的经验和感受深入理解精准教学的理论内涵和实践原则。开展案例学习的途径可以是多样化的。就教师群体而言，高校不仅可以通过教师培训和学术研讨等方式组织精准教学的理论学习和经验分享，邀请领域专家就具体案例进行精准指导，还可以通过博客、公众号、学校网站等传播媒介，以专题形式分享精准教学的理论知识和实践案例，为广大高校师生提供便利的交流空间和便于获取的学习资源。就学生群体而言，高校应开设面向学生的选修课程或培训活动，通过实例演练帮助学生正确理解精准教学的内涵和作用，鼓励学生尝试通过小组协作的学习方式，利用数据设计个性化的学习方案，并共同思考和解决在精准教学过程中遇到的困难和问题。在此过程中，教师要引导学生从自己和同伴的实践案例中总结经验和方法，通过不断的学习反思逐步提升自己在精准教学方面的理论素养。
在大数据精准教学活动中，参与人员的数据素养是影响教学效果和教学质量的重要因素。为了更好地开展大数据精准教学，高校应开发面向不同参与人员的数据素养提升项目。就数据管理者而言，高校应注重在培训阶段和工作阶段，通过大量的实战练习和总结反思，提升数据管理者的数据思维和分析技能。就师生群体而言，高校应注重在教学活动和研训活动中培养师生的数据素养。从增强数据意识的角度出发，在教学活动中，学校应适当鼓励师生尝试应用数据改善教与學的过程，组织团队及时收集师生对于大数据精准教学的意见，从师生的真实需求出发，为其提供个性化的理论指导和技术支持，逐步减少师生对数据的排斥或畏难情绪，提升师生使用数据的意愿和倾向。在研训活动中，培训人员要以精准教学理论为基础，通过具体的教学实践案例，向学员解读大数据精准教学的意义和价值，同时结合培训学员的个性化特征，帮助其设计精准教学的思路和策略，通过实践提升学员在大数据精准教学过程中的自我效能感。从培养数据分析技能的角度出发，高校应针对不同学科和专业的特点和需求，组织以数据分析为核心的专题研讨、专家讲座、专项培训等活动，通过具体案例教授数据分析的知识和技能;结合本校实际，在学院、学科中创建技能提升小组，以技能水平较高的教师带动其他需要帮助的教师。在日常的教学活动中，教师则要注重引导学生主动对学习过程进行观察和解读，根据学生的个体差异教授相应的数据分析技能，帮助学生利用各类数据开展科学的学情分析、自我评价、学习反思和自主调控，使其有能力利用数据来设计适合自己的学习方案，根据学习过程中的问题适时调整自己的学习思路和学习策略。事实上，要求学生主动追踪自己的学习过程并记录行为变化也是传统精准教学强调的重要内容，实践证明这种方式不仅能产生较好的学习效果，也有助于加强师生之间的信任。此外，高校还可以通过科普讲座（线上或线下）等活动形式帮助大学生群体提升数据分析技能，或建立专业的技术协助部门，由专业教师和技术人员提供面对面咨询和远程协助，及时帮助大学生合理分析和使用数据，同时收集反馈意见，为精准教学提供更多的依据和指导。
（三）深入强化“以人为本”的责任意识和决策意识
从本质上讲，教育是对个体进行培养和塑造的过程，因此，一定程度的监督和管理是不可避免的，但这些干预活动必须控制在合法合理的范围内，并且始终以学生为中心，以服务学习为根本目的。在大数据精准教学情境下，高校必须始终坚持数据仅用于改善教育教学的基本原则，并保障师生对数据应用的目的、途径、方法和结果的知情权、选择权、监督权等基本权利。在职责权限层面，高校应积极组建相应的职能部门，根据相关政策文件的要求，围绕“用什么”“为何用”“如何用”“谁能用”等基本问题，建立公开、透明的沟通协商、监督问责和信息共享的机制，就数据收集和使用的目的、范围、过程和结果等问题进行公开的意见征求，明确规范数据管理人员的职责权限，严禁任何个人或群体擅自收集和使用（包括重用）数据。在监督管理层面，高校应通过科普宣传、课程培训等方式积极提升师生的数据安全素养，使其有意识、有能力参与数据监管，鼓励师生共同监督和管理教育数据的收集和使用过程。在审查机制层面，高校应组织技术人员对软硬件设施进行定期的检查、维护和升级，设计安全认证或访问限制，防止隐私信息被泄露或滥用，同时建立第三方审查机制，组织专家对算法进行审查，尽量减少或避免由技术障碍造成的信息安全问题。 在精准教学情境下，高校师生必须对数据保持理性和审慎的批判性思考。尽管智能决策技术在一定程度上避免了经验和直觉的主观性，但机器学习中的算法偏见可能也会导致决策发生错误或偏倚。从人与技术的关系出发，过分依赖大数据可能导致教育活动参与者在分析问题时过度聚焦于系统提供的诊断信息，继而忽略甚至排除难以量化的潜在因素。此外，基于行为习惯和兴趣偏好的资源推荐可能只是提供了迎合用户倾向的部分信息，而将与之相左或无甚关联的其他信息筛除在外，久而久之形成同質化、封闭式的信息空间，使人禁锢于信息茧房内，难以深入了解问题全貌。同时，由于数据有时只呈现了浅表的信息，例如资源浏览的次数和时长并不能充分说明学习效率，所以仅依靠数据作出决策也容易陷入判断误区。因此，在精准教学情境中，必须明确大数据技术的职能是对人工决策的辅助和补充而非颠覆或取代，以师生为主的教育活动参与者仍需主动把握教学决策的自主权，而不是将其完全转交给计算机程序;师生应充分利用大数据技术帮助自己改善教与学的活动，而不是用技术替代自己的批判性思考。
参考文献：
[1]COOPER J O.Tutoring Joe：Winning with the Precision Teaching Team[J].Exceptional Children：An Introduction to Special Education，2000：268-270.
[2]LINDSLEY O R.Precise Instructional Design：Guidelines from Precision Teaching[J].Instructional Development Paradigms，1997：537-554.
[3]BINDER C.Precision Teaching and Curriculum Based Measurement[J].Journal of Precision Teaching，1990，7（2）：33-35.
[4]王亚飞，李琳，李艳.大数据精准教学技术框架研究[J].现代教育技术，2018，28（7）：5-10.
[5]李香勇，左明章，王志锋.学习分析的研究现状与未来展望：2016年学习分析和知识国际会议述评[J].开放教育研究，2017，23（1）：46-55.
（责任编辑 黄铭钊）
关键词：大数据;高校;精准教学
教育信息化2.0时代，伴随大数据、人工智能、云计算、物联网等新兴技术的发展，数字化学习环境正在飞速生成和累积海量的教育数据。合理利用教育数据开展科学化、精细化的过程性评价，对个性化教育教学具有重要意义。
在高等教育领域开展大数据精准教学，不仅有助于推动高校教学活动在个性化、精细化的路径上深入发展，也有助于促使高校管理工作朝科学化、系统化的方向不断创新。但由于受到教学资源、数据素养和伦理道德等方面问题的掣肘，高校大数据精准教学工作的顺利开展仍然面临着不少的困难。
一、精准教学的经典内涵
20世纪60年代，美国学者奥格登·林斯利（Ogden Lindsley）将操作性条件反射理论迁移至教育教学情境中，发展出一种数据驱动的教学评估和决策程序——“精准教学”（Precision Teaching，PT）。“精准教学”旨在通过监控日常表现、记录行为频率、绘制行为表现等一系列活动，驱动及时有效、科学严谨的教学决策。早期精准教学主要遵循四条基本原则：第一，“学习者最清楚”，即以学习者的学习表现为教学决策的唯一依据;第二，持续监测可直接观察的学习行为;第三，使用“频率”对行为表现进行测量和评估;第四，使用标准变速图表（Standard Celeration Chart，SCC）绘制行为表现的频率和趋势。[1]精准教学的关键特质在于对行为“流畅度”的关注，即以单位时间内目标行为出现的“频率”为学习表现的关键度量指标。[2]从评价层面出发，“频率”兼顾了准确率和响应速度，突破了“无量纲量”（如正确率百分比）的壁垒，提升了行为评估的严谨性和精确性。从目标层面出发，精准教学强调培养流畅的基础技能（或称“子技能”），原因在于基础技能不足会阻碍相关复合技能的发展，并可能引发学习过程中的“马太效应”，进一步扩大学生之间的差距;只有当基础技能相应的认知处理过程达到准确、即时、自动、轻松的水平，学生才有可能突破能力的天花板，掌握并应用更高阶的复合技能。作为一种数据驱动的系统教学程序，精准教学兼容于不同学段和不同學科，并可与其他教学方法相辅相成。[3]根据已有研究，精准教学已经在常规教育和特殊教育领域取得了积极成效。尽管如此，受种种因素限制，例如技术水平有限、教师意愿不足等，精准教学并没有得到大力推广。
二、精准教学的时代新解
教育信息化2.0时代，在大数据、云计算、物联网等新兴技术的推动下，精准教学开始朝智能化、精细化的方向逐步转型。大数据技术极大地拓展了数据的规模和类型，提升了数据收集和处理的速度。由大数据驱动的精准教学是指以大数据技术为手段，在精准分析学情的基础上精准定位教学目标、精准定制教学内容、精准设计教学活动、精准评价学习表现，进而驱动精准的教学决策，使教学过程和教学结果可量化、可监测、可调控。大数据精准教学承继了传统精准教学强调的“学习者最清楚”原则，同样以学习者的表现为唯一的决策依据。[4]但在智能信息技术的支持下，学习行为已不再停留于“可直接观察”的层面，如借助生物识别技术（面部识别、虹膜识别、情绪识别等），可以实现对学习者生理和心理状态的捕捉和分析，从而为过程性评价和预测性分析提供更多可参考的依据。与此同时，教育数据的用途也呈现出多样化的特点，如学习管理系统中的学习型数据可以用于分析和预测学习者的发展趋势，及时发布学习预警并促进有针对性的教学干预;而借助射频识别技术或生物识别技术收集的管理型数据（如食堂消费、图书借阅、自习打卡、体育锻炼等）则可以用于分析校园生活的现状和问题，继而帮助学校提升教育管理工作的科学性和实效性。
三、高校大数据精准教学可能面临的实践困境
（一）配套教学资源难以满足实际教学需求
高校开展大数据精准教学，首先需要配置符合教学需求的信息化教学设备。但在构建教学环境的过程中，受经费、时间和人力等因素的限制，部分高校或在软硬件设备方面投入不足，或缺乏对已有设备的定期维护和及时更新，影响了大数据精准教学的顺利开展。并且由于高校的学科专业和课程种类较多，具体的评价指标和评价方法也各有不同，要在所有学科、专业和课程中构建相应的教学环境，需要架构庞大的资源配置和管理体系，由专业技术团队开展深入的前期调研，进而根据不同的课程类型、教学模式和教学需求配备合适的教学系统、分析工具，予以一定的技术支持。此外，由于职责和权限的不同，校内各部门可能会使用不同的系统平台，对数据的认知和定义也可能存在差异，各部门之间的数据难以实现有效整合;同样，各高校之间由于缺乏统一的数据采集和管理平台，也难以实现数据的流通共享。因此，学校还须考虑部门之间、高校之间的数据标准化和规范化问题，积极应对可能出现的“数据孤岛”现象。[5]解决上述问题需要投入大量的时间和人力，对于学校而言无疑是巨大的挑战。
除信息化教学设备外，大数据精准教学也离不开配套教学材料的支持。精准教学着眼于个性化的学情分析和资源推送，不同类型的学习者对教学材料的数量和质量有着不同层次的需求。对于高校教学来说，要在类型多样的学科、专业、课程和活动中实现个性化、精准化的资源推送，实际所需的教学材料的数量和类型是相当庞大的。同时，由于从各种途径（如企业提供、网络检索等）获取的教学材料在质量上参差不齐，有时难以直接匹配实际的教学需求，因此，教师还要基于课前、课中和课后的学情分析，结合具体的教学目标、教学内容和教学方法，在教学过程中的各个阶段及时筛选、改编、补充或自制相应的精准教学材料，以满足学生对于该课程的个性化学习需要。但由于学情分析和材料创建并非只停留在课前阶段，还需要结合教学过程中的学情变化不断变换，整个过程耗时耗力，容易给教师造成额外的工作负担，尤其在课程进度较为紧凑的情况下，如果学情分析相对迟滞，即使补充创建了教学材料，也难以与预设的教学活动同步融合。 纵观精准教学的发展历程可以发现，传统精准教学未被推广的原因之一，即在于难以满足教师对现成教学模式的需求。作为一种兼容性较强的教学程序，精准教学本身并不包含具体的教学设计和课程内容，因此，需要在实践中不断探索和总结适应不同学科、不同课型的精准教学模式，由此增加的工作负担在当时也令很多教师望而却步。传统精准教学中的模式欠缺问题，在技术进步的今天依然存在。尤其对于高校而言，精准教学仍处于探索阶段，很多教师由于不清楚如何利用大数据驱动教学活动的各个环节，同时也缺乏适应具体课程的评估标准和分析指导，在实际的教学过程中可能并不愿意改变现有的教学模式;部分教师尽管将大数据技术引入了教学过程，但在缺乏教学模式指导的前提下，这种引入也更多地表现为机械灌注而非深度融合。因此，多样化的大数据精准教学模式和教学实践案例，对于高校开展精准教学至关重要。只有在丰富的教学模式和教学案例中不断学习、借鉴、总结和创新，才有可能找到各类教学模式与大数据精准教学模式之间的过渡区和融合点，才有可能合理利用数据驱动决策的作用机制更好地开展面向具体问题的个性化教学。然而，教学模式的设计、开发、应用和迭代，离不开持续深入的理论研究和实践探索，由此产生的学习和工作压力，可能会降低教师对大数据精准教学的接受意愿和参与程度，从而对教学工作的深入开展造成一定的阻碍。
（二）缺乏必备的理论素养和数据素养
高校教师的学科背景和教学理念是多样化的，对精准教学的态度和认知也存在差异。大数据精准教学并不是技术和教学的简单叠加，要使大数据真正发挥驱动作用，必须要结合精准教学理论设计结构化的教学策略和教学模式，不能认为应用大数据技术就等于开展精准教学。由于缺乏精准教学的专业理论知识，加上主观经验或教学习惯的影响，部分高校教师在教学过程中对大数据技术生搬硬套，本质上已经偏离了精准教学的意义和宗旨。教师在理论素养方面的欠缺，可能也会影响学生对精准教学的正确认知，甚至引起“为数据而数据”的错误倾向。例如，当教师将在线学习中的发言数量和阅读时长作为考评指标并明确告知学生时，学生有可能为了获得更高的分数，刻意追求发言数量而不注重发言质量，刻意累积阅读时间而不开展真正的阅读学习。这种迎合学习数据，营造学习假象的现象，干扰了信息的真实性和有效性，不仅可能导致错误的教学决策，也容易对学生的习惯培养产生不利影响。
随着大数据应用的逐渐深入，数据素养引起了教育界的广泛关注。数据素养是指在符合伦理要求的前提下，批判性地理解、分析、评价和应用数据的意识和能力。良好的数据素养，是大数据精准教学的内在动力和必要前提。在高等教育领域，数据的来源复杂多样，面对面学习、慕课学习、混合式学习、移动式学习等各种情境都在不断累积教育教学数据。但对于高校发展而言，并非所有数据都是有用的，只有高质量的数据才能满足精准教学的需求。正确区分数据的质量高低和适用领域，必须具备较强的数据思维和分析能力。部分高校由于缺乏专业的数据处理人员，或者现有管理者的数据素养较为薄弱，因此难以高效率地对复杂的数据信息进行准确合理的规划和管理。同样地，由于缺乏数据素养，部分师生难以客观辩证地理解教育数据的意义和价值，难以科学合理地规划数据和应用数据，具体表现为以下几个方面：第一，对大数据技术缺乏正确的认知，或盲目依赖，或主观排斥;第二，信息化设备利用率低或利用方式存在誤区;第三，对数据缺乏主动的使用意识和相应的分析技巧;第四，对系统生成的数据和诊断缺乏批判性的思考。在大数据精准教学活动中，教师、学生、管理者和决策者在不同环节中各自承担重要的职能，任何一环出现问题都有可能导致精准教学活动无法顺利运行。然而，数据素养的不足，可能会降低参与者的参与意愿和参与效率，影响教学环节的有序联动和教学活动的整体效果。这种隐性的问题往往正是制约精准教学发挥作用的重要原因，并且这类问题也难以在短期内得到解决，因为素养的提升无法一蹴而就，需要充足的时间和科学的指导。
（三）“量身定制”容易引发伦理道德争议
大数据精准教学强调以多维数据为教学决策的科学依据，这就需要对个体和群体的学习过程展开持续的追踪和监控，进而收集大量数据并从中挖掘有价值的教育信息。尽管这种方式极大地提升了数据收集和处理的效率，但由于涵盖了个体和群体的大量信息，其中涉及的数据安全和信息隐私等问题亦引发了伦理争议。对于高校而言，加强数据安全防护，防止隐私信息泄露，是开展大数据精准教学的底线要求和前提保障。但部分高校由于缺乏专业的数据管理技术部门，所收集的教学型数据和管理型数据仍存在暴露的风险，一旦数据被非法用于其他途径，就会对学校和师生造成不利影响。同时，大学生通常不直接参与数据收集和管理活动，也无从了解数据收集和应用的具体细节，一旦其个人隐私和敏感信息被泄露和滥用，可能会引发学生对数据安全的担忧以及对学校管理能力的质疑。此外，由于高校课堂时间的有限性和教学活动的延展性，数据收集有时并不局限于课堂教学，而是逐渐延伸到校园生活的各个方面，尽管这在一定程度上有助于学校及时发现和处理问题，但是无处不在的数据收集对于学生而言可能也是一种潜在的监控压力。
四、问题思考及对策建议
（一）科学开展教学资源的配置和管理工作
不同高校的信息化建设水平是存在差异的。在设备资源和人才资源方面存在一定困难的高校，可以积极寻求各方力量的帮助，通过自主开发、校企合作、校际交流、校友支持等多种渠道，建立和完善学校的大数据精准教学环境。学校应组建专业的技术部门，帮助各院系设计和创建适应学科特点和专业要求的精准教学环境。同时，为避免“数据孤岛”可能造成的数据断裂和信息冗余现象，高校应组织技术部门制定数据规范，定义数据标准，深入研究部门工作的内容和师生群体的需求，整合各个信息端口，建立统一的数据收集和管理平台，加强部门之间或学校之间的信息互联，尽可能降低信息碎片化造成的干扰，从而提高数据管理的效率，促进数据信息的流通共享。 与此同时，高校可通过多种方式积累和完善教学材料。第一，循环更新教学材料。高校应注意在教学实践过程中不断积累和修正符合本校实际和学科特色的精准教学资源，同时建立体系完善的校本精准教学材料资源库，促进教学材料的循环利用和发展更新。第二，共建共享教学材料。高校可依据教学需求向合作企业订制教学材料，或充分利用企业已开发的优质资源，根据教学实际对其进行合理改造。不同高校之间可建立资源共建共享机制，协同制作适应基本需求的通用类教学材料，并就校本教学材料开展积极的学习交流。学校还可以鼓励学生参与资源创建的过程，通过学生自己的视角创建学习材料，帮助学生更好地理解和解决问题。第三，甄选、完善教学材料。对于多种正规渠道收集整理的教学材料，高校应在尊重知识产权的基础上，组织各学院、各学科建立专门的审核小组，根据教学实际定期对材料进行严格筛选和适当改编，以更好地适应本校精准教学的目标和需求。
传统精准教学强调经验的累积和共享，这一点对大数据精准教学也具有现实指导意义。教学模式创建需以具体的学科特点、学情信息、培养目标和课程内容等为基本出发点，其设计和开发过程涉及不断变化的细节问题，效果验证和结论推广也受样本规模和实践周期等多种因素的影响。在这种情况下，高校必须突破视野局限，在主动探究的基础上，充分吸收和采纳他人的优秀经验，积极开展不同高校之间的协作交流。对于同一学科相似课程的教学模式，不同高校之间可以互相参考借鉴，高校也可以组织学科内部的精准教学模式研讨活动，邀请专家和技术人员参与指导，共同就计划开发或正在实践的教学模式开展讨论和思考，分析并挖掘教学模式发挥作用的内在机制。在协作交流的环境中，共同探讨、积累、优化和总结适应不同学情、学科、专业和课程的大数据精准教学模式，共同建立和完善体系丰富、种类多样的精准教学范例资源库，以供更多有需要的高校教育工作者学习和参考。
（二）多路径提升各群体的理论素养和数据素养
尽管早期精准教学在学术文献中的记载并不多，但实际的教学案例却累积了丰富的数据信息。这在一定程度上反映出一线教育工作者和教育理论研究者对待精准教学的不同倾向，即前者更关注精准教学的实践过程和教学效果，后者则注重精准教学的理论研究和实践总结。因此，要提升师生的精准教学理论水平，应注意将理论知识嵌入个性化的教学案例中，使师生通过对教学活动的回顾和反思，结合自身的经验和感受深入理解精准教学的理论内涵和实践原则。开展案例学习的途径可以是多样化的。就教师群体而言，高校不仅可以通过教师培训和学术研讨等方式组织精准教学的理论学习和经验分享，邀请领域专家就具体案例进行精准指导，还可以通过博客、公众号、学校网站等传播媒介，以专题形式分享精准教学的理论知识和实践案例，为广大高校师生提供便利的交流空间和便于获取的学习资源。就学生群体而言，高校应开设面向学生的选修课程或培训活动，通过实例演练帮助学生正确理解精准教学的内涵和作用，鼓励学生尝试通过小组协作的学习方式，利用数据设计个性化的学习方案，并共同思考和解决在精准教学过程中遇到的困难和问题。在此过程中，教师要引导学生从自己和同伴的实践案例中总结经验和方法，通过不断的学习反思逐步提升自己在精准教学方面的理论素养。
在大数据精准教学活动中，参与人员的数据素养是影响教学效果和教学质量的重要因素。为了更好地开展大数据精准教学，高校应开发面向不同参与人员的数据素养提升项目。就数据管理者而言，高校应注重在培训阶段和工作阶段，通过大量的实战练习和总结反思，提升数据管理者的数据思维和分析技能。就师生群体而言，高校应注重在教学活动和研训活动中培养师生的数据素养。从增强数据意识的角度出发，在教学活动中，学校应适当鼓励师生尝试应用数据改善教与學的过程，组织团队及时收集师生对于大数据精准教学的意见，从师生的真实需求出发，为其提供个性化的理论指导和技术支持，逐步减少师生对数据的排斥或畏难情绪，提升师生使用数据的意愿和倾向。在研训活动中，培训人员要以精准教学理论为基础，通过具体的教学实践案例，向学员解读大数据精准教学的意义和价值，同时结合培训学员的个性化特征，帮助其设计精准教学的思路和策略，通过实践提升学员在大数据精准教学过程中的自我效能感。从培养数据分析技能的角度出发，高校应针对不同学科和专业的特点和需求，组织以数据分析为核心的专题研讨、专家讲座、专项培训等活动，通过具体案例教授数据分析的知识和技能;结合本校实际，在学院、学科中创建技能提升小组，以技能水平较高的教师带动其他需要帮助的教师。在日常的教学活动中，教师则要注重引导学生主动对学习过程进行观察和解读，根据学生的个体差异教授相应的数据分析技能，帮助学生利用各类数据开展科学的学情分析、自我评价、学习反思和自主调控，使其有能力利用数据来设计适合自己的学习方案，根据学习过程中的问题适时调整自己的学习思路和学习策略。事实上，要求学生主动追踪自己的学习过程并记录行为变化也是传统精准教学强调的重要内容，实践证明这种方式不仅能产生较好的学习效果，也有助于加强师生之间的信任。此外，高校还可以通过科普讲座（线上或线下）等活动形式帮助大学生群体提升数据分析技能，或建立专业的技术协助部门，由专业教师和技术人员提供面对面咨询和远程协助，及时帮助大学生合理分析和使用数据，同时收集反馈意见，为精准教学提供更多的依据和指导。
（三）深入强化“以人为本”的责任意识和决策意识
从本质上讲，教育是对个体进行培养和塑造的过程，因此，一定程度的监督和管理是不可避免的，但这些干预活动必须控制在合法合理的范围内，并且始终以学生为中心，以服务学习为根本目的。在大数据精准教学情境下，高校必须始终坚持数据仅用于改善教育教学的基本原则，并保障师生对数据应用的目的、途径、方法和结果的知情权、选择权、监督权等基本权利。在职责权限层面，高校应积极组建相应的职能部门，根据相关政策文件的要求，围绕“用什么”“为何用”“如何用”“谁能用”等基本问题，建立公开、透明的沟通协商、监督问责和信息共享的机制，就数据收集和使用的目的、范围、过程和结果等问题进行公开的意见征求，明确规范数据管理人员的职责权限，严禁任何个人或群体擅自收集和使用（包括重用）数据。在监督管理层面，高校应通过科普宣传、课程培训等方式积极提升师生的数据安全素养，使其有意识、有能力参与数据监管，鼓励师生共同监督和管理教育数据的收集和使用过程。在审查机制层面，高校应组织技术人员对软硬件设施进行定期的检查、维护和升级，设计安全认证或访问限制，防止隐私信息被泄露或滥用，同时建立第三方审查机制，组织专家对算法进行审查，尽量减少或避免由技术障碍造成的信息安全问题。 在精准教学情境下，高校师生必须对数据保持理性和审慎的批判性思考。尽管智能决策技术在一定程度上避免了经验和直觉的主观性，但机器学习中的算法偏见可能也会导致决策发生错误或偏倚。从人与技术的关系出发，过分依赖大数据可能导致教育活动参与者在分析问题时过度聚焦于系统提供的诊断信息，继而忽略甚至排除难以量化的潜在因素。此外，基于行为习惯和兴趣偏好的资源推荐可能只是提供了迎合用户倾向的部分信息，而将与之相左或无甚关联的其他信息筛除在外，久而久之形成同質化、封闭式的信息空间，使人禁锢于信息茧房内，难以深入了解问题全貌。同时，由于数据有时只呈现了浅表的信息，例如资源浏览的次数和时长并不能充分说明学习效率，所以仅依靠数据作出决策也容易陷入判断误区。因此，在精准教学情境中，必须明确大数据技术的职能是对人工决策的辅助和补充而非颠覆或取代，以师生为主的教育活动参与者仍需主动把握教学决策的自主权，而不是将其完全转交给计算机程序;师生应充分利用大数据技术帮助自己改善教与学的活动，而不是用技术替代自己的批判性思考。
参考文献：
[1]COOPER J O.Tutoring Joe：Winning with the Precision Teaching Team[J].Exceptional Children：An Introduction to Special Education，2000：268-270.
[2]LINDSLEY O R.Precise Instructional Design：Guidelines from Precision Teaching[J].Instructional Development Paradigms，1997：537-554.
[3]BINDER C.Precision Teaching and Curriculum Based Measurement[J].Journal of Precision Teaching，1990，7（2）：33-35.
[4]王亚飞，李琳，李艳.大数据精准教学技术框架研究[J].现代教育技术，2018，28（7）：5-10.
[5]李香勇，左明章，王志锋.学习分析的研究现状与未来展望：2016年学习分析和知识国际会议述评[J].开放教育研究，2017，23（1）：46-55.
（责任编辑 黄铭钊）