信息時代，數據驅動教學的創新學習

花潔

教育或教育類產品若想提升效果，是靠延長教與學的時間（線上或線下）來實現嗎？這并不是互聯網教育最應呈現的形態。因為在教育中，互聯網有著最不可替代的能力——數據分析能力。本文用現實案例為囿于此問題的教師們提供可值得借鑒的經驗。

近年來，在教育行業，我們不斷聽到幾乎要成為K-12教育產品標配的“自適應”“O2O”“機器學習”等概念。但是沒有改變的一個事實是：教育或教育類產品若想提升效果，多數仍靠延長線上或線下的學習時間來實現。我們都明白，隨著時間的延長，效果遞減，這不是教育或互聯網教育最應呈現的形態。因為在教育中，互聯網有著最不可替代的能力——數據分析能力。我們嘗試用“機器”做服務教學的“最強大腦”，支持教與學過程變得清晰、及時，把復雜繁冗的題海，簡化為精準有效的學習 。

什么是數據驅動的教學

數據驅動的教學就是利用互聯網的數據分析能力來驅動傳統教學。

1. BYOD，第一入口

BYOD，即每一位學生都能夠使用自帶設備進入互聯網+教育時代的個性化學習。BYOD，連起了課堂內外，形成了開放、互動、共享、有效的大課堂觀，使常態化學習成為可能。它體現了4個特征：內容碎片化、渠道移動化、體驗游戲化、關系社區化。讓學習真正的發生，其核心是要創設一種平等的供需關系，更加關注每位學生如何擁有學習知識的方法，更加關注通過什么途徑支持學生建構起個人知識體系。從管理者和教師的角度看入口，面向學生建立數字化校園系統是常用的途徑。從學生的角度看，學生手中的信息終端設備是他們進入互聯網+教育的入口。如果學生沒有自己個性化使用的終端，學生就不能夠充分利用互聯網+教育創造的學習環境隨時隨地學習，不能幫助學生發現和創造專屬于自己的學習方式，以適應未來的社會生活。

因此，BYOD是數字化學習的第一入口。通過BYOD，使用數字化學習平臺等手段，家校互通，貫通的是教與學的數據，打通的是師與生、生與生的交互。教學需要貫穿課前、課中、課后，在家學習和在校學習的數據也需要形成一體，數字化學習不僅僅是在課堂或課后發生，而是形成了緊密聯系的一體。

2.流程再造，變革教與學

教學的時間、空間打通后，數據和交流貫通，借鑒混合教學、翻轉教學的實踐經驗，我們對傳統的專注于課堂45分鐘的教學流程進行再造， 變革教與學方式。

如圖1，在教的流程中，增加學情調查環節，通過課前的學情檢測數據，教師可以更加明確課堂內的教學目標，從而有針對性地整合資源設計教與學活動；學的流程中，學生學會解讀自己的數據，做到強化鞏固、利用數據開展互評互學，拓展探究。

教與學的流程發生改變后，課堂也發生相應的變化（如圖2）。

（1）教學環節的變化。增加了課前數據的反饋， 更多地專注探究新知，關注重難點；增加隨堂數據檢測， 根據數據組織學習活動、分組 ，評價標準前置、實時評價。

（2）時間分配的變化。增加了交流、練習的時間。

三級數據驅動，創造不一樣的學習

支撐教學的基礎平臺各有優勢：Pad有移動、拍、攝、錄、播、練一體，操作體驗佳的特點；PC有高效編輯、適合固定場所學習的特點；Phone有輕便、適合分享、傳播的特點。這些特點都適應不同的對象、時間和地點的教與學。

教學過程中，數據分為結果性數據和過程性數據，而我們往往關注的是結果性數據，例如，這次測驗考得如何？有多少人不及格？放在平臺上的視頻學生看了沒看？并把結果性數據作為主導參考標準，導致大量的過程性數據被忽視。例如：測驗中，學生在哪道題上停留時間最多，過程中修改了幾次答案？學生對哪些內容主題感興趣？什么教學內容是學生多次觀看的？學生一般在什么時段看？在看的過程中參與互動的情況是怎樣的等，這些過程性數據對于教學依然十分重要。在教學中，如若我們只關注結果性的數據，而不關注對過程性數據的分析和利用，就不會對教學目標有一個準確的把握，也不會對教學研究和改進提出任何的指導性意見。如果在教學活動中能把這些過程性的數據考慮進去，并進行采集、破譯和呈現，會讓教學的效果得到巨大的提升。

1. 一級驅動，用常態化數據驅動日常教學

閱讀、解析各種常態化數據，例如，創課數據、檢測數據、交互數據、學生自發學習行為數據等，已經成為嘉定區實驗小學教師和學生在每天的學習過程中不可或缺的一個環節。教師和學生學會利用數據來掌握學情，利用數據驅動課前、課中和課后的預習、講授、復習等環節，提高效率。

我們主要利用兩種工具采集作為一級驅動的常態化數據。

（1）第一種工具指向的是線上教學內容的載體

任何教學過程都需要內容的載體，線下教學的內容載體是紙質的書本、試卷，是黑板。數字化教學的內容載體是數字化的內容，例如電子文檔（Word/PDF/PPT）、數字化的圖片和文字、音頻（MP3）、視頻（微視頻）以及網絡上豐富的共享資源（百度百科、維基百科）。

教學場景是多樣的，不同學科有不同的特點（語數外物化音體美）、不同老師有不同的側重（系列課程的、進行某個知識點傳授的、引導和啟發學生思考與研究的）、不同的作業有不同的要求（日常的、主題的、探究的、拓展的）、不同階段要培養學生不同的能力（知識采集、知識歸納、理解與表達），單一的數字化載體如何滿足復雜的教學需求？我們不能鎖定教師和學生必須按照一個套路完成教學，那么既要能夠滿足復雜的教學需求，又要滿足各類數字化內容聚合的需求，簡單實用，翼學院創課工具誕生了（見圖3）。

不同學科的教師圍繞“創課”這種載體在各種不同場景下，組織形態多樣的日常教學內容，有用于課堂展示的，也有用于學生課前課后學習的。學生也可在教師引導下制作或自發創作內容，因為創課工具操作簡單實用的特點，所以一年級的孩子也都能夠很快地掌握。從2015年7月至今，嘉定區實驗小學數字化學習班級從2012年2個發展到2017年的25個，學生從93名到1060名，教師從6人到55人，并帶領上海、江蘇、陜西、黑龍江、浙江、四川、北京等地58所學校開展數字化學習。共建創課累計超過22萬，互動討論超過130萬，學習視頻超過3萬， 學習音頻超過80萬，圖片超過30萬；師生創作比例：2：98。校長的工作也從布置、檢查、反饋變為用數據驅動變革、評估。

圍繞創課的常態化數據是如何幫助教師掌握學情的？教師發布創課挑戰給學生后，可以實時查看學生學習創課的數據反饋。數據反饋既包括結果數據（看沒看），還包括過程性數據（看的過程中發生的行為，各種標簽點擊了幾次，看了多長時間等）；數據還分成整體數據和個體數據兩個角度，幫助教師了解學生個體學習情況和班級整體學習情況的差異；同時，在查看數據的過程中，結合了教學的互動和評價。

（2）第二種工具指向的是進行在線檢測的載體

教學中常用隨堂練習檢測學生知識的掌握情況，在線的出題系統和答題系統主要解決三個問題。第一是如何讓教師能夠快速、靈活地出題，并能夠滿足檢測的主要場景；二是如何讓題組在教師間共享，提高復用率；三是如何讓學生能夠快速答題，提高效率，同時滿足不同學科對書寫能力的要求。

在線檢測的工具可以采集到大量日常的學情數據。通過整體檢測數據的反饋，數據和教師形成人機互補機制，教師能夠及時掌握檢測進度、了解學生的檢測情況，同時根據每題用時數據和正確率數據的匹配，快速定位教學的重點和難點。這樣，教師的角色被重新定義了——從不僅掌握教學技能轉向更多擁有學生知識。

通過不同學生個體的檢測數據與整體檢測數據的比較，教師能夠觀察到學生個體在學習過程中存在的缺陷，進行有針對性的指導干預。教師學會精準識別不一樣的學生的學習優勢、學習風格、學習節奏和認知特點，學習問題背后歸因、從而用不同的途徑和方法，順著“這一個”學生的學習方式給予最適切的支持。

通過檢測數據中每題的數據反饋，教師不僅能夠看到答案分布數據，還能夠了解到學生在答題過程中的歷程（調整過幾次答案，答案的詳細過程），這些數據都能夠方便教師在課堂上開展基于問題的講解與討論。在線上，除了教師發起的教學以外，學生在家自主學習行為也是客觀存在的。通過適性訓練這種形態的應用，把學生自覺自發完成學習的數據反饋給教師；這種形態的學習數據既減輕了教師的日常教學負擔，又對學校的教學起到了反哺的作用。

當學生在家自主訓練遇到困難，系統采用對話式的解析方法，分出詳細的步驟，一步步對學生進行指引，同時在提示過程中準確鑒別學生存在的知識缺陷，引導學生去學習需要掌握的知識。做錯2次，自動推視頻講解，這種形式反哺了教學，使教師變得輕松。同時，每個知識點設定四級掌握程度的指標，學生在自主訓練的過程中產生的數據沉淀在系統中，為教師掌握學生知識架設了直通的橋梁。2015年5月份以來，平臺數據顯示日均訓練1500題，這種形態的學習得到了學生、教師的歡迎。

2. 二級驅動，用階段性數據驅動達標評估

校長、教師通過階段性數據，把握階段趨勢和效果，驅動數字化教學的深入開展。我們設計了活躍度、熱力圖等指標，能夠從學校、教師、班級、學生四個不同的視角反應數字化教學的發展趨勢，同時進行階段性的達標評估，評估數字化學習的效果。

首先，學校針對課程標準，設計測評方案。具體的測評方案中包括對各年級、學科的課程標準的分解與定義，以及利用哪些現有資源配置到相應的評估模塊中去。

評測方案確定后，利用翼學院的評估引擎，完成學生測評。在測評的過程中，強調兩點：支持離線進行測評和操作的簡便，減少學生輸入。評測完成后，采集數據、自動生成報告，掌握學校、班級的整體達標情況。同時，為每位學生個體自動生成各科評定和指導，便于學生和家長掌握標情和差異，用于后續學習的改進。

3. 三級驅動，用數據研究驅動教研改進

在學校的實踐過程中，提倡老師“+”點數據思維，學會從數據中認識學生。經常組織教師和互聯網專家一起進行數據報告的分析與解讀，讓教師們逐步學會解讀復雜的統計數據后面的含義。圍繞數據進行教研改進，利用基礎支撐中的過程性數據，進行面向學習效果的數據相關性分析，研究哪些互聯網學習因素對學生的學習效果有益；同時利用這些數據進行學生學習特征的分析，利用這些分析幫助教師能夠看到在傳統課堂上難以發現或覺察的學生不同的特質，進而來優化改進教學。

當教育遇上數據，虛幻的教學“經驗”就有可能在算法和數據的世界里變成確切的程序和關聯。而大數據遇上學習，每位教師都可以學會看清楚數據背后學習動機、學習過程以及學習效果的來龍去脈。有了數據思維，學校的教研活動的形式也發生了巨大改變，每周的研修活動都圍繞數據解讀展開，采用了獨創的“1+2”分享模式，每次活動都由一位教師帶領兩位學生進行在線教與學的經驗分享，學生和教師在同一個平臺上發表學習和教學的感受。這種教研活動，研修方向更明確，改進措施更具體，同時數據確保了持續跟蹤和反饋。

大數據之于學校教學的意義還在于學習分析。教師通過平臺中積累的內容數據、過程數據、結果數據，幫助教師分析班上孩子的學習特質，找到影響孩子學習的隱性變量，建立多種數學模型。通過挖掘各類學習、行為以及背景數據，找到學習效果和各個因素的關聯，加強教師對于教學的理解。而這種關聯和理解，能幫助我們預測學習行為，以修正教育體系和政策。