試論基于教育大數據的因材施教

沈志斌 王玉家

摘 要：如何實現班級授課環境下的因材施教，一直是學者與教師們在不斷探討的難題。大數據技術可以通過學情數據采集，配合人工智能，為個性化、多樣化教學奠定了基礎，因材施教便有了抓手。

關鍵詞：教育大數據；因材施教；精準教學

作者簡介：沈志斌，無錫市輔仁高級中學，江蘇省物理特級教師、江蘇省首批教授級高級教師、蘇州大學教育學碩士生導師（江蘇 無錫 214123）；王玉家，江蘇省梅村高級中學教師。（江蘇 無錫 214112）

中圖分類號：G40-057 文獻標識碼：A 文章編號：1671-0568（2018）31-0020-03

學校是工業化的產物，意在批量培養各種各樣的產業工人，班級授課制是其典型的操作模式，它強調的是統一、齊步走，難以照顧到學生的個別差異，這種模式從一開始就和因材施教相互矛盾。如何實現班級授課制環境下的因材施教，至今為止，未見非常成功的案例。教育部部長陳寶生指出：“課堂革命必須始終堅持以學習者為中心，為不同層次、不同類型的受教育者提供個性化、多樣化、高質量的教育服務”。大數據技術通過學情數據采集，結合人工智能，為個性化、多樣化教學提供了技術支撐，因材施教便有了抓手（見圖1）。

一、學情診斷是因材施教的前提

長期以來，我們的校本教研關注最多的是教學過程和教學內容，對學情分析的關注卻遠遠不夠。PCK理論指出，一個成功的教師必須同時擁有扎實的學科知識（可傳授的知識）、豐富的學科教學知識（一種實踐性知識）和精準讀懂學生的知識（見圖2）。

套用這三種知識分類來看，長期以來我們關注最多的是學科知識，以學科教學專業雜志的論文統計來看，70%左右的論文還只是屬于學科知識層面，例如一個問題的商榷、一個習題的多種解法等；涉及學科教學知識的文章約占20%，例如新課如何引入、難點如何化解等，通常以案例的形式出現；涉及精準讀懂學生的論文很少，究其原因是若要讀懂學生，必須進行問卷調查、數據統計，并提出教學決策，這種調查工作量巨大，而且文章會占用很多版面（見圖3）。

二、常態化有痕數據采集

教學過程中的作業、問卷和測試是最常態化的學情診斷環節，教師主要是通過手工畫“正”統計來完成的，這種統計方式占用教師大量的寶貴時間。近年來出現了網上閱卷系統，使統計效率極大提高，但是網上閱卷存在致命的缺陷，就是紙面沒有批改的痕跡，這對教學帶來很大的不便，很難通過網上閱卷系統實現學情數據的常態化采集。江蘇省梅村中學通過“高中生學業診斷與評價改革的行動研究”的省級課題，歷時五年多，采用校企合作的方式，開發出“極課大數據系統”（以下簡稱“系統”），成功地解決了學情數據的常態化有痕采集難題，使教師的工作方式進入一種新的狀態。

系統采用二維碼識別學生的身份，每次作業、問卷和測試時，學生只需粘貼自己的二維碼即可。作業、問卷和測試卷可由WORD文檔一鍵導入系統，并給每個題目賦分、賦知識點，系統自動生成PDF文件，打印后分發給學生。主觀題與客觀題合在一份作業紙上，大大節省了用紙成本。客觀題系統自動批改，主觀題教師手工批改，然后通過數據采集儀，自動掃描采集數據。實踐表明，五十份作業、問卷或測試卷，一分鐘即可采集完成，極大提高了教師的工作效率，數據采集的正確率為百分之百，2015年12月26日《無錫日報》作了專門報道：“一個班學生作業一分鐘完成診斷”（見圖4）。

三、數據驅動的精準教學

1. 多維度學情數據報表。與學情相關的所有數據保存在云端，通過手機、平板和電腦可以隨時隨地查閱。（1）學情報表：學情表格、分數段分布、試題難度與區分度、年級大題均分對比表、年級小題均分對比表、小題做答詳情表、知識點均分對比表、班級小題答錯名單。（2）學科追蹤：班級作業或測試得分率趨勢圖、班級知識點情況（薄弱知識點）、學生分層（優秀、中等偏上、中等、中等偏下、較差）。（3）學生追蹤（對關注的學生進行跟蹤分析）（4）往期學情（作業、測試），凡經過系統采集的數據自動進入校本題庫（見圖5）。

2. 數據驅動的精準糾錯。課堂教學的第一環節是要對上一次的作業或測試進行糾錯性教學。日常教學中，我們不難發現，很多教師還是按照題號的次序進行評講，這種教學行為沒有教學重點，效率低下。從提升課堂教學效率來看，必須抓住典型性錯誤，離散性錯誤課堂上無需評講。利用系統提供的學情綜合報表，所有教師都可找到評講的重點。通過數據驅動的精準評講提升了評講的效率、從而增加了新課教學的時間，整體提升了課堂教學的效率。

3. 數據驅動的精準輔導。在班級授課制環境下，無論教育技術多么先進，無論教學方式如何改變，教師的教學定位永遠是針對大多數學生。一次課堂教學，由于教師的原因或是學生本身的原因，必然有少數學生未能真正掌握相關知識。因此，課后的個別輔導是必需的，但課后輔導只是課堂教學的補充，亟待解決的是課堂教學中那些非典型性錯誤、或稱為離散性錯誤問題，通過系統提供的逐題分析，能夠查看到每個題目有哪些人出錯，以及其作答的圖片（系統在數據采集時保留了作答有錯誤的圖片）、錯誤的歸因，從而可以實現精準的個體輔導，實現因材施教（見圖6）。

4. 個性化教學資源推送。不難看出，數據驅動的精準教學和精準輔導，主要是從教師教的角度去提升教學的效率和質量，但如何站在學的角度，讓數據更好地為學生的學習服務。系統開發了“一鍵導出錯題”的功能，學生只需在手機APP或電腦中下載平時收入的錯題，再打印出來，極大提升了錯題整理的效率，讓學生實現在反思中學習。

筆者認為，大數據最大的價值在于個性化教育資源的精準推送。通過常態化的有痕數據采集，一方面讓系統中形成了一個龐大的學科題庫；另一方面，系統掌握了每個學生的學業情況，知道了每個學生的薄弱點，通過一定的算法，就可以為每個學生定制并推送個性化的學習資源，如一個習題、一份作業、一份測試、一個微課或一個輔導教師。這樣就能夠更好地破解教師一對多的難題，更好地使學校教育走向因材施教。這個設想在2017年的暑假已經成功在實現，江蘇省梅村中學的兩個年級的數學暑假作業實現了系統自動推送，每個學生的暑假作業都不相同，未來教學資源的個性化精準推送將進入常態化。

提升教育質量，首先要提升國家課程的質量和效率，當一所學校還是在靠延長時間獲取質量的時候，素質教育是很難實現的。如果在不增加教學時間投入的同時，還能夠提升國家課程實施的質量，那么教師就有足夠的時間和空間讓學生全面而有個性的發展。通過“全覆蓋、常態化——依托極課大數據開展精準化教學”的應用實踐，較好地實現了學校教育中的因材施教，教師的信息化素養、數據意識、學校的教育質量得到了明顯的提升。目前，這項教育改革已經共享并惠及到全國三千兩百多所基礎教育學校。

責任編輯 張 婕