基于大數據支持的校本作業實施研究

摘 要：教育大數據源于日常教育活動，作業作為教育活動的組成部分，其開發與實施過程中產生的數據是重要的數據資源。發掘、利用大數據，特別是測評大數據，是開發有特色、有針對性校本作業的有力保障，可用于預測評估校本作業的適切性和有效性。從技術、管理、思維等方面進行系統規劃，方能促進大數據與校本作業開發的深度融合。

關鍵詞：大數據;校本作業;數據素養;教育信息化;途徑

中圖分類號：G420;G632 文獻標志碼：A文章編號：1008-3561（2020）07-0036-02

校本作業是指“在校本理念下的作業教學方案”，具有“針對性強、有特色”等有別于一般作業的特征，目的是增強作業教學的有效性，提升教育教學質量。教育部《教育信息化2.0行動計劃》指出，“教育信息化是教育現代化的基本內涵和顯著特征，是‘教育現代化2035的重點內容和重要標志”。隨著教育信息化2.0時代的到來，推進教育大數據與包括校本作業實施在內的教育教學實踐的深度融合，是形成智能環境下教育模式新生態的具體舉措，也是指導校本作業方案設計，增強校本作業的針對性和有效性的有效途徑。本文對基于大數據支持的校本作業實施進行研究。

一、大數據在校本作業開發中的基本價值

隨著教育信息化的進一步發展，在大數據技術支持下，教育評價和學習分析正從“傳統的經驗性向客觀性發展”。從模糊經驗轉化為科學實證，從有限理解上升到全面考慮，是校本作業科學性、有針對性的需要。因此，校本作業的設計需“證據為本、全面考慮”?！白C據為本”指的是大到作業系統的設計，小到試題的甄選，均需數據、實證支撐;而“全面考慮”指的是作業系統的決策與設計需從知識、能力、素養等多個維度綜合論證?！白C據為本、全面考慮”，在大數據技術的支持下正由不可能成為可能，由理想轉變為現實。

二、大數據與校本作業融合的保障是系統規劃

大數據與校本作業的融合，本質上是信息流的發現與應用，需要進行有序的系統規劃，才能使源于復雜過程的數據用于改進復雜行為。

1.管理系統

大數據與校本作業的深度融合所面臨的挑戰不僅源于技術層面，更來自思維層面?；趥鹘y的模糊經驗產生的所謂學習分析最大的優勢是“高效”，在很多情況下似乎又是合理的，這強化了對模糊經驗的認同。因此，大數據的應用需從技術上解決所謂“高效”的問題，從實踐中回答“有效”的問題，還需從行動上明確“如何”的問題，使大數據的利用從“要求”轉化為“需求”。圍繞著“技術高效”“實踐有效”及“如何行動”等制約大數據與校本作業開發融合的重要因素，可設計一個管理框架。該框架應明確數據來源、準備路徑及分析維度，提出教學團隊分工協作的要求，指向具體問題的發現與對策，從而提高教師在校本作業開發過程中利用大數據的效能感。

2.作業系統

大數據與校本作業是相輔相成的關系，大數據源于包括校本作業開發實施在內的日常教學活動，也為校本作業的開發提供實證支持。設計合理的、閉環的作業系統，有利于大數據與校本作業的融合。作業系統分為紙筆類型與非紙筆類型，本作業系統探討的是紙筆類型，由教學案、復習案和測量卷構成。教學案服務于章節課堂教學，在數據分析的基礎上預測學情，發現前概念，解構教學目標與重難點，實現“基礎夯實，難點突破”;復習案從單元視角重構知識，通過思維導圖的構建促進知識的結構化，基于教學案的學情分析設計“基礎解析”和“問題分析”，建構知識內在邏輯，指向“知識整合，深度學習”;測量卷主要包括周練與月考等過程性評價，是對教學案與復習案目標達成的測量，獲得反饋，從而通過“測量評價，反饋補救”形成作業系統的閉環。教學案、復習案和測量卷三個模塊以數據流為主線相互串聯。數據挖掘的深度與廣度，學習分析的精準度與有效度，直接影響了作業系統的科學性和針對性。

三、大數據與校本作業融合的基礎是數據挖掘

教育數據類型多種多樣，有結構化數據，也有非結構化數據，因此高效的數據挖掘需依賴當前的大數據技術，但又受限于教育現實與技術發展瓶頸，還需重視培養教師的數據思維與素養，在海量的數據中發掘有價值的信息。

1.技術支持

“大數據關鍵技術和社會分析技術是學習分析的支撐技術”，是大數據與校本作業有效融合的保障。當前，云計算技術等技術工具層出不窮，使能夠獲取的數據更加多元，產生的有價值信息也更加豐富。例如，“智學網”能夠提供試題信息、校本測試情況以及總體的及個性化的各知識的考查頻次與答題情況等。

2.研究論文

技術發展瓶頸及教育數據的復雜性，決定了各種技術平臺的數據挖掘具有一定的局限，如多為結構化數據，非結構化數據較少，多為知識維度，能力與素養維度較少。因此，還需其他輔助途徑來豐富數據資源，而各種教育研究論文就是重要的數據挖掘對象之一。我國教師人數眾多，針對某一章節、某一課題均可能產生豐富且有價值的研究數據。如章節教學設計、前概念分析、常見錯題分析等非結構化數據。

3.調查分析

直接獲取導致學生問題解決失敗的心智過程信息，對形成針對性對策具有積極意義。在足量數據的支持下，借助分析、概括獲得常見錯因，構建自主分析模型，是解決該問題的有效途徑。要從知識遺忘和理解錯誤、信息獲取障礙、問題表征水平、不同思維方法運用熟練程度、語言表達能力等不同維度幫助學生快速進行結果歸因，對一些重要的錯誤較為明顯的問題，教師還需結合談話法，以了解學生的思維過程，為反饋補救提供一手資料。

四、大數據與校本作業融合的途徑是分析應用

在數據挖掘的基礎上，教師團隊需從個體、班級、年級、學校甚至校際等不同層面進行比較分析，還需從學科視角，結合認知理論與問題解決理論進行深入剖析，進而篩選或設計滿足不同層面需求的作業。

1.數據分析

根據校本作業開發的需要，數據分析指的是在數據挖掘的基礎上，基于數據集合進行的推測，以發現數據價值，指導作業方案開發的過程。基于數據分析，校本作業的開發更能符合“成就動機理論原理”“最近發展區理論”和“以人為本”的教育教學理念，聚焦學生核心素養的發展。試題錯誤率是最常用的指標，指向分析對象。教師需要利用分析評價工具，從試題考查的知識、能力和素養維度，推測教與學中存在的問題，并在眾多測量中尋找問題的共性。比如，主觀題的分析對教學團隊的專業素養提出更高要求，需要從中發現學生論證時的學科基本規律掌握情況、邏輯過程完整性與深度情況、信息獲取與問題空間構建情況等。

2.數據應用

有了科學、全面的數據分析，甄選合乎校本作業要求的試題就有了可能，也為新試題命制或進行一定的改編創造基礎。比如，針對概念內涵掌握障礙問題，可通過改編為填空題強化重要內涵的識記理解;或變換視角改編為判斷說明題，進行正誤判斷并論述判斷依據;或置于真實情境，促進知識整合;或構建相似概念進行比較，促進概念分辨;或變更選擇題的干擾項，通過比較分析強化概念內涵的理解。

基于大數據進行校本作業的開發，一方面依賴于豐富便捷的數據采集和分析系統，另一方面依賴于教師自身的數據素養。只有善于用好數據，讀懂數據背后的信息，才能更好地應用數據指導教學活動，指導校本作業的開發與實施，這對教師的專業化成長提出了更高的要求。

參考文獻：

[1]王鋒.校本作業的編制及實施[J].教學月刊，2014（06）.

[2]陳明選，耿楠.測評大數據支持下的有效教學研究[J].遠程教育雜志，2019（03）.

[3]教育部關于印發《教育信息化2.0行動計劃》的通知[Z].2018.

[4]劉鳳娟.大數據的教育應用研究綜述[J].現代教育技術，2014（08）.

Research on the Implementation of School-Based

Work Based on Big Data Support

Tang Xiangming

（Quanzhou No.1 Middle School， Fujian Province， Quanzhou 362000， China）

Abstract： Education big data comes from daily education activities. Homework is an integral part of education activities. The data generated in the process of development and implementation is an important data resource. The exploration and utilization of big data， especially the evaluation of big data， is a powerful guarantee for the development of characteristic and targeted school-based work， which can be used to predict the suitability and effectiveness of the evaluation of school-based work. Only through systematic planning in terms of technology， management and thinking can we promote the deep integration of big data and school-based work development.

Key words： big data; school-based work; data literacy; educational informatization; ways

基金項目：本文系福建省教育科學“十三五”規劃2018年度課題“‘基于大數據分析的校本作業行動研究”（立項批準號：FJJKXB18- 579）的階段性研究成果

作者簡介：湯向明（1976-），男，福建福安人，碩士，高級教師，從事信息技術與學科教學融合研究。