大數據背景下高校精準教學的實踐困境及對策研究

姜倩 劉智

摘 要：伴隨智能信息技術和個性化學習理念在高等教育領域的不斷滲透，大數據驅動的精準教學逐漸成為高校教育關注的熱點。本研究從資源問題、素養問題和倫理問題三個層面探討了高校大數據精準教學可能面臨的實踐困境，并提出了相應的對策建議，以期為高校開展基于大數據的精準教學實踐研究提供經驗和借鑒。

關鍵詞：大數據;高校;精準教學

教育信息化2.0時代，伴隨大數據、人工智能、云計算、物聯網等新興技術的發展，數字化學習環境正在飛速生成和累積海量的教育數據。合理利用教育數據開展科學化、精細化的過程性評價，對個性化教育教學具有重要意義。

在高等教育領域開展大數據精準教學，不僅有助于推動高校教學活動在個性化、精細化的路徑上深入發展，也有助于促使高校管理工作朝科學化、系統化的方向不斷創新。但由于受到教學資源、數據素養和倫理道德等方面問題的掣肘，高校大數據精準教學工作的順利開展仍然面臨著不少的困難。

一、精準教學的經典內涵

20世紀60年代，美國學者奧格登·林斯利（Ogden Lindsley）將操作性條件反射理論遷移至教育教學情境中，發展出一種數據驅動的教學評估和決策程序——“精準教學”（Precision Teaching，PT）。“精準教學”旨在通過監控日常表現、記錄行為頻率、繪制行為表現等一系列活動，驅動及時有效、科學嚴謹的教學決策。早期精準教學主要遵循四條基本原則：第一，“學習者最清楚”，即以學習者的學習表現為教學決策的唯一依據;第二，持續監測可直接觀察的學習行為;第三，使用“頻率”對行為表現進行測量和評估;第四，使用標準變速圖表（Standard Celeration Chart，SCC）繪制行為表現的頻率和趨勢。[1]精準教學的關鍵特質在于對行為“流暢度”的關注，即以單位時間內目標行為出現的“頻率”為學習表現的關鍵度量指標。[2]從評價層面出發，“頻率”兼顧了準確率和響應速度，突破了“無量綱量”（如正確率百分比）的壁壘，提升了行為評估的嚴謹性和精確性。從目標層面出發，精準教學強調培養流暢的基礎技能（或稱“子技能”），原因在于基礎技能不足會阻礙相關復合技能的發展，并可能引發學習過程中的“馬太效應”，進一步擴大學生之間的差距;只有當基礎技能相應的認知處理過程達到準確、即時、自動、輕松的水平，學生才有可能突破能力的天花板，掌握并應用更高階的復合技能。作為一種數據驅動的系統教學程序，精準教學兼容于不同學段和不同學科，并可與其他教學方法相輔相成。[3]根據已有研究，精準教學已經在常規教育和特殊教育領域取得了積極成效。盡管如此，受種種因素限制，例如技術水平有限、教師意愿不足等，精準教學并沒有得到大力推廣。

二、精準教學的時代新解

教育信息化2.0時代，在大數據、云計算、物聯網等新興技術的推動下，精準教學開始朝智能化、精細化的方向逐步轉型。大數據技術極大地拓展了數據的規模和類型，提升了數據收集和處理的速度。由大數據驅動的精準教學是指以大數據技術為手段，在精準分析學情的基礎上精準定位教學目標、精準定制教學內容、精準設計教學活動、精準評價學習表現，進而驅動精準的教學決策，使教學過程和教學結果可量化、可監測、可調控。大數據精準教學承繼了傳統精準教學強調的“學習者最清楚”原則，同樣以學習者的表現為唯一的決策依據。[4]但在智能信息技術的支持下，學習行為已不再停留于“可直接觀察”的層面，如借助生物識別技術（面部識別、虹膜識別、情緒識別等），可以實現對學習者生理和心理狀態的捕捉和分析，從而為過程性評價和預測性分析提供更多可參考的依據。與此同時，教育數據的用途也呈現出多樣化的特點，如學習管理系統中的學習型數據可以用于分析和預測學習者的發展趨勢，及時發布學習預警并促進有針對性的教學干預;而借助射頻識別技術或生物識別技術收集的管理型數據（如食堂消費、圖書借閱、自習打卡、體育鍛煉等）則可以用于分析校園生活的現狀和問題，繼而幫助學校提升教育管理工作的科學性和實效性。

三、高校大數據精準教學可能面臨的實踐困境

（一）配套教學資源難以滿足實際教學需求

高校開展大數據精準教學，首先需要配置符合教學需求的信息化教學設備。但在構建教學環境的過程中，受經費、時間和人力等因素的限制，部分高校或在軟硬件設備方面投入不足，或缺乏對已有設備的定期維護和及時更新，影響了大數據精準教學的順利開展。并且由于高校的學科專業和課程種類較多，具體的評價指標和評價方法也各有不同，要在所有學科、專業和課程中構建相應的教學環境，需要架構龐大的資源配置和管理體系，由專業技術團隊開展深入的前期調研，進而根據不同的課程類型、教學模式和教學需求配備合適的教學系統、分析工具，予以一定的技術支持。此外，由于職責和權限的不同，校內各部門可能會使用不同的系統平臺，對數據的認知和定義也可能存在差異，各部門之間的數據難以實現有效整合;同樣，各高校之間由于缺乏統一的數據采集和管理平臺，也難以實現數據的流通共享。因此，學校還須考慮部門之間、高校之間的數據標準化和規范化問題，積極應對可能出現的“數據孤島”現象。[5]解決上述問題需要投入大量的時間和人力，對于學校而言無疑是巨大的挑戰。

除信息化教學設備外，大數據精準教學也離不開配套教學材料的支持。精準教學著眼于個性化的學情分析和資源推送，不同類型的學習者對教學材料的數量和質量有著不同層次的需求。對于高校教學來說，要在類型多樣的學科、專業、課程和活動中實現個性化、精準化的資源推送，實際所需的教學材料的數量和類型是相當龐大的。同時，由于從各種途徑（如企業提供、網絡檢索等）獲取的教學材料在質量上參差不齊，有時難以直接匹配實際的教學需求，因此，教師還要基于課前、課中和課后的學情分析，結合具體的教學目標、教學內容和教學方法，在教學過程中的各個階段及時篩選、改編、補充或自制相應的精準教學材料，以滿足學生對于該課程的個性化學習需要。但由于學情分析和材料創建并非只停留在課前階段，還需要結合教學過程中的學情變化不斷變換，整個過程耗時耗力，容易給教師造成額外的工作負擔，尤其在課程進度較為緊湊的情況下，如果學情分析相對遲滯，即使補充創建了教學材料，也難以與預設的教學活動同步融合。

縱觀精準教學的發展歷程可以發現，傳統精準教學未被推廣的原因之一，即在于難以滿足教師對現成教學模式的需求。作為一種兼容性較強的教學程序，精準教學本身并不包含具體的教學設計和課程內容，因此，需要在實踐中不斷探索和總結適應不同學科、不同課型的精準教學模式，由此增加的工作負擔在當時也令很多教師望而卻步。傳統精準教學中的模式欠缺問題，在技術進步的今天依然存在。尤其對于高校而言，精準教學仍處于探索階段，很多教師由于不清楚如何利用大數據驅動教學活動的各個環節，同時也缺乏適應具體課程的評估標準和分析指導，在實際的教學過程中可能并不愿意改變現有的教學模式;部分教師盡管將大數據技術引入了教學過程，但在缺乏教學模式指導的前提下，這種引入也更多地表現為機械灌注而非深度融合。因此，多樣化的大數據精準教學模式和教學實踐案例，對于高校開展精準教學至關重要。只有在豐富的教學模式和教學案例中不斷學習、借鑒、總結和創新，才有可能找到各類教學模式與大數據精準教學模式之間的過渡區和融合點，才有可能合理利用數據驅動決策的作用機制更好地開展面向具體問題的個性化教學。然而，教學模式的設計、開發、應用和迭代，離不開持續深入的理論研究和實踐探索，由此產生的學習和工作壓力，可能會降低教師對大數據精準教學的接受意愿和參與程度，從而對教學工作的深入開展造成一定的阻礙。

（二）缺乏必備的理論素養和數據素養

高校教師的學科背景和教學理念是多樣化的，對精準教學的態度和認知也存在差異。大數據精準教學并不是技術和教學的簡單疊加，要使大數據真正發揮驅動作用，必須要結合精準教學理論設計結構化的教學策略和教學模式，不能認為應用大數據技術就等于開展精準教學。由于缺乏精準教學的專業理論知識，加上主觀經驗或教學習慣的影響，部分高校教師在教學過程中對大數據技術生搬硬套，本質上已經偏離了精準教學的意義和宗旨。教師在理論素養方面的欠缺，可能也會影響學生對精準教學的正確認知，甚至引起“為數據而數據”的錯誤傾向。例如，當教師將在線學習中的發言數量和閱讀時長作為考評指標并明確告知學生時，學生有可能為了獲得更高的分數，刻意追求發言數量而不注重發言質量，刻意累積閱讀時間而不開展真正的閱讀學習。這種迎合學習數據，營造學習假象的現象，干擾了信息的真實性和有效性，不僅可能導致錯誤的教學決策，也容易對學生的習慣培養產生不利影響。

隨著大數據應用的逐漸深入，數據素養引起了教育界的廣泛關注。數據素養是指在符合倫理要求的前提下，批判性地理解、分析、評價和應用數據的意識和能力。良好的數據素養，是大數據精準教學的內在動力和必要前提。在高等教育領域，數據的來源復雜多樣，面對面學習、慕課學習、混合式學習、移動式學習等各種情境都在不斷累積教育教學數據。但對于高校發展而言，并非所有數據都是有用的，只有高質量的數據才能滿足精準教學的需求。正確區分數據的質量高低和適用領域，必須具備較強的數據思維和分析能力。部分高校由于缺乏專業的數據處理人員，或者現有管理者的數據素養較為薄弱，因此難以高效率地對復雜的數據信息進行準確合理的規劃和管理。同樣地，由于缺乏數據素養，部分師生難以客觀辯證地理解教育數據的意義和價值，難以科學合理地規劃數據和應用數據，具體表現為以下幾個方面：第一，對大數據技術缺乏正確的認知，或盲目依賴，或主觀排斥;第二，信息化設備利用率低或利用方式存在誤區;第三，對數據缺乏主動的使用意識和相應的分析技巧;第四，對系統生成的數據和診斷缺乏批判性的思考。在大數據精準教學活動中，教師、學生、管理者和決策者在不同環節中各自承擔重要的職能，任何一環出現問題都有可能導致精準教學活動無法順利運行。然而，數據素養的不足，可能會降低參與者的參與意愿和參與效率，影響教學環節的有序聯動和教學活動的整體效果。這種隱性的問題往往正是制約精準教學發揮作用的重要原因，并且這類問題也難以在短期內得到解決，因為素養的提升無法一蹴而就，需要充足的時間和科學的指導。

（三）“量身定制”容易引發倫理道德爭議

大數據精準教學強調以多維數據為教學決策的科學依據，這就需要對個體和群體的學習過程展開持續的追蹤和監控，進而收集大量數據并從中挖掘有價值的教育信息。盡管這種方式極大地提升了數據收集和處理的效率，但由于涵蓋了個體和群體的大量信息，其中涉及的數據安全和信息隱私等問題亦引發了倫理爭議。對于高校而言，加強數據安全防護，防止隱私信息泄露，是開展大數據精準教學的底線要求和前提保障。但部分高校由于缺乏專業的數據管理技術部門，所收集的教學型數據和管理型數據仍存在暴露的風險，一旦數據被非法用于其他途徑，就會對學校和師生造成不利影響。同時，大學生通常不直接參與數據收集和管理活動，也無從了解數據收集和應用的具體細節，一旦其個人隱私和敏感信息被泄露和濫用，可能會引發學生對數據安全的擔憂以及對學校管理能力的質疑。此外，由于高校課堂時間的有限性和教學活動的延展性，數據收集有時并不局限于課堂教學，而是逐漸延伸到校園生活的各個方面，盡管這在一定程度上有助于學校及時發現和處理問題，但是無處不在的數據收集對于學生而言可能也是一種潛在的監控壓力。

四、問題思考及對策建議

（一）科學開展教學資源的配置和管理工作

不同高校的信息化建設水平是存在差異的。在設備資源和人才資源方面存在一定困難的高校，可以積極尋求各方力量的幫助，通過自主開發、校企合作、校際交流、校友支持等多種渠道，建立和完善學校的大數據精準教學環境。學校應組建專業的技術部門，幫助各院系設計和創建適應學科特點和專業要求的精準教學環境。同時，為避免“數據孤島”可能造成的數據斷裂和信息冗余現象，高校應組織技術部門制定數據規范，定義數據標準，深入研究部門工作的內容和師生群體的需求，整合各個信息端口，建立統一的數據收集和管理平臺，加強部門之間或學校之間的信息互聯，盡可能降低信息碎片化造成的干擾，從而提高數據管理的效率，促進數據信息的流通共享。

與此同時，高校可通過多種方式積累和完善教學材料。第一，循環更新教學材料。高校應注意在教學實踐過程中不斷積累和修正符合本校實際和學科特色的精準教學資源，同時建立體系完善的校本精準教學材料資源庫，促進教學材料的循環利用和發展更新。第二，共建共享教學材料。高校可依據教學需求向合作企業訂制教學材料，或充分利用企業已開發的優質資源，根據教學實際對其進行合理改造。不同高校之間可建立資源共建共享機制，協同制作適應基本需求的通用類教學材料，并就校本教學材料開展積極的學習交流。學校還可以鼓勵學生參與資源創建的過程，通過學生自己的視角創建學習材料，幫助學生更好地理解和解決問題。第三，甄選、完善教學材料。對于多種正規渠道收集整理的教學材料，高校應在尊重知識產權的基礎上，組織各學院、各學科建立專門的審核小組，根據教學實際定期對材料進行嚴格篩選和適當改編，以更好地適應本校精準教學的目標和需求。

傳統精準教學強調經驗的累積和共享，這一點對大數據精準教學也具有現實指導意義。教學模式創建需以具體的學科特點、學情信息、培養目標和課程內容等為基本出發點，其設計和開發過程涉及不斷變化的細節問題，效果驗證和結論推廣也受樣本規模和實踐周期等多種因素的影響。在這種情況下，高校必須突破視野局限，在主動探究的基礎上，充分吸收和采納他人的優秀經驗，積極開展不同高校之間的協作交流。對于同一學科相似課程的教學模式，不同高校之間可以互相參考借鑒，高校也可以組織學科內部的精準教學模式研討活動，邀請專家和技術人員參與指導，共同就計劃開發或正在實踐的教學模式開展討論和思考，分析并挖掘教學模式發揮作用的內在機制。在協作交流的環境中，共同探討、積累、優化和總結適應不同學情、學科、專業和課程的大數據精準教學模式，共同建立和完善體系豐富、種類多樣的精準教學范例資源庫，以供更多有需要的高校教育工作者學習和參考。

（二）多路徑提升各群體的理論素養和數據素養

盡管早期精準教學在學術文獻中的記載并不多，但實際的教學案例卻累積了豐富的數據信息。這在一定程度上反映出一線教育工作者和教育理論研究者對待精準教學的不同傾向，即前者更關注精準教學的實踐過程和教學效果，后者則注重精準教學的理論研究和實踐總結。因此，要提升師生的精準教學理論水平，應注意將理論知識嵌入個性化的教學案例中，使師生通過對教學活動的回顧和反思，結合自身的經驗和感受深入理解精準教學的理論內涵和實踐原則。開展案例學習的途徑可以是多樣化的。就教師群體而言，高校不僅可以通過教師培訓和學術研討等方式組織精準教學的理論學習和經驗分享，邀請領域專家就具體案例進行精準指導，還可以通過博客、公眾號、學校網站等傳播媒介，以專題形式分享精準教學的理論知識和實踐案例，為廣大高校師生提供便利的交流空間和便于獲取的學習資源。就學生群體而言，高校應開設面向學生的選修課程或培訓活動，通過實例演練幫助學生正確理解精準教學的內涵和作用，鼓勵學生嘗試通過小組協作的學習方式，利用數據設計個性化的學習方案，并共同思考和解決在精準教學過程中遇到的困難和問題。在此過程中，教師要引導學生從自己和同伴的實踐案例中總結經驗和方法，通過不斷的學習反思逐步提升自己在精準教學方面的理論素養。

在大數據精準教學活動中，參與人員的數據素養是影響教學效果和教學質量的重要因素。為了更好地開展大數據精準教學，高校應開發面向不同參與人員的數據素養提升項目。就數據管理者而言，高校應注重在培訓階段和工作階段，通過大量的實戰練習和總結反思，提升數據管理者的數據思維和分析技能。就師生群體而言，高校應注重在教學活動和研訓活動中培養師生的數據素養。從增強數據意識的角度出發，在教學活動中，學校應適當鼓勵師生嘗試應用數據改善教與學的過程，組織團隊及時收集師生對于大數據精準教學的意見，從師生的真實需求出發，為其提供個性化的理論指導和技術支持，逐步減少師生對數據的排斥或畏難情緒，提升師生使用數據的意愿和傾向。在研訓活動中，培訓人員要以精準教學理論為基礎，通過具體的教學實踐案例，向學員解讀大數據精準教學的意義和價值，同時結合培訓學員的個性化特征，幫助其設計精準教學的思路和策略，通過實踐提升學員在大數據精準教學過程中的自我效能感。從培養數據分析技能的角度出發，高校應針對不同學科和專業的特點和需求，組織以數據分析為核心的專題研討、專家講座、專項培訓等活動，通過具體案例教授數據分析的知識和技能;結合本校實際，在學院、學科中創建技能提升小組，以技能水平較高的教師帶動其他需要幫助的教師。在日常的教學活動中，教師則要注重引導學生主動對學習過程進行觀察和解讀，根據學生的個體差異教授相應的數據分析技能，幫助學生利用各類數據開展科學的學情分析、自我評價、學習反思和自主調控，使其有能力利用數據來設計適合自己的學習方案，根據學習過程中的問題適時調整自己的學習思路和學習策略。事實上，要求學生主動追蹤自己的學習過程并記錄行為變化也是傳統精準教學強調的重要內容，實踐證明這種方式不僅能產生較好的學習效果，也有助于加強師生之間的信任。此外，高校還可以通過科普講座（線上或線下）等活動形式幫助大學生群體提升數據分析技能，或建立專業的技術協助部門，由專業教師和技術人員提供面對面咨詢和遠程協助，及時幫助大學生合理分析和使用數據，同時收集反饋意見，為精準教學提供更多的依據和指導。

（三）深入強化“以人為本”的責任意識和決策意識

從本質上講，教育是對個體進行培養和塑造的過程，因此，一定程度的監督和管理是不可避免的，但這些干預活動必須控制在合法合理的范圍內，并且始終以學生為中心，以服務學習為根本目的。在大數據精準教學情境下，高校必須始終堅持數據僅用于改善教育教學的基本原則，并保障師生對數據應用的目的、途徑、方法和結果的知情權、選擇權、監督權等基本權利。在職責權限層面，高校應積極組建相應的職能部門，根據相關政策文件的要求，圍繞“用什么”“為何用”“如何用”“誰能用”等基本問題，建立公開、透明的溝通協商、監督問責和信息共享的機制，就數據收集和使用的目的、范圍、過程和結果等問題進行公開的意見征求，明確規范數據管理人員的職責權限，嚴禁任何個人或群體擅自收集和使用（包括重用）數據。在監督管理層面，高校應通過科普宣傳、課程培訓等方式積極提升師生的數據安全素養，使其有意識、有能力參與數據監管，鼓勵師生共同監督和管理教育數據的收集和使用過程。在審查機制層面，高校應組織技術人員對軟硬件設施進行定期的檢查、維護和升級，設計安全認證或訪問限制，防止隱私信息被泄露或濫用，同時建立第三方審查機制，組織專家對算法進行審查，盡量減少或避免由技術障礙造成的信息安全問題。

在精準教學情境下，高校師生必須對數據保持理性和審慎的批判性思考。盡管智能決策技術在一定程度上避免了經驗和直覺的主觀性，但機器學習中的算法偏見可能也會導致決策發生錯誤或偏倚。從人與技術的關系出發，過分依賴大數據可能導致教育活動參與者在分析問題時過度聚焦于系統提供的診斷信息，繼而忽略甚至排除難以量化的潛在因素。此外，基于行為習慣和興趣偏好的資源推薦可能只是提供了迎合用戶傾向的部分信息，而將與之相左或無甚關聯的其他信息篩除在外，久而久之形成同質化、封閉式的信息空間，使人禁錮于信息繭房內，難以深入了解問題全貌。同時，由于數據有時只呈現了淺表的信息，例如資源瀏覽的次數和時長并不能充分說明學習效率，所以僅依靠數據作出決策也容易陷入判斷誤區。因此，在精準教學情境中，必須明確大數據技術的職能是對人工決策的輔助和補充而非顛覆或取代，以師生為主的教育活動參與者仍需主動把握教學決策的自主權，而不是將其完全轉交給計算機程序;師生應充分利用大數據技術幫助自己改善教與學的活動，而不是用技術替代自己的批判性思考。

參考文獻：

[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]王亞飛，李琳，李艷.大數據精準教學技術框架研究[J].現代教育技術，2018，28（7）：5-10.

[5]李香勇，左明章，王志鋒.學習分析的研究現狀與未來展望：2016年學習分析和知識國際會議述評[J].開放教育研究，2017，23（1）：46-55.

（責任編輯 黃銘釗）