基于大數據的知識發現新途徑 視頻課例中數據分析與挖掘的三種應用模式 （下）

發現大數據知識發現

的三種應用模式

視頻課例中數據分析與挖掘的價值在于促進課堂教學改革與教師專業發展。教師專業發展具有三種模式：師徒制模式、反思性實踐模式和應用科學模式。師徒制模式隱喻了師徒之間的知識轉移，反思性實踐模式隱喻了教師即研究者，應用科學模式隱喻了理論指導實踐。基于大數據知識發現的教師專業發展也依次對應了三種模式：大數據支持下的同儕互助模式、基于數據循證的課例研究模式和基于數據科學的教師成長模型。

【模式一】大數據支持下的同儕互助模式

長期以來，新手教師畢業后分配到各中小學校，一般都會安排一個同學科的成熟教師作為師父。理論上認為，新手教師與成熟教師通過實踐、反思、互動，可以獲取、繼承、傳遞、存儲、應用成熟教師的實踐性知識。但現實果真如此嗎？

一個新手教師成長為勝任教師要經歷知識學角度的兩大步驟：一是0～3年解決知識生產問題，即如何教和怎么教;二是3～5年解決知識進化問題，即如何教得更好、更有效。我所在團隊通過研究得出，新手教師在0～3年知識生產階段，依據斯巴克斯·蘭格教學反思思維框架的七個層次所得出的數據，選擇勝任教師作為師父才是最佳搭配;在3～5年知識進化階段，依據著名的思想家、哲學家卡爾·波普爾在1979年提出的知識進化模型所得出的數據，該循環數據是一個標準的半結構化型數據。

通過上述研究得出的數據樣貌我們發現，教師知識的進化過程是一種教師的知識集合處于不斷流通與變化的過程。成熟教師與新手教師在知識進化過程中的試探性理論或解決方案上表現出了比較大的差異：成熟教師更傾向于從局部要素尋找解決問題的策略，而新手教師則更傾向于從整體要素的改變去尋找解決問題的辦法。在知識進化過程中，成熟教師對新手教師的影響十分明顯：新手教師在知識進化排除錯誤的過程中，會表現出吸收成熟教師實踐性知識的傾向。由此我們得出，在知識生產階段，勝任教師做新手教師的師父是非常合適的，因為二者都能獲得進步;而在知識進化階段，再加入成熟教師，形成“雙師制”模式，可以讓課堂教學和教師專業發展都能獲得長足的進步。

但同時，我們在實踐中又發現了另外一種現象。我所在團隊選取了97位教師進行研究，其中勝任教師和成熟教師占71%。在這一比例下，我們無法依據學科進行師徒制匹配，因此我們采用課堂教學行為大數據的聚類分析和主成分分析開展研究。結果顯示，在97位教師中，存在兩類風格迥異的教師群體：高問題設計、低理答方式和低問題設計、高理答方式。（如圖1）隨后，將類型1和類型2的教師組成同儕互助小組，通過一學期的研究數據可以看出，類型1教師在反思性知識、策略知識、情境知識、人際知識方面得到了大幅度提升，在挑選回答方式、學生回答方式、教師回應方式、教師回應態度等方面也有了很大改進。類型2教師在教育信念、策略知識、反思性知識方面有了顯著提升，在問題類型和問題結構方面也有顯著改進。可以說，基于大數據的同儕互助模式能夠讓雙方真正實現取長補短，從而獲得專業發展。

由此我們可以得出，大數據知識發現支持下的同儕互助模式經歷了三次循環迭代的過程。第一次優化了知識生產，第二次優化了知識進化，第三次優化了同儕互助，且都有了新的知識發現，推進了原本的師徒制模式。（如圖2）

【模式二】基于數據循證的課例研究模式

基于數據循證的課例研究模式在課前需要運用證據優化教學設計;在課中產生新的證據，用數據賦能實施提質;在課后優化證據，用數據驅動反思增效。

我所在團隊對廣東省深圳市某語文教師的語文教學過程進行了實踐探究。該教師在自主教學前首先與團隊觀察了同行教師的教學課堂，認為教學課堂內容緊湊、準確有親和力、學生情緒飽滿、課堂合作積極。然而大數據顯示，同行教師的教學課堂仍存在很多問題，這就為該教師的教學設計提供了課前優化的證據。隨后，該教師在團隊的協助下，開始利用“四何”問題（為何、是何、如何、若何）作為支架，優化自己的教學設計并進行試講修改，用數據賦能實施提質。最后，在課后反思會上，該教師總結出“一聽、一看、一思、一試、一練、一悟”的感悟，實現了運用數據驅動反思增效。

由此我們可以得出，基于數據循證的課例研究模式通過課前運用證據、課中產生證據、課后優化證據的思路，使反思性實踐模式得到了提升和發展。（如圖3）

【模式三】基于數據科學的教師成長模型

我所在團隊在對優秀教師群體和低績效教師群體的大數據樣貌比對中發現，優秀教師教學課堂中，學生的創造評價性回答比例較高，課堂的生成性較好，而低績效教師教學課堂中，學生的這類反饋幾乎沒有;優秀教師在教學課堂中會提出為何問題、創造性問題、批判性問題以及組織更多的討論和匯報，鼓勵學生提出問題，而低績效教師在課堂教學中多以講授為主。

那么普通教師如何變成優秀教師呢？我所在團隊根據十條有效的教師成長發展路徑（見上期表）構造出七個內外兼修教師成長模型。（由于版面限制，不作贅述）如教師教育信念的提高會減少在課堂教學中打斷學生回答或代答的行為;情境知識的提高會增加在課堂教學中的非言語性回應，同時提出更多批判性問題;反思性知識的提高會幫助提高對話深度四;等等。

由此我們可以得出，基于數據科學的教師成長模型通過構建內部特征模型、外部特征模型和內外兼修模型，對應用科學模式進行了升華。（如圖4）

基于大數據的知識發現的三種應用模式契合了保羅·基爾希納提出的基于證據的三種啟發式學習方式：引導式學習，關鍵點在于吸引和保持學習的注意力;目標習得式學習，關鍵點在于將認知聚焦在催生學習目標達成即教學改進的活動上;認知編碼式學習，關鍵點在于影響學習者大腦對信息進行識別、分割和編碼的伴隨式認知活動和內部語言的表征結果來獲得教師的專業發展。

反思大數據知識發現的哲學意蘊

基于大數據的知識發現為教育科學找到了新起點：只要擁有足夠多的數據和足夠“聰明”的算法，就可能在發現教育教學現象和理解教育教學本質等方面獲得更深刻的洞見。以我所在團隊多年的大數據分析和挖掘經驗來看，需要反思以下三點。

一、從還原論與整體論的對立走向融合

大數據時代來臨，數據使還原論和整體論找到了融會貫通的共同基礎;視頻課例數據化的過程是碎片化的還原過程，而數據挖掘與知識發現的過程是集成化的整合過程。可以說，數據還原為數據整合打下基礎，數據整合又將數據還原后的碎片重聚并顯現出教育教學規律，體現出大數據時代的整體論是基于數據還原的整體論，是經過數據還原洗禮的并具有豐富細節的整體論，是實實在在對數據碎片的整合與重構。對數據的綜合分析就是把數據的碎片整合在一起還原回真實的課堂，再與教育教學現象進行融合。這也是大數據知識發現中從還原論與整體論的對立走向融合，提高研究質量的關鍵環節。

二、從感性思維躍升到理性思維的挑戰

大數據的迅猛發展只是代替了人類完成思維活動中的低端內容，并未取消人類的全部思維活動，恰恰相反，視頻課例的知識發現倒逼出人們的思維層次不斷從低端的感性層面躍遷到更高的理性層面，是對知識發現研究者思維水平和認知能力提出的重大挑戰。

三、警惕數據主義與人文主義對立的風險

我認為，數據主義是經驗主義的新形式，是與人文主義相違背的，在研究過程中必須要對人和人的境遇進行考量。我們最終需要促進教學的改進，就必須促進教師改變。對人的改變是非常復雜的，所以要杜絕數據強權和數據主義。在數據面前，視頻課例的研究者應該首先保持人的獨立性，提高人的自覺性，發揮人的能動性，確保人的主體地位。

我所在團隊經過多年中小學視頻課例研究和分析發現，視頻課例中數據分析與挖掘有效支持了大數據循證的教師改變，推動從數據展示到知識標示，從技術熱點到技術與教師智慧經驗耦合的深化發展，在大數據價值挖掘的抽象原理和具體操作之間搭建起了轉化的橋梁，并助力教師的專業發展。

（本文根據第七屆全國教育實證研究論壇實證方法分論壇十二“教育圖像與視頻分析”專家報告整理，有刪節）

作者簡介

王陸 首都師范大學教育技術研究所所長

首都師范大學現代教育技術重點實驗室主任

北京市基礎教育信息化實驗教學示范中心主任