數據驅動的學校體育精準教學：內涵、機制與發展路徑

鄭光文，賀艷杰，郭子進

（廈門市新民中學，福建 廈門 361113）

21世紀人、機、物三元世界的高度融合促成了數據密集型科學的迅猛發展，強大的技術革新力量推促著人類生活、工作與思維方式的變革，大數據（Big Data）通過技術賦能催生了交通、衛生、公共安全、政務服務等一批社會治理的典范，日益成為驅動社會發展的重要工具。誠然，作為技術最難“攻克”的傳統行業之一，教育行業亦深受大數據“威力”的強烈沖擊并邁入了創新與變革的高速公路“匝道”，一場由經驗模仿教學、計算機輔助教學轉向數據驅動教學的范式變革正在發生［1］。隨著大數據與教育教學的耦合發展，數據驅動教學也逐漸衍生為學校體育教學科學化與精準化的新動能。

誠然，在教育信息化2.0時代，學校體育發展仍囿于諸多瓶頸性問題，陷入變革與發展的鴻溝，在此背景下，學校體育教學亟需與數據驅動技術結合，構建新型體育教學生態、助力體育教學結構變革。不寧唯是，數據驅動技術與體育教學的結合既是變革與發展所需，亦是其價值彰顯的應然選擇。無可否認，近年來數據驅動技術與體育教學的融合發展實則已“嶄露頭角”，但仍處于一種低層次的、價值遠未涌現的初級形態，其內在功能與結構還不清晰，自身應用價值還未得到挖掘［2］。縱然有已有研究對數據驅動體育教學的理論與實踐應用探討上做了初步嘗試［3］，但多停留在理念普及、場景解析以及案例介紹層面，尚未映射或概念化數據驅動體育教學的本質內涵及邏輯機理等關鍵性基礎問題。一言以蔽之，這些關鍵問題的“遺留”制約了理論研究對其使用的科學性和嚴謹性，窄化相關實踐的指引。鑒于此，本研究基于數據驅動理念，對數據驅動學校體育精準教學的理論內涵、運行機制等關鍵問題進行系統闡釋，并在此基礎上提出推進“數據驅動”型體育教學的實踐路徑，以期緊隨教育現代化前沿，助力學校體育教學精準化、智能化與個性化發展。

1 數據驅動學校體育精準教學的理論內涵

迄今為止，數據驅動學校體育教學的潛在價值雖備受青睞，但學界對于數據驅動體育教學的理論內涵仍是一個未盡的理論探討問題，有必要豐富其理論內涵。

1.1 數據驅動學校體育精準教學的概念闡釋

“數據驅動”的概念興起實則是一個由“靜態”到“動態”的過程轉變，是從冰冷的數字到“賦能式驅動”的路徑轉型，衍生為社會治理的工具和賦能載體，并體現出非凡的超越性和創造性造福于人類社會。誠然，中外學者對“數據驅動”的概念界定雖各有所指，但對于數據驅動概念界定的邏輯起點大都立足于數據技術嵌入。即言之，數據驅動是主體運用大數據技術作為賦能載體和途徑，挖掘和存儲數據資源，并予以分析和研判，提出科學化和精準化的決策和支持方案，最終推動客體運行的動態過程。其內涵通常涵蓋以下3個方面：其一，以數量大、種類多、運轉速度快為前提條件；其二，以數據挖掘和分析處理為技術手段；其三，以輔助和支持下一步的行為提供有價值的指導信息為核心目的。而所謂的數據驅動體育教學，屬于教育技術學范疇，主要是指依托大數據技術手段實現支持和構建體育教學的方法，以滿足學生學習需求、促進有效教學的新范式。

相對而言，學界關于“精準教學”的概念界定較為統一，它源于斯金納的行為學習理論，最早由奧登·林斯利［2］提出，指根據連續監測到的學生學習表現進行教育決策。與傳統體育教學相比，精準體育教學強調數據的作用，通過設計測量教學過程采集與存儲數據資源，分析與研判數據背后的價值邏輯，從而對教學過程做出精準科學的預測或決策方案。

從驅動范式來看，體育教學可分為經驗驅動型和數據驅動型。前者是指教師通過口頭提問、肉眼觀察等直觀經驗做出的決策，但這種基于經驗的決策模式極易出現以偏概全的“暈輪效應”，對學生而言，既不科學、也不適用。而后者則是依托大數據技術手段設計測量教學過程，匯聚多源異構的體育教學數據資源，通過深度挖掘和分析研判數據資源，快速發現學生練習的短期適應效應量與長期適應預期目標值，輔助教學提出更精準的個性化“教”方案，指導學生進行更精準的高質量“學”，從而實現學校體育教學精準化、智能化與個性化發展。

1.2 數據驅動學校體育精準教學的理論方法

1.2.1 理論支撐—“數據驅動決策理論”

數據驅動決策 （Data Driving Decision Making，DDDM）是數據驅動系統中的一個內化過程， 對此，Ackoff（1989）［3］的DIKW模型最能闡述這一復雜化動態過程，他將數據（Data）、信息（Information）、知識（Knowledge）與智慧（Wisdom）劃分為4個階段，其中數據—信息—知識3個階段在整個機制中是互為轉化且連續不斷的動態過程，最終形成智慧并輔以決策。Mandinach［4］在DIKW模型的基礎上最早構建出數據驅動決策的理論框架圖（圖1），該模型涵蓋地區、學校和教室3個層級的決策場域，從靜態數據到最終的決策實施包括6個階段的交互轉化，即“收集—組織—分析—概括—綜合—優先化”，而前4個階段則依賴于技術性工具或媒介完成該階段任務，最終形成有效決策，并延伸至“決策實施—產生影響—反饋”，這一循環或迭代過程才算結束。DDDM在教學過程中的應用也大都基于此模型構建的，教研究者或師將體育教學過程中采集的數據經過具體內化的迭代過程后，對課程教學和政策實踐做出精準決策。

圖1 技術支持的數據驅動決策模型

1.2.2 程序方法—“運動處方模式”

運動處方模式是以滿足學生個體需求的個性化體育教學模式，其內容體系涵蓋身體狀態認知、身體狀況監控、運動處方設計、運動處方實施4個方面［5］，如圖2所示。精準教學引入“運動處方教學模式”因其具備健康教育主導性、體育保健知識系統性、學生個性化與主體性、教學內容與過程科學性等主要屬性及特點［6］，彌合體育學科核心素養的本位訴求。不同于傳統體育教學，運動處方教學模式在傳授、提高并精細化學生的動作技術的同時還要求學生掌握系統的體育保健知識，為終身體育和鍛煉習慣的養成奠定根基。數據驅動的本意在于摒棄純粹經驗主義的決策，而運動處方教學模式在數據驅動體育教學過程中更加強調工具理性，基于詳實可靠的教學數據，驅動體育教學的跌代循環并不斷做出回應，這一程序可簡述為 “體育知識學習—處方編制—處方實施—效果反饋—處方調整”，最終對教學決策予以答復。需要明確的是，數據驅動教學過程中，要更加注意“運動處方設計”階段的控制與實施，這一階段關乎體育教學決策的精準性與科學性，包括明確運動目的、功能動作篩選、運動負荷選擇、設置運動頻度與運動時間段、考慮運動注意事項等方面內容。

圖2 運動處方教學模式的內容體系

1.2.3 衡量指標—“流暢度”（fluency）

流暢度是指學生在動作完成過程中的連貫與通暢程度，且直觀顯現的沒有卡頓或停滯現象，是可以量化的結果。精準教學引入流暢度來衡量教師的教學目標達成情況，以及學生的知識與技能掌握情況，具有可操作性，其量化指標常通采用動作完成的精確度、速度或遠度等，對學生的運動技術學習過程中的行為和反應狀態進行量化記錄并予以反饋。這一過程主要服務于體育教學數據采集階段，是數據驅動精準體育教學跌代循環程序的初始化過程，為后續一系列的程序演進奠定根基。概而言之，流暢度作為衡量指標對于數據的精準采集及最終的科學化決策具有不可言喻的重要性。

1.3 數據驅動的學校體育精準教學應用特征

1.3.1 追求體育精準教學的立體化智控

步入大數據時代，“數據石油”和“算法引擎”的技術匹配驅動體育精準教學實現立體化智控，教學監控結構從傳統的縱向科層制和橫向分工制向立體化的、智慧化的網狀型和扁平型結構轉變，使監控的時空跨度更廣、內容維度更多、數據精度更高、教學過程更細、操作程序更加智慧化。譬如，在時空分布上，數據再現過去、描述現在和預測未來的特有功能助力體育教師精準把握教學全過程，輔以做出科學化決策，如學情梳理、目標設定、過程評價以及運動指導與干預等。此外，大數據智控技術在教學中的嵌入式應用貫穿教學全過程，實時監控與動態跟蹤教學的設計、組織、實施、評估、反饋等重要環節，甚至延伸至課外體育鍛煉的跟蹤分析，通過智慧化引擎或APP自動將分析結果可視化呈現，進而對教學過程加以優化決策和預測干預。

1.3.2 注重體育教學的精準化實施

數據驅動精準教學貴在“精準”，其本意在于摒棄純粹經驗主義的決策，以詳實可靠的數據支撐為依據，實施點對點和數字化的定量調控。精準把握課前、課中以及課后的各個環節，對復雜動態的教學過程進行規律化認識和表述。不寧唯是，數據驅動的體育精準教學更注重從共性中把握個性，特別是對學生個體特征的把握，包括學生的生理、心理負荷、運動表現、負荷變量、生活方式等數據資源的實時采集與分析，精準識別每一個個體的具體狀態，也就是“學生畫像”的精準度與辨識率塑造，輔以精準化的教學干預以及科學化的終端決策。

1.3.3 突出體育教學的個性化調控

數據更具有針對性，而精準數據的采集輔以構建基礎性、標簽化的“學生畫像”，是一個個具有鮮明特征的個體，這些個體因其生理、心理等內外部因素的影響而千差萬別，均具有個性化要求，因此數據驅動的體育精準教學突出個性化調控的應用特征，以滿足學生的個體化需求。具體而言，數據驅動的精準教學實施“數據分析—特征發現—智能干預”的個性化教學模式，并通過智慧終端的算法自動化功能生成與學生個體適應水平相匹配的強針對性學習方案，譬如，在運動強度、運動方式和運動時間等設置上，實現不同層次學生任務目標的理性化決策以及教學過程的“輕負高效”。

2 數據驅動的學校體育精準教學運行機制

以數據為驅動力支持改進體育教學已成為學校體育發展變革的勢之所趨，而要實施數據驅動的體育精準教學，首當其沖是明確其運行機制。數據驅動的體育教學運行機制以精準性與科學性的增進學生體質健康為主要目的，圍繞教學各個環節生成與運行的數據所進行的多邊互動，如圖3所示。筆者按照“數據采集—數據分析—數據決策—數據反饋與應用”的邏輯進路對這一運行機制分段呈現，以便對數據驅動體育精準教學的全貌形成具體認知和整體把握。

圖3 數據驅動體育精準教學的運行機制

第一，在數據精準采集環節，數據采集是整個驅動機制的根基與動力源泉，基于數字技術（5G、互聯網、云計算、傳感器、人工智能、普適計算、可穿戴設備等）和生化技術（基因檢測、蛋白質組學等）兩大支點展開精準采集，匯聚多源異構的教學數據構建全量數據倉庫。在數據精準采集階段主要涉及3個環節：1）學情準確把握，在教學準備階段教師借助互聯網體育智慧庫、人工智能等技術對學情進行細致的梳理，輔以制定教學目標；2）實時監測記錄，主要是對學生體質健康數據（包括體型指標、肺活量、心率、力量、速度、耐力、靈敏、柔韌、既往病史等）、體育知識與運動能力等的數據監測與記錄，可通過現代化可穿戴設備如GPS、心率帶、陀螺儀、加速度計、功率計等實現數據便捷采集；3）數據可視化匯聚，是將前一環節監測記錄的數據借助算法自動化引擎技術進行整合分析，通過數據可視化、虛擬現實等技術直觀顯現的呈現主體特征，以便后續環節的數據分析處理。

第二，在數據精準分析環節，數據精準分析是整個驅動機制的關鍵與引擎，從靜態的數據到決策不是一蹴而就的，而是要經過一系列繁雜的數據挖掘與分析技術，折射數據背后的價值邏輯。 數據分析有“上卷”（Roll Up）和“下鉆”（Drill Down）兩種方式［7］，由于“下鉆”的工具屬性與功能特征更貼合數據分析所需，故通常采用“下鉆”方式挖掘分析數據。這一環節的數據分析涉及4個具體方面，分別是基于運動學習階段的數據分析（包括泛化階段、分化階段與鞏固階段）、教學過程階段的數據分析（包括課前的教學設計、課中的教學環節、課后的跟蹤反饋）、學習內容掌握情況的數據分析（包括認知領域、情感領域、體能領域、動作技能領域等）、學生個體特征的數據分析（包括體質健康狀況、運動技能水平、負荷量、運動興趣與期望等），從橫向結構來看可概括為“個性化目標設置—動態跟蹤指導—效果預測與評估”，而從縱向結構來看是對前一環節的賡續與環環相扣。需要明確的是，這一環節緊扣運動處方模式，從運動目的、功能動作篩選、運動類型與負荷選擇、運動頻度與時段選擇方面做到精準匹配，以促進不同層次學生各個面向上的水平提高。

第三，在數據決策環節，數據精準決策是整個驅動機制的核心與樞紐，其職責是對駐留在各種數據源或數據倉庫中的數據分析結果“翻譯”成有價值的“教”與“學”的信息，以辨析教學主客觀條件和狀態，為下一步的教學決策提供準確、即時且全面的參考，尤其是對個體差異的觀照與潤澤，統籌考慮整體與部分（個體特征）是該機制運行的價值訴求與導向，契合學科核心素養的內在要求。在全方位的信息輔助下，捕捉數據整體的普遍規律與部分的個性化特征，即言之，把握整體的同時兼顧個體表征，遵照運動處方模式分層實施決策過程，包括重難點精準分層、學練精準分層以及評價精準分層三個大方面，實現教學的有序性和可操作性，幫助教師實現精準化、個性化教學。這一環節從某種程度上來說，實質上是一種“自適應”的決策過程，它是一個迭代循環的邏輯進路，換言之，不是所有信息都適合做出決策，如若信息不成熟需要程序再次的循環分析初始化數據，直至能服務于價值決策為止，這為教學決策的科學性提供保障。

第四，在數據精準反饋與應用環節，數據精準反饋與應用是整個驅動機制的價值呈現，是迭代循環程序的終點亦是起點。其職責是對橫向的“目標達成度—任務完成度—結果可視化呈現”機制鏈條做出精細化的反饋，服務于系統終端的“精準計劃定制—精準學練過程—精準行為進階”應用與呈現。然而，機制運行到此并不意味著結束，根據診斷主體對機制反饋的價值做出研判，是否能滿足主體需要，是否有必要再次啟動程序進行迭代循環，輸出更有價值的信息，而這一循環可能是全過程的也可能是某一細致環節，關鍵在于診斷主體的需要。具體而言，這一環節最重要的是賡續與繼承前面所有環節的“果實”，可呈現整個結構機制的縱向脈絡演變，分別是：1）教學準備部分的 “學情精準把握—個性化目標設置—重難點精準分層—目標達成度”，主要應用于教學過程的問題發掘、原因分析與提供解決方案3方面；2）教學基本部分的“實時監測記錄-動態跟蹤指導-學練精準分層-任務完成度”，此脈絡的應用落腳點在于事實評估與模型預測2個方面；3）教學結束部分的 “數據可視化匯聚—效果預測與評估—評價精準分層—終端結果可視化呈現”，主要應用于教學創新改進與進階實踐演練，各脈絡環環相扣、層層演進最終形成立體的、智慧化的體育精準教學驅動機制。

在以上所描述的 “數據驅動”的體育精準教學運行機制中，教師和學生二元主體始終圍繞“導學探究（準備部分）-教學交互（基本部分）-總結反思建構（結束部分）”的教學過程數據進行多邊互動，共同構成了一個積極的、智能的反饋循環系統，輔助教師更精準的“教”、指導學生更精益的“學”。

3 數據驅動體育精準教學的推進路徑

無可否認，作為一種教育治理的創新形式，數據驅動的體育教學仍處于一種較低層次的、價值尚未涌現的初級形態。已有研究表明，教師數據素養薄弱、缺乏數據服務平臺支撐、協同推進力度不夠以及忽視主體本位價值等問題是現存羈絆與肇因［8］，鑒于此，本研究結合本土現狀參考國內外數據驅動體育教學的成功經驗，從以下幾個方面推進，以期數據驅動體育精準教學高質量發展的愿景更快實現。

3.1 養成“整全性”數據素養

提升教師的“整全性”數據素養是確保數據驅動體育精準教學順利推進的重要支柱。從評價指標構成來看，“數據素養”是指教師在數據的采集、組織和管理、處理和分析、共享與協同創新方面的能力，以及教師在數據的生產、管理和發布過程中的道德與行為規范［9］，各指標的內部關系是相互支撐、統一契合的有機整體，因此教師“整全性”的數據素養是一種數據綜合能力的最佳體現。提升體育教師的“整全性”數據素養通常從以下幾方面著手：1）提升體育教師的數據意識素養，包括數據敏感性與批判性兩個層面，前者是善用數據思維解決教學中的實際問題，而后者是以理性、客觀、規范的態度辯證的看待數據價值，以防對數據產生過度依賴或是充耳不聞兩種極端。2）提升體育教師的數據處理素養，主要是指教師在教學過程中的數據采集與整合分析能力。3）提升體育教師的數據應用能力，主要體現在對體育教學的決策、施策與評策能力，以彌補單一的經驗決策缺陷，使教學決策更具科學性。

3.2 構建“服務性”數據平臺

構建“服務性”數據平臺是開展數據驅動體育精準教學的支撐與保障。該平臺重點圍繞體育教學數據的泛在采集、多源異構數據的集成分析、“教”與“學”行為數據的動態跟蹤、預警分析與科學決策、數據倉庫的運行管理與安全維護、數據技術的應用與學習培訓、用戶體驗與反饋、學科能力的智能診斷等方面，全面助力數據驅動體育精準教學的高質量發展。而從體育精準教學層面來看，該平臺需要具備3個切實功能：1）具備泛在數據采集與融合功能，主要是對教學過程中全員（包括教師、教學團隊等在內的主體及相關輔助人員）、全程（涵蓋教學全階段、全過程）、全方位（除教學主客體外還覆蓋所處環境）數據實時采集與存儲，為體育精準教學提供海量數據集；2）提供多源數據挖掘與決策服務，對泛在數據采集與融合的數據倉庫進行深入挖掘分析，“翻譯”成有價值的“教”與“學”的信息，以歸納其本質、探究其規律，進而為教學實踐做出科學有效的決策方案；3）支持動態數據實時監測與可視，教學過程具有動態性、情境性和內隱性復雜特征，因此數據服務平臺需要對教學數據進行實時監測、動態跟蹤，并將抽象、宏觀的數據進行提煉處理后直觀呈現。

3.3 架構“專業性”數據共同體

實現數據驅動的體育精準教學最理想模式是協同推進的專業合作模式，涉及內驅與外構2種方式。首先是內驅的專業合作模式，主要是針對校內的教師搭建的專業共同體模式，涉及3種專業性人才：1）具有專業數據技術的“技能型”教師，這類教師具備掌握專業的數據知識、工具、技術和方法等能力，能夠熟練駕馭數據改進教學現狀；2）具有扎實基礎的“學科型”教師，這類教師擁有扎實的體育學科知識與豐富的教學實踐經驗，是傳統體育教學的“完美型”人才；3）具有學科融合素養的“學術型”教師，這類教師既能對本學科的內容體系具有一定的學術見地，又能以“跨學科”的融合視角辯證的看待數據驅動教學模式，以“慧眼識數”的敏銳力跳出體育看體育。這3種專業人才聯合構成了以“技術—實踐—理論”為特色的復合型人才協同平臺，搭建起強大的技術支撐、學科支撐與學術支撐的數據服務平臺，協同推進數據驅動的體育精準教學。此外，要注意協同與整合外部力量，也就是外構的專業合作模式，主要是由當地教育部門和校際間牽頭組織的數據驅動教學聯盟，定期組織數據驅動教學培訓、案例交流、成功經驗分享等，此外加強校際間的數據共享，拓展數據使用的范圍與價值。

3.4 堅守“教育性”數據本真

教育是面向“人”的事業，數據驅動的體育教學也應該是立足育人的本質，堅持以人為本的價值導向，因此，我們應明確數據驅動技術只是教育手段，而非教育主體，更不是教育目的，在實施數據驅動體育教學的過程中要堅守“教育性”數據本真，而不是淪為工具手段的附庸。客觀來講，數據驅動技術是盡其所能為改進教學不足、提升教學效益服務的，學生才是實踐的主體、價值的主體。所以，在開展數據驅動體育教學的過程中，要辯證的看待數據驅動技術，避免工具主義與功利主義傾向將，譬如，將新技術作為博人眼球的“噱頭”，以彰顯學校教學發展前沿的態勢。無論何時何地、數據技術發展到什么程度都只是一個客觀存在的技術工具，數據驅動的體育精準教學要時刻面向學生主體，要“腳踏實地”地回歸數據本真、堅守育人本質，只有學生的主體價值得到最大程度的彰顯，才能說這種數據驅動的教學是有意義的，否則就會淪為 “空有皮囊，腹中草莽”的境地。另外，需要明確的是，數據驅動教學不是完全摒棄傳統的經驗教學的，而是秉持“喜新不厭舊”的原則，在體育教學過程中既積極發揮先進的數據驅動技術，又注意把握“經驗”存在的合理性。

4 結語

以數據為驅動力支持改進體育教學已是學校體育變革發展的勢之所趨，體育教學從純粹的“經驗主義”教學向“數據驅動”的技術融合范式轉型，是一種質的飛躍，有利于彌補傳統體育教學的缺陷與不足，對于提升體育教學科學化與精準化水平、優化體育教學的質量和效果、以及助推學校體育現代化和信息化水平等都具有重要的價值意義。誠然，無可否認的是，當前數據驅動的體育精準教學發展現狀實然與應然相悖，仍處于一種低層次的、價值遠未涌現的初級形態，還有很多未盡的方面與未行的方向，未來需要在實踐中不斷探索，從理論研究的規范性與科學性到實踐應用的落實與推行不斷完善，爭取數據驅動體育精準教學高質量、全面發展的愿景盡快實現。