大數據賦能智慧教育的關鍵問題與教學場景應用

摘要： 教育數據要素化是驅動智慧教育和教育數字化發展的重要動能。文章從“教育大數據從哪里來”“教育大數據將用到哪里去”和“怎樣進行教育大數據應用”三個關鍵性問題出發，對教育大數據的來源、應用目標和應用方式進行了梳理，再歸納出大數據在教學場景中的四類典型場景應用：精準備教備學、實施差異化教學、開展個性化輔導、師生數字畫像評價。文章基于“如何充分利用已有條件開展教育大數據應用”的視角，對相關問題進行探討，以期為大數據賦能智慧教育發展提供有益參考。

關鍵詞：教育大數據；智慧教育；教育數字化；教學場景

2022年2月，教育部提出實施教育數字化戰略行動，明確了加快推進教育數字化轉型和智能升級的發展方向。教育數字化包括數字化轉換（從模擬格式到數字格式的轉變）、數字化升級（利用數字技術和信息改變組織的運作過程）和數字化轉型（數字技術整合到教育領域各個層面）三個階段，數據化是數字化的基礎性環節，教育數據要素化是驅動智慧教育和教育數字化發展的重要動能。智能時代背景下，數據作為人工智能技術應用的基礎，是生成智慧的關鍵要素。當前，教育領域的大數據應用遠不如電商購物推薦、智能家居調節、智慧交通出行等場景給人們帶來的直觀體驗深刻。究其原因，筆者認為主要是在于應用對象不同。教育是培養人的綜合性復雜活動，如何將數據應用的客觀性、準確性特征，與人的發展的多樣化、個性化需求建立聯結，是大數據賦能智慧教育需要回答的問題。

一、關鍵問題

數據是對事物基本屬性的客觀記錄。在經過加工處理后，數據能夠反映、傳遞信息，進而產生知識，最終形成智慧。數據驅動成為教育創新發展的新范式，將深刻影響教育的流程、結構和模式。但數據的作用價值不會天然發生，“教育大數據從哪里來”“教育大數據將用到哪里去”和“怎樣進行教育大數據應用”仍是當前阻礙教育大數據發揮效能的重要問題。筆者認為，對于這三個問題的梳理，有助于建立大數據驅動智慧教育創新發展的基本思路，即需要明確教育大數據的來源、應用目標和應用方式。

（一）教育大數據的來源

信息時代的數據總量呈指數級增長態勢，大數據等相關技術為處理海量數據提供了技術支撐。當前，在金融、電商、交通、通信等領域已產生并累積了超大體量的數據，甚至已經出現了“數據過剩而信息不足”的現象，亟須利用數據挖掘等技術對大數據進行分析處理，進而提取有效信息加以應用。但當下教育領域能采集匯聚到的數據量相較其他行業存在著數量級差異，數據來源多依賴于報送式的數據采集方式，而伴生性、過程性的數據采集方式還沒有得到有效應用，數據來源問題成為制約教育大數據應用的首要因素。

教育大數據到底應從哪里來？筆者認為應該厘清教育大數據可能的來源方式，再充分結合實際條件進行數據采集匯聚。從教育大數據的來源方式來看，可大致歸納為以下幾個大類。

1.填報統計式

主要是采集如學?；厩闆r和師生基礎信息類的客觀數據。這仍是當前教育數據采集的主要方式，它提供了基礎性、結構化的數據來源，但需要通過技術手段和機制辦法來提升數據填報的準確性與可信度。對于基礎性數據，實現“一次填報，多次復用”，如在教育數據多場景應用中，同源提取匹配基礎數據，形成“基礎數據+教育擴展數據”的應用模式。

2.平臺采集式

指師生通過應用信息化資源、工具和系統平臺產生的線上數據。這類數據的采集與分析可直接通過系統平臺完成，如采集平臺使用時長、資源瀏覽次數、在線行為路徑、參與互動交流情況等數據。因數據易采集存儲且結構化程度高，這類數據現多用于對在線教學參與度、任務完成率、線上行為特征等進行分析，但要實現混合式教學模式下的大數據綜合分析，還需要結合線下數據建立教學模型進行深層次探究應用。

3.無感采集式

指采用非刻意顯性的方式采集線下教學活動數據，如教師通過游戲化卡片積分，記錄評價學生行為表現數據。又如，在不改變學生作業習慣的前提下，利用智慧筆和光學掃描識別等技術，對學生日常紙質作業數據進行識別采集。這類方式能盡可能減少對師生產生干擾影響，往往能夠獲取最真實有效的數據，在“雙減”和“五項管理”政策背景下，要實現大數據賦能課堂智慧教學，還特別需要加強對這類方式的應用模式創新和技術創新。

4.智能感知式

借助物聯感知技術、智能識別技術、可穿戴設備等方式進行數據采集和分析，是新技術與教育創新融合的體現。如在AI錄播環境中對師生行為自動打點統計分析。又如，借用可穿戴設備識別記錄學生眼動數據和學習腦科學數據等。這種方式擴展了教育大數據能夠采集的維度和范圍，為教育大數據深度應用提供了更多數據原料，但其對技術環境要求高、產生數據的復雜性程度高、數據結構化程度低，還需要加強智能技術在教育大數據采集中的特色探索和試點應用。

（二）教育大數據的應用目標

“教育大數據將用到哪里去”對應的是教育大數據應用的目標導向問題。清晰的應用目標，決定了需要采集哪些數據、怎樣分析應用數據。但如果僅限于已有的教育思維邊界，基于傳統的教學實踐模式，必然不會產生強烈的教育大數據應用需求，也就不能勾勒出清晰的應用目標。教育大數據的應用目標導向應該是面向智慧教育發展需求、面向教育創新改革需要的。

區域教育在縱向上包括班級、學校和區域主管部門三級主體。教育大數據的應用目標也可對應到班級、學校和區域三個層面，分別關注微觀教育教學個性化問題、中觀學校教育管理質量性問題和宏觀區域教育治理公平性問題。

在班級層面，開展課堂教學是主線任務，大數據應用的目標是構建智慧課堂，通過數據賦能的人機協同為轉變課堂師生關系、助力課堂提質增效、開展精準教學與個性化學習提供支持，促使自適應學習、深度學習等新型教學形態發生。

在學校層面，大數據的應用目標是賦能智慧教育整體發展，其中建設數據驅動的智慧校園環境是基礎性前置目標，通過數據賦能實現教學質量精準評價、辦學資源優化配置、教師專業發展、校園安全動態監測、管理服務水平提升，推動學校辦學創新發展。

在區域層面，大數據的應用目標是提升區域教育治理效能，通過教育大數據匯聚與分析，在關注規律共性問題的基礎上，聚焦差異化個性問題，實現區域教育發展的動態監測、趨勢預測和決策輔助，進而優化資源配置、統籌教育要素、創新治理模式。

（三）教育大數據的應用方式

“怎樣進行教育大數據應用”對應的是教育大數據應用方式的問題，涉及教育大數據應用的關鍵技術，這也是影響教育大數據發揮效能的重要因素。當前，教育數據多用于評價監測，較少發揮預測預警功能。但評價最重要的目的不是為了證明，而是為了改進。教育大數據的應用需要充分發揮大數據技術的優勢，通過可視化分析、教育數據挖掘、建立教育模型等，超越統計數據僅用于評價的方式，為實施精準循證教學和智慧教育發展賦能。

1.數據預處理是開展教育大數據應用的前置環節

教育數據具有內容復雜性高、時間周期性長、數據異構性強等特點。直接依賴原始數據，無法提取出精準可信的信息，更無法產生高階應用成果。因此，數據清理、數據集成、標準化處理、特征提取和降維統計等任務，是實現教育大數據應用的基礎和前提。需要注意的是，教育是面向人的發展的綜合性復雜活動，教育大數據的類型不能只是基于統計收集產生的數值型數據，教育活動過程中產生的文本、圖像、音視頻等都屬于教育大數據的范疇，將這些非結構化的數據進行數據變換，通過預處理的方式提升教育數據的準確性、完整性和一致性的環節是不可或缺的。

2.分析挖掘是教育大數據應用的關鍵環節

建立數據之間的內在聯系，通過數據挖掘總結規律、異常報警和趨勢預測，是數據轉化為信息知識并生成智慧的核心。在教育數據分析挖掘中，相關分析、因子分析、方差分析、聚類分析、回歸分析是常用基礎性方法。這些方法的基礎操作難度較低，一線教師在學習掌握相關統計學知識后即可探索應用。如在平均分的基礎上采用方差統計，分析班級內學生成績的差異性離散情況。再如，建立學生學業發展的簡易回歸函數，用以擬合預測學業變化趨勢等。教育大數據的深層次綜合性應用需要建立在教育數據模型的基礎上。這類應用要求較高，需要專業團隊協同完成。如建立學生行為畫像模型、學習內容知識圖譜、教師專業成長模型等。數據通過在這些模型中的應用，得以建立起內在的聯系，進而為全息描繪教學活動、關注共性普遍規律、發掘個性差異特征、改善教學行為提供支持。

3.可視化是數據和模型觸達用戶的末端環節

數據可視化是教育大數據價值變現的最后一環。可視化通過圖像圖形表達的方式提升數據的可讀性、解釋性和應用性，能夠幫助管理者、教師、學生和家長直觀高效地分析數據所傳遞的信息和所蘊含的價值。事實上，可視化也是降低教育大數據應用門檻的必然路徑。教育數據可視化的初級應用可以通過Excel、圖表秀、簡道云、鏑數圖表等簡易工具來實現，將數據表達為柱狀圖、折線圖、餅圖、詞云圖、雷達圖等基本圖表類型。這類應用較為輕量化，容易操作實現，如利用雷達圖分析學生各維度的學業表現情況。教育大數據可視化的復合應用多采用數據儀表盤和數據管理駕駛艙的形式，常采用基于HTML5的ECharts和D3.js等可視化技術進行呈現，如通過數據儀表盤呈現教育概覽類、趨勢變化類、動態監測類等信息。此外，還可以采用R、Python等編程語言進行教育大數據可視化分析應用，如利用Python語言處理建立學科知識地圖。

4.數據安全和數據應用倫理是貫穿教育大數據應用全過程的重要問題

數據在教育中的應用，不是主導決策，而是賦能輔助?！耙匀藶楸尽睉墙逃髷祿l揮作用的基本原則。我們一方面要完善教育信息系統的技術安全體系架構，并建立教育大數據安全管理機制，規避數據安全風險，在教育大數據分析展示過程中，對于關鍵數據需進行脫敏處理，避免隱私信息泄露；另一方面，要關注一些教育數據濫用產生的負面影響，如基于算法推薦的學習資源匹配要警惕產生認知局限和“信息繭房”，再如，要避免大數據分析產生的普遍規律生硬機械地應用到個體層面等。

二、教學場景應用

場景是時間、地點、人物、事件與連接方式五要素的一種特定建構。具體到教育大數據的場景應用，時空環境需要為數據產生和應用提供支撐，虛實融合的教育環境也將發揮更大的作用。這種環境包括智慧教室、主題教育場館、在線學習社區和網絡學習空間等。師生是場景的參與和建構主體，具備基本的數據分析處理能力和素養是開展數據應用的必要條件。廣義上的參與主體還包括教育管理者、教輔人員和家長。數據驅動的新型教學關系場景構建是重要內容，將數據與教學活動事件和教育情境相聯結，在傳統課堂師生關系、生生關系基礎上，產生數據賦能的人機關系，在情境、協作和會話基礎上，再加上數據賦能，最終完成智慧教學場景的意義建構。

課堂教學是教育大數據應用的主要場景，本文將分析數據在課堂教學中的典型場景應用。數據的創新融入，將使傳統教學要素結構持續迭代升級，進而達成教學數據應用的層級性功能目標：功能輔助、分析優化和預測改善。

（一）精準備教備學

教師的備課至少應做好“兩備”：一是備學情，二是備資源。有了數據賦能后，教師進行教學設計就不再只是埋頭備教材、寫教案，而是可以對學生的知識儲備、學習風格、學習能力、學業表現等方面數據進行精準學情分析，進而做到“以學定教”。如基于前置作業完成情況的統計數據調整預設教學目標，根據學生填寫的學習風格量表數據采用多種教學策略等。在資源選擇方面，困擾教師的常常不是缺少資源，而是資源太多、太亂。建立起教學資源的標簽數據與體系聯系，是師生能夠按需快捷選用恰當資源的必然要求。將資源特征數據與教師備課數據進行對應匹配，能夠大幅提升從海量資源中精準篩選所需資源的效率，借用智能備課系統還可以實現教學資源的自動推薦，如根據教學主題內容和配色方案等數據自動匹配出對應的教學課件。

在傳統教學中，學生的預習準備主要是自學教材內容，沒有清晰可執行的課前學習任務，缺少與教師和同學的溝通協作，預習效果無法客觀呈現。導學案和課前任務單，可以部分幫助學生明確課前預習的步驟和任務。但要實現數據支持的精準備學，還必須借助信息化系統平臺。教師將學習資料和課前測試題通過平臺推送給學生，平臺可以自動生成并記錄學案課件瀏覽量、微課視頻點擊次數及時長、開展課前預習的時間段、測試題完成情況等數據。對學生而言，他們可以根據這些數據掌握自己備學的動態“進度條”，直觀了解在知識學習方面的薄弱點；對教師而言，他們可以根據這些數據從班級整體、學習小組群體和學生個體這三個層面精準掌握學情，進而指導學生個性備學并及時調整教學設計方案。

（二）實施差異化教學

個性化學習與發展是智慧教育的重要理念之一。但在班級授課情境中，要在45分鐘課堂時間內既完成預設教學目標，又進行一對一的差異化教學，不太具有實際操作性。班內多層次教學是在混合能力班級中進行差異化教學的可行有效方案。信息技術為數據支持的差異化教學提供了更多方法與路徑支持。如采用電子化問卷和量表，對學生的學習興趣傾向和學習能力特征等維度進行分析；基于作業情況和考試測驗數據，對學生已有知識和初始能力進行分析；根據課堂觀察生成的行為表現數據，對學生參與度進行分析等。對這些數據的分析應用，可以幫助教師靈活分組并實施差異化教學策略，如在項目式合作探究教學中更科學地劃分學習小組，在課堂上為不同學習小組規劃特定的學習任務和路徑。

此外，融合數據應用、人機協同將有助于課堂教學提質增效。一方面，信息技術工具不僅可以提高課堂教學過程中任務分發、協作研討、完成反饋等環節的效率，減少不必要的流程性時間，還可以記錄教學活動的過程性數據，促使“預設型”課堂教學向“生成型”課堂教學轉變；另一方面，智能系統的應用可以替代教師完成作業批改和知識應答等結構化程度較高的工作，教師可以有更多時間精力實施翻轉課堂、項目式學習、合作探究學習等教學模式，為學習小組提供多樣的目標內容和差異化學習支持。學生通過“智能學伴”等工具，可以發展數字化學習創新能力，基于人機交互完成知識學習，再通過師生交互與同伴協作完成意義建構。

（三）開展個性化輔導

練習鞏固提升是深化知識學習與遷移應用的重要環節，教師關注學生個體差異化發展也主要在課后輔導階段完成。特別是在“雙減”政策背景下，落實減輕作業負擔和校外培訓負擔的要求，需要聚焦課后服務，滿足學生需求。有了數據賦能，教師可以更有針對性地做好作業設計，分層分類地布置作業練習，并通過教學系統平臺完成對客觀題的自動批改、統計和分析。對于知識性問題，可由智能教學系統基于對作業測練情況的分析，個性化匹配關聯知識的拓展資源，加強對專項知識學習掌握的“刻意練習”；對于個性化發展問題，在重復機械工作被機器替代以后，教師可以結合學習過程和學業表現等數據分析，從“教書”轉向“育人”，幫助學生個體關注知識薄弱點、發掘學習特質、發展關鍵能力和核心素養。

（四）師生數字畫像評價

畫像的最初概念是指建立在真實數據之上的目標用戶模型，是真實用戶的虛擬代表。建立師生數字畫像既是對上一教學環節的反思和評價，更是優化開啟下一教學環節的重要參考。師生畫像是教與學全過程、多維度數據匯聚分析形成的評價描述，是推動教師評價改革和學生綜合評價的重要探索內容。當前，數據采集和分析處理技術為建立師生畫像提供了多種可能支持，但仍然缺少規范的師生畫像評價指標體系。

教師畫像按照對象范圍可大致分為：教師個體畫像、學科教研組畫像、學校教師整體畫像等。學生畫像按照對象范圍可大致分為：學生個體畫像、學習組群體畫像、班級整體畫像等。雖然狹義的大數據畫像更多是關注群體規律性的特征、目標與需求，但師生數字畫像需要為規?；膫€性發展提供有效支持，既關注群體層面的規律共性，又關注個體層面的差異個性。在群體層面上，教師畫像可以幫助學校提升教師素養、改進教師管理、優化教師服務、開展教學評估；學生畫像可以探索反映出學生的學習規律，為開展差異教學輔導、分層布置作業、關注學習風險、家校協同溝通等提供參考。在個體層面上，教師畫像可以幫助教師更有針對性地開展教學反思，通過匯聚職業發展過程數據還能構建教師專業發展檔案袋，幫助教師持續提升專業能力并規劃職業發展；學生畫像可以適應“五育”綜合評價改革需求，建立對學生發展的多視角、多維度評價，促進結果性評價向過程性評價轉變，促進知識測驗評價向綜合性評價轉變。特別是在新高考背景下，畫像將更多為學生了解自身興趣、個性化需求和生涯規劃提供參考指導。

注：本文系成都市教育信息技術及教育裝備研究“十四五”規劃2021年度立項課題“區域教育大數據的建設框架與典型應用研究”（課題編號：cd2021-10）的階段性研究成果。

參考文獻

[1] 祝智庭，胡姣.教育數字化轉型的實踐邏輯與發展機遇[J].電化教育研究，2022（1）：5-15.

[2] 宋宇，盧曉中，郝天永.區域教育治理與大數據應用[M].廣州 ：華南理工大學出版社，2020.

[3] 王懷波，李冀紅，孫洪濤，等.基于模型的教育大數據應用框架設計[J].現代教育技術，2020（6）：5-12.

[4] 黃光揚.教育測量與評價（第二版）[M].上海：華東師范大學出版社，2019.

[5] 李傳庚.場景思維：一種新的教育連接方式[J].人民教育，2016（20）：52-54.

[6] 李詠翰，周雄俊.智慧教學數據的需求識別與應用思考[J].現代教育技術，2020（9）：28-34.

[7] 陳穎珊.人工智能技術賦能教學創新——專訪華南師范大學胡小勇教授[J].中小學數字化教學，2022（2）：5-8.

[8] 劉美鳳，劉文輝，梁越，張昕禹.差異化教學何以施行：班內多層次教學方案的設計與實施[J].中國電化教育，2022（1）： 124-133.

[9] 周洪宇，齊彥磊.“雙減”政策落地：焦點、難點與建議[J].新疆師范大學學報（哲學社會科學版），2022（1）：69-78.

[10]張治.學生數字畫像及其教學應用的實踐與思考[J].教育傳播與技術，2019（1）：3-6.

（作者系四川省成都市錦江區教育局電化教育館智慧教育專干）

責任編輯：牟艷娜