數據驅動的校本教研路徑探索與實踐

陳禹辰　唐曉航　聶姿　張新立

摘要：當前校本教研實踐存在以個人經驗與主觀判斷為導向、缺乏精準客觀的數據支持與判斷、難以獲取課堂教學的全貌等問題。數字時代，“互聯網+教研”成為教研發展的新形態，大數據等智能技術的發展為校本教研的轉型升級帶來了新機遇。因此，本研究從厘清數據驅動的校本教研的內涵與特征出發，構建了數據驅動的校本教研模型，并以溫州第二實驗中學為例，闡述其應用和實踐流程，以期為我國校本教研的轉型升級提供借鑒。

關鍵詞：數據驅動；校本教研；循證教研；精準教研

教研即教學研究或教育研究。校本教研是一種以學校為本位、以教師為主體、以師生共同成長為目標的教學研究方式，是打造學校特色、保障學校教學質量、促進教師專業化發展、促進學生全面發展的一條重要途徑。傳統的校本教研往往以專家講座、聽課評課、師徒結對等為主，教研形式的單一與固化導致服務形式的千篇一律。教師多以眼睛看、耳朵聽來獲取課堂信息，難以獲取課堂教學的全貌；同時，教師以個人經驗與主觀判斷為導向，缺乏精準客觀的數據支持與判斷，易出現口說無憑的潛在問題。如此一來，校本教研逐漸背離了其本真之義，既不能精準分析學情，又難以對學生課堂學習施以精準診斷與個性化干預，更難以客觀判斷教師的教學能力。新時代校本教研以精準化、循證化與個性化為新要求。2019年，教育部發布的《關于加強和改進新時代基礎教育教研工作的意見》指出，應創新教研工作方式，提升教研工作的針對性、有效性，同時應強化校本教研，探索新方法、新技術，以提高教師專業能力為重點。那么，如何實現校本教研的新時代轉型成為亟待解決的議題。

數字時代，5G通信、人工智能、云計算、大數據等技術迅猛發展，助推了教育研究的數字化轉型，“互聯網+教研”成為新時代教研發展的新形態。這些技術根植于教育研究，最突出的效能即數據成了教研的底層邏輯與支撐。數據存儲、數據采集與數據分析技術的迭代發展為校本教研的轉型升級帶來了新機遇。因此，本研究從厘清數據驅動的校本教研的內涵與特征出發，構建了數據驅動的校本教研模型，并通過案例闡述其實踐流程，以期為我國校本教研的轉型升級提供借鑒。

一、數據驅動的校本教研的內涵與特征

數據驅動的校本教研是指在大數據、人工智能、云計算等信息技術支持下，記錄、挖掘和分析教學主客體產生的各類數據，以支持課堂教學改進、教學行為優化的教學研究形態。與傳統的校本教研相比，數據驅動的校本教研主要表現為精準化、循證化與個性化。

（一）精準化

教研過程中多模態數據的挖掘與分析是校本教研精準化的基礎。教學行為、專注力、參與感等是洞察教與學過程的重要依據，也是實現校本教研精準化的關鍵證據。通過多模態數據的挖掘與分析，智能平臺能有效采集師生的特征，獲取課堂教學全貌，精確定位與識別教學中存在的問題，形成更具針對性的教學診斷與評估，以優化教師課堂教學行為與教研決策。

（二）循證化

“循證”一詞起源于醫學，也稱為“基于證據的”。相較于傳統校本教研以個人經驗與主觀判斷為導向，數據驅動的校本教研遵循“證據”而非“經驗”，強調獲取與挖掘真實、客觀的過程性數據，并在此基礎上進行教學評估與決策。這增強了校本教研的科學性、規范性與可靠性。

（三）個性化

傳統教研因無法獲取課堂教學的全貌和精準的課堂數據，難以對教師教學施以精準判斷與個性化干預。數據驅動的校本教研在量化數據的支撐下，能獲取教學主體的特征，一方面幫助教師了解每位學生；另一方面，幫助診斷并評估教師的課堂教學表現，幫助教師制訂個性化的教學計劃與策略。

二、數據驅動的校本教研模型

智能平臺具備智能錄播、實時追蹤、智能分析等功能，為實現數據驅動的校本教研提供了環境支持。從數據驅動的校本教研的特征出發，參考已有校本教研的實踐成果，本研究構建了數據驅動的校本教研模型——“三磨兩課”（如圖1），具體闡釋如下。

（一）一磨：面向備課組的傳統說課

“一磨”是數據驅動的校本教研的初始環節。在該環節，待本校教研組共同確定研討主題后，示范教師面向備課組針對教學目標、學情、教學重難點等進行分析與說課。備課組教師則觀察說課過程，記錄教學優缺點。在示范說課完成后，備課組根據觀察、聽課筆記、個人體驗，分析教學優缺點，提出具體的優化意見。示范教師則根據反饋進行自我反思，優化教案，為接下來的授課打下堅實的基礎。

（二）一課：面向備課組的初次授課+基于智能平臺的課堂數據采集

“一課”主要指的是，示范教師依據上一環節的教學設計方案，面向備課組對學生進行初次授課。在該環節，備課組對課堂教學進行觀察與記錄，智能平臺則負責以錄像的方式收集課堂上的多模態數據，包括行為、注意力、參與度等。在授課過程中，平臺每30秒采集一次教師和學生的課堂行為數據，并根據平臺設置的常模，分析師生各種行為在課堂上的時間占比。

（三）二磨：備課組循證磨課

“二磨”的開展以“一課”中的課堂數據為基礎。備課組根據智能平臺采集的課堂數據，了解學生在課堂不同時間段內的表現、參與度與關注度情況，觀看錄像回顧教學片段，開展團隊評課議課，分析教師在課堂上出現的問題，尋找影響學生課堂參與度和行為表現的原因。立足這些客觀、真實的數據，備課組為示范教師“對癥下藥”，給出有針對性的建議與改進策略。示范教師則根據循證數據回顧課堂教學全貌，了解與分析授課情況，并根據備課組教師的建議深入反思自身的教學設計以及教學行為等，再次優化教學方案。

（四）二課：面向教研組的二次授課+基于智能平臺的課堂數據采集

“二課”主要面向學校教研組，由示范教師依據“二磨”階段的優化方案開展教學。在此階段，教研組對課堂教學進行觀察與記錄；智能平臺負責再次收集課堂上的多模態數據，包括行為、注意力、參與度等。這些數據不僅為師生在“一課”和“二課”之間的變化提供事實依據，也為“三磨”研討提供真實的證據與客觀的數據支撐。

（五）三磨：教研組循證議課

“三磨”結合了“一課”和“二課”中的課堂數據，面向教研組和備課組全體。示范教師介紹教學設計的意圖與演變歷程，參與觀課的教師依據觀察點分組討論，在過程中借助數據診斷課堂，通過解讀圖表，分析課堂實錄切片，精準診斷課堂問題。教研組應分派代表進行評課議課，靶向性地提出改進策略。在此基礎上，示范教師進行深度反思，完善教學設計，形成完整的教學案例。最終，教研組長對本輪教研活動做深度總結。

三、數據驅動的校本教研實踐——以溫州第二實驗中學為例

溫州第二實驗中學作為浙江省唯一一所中央電化教育館智能研修平臺（如圖2）應用試點實驗校，多年來積極嘗試基于數據的校本教研探索。在智能技術的支持下，學校備課組與教研組協力開展校本教研活動，遵循數據驅動的校本教研模型，借助數據對課堂進行精準分析與判斷診斷，并在此基礎上開展教學改進與優化提質，從而形成一支具有學校特色的新時代教師隊伍。

為更好地呈現數據驅動的校本教研模型的效益，本研究以溫州第二實驗中學八年級科學學科“質量的測量”一課為例，闡述該模型的實際應用過程。

（一）一磨→一課→二磨

在“一磨”階段，學校教研組確定研討主題為八年級科學學科的“質量的測量”一課。示范教師面向備課組說課，備課組根據觀察和聽課筆記等分析教學，提出優化建議。示范教師則根據建議反思教學設計中的不足，對教案進行優化。在“一課”階段，示范教師向八年級A班學生進行初次授課，由智能平臺采集課堂數據。

在“二磨”階段，備課組和示范教師根據智能平臺采集的課堂數據，了解“一課”階段學生在課堂不同時間段內的表現、參與度與關注度情況。他們發現：學生的表現處于中下水平，在4～6 min、8～10 min、12～14 min、16～18 min等多個時間段有明顯下降；在參與度方面處于中等水平，在2～6 min與8～10 min有明顯下降；在關注度方面處于較高水平，在4～6 min、8～10 min、12～14 min與32～34 min有明顯下降（如圖3）。同時，關注師生行為的占比（如圖4）發現：教師的講課行為最多（37.9%），沒有板書行為（0%）；學生的聽講行為最多（31.73%），舉手行為最少（0.3%）。根據上述課堂數據，備課組與示范教師回顧教學片段，開展團隊評課議課，給出分析與建議（見表1）。立足這些客觀、真實的數據，備課組給示范教師提出有針對性的建議與改進策略。

（二）二課→三磨

在“二課”階段，依據“二磨”的優化方案，示范教師就該課在八年級B班進行第二次教學。教研組進入課堂進行觀察與記錄，智能平臺再次收集課堂上的多模態數據。

在“三磨”階段，待示范教師介紹完設計意圖和演變歷程后，參與觀課的教師依據觀察點分組討論，派代表評課議課。教研組和備課組結合“一課”和“二課”的課堂數據，分析和診斷課堂問題。例如，圖5展示了學生在“一課”與“二課”階段的表現、參與度與關注度對比，發現“二課”中學生在4～6 min時間段的表現與參與度有明顯的提升。這說明教師針對改進意見優化了教學方案并積極落實，取得了良好的成效。最后，示范教師根據反饋意見在深度反思的基礎上完善教學設計，形成完整的教學案例。

在整個“三磨兩課”教研過程中，學校教研組、備課組借助客觀、真實的數據進行科學精準的診斷與分析，從點到面、靶向性地提出改進策略。教師則借助數據更直觀地了解教學優缺點，根據意見對教學方案進行多輪優化與改進，從而有效提升教學質量，實現教師的專業成長。

四、結語

“互聯網+”時代，各類智能技術與平臺的發展為實現精準化、循證化與個性化的校本教研提供了巨大助力。本研究從數據驅動的校本教研的內涵與特征出發，構建了數據驅動的校本教研模型，并以溫州第二實驗中學的八年級科學課為例闡述了其實踐流程。研究成果能為我國校本教研的轉型升級提供借鑒。

目前，數據驅動的校本教研仍處于起步階段。為保證數據驅動的校本教研的可持續、高質量發展，本研究提供了以下建議：（1）夯實教育“新基建”，構筑更具智慧的教研環境；（2）組建有特色、高水平、多元化和學科齊全的教研集群，促進教師專業能力提升；（3）提高教師的數字化教研能力，推動數據驅動的校本教研的實踐；（4）結合教師教研的實際需求（如新手教師發展），充分發揮數據驅動的校本教研的效能。

注：本文系2023年浙江省大學生科技創新活動計劃暨新苗人才計劃項目“AR環境下增量項目式編程對兒童計算思維與認知發展的實證研究”（課題編號：2023R451041）、溫州市哲學社會科學規劃課題“STEAM科創勞動教育對中小學生核心素養發展影響的實證研究”（課題編號：22wsk669）的階段性研究成果。

參考文獻

[1] 趙敏，藺海灃.校本教研共同體建構 ：從“共存”走向“共生”[J].教育研究，2016（12）：112-119.

[2] 王中男.校本教研存在的問題分析與路徑選擇[J].教育理論與實踐，2014（2）：10-12.

[3] 張淑娟.學科組校本教研的“假假真真”——校本教研存在問題與改進策略建議[J].教育科學論壇，2016（22）：60-62.

[4] 胡小勇，徐歡云.“互聯網+教研”形態研究：內涵、特征與趨勢[J].電化教育研究，2020（2）：10-16.

[5] 中華人民共和國教育部.教育部關于加強和改進新時代基礎教育教研工作的意見[EB/OL].（2019-11-15）[2023-05-01].http：//www.moe.gov.cn/srcsite/A06/s3321/201911/t20191128_409950.html.

[6] 胡小勇，林梓柔.精準教研視域下的教師畫像研究[J].電化教育研究，2019（7）：84-91.

[7] 王超，顧小清，鄭隆威.多模態數據賦能精準教研：情境、路徑與解釋[J].電化教育研究，2021（11）：114-120.

[8] 汪和生.數據驅動精準教學課堂模式的構建與實踐探索[J].教育導刊，2023（2）：68-74.

[9] 袁麗，胡藝曦，王照萱，等.論循證課例研究的實踐：教師教育的新取向[J].教師教育研究，2020（4）：17-23+44.

[10]林梓柔，胡小勇.精準教研：數據驅動提升教師教研效能[J].數字教育，2019（6）：42-46.

[11]洪亮.大數據時代校本教研轉型策略及路徑[J].中國教育學刊，2015（7）：78-81.

[12]鮑義，賀亞，馮麗娜.數據驅動下縣域精準教研的實踐探索[J].數字教育，2020（5）：55-58.

（作者陳禹辰、聶姿系溫州大學STEM教育研究中心碩士研究生；唐曉航系浙江省溫州市第二實驗中學一級教師；張新立系溫州大學教育學院副教授，碩士生導師，溫州大學STEM教育研究中心副所長）

責任編輯：牟艷娜