林厚从
〔摘要〕只有全面深入分析学情，找准“最近发展区”，开展针对性的教学活动，才能提高教学的有效性。以此为出发点，我校经过多年探索，建构了基于大数据分析的精准化教学模型，主要包括真实全面的数据采集、精准科学的数据分析以及精准高效的教学活动。
〔关键词〕大数据 数据采集 数据分析 精准化教学
教学是一种目的性和意识性都很强的系统活动。通过教学使学生掌握知识、习得技能、发展智力，形成态度和相应的品质。前苏联著名心理学家维果茨基就教学与发展问题，提出了“最近发展区”之说，所谓教学促进发展，就是把可能水平不断转化为现有水平。因此，全面深入分析学情，找准最近发展区，开展针对性的教学活动，提高教学的有效性，就显得尤为重要。
教学过程中的数据无处不在。如课堂教学中某个知识点的教学及在线习题反馈，课后作业中每个学生对每个题目的作答信息，一次考试后形成的试题分析报告和成绩统计信息等，都蕴含着大量有价值的鲜活数据，但却往往被忽略。如何收集这些常态化的教学数据，并应用数学统计、数据挖掘等技术手段，进行深入有效的分析挖掘，发现规律，找到问题，既形成一些共性的教学策略，又提出一些个性化的学习建议，让数据为教学服务，就显得很有意义。这种有目的、有意识的教学数据收集与分析，可以帮助我们找准最近发展区，进行精准化教学，从而提高整个学校教学的有效性。
当前，我校“基于大数据分析的精准化教学”研究重点包括三个方面，一是真实全面的数据采集；二是精准科学的数据分析；三是精准高效的教学活动。三个方面层层递进、环环相扣，形成了一个基于大数据分析的精准化教学模型。
图1 基于大数据分析的精准化教学模型
数据是基础、也是核心。只有采集了学生学习过程中常态化的海量数据，教师才能说“了解”每一位学生，才能看到学生发展进步的动态过程，进行客观理性的学情分析和学生学业水平评估。
数据采集可以使用“线上数据采集”和“线下数据采集”两种方式相结合，前者采集“电子数据”，后者采集“纸质数据”。通过数据采集，可以获得学生学习过程中最鲜活、最丰富的真实数据，如学生解答的痕迹、教师批改的痕迹等。
线上数据采集主要通过数字化在线课堂教学平台以及学习终端设备，记录学生在线课堂上的提问互动、习得反馈、在线作业等情况，生成相关学习数据。当然，如果把平时的“线下作业”也做成“在线”方式，那也可以实时采集到学生的作业反馈数据。
线下数据采集主要通过记录学生每一次作业、每一周练习、每一次考试的解答痕迹，反应学生课后学习及学习效果的全过程。线下数据采集有两种模式，一种是对于日常大量的作业采用“先批后扫”的数据采集模式，在不改变学生和教师原有的学习和工作模式基础上，进行常态化的数据采集，甚至可以保留教师的批改痕迹和学生的订正痕迹。整个流程是先将学生的日常作业或练习卷在传统批阅基础上，通过高速扫描仪采集学生作答情况以及教师批改痕迹保存至云端，教师通过手机、电脑等终端APP随时查看教学诊断云平台上收集生成的学生数据，如每个学生的作业完成情况、每个题目的做错学生名单等，学生也可以通过手机、电脑等终端APP随时查看自己的作业反馈，系统还会自动建立个人错题库，并给出个性化的补偿学习建议。另外一种是通过网上阅卷系统在不改变学生原有作答模式的基础上，对学校的大型考试采用“先扫后批”的方式，实现集中的网上阅卷，同步实现考试数据的采集分析，其缺点是改变了教师的工作方式，同时学生试卷上也没有留下任何痕迹。
一方面，常规的学生考试成绩统计如班级平均分、各分数段人数等，已远远不能满足大数据形势下教师、学生、校长的内在需求。另一方面，常态化的学生学习、考试数据是海量的、零碎的，需要专业人员根据实际需要建立数学模型，再由软件开发人员应用数学统计、机器学习、数据挖掘等技术手段，进行精准科学的数据分析，生成对学生学习、教师教学、校长决策有价值的信息。这就是我校数据分析的核心技术。
我们认为，学习数据分析应该包括不同层级。对于学校管理者来说，需要精准分析每一个班级、每一位教师、每一门学科的对比数据，全面监控学校的教学现状，适时调整学校的教学管理；对于教师来说，需要精准分析每一位学生的学习数据并进行学情追踪，帮助找准课堂教学的起点、重点和每一位学生的薄弱点，开展精准教学；对于学生来说，需要精准分析自己的学习现状，提出个性化的课后复习计划和作业建议。
1．学校整体分析
学校管理者更多地关注整个学校、一个年级、一个学科的整体发展情况，数据分析的重点在教师之间的差异性、班级之间的差异性、试卷的整体质量、考试成绩的整体分析等。图2是我校高三期初质量调研的数学试卷质量分析报告，包括试卷的整体难度、信度、区分度、效度和不同难度题目的比例等。
图2 试卷质量分析
2．班级表现分析
班主任作为一个班级的管理者，更多地关注班级的整体学习表现、每一个学生的学业表现、历次成绩跟踪、班级优势学科和弱势学科等。图3为高三期初质量调研“学科配合度”分析，用来研究各个班级的优势学科、薄弱学科。
图3 学科配合度分析
任课教师作为一个班级某一门学科的责任人，更多地关注知识点和重难点掌握情况的数据分析、学生成绩分布情况、得分率较低题目的归因分析等。图4是高三数学周练的考试分析报告，包括每个题目的平均分、得分率、标准差、难度、区分度和知识点说明等细目。
图4 考试分析报告
3．个人学业分析
家长和学生更多地是关注自己的考试结果或学业现状，如每次考试的班级年级排名、优势学科和薄弱学科分析、每一个学科的薄弱知识点分析、历次考试的动态跟踪（进步、退步）、错题分析及自动添加到私人错题库中、学习评估和后继学习建议等。同时，根据常态化的课堂和课后作业数据分析，给出合理化的、针对性的学习建议，如时间安排、方法指导等，从而提高学习效率，减轻学业负担。图5是一位同学高三期初质量调研的成绩分析报告，包括每门学科的得分、等级、排名、总体评价和不同难度题目的解题能力，以及他的各个学科情况的雷达图。
图5 学生成绩分析报告
有了精准的大数据分析，帮助学生更好地了解自己，也帮助教师更好地了解每一位学生，从而做到有的放矢、因材施教。
1．选好教学起点
教学的起点至关重要。起点过低、过高都会影响到整节课的教学效果。以往主要靠教师的个人经验，基于大数据的精准分析，使得教学起点的选择更加科学。
以新授课为例，通过数据分析系统，对学生前一节课（章节）的课后作业完成情况的精准分析，教师在备课前就已经对学生的学情有了初步了解，可以精准备课。再通过“数字化在线课堂教学平台”的课前预习反馈、基础测试等环节的在线数据分析，教学的起点选择就会非常精准。图6是一节有关“指数函数”的数学课前，教师通过“在线课堂”让学生预习并完成的一个基础检测题，以及得到的实时反馈数据分析图表。可以看出：班级的正确率较低，只有29%（选择ABCDE全部5个选项），选中A、B选项的人数很高（85%），而选中C、D、E选项的人数很少，尤其是E选项。分析题目发现：A选项考察幂函数和指数函数的区分，B选项考察指数函数的概念中底数的限制条件（大于0且不等于1），C选项考察指数函数的概念中自变量的限制条件（只能是x的形式），D选项考察指数函数的概念中底数及系数的限制条件（底数大于0且不等于1，系数只能是1），E选项考察指数函数的性质（单调性）。通过这些可以说明：大部分学生对于幂函数和指数函数的区别基本掌握（A选项准确率高），对于指数函数底数的限制条件基本掌握（B选项准确率高）但不会灵活应用（D选项准确率低），对于自变量的限制条件掌握不好（C选项准确率低），对于指数函数的单调性掌握的最差（E选项准确率最低）。接下来的课堂教学，教师就应该把指数函数的概念及自变量、系数的限制条件作为教学起点，逐步展开到灵活应用和指数函数的单调性分析。
图6 基于在线课堂的精准数据分析
2．选好教学重点
正确把握一节课的教学重点，精心设计并开展突破性教学，是一节课成败的关键之一。教学重点不一定完全照搬教参，而要根据具体学校、班级、学生的基础和能力，做适当调整。可以通过对学生预习过程的数据采集与分析，更好地服务于课堂教学。
比如讲评课，通过数据分析系统或者“网上阅卷系统”对学生作业、考试的数据分析报告，教师对整份试卷或作业、每个题目的得分情况、得分率较低的题目归因、每个学生的解答情况等都做到了心中有数。教师讲评时，可以随时调看某个学生某个题目的解答情况、某个题目的错误分类、某个题目值得推荐的样本等，突出重点，针对性地开展教学活动，包括后续的跟进练习。图7为高三期初质量调研数学学科的数据分析，可以看出题2均分很高、得分率也很高，不需要重点讲评，而题3年级均分很低，得分率也很低，而且班级之间的差异很大，对于大部分班级都需要重点讲评该题和相关知识点。
图7 基于大数据分析的教学重点选择
3．针对性的课堂提问
课堂提问和师生互动也是课堂教学的重要环节。什么时候互动、提什么问题、让哪位学生回答等等，都会对课堂的教学效果产生一些影响。
比如复习课，我们可以借助数据分析系统和“数字化课堂教学平台”里存储的一个阶段、单元或者章节的学生学习数据和分析报告，教师在完全了解了每一个知识点的掌握情况、难点或者学生错误率较高的题目、个别学困生的问题所在等信息后，师生互动、课堂提问就能做到有的放矢。图8为一次语文课前学生在线提问的情况，教师可以根据这些信息实施精准的课堂提问。
图8 对课前预习提问的学生或问题实施精准提问
4．个性化的补偿教学
学生的差异性是客观存在的。对于学习能力弱的学生，课后需要个性化的辅导答疑，对于学习能力强的学生，课后需要个性化的激励提升。借助数据信息，教师很容易掌握每一位学生的学习情况，主动开展一些补偿性教学，包括录制一些知识点或者题目的讲解微视频，推送给相关学生，指导他们自主学习，并及时进行答疑。
5．个性化的课后作业
当前学生学业负担较重的一个重要因素是所有学生做同一份作业，很多学生做了“不该做”的作业。根据学生学习过程中分析得到的差异性数据，教师完全可以布置不同层次、不同类别、不同难度的题目，因材施教，实现个性化的课后作业，切实减轻学生的学业负担。
图9 个性化的课后作业
6．针对性的命题测试
学生做题，教师必然就要出题。备课组教师搜索、选择、编辑题目耗费了大量时间和精力。但由于一个年级往往是同一份作业、同一份试卷，一个教师对自己的班级相对了解，而对于其他班级却不甚了解，这样的命题针对性、有效性相对欠缺。有了大数据分析，全体学生课堂学习、平时作业、常错试题等数据信息一目了然，命题教师可以做到轻松组题、精准命题。
在互联网+时代，学校不应回避教育技术带来的种种冲击，而是应该思考如何更好地利用新技术，特别是将技术手段深度运用于课程、教学领域，实现对传统课堂教学的突破，以谋求更深层次、更核心领域的变革。这种变革对于当前的中国教育来说，尤其显得重要，在班级授课制背景下，精准地把握每一个学生的学习状态，为学生的学习提供精准的指导和支持，其实质是利用技术手段，把学生从被动的统一的知识接受者解放为主动的个性化的知识建构者。
同时，对于工作繁重的中小学教师特别是高中教师来说，几乎要把所有精力都用于追求高考升学率，教师的工作已经变异为简单的重复劳动，讲题、解题、练题，毫无创造性可言，“让教师成为研究者”只能成为口号。基于对大数据的采集、分析以及精准化教学，在解放学生的同时，也解放了教师自身，帮助教师摆脱了简单的机械的重复劳动，转向思考如何更好地引导、帮助学生进行学习，实现更高层次的专业发展。
当然，我们自主构建的“基于大数据分析的精准化教学模型”，只是一种尝试和探究，仍有需要完善的地方。
〔林厚从 江苏省常州市第一中学江苏省常州市教育科学研究院 213003〕
联系客服
