课堂中的大数据应用

张玉孔

摘要:课堂教学研究中，大数据的定量研究方法比定性方法更科学、准确。本文通过对教师教和学生学两类行为进行分析，介绍了课堂中产生的大数据的用途、收集和分析方法，以期为研究者提供一种新的课堂教学研究视角。

关键词:大数据；教学行为；学习行为；学习分析

● 课堂中生成的大数据

1.教师教学行为数据

教师教学行为的数据主要是教师在授课过程中的言行，具体如表1所示。教师的教学行为反映了教师的教育信念、知识储备、对学情的把握以及备课的充分程度等情况，这些数据为教师教学行为的改进提供了参考和依据。

2.学生学习行为数据

学生学习行为的数据主要是学生在课堂中的反应、作业完成情况以及对知识点的掌握情况，如表2所示。学生的学习行为反映了学生的学习习惯和思维深度，如问题多的学生往往思考较深入，与他人互动多的学生往往更善于从别人身上学习。

● 课堂大数据的用途

1.分析和评价教师教学行为，促进教师教学行为的改善

分析教师教学行为，可以对某一个维度的教学行为数据进行归类、统计，再结合具体的教学目标和教学内容，判断教学行为的有效性。例如，初中数学关于三角形全等的复习课上，对于问题类型维度的统计是：“是什么”类的问题占80%以上，“为什么”、“怎么样”和“如果……则……”的问题总共不到20%，说明教师提的问题缺乏有效性，因为该部分的教学目标重在发展学生应用知识解决问题的能力，且复习课的认知目标应更多定位在应用、分析的层次上。另外，也可对多个维度的教师行为进行综合、比较，进而分析出教师教学行为背后隐含的教学信念。通过对教学行为的评价，教师重新反思和完善自己的教学，从而促进实践能力的提高。

2.为学习分析提供依据，促进教学干预和个性化学习

学习分析是近年来大数据在教育领域较为典型的应用，新媒体联盟将学习分析定义为：利用松散耦合的数据收集工具和分析技术，研究分析学习者学习参与、学习表现和学习过程的相关数据，进而对课程、教学和评价进行实时修正。通过对课堂中学生的学习行为和掌握知识点的相关数据进行统计，可将特定阶段内学生的学习过程可视化。学生可据此了解自己的优势和不足，认识自我，并制定自主学习的计划；教师也可根据结果及时修正教学安排，帮助学生制订个性化的学习方案，或者与家长就学生学习问题进行交流。

3.发现教育教学问题，为学校和管理部门提供决策依据

学校对所有教师的教学行为进行整体分析，了解教师对学科、教学理论、教学实践性知识的把握情况，从而有针对性地制定教师专业发展的决策。通过对学生学习行为的分析，学校可发现学生的学习偏好和学习模式，从而制定相关制度。

此外，教育研究部门可通过对区域范围内教师教学和学生学习的行为进行分析，发现教学规律及存在的问题，为教育管理部门提供基于数据的教育决策。

● 课堂中大数据的收集方法

在大数据的教育应用中，数据收集是核心问题，也是难度最大的问题。目前课堂教学中的数据主要采用人工方法，即由教师或研究者依据一定的模型或量表，采用课堂观察或分析授课视频的方法收集数据。这种方法需要每个研究者同时观察记录1～2个维度，成本高又费时，但准确度较高，如首都师范大学王陆教授带领的COP教师在线实践社区团队主要使用这种方法，经过多年的积累，已在北京、山东、广西、深圳等地区构建了常模数据。

随着平板电脑等移动终端设备在课堂中的应用，采用智能手段获取学生学习的数据也成为可能。典型的应用是收集学生对知识点的掌握情况，如将课堂练习与教学知识点相关联，在移动终端上做课堂练习时，运用软件实现课堂练习的智能分析，自动获得学生对教学知识点掌握情况的数据。

● 课堂大数据的分析步骤

1.熟悉相关理论知识

分析课堂大数据的目的是为了诊断课堂，完善教学和学习行为。因此，教育研究者要熟悉相关的理论，包括有效教学和学习的理论、教学目标理论、教学策略和方法以及新课改的相关理念等。这些理论是研究者对数据进行分类、比较、鉴别和发现的指导依据。

2.掌握相关数据分析技术

大数据分析过程通常需要经过复杂的运算才能完成，因此，教育研究者需要掌握和了解相关的数据分析技术，如数据建模、统计分析、数据检验、相关分析与预测、聚类以及数据挖掘等。这些技术大多通过软件来自动完成，如Microsoft Excel、IBM SPSS、SAS等。

3.确定要分析的问题

运用大数据研究课堂教学时，有时只需就某一方面的问题或某一类的数据进行分析，有时则需对全部数据进行分析，以便对课堂进行全面的诊断。因此，教育研究者首先要根据研究的需要，明确要分析的问题和目的，如判断课堂中教师的提问是否有效，判断课堂是否体现以学生为主体，诊断课堂中有哪些问题等。

4.处理数据，做出分析和判断

首先，教育研究者根据确定要分析的问题，选择数据。例如，如果要分析的问题是“判断课堂中教师的提问是否有效”，则主要选择教师教学行为中“有效性提问”维度的数据；如果问题是“判断课堂是否体现以学生为主体”，则选择教师行为的“对话深度”、“教师回应”以及学生学习行为中的“互动”和“自主”等维度的数据；如果采集的数据的结构不符合分析的需要，则要对数据进行重新建模、数据表合并等操作后再进行分析。

需要注意的是，选择数据时，应尽量做到数据的“同质”，即分析同一问题的数据是对相同科目、相同课型、相同年级的学生收集的数据，同时数据样本尽量大，以保证统计结论的可靠性。

参考文献：

[1]王陆，张敏霞:课堂观察方法与技术[M].北京:北京师范大学出版社，2012.

[2]崔允漷，沈毅:走向专业的听评课[M].上海:华东师范大学出版社，2013.

[3]顾小清，张进良,蔡慧英.学习分析:正在浮现中的数据技术[J].远程教育杂志，2012(1):18-24.

endprint

摘要:课堂教学研究中，大数据的定量研究方法比定性方法更科学、准确。本文通过对教师教和学生学两类行为进行分析，介绍了课堂中产生的大数据的用途、收集和分析方法，以期为研究者提供一种新的课堂教学研究视角。

关键词:大数据；教学行为；学习行为；学习分析

● 课堂中生成的大数据

1.教师教学行为数据

教师教学行为的数据主要是教师在授课过程中的言行，具体如表1所示。教师的教学行为反映了教师的教育信念、知识储备、对学情的把握以及备课的充分程度等情况，这些数据为教师教学行为的改进提供了参考和依据。

2.学生学习行为数据

学生学习行为的数据主要是学生在课堂中的反应、作业完成情况以及对知识点的掌握情况，如表2所示。学生的学习行为反映了学生的学习习惯和思维深度，如问题多的学生往往思考较深入，与他人互动多的学生往往更善于从别人身上学习。

● 课堂大数据的用途

1.分析和评价教师教学行为，促进教师教学行为的改善

分析教师教学行为，可以对某一个维度的教学行为数据进行归类、统计，再结合具体的教学目标和教学内容，判断教学行为的有效性。例如，初中数学关于三角形全等的复习课上，对于问题类型维度的统计是：“是什么”类的问题占80%以上，“为什么”、“怎么样”和“如果……则……”的问题总共不到20%，说明教师提的问题缺乏有效性，因为该部分的教学目标重在发展学生应用知识解决问题的能力，且复习课的认知目标应更多定位在应用、分析的层次上。另外，也可对多个维度的教师行为进行综合、比较，进而分析出教师教学行为背后隐含的教学信念。通过对教学行为的评价，教师重新反思和完善自己的教学，从而促进实践能力的提高。

2.为学习分析提供依据，促进教学干预和个性化学习

学习分析是近年来大数据在教育领域较为典型的应用，新媒体联盟将学习分析定义为：利用松散耦合的数据收集工具和分析技术，研究分析学习者学习参与、学习表现和学习过程的相关数据，进而对课程、教学和评价进行实时修正。通过对课堂中学生的学习行为和掌握知识点的相关数据进行统计，可将特定阶段内学生的学习过程可视化。学生可据此了解自己的优势和不足，认识自我，并制定自主学习的计划；教师也可根据结果及时修正教学安排，帮助学生制订个性化的学习方案，或者与家长就学生学习问题进行交流。

3.发现教育教学问题，为学校和管理部门提供决策依据

学校对所有教师的教学行为进行整体分析，了解教师对学科、教学理论、教学实践性知识的把握情况，从而有针对性地制定教师专业发展的决策。通过对学生学习行为的分析，学校可发现学生的学习偏好和学习模式，从而制定相关制度。

此外，教育研究部门可通过对区域范围内教师教学和学生学习的行为进行分析，发现教学规律及存在的问题，为教育管理部门提供基于数据的教育决策。

● 课堂中大数据的收集方法

在大数据的教育应用中，数据收集是核心问题，也是难度最大的问题。目前课堂教学中的数据主要采用人工方法，即由教师或研究者依据一定的模型或量表，采用课堂观察或分析授课视频的方法收集数据。这种方法需要每个研究者同时观察记录1～2个维度，成本高又费时，但准确度较高，如首都师范大学王陆教授带领的COP教师在线实践社区团队主要使用这种方法，经过多年的积累，已在北京、山东、广西、深圳等地区构建了常模数据。

随着平板电脑等移动终端设备在课堂中的应用，采用智能手段获取学生学习的数据也成为可能。典型的应用是收集学生对知识点的掌握情况，如将课堂练习与教学知识点相关联，在移动终端上做课堂练习时，运用软件实现课堂练习的智能分析，自动获得学生对教学知识点掌握情况的数据。

● 课堂大数据的分析步骤

1.熟悉相关理论知识

分析课堂大数据的目的是为了诊断课堂，完善教学和学习行为。因此，教育研究者要熟悉相关的理论，包括有效教学和学习的理论、教学目标理论、教学策略和方法以及新课改的相关理念等。这些理论是研究者对数据进行分类、比较、鉴别和发现的指导依据。

2.掌握相关数据分析技术

大数据分析过程通常需要经过复杂的运算才能完成，因此，教育研究者需要掌握和了解相关的数据分析技术，如数据建模、统计分析、数据检验、相关分析与预测、聚类以及数据挖掘等。这些技术大多通过软件来自动完成，如Microsoft Excel、IBM SPSS、SAS等。

3.确定要分析的问题

运用大数据研究课堂教学时，有时只需就某一方面的问题或某一类的数据进行分析，有时则需对全部数据进行分析，以便对课堂进行全面的诊断。因此，教育研究者首先要根据研究的需要，明确要分析的问题和目的，如判断课堂中教师的提问是否有效，判断课堂是否体现以学生为主体，诊断课堂中有哪些问题等。

4.处理数据，做出分析和判断

首先，教育研究者根据确定要分析的问题，选择数据。例如，如果要分析的问题是“判断课堂中教师的提问是否有效”，则主要选择教师教学行为中“有效性提问”维度的数据；如果问题是“判断课堂是否体现以学生为主体”，则选择教师行为的“对话深度”、“教师回应”以及学生学习行为中的“互动”和“自主”等维度的数据；如果采集的数据的结构不符合分析的需要，则要对数据进行重新建模、数据表合并等操作后再进行分析。

需要注意的是，选择数据时，应尽量做到数据的“同质”，即分析同一问题的数据是对相同科目、相同课型、相同年级的学生收集的数据，同时数据样本尽量大，以保证统计结论的可靠性。

参考文献：

[1]王陆，张敏霞:课堂观察方法与技术[M].北京:北京师范大学出版社，2012.

[2]崔允漷，沈毅:走向专业的听评课[M].上海:华东师范大学出版社，2013.

[3]顾小清，张进良,蔡慧英.学习分析:正在浮现中的数据技术[J].远程教育杂志，2012(1):18-24.

endprint

摘要:课堂教学研究中，大数据的定量研究方法比定性方法更科学、准确。本文通过对教师教和学生学两类行为进行分析，介绍了课堂中产生的大数据的用途、收集和分析方法，以期为研究者提供一种新的课堂教学研究视角。

关键词:大数据；教学行为；学习行为；学习分析

● 课堂中生成的大数据

1.教师教学行为数据

教师教学行为的数据主要是教师在授课过程中的言行，具体如表1所示。教师的教学行为反映了教师的教育信念、知识储备、对学情的把握以及备课的充分程度等情况，这些数据为教师教学行为的改进提供了参考和依据。

2.学生学习行为数据

学生学习行为的数据主要是学生在课堂中的反应、作业完成情况以及对知识点的掌握情况，如表2所示。学生的学习行为反映了学生的学习习惯和思维深度，如问题多的学生往往思考较深入，与他人互动多的学生往往更善于从别人身上学习。

● 课堂大数据的用途

1.分析和评价教师教学行为，促进教师教学行为的改善

分析教师教学行为，可以对某一个维度的教学行为数据进行归类、统计，再结合具体的教学目标和教学内容，判断教学行为的有效性。例如，初中数学关于三角形全等的复习课上，对于问题类型维度的统计是：“是什么”类的问题占80%以上，“为什么”、“怎么样”和“如果……则……”的问题总共不到20%，说明教师提的问题缺乏有效性，因为该部分的教学目标重在发展学生应用知识解决问题的能力，且复习课的认知目标应更多定位在应用、分析的层次上。另外，也可对多个维度的教师行为进行综合、比较，进而分析出教师教学行为背后隐含的教学信念。通过对教学行为的评价，教师重新反思和完善自己的教学，从而促进实践能力的提高。

2.为学习分析提供依据，促进教学干预和个性化学习

学习分析是近年来大数据在教育领域较为典型的应用，新媒体联盟将学习分析定义为：利用松散耦合的数据收集工具和分析技术，研究分析学习者学习参与、学习表现和学习过程的相关数据，进而对课程、教学和评价进行实时修正。通过对课堂中学生的学习行为和掌握知识点的相关数据进行统计，可将特定阶段内学生的学习过程可视化。学生可据此了解自己的优势和不足，认识自我，并制定自主学习的计划；教师也可根据结果及时修正教学安排，帮助学生制订个性化的学习方案，或者与家长就学生学习问题进行交流。

3.发现教育教学问题，为学校和管理部门提供决策依据

学校对所有教师的教学行为进行整体分析，了解教师对学科、教学理论、教学实践性知识的把握情况，从而有针对性地制定教师专业发展的决策。通过对学生学习行为的分析，学校可发现学生的学习偏好和学习模式，从而制定相关制度。

此外，教育研究部门可通过对区域范围内教师教学和学生学习的行为进行分析，发现教学规律及存在的问题，为教育管理部门提供基于数据的教育决策。

● 课堂中大数据的收集方法

在大数据的教育应用中，数据收集是核心问题，也是难度最大的问题。目前课堂教学中的数据主要采用人工方法，即由教师或研究者依据一定的模型或量表，采用课堂观察或分析授课视频的方法收集数据。这种方法需要每个研究者同时观察记录1～2个维度，成本高又费时，但准确度较高，如首都师范大学王陆教授带领的COP教师在线实践社区团队主要使用这种方法，经过多年的积累，已在北京、山东、广西、深圳等地区构建了常模数据。

随着平板电脑等移动终端设备在课堂中的应用，采用智能手段获取学生学习的数据也成为可能。典型的应用是收集学生对知识点的掌握情况，如将课堂练习与教学知识点相关联，在移动终端上做课堂练习时，运用软件实现课堂练习的智能分析，自动获得学生对教学知识点掌握情况的数据。

● 课堂大数据的分析步骤

1.熟悉相关理论知识

分析课堂大数据的目的是为了诊断课堂，完善教学和学习行为。因此，教育研究者要熟悉相关的理论，包括有效教学和学习的理论、教学目标理论、教学策略和方法以及新课改的相关理念等。这些理论是研究者对数据进行分类、比较、鉴别和发现的指导依据。

2.掌握相关数据分析技术

大数据分析过程通常需要经过复杂的运算才能完成，因此，教育研究者需要掌握和了解相关的数据分析技术，如数据建模、统计分析、数据检验、相关分析与预测、聚类以及数据挖掘等。这些技术大多通过软件来自动完成，如Microsoft Excel、IBM SPSS、SAS等。

3.确定要分析的问题

运用大数据研究课堂教学时，有时只需就某一方面的问题或某一类的数据进行分析，有时则需对全部数据进行分析，以便对课堂进行全面的诊断。因此，教育研究者首先要根据研究的需要，明确要分析的问题和目的，如判断课堂中教师的提问是否有效，判断课堂是否体现以学生为主体，诊断课堂中有哪些问题等。

4.处理数据，做出分析和判断

首先，教育研究者根据确定要分析的问题，选择数据。例如，如果要分析的问题是“判断课堂中教师的提问是否有效”，则主要选择教师教学行为中“有效性提问”维度的数据；如果问题是“判断课堂是否体现以学生为主体”，则选择教师行为的“对话深度”、“教师回应”以及学生学习行为中的“互动”和“自主”等维度的数据；如果采集的数据的结构不符合分析的需要，则要对数据进行重新建模、数据表合并等操作后再进行分析。

需要注意的是，选择数据时，应尽量做到数据的“同质”，即分析同一问题的数据是对相同科目、相同课型、相同年级的学生收集的数据，同时数据样本尽量大，以保证统计结论的可靠性。

参考文献：

[1]王陆，张敏霞:课堂观察方法与技术[M].北京:北京师范大学出版社，2012.

[2]崔允漷，沈毅:走向专业的听评课[M].上海:华东师范大学出版社，2013.

[3]顾小清，张进良,蔡慧英.学习分析:正在浮现中的数据技术[J].远程教育杂志，2012(1):18-24.

endprint