课堂小数据的力量

张渝江

引言

目前，大数据在商业智能上已经有了很多成熟的应用。这要得益于互联网科技在这些行业中全面且持久的普及与使用。然而，科技才刚刚进入教育，或者只进入到教育的部分领域，与教育相关的数据还远未达到“大数据”的体量。虽然业界对教育大数据的美好未来寄予了厚望，但如果只是将使用大数据的目的局限于预测、筛选、淘汰的话，这与教育的需求是不一致的。例如，教师实际授课前大数据就能评价教师取得的教育效果，学生在学习之前就能预测其可能获得的学业成绩。这不免让质疑者担心大数据预测未来会把人们误导进入决定论和宿命论的世界。

与大数据相对，小数据则更多用于分析当下的问题，可激发人们立即做出改变，这样未来就会充满变数和希望。大数据是把所有人的数据集中起来，把分析结果应用到个体；而小数据的思路则不同，是把个体的分析数据集中起来应用到个体。从这个角度上解读，小数据在学习分析中会更精准，更能在个性化教学中发挥作用。因此，在“大数据”之前，我们还是先关注“小数据”吧。

数据分析的过去

小数据分析用于改善教学，且一直都在使用。不过，在互联网科技普及之前，教师使用的手段无法对学生的数据进行持续的记录和跟踪。即便有数据被记录下来，也无法集中存储，更没办法共享和检索。通常的情况是，教师在某个学习阶段完结后才能做出一些判断，这导致数据分析失去了时效性和准确性。必要的干预过于滞后所带来的问题是学生的学习漏洞大量形成以至于无法弥补。其主要的原因是这些数据大部分被存储在教师个体的大脑中和零星地记录在备课纸上，导致学区、学校、教师、家长和学生之间无法产生有效的连接来即时诊断，并共同解决学生个体的问题。

掌握学习是一种通过小数据分析促进学生及时掌握学业内容的教学方法。它是通过在教学过程中不断测评来获取数据。但是实际上掌握性学习在过去并没产生应有的效果，也没有得到有效推广。主要原因在于当时缺乏实践的客观条件，导致测评耗时长、效率低。而现在，教育行业中互联网科技的应用逐渐具备了使用小数据分析的相应客观条件，因而其在课堂上开始展现出巨大的力量。

提供即时反馈

美国加利福尼亚州利弗莫尔市的小学教师Lisa Wilson的教室中有两个年级的学生，学生的水平参差不齐超出想象。但是这并没难倒Wilson老师。她利用在线工具TenMarks Math开展个性化教学，给学生推送定制的学习任务，取得了令人惊讶的效果。

学生利用TenMarks Math在线的交互式作业工具完成教师给自己定制的练习，Wilson则能在后台观察到每个学生的进度和成绩。当她发现某个学生没有达到预定的标准时，当天就能给予及时的干预，帮助这些有困难的学生顺利渡过难关。

TenMarks Math在线评测工具的及时反馈能帮助Wilson老师轻松地避免因为自己不能及时批改作业而耽误学生弥补错误的问题。“学生在上午进行练习，午饭后我就能找到有困难的学生或小组，并给予他们帮助。”Wilson说道：“过去，我是在单元检测后才给学生指导，无法定位到每个学生的问题。自2015年1月开始使用TenMarks Math后，这个令人头疼的混合班级的数学成绩得到了明显的改善。”

Spelling City和Moby Max是Wilson用于拼写和词汇教学的两个在线工具。它们能轻松地搜集到学生学习水平的数据。“我给不同层次的学生推送相应的拼写列表，学生每天戴着耳麦进行拼写测试。”Wilson说，“在线工具能替代我对学生的词汇和拼写做出矫正。我只需关注系统推送过来的学生成绩，找出需要帮助的学生。”

Wilson致力于用形成性评价来持续监控学生的学习基础，并能够及时地发现和解决问题。这种做法是很多学区都想要实现的愿景。在过去，持续的形成性评价是很难实施的，但现在新技术的应用让这一切变得切实可行且高效。

关注学生成长

美国南卡罗来那州里奇兰郡两个学区正在努力促进熟练运用形成性评价和实时数据决策。学区负责人Debra W.Hamm说：“我们也鼓励教师从超越评价数据来思考，从多方面帮助学生成功。”

学区还用到一些传统的数据搜集工具来评价学生学业水平表现，如Measures of Academic Progress （MAP）。“这让我们更加全面地看到学生的成长，”Hamm说，“这些报告和资源能帮助教师识别哪些学生需要帮助，确定他们已经掌握的技能和下一个需要教授的技能。”同时，学区还通过继续教育来培训教师学习形成性评价的知识和数字化工具的技能，期望教师们能用这些知识和技能监控学生的个性化成长过程。

同样，美国东南部佐治亚州的克拉克郡学区通过在线工具Waggle来搜集实时数据，监控学生个性化发展的过程。Waggle通过练习来监控学生的学业水平表现。当学生试图用多种方式来回答问题时，如果表现出错误的答案或熟练水平下降，Waggle的个性化学习模型就会发挥作用。教师要做的是监控整个过程的发生，而不是一些阶段性的考试成绩。

雷洛兹市城市学校的特殊教育班级则利用在线阅读和数学工具来监控自闭症学生的实时学习过程，一旦发现低成效学习的学生，教师们就会制订匹配的教学计划来干预帮助学生。在线系统还能让学生自己监控学习过程，并让家长也参与进来。

连接相关人群

美国加州蒙罗维亚高中利用多种方法挖掘数据，这些数据能更全面地绘制出学生学业水平表现的图景。例如，Illuminate系统提供学生基准测试的数据；Aeries提供学生人口学上的数据，包括联系方式、纪律表现、心理健康数据等数字档案。这两个系统的数据最终被合并到School Loop（学校综合管理平台）。学校利用这个平台跟踪学生的过程表现，有目的地鉴别学生需要帮助的领域，以及学生在哪些方面可以优先发展。

校长助理ScottJ.Iler说：“我最喜欢的功能是系统可以识别学生的发展趋势。这样每两周我就可以在全校祝贺这些达成期望的学生。”

另外，School Loop的新模块Project Elevate还有更棒的功能。Project Elevate能自动搜集学校的优秀学生，把他们组建成领导团队。这些学生领导常常在系统的引导下自动地与处于学业危险边缘的学生进行配对，并给予帮扶。例如，一个新生如果在学期前六周表现出核心课程有失败的迹象，那么他就成为Project Elevate帮助的对象。

加州诺瓦克市的查韦斯萨尔小学则采用数据搜集系统i-Ready来帮助建立教师伙伴关系。i-Ready是一个自适应在线学习系统，学校可以搜集到学生在线课程学习中的实时数据，并以此对学生进行诊断性评价和过程性评价。

学生每天花45分钟进行在线课程学习，而教师则每周一次用45分钟查看学生数据。他们选择关键数据定位学生的成就，并通过伙伴协作共同决定可以给出哪些必要的干预。“利用学生的普通数据，我们创建了一个真正的个性化学习社区，”学校负责人Rayburn说，“我们采用的是团队的方法和多层次的干预项目来帮助学生，这些教师团队是流动变化的，是基于学生最新的数据自动组建的。”

利弗莫尔市的小学教师Lisa Wilson则利用School Loop来连接家长，数据让家长知道学生在学校的实时表现。这就像一个电子成绩册，让家长可随时查看，并与教师沟通协作来帮助学生。

帮助教师创新

在线工具的出现，让学校以全新的方式来使用数据。专家建议，管理层应该把教师也纳入到数据决策的过程中来，因为很多敬业的教师都在积极选择更多的机会更好地帮助学生。新的数据工具搜集到了学生更多真实的学习过程，一些新的教学问题一旦被发现，这极有可能激发教师创建新的策略来解决。另外，新工具帮助教师站在一个全新的视野来实施教育，这也需要教师不断的创新。