教育大数据对网络教研的影响*

王丽珍，刘佳星

(山西大同大学 教育科学与技术学院，山西 大同 037009)

教育大数据对网络教研的影响*

王丽珍，刘佳星

(山西大同大学 教育科学与技术学院，山西 大同 037009)

网络教研已经进入大数据时代，无论对教师、学生还是教研员都将催生革命性的变革。如何利用大数据弥补传统网络教研的不足，实现网络教研的最优化，从而促进教师的专业化发展，值得我们进行深入的实践探索。该文详细论证了大数据背景下开展网络教研的必要条件，以中央电教馆2015年在鄂尔多斯开展的“基于融合理念创新课堂教学”混合研训活动的一堂课为案例，剖析了大数据背景下开展网络教研的优势，为现行教育大数据背景下开展网络教研提供了参考。

教育大数据；网络教研；课堂观察；网络听评课系统

教育大数据已经上升到国家战略发展层面，得到社会各界的广泛关注和特别青睐[1]。教育大数据能够破解传统教育面临的诸多难题，助推教育的全方位变革与创新发展。教育大数据是大数据的一个子集，特指教育领域的大数据，是指整个教育活动过程中所产生的以及根据教育需要采集到的，一切用于教育发展并可创造巨大潜在价值的数据集合。教育大数据有四大来源：一是在教学活动过程中直接产生的数据，如课堂教学、网络互动；二是在教育管理活动中采集到的数据；三是科学研究活动中采集到的数据；四是在校园生活中产生的数据。该文主要运用在课堂教学活动中产生的数据来对网络教研的影响进行分析。

网络教研作为提升教师专业发展的一种方式，当前开展网络教研的各种平台有教育博客、校本网络、区域网络、国家教研网络以及QQ群等。网络教研是在研训过程中运用互联网和计算机等先进手段，搭建数字化环境，为该项工作赋予有价值的资源工具，对教研的各个方面进行优化[2]；网络教研是互联网时代的产物，是对一般性教研的补充。传统的网络教研可以突破时空的限制，但分析的结果比较片面，多是基于教研员的以往经验做出定性评价，缺乏实证有力的数据支持。基于以上对教育大数据和网络教研之间联系的论述，有必要进一步研究教育大数据给网络教研带来的优势，以期用教育大数据为网络教研提供可靠的数据支持。

一、教育大数据用于网络教研的优势

传统教育数据的收集通常是分阶段的，常在被调查者了解环境的情况下开展，常用的分析方式是汇总统计和比较分析，在网络教研中评价的方式更倾向于定性分析。这种定性分析得出的结论多是基于评课教师原有的经验、认知水平，具有一定的局限性，缺乏数据支持，结论的可靠性比较低，对于教师改进教学方式、提升专业水平的作用也是有限的。随着大数据时代来临，教育已经逐渐与云计算、移动通信等各种新技术相融合，完全可以在不对教学过程造成影响的状态下，对教师上课时的复杂动作、学习者在学习时的行为等进行实时、准确、连续的采集。这些数据用于网络教研可以挖掘课堂教学的巨大价值，将平时难以观察、描述的内容通过数据量化形成直观的语言描述，对于促进教师专业化水平的提升和个性化发展具有不可替代的优势。相比传统的教育评价，大数据的发展使教育评价走向客观性评价、伴随式评价、综合性评价和智能化评价，注重教师的过程性发展，为教师的教学反思提供了基于数据分析的实证支持,使得评价的结果更加全面、真实、可靠。

二、教育大数据用于网络教研的一般流程

教育大数据具有发现相关关系、诊断现存问题、预测发展趋势等功能，用于网络教研可以确定教师的讲课风格与授课模式，发现教师在课堂中存在的问题，提高教师的专业化水平。基于教育大数据用于网络教研的诸多优势，要探究该问题，我们有必要剖析清楚大数据背景下网络教研促进教师专业化的方式。大数据背景下的网络教研需要通过采集课堂数据，对数据进行实时分析，形成可视化的量表与语言描述，实现对教师做出“定性+定量”的评价分析，最终促进教师的专业化水平，基于此大数据用于网络教研的一般流程主要包括数据采集、数据分析、数据可视化三个环节。

(一)数据采集是网络教研的基础

为了使网络教研的分析结果更加真实、可靠，需要在传统网络教研的基础上加入定量分析。定量分析需要有价值量巨大的数据支撑。基于此数据的采集是网络教研开展定量研究的前提，是网络教研的基础。在网络教研中数据采集环节常采用智能录播系统来实现。数据采集需要依据课堂观察理论选取课堂观察点，运用音视频采集设备实时录制课堂教学内容，通过打点记录的方式生成教育大数据。

1.课堂观察为数据采集提供了理论依据

网络教研需要通过确定观察点进行打点记录，获取有价值的课堂信息。课堂观察为观察点的选取提供了理论依据。课堂观察是在教学活动中，对教师和学习者的表现情况进行观摩、拍摄、分析与探究，从而可以用来改进和提高对教师和学生的各方面行为能力[3]。课堂观察理论从贝尔斯(R.F.Bales)的“互动过程分析”理论到弗兰德斯(N.A.Flanders)的“互动分类系统”，再到各种质性研究方法走入课堂观察，这种调研的方式已经成为各研究人员最常用的方法之一。崔允漷提出的课堂观察理论包括4个维度，20个视角，68个观察点是比较实用和操作性较强的观察理论。该理论是目前国内中小学开展网络教研科学选取观察点的重要理论依据。

2.音视频采集技术为数据采集提供视频来源

音视频采集设备包括高清摄像头、图像传感器、变焦镜头、三脚架、音频处理器；课件采集设备有高清课件采集同步传输系统。利用音视频采集设备全方位、实时获取课堂真实信息，为网络教研提供优质的观摩资料，可为后续的数据处理、分析、呈现提供客观的信息资源。

(二)数据分析是网络教研信息价值形成的关键

大数据处理技术是大数据分析应用的重要支撑，具有多重性和复杂性，对众多数据依据其种类和研究意义，选用合理的表示方法，及时处理结果。近几年来，学术界和产业界不断推出新的或经改进的计算模式或系统工具平台，包括：主流的Hadoop平台改良后将与其他算法和系统同时存在；混合计算模式将成为满足多样性大数据处理和应用需求的重要手段；内存计算会越来越成为对数据进行研究的关键性方式。通过数据分析能从纷繁复杂的教育数据中发现相关关系，提取新的学习点，这是教育大数据价值挖掘的关键。教育大数据的挖掘需要发展更加智能的数据挖掘技术。例如，建立统一的算法和技术路线，将高维数据分析作为大数据技术的核心。从传统二维的、片面的分析方式，转变为大数据立体的、全息的分析方法。这些高维分析具体包括：更加复杂、更大规模的研究和处理；同步的研讨和处置；分析和研究的基准测试等，是教育大数据分析的重要环节。

1.数据挖掘是数据分析的前提

教育数据挖掘是将所获取的全部原始数字通过挖掘工具变成为有价值的资源的过程，进而可为教师、学习者、父母及其他相关的教育界人士提供帮助[4]。教育数据挖掘，可向学生推荐定制的教学信息、学习任务、学习过程及学习方式；助力教学者更好地调整和完善教学策略，重构教学计划，完善课程设计与开发；助力决策人员更科学地做出决定。教育数据挖掘常用的方法包括：汇总研究与图形化、分类、揭示、相连挖掘和文本挖掘。常见的挖掘工具有很多，大致可以分成通用类、网络、内容、行为分析类以及综合系统类。大数据背景下进行网络教研主要运用的就是行为分析类工具。

2.学习分析是大数据分析的关键

学习分析是指对教育大数据背后所涵盖的信息加以挖掘和处理并有效进行利用的研究，从而追求更大的教育效益[5]。学习分析和教育数据挖掘密切相关，应用的处理方法也一般类似。目前，学习分析方面常用的方法包括话语研究法和内容辨析法[6]。学习分析最关键的要素是搭建能符合学习追踪、评价及改进要求的行为处理模型和数据挖掘算法。该技术可在三个不同层次上为教育发展提供数据和策略上的支持，在微观层面，有助于识别学生处境并提供及时干预，让学习者了解自己的学习习惯并获得改进意见；在中观层面，可以改善管理决策和组织资源分配，实现即时的信息和迅速的反应以提升组织效率；在宏观层面，它具有促使现有教育系统、学术体制和教育模式创新的潜力。在进行网络教研过程中，利用学习分析技术可以将采集到的教育大数据进行分析，识别师生的课堂处境、让教师了解到学生的学习习惯及教师自身的讲课习惯并加以改正不足和提高教师专业化水平。

(三)数据可视化是网络教研结果直观呈现的重要手段

数据可视化是指利用可视化技术，将经过研究、分析的数字变成显而易见的形式，同时还可以用来实现一定的交互[7]。数据可视化技术主要用来协助发现大型异构和动态数据集中的规律、趋势和联系，使得分析者可以更容易地理解各类数据。数据可视化技术在网络教研中可以将获取到的数据进行模块化呈现，将数字变成为直观、清楚的图表，从而使网络教研更加智能、形象。

三、“基于融合理念创新课堂教学”混合研训的教研案例分析

基于上述对教育大数据用于网络教研的优势分析及所需条件的论述，运用教育大数据开展网络教研具有可行性与必要性。本文主要采用案例研究法和实证研究法，以中央电教馆2015年在鄂尔多斯举办的“基于融合理念创新课堂教学”混合研训活动的一堂课为例，利用网络听评课系统为研究平台来探索网络教研的新模式。

(一)网络听评课系统介绍

网络听评课系统是基于新型的课堂观察技术而发展起来的，目前网上远距离观摩是互联网背景下一种教学观察的新方式，同时也是最新的可以进行合作、交流、互动的教学记录管理平台。在授课教师授课时，远程听评课的教研员通过对教师和学生之间的情况进行打点记录形成的数据来反映教师的行为表现、学生的过程行为，从而减少对于教学过程管理和分析的经费，大大降低听评课对教师教学过程的制约，同时对于教学资源的开发也能够提供相应的支撑，完成远距离的教研交流。

该系统主要采用教育大数据用于网络教研的一般流程完成数据采集、数据分析和数据可视化。系统划分了四个模块，每个模块都由专门的教研人员负责打点记录评价，系统内置模板可以根据不同的课程要求更改模板的内容。音视频采集设备将课堂实况录制并上传到服务器，教研员登录系统进入各自所负责的模块实时打点记录形成教育大数据。系统内已经编写好的算法可以对采集到的教育数据自动挖掘、分析其相关关系、发现内在价值。最后通过数据可视化技术，将分析结果以图、表的形式呈现，直观、明了地将一堂课的教研活动的观摩数据、多视角全方位的教学行为、研究量表及评论信息呈现在屏幕上使授课教师可以及时发现自己的问题及课堂中的亮点，为教学过程研究提供了量化评价的依据，实时交流沟通和线上评价，极大地方便了教学者之间的学习与进步。系统中存储的视频资源及生成性数据为教学者进一步拓展研究打下了基础。

(二)教研案例分析

本文所观摩研究的课例是李元老师的一节新授课，课例名称是小学二年级语文《假如》一课，在进行课堂观察时从四个角度进行观察分析：教学分析、S-T量表分析、师生问答、课程评价和课堂评论。四个角度涵盖了崔允漷提出的课堂观察理论的4个维度，20个视角，68个观察点，每个角度都有专门的教研员进行实时打点记录，最后通过网络听评课平台将本节课的教学行为与教学中的问题进行反馈。下面是具体的分析情况以及对网络教研的建议。

1.教学分析

如表1所示，本节课主要由“导入—新授—阅读—仿写”四个部分构成，通过网络听评课系统采集到的大数据进行分析如下：课程总用时与预计用时大体相当，实际用时略大于预计用时。其中导入用时超出预计的一半，新授和仿写环节实际用时略大于预计时间，阅读时间比预计时间稍长。整个教学环节还是比较严谨有序的。

表1 教学行为分析

如表2所示，从该表中可以清楚地看到在教师活动中以教师总结学法、推送文章、学生仿写为主，从表中看出一节课的教学环节与流程以及各流程的用时，可以为我们的课堂提供更直观的数据反馈，从而使教师在课前课后进行对比、反思、改进。

表2 教师主要活动时间及次数

如表3所示，该表的分析结果主要是针对学生活动情况进行分析的，从中可以清楚地看到在学生活动中学生自主阅读、教师点评学生分享交流、谈话引导孩子有感情朗读占的比重较大，其他活动环节基本相当。

表3 学生主要活动时间及次数

2.S-T量表分析

S-T量表分析法中的行为类别仅有T行为和S行为两类，T行为指教师视觉的、听觉的信息传递行为，S行为指T行为以外的所有行为，这样就减少了课堂观察过程中行为分类记述的模糊性，提高了分类的客观性和可靠性。通过这种定量、客观的指导意见，能使教学人员发现并完善教学[8]。

本次课时长41分钟1秒，教师活动次数6次，学生活动17次，师生互动22次。如图1所示，T行为占有率为0.48，S行为占有率为0.52，属于混合型授课模式；学生的占有率为0.52，学生行为和教师行为的分配比较合理，能够比较好地突出学生的主体地位；师生转换率为0.36，高于全国0.28的水平，师生互动较好。如图2所示，曲线向45度方向偏移，因此得出整节课师生互动较好。

图1 S-T量表

图2 Rt-ch图

3.师生问答

如表4所示，该表是针对师生问答情况得到的结果，从表中可以很清楚地得到如下信息：教师的提问以理解性问题和创造型问题为主；问答方式有个别提问和全班共答两种方式，其中个别提问的次数比全班共答次数多，体现了教师在课堂上比较关注学生的个体差异与个性化发展；学生在回答问题时以理解性回答为主；教师对学生的回答进行鼓励或称赞较多，直接打断的情况只是偶尔发生，说明教师在倾听、引导学生回答方面做得很好。

表4 师生问答分析

4.课程评价和课堂评论

从图3中可以直观地看到《假如》一课从教学目标、教学方法、教学态度、教学基本功、教学效果方面的评价，其中教学态度的均分都是40分，教学基本功和教学效果的均分都是19.8分，教学目标和教学方法的均分都是10分。在进行评价之前系统对教学目标、教学方法、教学态度、教学基本功、教学效果设置的权重分别为10、10、40、20、20。因此，从评价结果中可以清楚地看出这堂课上的是非常成功的，值得进行借鉴的，但是在教学基本功和教学效果方面还可以进一步改进。通过上述数据分析与图表观察可以直观、清楚地看到这堂课属于混合型授课，在课堂中既有教师、学生的行为活动，还有大量的师生交流过程；运用网络听评课系统可以及时得到数据与研究结果，有利于讲课讲师与评课教师的及时交流与提高，对于提高教师专业化发展具有不可替代的作用。

图3 教师综合评价统计图

四、结论

本文通过阐述教育大数据给网络教研带来的变革以及具有的独特优势，论证了教育大数据用于网络教研的必要性；通过分析教育大数据用于网络教研的一般流程，论证了教育大数据用于网络教研的可行性。在对必要性与可行性做了分析后，通过剖析中央电教馆2015年在鄂尔多斯举办的“基于融合理念创新课堂教学”混合研训活动的一堂课例，为网络教研提供了一种新模式和典型的案例，为促进教师专业化、个性化发展奠定了基础。创新网络教研，建立基于网络环境下的教研模式是大数据时代发展的必然趋势。利用大数据采集技术(如物联感知技术、智能录播技术、在线学习与管理平台技术等)对课堂教学进行数据采集，根据采集到的数据对教师进行分析，并推送个性化的培训内容成为网络教研的一种趋势。因此基于大数据的采集、分析技术可以使“互联网+研训”逐渐成为网络教研的常态。不仅提高了听课教师的积极性，也使得到的数据更全面，促进了教师的共同成长，最终实现教师专业水平的提升。

[1]杨现民.中国基础教育大数据发展蓝皮书(2015)[R].徐州:江苏师范大学,2016.

[2]吴徐兵. 网络教研建设研究与初探[J]. 中国信息技术教育,2010,(6):109.

[3]沈毅,崔允漷.课堂观察:走向专业的听评课[M].上海:华东师范大学出版社,2008.

[4]葛道凯,张少刚,魏顺平.教育数据挖掘:方法与应用[M].北京:教育科学出版社,2012.

[5]Siemens G,Gasevic D,Haythornthwaite C.Open Learning Analytics:an intergrated &modularized platfrom[DB/OL].http://sites.ewu.edu/instructionaltech/2012/06/22/open-learning-analytics-anintergrated-modularized-platfrom,20160-04-10.

[6]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):18-25.

[7]J anicke H,Wiebel A,Scheuermann G,et al.Multifield Visualization Using Local Statistical Complexity[DB/OL]. http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.324.300,2016-05-02.

[8]乌兰.应用Authorware制作S-T分析软件[J].内蒙古民族大学学报(自然科学版),2008,23(6):620-622.

Influence on Education Data and Research Network

Wang Lizhen, Liu Jiaxing

(School of Educational Science and Technology, Shanxi DaTong University, DaTong Shanxi 037009)

The big data have back in the teaching and researching, whenever teachers or students will face a great change. The big data aim to making up the internet studying as tradition, achieve the best internet teaching, promote the teachers’ developing in fi nial.This question needs us to practice in nature. That bases on the internet plus transforms education into the Net and tells important of teaching and reaching. Then words is a case from a class which is “a lesson contain new thought to product new teaching style”in education by the national electri fi ed educational organization, demonstrates advantage of internet teaching and reaching accompany the big data. Last it o ff ers a direction about educational network.

Big Data for Education; Network Teaching and Research; Classroom Observation; Class Observation Network System

G434

A

王丽珍：教授，硕士生导师，主要研究方向为基础教育信息化(dtwlz@163.com)。

刘佳星：本科，研究方向为教育技术(852925798@qq.com)。

2016年9月19日

责任编辑：赵兴龙

1006—9860(2016)11—0051—05

* 本文受2015年度山西省高校“131”人才项目“信息技术支持下教师专业发展模式的研究”资助。