信息时代，数据驱动教学的创新学习

花洁

教育或教育类产品若想提升效果，是靠延长教与学的时间（线上或线下）来实现吗？这并不是互联网教育最应呈现的形态。因为在教育中，互联网有着最不可替代的能力——数据分析能力。本文用现实案例为囿于此问题的教师们提供可值得借鉴的经验。

近年来，在教育行业，我们不断听到几乎要成为K-12教育产品标配的“自适应”“O2O”“机器学习”等概念。但是没有改变的一个事实是：教育或教育类产品若想提升效果，多数仍靠延长线上或线下的学习时间来实现。我们都明白，随着时间的延长，效果递减，这不是教育或互联网教育最应呈现的形态。因为在教育中，互联网有着最不可替代的能力——数据分析能力。我们尝试用“机器”做服務教学的“最强大脑”，支持教与学过程变得清晰、及时，把复杂繁冗的题海，简化为精准有效的学习 。

什么是数据驱动的教学

数据驱动的教学就是利用互联网的数据分析能力来驱动传统教学。

1. BYOD，第一入口

BYOD，即每一位学生都能够使用自带设备进入互联网+教育时代的个性化学习。BYOD，连起了课堂内外，形成了开放、互动、共享、有效的大课堂观，使常态化学习成为可能。它体现了4个特征：内容碎片化、渠道移动化、体验游戏化、关系社区化。让学习真正的发生，其核心是要创设一种平等的供需关系，更加关注每位学生如何拥有学习知识的方法，更加关注通过什么途径支持学生建构起个人知识体系。从管理者和教师的角度看入口，面向学生建立数字化校园系统是常用的途径。从学生的角度看，学生手中的信息终端设备是他们进入互联网+教育的入口。如果学生没有自己个性化使用的终端，学生就不能够充分利用互联网+教育创造的学习环境随时随地学习，不能帮助学生发现和创造专属于自己的学习方式，以适应未来的社会生活。

因此，BYOD是数字化学习的第一入口。通过BYOD，使用数字化学习平台等手段，家校互通，贯通的是教与学的数据，打通的是师与生、生与生的交互。教学需要贯穿课前、课中、课后，在家学习和在校学习的数据也需要形成一体，数字化学习不仅仅是在课堂或课后发生，而是形成了紧密联系的一体。

2.流程再造，变革教与学

教学的时间、空间打通后，数据和交流贯通，借鉴混合教学、翻转教学的实践经验，我们对传统的专注于课堂45分钟的教学流程进行再造， 变革教与学方式。

如图1，在教的流程中，增加学情调查环节，通过课前的学情检测数据，教师可以更加明确课堂内的教学目标，从而有针对性地整合资源设计教与学活动；学的流程中，学生学会解读自己的数据，做到强化巩固、利用数据开展互评互学，拓展探究。

教与学的流程发生改变后，课堂也发生相应的变化（如图2）。

（1）教学环节的变化。增加了课前数据的反馈， 更多地专注探究新知，关注重难点；增加随堂数据检测， 根据数据组织学习活动、分组 ，评价标准前置、实时评价。

（2）时间分配的变化。增加了交流、练习的时间。

三级数据驱动，创造不一样的学习

支撑教学的基础平台各有优势：Pad有移动、拍、摄、录、播、练一体，操作体验佳的特点；PC有高效编辑、适合固定场所学习的特点；Phone有轻便、适合分享、传播的特点。这些特点都适应不同的对象、时间和地点的教与学。

教学过程中，数据分为结果性数据和过程性数据，而我们往往关注的是结果性数据，例如，这次测验考得如何？有多少人不及格？放在平台上的视频学生看了没看？并把结果性数据作为主导参考标准，导致大量的过程性数据被忽视。例如：测验中，学生在哪道题上停留时间最多，过程中修改了几次答案？学生对哪些内容主题感兴趣？什么教学内容是学生多次观看的？学生一般在什么时段看？在看的过程中参与互动的情况是怎样的等，这些过程性数据对于教学依然十分重要。在教学中，如若我们只关注结果性的数据，而不关注对过程性数据的分析和利用，就不会对教学目标有一个准确的把握，也不会对教学研究和改进提出任何的指导性意见。如果在教学活动中能把这些过程性的数据考虑进去，并进行采集、破译和呈现，会让教学的效果得到巨大的提升。

1. 一级驱动，用常态化数据驱动日常教学

阅读、解析各种常态化数据，例如，创课数据、检测数据、交互数据、学生自发学习行为数据等，已经成为嘉定区实验小学教师和学生在每天的学习过程中不可或缺的一个环节。教师和学生学会利用数据来掌握学情，利用数据驱动课前、课中和课后的预习、讲授、复习等环节，提高效率。

我们主要利用两种工具采集作为一级驱动的常态化数据。

（1）第一种工具指向的是线上教学内容的载体

任何教学过程都需要内容的载体，线下教学的内容载体是纸质的书本、试卷，是黑板。数字化教学的内容载体是数字化的内容，例如电子文档（Word/PDF/PPT）、数字化的图片和文字、音频（MP3）、视频（微视频）以及网络上丰富的共享资源（百度百科、维基百科）。

教学场景是多样的，不同学科有不同的特点（语数外物化音体美）、不同老师有不同的侧重（系列课程的、进行某个知识点传授的、引导和启发学生思考与研究的）、不同的作业有不同的要求（日常的、主题的、探究的、拓展的）、不同阶段要培养学生不同的能力（知识采集、知识归纳、理解与表达），单一的数字化载体如何满足复杂的教学需求？我们不能锁定教师和学生必须按照一个套路完成教学，那么既要能够满足复杂的教学需求，又要满足各类数字化内容聚合的需求，简单实用，翼学院创课工具诞生了（见图3）。

不同学科的教师围绕“创课”这种载体在各种不同场景下，组织形态多样的日常教学内容，有用于课堂展示的，也有用于学生课前课后学习的。学生也可在教师引导下制作或自发创作内容，因为创课工具操作简单实用的特点，所以一年级的孩子也都能够很快地掌握。从2015年7月至今，嘉定区实验小学数字化学习班级从2012年2个发展到2017年的25个，学生从93名到1060名，教师从6人到55人，并带领上海、江苏、陕西、黑龙江、浙江、四川、北京等地58所学校开展数字化学习。共建创课累计超过22万，互动讨论超过130万，学习视频超过3万， 学习音频超过80万，图片超过30万；师生创作比例：2：98。校长的工作也从布置、检查、反馈变为用数据驱动变革、评估。

围绕创课的常态化数据是如何帮助教师掌握学情的？教师发布创课挑战给学生后，可以实时查看学生学习创课的数据反馈。数据反馈既包括结果数据（看没看），还包括过程性数据（看的过程中发生的行为，各种标签点击了几次，看了多长时间等）；数据还分成整体数据和个体数据两个角度，帮助教师了解学生个体学习情况和班级整体学习情况的差异；同时，在查看数据的过程中，结合了教学的互动和评价。

（2）第二种工具指向的是进行在线检测的载体

教学中常用随堂练习检测学生知识的掌握情況，在线的出题系统和答题系统主要解决三个问题。第一是如何让教师能够快速、灵活地出题，并能够满足检测的主要场景；二是如何让题组在教师间共享，提高复用率；三是如何让学生能够快速答题，提高效率，同时满足不同学科对书写能力的要求。

在线检测的工具可以采集到大量日常的学情数据。通过整体检测数据的反馈，数据和教师形成人机互补机制，教师能够及时掌握检测进度、了解学生的检测情况，同时根据每题用时数据和正确率数据的匹配，快速定位教学的重点和难点。这样，教师的角色被重新定义了——从不仅掌握教学技能转向更多拥有学生知识。

通过不同学生个体的检测数据与整体检测数据的比较，教师能够观察到学生个体在学习过程中存在的缺陷，进行有针对性的指导干预。教师学会精准识别不一样的学生的学习优势、学习风格、学习节奏和认知特点，学习问题背后归因、从而用不同的途径和方法，顺着“这一个”学生的学习方式给予最适切的支持。

通过检测数据中每题的数据反馈，教师不仅能够看到答案分布数据，还能够了解到学生在答题过程中的历程（调整过几次答案，答案的详细过程），这些数据都能够方便教师在课堂上开展基于问题的讲解与讨论。在线上，除了教师发起的教学以外，学生在家自主学习行为也是客观存在的。通过适性训练这种形态的应用，把学生自觉自发完成学习的数据反馈给教师；这种形态的学习数据既减轻了教师的日常教学负担，又对学校的教学起到了反哺的作用。

当学生在家自主训练遇到困难，系统采用对话式的解析方法，分出详细的步骤，一步步对学生进行指引，同时在提示过程中准确鉴别学生存在的知识缺陷，引导学生去学习需要掌握的知识。做错2次，自动推视频讲解，这种形式反哺了教学，使教师变得轻松。同时，每个知识点设定四级掌握程度的指标，学生在自主训练的过程中产生的数据沉淀在系统中，为教师掌握学生知识架设了直通的桥梁。2015年5月份以来，平台数据显示日均训练1500题，这种形态的学习得到了学生、教师的欢迎。

2. 二级驱动，用阶段性数据驱动达标评估

校长、教师通过阶段性数据，把握阶段趋势和效果，驱动数字化教学的深入开展。我们设计了活跃度、热力图等指标，能够从学校、教师、班级、学生四个不同的视角反应数字化教学的发展趋势，同时进行阶段性的达标评估，评估数字化学习的效果。

首先，学校针对课程标准，设计测评方案。具体的测评方案中包括对各年级、学科的课程标准的分解与定义，以及利用哪些现有资源配置到相应的评估模块中去。

评测方案确定后，利用翼学院的评估引擎，完成学生测评。在测评的过程中，强调两点：支持离线进行测评和操作的简便，减少学生输入。评测完成后，采集数据、自动生成报告，掌握学校、班级的整体达标情况。同时，为每位学生个体自动生成各科评定和指导，便于学生和家长掌握标情和差异，用于后续学习的改进。

3. 三级驱动，用数据研究驱动教研改进

在学校的实践过程中，提倡老师“+”点数据思维，学会从数据中认识学生。经常组织教师和互联网专家一起进行数据报告的分析与解读，让教师们逐步学会解读复杂的统计数据后面的含义。围绕数据进行教研改进，利用基础支撑中的过程性数据，进行面向学习效果的数据相关性分析，研究哪些互联网学习因素对学生的学习效果有益；同时利用这些数据进行学生学习特征的分析，利用这些分析帮助教师能够看到在传统课堂上难以发现或觉察的学生不同的特质，进而来优化改进教学。

当教育遇上数据，虚幻的教学“经验”就有可能在算法和数据的世界里变成确切的程序和关联。而大数据遇上学习，每位教师都可以学会看清楚数据背后学习动机、学习过程以及学习效果的来龙去脉。有了数据思维，学校的教研活动的形式也发生了巨大改变，每周的研修活动都围绕数据解读展开，采用了独创的“1+2”分享模式，每次活动都由一位教师带领两位学生进行在线教与学的经验分享，学生和教师在同一个平台上发表学习和教学的感受。这种教研活动，研修方向更明确，改进措施更具体，同时数据确保了持续跟踪和反馈。

大数据之于学校教学的意义还在于学习分析。教师通过平台中积累的内容数据、过程数据、结果数据，帮助教师分析班上孩子的学习特质，找到影响孩子学习的隐性变量，建立多种数学模型。通过挖掘各类学习、行为以及背景数据，找到学习效果和各个因素的关联，加强教师对于教学的理解。而这种关联和理解，能帮助我们预测学习行为，以修正教育体系和政策。