基于大数据的教学实践的模型建构与实现路径

张晓冰

摘要：江苏省南通第一中学在江苏省基础教育前瞻性教学改革实验项目“基于大数据的教学管理策略研究”的研究与实施中，对由数据平台、实践策略、实践行为和评估调控所组成的实践系统内部特性加以研究，建构起了“先行控制—主体建构—行为矫正”的教学操作模型，并以培训系统、教学系统、管理系统为主体建构起完整的实现路径，在各子系统的叠加与耦合中形成基于大数据教学实践的智能化。

关键词：大数据;教学实践;模型建构;实现路径

中图分类号：G42 文献标志码：A 文章编号：1673-9094（2018）12A-0024-05

基于大数据的教学实践是指在海量信息分析基础上建构起来的，现代学校教学体系在目标设定、管理过程和评价标准等方面所确立的实施计划、管理模式与实现路径的整合性教学行为。通过基于大数据的教学实践研究，学校能对以大数据为内容的系统资源进行创造性的管理与运用，从而提升教学及其管理的品位与质量，形成准确、灵活、高效的教学实践机制与管理机制。

一、教学实践模型的三级系统建构

（一）系统运转模型与内部操作模型建构

本改革实验项目拟解决的关键问题是基于大数据的教学实践的模型建构问题。从教学实践管理的角度考虑问题，模型的基础显然是数据平台建设，其次是基于大数据的教学管理策略的确立，再次是遵循既定教学策略的管理行为，最后是整个教学管理过程在教学系统中的应用评估。这四个逻辑模块与行为模块的一切信息均纳入大数据平台，成为其信息源。这样四个逻辑模块实际上形成了基于大数据的教学实践系统（见图1）。

这是一个从数据平台开始的循环系统，前一次循环为后一次循环提供调校数据，根据调校数据对后一次循环加以科学调控，如此不断走向符合教学规律与学生发展规律的高效教学。这个系统及其每个逻辑模块内部实际运行都按照“先行控制—主体建构—行为矫正”的流程展开，成为该系统模型中的核心部分即操作模型（见图2）。其中，先行控制阶段大致包括了理念转换、策略学习、行为标准、教学环境、教学策划和人际关系等基本要素的贯彻;主体建构部分则包括了领域管理、行为管理、伙伴合作、多维参照、私人订制和精准指导等策略内涵与实施;行为矫正部分主要包括了问题行为、目标比对、阶段评价、矫正原则、矫正步骤和信息反馈等内容。整个教学实践过程的数据将再次反馈给应用评估系统，做出相应评估后为教学实践的管理策略与行为调整提供预测和指导等干预性信息。

（二）系统模型中的层级管理模型建构

当教学实践具体细化到某一层面时，这个模型会做出相应调整，形成层级管理模型。譬如：在以班级或教师为单位的教学层级的实践中，在以学科与年级为单位的实践中，在以校级与部门为终端的实践中，基于大数据的教学实践行为的先行控制、主体建构与行为矫正的具体任务当然会有层级与单位的差异。

1.以教师与班级为单位的课堂教学管理

依据基于大数据的教学管理策略实施教学，大体上遵循“普遍采集—全面统计—精准结论—个性措施—菜单反馈”的实施流程，着重对教学进行知识点诊断、个性化分析和点对点纠错，有利于选准教学起点，有利于选准教学重点，有利于选准教学方式，有利于选准教学对象，有利于选准作业内容，对于从学生立场出发改进教与学的方式是极为有效的。数据平台与教师教学同步运行，教师利用平台数据实施精准、科学而且有针对性的教学与调整。从课堂教学管理实践看，基于大数据的教学管理策略研究对于改变育人模式和学习方式有着极为重要的意义。

2.以学科与年级为单位的学科教学管理

依据模型开展的学科教学管理，从全学科阶段性教学任务出发，进行基于大数据（同内容历史数据、前期知识准备、前测掌握数据）的先行控制准备，拿出适合于学情的环境、策略、方法和标准，制订教学计划，甚至是以备课组为单位做出教学案例样本，针对不同人群制定好有区别的多元化实施方案和评价标准，包括作业与考查内容。教师实施教学计划后，学科组或者备课组根据收集到的数据（教师执行情况、学生课堂反应、知识能力结果等）及时进行分析，或者根据系统自动生成的参考分析，尽快形成行为矫正策略和措施，并及时推送给教师、学生和家长。

3.以校级与部门为终端的全校教学管理

基于大数据的学校教学管理建立在学科、年级等数据分析和模型建构的基础上，主要是教学管理部门着手实施，为校长室形成决策调整提供参考数据。它提供大量的过程与结果统计，提供大量的精准到个别教师、个别教学模块、个别管理领域的结论，提供系统与人力两者结合产生的预测性指导意见，从而在全校层面进行行为矫正。校长室掌握情况和给出审批意见后，将意见及时推送给部门、学科、年级、教师和班级。这里的数据统计与分析，注重参照历史数据和库外数据，形成纵横比较，保证判断与决策的高效和精准。

总之，从每个教师到校长室的各级教学决策都遵循着系统运转模型核心部分的基本操作程序，使这个基本操作程序成为模型中的模型，并且按照不同层级组成了层级内部和层级之间内外循环相结合的特殊结构的管理系统。这个模型结构稳定，适用于各个层面，方便操作。

二、实现路径的功能规划与实践应用

基于大数据的教学实践模型需要通过培训、教学和管理等实现路径加以落实。培训系统与管理系统贯穿整个教学实践过程：实践未动，培训先行;实践始终，管理跟踪。使用平台开展教学实践过程中，根据实践与管理需要，适时开展过程性培训。教学系统是实现路径的核心，主要包括教与学两个部分，由备课系统、上课系统、作业系统、考试系统和自学系统五个部分组成。三大路径系统都需要做好数据收集和管理调控，这里以教学系统为主，兼及数据收集和管理调控，主要从功能规划与实践应用两方面，对基于大数据的教学实践模型的实现路径加以阐述。

（一）数据采集

数据采集是大数据的基础性工作，具体到教学数据的采集則是一个集合了技术、教学和师生多元素的综合性工作。根据教学需要设计的实现路径主要包括数据采集模型、采集手段与工具、采集对象和内容等方面（见下页图3）。在项目实验初期，学科组需要对系统设计者提出模型设计要求，在数据库和模型基本建成后，后续使用的教师只要提出完善意见，主要工作就是实现采集和应用了。在采集原始数据工作基本完成之后，教师所要做的主要工作是数据挖掘，也就是结合具体教学内容对冗余数据加以删汰，从而收集适合于教学的应用数据。然后，教师需要对应用数据加以分析，分配合理运用的路径。数据的后期处理分两期展开，即与学生相关的数据分析和与教师相关的数据分析。这两期分析可以同时进行，可以先后进行。这个后期处理是在教学实践（课堂教学）之后的处理，作为再循环的数据采集的积累。在整个数据采集过程，数据采集的基本原则是遵循实现教学目标和完成教学任务的需要，基本线路是采集、挖掘、分析和应用，并且始终坚持教师的合作与分工相结合。

（二）备课系统

传统的备课大多依靠教师经验与智慧，互联网时代则更多地依靠网络的海量信息。基于大数据的备课主要强调占有数据、分析数据和利用数据，同时坚持利用数据挖掘与学习分析功能使得丰富资源秩序化，从而提高备课预设的准确性和高效性。结合备课活动的普遍性要求和大数据的功能与特征，我们将备课系统的操作路径概括为五个步骤（见图4），即建设备课资源库、确定课时教学目标、分析教学任务数据、初步确定教学方案和预测需矫正行为。前三步属于先行控制行为，第四步属于主体建构行为，第五步则属于行为矫正内容。对于既有的符合要求的资源库和数据库是直接利用，过去已有的非同一平台的数字化资源则根据项目要求加以改造和补充，同时根据需要建设新的资源库和数据库。关于教学目标、教学内容、教学重点、教学难点、教学方法和教学方案等的选择与确定，都坚持综合利用历史数据与当下数据。在教学设想、教学设计和教学反思等部分充分保留利用数据的痕迹。

（三）上课系统

基于大数据的课堂教学更有利于实现师生互动、实时调控、精准定位和个性指导。基于大数据的上课操作系统实现路径（见下页图5）由方案预设、情景设置、智能学习、即时反馈和个性作业五步骤组成，其中方案预设与情景设置属于先行控制阶段，智能学习所包含的知能前测、问题引导、任务驱动、效果监测属于主体建构阶段，及时反馈与生成作业属于行为矫正阶段。在基于大数据的教學中，教学全程都处于实时的数据收集、分析与反馈之中，每步方案的实施均以实时反馈数据作为基本依据，而不是以静态的、既定的预设为依据。譬如“知能前测”阶段的数据实时生成后，教师依据实时分析结果对预设方案中的问题进行调整，从而确定下一阶段“问题引导”中的引导问题。再譬如微课资源建设，所有课堂教学视频被自动切割为微视频存放于资源库（目前尚未实现技术上的自动切割），为学生的自主学习和个性化学习提供服务。同时，大数据分析公司根据学校需要对具体内容进行更为专题和更为专业的数据分析，为后期教学决策提供更为系统和更为权威的数据。

（四）作业系统

基于大数据的教学实践下的作业系统操作路径包括作业预设、完成作业和作业效果三部分（见图6）。作业预设包括基础作业和个性作业两部分，基础作业面向全体学生，主要解决巩固学生对教学任务的理解与消化问题。个性作业，包括复习内容和检测试卷等，则是系统针对学生课堂学习或阶段学习的个体学情自动生成和推送。这两种作业都通过平台推送，结果与数据通过平台及时反馈给教师与学生，为复习与后续学习提供决策依据。课堂作业与课后作业都是同样推送与处理，只是课堂作业会得到教师更及时的课内指导，或者能以此为依据调整普适性的基础作业数量与内容。“作业预设”最考验教师的数据运用能力，教师应该对预设作业进行及时处理，即便是基础作业也应更具有针对性，从而减轻学生负担而又不降低教学质量。“数据建议”为我们提供重难点等学习目标和任务的达成情况，成为学生课后自学与教师重点强化与检测的参考。学生的学习通过作业系统和数据建议不断地做减法，直到解决所有的疑难问题，使学生进入问题归零状态。作业系统中设置有讨论区和资源区，讨论区主要供作业小组合作学习使用，资源区主要提供翻转课堂学习内容（含微视频和作业解析等），方便学生在温习课堂学习内容的基础上完成作业。学生在作业系统中的每一步操作，都将有后台技术负责收集数据，供教师做进一步分析的参考。

（五）考试系统

基于大数据的教学实践下的考试系统由自测系统、公测系统、评价系统和重组系统四个子系统组成。自测系统由学生在公测前或公测后进行自主测试，公测系统由教师组织学生集体进行，评价系统针对自测与公测即时生成分析数据，并提供后续补习建议，且可以根据指令提供资源库中生成的符合学生或班级需求的重测试卷（见图7）。原则上讲，所有检测试卷都是根据学习与教学数据自动生成的。譬如整个年级公测试卷的组卷数据来自全年级学生考查内容的历史学习情况，班级与学生的自测试卷同理生成。教师可以根据实际需要对系统进行组卷干预，使其符合某种特殊要求。譬如对于区域教学或系统内其他学校教学中发现的存在问题，教师可以提取信息提供给组卷系统，以检测本校本班学生该部分知识的掌握情况，起到利用他山之石查漏或提升的作用。教师的指导作用形成一种隐性的干预系统，这是教师发挥作用的重要阵地或方式。考试系统提供的分析数据是进行面上的教学管理与决策调整的重要依据，也是对教师教学实施个别化与精准化管理的重要依据。

（六）自学系统

基于大数据的教学实践自学系统主要将翻转课堂的学习方式作为其操作路径。教师为学生准备好学习资源（来自备课系统的资源），并提供讨论问题的平台与远程线上指导;学生则根据自身实际情况可以决定学习内容的选择，可以提前进度和推后进度，可以反复进行学习，并自主进行测试和利用数据建议掌握学习效果（见下页图8）。自学系统操作的关键是速度和节奏的掌控，是深入和拓展的掌控。学生可能会有拖延症或无节制推进的问题，拓展与深化可能会突破资源库或数据库而不能获得帮助，这就对教师的线上监控与指导提出了非常高的要求。为配合学生的线上平台自学，我们为学生配备相应的“互联网学习导师”，指导不同层次的学生开展有效的网络学习。“互联网学习导师”可以由虚拟的计算机机器人担任，也可以由现实中的教师担任。自学系统根据教学需要可以在学校或家庭中使用，因此它对课堂教学系统提出了更高的要求，因为不同学生的不同自学结果使得教师在教学内容、教学进度和教学范式上都要有适应新情况的举措。

（七）管理系统

在学校层面上讲，教学实践的管理大致有三个层级，即教师的课堂管理、部门的业务管理和学校的行政管理。教师课堂管理主要是通过教学系统内部的前五种操作路径实现的，而部门业务管理和学校行政管理在学校层面则属于中观与宏观范围的调控。这两个层级的管理建立在对课堂与学科的综合观察与诊断基础上，系统数据就显得尤其重要。这里也有功能规划与实现路径的问题，业务部门尤其是教学管理部门（如教务处、学科组和年级部等）主要关注的是目标实现情况和师生行为状况，而学校行政管理主要是宏观把握从而做出重要的决策或调整指示，这就是功能上的不同。在大数据系统里，管理层级越高则数据越关键，更重视被提炼过分析过的结果性数据。譬如教务处的操作路径（见图9），它的管理首先是掌握教师数据、学科数据、班级数据、年级数据;在此基础上通过分析统计得出结论，然后追踪备课数据（内容与进度等）、课堂数据（学生参与和教学方法等）、反馈检测数据（训练与评测等）;最后在源头、过程和结果三阶段去发现问题、解决问题，从而完成中层管理部门在教学实践中的任务。

基于大數据的教学实践改革项目与智慧校园建设同时推进，在全面设计的基础上，大力推进以数据库、网络和使用终端为主体的系统平台建设，大力推进实践模型的假设与验证，大力推进实现路径的课堂教学探索，在首批投入实验的四个平板电脑使用班级中得到了落实与检验。实验结果表明，这种模型与路径的假设是符合项目改革初衷的，而且已经取得了较为理想的成果。

责任编辑：丁伟红

Model Construction and Implementation Path of Big Data-Based Teaching Practice

Zhang Xiaobing

（Nantong No.1 Middle School， Nantong 226001， China）

Abstract： In researching and implementing the prospective teaching reform experimental project on Jiangsu provincial basic education， which is entitled “Research on big data-based teaching administration strategy”， our school conducts research on the internal features of practical system which is composed of data platform， practical strategy， practical action， and assessment regulation， having constructed the teaching operation model of “pre-control-subject construction-action rectification”. Meanwhile， our school has established a complete implementation path centering on training， teaching and administration systems， and eventually we have integrated various sub-systems to form the intelligence of teaching practice based on big data.

Key words： big data; teaching practice; model construction; implementation path