大数据支持下的智慧课堂构建与课例分析*

（1．江苏师范大学 智慧教育研究中心，江苏徐州 221116；2．华南师范大学 教育信息技术学院，广东广州 510631）

引言

课堂是学校教育教学改革的主阵地，也是落实学生核心素养发展的关键场所。抓住了课堂就牵住了教学改革的“牛鼻子”，抓好了课堂就把握住了教学质量提升的关键。随着现代信息技术在教育领域的广泛应用，技术与教学的融合更为深入，课堂教学模式随之发生了变革，资源传播途径也更加广泛，为教学带来了极大的便利。我国现有的大多数课堂教学仍然存在着模式化、静态化的问题[1]，课堂互动往往是教师“动”而学生“不动”，不能很好地满足学生的个性化学习需求，整个教学活动陷入“课堂效率低—学生掌握差—课后拼命补”的怪圈。

近年来，各级各类学校的信息化环境大大改善，为教学过程与结果数据的多维度、全程化采集创造了良好的条件。贯通课前、课中与课后的教学数据流正在生成，数据驱动的教学设计、教学组织与管理、学业辅导等教学业务开始走向精准化、精细化和精益化[2]。大数据具有重构课堂教学流程与教学生态的潜能，将推动经验主导、低效重压、整齐划一的传统课堂转向全向互动、数据把脉、精准反馈、轻负高质的智慧课堂。基于此，本研究应用大数据技术，构建智慧课堂，加速教育教学改革，提高教育质量，以期为今后的研究工作提供借鉴。

一 智慧课堂概念界定及特征

智慧课堂是指在大数据技术和信息化教学媒体的支持下，以促进师生全向互动为抓手，以“低耗高效、轻负高质”为直接目标，以促进学生智慧发展为终极目标，为每位学生带来最大获得感的课堂形态。智慧课堂首先要在有限的课堂教学时间内，最大程度地提高教学目标的达成率。其次，智慧课堂高度重视课堂教学中师生、生生之间以及师生与教学内容、教学媒体之间的全向互动。智慧课堂的特征主要表现为以下四个方面：

1 全向互动

智慧课堂借助多样的技术手段量化师生教学行为，帮助教师优化教学计划，增强学生的课堂参与度和积极性。电子书包、交互式电子白板、平板电脑、点阵笔等设备为课堂互动提供了现实环境，便于实现人与人、人与资源的多维全向互动，使课堂教学迸发出新的活力。

2 数据把脉

智慧课堂利用大数据技术持续分析课堂数据，为教师及时了解学情、调整教学计划提供了数据支持。教师通过传感器和智能终端同步记录学习路径，追踪学习过程，全面掌握学习者学习现状，为教学“把脉”，实现对症下药。

3 精准反馈

智慧课堂立足于教学过程，通过分析教学数据，掌握学习者的不同需求，不仅能够帮助教师实时捕捉有价值的信息，对学生出现的学习问题进行及时干预，优化教学内容与教学方法，还能帮助学生进一步巩固、深化和运用所学知识。

4 轻负高质

丰富的媒体支持、高效的互动体验、精准的学情分析，有助于教师尽可能在最短的时间内高质量地完成教学任务。教师在有限课堂教学的时间内，既能保证课堂教学有足够的信息量，又能聚焦班级存在的共性问题和学生的个性问题，帮助学生及时查漏补缺，布置少而精的学业任务，真正实现高效教学。

二 智慧课堂教学模式设计

本研究围绕课堂教学四要素[3]（教师、学生、教学内容和教学媒体），以四大教学理论（双主教学理论[4]、掌握学习理论[5]、强化理论[6]和最优化教学理论[7]）为指导，应用数据科学技术[8]（数据采集、数据处理、数据分析与数据应用服务），构建了智慧课堂教学理论框架，如图 1所示。

图1 智慧课堂教学理论框架

图2 智慧课堂5J模型

图3 智慧课堂教学模式

在智慧课堂教学理论框架的指导下，本研究构建了包括精心设计、精细授导、精炼研习、精准评估和精益辅导等的智慧课堂5J模型，如图2所示。该模型在不影响师生正常教学行为习惯的前提下，以“低耗高效、轻负高质”为目标，结合智慧课堂教学理论框架，采用纸笔互动的方式，自然、持续地记录课堂教学产生的数据，并对课堂数据进行实时分析和可视化呈现。

基于智慧课堂教学理论框架及其5J模型，本研究提出了智慧课堂教学模式，如图3所示。该模式由课前精心设计、课中精致教学、课后精益辅导三个教学环节构成。

1 课前：大数据促进精心设计

教师根据教学大纲和教学计划进行备课，细化知识体系，并选择合适的内容制作成课前自主性学习材料，如教学重点和难点、旧知识点的回顾、概念性知识讲解等。随后，教师通过将QQ、微信、邮箱、短信等通讯工具与学习平台绑定的方式发布学习任务。学生可自行安排学习进度，观看教学视频并提出疑惑。网络学习平台能够实时采集学生观看视频时长、完成习题时长以及正确率等学习数据，为学生推送相关资源和错误知识习题的练习与讲解，让学生更全面地掌握知识点，了解自身的学习情况，并生成个体和班级学情分析报告。教师可以随时查看学生任务完成情况，快速掌握学生个体与群体现有的知识储备和疑难问题[9]，根据学生的现实需求精准定位教学目标与重难点，进而提出有针对性的教学模式与策略，做到课堂教学预设与生成的辩证统一。

2 课中：大数据支持精致教学

在智慧课堂中，利用大数据技术能够实时分析课堂中的学生行为，教师可以更好地掌握学生的学习轨迹，及时调整下一步的教学安排，少而精地选择教学内容，抓住知识主线，促进课堂全向互动，有效提高课堂效率。

首先，教师依据平台统计分析的学情报告，选择大多数学生感兴趣的话题作为导入，并结合精心筛选的教学内容采用合适的途径创设情境[10]，如利用语言描述文字资料和图片、使用多媒体呈现视频资料、回顾学生亲自体验的实践活动等。其次，教师将学案活动情境化，如针对某个问题展开分组辩论、在特定场景中进行角色扮演等，检验学生的知识迁移运用能力。通过引入适当的小组竞争机制，有效促进学生协作交流，激发学生参与教学活动的热情，最大程度地减少无效的课堂沉默。期间，教师可以同步查阅学生的书写情况，掌握学生思考问题的路径、知识点的掌握情况以及任务完成情况，及时给予学生反馈信息。接下来，为了检测学习效果，在学生学完某一知识点后，教师提供与之对应的具有较强精确度和细致度的精选习题。教师借助投票系统不仅能够统计各题目答题的正确率，还可以分析学生的个体答题情况，快速聚焦高频问题和经典错题，掌握每一个学生现有的认知水平、学习难点、学习偏好等特征。教师采用共性疑难点集中精讲、个别问题个别辅导的策略，帮助学生做到“堂堂清”，深入巩固与强化知识。最后，教师应用投票功能，既可以发起对本节课所学知识点的掌握程度投票，便于学生自我评价与诊断学习效果，也可以发起对教学效果的评价，促使教师深入反思，改进教学策略。此外，基于课堂教学过程与结果数据构建个体特征模型，着眼于师生发展情况[11]，为定期开展的评估活动提供了精准、全面、客观的依据。

3 课后：大数据优化精益辅导

课后辅导是对课堂教学内容有益的、必要的补充，能及时弥补学生在课堂中存在的知识漏洞，尽可能地避免个别学生对知识的错误理解。首先，教师根据本次和历次的学业检测报告，分别从横向（优劣势学科分布情况）和纵向（各科学业进退步情况）进行比较，结合学生兴趣、性格、能力等因素安排不同层次的拓展性训练，有的放矢地提供学习反馈与建议，开展个性化的一对一辅导和分组辅导，大大减少了盲目搜索辅导资料与服务的时间。其次，教学过程的原始记录便于教师甄别哪些内容需要精讲、哪些内容需要略讲，避免课堂讲授的盲目性，有效进行教学反思。此外，课后辅导不能仅靠教师单方面的努力，还需要家长、学习小组的监督与协助。借助 QQ群、微信、网络平台等智能终端将学生行为发送给家长，同时也将家长的意见和建议及时转达到学校，通过三方合力，共同寻找行之有效的辅导方式，在最短的时间内达到最优化的效果。

三 智慧课堂教学模式应用

本研究选取高一年级语文“荷塘月色”与八年级数学“正比例函数的图像及其性质”两门课，采用北京拓思德公司的产品体系，按照上述模式进行教学设计，对师生的教学行为数据进行量化分析，通过智慧课堂教学实践，检验课堂互动效果。

图4 语文课堂教学互动行为次数统计

图5 数学课堂教学互动行为次数统计

1 数据收集

本研究应用基于1:1数字化课堂教学互动分析编码体系（One-to-One Techno-based Interaction Analysis System，OOTIAS）[12]，分别对两个教学课例视频进行课堂互动编码分析。①行为编码。将观察到的师生课堂言语行为按照OOTIAS编码体系转化为编码并记录下来，每3秒钟取样一次，每分钟记录20个编码，语文课实际讲课时长为33分钟，共计660个编码，数学课实际讲课时长为45分钟，共计900个编码。②绘制矩形图。将每一个编码分别与前一个编码和后一个编码进行联结，语文课共659个序对，数学课共899个序对；之后，统计序对的次数，并填入矩阵图中，得到语文课统计结果如图4所示，数学课统计结果如图5所示。

2 效果分析

（1）课堂结构

从图4、图5可见，发生频率较高的课堂互动行为绝大部分处于对角线位置，表明课堂的教学节奏相对舒缓，各个教学环节均持续了一定的时间。在“荷塘月色”矩阵图中，（10,10）的数值表明学生主动应答的频次最多，且（4,4）开放性问题的数值大于（5,5）封闭性问题的数值，说明教师能够有效引导学生主动思考，调动学生的学习积极性。其次，（24,24）数值表明学生使用电子白板进行成果展示的频次最多，说明教师给学生充足的时间进行朗诵文章、品味文章语句美、把握作者情感变化等成果展示，充分体现了学生的主体地位和教师的主导地位。

在“正比例函数的图象及其性质”矩阵图中，（15,15）的数值表明学生做练习时长占课堂比例最大，说明教师注重设计以学生为主的探究活动；（24,24）和（23,23）也是相对较大的数值，说明教师采用协作探究的方式，让学生充分展示成果，进而引导其自主完成教学任务，表明了学生在课堂教学中的主体地位。

（2）技术使用情况

本研究根据课堂互动次数统计表，对教师和学生使用技术的行为进行了更细致的描述，如表1所示。

（1）技术的潜在作用

从表1可以看出，两门课中技术的“间接作用”（34.03%、33.81%）与技术的“直接作用”（18.76%、16.46%）相比，所占的比重更高。从分析“间接作用”的角度可以发现，教师不仅将技术应用于资源演示（8.66%、6.43%），还开始将其应用在学情分析（3.04%、3.97%）和作品分享与评价（7.14%、4.29%）层面；学生也可应用技术进行个人、团队实践创作与成果演示。为方便教师及时了解学生的思路与进度，两位教师均采用点阵笔技术进行课堂教学。因此，学生在进行团队实践创作时大多依赖技术支撑，在交流讨论的同时解决问题。除此之外，技术应用在学生进行资源学习（1.67%、0.44%）、自主练习（4.25%、5.67%）以及个人实践创作（5.92%、6.9%）方面的“直接作用”也占有一定的比重。

（2）技术的教学应用

分析技术在课堂中的总体作用，可知教师使用技术的比率（25.95%、19.24%）小于学生使用技术的比率（26.87%、30.03%）。说明在智慧课堂中，学生拥有更多的时间来开展自主或团队“实践创作”教学活动、进行全面的“成果展示”。而教师更多地使用技术开展学情分析，注重深层次的教学技术应用，有助于正确、高效地实施下一步教学活动，促使教师、学生和资源之间全向互动的发生。如教师在查看学情分析结果的同时有选择性地提问、在进行作业分享与评价的同时辅以资源演示、在成果演示的同时讲解知识点等。

由案例分析结果可得，智慧课堂充分考虑了学生学情、疑难知识点以及潜在发展空间，体现了“主导—主体”的教学理念。在教学中综合应用大数据技术，教师可随时查看学生的思维过程、学习进度与学习效果，便于有效掌控教学，使教学互动更深化、教学效果更优化。

四 总结与展望

智慧课堂体现了大数据技术与课堂教学的深度融合，重视教学要素的全向互动，为解决当前课堂教学效率低的现实问题提供了途径。构建智慧课堂应以满足师生需求为前提，充分发挥“教师主导，学生主体”的教学理念，依据智慧课堂理论框架与5J模型，采用动态、最优化的教学模式和多元、智能化的课堂数据采集分析技术。未来在智慧课堂构建与教学实践方面应着重开展以下几方面的研究：①各科教学模式的设计研究，为各个科目提供系统的、规范化的教学流程，以保证课堂教学的高效率与高互动；②解决课堂数据的实时分析与创新应用问题，选取多元化的大数据技术搭建系统平台，实现课堂数据的持续性记录与可视化呈现；③随着智慧课堂教学模式的推广与普及，后续研究需要实验学校和一线教师的共同参与，针对学科素养、教师培训、技术保障、数据安全等问题不断深入地探索、研究，以助推课堂教学的优化与发展。

[1]王鉴,王明娣.高效课堂的建构及其策略[J].教育研究,2015,(3):112-118.

[2]杨现民,唐斯斯,李冀红.发展教育大数据:内涵、价值和挑战[J].现代远程教育研究,2016,(1):50-61.

[3][10]方海光,侯伟锋,王晓春,等.基于PADClass模型的数字化课堂学习过程数据挖掘与分析研究[J].电化教育研究,2014,(10):110-113、120.

[4]何克抗,李克东,谢幼如,等.“主导—主体”教学模式的理论基础[J].电化教育研究,2000,(2):3-9.

[5]Bloom B S. An introduction to mastery learning theory [J]. Schools, society and mastery learning, 1974:3-14.

[6]Skinner B F. Contingencies of reinforcement in the design of a culture [J]. Systems Research and Behavioral Science,1966,(3):159-166.

[7]吴文侃.巴班斯基论教学过程最优化的概念、标准和方法体系[J].教育评论,1986,(2):60-65.

[8]杨现民,唐斯斯,李冀红.教育大数据的技术体系框架与发展趋势——“教育大数据研究与实践专栏”之整体框架篇[J].现代教育技术,2016,(1):5-12.

[9]顾小清,刘妍,胡艺龄.学习分析技术应用:寻求数据支持的学习改进方案[J].开放教育研究,2016,(5):34-45.

[11]Rodriguez-Valls F. Reflective teaching: theory within classroom practices[J]. Teaching Education, 2014,(3):294-308.

[12]韩后,王冬青,曹畅.1:1数字化环境下课堂教学互动行为的分析研究[J].电化教育研究,2015,(5):89-95.