测评大数据支持下的有效教学研究*

陈明选 耿 楠

（江南大学 教育信息化研究中心，江苏无锡 214122）

一、引言

随着教育信息化2.0 时代的到来，以及教育大数据的迅猛发展，教育形态将被深刻改变。推进教育大数据与教育教学实践深度融合，可促进信息技术逐步从影响教育发展的外生变量，转变为引发教育深层次系统性变革的内生变量，从而创建智能环境下教育模式的新生态[1]。尽管时代的迅速变迁、技术的日新月异，会对教育教学产生一定的影响，然而，有效教学一直都是教育工作者的理想，它是通过有效的教学准备、 有效的教学活动和有效的教学评价来促进学生学习和发展的教学[2]；是符合教学规律的“有效果”“有效率”“有效益”的教学[3]。然而，在传统有效教学研究中，研究者和一线教师大多采用思辨性研究方法进行理论推演，解析其内涵与特征、创建有效教学方法与策略、制定有效教学评价标准，研究结论主要是他们基于经验主义和主观判断提出的有效教学策略[4]。由于缺乏客观数据的支持，有效教学的“效”难以量化评价，从而导致学术界对有效教学的研究，存在一些质疑的声音。

已有研究认为，教师和管理者可以使用学生测评数据来指导并促进有效教学[5]，它是学生在日常测评作业活动中产生的常态化数据，具备易采集、结构化程度高、分析难度小的优势，可以支持有效教学各个环节的开展。而且，随着教育大数据的迅猛发展与深入研究，不少研究者逐渐认识到教育大数据具有采集难度大、结构分析复杂、落地一线研究实践阻力大的弊端。因此，部分研究者开始广泛关注教育大数据的子集——测评大数据，在教育研究中的潜在价值。然而，在我国一线教学实践中，测评数据的应用还存在两方面问题： 其一是测评数据发挥的功用十分有限，仅用于帮助教师和学生了解量化的成绩和排名情况；其二是市面上已有的测评大数据系统，由于缺乏有效教学理论的指导，并未发挥测评大数据助力有效教学的价值。

基于以上思考，本研究根据研究团队两年以来结合“极课大数据”的应用研究和理论推演，构建了基于测评大数据的有效教学框架，并提出其实现策略，从而为各个教学环节提供有效的支持服务，从根本上实现真正的有效教学，进而推动智能环境下教育模式新生态的创建。

二、基于测评大数据的有效教学框架构建

（一）测评大数据

教育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[6]。它具有多阶段、多维度、多元化、高度复杂等的特点，因此，笼统地谈论教育大数据对于教育的变革和影响，将失去聚焦点。测评大数据是教育大数据的子集，它是学生在常态性练习作业和考试测评等活动中产生的过程性数据和结果性数据，具有常态化、易采集、结构化程度高的优势。它的来源丰富，包括形成性评价、单元测试、期中期末测试、大规模区域测试、国家/国际测试等[7]。

根据来源、特征，我们可以将测评大数据归纳为三种类型，即横向数据（总成绩、单项成绩、排名情况等）、纵向数据（知识点正确率、知识结构、错误原因等）、周期数据（核心知识掌握情况变化、成绩变化、排名变化等）。测评大数据可以辅助教师高效开展教学工作，诊断学生学习需求，识别课程重难点；辅助学生了解自我学习情况，实现个性化学习；辅助管理者有效分配教学资源，实现区域均衡发展[8]。

测评大数据的采集，需要使用市场上较为成熟的技术设备与软件平台，一是使用阅卷仪或录入笔等设备采集纸质练习的诊断数据； 二是使用智能教学系统采集线上测评数据，将其汇总并存储至学生测评数据库中，为数据分析做好准备工作。本研究关注基础教育领域的测评大数据，旨在通过分析测评大数据为教师的教、学生的学提供有效帮助；同时，这也是促进教育大数据落地应用的有效途径。

（二）有效教学

现有的教学论包括两种取向： 一类是依据哲学与经验总结所提出的理论，被称为哲学与经验取向的教学论；一类是依据科学心理学，尤其是学习心理学和实证研究所提出的理论，被称为科学与实证研究取向的教学论。有效教学研究，就是科学取向的教学论这根藤上结出的果[9]。

关于有效教学的定义与内涵，学术界尚未有统一的界定。有研究者从有效教学的自身结构出发理解其内涵：从表层上看，有效教学是一种教学形态；从中层上看，有效教学是一种教学思维； 从深层上看，有效教学是一种教学理想。实践有效教学，就是要把有效的“理想”转化为有效的“思维”，再转化为一种有效的“状态”[10]。也有研究者从教师行为和教学目标的角度定义有效教学。例如，何善亮提出有效教学的本质依然是教师如何制定有效的教学策略、设计有效的教学活动，从而进行有效教学，促进学生发展。实现有效教学的途径是建立“生本”的课堂，包括共建全面的学习目标、创建宽松的学习环境、开发丰富的学习资源、组织丰富的教学活动、实施包容的学习评价[11]。

目前，我国有效教学相关研究存在着三类问题：其一是多使用单一的思辨性研究方法，远离有效教学的实践； 其二是相关研究涉及范围虽广但深度不够，仍然停留在有效教学的内涵定义、理论探讨、策略提出等层面； 其三是依靠真实教学数据的实证研究匮乏，造成有效教学研究的结论可信度和普及度不足[12]。本研究从问题出发，认为有效教学的内涵是：教师通过科学有效的教学设计，有效开展每一个教学环节，以评价学生理解水平为方法，以促进学生综合发展为目标。评价学生理解水平是评价教学是否有效，促进教学有效开展的关键。

关于认知理解水平的分层研究，布鲁姆（Benjamin Bloom）、威金斯（Grant Wiggins）和麦克泰（Jay McTighe）等学者先后提出了相关成熟理论。根据研究需要，我们选择依据经典的布鲁姆教育目标分类法，进行理解层级划分，它包括记忆、领会、应用、分析、评价、创造六个层级[13]，能有效对学生的理解水平进行评价与分层。

（三）基于测评大数据的有效教学框架

有效教学的核心目标是促进学生的理解与发展，它的实现则依赖于教师依据测评大数据开展有效的教学设计，主要环节包括有效地进行学情分析、有效地制定教学目标、有效地选择教学内容、有效地确定教学策略、有效地进行学习评价、有效地提供学习反馈和个性化学习资源。教学设计是教师开展教学之前的必备工作，是在教学理论的指导下，基于教学对象的特征，组织教学内容和教学资源，设计教学活动和学习环境，最终支持学习者有效达成学习目标的系统活动[14]。

本研究在综合经典教学设计理论[迪克-凯瑞模式、肯普模型和美国培训与发展协会（ASTD）发布的ADDIE 模型等]的基础上，结合有效教学理论和测评大数据的特征，构建了基于测评大数据的有效教学框架，主要包括六个环节：（1）精准把握学习起点；（2）动态组织教学内容；（3）个性化定制学习目标；（4）灵活调整教学策略；（5）即时评价与个性化反馈；（6）推荐个性化学习资源，如图1所示。

图1 基于测评大数据的有效教学框架

在测评大数据的支持下，该框架具有四个重要特征：（1）客观性，传统教学以教师教学经验为主导，而本框架以学生测评数据分析为依据，为教育教学提供了客观数据的支持；（2）精准性，教师能够依据对学生测评数据的深入分析，精准定位学习起点、教学重难点、学习目标、教学策略、学习反馈、资源推荐等；（3）即时性，系统实时采集分析学生测评数据，即时为教师反馈班级和个体学习情况，为学生提供学习反馈报告与个性化学习资源；（4）迭代性，整个有效教学流程循环迭代，以精准把握学习起点为开端，到推荐个性化学习资源环节为一个周期，系统不断采集分析学生的测评数据，通过为有效教学不断注入新的客观数据来加以支持。

三、基于测评大数据的有效教学框架之教学策略

（一）精准把握学习起点

精准把握学习起点，是基于测评大数据的有效教学框架的逻辑起点，是开展一切有效教学活动的基础，它对应传统教学中的学情分析。

1.学情分析的应用现状

美国著名认知教育心理学家奥苏泊尔（D.Ausubel）认为，如果不得不将教育心理学还原为一条原理的话，那么他将会说，影响学习最重要的因素是学生已经知道了什么，我们应当根据学生原有的知识状况进行教学[15]。“充分进行学情分析”是教学的起点，它包括两部分内容：其一是对学生主体存在的认知水平和需求水平的调查； 其二是教师主体对学前调查信息做出的统计分析[16]。它的作用是帮助教师在开展教学之前和教学过程中，提前了解班级整体和学生个体现有的知识和能力水平，为教学内容的选择、 教学目标的制定、 教学策略的设计等环节，提供指导作用。

目前，传统教学中教师对于学情分析尚且存在认识和操作误区，主要体现在两个层次。第一是在认识层面，不少教师忽视学情分析的功能与价值，仅依据教学经验来开展教学。很多一线教师认为，学情分析只会增加自己的教学负担，便只根据自身教学经验进行学情分析，这导致“学情分析”的经验性、主观性、表面性和片面性等问题突出，因而无法为教师开展教学提供基本依据和重要指导[17]。第二是在方法层面，教师通常依据主观教学经验和质性分析方法进行学情分析，比如，经验分析法、观察法、资料分析法、调查法等，使得传统学情分析存在过于主观、空泛和形式化，以及缺乏客观数据的支持等问题。想要解决当下问题，首先要提高教师的数据意识和分析能力，帮助教师更好地利用学生产生的客观测评数据进行深入挖掘，从而精准把握学习起点。

2.精准把握学习起点的操作策略

在测评大数据支持的有效教学中，采集并深入分析学生的测评数据，可为教师提供班级整体和学生个体的学情分析报告。该报告包括三个维度的信息：基本成绩信息（分数、排名、正误等）、理解水平信息（核心知识当下的理解水平及其与学习目标之间的差距）、知识结构信息（当下的知识结构状态及其与专家知识结构的差距）。教师通过阅读学情分析报告，便可充分了解班级整体目前的知识掌握情况和整体知识结构，把握最新学情，定位班级和个人的学习起点。具体步骤如下：

第一，系统准备阶段。邀请学科专家和专业教师绘制学科知识图谱，并为核心知识匹配高质量学习资源库； 邀请技术人员为每一个核心知识和学习资源进行属性标注，包括基础属性和理解水平等标签。

第二，数据采集与分析阶段。确定学科章节，扫描采集对应的学生测评数据，使用基础统计方法和知识图谱绘制工具，形成专业的班级与个人的学情分析报告。其中，班级学情分析报告主要包括：班级基本成绩信息（班级平均分、年级平均分、班级排名、最高分和最低分等）和班级知识图谱（班级知识点认知水平现状及其与认知目标的差距、 班级知识结构情况等）、个人知识图谱（个人知识点认知水平现状及其与认知目标的差距、个人知识结构情况、知识点认知水平的变化等）。

第三，阅读报告并确定学习起点阶段。教师通过阅读学情分析报告，将班级和个人的知识掌握水平和知识结构，与学习目标和专家知识图谱进行对比分析，确定班级和个人的学习起点，从而为后期个性化定制学习目标、选择教学内容、选择教学策略、进行学习评价与反馈、 推荐个性化学习资源等提供依据，以便开展有效教学。

这里以浙江省高中信息技术基础“算法及算法的表示”学习单元为例，绘制专家知识图谱和班级/个人知识图谱，如图2所示。知识图谱中包含三种信息：（1）核心知识点；（2）核心知识理解水平（目标）；（3）知识点之间的关系。

图2 专家知识图谱和班级/个人知识图谱

由专家知识图谱与班级/个人知识图谱的对比呈现，教师可以轻松确认班级或个人的知识掌握情况、认知理解水平，得到客观的学情分析结果。比如，通过对比图2中两幅知识结构图，可知班级整体或者学生个体在“常用表示方法”和“基本控制结构”的掌握水平都为“记忆”，而这两个知识点的学习目标都为“领会”，说明这两个知识点的掌握情况较为薄弱，可以在下节课的内容中再次复习巩固。使用本策略了解班级学情的教师也反馈，这种方式可以使他们更加量化地理解学生的知识薄弱点，为他们的教学设计提供了更加数据化、科学化的依据，而不像以往只能凭借自己主观的教学经验开展教学；同时，系统提供的学情分析报告，也减轻了他们的教学负担。

（二）个性化定制学习目标

精准把握整体和个体的学习起点，为个性化定制学习目标奠定了基础，这是基于测评大数据的有效教学的关键环节，不仅是教师选择教学内容、组织教学活动的依据，更是课程实施过程中要达到的具体目标与结果，能够为教师和学生明确目标。传统学习目标的制定通常是统一标准化的，而基于测评大数据分析得出的教学目标，可以是实时、个性化的。

1.学习目标的应用现状

在传统教学中，教师制定教学目标通常依据课程标准、教材和学情。已有研究表明，规范教学目标有利于明确教学要求、确定教学内容，是有效教学的根本保障[18]。学习目标则是学生制定学习计划、提高学习效率的重要依据。然而，在实际的制定与应用过程中，又存在不少问题。

第一，课程目标、 教学目标和学习目标概念混淆，误将课程目标等同于教学目标，将教学目标等同于学生统一的学习目标。

第二，教学目标的制定存在不科学、不明确、固定化、操作性和评价性较差的问题，无法为教师组织教学活动提供重要保障。

第三，学习目标的制定统一标准化，忽视了不同学习者的个性差异。每个学生拥有相同的学习目标，且目标恒定不变，忽视了学习者个性特征、学习能力之间的差异以及学习过程中知识状态和学习需求等方面的变化，造成优等生“吃不饱”、后进生“跟不上”的教学问题。

在测评大数据支持下的学习目标定制环节，系统可以帮助教师制定适合自己班级的教学目标，以及符合每位学生学习起点的个性化学习目标。

2.个性化定制学习目标的操作策略

个性化学习目标的制定包括两个部分，一是班级教学目标，二是个体学习目标。教师依据对学习起点的精准把握，结合课程标准和教材，以及自身的教学经验，为班级定制教学目标，为学生定制个性化学习目标。具体步骤如下：

第一，根据班级学情报告调整教学目标。教师借助专家知识图谱获取课程的标准学习目标，通过班级学情分析报告透析学生当前知识掌握情况、 知识结构水平等信息，将当前学习状态与学习目标进行比对，结合教材，分解、细化、落实教学目标。

第二，依据学生学情报告个性定制学习目标。教师根据学生的个人学情分析报告，了解学生目前核心知识掌握情况、知识结构水平、认知水平等信息，结合专家知识图谱中每个核心知识的标准学习目标，为学习者定制符合该学生学习水平的可量化的学习目标。比如，图2中，当学生的“概念与特征”核心知识已经达到“领会”的理解水平，则将该知识的学习目标从其总学习目标中移除，若“常用表示方法”核心知识仅停留在“记忆”的理解水平，则将该知识的学习目标保留并调整为“从记忆到领会”的学习目标。学生认知水平的诊断是根据学生在该核心知识所有层级的测试题目中的答题情况，汇总分析得到，排除一些“填写错误等”低级失误原因后，分析学生回答正确题目所对应知识的理解层级，可得到学生在每一个核心知识的认知水平，再与专家知识结构对比，从而灵活调整学生个体的学习目标。

学习目标的制定一定要符合学习者现有的学习水平，否则会制约优等生的发展，也会给后进生带来一定的学习压力。实践证明，在测评大数据的支持下，教学目标的制定能够更加紧密结合实时学情，更加精准； 学习目标的制定则更加贴合学生当前的认知水平，更加个性化。

（三）动态组织教学内容

动态组织教学内容，是基于测评大数据的有效教学框架的重要环节，它是按照一定的方式方法将分散的内容组织成具有一定结构的整体，将教学内容有机组合在一起教授给学生[19]。在传统教学中，教学内容的组织存在固定不灵活的问题，如何基于测评大数据有效动态组织教学内容，成为解决该问题的有效方法。

1.传统教学内容组织的应用现状

在传统教学中，教学内容的组织存在两个问题。其一是教学内容按照学期初的安排固定不变，较少灵活调整。教师通常在学期初依照教学大纲制定好本学期的教学安排，每节课的教学内容随之确定，甚至会出现连续两年教授内容相同，则延用去年教学内容组织的情况。其二是教学内容的组织不以学情分析为基础，模式化问题严重。教学内容通常依据教学大纲的安排来组织，缺乏对班级整体和学生个体教授内容的个性化定制，使得课堂时间并没有被更科学有效地利用，这导致有效教学难以实现。依据对学生测评数据的分析，有效调整教学内容，选择适宜的组织方式，能够促进有效教学的实现。

2.动态组织教学内容的操作策略

在测评大数据分析的支持下，教学内容的组织有两个依据，一是学科教材，二是学生测评数据的分析结果；教学内容的组织不再是固定不变的，而是综合学生当下学习状况进行动态调整。教学内容的组织主要包括复习巩固内容和新课讲授内容的确定，具体步骤为：

第一，复习巩固内容的确定，教师根据系统提供的班级学情分析报告，根据已经定制的班级教学目标，选择还未达到教学目标的核心知识着重复习，精准定位班级知识薄弱点，定位本节课应该着重复习巩固的教学重难点；第二，新课讲授内容的确定，教师通过查阅系统绘制的专家知识图谱，确定本节课教学内容中核心知识之间的关系，确定新知识的最优讲授顺序；第三，重新定位教学重难点，教师通过追踪“班级核心知识掌握情况”折线变化图，确定学生学习时遇到的困难点，并根据学生的实时测评数据来确定该单元的教学重难点。

教学内容的动态组织，不仅可以帮助教师有效开展课堂教学，同时，也可以帮助教学管理者重新审视和编排教学内容。教学管理者可以通过查看全市各个学校各个学科各个单元的学情分析报告，根据学生在每个知识单元的掌握情况，确定其知识薄弱点，据此重新定义教材中的教学重难点。这使得在一线教学中获取的基础测评数据，不仅能够帮助教师教学，更能扩展应用于基础教学资源的有效优化。

（四）灵活调整教学策略

灵活调整教学策略，是教师基于测评大数据的有效教学框架，开展课堂教学的关键性支架。它是教学过程的总体描述，是对学习者、教学目标、教学内容、教学环境等诸多因素综合分析后，得出的一系列可供选择的教学策略。教学方法是教学策略的具体实施手段，比如，在实施“激发学习动机”的策略时，需要运用“引发学生悬念、设问求答或呈现图片”等方法。以下主要阐释教学策略的应用现状，以及在测评大数据的支持下，如何灵活调整教学策略的具体操作策略。

1.教学策略的应用现状

教学策略是教学前的“总括性计划”，而教学方法是教学过程中各个具体的教学活动[20]。在传统教学中，教师通常会在课前根据教学条件制定教学策略，根据教学内容选择具体的教学方法，预先设定好教学活动的顺序，教学流程通常依据最初制定的内容一成不变；在教学过程中，教师通常会根据自身教学经验对学生学习行为或者情绪反应进行主观判断，据此简单调整教学策略。这种方法的弊端显而易见，它要求教师具备非常丰富的教学经验以及教学判断能力，需要教师同时考虑到整个班级至少五十个学生的行为或情绪反馈，这无疑增加了教师的教学负担，而且仅凭教师的主观判断很容易出现判断误差，无法保证教学的有效性。

2.灵活调整教学策略的操作策略

在测评大数据的支持下，教师可以在教学过程中随时获取学生的测评数据，及时灵活地调整适合当下教学情境的教学策略。比如，在镇江外国语中学的数学课堂上，教师和学生在智能平板和“极课大数据” 系统的支持下开展教学，教师端布置一道测试题，学生使用平板作答，系统会对答题数据实时分析并直接传送至教师端；教师查阅学生作答情况，并据此调整接下来的教学活动顺序。

我们通过对一线教师的访谈，发现他们在使用测评数据时，通常会选择正确率低于80%的题目进行讲解，会选择作答正确的同学上台分享自己的思路与解决方法，选择作答错误且错误类型较为典型的同学分享自己的错误原因。在分享的过程中，同学之间可以互相学习，学生成为课堂活动的主角，教师则成为关键教学活动的组织者与协调者；在课后，教师会根据错误名单为学生提供一对一的指导，进一步提高了教学的针对性。因此，在测评大数据的支持下，课堂上实时获取学生测评数据，可以帮助教师轻松地了解班级和个体学生的学情，随时灵活调整课堂教学策略、安排教学活动，从而促进有效教学。

（五）即时评价与个性化反馈

即时评价、个性化反馈，是基于测评大数据的有效教学框架，为学生提供的基础学习支持服务。它能够帮助学生及时了解自我学习状况，发现自己的知识能力薄弱点，从而有针对性地制定学习计划，更加有效地学习。因此，这个环节在促进学生有效学习中发挥着重要作用。

1.学习评价与反馈的的应用现状

在任何教育领域和教育阶段，学习评价都是评估教学和学习效果的重要方法和途径，也是教师、学生、家长群体都十分关注的教学环节。然而，传统学习评价仍然存在一些问题，比如，过多关注总结性评价，侧重学习评价的结果，缺乏过程性评价，忽视了学生认知建构和知识理解过程的评价； 以及评价方式单一、评价维度局限的问题[21]。以致于师生和家长都只关注成绩与排名等较为表层的评价信息； 学生被迫形成了机械记忆、侧重应试的学习习惯；家长也武断地将成绩排名，等同于对学生知识能力的评价，最终导致学生高阶思维能力培养的缺失。

学习反馈是学习评价和学生发展之间的桥梁，有效的学习反馈能够帮助学习者正确解读评价信息，保证学习效果，提升教师教学水平。在传统教学过程中，教师往往会忽视学习反馈环节，将学习评价结果等同于学习反馈内容，直接呈现给学生和家长。同时，传统教学由于受到时间少、学生多、任务重等条件的限制，学习反馈以成绩排名及正误信息为主，系统性反馈以周期为单位，反馈形式通常以成绩单为主载体[22]。因此，传统教学中的学习反馈存在反馈维度单一、反馈内容表层、教师主观性强、反馈时效性差等弊端。

2.即时评价、个性化反馈的操作策略

基于测评大数据的学习评价与反馈打破了时空的阻碍，实时收集学习者学习数据，对采集到的学习过程性和结果性数据进行挖掘分析，而后基于系统的交互功能即时为教师提供学习评价结果、 为学生提供学习反馈报告。学习评价的结果可以帮助教师进行教学设计[23]，学习反馈的内容可以帮助学生自我认知、自我反思、有效学习。基于测评大数据的学习评价，可以常态化采集学生的测评数据（练习、作业、测试等），对测评数据的常态化采集与分析，可以汇总学生的学习过程性数据，相当于过程性评价，这使得教师可以随时随地了解班级/学生当下的知识掌握情况、知识理解水平、学科能力发展水平，不仅仅关注量化的学习成绩，更加关注质性深入的学习评价维度，从而指导更好的教学设计。

多年来，我们所在研究团队开展了测评大数据支持下的学习反馈研究。结果表明，这种技术支持下的学习反馈能够有效改善反馈的时效性问题，在反馈时机、反馈来源、反馈频率、反馈形式上，都为学习反馈带来了较大的变革。

测评大数据支持的学习反馈内容，包括学习者当前学习状态（基本成绩信息、知识点信息、学习变化信息、错误原因信息）、学生的个性化学习目标（主要依据学生个体当前学习状态，制定符合学习者认知水平的个性化学习目标）、促进学习者达到目标的学习方法与策略（多以教师建议或相关资源推送等形式实现）三部分；反馈频率达到“有练习即反馈”的频率； 反馈呈现方式以各种易于理解的可视化图表来呈现（比如，知识点掌握率使用折线图，错误原因使用条形堆积图等），以帮助学生了解自己的学习状态，更好地进行学习反思。

我们在一线教学中应用上述反馈模式进行了教学实践，发现学生认为基于测评大数据的学习反馈，能够有效帮助他们认识到自己的学习症结所在，从而学习效率得到明显提高。这也印证了加涅有效教学思想中所提到的，教师要让学生有更多机会获得学习反馈，而且反馈得越清楚、越具体，学生的学习效果越好[24]。

（六）推荐个性化学习资源

推荐个性化学习资源是提升学生学习效果的利器，是基于测评大数据的有效教学之必然环节。它能够满足学习者个性化的学习需求，从根本上促进个性化学习的实现。

1.传统学习资源提供的应用现状

在传统教学情境中，我国仍以经典的班级授课制为主要教学模式，由于班级人数众多，教师很难凭借一己之力实现因材施教。学习资源的提供通常是标准统一化的，以年级或班级为统一整体，分发相同的学习资源，忽视了学习者的个性差异和不同的学习需求。目前，已有一些智能教学辅助系统，尝试为学习者提供个性化学习资源的服务。然而，通过对市面上已有的提供个性化推荐服务的智能教学系统进行调研，以及对使用用户进行访谈，我们发现，这些智能教学辅助系统的个性化资源推荐服务，存在推荐原理脱离教学原理、推荐功能简单、推荐内容单一且不符合学生学习需求、推荐资源质量不高等问题。

2.推荐个性化学习资源的操作策略

在有效教学框架前五个环节的基础之上，我们从理解的视角，提出了基于测评大数据的个性化学习资源推荐策略。同时，通过对一线教师和学生的访谈，确定了推荐内容的维度，主要包括：错题解析、知识点再现、巩固练习和课前预习四部分内容。错题解析能够帮助学生认识到自己的知识薄弱点； 知识点再现能够帮助学生重新学习自己的知识薄弱点；巩固练习能够帮助学生弥补自己的薄弱之处，并进行有针对性的提升练习； 课前预习则能够有效地让学生提前了解下节课内容的重难点，并提前做好上课准备，教师也可以通过课前预习的数据了解学生学情，进行有效教学设计。具体来说，个性化学习资源推荐的具体步骤如下：

第一，建设高质量学习资源库。在专家和权威教师构建的领域知识模型基础上，为每一个核心知识配置高质量的学习资源库（例如，微课、测试题等），并为每一个核心知识和学习资源都打上标签，标注理解水平（目标）等关键属性。高质量的学习资源库是为学生推荐符合其学习需要的个性化学习资源的基础保障。

第二，根据学情分析报告推荐个性化学习资源。采用基于知识的推荐算法，通过计算学生对每一个核心知识的掌握水平与目标水平的差距，为学生推送符合其认知水平的学习资源。例如，若某同学核心知识A 的认知层级达到记忆，学习核心知识A 的目标理解水平为应用，则为学生推送核心知识A 在“领会”“应用”层级的练习；若某同学核心知识B 的认知层级甚至还未达到记忆，则为该同学推荐核心知识B 的微课学习资源，完成学习后检测其认知水平，经过迭代循环，达到核心知识的学习目标后，则学习与该知识关联的下一个核心知识。

第三，采集、分析测评数据的迭代个性化推荐。系统会及时采集每一位学生被推荐的个性化学习资源的学习数据，迭代循环进行学情分析、学习目标制定、教学内容组织、教学策略选择、学习评价与反馈、推荐个性化学习资源。

研究团队选取杭州某高中一年级信息技术基础课程第二章“程序设计内容”，进行学习资源个性化推荐的实践研究。经过两轮教学实践后，班级整体的知识理解水平都呈显著性提高，整体成绩也由年级第8 名逐步上升到第2 名。实践还表明，个性化学习资源的推送，适合中等难度以上的知识点，学习者的理解水平在资源推送过后会有明显提升。通过问卷调查与访谈，课程教师和学生对个性化学习资源的反馈效果良好。教师认为它大大提高了学生的资源利用率，解决了统一作业互相抄袭的问题，明显提高了学习者的学习积极性，主动问老师问题的学生数量明显增多； 学生则认为个性化学习资源给予他们独一无二的被关注体验，激发了他们的学习动力，会主动获取个性化的学习资源以弥补自己的知识薄弱点。由此可见，从理解的角度出发，以学生的知识掌握水平为依据，推荐个性化的学习资源，是符合学生的个性化学习需求的。

四、总结与展望

如何促进信息技术逐步从影响教育发展的外生变量，转变为引发教育深层次系统性变革的内生变量，是教育信息化2.0 的本质内涵。我们认为，教育大数据的研究运用，应该以实现有效教学为目标，重在分析课程、诊断教学、优化课程、引导学习。基于测评大数据的有效教学框架，旨在精准诊断教与学的问题，科学制定教学策略；即时评价反馈，不断优化教学过程；智能推荐个性化的学习资源，追求因材施教，最终实现有效教学。

本文所提出的框架，主要是我们通过历时两年多的“极课大数据”应用案例研究和理论推演构建而成的。在下一步的研究中，需要在更多的课程中加以应用，以验证其科学性、有效性，并进一步修正和完善系统。另外，在具体的应用过程中，不仅需要硬件设备与软件平台的有效支持，更需要教师和学生具备良好的信息素养。希望本研究能为相关研究者、智能教育系统开发者以及一线教师，提供一些借鉴。