问题与优化：课堂精准教学实践的现实审视与反思

秦丹　张立新

[摘   要] 精准教学是教育信息化2.0时代背景下以大数据、人工智能技术应用为核心的数据驱动型教学的典型代表，已逐渐形成由精准学情分析、精准目标分析、精准内容分析、精准路径选择和精准教学干预等核心环节构成的一般教学流程。以精准教学实践在不同发展阶段所依据的学习理论和技术基础的不同，提出精准教学1.0和精准教学2.0概念，并分别对其内涵和教学实践路径进行解析。在此基础上，对当前精准教学实践中呈现出的学生观、教学观以及教师能力三个维度进行学理性反思，提出：在学生观上，精准教学应尊重学习者作为一个生命实践体的本质属性，而非简单的数据集合;在教学观上，精准教学应突破“特殊认识活动论”的分析框架，努力在预设性路径和生成性路径之间寻求切实的平衡点;在教师能力维度上，为保证精准教学的有效实施，应将数据素养作为教师必备的能力结构之一。

[关键词] 精准教学; 大数据; 人工智能; 生成性教学; 数据素养

[中图分类号] G434            [文献标志码] A

[作者简介] 秦丹（1981—），女，山东莱芜人。副教授，博士研究生，主要从事信息化教与学的理论与实践研究。E-mail：qin_et@126.com。

一、引   言

随着教育信息化2.0时代的到来，以人工智能、大数据及区块链等为基础构建而成的智能环境，不仅改变了教与学的方式，而且已经开始深入影响教育的理念、文化和生态[1]。探索智能环境中的教育教学创新、推动现代信息技术与教育教学的深入融合，是凸显教育信息化作为教育系统性变革内生力量的重要举措。在国家教育政策的宏观引领下，大批以新技术应用为核心的教学实践探索开始涌现，基于大数据和人工智能的精准教学便是其中之一。以浙江省为例，在2018年12月17日颁布的《浙江省教育信息化三年行动计划（2018—2020年）》中，已明确将面向基础教育的精准教学行动作为未来三年教育信息化建设工作的主要任务之一，提出开展100个区域和学校整体推进智慧教育综合试点、300个基于技术的精准教学试点和1000个基于技术的教与学方式变革试点，形成一批精准教学示范典型的建设目标，积极探索基于学情精准诊断的个性化资源推送以及数据驱动的学业诊断和评价等方面的具体实施方式[2]。

但是由于前期理论研究的匮乏，实践中的精准教学始终没有脱离行为主义学习理论指导下的 “刺激—强化”范式，具体表现为：强调利用技术创建题库，并在学生作出反应后给予即时反馈，以实现获取知识和技能的低阶目标;侧重于将复杂的教学内容分解，并以此为基础建立小步调学习路径，忽视了知识的整体性特征以及教学的动态性特征;强调通过技术手段对学生进行精准画像，并以此作为精准教学活动的基础，忽视了学习者是一个完整的生命体而非简单的数据集合;关注在海量数据的支持下对教学进行“预测”而非“洞察”，使教育工作者容易走上“唯数据主义”的发展道路[3]。究竟该如何看待以数据驱动为核心的精准教学实践，它是否与教育教学以及学习者发展的基本规律相适应，如何在精准教学中建立新技术与教学过程相互融合的适切性发展模式，如何审视精准教学过程中教师的角色与能力，如何推动精准教学从“智能教育”发展范式进入“智慧教育”[4]发展范式等问题，成为精准教学普及推广过程中必须面对和思考的问题。基于此，本研究在对不同阶段精准教学内涵进行解析的基础上，提出了精准教学1.0和精准教学2.0的概念，从当前精准教学所呈现出的学生观、教学观以及教师观三个维度进行学理性反思，并对如何优化精准教学实践提供相关建议。

二、从1.0到2.0：精准教学的前世今生

（一）精准教学1.0

20世纪60年代，奥格登·林斯利（Ogden Lindsley）发现在自由操作的实验室条件下观察、记录被试行为的频次和响应速度等数据，并以此为依据调整被试活动，将有助于获得更好的学习效果[5]。他将这一实践过程与斯金纳的行为主义学习理论相结合，形成了早期精准教学方法的雏形[6]，旨在通过设计测量过程来追踪学生的学习表现并支持数据决策，在实践应用中逐渐发展成为一套用于评估教学方法有效性的框架[7]，是精准教学1.0的典型代表。

1. 理论基础与实施路径

精准教学1.0以行为主义学习理论为基础，侧重于通过对教学的精细化设计来建立外部环境刺激和个体行为之间的联系。这一时期的精准教学强调将复杂的教学任务分解为精细的小知识点，并以此为基础建立学习的基本路径，强调建立清晰可观察、可测量的小目标，并且在学习者作出反应后立即给出反馈以调整学习路径，帮助学习者及时改正错误行为或强化正确行为（实践路径如图1所示）。

2. 支持技术与评价标准

精准教学1.0需要教师通过技术手段完成对学生可观察行为的记录与测量。因此，这个阶段的精准教学大量使用标准变速图表的行为记錄与分析工具作为支持技术，记录单位时间内学习者出现正确行为的频率，保证教师可以在教学中随时监测学生的学习发展并及时调整自己的教学行为。在评价标准上，精准教学1.0借用了斯金纳理论中的“反应率”和“累积反应记录”两个概念，将学生的行为表现作为评估学习有效性的最佳检测指标[6]，建立了用流畅度（Fluency）衡量个体学习发展情况的基本工作思路。流畅度包括准确性和速度两个基本维度，可以从持久性、耐久性、稳定性、应用性和生成性五个方面对个体行为加以考察。

在20世纪70年代，处于1.0发展阶段的精准教学在美国的佛罗里达州、华盛顿州以及加利福尼亚州等多个区域被广泛应用[8]，被证实在提高学习成绩、节省学习时间以及在帮助严重残疾学习者方面具有高效性[9]，尤其在阅读、数学等教学中表现出了巨大的优越性[10]。但是由于理论基础本身的局限性，1.0时期的精准教学过度强调行为结果，容易忽视学习者内在学习条件的作用，忽略了学习行为过程与个性化发展[11]。同时，本阶段精准教学所使用的技术具有明显的局限性，需要教师和学生定期记录自己的行为数据、填写相关表格并绘制趋势图，操作相对繁复且容易出错，这也导致了精准教学无法大规模推广和常态化应用。

（二）精准教学2.0

20世纪末，人类社会进入信息化发展阶段。随着现代信息技术与教育教学相互融合程度逐渐加深，教育领域开始汇集了规模更大、速度更快、类型更丰富的海量数据，这不仅给人们提供了看待教育的新视角，而且推动着人们通过数据发现教育状态、探索教育教学活动规律、引导教育教学行为向着更加科学化和理性化的数据密集型科学范式[12]迈进。在此背景下，以大数据为核心支撑技术的精准教学进入2.0发展阶段，成为数据驱动教学范式[13]的典型实践代表之一。精准教学2.0不仅延续了1.0时期对学习测评和教学决策功能的关注，而且将“科学取向”[14]的教育思想借由技术应用渗透到教学活动的全过程，通过对教学数据的挖掘和多元分析，实现利用技术和数据辅助教师更精准地教、学生更精准地学。

1. 理论基础与实践路径

在精准教学2.0发展阶段，先进的信息技术帮助教师和学生摆脱了繁重的学习记录工作。精准教学的相关研究与实践开始逐渐普及，出现了精准教学活动生成性设计模型[15]、分层精准教学体系[16]、面向个性化学习的精准教学模式[17]以及大量以数据驱动为特征的精准教学探索[18-19]，是对理论和实践领域中教育应该更加科学化和精确化[20]诉求的积极回应。相比于1.0阶段，以建构主义学习理论和联通主义为基础的精准教学2.0应具备以下特征：在教学目标的制定上，不再只局限于强调以知识和技能的记忆与理解为核心的低级能力培养，应开始转向如何帮助并引导学生实现分析、评价、创造等高阶能力养成，最终形成适应未来生活的核心素养;在教学内容上，精准教学2.0提倡要给学生提供完整的知识地图，而且帮助学生将大量与教学内容相关的碎片化、生成性信息整合进课堂教学，构建一个动态生成的知识网络;在教学路径上，应实现借助学生学习情况即时数据分析的结果进行个性化路径的推送，真正做到因人而异、因内容而异;在测评与干预环节，精准教学2.0应通过学习者画像对采集到的原始数据进行数据挖掘后完成标签化处理[21]，并以此作为精准评估学习者学习能力的依据，对学习者的学习反应给予及时反馈，以修正其错误或调整教学活动的节奏与方向。

2. 技术支持系统的理论模型

精准教学2.0是以大数据应用为核心形成的教学方法。大数据的内涵一般可以从三个方面加以理解：其一，指数据量巨大、来源多样和类型多样的数据集;其二是新型的数据处理和分析技术;其三是运用数据分析形成价值[14]。教学中的数据主要由教师教学数据以及学生的学习和行为数据组成，既可以来自于某个教师和学生，也可以是针对某個教师或学生群体的群体数据。课堂教学中的精准教学以大数据、云计算、数据挖掘等技术为支撑，通过统计分析、预测分析、行为分析等处理方法，对从访问层获取的大量教学中产生的数据进行处理分析，并最终形成针对教师或学生的具体应用形式，如：针对学生的个体画像、群体分层建议、学习结果诊断报告和个性化学习路径推荐等，以及针对教师的个体画像、教师绩效统计与分析报告、个性化教学路径推荐等，精准教学2.0的技术支持系统理论模型如图2所示。

三、对精准教学实践的审视与反思

以大数据为代表的现代信息技术推动了精准教学从1.0到2.0的发展与优化，在对教学过程中产生的数据进行收集和分析的基础上，实现了精准学生画像、精准教学目标定位、精准教学内容切分、精准教学路径预设以及精准教学测评与干预，是数据驱动教学思想与理念的典型代表。但是在具体实践过程中，精准教学往往还停留在利用技术完成课堂练习评测、反馈以及网络阅卷等方面的工作，人们对技术应用优越性的关注往往大于对教育教学本质规律的关注。应如何正确认识对教育教学进行精确性、精细化处理的实践尝试，精准教学所倡导的“精准”是否符合教育教学规律的一般要求，由新技术支撑的精准教学是否已经真正成为一种新的教学范式，是否能与教师专业发展相契合。本研究将从学生观、教学观以及教师观三个维度阐述对精准教学实践的审视与思考。

（一）对精准教学学生观的审视与反思

1. 对将学生作为数据集合的理性反思

如何看待学习者一直以来都是教育教学理论体系中的核心问题之一。实践中的精准教学在现代信息技术的支持下，不仅可以全面、精准、迅速地记录学习者学习行为和结果的数据，而且可以对学习者个体和群体的学习状态、学习习惯以及学习风格等方面的数据进行收集与整理，形成一个整合学业数据和个人数据的个体数据集。在这一过程中，学生原本的生命形态被简单解构为由多个侧面构成的数据集合，并以此对学生未来学习和发展情况进行预测。这种对学习者认识的实践构建方式存在两个方面的局限性：

第一，精准教学中的学生分析是建立在大数据技术应用基础之上的，大数据技术以概率论作为理论支撑，但依靠概率论得到的总体特征无法还原个体的具体特征[22]，个性化教学难以有效开展，这也是大数据技术本身的局限性所在。正是由于这一点，实践中的精准教学往往止步于班级中的分层教学，特定适合小班级差异化的教学、小团队创新性的项目研发[17]。另外，精准教学强调对学生个人数据进行收集的核心目的在于根据这些数据为知识获取提供相关建议，依然局限于探讨如何通过技术为学生的知识获取提供便捷服务，是典型的“知识中心论”指导下的实践方式。

其二，学习者本身是一个处于不断发展变化过程中的个体，当将他们在学习过程中所生成和积累下来的各类数据作为教学分析和设计的起点和基础时，应考虑数据生命循环过程的时间特性和情境内涵在预测过程中的作用。当前的精准教学实践利用在某个静止时间节点获取的去情境化数据，预测学习者未来可能的发展趋势，甚至给学习者贴上某些特征标签。这一做法忽视了学习者发展的动态性和变化性特征，削弱了依靠大数据分析、洞察教育的实践需求，本身就存在局限性。

2. 对从知识与技能提升到完整生命体培育的反思

工业革命初期，马克思在论述工人及社会生产效率问题时就曾指出，人是以“一种全面的方式，也就是作为一个完整的人，最终占有自己的本质的”。关注学习者全程发展和全面发展一直以来都是教育所追求的目标。近年来，为了应对社会发展变革对未来从业人员提出的新要求，教育作为最主要的社会人才输入渠道也在不断进行自我调整，力求将社会需求与学习者个体需求相结合，逐渐形成了清晰和被广泛接受的育人目标与学生观。在美国国家研究院2012年发布《为了生活和工作的学习：在21世纪发展可迁移的知识与技能》，以及2016年美国国家教育技术协会提出的ISTE学生标准中，对未来学习者的要求和描述中可以看到，未来社会需要的学习者不再是马尔库塞所描述的“单向度的人”[23]，知识获取也已不再是学习单一的核心任务。我国基础教育改革在经历了从“双基”到“三维”再到“核心素养”的教学目标变革过程中，逐渐明确了将“学生应具备的适应终身发展和社会发展需要的必备品格和关键能力”作为育人的根本目标，强调个体在面对复杂的、不确定的现实生活情境时，能够综合运用特定学习方式所孕育出来的（跨）学科观念、思维模式和探究技能，结构化的（跨）学科知识和技能，以及世界观、人生观和价值观在内的动力系统，进行分析现实情境、提出问题、解决问题、交流结果的综合性品质[24]，引导我们真正从人的整体性、具体性、丰富性等角度重新思考学生、定位教育。

以此反观精准教学的实践现场。一方面，行为主义学习理论中强调建立刺激与反馈之间联结的初衷，使得精准教学更关注通过重复性的“刷题”提供频繁的刺激进行精准诊断，并在即时反馈的基础上推送相关知识点的“微课”实现对学生学习的精准干预。学习者成为被动的知识接收容器，在大量习题和练习提供的外部刺激中重复进行知识与技能的强化，忽略了学习者内部的学习过程、思维的个体差异性以及情感态度等非智力因素对学习的影响。这种单纯强调学习者认知能力重要性的做法，是近代理性主义哲学和主知主义教育主流思想的集中反映。另一方面，精准教学所追求的行为频率目标（Frequency Aim）将其效用局限在以知识和技能为核心的认知领域教学目标的达成上。实践中的精准教学虽然能够帮助学习者高效地获得知识和技能方面的强化与提升，但却将学习者的认知功能从其生命养成的整体中人为地剥离开来，忽略了教学在学习者作为“完整生命体”培育过程中的实践意义，与当代教育倡导的培养“全面发展的人”[25]的教育理念以及教育未来发展方向有所偏离。

精准教学作为一种先进的教学方法，应尊重学习者作为一个生命实践体的本质属性，而非简单的数据集合。无论是否有先进技术的介入，教育都是一个以人为研究对象的实践领域，教学面对的是一个个整体而又性格各异的人，而不是由各种数据简单组合而成的人。只有在生命实践体理念的观照下，精准教学才更有可能站在生命养成的高度去理解学习者，关注学习者发展的潜在性、主动性与差异性;才更有可能脱离行为主义学习理论指导下以知识和技能的获取作为学生成长核心要素的局限，而将学习者情感态度等方面的培养置于与知识技能获得同等重要的位置上，而非僅仅是一种促进知识技能获取的条件出现在课堂教学中;才更有可能将技术支持的课堂教学置于动态生成的理念之中，让课堂教学不仅具有技术的基因，而且具备生命的活性。

（二）对精准教学教学观的审视与反思

在海德格尔看来，技术所到之处，无不构造着人与自然、人与人的某种新关系。精准教学一直在尝试利用先进的信息技术建立数据驱动的教学范式，以应对理论界和实践界对教育更加科学化和精确化的追求[20]。但是我们在实践现场却发现，大量新技术的应用非但没有变革已有的传统教育旧结构，精准教学反而局限于工业时代主导的科学主义教学范式[26]当中，认为教学在正式开展之前，其路径和结果便已设定好，并且是可以通过无限次精确的重复验证的，教学的方法和理论无一不是普适而绝对科学的，这也使得实践中的精准教学成为预成论[27]视域中的典型代表。

目前精准教学在实践中形成了由数据采集、数据分析、教学分析、教学实施以及教学干预几个环节构成的一般教学流程（如图3所示）。在教学内容的处理上，精准教学秉承了传统教育的基本思想，认为教学内容不是随意、自发产生，而是经过选择和教育学加工的人类已经创造出来的最基本的文化知识。为了帮助学习者达到学习效率最大化，在精准教学中倡导建立知识点的网络体系，形成明确而精准的知识层级关系和整体结构，并为每个知识点建立评测点。在教学路径上，精准教学以事先确定的知识逻辑关系为核心，确定教学呈现的基本顺序及学习补救内容的范围与路径，实现知识接受效率最大化以及教学的有的放矢，体现出了教学过程是有目的、有计划、有组织的活动过程的基本思路。在教学诊断上，从多维细粒度分析学生掌握知识点的程度，并以此为依据锁定不熟练的知识点，调整授课节奏，实现靶靶中心的精准施教。在教学评价上则更倾向于在教学现场通过柱形图、饼形图或者雷达图等方式，展示学生答题情况，通过即时反馈的方式帮助学习者强化知识习得，并以在单位时间内教师传输和学生接受知识的量的多少作为评价教学有效性的唯一标准。这一实践中的做法，使得当前的精准教学仍然停留在1.0发展阶段。相比于早期经典教学，例如斯金纳提出的将教学目标进行结构化分析、并以此为基础将教学的要素从简单到复杂进行最优顺序排列的渐进式教学，以及加涅在信息加工理论基础上提出的学习层级模型而言，当前的精准教学实践仅仅完成了支持工具的更新换代，但其以科学、理性为特征的预成论教学理念并未产生质性创新与变革。

与预成论的教学思想不同，在课程与教学的后现代转型中，人们对于教育教学的认识发生了巨大变化。教学是一个在教育环境中实际发生的事情，不是理性上计划好要发生的事，而是一个由教师和学生在课堂交互过程中共同建构的生成性过程。后现代主义的代表人物多尔曾明确表示，后现代教学是生成的，而非预先设定的，它并不意味着某种绝对真理，相反，却赋予了每个人探究与理解的权利[28]。生成性教学思想不否认知识的学习和传授，但更强调知识的意义和价值在于学习者能够在学习知识的过程中不断参与并创造新的知识，教学的意义则表现为从关注单向度的知识获取转向关注学生的全面发展。把知识作为教学目的还是达成教学目的的手段，是区别控制性、传递性教学与生成性教学的重要标准之一[29]。以此反观精准教学实践，固化的知识、预设的教学路径、即时测评与反馈等做法，使它始终难以脱离传统教育中将教学作为一种“特殊认识活动论”[30]的分析框架。大量先进信息技术的应用在某种程度上强化了这一特殊的分析框架，大数据将复杂的生命个体还原为可以分解的数据集，将产生于经验的知识从具体的话语情境中剥离，力求在短时间内批量生产具有某种技术或知识的人。这一做法所强调的“预设性”“程序化”的实施机制，及其背后所蕴含的工具理性的价值取向，使得精准教学止步于以科学、理性为特征的教学范式，在从本质主义思维向现实关系思维和生成性思维的教学思想转化过程中举步维艰。

教学是一种基于知识而进行的人与人之间交流的反思性实践，而非一种重复的技术性实践[31]。强调教学的动态生成性，倡导教学过程应回归生活世界，体现人的生命价值，是教育在“一切将成”的现代哲学生成性思维下作出的发展变革。因此，我们认为，精准教学应努力跳出将教学看作一种“特殊认识活动论”的分析框架，努力在目前遵循的预设性路径和生成性路径之间寻求切实的平衡点。需要注意的是，生成性路径所倡导的“生成”并非是对当前精准教学“预设”路径的全盘否定，而是以此为基础进行有目的、有计划的生成，而非随意、自发的。这也就意味着，一方面精准教学要将技术应用于数据分析的优势最大化，从知识的角度给出合知识结构（逻辑）的教学路径建议;另一方面，也需尊重学生学习的个体差异性，以及教师教学的自觉性和主动意识，努力将数据分析结果的科学性与教师教学智慧的灵活性相结合，形成具有弹性的教学选择。

（三）对精准教学中教师专业发展的审视与反思

随着大数据技术与传统教学融合的逐渐加深，学校教育中的海量数据被广泛收集与整理，数据开始贯穿于教学的各个环节，其有效应用赋予了教师“显微镜”式的观察能力、“望远镜”式的指导能力以及“导航仪”式的指导能力[32]。但是我们在精准教学实践中也发现，由于技术和数据整合完成的学生画像、学习内容分析以及教学路径设定的便捷性和易获取性，教师开始过于依赖利用技术和数据分析的结果，长久以来形成的“观察学生情况—发现学习问题—分析问题产生的原因—作出临场教学决策”的创造性工作逐渐被现代信息技术环境裹挟，由技术替代教师完成分析、决策等工作变得理所应当。教师在教学中应具备的分析能力、主动意识、主导性和创造性等教育教学智慧被打上明显的技术烙印。从这个角度看，如果教师无法正确认识数据驱动下的人—机协同工作环境，无法形成利用数据为自我服务的意识，而是放弃或弱化自己作为教学工作主体的教学自觉性与教学智慧的积极作用，甘愿充当技术和数据支配下的执行者，其教学能力和教学方式势必发生变化，成为技术与数据应用的附属品。因此，在精准教学红火的实践推进过程中，必须思考新一代信息技术对于教师的影响，思考如何在新的教育生态系统中重塑教师与技术的关系，思考如何进行合理的人—机工作分配，以及达到技术智慧与个体（教师）智慧的协同。

同时，如果在教学过程中教师的任何判断、决策都完全依赖数据，其教学就极有可能走向唯数据论的发展方向，但是实践中的大数据往往没有我们所想的那么可靠[33]。一方面，目前精准教学实践中的数据往往来自于学生的学习测评结果（例如某个题目的正确率/错误率、答题分布情况等），集中于对学生知识掌握情况的统计与呈现，很难真正做到全程全面数据的采集与分析。另一方面，在精准教学中强调大数据的使用，意味着让教师和教学管理人员以放弃理解“为什么”为代价换取对“是什么”的把握，技术的使用在某种程度上剥夺了教师在教学实践中的主动思考与观察，其注意力开始从传统教学中关注现象发生的深层原因探析，转移到关注事物之间的相关性以及如何利用这种相关性解决实际的教学问题。为了更好地应对这些技术带来的挑战，以著名学者范霍夫为代表的研究者开始呼吁将数据素养的培养融入教师专业发展体系[34]，着力于优化教师的数据意识与伦理、数据基础知识、数据处理技能以及数据思维方式等方面的能力，使其在面对教学过程中产生的海量非结构性数据时，能够主动挖掘隐藏于其中的丰富价值，建立不同数据之间的关联关系，并将其转化为有教学价值的知识，最终形成数据智慧[35]，能够真正做到让数据分析为教学服务、为学生服务。

四、结   語

精准教学是伴随着大数据和人工智能等先进技术在教育中应用逐渐深化而产生的又一次教学实践探索。本研究以精准教学所依赖的学习理论基础以及技术支持系统的不同，提出精准教学1.0以及精准教学2.0的概念，对其不同发展阶段的理论内涵与实践路径进行解析。结合当前精准教学在实践中存在的问题，本研究从精准教学所持有的学生观、教学观以及教师能力三个维度进行了学理性分析。精准教学作为一种新的技术支撑下的教学范式，如何真正尊重学习者作为一个生命实践体的本质属性，如何通过技术应用实现预设性教学与生成性教学之间的灵活转化与兼容并存，以及如何帮助教师更好地适应数据驱动型教学中的个体自我发展，是其在实践中需要解决的问题。

[参考文献]

[1] 教育部.教育部关于印发《教育信息化2.0行动计划》的通知[EB/OL].[2019-04-26]. http：//www.ict.edu.cn/p/liaoning/tzgg/n2018050811145.html.

[2] 浙江省教育厅.浙江省教育厅关于印发浙江省教育信息化三年行动计划（2018—2020年）的通知[EB/OL].（2018-12-17）[2018-12-30]. http：//jyt.zj.gov.cn/art/2018/12/17/art_1532985_27500568.html.

[3] 陈仕伟.大数据技术异化的伦理治理[J].自然辩证法研究，2016（1）：46-50.

[4] 祝智庭，魏非.教育信息化2.0：智能教育启程，智慧教育领航[J].电化教育研究，2018（9）：5-16.

[5] LINDSLEY O R. Precision teaching： by teachers for children[J]. Teaching exceptional children， 1990（3）：10-15.

[6] LINDSLEY O R. Precision teaching's unique legacy from B. F. skinner[J].Journal of behavioral education， 1991（2）：253-266.

[7] LAMBE D， Murphy C， KELLY M E. The impact of a recision teaching intervention on the reading fuency of tpically developing children[J].Behavioral interventions，2015，30（4）：364-377.

[8] 王亚飞，李琳，李艳.大数据精准教学技术框架研究[J].现代教育技术，2018（11）：5-10.

[9] WHITE O R.Precision teaching—precision learning[J].Exceptional children，1986，52（6）：522-534.

[10] DOWNER A C.The national literacy strategy sight recognition programme implemented by teaching assistants： a precision teaching approach[J].Educational psychology in practice，2007，23（2）：129-143.

[11] 付达杰，唐林.基于大数据的精准教学模式探究[J].现代教育技术，2017（7）：59-61.

[12] GRAY J.A transformed scientific method[EB/OL].（2009-10-16）[2015-03-30].http：//research.microsoft.com/cn-us/collaboration/Fourthparadigm/4th_paradigm_book_jim_gray_transcript.pdf.

[13] 楊现民，骆娇娇，刘雅馨，陈世超.数据驱动教学：大数据时代教学范式的新走向[J].电化教育研究，2017（12）：13-20，26.

[14] 林红，彭坚，田凌晖.基于大数据的“科学取向”小学教学模式构建[J].教育发展研究，2017（4）：76-80.

[15] 彭红超，祝智庭.面向智慧学习的精准教学活动生成性设计[J].电化教育研究，2016（8）：53-62.

[16] 王永雄，丁德瑞，宋燕，张孙杰.基于创新实践能力培养的精准分层教学[J].中国电化教育，2017（12）：109-114.

[17] 张忻忻，牟智佳.数据化学习环境下面向个性化学习的精准教学模式设计研究[J].现代远距离教育，2018（5）：65-72.

[18] 凤凰网.广州一中课堂现超级计算器[EB/OL].（2014-05-20）[2017-05-11].http：//news.ifeng.com/a/20140520/40373322_0.shtml.

[19] 大山教育集团.大山教育挂牌新三板，数据驱动教学打造 K12 中原第一股[EB/OL].（2016-12-26）[2017-05-10]. http：//finance.huanqiu.com/cjrd/2016-12/9863282.html？agt=15438.

[20] U.S.Department of Education.Future ready learning：reimagining the role of technology in education[EB/OL].[2019-05-21].http：//tech.ed.gov/files/2015/12/NETP16.pdf.

[21] 陈海建，戴永辉，韩冬梅，冯彦杰，黄河笑.开放式教学下的学习者画像及个性化教学探讨[J].开放教育研究，2017（3）：105-112.

[22] 徐晔.从人工智能+教育到教育+人工智能——人工智能与教育深度融合的路径探析[J].湖南师大大学教育科学学报，2018（9）：44-50.

[23] 张斌贤.外国教育思想史[M].北京：高等教育出版社，2007.

[24] 余文森.核心素养导向的课堂教学[M].上海：上海教育出版社，2017.

[25] 《中国学生发展核心素养》项目组.中国学生发展核心素养[N].北京：中国教育报，2016-09-14（9）.

[26] 李爽，林君芬.“互联网+教学”：教学范式的结构化变革[J].中国电化教育，2018（10）：31-39.

[27] 孟凡丽，程良宏.生成性教学：含义与价值[J].课程·教材·教法，2009（1）：22-27.

[28] 威廉姆.E·多尔.后现代课程观[M].王红宇，译.北京：教育科学出版社，2000：102-105.

[29] 李雁冰，程良宏.生成性教学：教学哲学的分析视角[J].教育发展研究，2008（8）：22-26.

[30] 叶澜.“面向21世纪新基础教育”探索性研究理论纲要[J].上海教育科研，2001（2）：2-4.

[31] 阳红，程良宏，张金运.生成性教学视野下教师实践性知识的提升[J].全球教育展望，2010（11）：76-80.

[32] 杨现民.大数据提升教师教学决策力[J].中小学数字化教学，2018（5）：1.

[33] 维克托·迈尔—舍恩伯格，肯尼思·库克耶.大数据时代[M].盛杨燕，周涛，译.杭州：浙江人民出版社，2013.

[34] VANHOOF J，SCHILDKAMP K. From 'professional developmentfor data uUse' to 'data use for professional development'[J].Studies in educational evaluation，2014（42）：1-4.

[35] MCCANDLESS D. Data，information，knowledge，wisdom[EB/OL]. [2019-05-21]. http：//www.informationisbeautiful.net/2010/data-information-knowledge-wisdom/.

Problems and Optimization： Realistic Review and Reflection on Practice of Precision Classroom Teaching

QIN Dan，   ZHANG Lixin

（College of Teacher Education， Zhejiang Normal University， Jinhua Zhejiang 321004）

[Abstract] Precision teaching is a typical representative of data-driven teaching practice oriented by big data and artificial intelligence technology under the background of educational informatization 2.0. It has gradually formed a practical path composed of precise learning situation analysis， precise target analysis， precise content analysis， precise path selection and precise teaching intervention. On the basis of different learning theories and technical basis in different stages of precision teaching， this paper puts forward the concepts of precision teaching 1.0 and precision teaching 2.0， together with an analysis on their connotations and the route of teaching practice. Then ， this paper makes a rational reflection on the three dimensions of views of students， views of teaching and views of teachers in current precision teaching practice ， and proposes that in the view of students， precision teaching should respect the learner as a human rather than a simple data set. On the teaching view， precision teaching should break through the analytical framework of "activity theory for special cognition " and strive to find a practical balance between the preset path and the generative path. In terms of teacher competence， data literacy should be treated as one of the necessities for teachers in order to ensure the effective implementation of precision teaching.

[Keywords] Precision Teaching; Big Data; Artificial Intelligence; Generative Teaching; Data Literacy