基于智慧课堂的数据采集、处理与使用

平怀林 邓李君

摘   要：由传统课堂到智慧课堂，需要引入大量的信息技术，并且要实现对教育数据的智慧处理，这是学校教育信息数据面临的现实困境。走出困境的方向，应该是紧密结合教学规律和原理，结合小组合作学习、翻转课堂等新型的教学模式并与科技公司合作，构建数据的智慧采集、处理与使用方式，使数据信息化、智慧化，从而为智慧课堂教学模式提供坚实的基础，进而实现真正的智慧课堂教学。

关键词：智慧课堂;数据;采集;处理

中图分类号：G424    文献标识码：A    文章编号：1009-010X（2020）30-0039-05

相比传统教育，智慧教育能带来更加简单、高效、智能和个性化的教学体验，是教育信息化发展的必然阶段。智慧课堂属于智慧教育的一部分，但迄今为止并无统一定义。智慧课堂具体表现为以云端建构为依据，以大数据、云计算、物联网等新一代信息技术为手段，提出了基于 “云、网、端”的常态化智慧教学。在教室层面，智慧课堂构建了一个智能化的教学空间，它由多屏显示器、平板电脑、手机、答题器等信息输入器和连接互联网的教学互动软件平台构成。智慧课堂相比传统课堂，在学情数据的精准化、定量化、多样化方面，在生生互动、师生互动、人与教学资源互动方面，在基于真实数据的教学生成与实证方面，显示出極强的科学性、智慧性、高效性，因而是对传统课堂的超越，是大数据、云计算、万物互联和人工智能时代背景下的教育变革。但数据是实现智慧课堂教学模式的基础和前提，对数据的采集、处理和使用效度，成为智慧课堂成败的分水岭。

智慧课堂教学模式中，会产生大量的教育类型数据，这些数据大部分有效，小部分无效，但数据能否通过积累和挖掘，进而形成大数据，还需要探讨。本文基于数据和大数据的区别，着眼于数据层面进行探索，体现数据对于智慧课堂的价值。

一、智慧课堂数据的采集

（一）数据的分类

数据按二维表数据格式规范，分为结构化、非结构化两种类型。结构化数据包括教师学生的考勤课程数据、学生基本信息、成绩等;非结构化数据包括图片、音视频、教学案和作业等文字文本、作品等。数据按性质维度，分为静态数据和动态生成性数据。静态数据是课前固定采集的，而动态生成性数据主要指教师与学生在教学活动中产生的过程性数据，包括教师教学行为数据与学生学习经历数据 （如学生的学习行为、学习活动、学习进程等数据，学生与学习环境交互产生的数据，学生操作各种资源产生的数据，以及上述各类因素之间的关系数据等）。无论是静态数据还是动态生成性数据，都有可能是结构化数据，也可能是非结构化数据，还可能是两者兼顾，这是分类化数据之间的关系。在智慧课堂教学模式中，数据的采集以及数据处理软件和平台需要依据这样的分类，在信息技术层面实现数据的筛选、归纳、运算，同时辅之以教师人工干预和处理，这是数据分类的意义所在。在教育学的角度，结构化数据是基本教育数据，它规制着教学的目标、设计、实施、评价;非结构化的数据是主体部分，它决定着智慧课堂教学活动中小组合作学习模式的实现程度，决定着因材施教的个性化学习深度，决定着生本教学理念和教育智慧发挥的高度;静态数据为智慧课堂教学提供前置性预设的依据，而动态生成性数据的采集与分析是智慧教学研究的关键问题，采集并分析动态生成性数据能够促进学生更好地掌握知识，和数据的分类研究，出发点是教育学原理，指向学生的学习这一根本目的，它是数据采集和后续工作的先决条件。

（二）数据采集的硬件与采集方式

智慧课堂数据的采集硬件包含所有常规教学的设备，同时还有常规教学之外的新设备。主要包括电脑、手机、录音摄像设备、扫描仪、理科实验传感器、智慧课堂系统的答题器和输入器等。同时还包括采集所需的网络传输设备，网络传输的速率直接决定了采集的效率。“工欲善其事必先利其器”，本校引进了移动5G网络，5G校园无线网的全覆盖，较以往的有线传输不仅更方便，而且实现了图像、音视频大型数据的高速传输，传输速度比有线网络快好几倍。

采集方式主要有基于课中智慧课堂系统的平板电脑文字、图片、表情符号、音视频摄录输入、答题器等动态生成性数据输入;基于课外的网络问卷调查、在线测评系统、基础信息采集、扫描阅卷系统、学生综合素质评价系统（手机或电脑）结构化及非结构化数据输入;基于泛在学习的二维码入口的批改作业信息评定扫码、各种课外学习活动表现评定扫码输入等。例如，本校将普通的二维码技术升级，采用了QR码，QR 码是二维码的一种类型，比普通条码可存储更多资料，扫描读取时也更容易操作。利用QR 码生成器生成 QR 码，打印出来粘贴在学生的书本、课桌、作业本、教师备课本等，实现更方便的数据采集。数据采集方式的多元化，体现出智慧课堂数据集采的灵活性、多样态，符合智慧课堂的多元共生的智慧特质。

（三）数据采集的内容

智慧课堂数据采集内容和采集方式一样，也具有多样性特点。以本校为例，主要有以下三个方面：一是知识点检测数据，包括课前预习、课中巩固、课后复习、阶段性考试的做题数据，涵盖学生个体和小组层面的分数、正确率、错误知识点等全方位数据。二是课中小组合作模式下的关键性数据，包括学生个体与小组的提问数据（问题与频率统计）、课中答题器投票数据、小组讨论次数、时长数据、个体发言次数、卡甘合作学习“结构法”（促进小组合作学习的教学组织策略与技巧方法）的使用数据、抢答数据、展讲分享数据、小组课堂积分数据、思维导图等小组海报作品数据、教师评价数据等。三是教师课外对学生的作业、考试、前测和后测的评价数据、答疑解惑数据、学生和家长的问卷调查数据等。数据采集内容包罗万象，来源复杂，不可能面面俱到，须根据智慧课堂教学模式、根据不同学科以及具体的教学内容来设计和做出取舍。比如，物理《加速度》一课需要用传感器采集实验数据，而数学《一元二次方程》一课就完全用不到传感器来采集实验数据，因此要具体问题具体分析。

数据采集是大数据的基础性工作，具体到教学数据的采集则是一个集合了技术、教学和师生多元素的综合性工作。综上所述，数据采集流程归纳如下图一：

二、智慧课堂的数据处理

智慧课堂的数据处理有三种方式：一是人为处理，即教师和学生对数据做出处理;二是机器与人为相结合的处理;三是纯粹机器处理。数据处理又包含筛选与剔除、分析、综合、评价一系列过程。

在机器处理方面，智慧课堂所具有的信息技术一般都可以胜任，例如做一次学生是否喜欢小组合作学习的物理课上课模的问卷星调查，云端问卷星软件即刻就可以处理，得出问卷调查报告，涵盖各项学生偏好性的调查数据。但在智慧课堂的教学层面，如何智慧地处理数据，更好地服务教学活动，通过数据处理使教育教学体现出智慧？这就需要从采集到的林林总总的数据处理中，在数据的分析、综合、评价环节发力，深挖数据的价值，深挖数据与智慧课堂教学的关联，用数据精准调控教学活动。

智慧课堂的教学模式，其教学目的不是单纯唯应试，或通过先进的信息技术为智育的分数教育推波助澜，而是为了全面发展的教育，为了五育并举的教育，为了创造适合每一个学生发展的教育。因此，对采集数据的分析、综合、与评价必须紧紧围绕全面发展的教学目标，兼顾德智体美劳诸育的实现，这便是数据处理的智慧性体现。那么，要如何分析和评价？要分析什么？评价什么？形成哪些方面的学生个体学习报告？构建一个怎样的智慧课堂云教育系统？以笔者所在学校为例，可以从以下几个方面展开。

其一，在处理方法上，实现分析、综合和评价的人工与机器相结合，逐渐开展数据处理建模。例如，本校采用深圳南山区云和科技公司的云和智慧课堂教学系统，由其机器系统采用SPSS软件、灰色关联法、数据库处理法、比例系数法、数学函数法等，完成定量的在线测试、考试的学习成绩分析、小组积分统计、生成学生多元素质的雷达图、学习报告等。由教师采用量规法、视频切片法、质性分析评价法，发挥主观能动性，完成基于数据的定性的个体、小组素质分析和评价。在经过阶段性的前述处理方式后，实现建模分析。即从音视频、文本符号和云存储库中获取数据，应用大数据技术对数据进行处理和分析。将基于小组合作学习的智慧课堂多项关键数据，以及各类数据分析结果进行提炼，构建智慧课堂教学多元评价模型，并对模型的参数、公式进行优化调整，以提高对模型研判的准确性。教育是一个非线性行业，非线性的特性决定了模型不可能全自动化，但半自动化的机器模型和机器处理能够提高教育生产力，解放教师的相当一部分时间和精力，未来的智慧课堂将走向人机结合的半自动化数据处理方式。

其二，在处理数据内容上，使“五育”维度和小组合作特征维度相结合，把握关键指标。首先，在“五育”维度上，要有清醒的认识，即课堂教学不仅能育智，也能育德、育美，甚至将广义的体育教育和劳动教育也囊括其中。同时也要认识到，虽然不能唯智育是从，但智育仍然是五育的重要方面，因此需要从课前的学生预习自测数据中分析学情，形成知识点盲区、自测成绩、提问内容归纳、兴趣关注点、教学重难点等数据形成的教学前置信息。在课中，教师需要根据学生课中检测数据、学生讨论回答问题数据做出分析评价，形成课中生成性信息。在课后，教师要根据学生课后作业数据、测试，形成课后学情数据信息。在德育方面，教师课前要分析没有提交课前自主学习任务单或完成态度、结果不理想的学生数据，形成态度和学习习惯方面的德育信息。依此类推，教师要基于每一节课进行数据的分析、综合，形成全面发展的体现核心素养的“五育”评价信息。其次，在小组合作教学模式维度上，着重分析学生体现卡甘教授结构化合作学习四原则（积极互赖、人人有责、公平参与、同时互动）的数据，以及学生的组内组间发言次数、讨论次数与时长、讨论状态（表情）、使用卡甘结构的数据、小组作品成果数据、小组平均测试成绩、小组综合素质积分数据、师生语言比、提问比、提问数据、信心、勇气、倾听、分享、表达、团队意识等关键数据（云和系统集成了表情、注意力等非智力因素的人工智能识别技术），然后提炼、归纳、综合，形成以小组为单位的积极互赖数据等卡甘四原则的信息报告、深度提问信息报告、合作学习程度信息报告等十几种关键指标的智慧课堂数据信息。例如，通过分析合作人数数据及关联数据，发现四人合作效果大于两人合作效果。以上对数据的处理均可以人机结合，提高教师的工作效率，通过对这些关键项目的数据处理，就把握住了小组合作制下智慧课堂教学的本质，使之保持有效性。

其三，在数据处理时间维度上，纵横交错，注重发展与对比，为大数据的形成奠定基础。智慧课堂的数据处理，在纵向不是单指相互孤立的某个学科每一节课，而是将学生一定时期内（一学年甚至更长时间）某个学科所有课的数据进行处理，形成前后相连、体现学生发展变化的过程性信息。这有助于学生更好地认识自己的學习与发展历程，更好地从昨天走向明天。在横向上，不仅对同一学生各学科数据进行处理与比较，看到学生各科发展趋势，而且还对学生所处小组数据进行合成处理，看到班级各小组发展趋势，同时还从五育角度进行数据处理，看到学生五育是否齐头并进地发展。智慧课堂在笔者所在学校的实践时间不长，实践班级不多，对数据的收集不够海量，还不具有大数据的特征，数据还不能发挥更高的价值。但随着试点班级的扩大，试点时间的延长，通过对数据的扩大化、持续化存储、处理，将在后续阶段形成大数据，进而更好地指导智慧课堂的教学。

三、智慧课堂数据的使用

智慧课堂数据在经历采集和处理后，生成指标和指向性信息，数据具有了信息的涵义，自然要加以使用。基于数据信息的使用包括反馈、调整、矫正（如图二）。

智慧课堂的数据信息的反馈是多层面的，包括个体反馈（如我校采用的个体反馈模式）、小组内反馈、组间反馈、师生反馈等。反馈的形式包括图表、表格、文字等，反馈的手段包括互联网提供报告下载、短消息发送预警信号、手机 APP 推送问题分析等多种方式。反馈的内容既有对学生学习方法的问题分析及建议参考，也涵盖了对教师教学方法的改进建议，同时也包括学生心理健康状况调查结果等多个方面。

在这个环境中教学不再以主观经验为判断依据，而是通过数据的采集和处理后的信息为支撑。例如，在课中小组当堂训练环节中，所有人做题输入平板电脑，云和系统实现客观题和主观题的瞬时批改，各小组做题正确率等数据信息立即反馈显示在触屏电子白板上，教师便可以立即做出精讲题目的调整，对讲题的教学预设做出矫正，实现数据信息的即时使用价值。在课堂教与学过程中，由主观判断课堂效果，转变为精准的数据反馈，真正实现有效性和智慧性教学，让每一个学生得到提高和发展。

在智慧课堂之外，云和系统不断采集、处理形成的数据信息，可以动态刻画学生个体全面发展情况、小组发展情况、教师教学的多维度效能、班主任育人成效等。云和智慧课堂系统平台能为不同学生推送相应策略提供个性化支持，以促进其健康成长。将智慧评价融入课堂，通过向学生推送在线作业、考试，智能评改试卷、作业，节省了教师时间，实现对学生学业发展状况的精细化分析，为教师教学提供精准的数据支持。例如，云和系统开发了错题档案功能，学生可以从手机云和APP或电脑端复习自己的错题和知识点，系统会自动推送类似的题目给学生检测矫正，直到消灭错题，实现完全掌握。在题目质量方面，系统集成了国内学科网、菁优网等顶尖的习题库资源，同时也可以加入学科教师自己筛选的作业题目，确保训练的有效性。在课前预习、课后布置作业等方面，系统实现了个性化教学，即一个学生一种预习前测、一个学生一种课后作业、一个学生一位人工智能老师，每个学生的作业和推送资源都不尽相同，系统创造了适合每个学生发展的智慧教学。同时，系统还将学生多元素质发展的数据信息整合，形成不同的指标报告，结合教师的人工分析评价，反馈给学生，能让每个学生看到不足和方向，并作出调整和矫正。

数据的使用时间维度遍及课前、课中、课后，以及阶段性总结时间等;数据的使用空间是泛在的，教室、家里、地铁、餐厅，有手机的地方就有使用发生;数据的使用对象是多维的，教师、学生、家长、第三方。同时，数据的采集与处理也和使用一样，具有全领域贯穿的特点。总而言之，对数据的挖掘使用是智慧課堂得以成功的基础和关键。

四、结语

2012年，联合国发布的《大数据促发展：挑战与机遇》白皮书指出：“大数据时代已经到来，大数据的出现将会对社会各个领域产生深刻影响。”时代的步伐已经从工业化迈向信息化，与信息化时代相适应的课堂教学指向因材施教的智慧课堂是一种必然。而信息化的智慧课堂教学的数据成为重中之重，数据的价值不容置疑，没有数据就没有信息化，数据是信息化教学的细胞。它对学生、教师、教学效能的印刻，最终会形成“组织”，构成“有机体”，也即大数据。从教育数据到教育大数据，还有很长的机器采集与分析、人机结合的分析和建模过程，但是一旦形成教育大数据，将使学校教育发生翻天覆地的变化，人工智能“双师”教学、未来教室和未来学校将真正实现。

参考文献：

[1]祝智庭，贺   斌.智慧教育：教育信息化的新境界[J].电化教育研究，2012，（12）：7～15.

[2]李志厚.教学创新：从教育现代化的回归到智慧课堂的超越[J].课程教学研究，2020，（04）：26～33.

[3]王冬青，韩   后，邱美玲，凌海燕.基于情境感知的智慧课堂动态生成性数据采集方法与模型[J].电化教育研究，2018，（5）：26～32.

[4]张晓冰.基于大数据的教学实践的模型建构与实现路径[J].江苏教育研究，2018，（12）：24～28.

[5]卢锦运，何怀金.基于大数据的学生个体智慧评价平台的设计与实现[J].上海教育评估研究，2018，（04）：65～68.

[6]刘雍潜.大数据时代区域教育均衡发展新思路[J].电化教育研究，2014，（05）：11～14.