智慧课堂中的数据应用理路与策略设计

杨现民，李 新，晋欣泉

(1.江苏师范大学 智慧教育学院，江苏 徐州221116；2. 北京师范大学 智慧学习研究院，北京 100875；3. 东北师范大学 信息科学与技术学院，吉林 长春130024)

一、文献综述与问题提出

2017年9月，教育部陈宝生部长在《人民日报》撰文指出：课堂是教育的主战场，只有抓住课堂这个核心地带，教育才能真正发展[1]。随着全国数字校园与智慧校园建设步伐的加快，智慧课堂日渐流行，成为大数据与智能时代课堂变革的主要形态[2]。与此同时，国家对利用新兴技术变革教育系统日益重视，智慧课堂也被赋予了更多的教育使命和更高的价值期望。各地围绕智慧课堂开展了大量的理论研究与实践探索，形成支持教师开展精准教学的智慧课堂[3]、基于点阵笔的智慧课堂[4]、基于移动终端有形交互界面的智慧课堂[5]等多种模式和形态，有力推动了国内智慧课堂教学变革的进程。

智慧课堂作为一种新兴课堂形式，是“互联网+”时代学校信息化聚焦于教学、聚焦于课堂、聚焦于师生活动的必然结果[6]。目前，学者们围绕智慧课堂的概念、特征、模式、价值等开展了积极探索，取得了可喜的研究成果。智慧课堂是以促进学生核心素养发展为宗旨，利用人工智能等技术打造的智能高效课堂，能够推动学科教学模式创新，促进学习者转识为智、智慧发展[7]，具有智能化、个性化、数字化、交互性和开放性等特征[8]。智慧课堂能够高效贯通课前、课中与课后教学环节，有助于优化教与学的过程，增强学习资源的适应性，提升学生的学习兴趣[9]。智慧课堂教学过程中会产生大量的师生行为数据、学业测评数据等，这些数据对于教师精准掌握学情、精准评价教学效果、精准实施教学干预，能够发挥重要支撑作用[10]。此外，智慧课堂采用“云-台-端”总体架构，可以为技术丰富环境下的智慧教学提供智能化的学习环境、学习资源、互动服务和教学工具[11]。

近年来，伴随大数据技术在教育领域的持续发展与应用，数据正在成为推动课堂教学创新的关键性力量，智慧课堂为全维度、全流程教学数据的采集提供了便利条件。如何用好这些数据来优化教学业务流程以及提升教学质量与效益，是当前智慧课堂教学改革顺利推进面临的现实问题。基于此，本研究将重点关注智慧课堂中的数据应用问题，具体包括：(1)智慧课堂中的数据应用应坚持何种理念与模式？(2)智慧课堂中的数据应用典型场景有哪些，数据应用有何特点？(3)智慧课堂中的数据应用有哪些关键策略？通过对以上问题的分析，期望能够提升智慧课堂的数据应用价值，推进数据驱动的教学结构变革、流程再造与模式创新。

二、智慧课堂数据应用的基本理路

伴随着课堂教学进程的推进，“数据”在源源不断地产生。而这些数据的价值能否变现，成为真正辅助教师教学决策的“利器”，则需要遵循正确的数据应用理念与应用模式。本研究基于前期智慧课堂数据流动机制与生态系统研究成果[12]，从应用理念和应用模式两个视角阐释智慧课堂数据应用的基本理路。

(一)应坚持的基本理念

智慧课堂数据应用的核心理念应坚持两个基本点：一是数据唯有应用才能产生价值，二是数据价值具有衰减性。

物联网、计算机视觉、移动终端等技术的介入，为智慧课堂环境下实现多模态教学数据的常态化、自然采集提供了技术条件。当前，智慧课堂数据体系主要包括课前产生的教师备课数据与学生预习数据、课中产生的师生互动行为数据与师生情感数据以及课后产生的教师辅导数据和学生练习数据等。类型丰富、体量巨大的智慧课堂数据蕴藏着一定的教学规律、一些不易察觉的教学问题以及部分学习者群体行为特征等信息[13]。但是，有一点是非常明确的，“蕴藏”和“发现”之间并非有必然的联系和结果。这些数据“宝藏”，只有通过多元化的、深度的分析、挖掘和应用，其价值才能浮现于世，才能真正转化为教学的“生产力”。用字当头，除此之外，别无二法。

此外，数据应用存在一个早晚的问题。虽然智慧课堂产生的数据有潜在价值，通过应用这种价值可以发挥出来，但应用的及时性是另一个影响数据价值的关键因素。和其他物品存在价值折旧一样，教育数据自身的价值也会随着时间的流逝逐渐衰减。比如，一份试卷或者一次课堂随测产生的数据，如果不及时分析，而是经过一周、一个月乃至更长时间采取分析这些数据，那么数据带给师生的决策与反馈价值便会大打折扣。因此，针对智慧课堂中产生的多元化数据，我们要抓住其瞬时性的特征，开展动态实时的分析与应用，以便给予师生更加精准有效的反馈，实现教学质量的持续改进和提升。

(二)数据应用的基本模式

“数据”是生成课堂智慧的基础。掌握智慧课堂数据应用的基本模式是发挥数据价值的重要前提。通过实践调研发现，当前智慧课堂数据应用的主要模式包括两种：一是教学目标导向的数据应用模式，二是教学数据驱动的数据应用模式。

教学目标导向的数据应用模式以教学目标作为逻辑起点，从教与学的视角来思考、设计教育教学数据的应用思路(见图1)，比如：为了达成某个教学目标或解决某项教学问题，需要采集哪些数据、如何处理和分析这些数据、如何可视化展现数据结果、哪个环节应用这些数据，等等。这种模式具有非常明确的目标导向作用，不是为了用数据而用数据，有助于坚守教学初心不变，对教学效率的提升作用明显。智慧课堂的数据应用需要充分考虑并服务于教学目标的高效达成，强调按需获取、组织和分析相关课前预习数据、课中行为数据以及课后练习辅导数据，以精准诊断和评估教学目标与学习目标的达成度。

图1 教学目标导向的数据应用模式

教学数据驱动的数据应用模式则从数据本身出发，根据数据的类型、特征与优势，来思考如何服务教学目标达成与教学活动开展，进而彰显数据价值。“数据”是始发点，而“教学”则是终点。该模式有助于发现潜在的教学需求与问题，有助于激发教学创新与变革的活力(见图2)。智慧课堂中的数据越来越多模态化、越来越细颗粒化，其数据体系主要涵盖师生行为数据、师生情感数据、教学评价数据和课堂管理数据。其中，师生行为数据包括讲授、板书、提问、指导等教师行为以及听课、记笔记、应答等学生行为；师生情感数据包括教学情感投入、学习情绪变化等；教学评价数据包括课堂测试、作业练习、成果评价等；课堂管理数据包括班级考勤、资源管理等。从这些数据本身出发，思考其采集、处理、分析、可视化展现以及应用的方法和策略，时常也会有“意外”的发现，比如发现新的教学问题、识别新的群体学习特征、产出新的教学策略等。

图2 教学数据驱动的数据应用模式

教学目标导向的数据应用模式和教学数据驱动的数据应用模式，二者行事路径虽有差异，但其最终目的是一致的，即充分挖掘智慧课堂数据的潜在价值，推进数据驱动的教学变革，提升师生的幸福感与获得感。基于此，本研究倡导将两种模式有机融合，构建双轮驱动的智慧课堂数据应用模式(见图3)，既强调教学目标逻辑起点的导向作用，又突出教学数据驱动的创新价值。

图3 智慧课堂数据应用基本模式

三、智慧课堂数据应用的典型场景

(一)场景的划分依据

智慧课堂数据应用的典型场景划分有两大依据。一是依据课堂数据应用的主要环节，包括课前、课中、课后三个阶段。其中，课前教师基于数据分析学情、开展备课活动，课中基于数据投入学习与评价学习效果，课后基于数据开展学业辅导和教研活动。二是依据两份中国基础教育大数据发展蓝皮书(《互联网+教育：中国基础教育大数据》《中国基础教育大数据2016-2017：走向数据驱动的精准教学》)以及相关文献中提取的73个案例进行归类分析。最终，本研究确定了智慧课堂数据应用的五种典型场景，分别是精心备课、精细授导、精准评价、精益辅导和高效教研(见图4)。

图4 智慧课堂数据应用的五种典型场景

(二)典型场景中的数据应用

智慧课堂中的数据应用根本上是与教学主流业务相伴而行。本研究基于智慧课堂数据应用的基本理念与模式，阐释了五种典型场景中的数据应用思路。

场景1：教师备课——用数据开展精心备课

备课是教师开展课堂教学活动的起点，是保证课堂教学质量的关键。传统的备课主要包括个人备课和集体备课两种方式。其中，个人备课受限于经验的固化，易导致教学模式单调，影响学生学习兴趣与注意力；集体备课多以优秀骨干教师的备课演示为主，易导致千篇一律缺少特色，难以照顾到不同班级的独特学情。智慧课堂环境下的教师备课将从基于授课经验的传统备课走向基于学情数据的精心备课。学情数据主要包括学生的课前资源学习数据(如预习时长、预习进度、资源观看次数等)、课前测试数据(如测试分数、测试时长、正确率、错误率等)、互动问答数据(如提问次数、提问内容、回答次数、回答内容等)以及在线讨论数据(如发帖、回帖、评论、点赞等)，这些数据为教师开展精心备课提供了重要支撑。首先，教师借助这些学情数据，可以从学生认知水平、问题讨论次数、知识点关联情况等维度分析和挖掘，从而更精准地确定课堂教学的重难点，选择更适合的教学策略。其次，教师可以根据学生的资源学习数据等来判定学生的资源使用偏好，进而选择更符合学生认知风格与认知喜好的学习资源。最后，教师基于学情数据的分析，能够设计更有利于提高学生专注度、激发学生积极学习情感的教学活动，最终形成高质量的基于学情数据的个性化教案。

场景2：课堂互动——用数据开展精细授导

师生互动是教学主体间以教学符号为媒介，通过多样化教学活动开展的不同性质的社会交互活动。课堂互动不仅有助于促进师生和谐关系的构建，更有利于促进学生较高水平的有意义的知识建构与意义生成。传统课堂中的师生互动主要根据教师预设的教学场景，以教师问、学生答的模式为主，易导致学生认知、行为和情感的投入度低。智慧课堂中的互动将从基于课前预设的静态互动走向基于过程数据的动态互动。互动数据主要包括师生行为数据，如教师的讲授、板书、提问、指导、学情分析以及学生的听课、回答、提问、资源使用、自主探究等。这些实时动态的课堂互动数据为教师开展精细授导提供了重要支撑。教师可以根据学生的课前学情分析数据，选择能够引发学生思考的共性问题作为情境导入，激发学生的学习动机，为多元、深度的课堂互动做好铺垫；根据随堂测试数据的实时反馈，及时发现学生的知识弱点，动态调整教学方法与策略；根据每位学生的课堂参与度及互动问答情况，给予学生个性化的指导、引导和鼓励，充分调动全体学生的课堂参与感；根据学生情感状态变化数据，及时调整教学活动，比如及时嵌入课堂游戏等活动，活跃课堂氛围，激发学生的积极情绪。

场景3：学习评价——用数据开展精准评价

学习评价是以学习目标为依据，通过收集、分析学生的学习数据进而诊断学习效果的过程。智慧课堂环境下的教学评价将从基于学习结果的单一评价走向基于全息学习数据的多元评价。评价类数据主要包括随堂测试数据(如题目类型、题目难度、学生成绩、平均成绩等)、作业练习数据(作业类型、作业正确率、作业时长等)以及成果评价数据(自我评价、同伴互评、教师评价等)。这些数据为教师开展精准评价提供了重要支撑。教师基于评价反馈类数据，能够进一步了解学生的学习参与情况、作业完成情况、知识习得与迁移应用情况等，从而全面而又精准地掌握每位学生的学习状态与学习结果。对教师而言，通过分析学生评价报告，有助于全面掌握学生学情，实现对学生发展能力的全方位、多元化的评估，为后续教学的设计与优化提供数据支持。对学生而言，基于数据的自我精准评价，有助于更清晰地认识自身的知识结构与能力水平，加强自我反思，更好地发展和完善自我。

场景4：课后辅导——用数据开展精益辅导

课后辅导是对课堂教学活动的有益补充，是教师夯实教学目标的重要途径。传统的教学辅导往往过于依赖教师个人经验的主观判断，忽略了教学数据的价值发挥，易导致实际辅导效果与预期效果存在较大偏差。智慧课堂环境下的课后辅导将从基于学生测试结果的经验辅导转向基于多元数据的精益辅导。辅导数据主要包括学生的作业完成数据(作业完成率、作业完成时长、作业正确率、作业错误率等)、教师辅导数据(辅导人数、辅导次数、辅导时长)、成果总结数据(辅导满意度、个人反思内容、反思时间、反思深度等)，这些数据为教师开展精益辅导提供了重要支撑。教师可以基于课后辅导类数据，采取“抓两头、带中间”的策略，开展针对性的知识点分层辅导教学，也就是为高成就学习者提出较高难度的开放性问题，拓宽其知识面，提升其认知深度；为中等成就学习者发布难度中等、巩固性的学习任务，加深其对知识的理解与运用；为低成就学习者推送基础知识内容，帮助学生达成基本的学习目标。与此同时，教师通过分析学生课堂参与、情感特征等数据，可以面向学习兴趣不高、出现厌学情绪以及性格相对内向的学生开展一对一辅导，采用激励法、安慰法、宣泄法等方式及时疏导学生的消极情绪，并结合学生的学习资源与学习方式偏好，为其提供个性化的教学服务，促进学生的健康成长与发展。

场景5：教研活动——用数据开展高效教研

教研即教学研究，是教学参与者有目的、有计划地探讨教学规律、方法以及现存问题的研究性活动。传统教研活动大多基于教研员的评课经验开展，缺少足量教研数据的支撑，严重影响教研结果的有效性与可信度。智慧课堂环境下的教研活动将从基于经验的模糊、抽象教研走向基于数据的精确、高效教研。教研数据主要包括教师特征数据(教师基本信息、教育背景、工作经历等)、教研心理数据(教师参与教研的心理状态，包括满意度、效能感、兴趣爱好及其变化趋势等)、社会交互数据(教师与同伴的资源共享与信息交互)、教研行为数据(教师搜索、浏览、上传、下载、评论等)以及教研成果数据(教学设计、教学资源、教研论文等)[14]。这些数据为教师开展高效教研提供了重要支撑。教学管理者可以利用学生整体认知水平与课堂参与度、教师课堂行为、备课与辅导行为等数据，分析和判断教师的信息化教学水平以及学生的学习效果，从而有针对性地确定教研主题，开展更加高效和精准的教研活动。此外，教师也可依据教研行为数据、教研成果数据以及学生评教数据等，来分析教学目标达成情况与存在的教学问题，进而开展更具针对性的行动研究。

(三)典型数据应用案例分析

本研究以两份中国基础教育大数据蓝皮书、智慧课堂与教育大数据研究相关文献为案例源，共提取73个课堂数据应用案例。综合考量数据应用场景、数据应用效果、师生互动情况、课堂教学效果等因素，最终选择五个代表性案例作为分析对象(见表1)。

表1 智慧课堂数据应用的典型案例

基于精准教学系统的“三查四看”备课模式[15]，旨在帮助教师利用历次练习和考试数据实现精准化、高效率的备课。其中，“三查”是指查考点统计、查班级考点、查阶段考点，“四看”是指看学生排名、看学生试卷、看学生分析、看错题再练。基于纸笔互动系统的课堂互动教学[16]，通过数字光学点阵技术，可以实时采集课堂上学生的书写过程数据、测试数据、师生互动数据等，同步展示学生答题思路，并对学生答题结果进行动态、可视化展示。基于智慧学伴平台的双师在线辅导服务[17]，通过收集和分析学生全样本的学习过程性数据，来诊断学生学科问题与优势，同时结合教师擅长的教学内容，为每位学生智能匹配在线教师，提供一对一个性化课后实时辅导。基于Moodle平台的翻转课堂学习评价[18]，通过全面记录与跟踪学生的学习日志，如访问时间、测试成绩、作业评定分数、阅读次数、讨论次数与内容等数据，可以实现课前前置性评价、课中过程性评价、期末总结性评价及社会评价。基于智课成长平台的高效教研[15]，利用图像识别、语音识别、视频切片、情感计算等技术，实现课堂师生行为数据、语音数据以及面部表情数据的伴随式采集与量化分析，自动生成课堂教学评价报告，用于支持教师教学能力的智能诊断与精准教研活动的开展。

通过分析上述应用案例，本研究发现当前国内智慧课堂数据应用整体呈现出如下特征：

一是强调数据的全维度化与全流程化。智慧课堂产生的数据类型多样，包括学情数据、互动数据、评价数据、辅导数据以及教研数据等，这些多维数据的长期“沉淀”为课堂质量优化与效率提升提供了可能。数据应用贯穿课前、课中、课后三个关键环节，比如精准教学系统提供详细的学情数据分析，支持教师开展“三查四看”的高效备课；纸笔互动系统提供细颗粒度的互动轨迹数据，方便教师课中精细化授导；智慧学伴平台提供学科测评、能力特征、心理状态及客观行为等数据，助力教师课后开展个性化的学业辅导。

二是突出数据分析结果的即时反馈。数据价值具有衰减性，特别是对于课堂这种动态变化性较强的教学场景，提高数据分析与应用的即时性至关重要。案例分析发现，以可视化的方式即时呈现数据分析结果，已经成为智能时代各种教学系统与软件工具的基本功能构件，也是开展数据驱动的精准教学的基本需求。比如，纸笔互动系统能够将学生的思考过程和答题过程清晰地记录下来，经过系统的智能分析，帮助教师第一时间掌握学生的知识掌握状况，进而动态、实时地调整课堂教学策略；智课成长平台通过实时监控课堂教学全景，并及时分析课堂教学行为与状态等数据，教学结束后即刻生成课堂诊断报告，第一时间反馈给教师、教学管理者与教研员。

三是高度关注学生的学习投入状态。学习投入是影响学习者学习成功的关键因素，反映了学生对于正在经历的学习活动的参与程度，包括行为投入、认知投入与情感投入。近年来，智慧课堂的数据应用逐步拓展到对学生“知(认知)-行(行为)-情(情感)”的全面关注。比如，纸笔互动系统通过测验、互动与书写过程数据的分析，可以监测评价学生的认知投入和行为投入；精准教学系统聚焦考试数据与练习数据的采集与分析，能够识别学生的认知投入状态；智课成长平台通过采集课堂全景的教学过程数据，可以分析学生的行为投入和情感投入状态。

四、智慧课堂数据应用的关键策略

智慧课堂产生的动态生成性数据蕴藏着巨大价值。如何挖掘和激活这些数据的潜在价值，是实现智慧课堂教学变革的关键。本研究结合上述典型场景及其案例分析的结果，重点围绕数据应用的科学性、时效性、多样性与安全性，提出如下实施策略。

(一)高度重视多模态数据采集与分析，提升数据应用的科学性

智慧课堂生成的数据具有多源异构、非完整、关联性等特征，高效采集与分析过程性数据成为挖掘智慧课堂数据价值的关键[19]。为提升数据应用的科学水平，智慧课堂需要借助物联感知类技术、视频录制类技术、图像识别类技术以及平台采集类技术[20]，采集完整的、多模态的师生行为数据、生理特征数据、学习状态数据等[21]。教师在实际教学过程中，需要具备较强的数据采集与分析意识，注重通过智能技术与常规问卷等数据采集渠道，收集学生学习过程中产生的文本、图片、视频、音频等多样态数据，同时借助多元化的平台工具积极开展多元化的数据分析探索，提升自己基于数据的教学决策能力。

(二)高度重视数据的即时反馈，提升数据应用的时效性

“数据价值具有衰减性”是智慧课堂数据应用的核心理念之一。教师在平日的备课、上课、教研等活动中，应坚持这一基本理念，对于获取到的一手、新鲜的教学数据，要在第一时间分析处理和应用反馈，以最大限度地发挥数据价值。近年来，雨课堂、课堂派、学习通等课堂互动软件在高校、职业院校以及中小学校越来越流行。这些软件中的问卷调查、投票统计、课堂签到、弹幕、课堂抢答、随堂测验等功能设计，既为教师捕获学情数据提供了便利条件，也为教师实时掌握学生学习进度与状态，进而更加精准地调整教学策略，实时及时地干预教学提供了重要支撑。各级各类学校的课堂教学都可以积极引入雨课堂、课堂派、学习通等课堂互动软件，提升教师对课堂数据的实时采集与分析反馈能力，进而实现课堂教学效率与效果的双提升。

(三)高度重视学生的学习投入，提升数据应用的多样性

传统课堂受限于数据采集与分析技术，其数据应用主要围绕学习成绩开展。这种单模态、单模式的数据应用模式，根本无法胜任新时代“五育并举”的素质教育的新要求。智慧课堂的发展应超越单维度的成绩数据分析与应用，转向对学生学习全流程的数据采集与多维分析，体现数据应用目的与场景的多样性。教师要特别关注智能环境下的学生学习投入状态，其中行为投入和情感投入是重点和难点。行为投入方面，可以通过活动参与、作品提交、问答次数等量化的频次数据开展分析评价；情感投入方面，可以通过学生提交的作业文本、线上与线下交互的内容等质性数据进行分析评价。通过对学生学习投入状态的实时监测与预警分析，可以第一时间识别具有学业失败风险的学生，便于教师及时提供个性化的学业辅导与支持服务。

(四)高度重视数据的隐私保护，提升数据应用的安全性

数据价值的发挥以“安全”和“隐私”为底线，不可触碰。然而，由于当前大数据相关政策法律、关键技术、监管机制等仍不完备，智慧课堂的数据应用也会存在一定的隐私泄露风险。为了保障智慧课堂数据应用的安全性，我们需要采取一些积极措施。比如，学校层面可以制定智慧课堂数据应用管理办法或细则，引导教师掌握基本的数据应用规范和要求；区域教育行政部门可以加强教育教学数据应用监管，建立数据非法使用侵犯师生隐私的问责机制，从制度层面筑牢数据安全根基；教师层面，需要不断提升自身的数据素养，加强数据安全与隐私保护意识和能力[22]。

五、总结

如果说数据是智慧课堂教学变革机器的发动机“燃料”，那么数据应用便是这架机器启动的开关。本研究聚焦智慧课堂的数据应用，对其应坚持的基本理念、遵循的基本模式、典型的应用场景和案例展开分析和讨论，最后提出了智慧课堂数据应用的四项关键策略。数据应用研究的最终目的是要回归教学本质，发挥数据价值来为广大师生提供更加多元、适恰、高效的教学服务，以数据驱动课堂教学的变革与创新发展。智慧课堂的数据研究仍有很多亟待探索的问题，比如不同教学场景下的数据流动与共享机制、数据应用绩效的评价、不同学科的数据应用策略，等等。期待更多的研究者同行和教师开展智慧课堂数据研究，共同推进智慧课堂数据生态体系的构建以及教学组织结构与样态的创新发展。