数据挖掘技术支持下的智慧课堂教学方式

匡新

摘要：随着大数据时代的快速发展，衍生出的基于学习数据的学习分析技术在教育中的研究和应用越来越多。面对学习者学习过程中产生的数据，如何在智慧课堂中使用数据挖掘技术融入学习数据，使课堂教学变得更加高效成为研究者们的热门课题。本研究介绍了智慧课堂的内涵，并提出了基于教育数据挖掘技术的智慧课堂教学设计，引导学习者培养学习兴趣的同时，提高教师对课堂的把握和教学的效率。

关键词：智慧课堂;教育数据挖掘;教学设计

中图分类号：G633.67        文献标识码：A

文章编号：1009-3044（2021）02-0117-03

智慧教育与大数据相辅相成，在智慧课堂的教学过程中，每天都会产生大量的教师教学和学习者学习的有关数据。如何使用这些教育数据，发挥其应有的价值，更好地促进智慧课堂的发展，是存在于教学设计中的一个难题。

1智慧课堂的内涵

关于智慧课堂概念的定义，截至目前还没有一个统一的表述，按现在的研究来看，智慧课堂是从智慧教育延伸出来的。智慧教育（Smart Learning）是一种在技术手段支持下，帮助学习者发现、发展以及应用自身的智慧[1]。基于智慧教育，唐烨伟等人提出智慧课堂是在信息技术的支持下，通过教学方法的变革，将技术融入课堂教学中，构建个性化、智能化、数字化的课堂学习环境，从而有效促进智慧能力培养的新型课堂[2]。从中可以知道通过技术与教育的相互作用，将新技术用来构建智慧课堂环境，使得信息化教育时代下的课堂逐渐成为一个多元协同、高效智能的新课堂。

智慧课堂可以为学习者提供个性化协作，智能跟踪学习者的学习轨迹，丰富课堂工具，安排多样化活动。以智慧课堂为基础的新式教学方式将会帮助学习者形成自己的学习体系，该体系拥有学习者自身的学习方法，并且会使得学习者个人的学习过程得到优化，从而不断地完善学习者的自我学习体系，同时有助于学习者发现学习的乐趣，培养自身的学习兴趣。

智慧课堂是以激发学习者主动学习、营造轻松愉快的学习环境、达到高质高效的教学为目标。根据建构主义学习的理论，学习者应主动参与学习活动，充分发挥自身主观能动性，决定自己如何学习[3]。因此，在智慧课堂的教学过程中应体现每个学习者的独特性，考虑到不同学习者的个性差异，如能力大小、学习风格、事物偏好等，尽可能为学习者提供多种选择的学习方式、学习路径和学习建议等。在个性化教育的基础上，将教育重点放在如何培养提高学习者的团队协作能力，使得学习者在轻松愉快的智慧课堂环境中达到思维与能力的双重提升。

另一方面，智慧课堂应当为每个学习者生成自身学习情况的记录，通过对学习记录的分析，从多个维度对学习者的学习效果进行有效评价。再者，为学习者提供丰富的学习资源以及具体化的学习情境，这些学习资源的使用将对学习者整体的知识框架构建提供有效帮助;学习情境的设置需要根據学习活动的选择适当调整，借助信息技术手段和设备创设丰富的学习活动，通过教师的方法指引和学习者的积极参与，从而可以高效获取所学知识并运用于问题解决中。

2教育数据挖掘

在教育信息化的背景下，教育数据挖掘（Educational Data Mining，EDM）逐渐受到研究者越来越多的关注[4]。EDM技术综合运用多个学科的知识和方法，包括教育学、计算机科学、心理学和统计学等，来解决教育研究与教学实践中的问题[5]。通过学习数据构建数据模型，对学习者的学习内容和结果、学习资源和教学行为等变量进行相关关系分析，从而有效地预测学习者接下来的学习趋势[6]。EDM的前提是需要全面采集并记录学习者的行为数据，利用学习数据进行智能实时分析，基于分析结果向学习者实时推送接下来需要的学习资源数据，根据学习者的动态反馈结果适时调整推送策略，以此构建和实施智慧课堂教学方式，学习者在这个智慧化的学习过程中能够体会到整个教学过程的交互化、数据化以及动态化，继而推动现代教育走向信息化和智慧化的发展之路。

而完成智慧化学习的重点在于数据技术支持下的环境中，如何将终端设备的运用与数字学习资源的有效搭配。其中需要用到学习分析方法，通过对学习终端上采集的数据，使用数据挖掘的技术，如关联规则、聚类、文本挖掘，掌握学习者的实时学习动态。通过分析学习数据，充分利用数据环境创造智慧课堂，有依据地反馈课堂教学效果。

在学习过程中产生的各种类型的数据已经成为教育信息化发展的重要基石，使用多维度、多层次、多方面的教与学的数据，经过数据挖掘方面的技术的整理和分析，实时得出分析结果为教育者提供决策优化，为学习者推荐学习路径，促进智慧教育。智慧教育环境为发展多方互动、立体交流、全面关注学生、及时反馈学情的智慧课堂提供了新的可能。

3 教育数据挖掘技术支撑下的智慧课堂教学方式

3.1 技术支持下的智慧课堂

不断更新和发展的教学方式，是建立在一定的教育思想与理论基础之上的，教学方式的革新给教育教学带来新的发展机遇。当智慧课堂模式有了大数据技术的支持，将数据动态化、实时个性化、高效互动化、多元智慧化及工具丰富化特征于一体，充分体现出了课堂优势[7]。在智慧课堂环境下可以开展形式丰富多样的教学活动，一方面可以培养学习者的学习兴趣、促进动手能力的提高，另一方面也能促进学习者高阶思维能力的培养、解决问题的方法的掌握。从学习者的角度来看，学习者可以获得自身参与的课堂活动的实时直观化呈现，从而判断自己的知识掌握情况，及时改变自身的学习策略，促进知识的及时内化;从教师的角度来看，借助课堂上的学情反馈的直观化数据，帮助教师调整课堂教学的方式和手段，确保课堂教学的有效性和高效性。

在智慧教室中搭建智慧互动系统，通过系统中存在的数据挖掘技术，采集教师和学习者双方的数据，分析学习者在整个课程学习过程中遇到的疑难问题以及学习者自身对知识点的掌握情况，并分析教师在教学过程中来自学习者的反馈和评价，进一步为学习者提供可靠的学习进度分析报告，为教师提供及时的学情。学习者会在学习过程中产生大量的学习数据，通过互动系统存储在数据库中。在此过程中将每个学习者的数据存储在不同的数据库中，生成个性化的数据库，对全体学习者的学习数据进行清洗、过滤、分析，形成个性化的学习诊断报告，使得学习者可以根据报告改变学习行为，转变学习的侧重点。另外数据库也存储了大量的学生学习资源和教师教学资源。

在技术辅助中，智慧课堂使用的互动电子白板、互动教学系统、电子书包资源系统以及云端诊断分析系统。其中云端诊断最为重要，包括了整个学习过程中使用到的云计算技术和诊断分析方法，教师可以选择自动上传学习者对有关问题的答案，并收集和分析数据，即时生成诊断报告，深入分析全体学习者的测试表现，精准查找出学生的弱点，掌握整体和个别学习者的学习情况，及时调整教学内容和策略。

3.2 智慧课堂教学方式

上课前，为检测学习者的预习效果，由互动系统采集的学前自测数据，经云端诊断分析产生学习者个人的学习情况分析报告。教师结合整体的报告做出学情分析，制作相关的电子教学资源，有针对性地对学习者推送个性化的学习资源。而学习者需要在此基础上对课程中的知识点进行讨论交流并及时反馈;教师根据课前预习的反馈结合课程知识完成本课程的教学设计，确定教学目标和重难点。

在上课时，实施课前准备的教学情境，调动学习者的积极性，引导学习者思考本节课的问题。一方面在教学中采用问题驱动方式将学习者带进学习状态，使其有想继续往下学习的兴趣，在思考问题的过程中锻炼学习者解决问题的能力。另一方面教师需要通过互动系统向学习者的终端推送学习任务，使学习者在任务驱动的过程中探索知识并深入理解知识，可以培养学习者之间合作探究能力。在课堂教学过程中，教师和学习者要充分利用课堂上的各种终端设备，根据互动系统及时收集设备的反馈情况，分析学情数据，灵活调整课堂的教学计划，更换任务资源;为了增加课堂的趣味性和学习者的参与性，可以使用系统中的随机选人功能，邀请学习者对部分任务进行讲解，完成任务的拓展，促进知识的内化。

在课后，教师通过学习终端向学习者推送适合该学习者的个性化学习资源及课后作业，当学习者完成作业后，根据现有的学习资源解决其中的困惑问题，教师查看作业正确情况的分析报告，及时根据每个学习者不同的疑问进行辅导解惑，同时学习者之间也可以进行课后讨论，总结反思不足之处，使得知识再升华。同时学习者对教师授课过程进行评价，更好地帮助教师改进课程教学方式。

4 总结

通过在智慧课堂中引入教育數据挖掘技术，收集学习者的整个学习过程中产生的行为数据，并进行量化分析，运用多种信息化手段呈现出分析结果，可以作为教师教学过程的指导、学习者学习过程的建议。教师根据分析报告，可以了解学习者在知识点掌握中共性问题，可以知道每个学习者的强弱知识点部分，然后有针对性解决共性或个性问题。根据反馈的数据以及学习者的行为，适时改变教学方法，改进教学模式，并针对不同的学习者进行个性化的指导，不断完善教学设计，丰富教学活动，使得教学得到高效的开展。而对于学习者，也能将自身的学习情况了然于胸，通过及时调整以寻找适合自己的学习路径和方法。

作为新兴事物，基于数据挖掘技术的智慧课堂教学仍会有许多新问题。在今后的研究中，结合智慧教室的硬件设备，采集更多种类和类型的数据，如学习者肢体动作、目光追踪等，进行量化分析，为每个学习者建立画像，为教师提供教学反馈，为学习者提供学习反思。

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，2012，33（12）：5-13.

[2] 唐烨伟，庞敬文，钟绍春，等.信息技术环境下智慧课堂构建方法及案例研究[J].中国电化教育，2014（11）：23-29+34.

[3] 吴永军.关于智慧课堂的再思考[J].新课程研究（基础教育），2008（4）：5-7.

[4] Anjewierden A， Kolloffel B， Hulshof C. Towards educational data mining： Using data mining methods for automated chat analysis to understand and support inquiry learning processes[C]. In： Proc. of the Intl Workshop on Applying Data Mining in e-Learning（ADML 2007）. 2007.

[5] 周庆，牟超，杨丹.教育数据挖掘研究进展综述[J].软件学报，2015，26（11）：3026-3042.

[6] 胡水星.大数据及其关键技术的教育应用实证分析[J].远程教育杂志，2015，33（5）：46-53.

[7] 许利飞.大数据环境下智慧课堂教学模式的设计与应用[D].河北师范大学，2018.

【通联编辑：王力】