数字化赋能基于个性化差异的创新能力培养

王鹏飞

【摘 要】深入实施教育数字化战略行动，是我国开辟教育发展新赛道和塑造教育发展新优势的重要突破口。通过数字化技术赋能基于学生差异的育人实践为基础教育阶段创新人才培养提供重要支撑。本文介绍了北京师范大学昌平附属学校依托脑科学、人工智能、大数据等技术构造基于全领域、全过程教育大数据的学生画像和个性化学习，促进学生创新能力的常态发展。

【关键词】数字化；脑科学；个性化教育；创新能力

【中图分类号】G434   【文献标识码】B

【论文编号】1671-7384（2024）01-008-03

引  言

党的二十大报告提出“实施科教兴国战略，强化现代化建设人才支撑”的论断，明确指出“着力造就拔尖创新人才，聚天下英才而用之”。习近平总书记在主持中共中央政治局第五次集体学习时强调：“进一步加强科学教育、工程教育，加强拔尖创新人才自主培养，为解决我国关键核心技术攻关提供人才支撑。” 教育要培养创新人才，重点要培养学生的创新意识和创新能力，儿童青少年时期是创新人才成长的关键时期，必须重视基础教育在创新人才培养中的基础作用。

创新能力是个体在知识学习、问题解决和创造活动中，根据一定目的，运用一切已知信息，产生出某种新颖、独特、有社会或个人价值的产品的智力品质或能力[1]。在围绕创造能力内在机制的研究中，许多研究认为创新能力与众多个性特征有着密切的关系，例如自信心、冒险行为、自觉的坚持性、高度的自我评价、兴趣、自主性、独立性等[2]。拔尖创新人才培养不是选出一小部分学生进行特殊教育，而是让全体学生实现自己的潜力发展，在全体发展的基础上自然会有拔尖创新人才涌现出来[3]。

在不同领域具备这些个性特征的学生都有可能表现出他的创新能力，因此，创新能力的培养需要个性化的差异培养。个性化培养是引导个体生命独特性发展的教育，它以尊重差异为前提，以提供多样化教育资源和自主选择为手段，以促进个体生命的自由而充分的发展为目的[4]。加德纳的多元智能理论指出，每个人在不同智力维度上的发展水平是不均衡的，这种不均衡造就了丰富的个体差异性。

作为“创新”人才培养的准备阶段，中小学需要提供差异化的教育供给满足学生个性化发展的需求，这是创新人才培养的基础。在教育数字化转型的大背景下，北京师范大学昌平附属学校提出为每一位学生提供个性化培养方案助力创新能力培养，基于大数据的识别诊断是学校推动学生全面画像和资源差异供给的重要基础，由此撬动的学习方式的变革则是培养学生创新能力有效路径。

脑科学研究深化个性化差异的教育策略

学习的过程就是塑造大脑。人脑大概有860亿个神经元，每个神经元有1000到10 000个神经连接，这样一个复杂的网络，决定了我们对所有的知识、技能、习惯、态度等的学习和掌握，学生的学习的过程也是对神经网络进行塑造的过程。要想实现科学的学习、高效的学习，必须要符合人脑发展的规律。要想开展符合人脑发展规律的学习，就必须从脑科学的角度对学生进行差异化认知。

1.脑科学数据丰富个性化差异认知

基于脑科学研究的学生学业成就因素模型指出，学生的最终学业成就是由学科知识的学习效果、大脑学习力的水平、心理品質的水平和误差等因素共同决定的。学校的常规工作中所关注的教师教学、教材编写、知识的结构化水平等都指向学科知识的学习效果，而脑科学的研究则更加关注大脑的学习能力。基于脑科学的学习能力的评价体系从注意力、记忆力、思维力、反应力、自控力五大能力的角度，全面衡量一个孩子学习能力的情况，这部分的能力开发和潜质开发很大程度影响着学生的学业成就。学校从大脑认知能力测评、训练等方面全面获取学生大脑认知能力数据，从提升学生的学习能力方面为创新能力的培养打下基础。

我校在四、六、七、九年级和高一、高二年级的1200多名学生中，全面开展了学生大脑认知能力测评（相当于前测），通过人机互动的方式实现大脑认知能力数据化。测评后获得基于学生个体和特定群体的脑科学画像诊断，包括表征学生学习能力综合发展水平的大脑学习能力指数及群体和个体的五个基础核心能力表现。

2.基于脑科学差异性研究的教育实践

根据前测所得到的脑科学大数据，学校在以下方面开展了应用实践：一是从大脑学习能力视角加深个性化认知。脑科学测评帮助教师了解每一位学生的大脑发展情况，进而与日常学习的显性表现进行关联分析，从而基于能力结构的差异对不同类型的学生进行个性化干预。二是对被测群体的教育教学活动进行针对性反思。测评数据显示，学校多个被测年级学生的大脑基础能力短板均为注意力。在分析过程中除了考虑遗传因素、成长环境因素外，学校也引导教师对课堂教学的实施进行反思，重点反思教学中是否存在着影响学生注意力发展的行为。三是助力基于学生差异的学习指导。学校多年来一直在开展以学生学习为中心的学科分层教学，在学习目标，课堂学习形式、学习资源开发和学习评价等维度开展分层探索。在脑科学大数据的支持下，学校引导备课组将大脑学习能力指数纳入数学、物理等学科的分层依据，开展测评数据中底层能力数据与学生阅读能力的相关性分析，从而实现更为科学的个性化资源供给。

此外，由于脑科学测评的数据可以实现对学生学习潜能和未来学习效果的预测，学校将素养测评、脑科学测评和心理品质测评整合引入拔尖创新人才的识别筛选和培养提升。

3.基于大脑学习规律的课程教学变革

针对脑科学测评数据的共性问题如“注意力”短板，依据脑科学研究对学习力包含注意力、记忆力、思维力、反应力、自控力五大能力的结构化理论基础以及与学习力高度相关的情绪情感等心理要素，学校在课程教学上努力创新，开发了以“跨学科主题学习”为代表的新课程和新型学习模式。跨学科主题学习设计与实践的六大步骤，每一步都遵照脑科学规律进行了优化赋能。

在确定跨学科主题环节，要为学生能力和知识技能学习构建场景，设置多层次、多元化的学习载体，也就是为认知资源的投入划定范围。在这个过程中要充分考虑激发学生兴趣，保持好奇心。在制定跨学科学习目标的环节，要抓住学生大脑发展的“经验期待”确定高阶思维发展的学习目标，目标要有明确要求和标准，且能够符合最近发展区原理。在选择跨学科内容环节中，除了注重主学科与关联学科之间的内在联系，实现学科整合外，还要考虑到所学内容新旧知识的联结和知识体系的结构化。在设计跨学科学习活动环节，要遵循循序渐进、张弛有度的原则，确保学生大脑以知识的合理性和意义为主要标准，将获取的知识信息编码到长时记忆中。在创建学习空间环节，要创设真实宽松的学习情境。引导学生与学习情境进行有效充分的互动，尤其强调建构有安全感的师生和同伴关系，保持积极的情绪状态。在评估与反馈环节，要设置多维度、多元化的评价方式，对学生所学知识进行准确筛选和定位，激发反思，及时进行调整优化。遵照这样的原则，学校在中小学起始年级开发了兼具入学适应和学科学习功能的、大主题统领下的跨学科学习，通过学习方式的变革培养学生的高阶思维，实现对每一个个体生命价值的尊重。

数字化技术赋能个性化画像和差异化学习

教育数字化通过数字技术全面赋能教育，推动“大规模的标准化教育”转向“大规模的个性化学习”。数字时代的教育内容将围绕素养导向、能力为重等目标实现革新，以培养学生的高阶思维能力、综合创新能力和终身学习能力为指向，通过构建以学生为中心的教育教学场景，真正实现合作学习、差异化学习。学校将智能技术、智能平台与教育教学有机结合，用数据赋能学生的个性化诊断和针对性提升，用技术变革学生的学习方式，真正实现差异化育人。

1.数据支持的学生全面画像研究

学校依托北京师范大学学科团队开发的3×3学科能力层级体系，结合智能点阵笔和扫描仪支持，实现课堂中教学评估、课后作业评价、阶段性学习诊断三级评价，用多维数据支持教师开展精准教学和个性辅导，支持学生开展高效自主学习。各教师备课组将每一位学生学习任务从核心概念、学习指标和核心素养三个维度进行了前置编码，确保数据分析框架的科学性；通过智能扫描仪、智能点阵笔等技术进行常态化的数据收集，用持续的过程性数据采集形成学生的个人学科素养画像。该画像以各学科的核心概念图谱为基本分析框架，在完成考查单一知识点、部分知识关联和多知识组块的学习任务过程中，逐渐形成从单次评估到综合诊断、从个性问题到共性问题的学业诊断过程。畫像诊断可以优化教学设计、改进作业设计和提升命题质量，助力“双减”背景下的学习分层与作业分层。

基于学生在知识、能力上的薄弱点，定向推送个性化学习资源，包括教师录制的相关知识点讲解的微课和学习效果反馈任务。由于数据的采集是全过程、进阶式的，基于数据对学生的分析也就更加科学、系统，学生的学习也从课内延伸至课外。

此外，学校还将AI技术引入学生的心理健康测评、体质健康测试、综合素质过程性评价等育人环节，立体化收集学生多维度的成长数据，按照呈现规范、维度完整、内容精确、结论可靠的原则开展个体画像研究，助力学校“三兼优一发展”培养目标下的个性化培养。

2.技术赋能的学生学习方式变革

智能平台的应用为任务驱动的自主学习提供了支持。以高中语文学习为例，在专家团队精心研发的结构性学习任务的驱动下，学生可自主完成课文阅读、文献阅读等输入活动，并根据要求独立完成梳理与整合、表达与交流等活动。学生可以从分层级的任务中选择适合自己的任务，形成个性化的学习方案。平台的交互、共享功能也为学生提升合作与探究能力提供了路径。与此相应，智能平台运用多媒体网络技术、移动互联网和人工智能技术，为师生提供了内容丰富的融媒体动态课程资源库。智能平台设置教师在线备课系统。教师可以对智能平台的学前准备、学习任务、学习活动、答题自测等环节的内容进行补充和调整，可以通过师生共享的互动空间实时查看学生学习的状态、速度、问题焦点，与学生一起讨论问题解决的路径，提升指导的针对性，助力学生实现从传统单一到数字多维的学习方式转变。

目前，学校高中语文教学基本实现了线上线下联动的新型任务驱动教学模式，有效提高了学生的自主学习深度，有力推动了学校语文教学路径、学习时空和师生关系的深刻变革。此外，学校尝试规划专门空间打造未来学习空间站，通过教室环境布局和情境感知，打造人与技术高度融合的、智能互联、虚实融合的学习空间。

智能点阵笔的应用拓展了课上精准学习的可能性。通过内置在笔前端的摄像头实现传统书写习惯下的实时无感数据采集。教师可以实时掌握学生完成任务的进展和内容，按需获取后续教学的生成性素材。在小组合作学习中，学生个体在点阵纸上进行初步思考任务输出后，小组成员再进行合作、讨论、完善，并在小组点阵纸上呈现合作成果。教师既可以在平台端详细了解学生个体对任务的思考，也可以把握小组合作进展和成果，进而有针对性地开展展示和讲评。这种形式有效避免了合作学习中小组成果与个体学习成果差异带来的差异化缺失。点阵笔还可支持对学生作答过程的回溯分析，进而开展笔迹研究，深入剖析学生作答的思维过程，有效揭示了常规作业批改过程当中无法覆盖的层面。

结  语

学校积极响应教育数字化发展的大趋势，初步建构了以脑科学测评数据、学习能力过程性数据以及心理健康、体质健康测评数据等多维度数据支持的个体画像研究框架，为十二年贯通教育的差异化育人提供依据和策略。数字化技术和人工智能学习平台逐步深入课堂，驱动学生学习方式的深刻变革。技术赋能个性化差异教育，智能环境激发学习主体性，是学校培养学生创新能力的丰厚土壤和必由之路。

参考文献

徐会强，杨美娟，高嵩. 中学生创新能力评价指标体系的构建与应用研究[J]. 物理教师，2023，44（9）： 25-28.

俞国良. 论个性与创造力[J]. 北京师范大学学报（社会科学版），1996（4）： 83-89.

张晓光. 拔尖创新人才早期培养应由“拔尖”转向“普育”[J]. 中小学管理，2022（12）： 13-14.

沈超，袁兴国. 人才强国战略与高校人才培养模式改革探析——基于高等教育个性化教育改革思路的视角[J]. 黑龙江高教研究，2011（8）： 71-73.