数据驱动下疑探精准教学研究

【摘要】人工智能时代教学环境智慧化、教学资源数字化、教学流程再造、教学评价智能化，这些方面共同促进教学模式的转型。剖析现有疑探教学模式，挖掘人工智能时代疑探教学模式的滞后性，借助大数据、人工智能等技术优势，构建数据驱动下疑探精准教学模式。文章以化学工艺流程除杂课为例，阐述精准疑、精准探、精准展、精准讲、精准练的内涵及实施环节，为高中化学核心素养教学提供一种教学新模式。

【关键词】数据驱动；精准教学；疑探教学

【中图分类号】G633.8【文献标志码】A【文章编号】1004—0463（2024）23—0038—06

人工智能时代教学环境智慧化、教学资源数字化、教学流程再造、教学评价智能化，形成教育大数据，尤其ChatGPT等新一代人工智能使知识生产模式发生变革，知识生产情境由按特定学科规则转化到应用情境上，正好契合基于核心素养的化学教学理念，属于人工智能时代化学教学的新模式。如何在教育大数据驱动下创新现有教学模式，如何使教育教学中产生的教育大数据更具有价值，从而驱动教学精准化、满足学生个性化学习需求、使教师因材施教，旨在为教育数字化转型推动教学提供一种新思路。

一、研究问题的提出

（一）疑探教学模式

我国基础教育新课程改革实施目标的不断完善，课堂教学方式的不断创新，教师们更关注探究教学的方式。探究教学强调“探”的过程，打破传统以教为主的教学方式，教师为学生提供问题情境，学生采取自主、合作探究方式主动参与问题解决的整个过程。而我国部分中小学将探究教学校本化，产生了疑探教学模式，它倡导因疑惑而探究，强调生疑的重要性[1]。疑探教学模式突出教师的主导作用，激活学生认知，促使学生产生疑惑；学生是学习的主体，在疑惑的驱动下学生采取自探、合探、互探等方式解决疑惑，故而培养学生解决问题的能力。

Z学校疑探教学模式在新教育思想的指导下，按照教学过程的基本规律，系统化规划整个教学过程，划分课前预学、课堂探究、课后练测三段，其中课前预学、课后练测为课堂探究的质量提供教学效能，课堂探究以“疑、探、展、讲、练”为环节的非线性教学活动为主体，形成“一体两翼”的功效结构（如图1所示）。每个阶段实施教学遵循“一核四维”的操作指南，并附加实施保障条件、教学方式等，以提高模式的可操作性。比如：课前预学阶段以生疑解释感为核心目标，以感知内容、梳理知识、智能转化、疑难反馈为四个基本环节。

（二）人工智能时代：疑探教学模式的滞后性

1.课前预学：学生学情分析不准确。课前预学阶段，教师按照课程的教学目标、教学内容等预设学生产生的疑难问题，制作半结构性的预学案（导学案），引导学生解决部分疑难问题，启发学生产生个性化的疑难问题。课前预学也是学生根据预学案（导学案）探究、生成疑惑的自主学习过程。课前预学体现了学生自主探究、解决问题的新理念，为课堂教学中师生交互提供了大量资料。但是笔者对Z学校大量课堂实录分析或深入课堂观察，总结出大部分教师对Z学校疑探教学模式课前预学的要求领悟不透彻，比如：反馈疑难主要是学生完成预学任务后，归纳整理出疑难困惑点，以小组汇总的方式向教师书面反馈个性化的疑难问题。实际教学中，部分教师仅探究符合课堂的共性疑难问题，降低了学生个性化问题的关注度；部分教师安排教学内容容量大，难以逐个解答各个小组个性化的疑难问题。主要归因于传统信息技术产品功能难以支持精准学情分析，同时每个教师教学经验丰富程度对学情掌握影响较大，未能全方位关注学生的个性化疑难问题，教师难以精准施教，习惯于班级规模化教育，最终影响学生潜能的发展。

2.课堂探究：学生疑惑解决不及时。课堂探究是教师创设问题，引导学生探究解决问题的互动过程。笔者研究近几年Z学校疑探教学模式的课堂实录，分析出教师精心设计问题情境、探究活动与学生学习的真实需求不符。教师虽收集到各个小组的个性化疑难问题，但教学活动不具有针对性。教师难以把握学生对知识点的理解和运用情况，发现不了学生所学知识体系的漏洞，找不准学生的“学习痛点”[1]，教师难以获取学生课堂交互的即时反馈，很难提供个性化支持服务。

3.课后练测：训练资源不精准。课后练习是巩固课堂教学的效果试题，比如拓展练是针对班情、个人学情，提供分层次编制阶梯式练习题，但是实施过程中教师面对大量的测量题无法有序、系统地组卷，导致试题质量差。教师提供的个性化学习资源和教学资源比较随意，缺乏系统性，特别是部分教师利用“题海”战术让学生盲目做题，主要归因于信息技术产品不具备常态化采集、汇聚、分析教育大数据的功能，教师难以精准把握学情。

二、数据驱动疑探教学精准化

人工智能时代，教育数据大规模生产、利用和共享。教育数据助力科学决策，推动个性化教与学，精准帮扶学习较弱的群体，革新传统教学模式和学习机制[2]。

伴随式教育大数据采集与分析是疑探教学模式精准化教学的保障。学情分析是有效开展各种教学活动的前提，而精准学情分析可帮助教师准确选择教学内容、教学策略、教学方法等，提高教学效率。精准学情分析需大量教育数据，因此，如何获取教育大数据尤为重要。人工智能模式识别算法准确地识别手写姓名、考号，学生的作业本、试卷上无需粘贴二维码，符合学生传统的作答习惯，为精准快速采集数据提供了保障。大数据、人工智能技术构建的教学系统支持扫描仪对导学案、课前练测、学情测试工具或问卷等快速采集，也支持手机采集学生学情数据，缩短了教师采集、统计、分析的时间，减轻教师重复繁琐的工作难度，解决教师在传统教学中学情分析不精准的困难。大数据、人工智能技术支持的学情采集系统和学情分析诊断系统在不改变教师教学习惯的前提下，伴随式采集学生日常过程性和结果性的学习数据，以供教师多维度分析，比如：校级分析评价、班级分析评价、学科分析评价、学科追踪分析评价、学生追踪分析评价等，使教师基于数据分析的结果精确设计教学目标、内容和评价等，给学生提供个性化的教学与辅导[3]。具备录播智能分析技术的智慧教室或学科教室，加之精准教学系统、AI系统等各种智能教授、学习系统，为及时、完整采集学生课堂学习行为的大数据提供了有力保障[4]。伴随式采集课前、课中和课后学生的学习行为、路径、效果等数据，对学生精准画像，作为精准教学活动的基础。

数据可驱动疑探教学模式开展精准化教学。随着计算机运算、存储能力等硬件快速发展和人工智能技术成熟，数据存储、挖掘、分析技术广泛应用于各行各业，使数据的价值日益提高。大数据应用于教育教学中，重点采集教师教学和学生学习各维度的数据，采用数据挖掘与分析等技术生成数据报告，驱动教师实施精准教学。秦丹等详细阐述精准教学从1.0到2.0的理论基础和实施路径、支持技术和评价标准[5]。精准教学1.0侧重于教师追踪采集学生的学习表现、效果的数据，支持教学决策，改正学生错误行为或强化正确行为。精准教学2.0以培养学生高阶思维能力、适应未来生活的核心素养为目标，数据保障驱动教学活动精准化，包括教学目标精准化、教学准备精准化、教学过程精准化、教学评价精准化[6]，实施个性化教学。疑探教学模式虽体现分层教学、个性化问题解决、分层编制阶梯式练习题等个性化教学思路，但受限于一些客观因素如学情分析不精准等的影响，无法实施精准教学，忽视学生个性化特征，忽视学生发展潜能，尤其对临界生潜能发展需求的教学支持不够精准。疑探教学模式下，经验丰富、细心的教师根据学生平时表现可以判断出临界生，但是中青年教师难以准确识别临界生，导致有需求的学生得不到支持服务。而大数据驱动下，人工智能等技术对日常数据的分析，智能推荐临界生，为他们提供精准推荐教学资源、学习资源等支持服务。

大数据、人工智能技术支撑下的学情数据采集系统、学情分析诊断系统、题库资源系统、精准教学系统、AI学习系统等大数据精准教学平台，为解决教学痛点问题并切实促进“课堂用、经常用、普遍用”，为教师、学生、家长减负，促使教学方式、学习方式和管理方式有机转变，使因材施教、精准教学成为现实。

三、数据驱动下疑探精准教学模式的构建与实践案例

（一）构建数据驱动下疑探精准教学模式

梳理分析近几年疑探教学模式应用实证研究成果后，结合大数据教学平台的深度学习技术、协同过滤算法、大数据挖掘技术和基于自然语言处理技术等技术支撑下教学模式框架及应用研究，构建了数据驱动下精准疑探教学模式（如图2所示）。“以个性发展为宗旨”是数据驱动下精准疑探教学模式的指导思想，关注每个学生，挖掘学生潜能，满足学生个性化的学习需求，达到因材施教的目的。“以大数据教学平台为支撑”即合理使用大数据教学平台的功能，为伴随式采集、分析整个精准疑探教学过程提供智能技术。“以数据为基础”即伴随式采集教师教学行为和学生学习行为等教育大数据，为数据驱动精准疑探教学提供数据保障。“以数据驱动为动力”即利用数据挖掘、学习分析技术等，处理复杂、无关联的数据，使数据具有价值，促使教师实行精准教学，为学生提供个性化的支持服务。“以精准疑探教学为核心”即教师、学生依据大数据教学平台实行精准疑、精准探、精准展、精准讲、精准练等教学活动，遵循因疑惑而探究知识、转化知识的实施原则。

（二）实践案例

1.“精准疑”是教与学活动的开端——生疑。从课程阶段角度来分析，生疑主要分布于课前和课中。教师依据大数据平台学情组卷功能，选取最近半年平台上化学学科的考试情况数据，精准掌握班级中化学工艺流程的学情，选取除杂相关的学情诊断试题，设计半结构化学情诊断预学案，预设学生共性问题：能和酸反应物质有哪些，哪些物质不能反应；焙烧能否把盐转换为可溶于酸的氧化物；促进杂质离子完全除杂的关键操作是什么，择优选择反应条件，怎样控制反应条件，比如催化剂、浓度、温度等，减少副反应发生从而提高生产率？这些问题可供学生选择。预学知识点启发学生产生疑惑，学生将问题上传大数据教学平台，反馈给教师。

2.“精准探”是教与学活动的核心——解惑。教师梳理汇总个性化的问题集，创设阶梯式的问题情境。教师依据“精准疑”环节产生的数据分析报告以及教学内容的特性，采取相应的教学探究策略，包括自探、合探、互探。教师根据问题的相似性，精准重组学生小组，建立学习共同体，以小组为单位探究个性问题，以班级为单位探究、解决共性问题。教师确定主要的探究共性教学问题，精准创设问题情境（如表1所示），引导学生探究。

同时，大数据教学平台向教师即时反馈学生参与探究活动的行为、情绪等，教师精准纠正个别学生参与探究活动的行为，或精准提供支持和帮助。学生探究问题时，教师根据“精准疑”环节的问题，精准选择、帮助或指导学生解决小组难以解决的问题，同时教师判断这种问题是否需要全班学生共同探究。“精准探”环节最终产生个性问题及共性问题的解决成果集，为教师“精准讲”提供数据。

3.“精准展”是探究成果展示、交流分享、知识内化。教师依据大数据教学平台对“精准探”环节产生的探究成果集，开展有序展示。共性探究方案成果需一个人展示，其余学生补充方案的不足，教师加以点评。个性探究方案需要教师评估，分析预设教学解决方案与课中反馈问题解决方案间的差异。除杂方式的个性化解决方案有利于教学目标、教学内容的完成，适合在班内开展；涉及化学方程式书写、计算等个性化的解决方案不具有推广性，课下教师应单独点评。除了个性和共性探究方案外，仍可丰富教学内容，教师需补充展示解决方案，帮助学生内化知识。比如：钙离子和碳酸氢根不反应、Fe3+在酸碱度影响下满足什么条件开始沉淀、众多金属离子为什么分步调节酸碱度等问题。共性、个性探究成果的展示与教师补充展示相结合，学生、教师共同分享交流、评价，促使学生的知识内化，加之大数据教学平台采集展示过程中可将学生行为、情感、问题解决案例等数据转换成结构性数据，方便学生课后反思，促进知识构建。

4.“精准讲”是查缺补漏、讲授知识、总结提升。教师根据预设教学内容的特性，以及大数据教学平台提供学生对预设教学知识点的涉及、掌握情况，教师精准选择教的内容及策略。大数据教学平台收集精准疑、精准探、精准展环节产生的问题集、探究成果集等教与学过程性资料，在数据挖掘和学习分析技术支撑下构建各种模型算法，反馈学生掌握知识点的情况，教师精准查缺补漏、总结提升，让学生知其所以然，讲解教学重点、难点、盲点以及如何解决问题的思路、方法等，让学生建立知识体系。

根据教学过程的前三环节，教师重点选取氧化还原除杂和沉淀除杂的问题讲解，并总结。氧化还原除杂，可讲解以闪锌矿为原料制备金属锌的问题情境。沉淀除杂主要包括加沉淀剂和调节酸碱度，加沉淀剂是针对混合不同的离子选取不同的试剂。调节酸碱度除杂，教师可讲解Fe3+的例子并总结。

大数据教学平台利用智能录播技术等采集教师讲解的视音频，保存为微课，以备学生课后温习；利用语音识别技术将课堂中音频转换为文字，保存于平台中，供学生课下查阅。

5.“精准练”是知识外化、实练提能。知识外化是学生有多种机会在不同的情境下应用所学知识，教师创设个性化、定制化的问题情境，引导学生知识外化。针对全班学生使用阶梯式练习策略，大数据教学平台利用知识图谱功能及对采集的共性问题集、探究成果集等分析，向教师推送不同难度的题目，教师依据预设教学目标及精准疑、精准探、精准展、精准讲等环节的过程性数据，评估学情，精准选择平台推送的题目或手动增加题目，组成测试题，与此同时，教师为了避免人工智能环境下题海战术，精准编排测试题目。

除了教师推送公共题目外，大数据教学平台依据学生个性化问题推送定制化的试题，学生在不同的问题情境中自主探究、自主发现、解决问题，达到知识外化、实练提能的效果。大数据教学平台采集学生日常诊断性数据，精准捕捉学情动态，同时记录下错题，根据学生测试的数据分析整理，提炼出共性错题，个性错题主要产生于个性化问题集的知识点，因此，能查找出学生自身的知识薄弱点。

四、结论与展望

基于大数据教学平台，以知识图谱为主线支持下问题解决过程的详细采集，为学生系统建构知识提供帮助。知识图谱技术用自动或半自动对精准疑、精准探、精准展、精准讲、精准练各环节产出的问题集、成果集、方案集、解决问题方法集等自然语言文本、图像、视频开展知识抽取，将抽取的数据分类、梳理、汇聚到原有的知识点中，形成知识单元。而知识点间又按照一定规则联系在一起，形成网状知识结构、多级知识体系，汇聚发现问题、分析问题、解决问题、巩固提能的教学过程性教育大数据，为学生综合性评价提供原始数据，为精准教学提供学情分析和策略。

因此，教研组长要精准掌握学科学情，班主任、任课教师要精准掌握班级学情并关注学情波动情况。随着人工智能等技术应用到教育教学中，教师、学生充分利用大数据进一步精准优化教与学的过程，提高课堂教与学的效率。采取精准采集学生的过程性学习资料的方式，教师可精准干预学习行为、平台反馈、成果评价等，产生问题集、探究成果集、解决方案集、知识图谱等过程性数据，为综合性评价提供有力的数据支撑。

参考文献

[1]任红杰.基于大数据的精准教学：生成路径与实现条件[J].黑龙江高教研究，2017（09）：165-168.

[2]但金凤，王正青.数据驱动教学变革：美国教师运用教育数据的教学实践与支持机制[J].电化教育研究，2020（10）：122-128.

[3]邢丽丽.基于精准教学的混合式教学模式构建与实证研究[J].中国电化教育，2020（09）：135-141.

[4]钟绍春.课堂教学新模式构建方向与途径研究[J].中国电化教育，2020（10）：40-48.

[5]秦丹，张立新.人机协同教学中的教师角色重构[J].电化教育研究，2020（11）：13-19.

[6]姬晓灿，成积春，张雨强.技术时代精准教学探究[J].电化教育研究，2020（09）：102-107.

（本文系2024年度甘肃省“十四五”教育科学规划课题“AIGC赋能普通高中信息技术学科核心素养培养创新研究”的阶段性研究成果，课题立项号：GS[2024]GHB1377）

编辑：宋春宇