大数据助力因材施教

沈志斌　王玉家

一、问题的提出

教育大师怀特海《教育的目的》一书中指出：“人最有价值的发展应该是自我发展。”教育应该根据人的天分和可能性来促进其发展，人是一个个不同的生命体，即使是同一年龄阶段的人，也有着天分、认知和能力上的差异。

沿用至今的班级授课制产生于16世纪的中欧，最早是由捷克大教育家夸美纽斯提倡和组织实施的。“把一切事物教给一切人们的全部艺术”在一定程度上也因此而得以实现。为了实现自己的“教一切人”的理想，夸美纽斯经过不断探索并且找到了使这种教育切实可行的教育制度—分班上课制度，此后该制度逐步发展完善，推行遍及欧美乃至全球，成为今天家喻户晓的班级授课制。我国最早使用班级授课制是1862年，班级授课制是适应社会化大生产的需要，为培养各种各样的产业工人而产生的。班级授课制虽然有利地促进了教育的普及化，但自身也存在难以克服的缺陷：教学活动多由教师做主，学生学习的主动性和独立性受到一定程度的限制；学生主要接受现成的知识成果，其探索性、创造性不易发挥；学生动手机会较少，教学的实践性不强，不利于培养学生的实际操作能力；班级授课制下授课的时间、内容和进程都固定化、形式化，不能够容纳和适应更多的教学内容和方法；它以“课”为活动单元，而“课”又有时间限制，因而往往将某些完整的教学内容和教学活动人为地分割以适应“课”的要求；它强调的是统一，齐步走，难以照顾学生的个别差异等，不利于因材施教。

二、数据驱动的精准教学

1.数据驱动的精准评讲

数据采集后，系统提供一份诊断报告，如图1为高三物理一轮复习阶段性检测的诊断报告。该报告给出了每个选择题的正确答案、错误人数、高频错误选项；填空题的错误人数；解答题的得分率。传统评讲作业或试卷，有些教师从头讲到尾，没有重点，而且往往时间不够，评讲质量低。

有了诊断报告，教师可以快速、精准定位评讲重点，提升评讲质量。教师依据一定的质量标准，以50人样本为例，得分率临界值为70%，那么选择题、填空题错误超过15人的应该评讲，解答题得分率低于70%的应评讲。依据这样的标准，对诊断报告进行检索，教师很快找到符合标准的共有13处（如图1中方框标注所示），这就是课堂评讲的重点。选择题评讲时，首先要评讲的是高频错误选项，如图1中三角标注处，双击该处可以查看是哪些学生出错了，这一功能在传统手工统计诊断时几乎是不可能实现的。

2.数据驱动的精准辅导

系统强大的数据挖掘功能，可以提供最新的学业成绩单，可以按照学号排序、从高分到低分排序、从低分到高分排序，教师可以快速查找学业困难学生，判定是否实施数据驱动的个性化辅导。从长时段来看，学生个体接受教师个性化辅导的机会并不多，因此，教师在实施个性化辅导前应充分备课，主要包括：

（1）查看学业困难学生作答情况，分析作答错误的成因，系统数据采集过程中能够自动保存作答错误的图片（如图2所示），使得这一工作变得非常简便。

（2）查看学业困难学生学业档案，实施动态跟踪，有些学生在新课教学时未掌握概念或方法，因此在综合练习或考试时容易出错，实施个性化辅导时必须帮助学生回到教学的原点，方能收到较好的效果。

（3）查看学业困难学生学业作业动态跟踪图线、考试跟踪图线，分析两种图线的差异性。有些学生作业质量不断上升，而考试成绩不断下降，这很有可能是平时作业缺乏独立思考引起的。

（4）查看学业困难学生知识点掌握情况，如图2所示，通过常态化采集作业、考试数据，系统自动生成学生较薄弱的知识点或方法图表，然后通过数据驱动，指导学生加强对薄弱知识点或解题方法的学习。

3.数据驱动的教学资源推送

系统通过大数据分析，可以为教师的教学提供资源的精准推送。例如，一节课结束后，教师需要提供课后作业，以巩固新授课的知识点、方法等。传统教学需要教师凭借自己的专业眼光命题八个练习，而利用大数据系统的推送功能，则只需要教师命题五个练习，其余的三个练习由系统推送生成。而且，这三个练习具有极强的针对性，是针对这个班级中学生掌握程度不高的知识点或解题方法的，通过这样的滚动与推送，提升训练的针对性和有效性。同样的原理，可以让系统为每个班级推送复习资源，为班级命制考试卷等，相比于传统教师的命题，既节省了时间，又提高了针对性。

4.数据驱动的校本题库

在日常教学中，几乎所有的学科都需要配置一本同步练习，以强化学生对知识的训练。教学实践中不难发现，很多学校使用同样的同步练习，这就造成了不同认知水平的学生做同样的练习，练习的针对性较差。为了改变这种局面，部分学校着手建设适合本校学情的题库。通常的做法是购置一个题库软件，教师逐步将“看中”的题目添加在题库软件中，从而形成校本题库，这种题库的质量依赖于教师的专业眼光，是经验型的题库，或者说是一个题堆。通过系统，教师采集作业或试卷，将题库建设工作与教师日常教学结合起来，经过一轮的教学实践，校本题库自然建成，同时这种题库带有属性，如每份作业、试卷、每个题目的难度、区分度等。在新一轮教学中，教师可以查看上一轮训练的相关信息，作取舍或修补，从而进一步提升教学的针对性。

三、数据驱动的个性化学习

1.一键导出错题，学会知识管理

每个学生都是一个鲜活的个体，不同的学生经历着不同的学习过程，有着不同的学习体验。随着学习经验的不断积累，每个人的知识结构也不相同，尤其是知识和学习方法上的缺陷也各不相同。

通过大数据技术，常态化采集学生的学业数据后，系统自动记录每个学生学习上的缺陷。依据艾宾浩斯遗忘理论，为了与遗忘做斗争，及时复习十分重要。每周或每月，学生通过极课大数据系统下载自己的错题本并订正，学会知识管理，就是一种很好的个性化学习方式，错题重做的习惯即是一种很好的学习能力。

2.个性化学习资源精准推送

系统记录的学生个体学业知识点掌握程度分布图，根据一定的算法，可以实现：

一类：在学校日常教学中，学生过程性评价练习，通过数据采集和诊断，在学生实施学业纠错时，针对相应的知识点，系统自动推送相应教学资源，为学生学业纠错提供帮助和支持；同时推送等位题库的等位练习供学生巩固和拓展，起到举一反三巩固知识点的作用。

二类：在终结性评价实施之前的复习时段，通过数据采集和诊断，针对一个阶段学生的学业情况，系统从等位题库中自动挑选资源组成学生的个性化学习资源，供学生复习巩固使用。

三类：在暑假和寒假前夕，通过一个学期的学业数据采集和诊断报告，系统从等位题库中自动挑选资源组成学生的个性化假期学习资源，实现假期作业的个性化。

四类：在假期学生自主学习时，学生先自学教材，然后借助等位题库频实施机器学习，系统将自动记录学生的認知能力及水平，并形成相关数据报告，供学生和教师参考。这类学习形式新颖，学生如玩游戏一样轻松地学，具有很大的吸引力，特别适用于对学科竞赛有兴趣的学生，可以极大提升学生的自主学习能力。endprint