大数据精准教学技术框架研究*

王亚飞 李 琳 李 艳



大数据精准教学技术框架研究*

王亚飞1李 琳1李 艳2

（1．讯飞教育技术研究院，安徽合肥 230088；2．浙江大学 教育学院，浙江杭州 310028）

文章首先从探索“差异化教学”实践路径的角度导入大数据精准教学方法，介绍了大数据精准教学的技术与实践基础。随后，文章设计了大数据精准教学技术框架，介绍了该框架的四条基本原则并与传统精准教学的观点进行了对比，分析了一组以“自动记录、多维观察、精准调整”为核心的应用模式；同时，结合示范校的大数据精准教学应用实践，文章以“试题讲解课”与“考前复习课”为例，呈现了课程应用大数据精准教学的最佳实践。最后，文章提出了大数据精准教学技术框架的推广策略，以期推动精准教学的进一步发展和教学改革的不断深入。

大数据；精准教学框架；学情分析

在传统的课堂教学中，大多数教师难以在课前全面掌握每个学生的情况，以至于“因材施教”、“差异化教学”等理念虽然常常被提起，却一直很难落地。常见的解决办法是缩小班级规模、提升教师素质，使教师能够关注到每位学生、让每位学生都能得到有针对性的帮助与指导。然而，当前我国“优质教育资源总量不足、布局不合理”[1]，没有足够的教育资源支撑小班教学，因此缺乏推广小班教学模式的基础。随着以大数据、人工智能为代表的智能技术的兴起，借助各类教育信息化系统，教师便可从多个维度了解班上每个学生的情况。在相关教学理论的支持下，更多的学生有机会获得教师的“差异化教学”指导和应用系统的“个性化学习”推荐，符合新时代教育教学的发展趋势[2]。这类教学实践因其依赖大数据技术和学习效果精准评估方法，可实现差异化教学和个性化学习，而被统称为“大数据精准教学”。

一 大数据精准教学的技术与实践基础

实现大数据精准教学，一方面需要在大数据技术的支撑下，通过学生的行为数据动态掌握学生的整体情况；另一方面需要在精准教学理念的支撑下，不断优化教学的模式、方法与策略。

1 大数据技术

大数据精准教学主要涉及以下几种大数据技术：①学习行为采集技术。在各类教学过程信息化系统（如在线学习系统、在线作业系统、课堂教学系统等）中，利用系统日志或实时服务，记录行为发生时间、行为类型及系统上下文环境信息，并在相关大数据工具的支持下，实时、动态地对学习行为过程与结果进行跟踪、记录、汇聚与规整，并为进一步分析与挖掘利用做好准备。②学情分析技术。利用数据统计、数据分析、数据挖掘以及数据可视化等技术手段，针对学生的行为过程与结果数据，分析学生个体或群体的学习风格与习惯、学业状况及心理状况，实现教师对学生当前情况的全面掌握、对学生未来情况的预测估计。③个性化推荐技术。基于学习行为过程与结果数据，利用心理测量技术，建立学习风格模型；利用知识树构建和认知诊断技术，建立知识图谱；利用协同过滤技术，建立协同过滤模型；综合利用学习风格模型、知识图谱、协同过滤模型，提供针对学生个性化学习的智能推荐服务。

2 精准教学方法与实践

“精准教学（Precision Teaching）”方法最早由Lindsley博士在20世纪60年代提出[3]。Lindsley[4]发现：在“自由操作（Free-operant）”的实验室条件下，观察、记录被试者的行为频次及响应速度等数据，据此调整被试者的活动，可以获得更好的学习效果。这个发现最初用于特殊教育领域并取得了极大成功，随后Lindsley将其推广到学校教育领域，并在实践过程中与Skinner的新行为主义学习理论相结合[5]，最终形成了体系化的精准教学方法。这套方法的核心思想是：针对可直接观察的学习行为，定时记录行为频次并将其在标准化的图表中绘制出来，对照图表反映的行为频次变化趋势判断学习成效，据此对教学方法与学习策略进行动态调整[6]。由于这套方法能直观地测量学生的学习成效，因此也常被用于评估指定教学方法的有效性[7]。

3 大数据技术与精准教学方法在实践中的融合

精准教学方法从20世纪70年代开始，在美国佛罗里达州、加利福尼亚州、华盛顿州等多个区域进行了应用，取得了很大的成功；但是，长期坚持使用，并成为应用典范的只有寥寥几个。通过对美国蒙大拿州大瀑布城的萨卡加维亚小学（Sacajawea Elementary School）和华盛顿州西雅图的晨兴学院（Morningside Academy）这两个典型学校的应用案例进行分析，本研究发现导致精准教学“叫好不叫座”、无法大规模推广、不能长期使用的关键因素，是支撑精准教学的传统技术手段具有明显的局限性。传统的精准教学只记录行为频次、响应时间等少数指标的数据，而基于单一维度的数据分析，免不了会出现以偏概全、主观性强等问题，进而影响师生对学习成效的判断；另一方面，需要师生定期记录自己的行为数据、填写表格并绘制趋势图，其过程繁琐、容易出错，且难以长期坚持。

基于大数据技术的精准教学，其学习行为记录的过程由教育信息化系统自动完成，不仅记录的过程更容易，而且记录的内容更系统、更全面；行为数据分析是在“学情分析系统”等大数据应用系统的支撑下完成的，学习方法与教学策略在教育信息化系统的支撑下也更易于调整。大数据精准教学有显著的技术优势，成为了有别于Lindsley建立的传统精准教学的新应用范式。

二 大数据精准教学技术框架的设计

为了更好地帮助教师掌握大数据精准教学方法、应用大数据精准教学工具，并指导厂商设计与开发大数据精准教学产品，本研究团队从全国超过70所科大讯飞智慧教育产品“应用示范校”中选取了较有代表性的七所学校（位于贵州、安徽、浙江、广东等地）开展案例调研，同时与Lindsley关于精准教学的观点[8][9]进行对照、比较，设计出大数据精准教学技术框架（下文简称“框架”）。框架聚焦于技术与方法如何落地、应用，约定了四条基本“原则（Principles）”和一组应用“模式（Patterns）”，并总结出若干条“最佳实践（Best Practices）”，如图1所示。

1 基本原则

采用大数据精准教学方法的产品设计与应用需遵循以下四条基本原则：

① “聚焦于可观测的行为数据”，此原则有别于传统精准教学的观点“聚焦于可直接观测的行为（Focus on Directly Observable Behavior）”[10]。这是因为传统方法只能采集可被直接观测到的行为，而利用大数据技术可以记录隐藏的行为动作。如在传统精准教学中，学生是否“性格害羞”，可通过观测“教师提问时学生低头的次数”来反映；而在大数据精准教学中，可通过对比“学生评价教师微课资源的内容与频次”、对比“课堂举手动作的响应时长与频次”等来反映。

图1 大数据精准教学技术框架

图2 大数据精准教学应用模式

②“用多维指标来衡量表现”，此原则有别于传统精准教学的观点“用频次来衡量表现（Frequency as a Measure of Performance）”[11]。在传统精准教学中，使用“行为发生频次”（即单位时间内行为的平均反应次数）作为衡量指标比使用“行为结果正确率”更有优势[12]；而在大数据精准教学中，无论是“行为发生频次”，还是“行为结果正确率”，甚至是更多的行为活动上下文信息，都可被系统自动提取、使用，并且采用多维指标作为决策依据，可以避免“以偏概全”的问题，使决策更具科学性。

③“使用学情分析工具”，此原则有别于传统精准教学的观点“使用标准变速图表（The Standard Celeration Chart）”[13]。“标准变速图表”是在一个横纵坐标含义、刻度都已标准化的图表上绘制行为频次信息，以行为频次的变化趋势来衡量学习行为表现；其突出优势是简洁直观，劣势是反映的信息量较小。而大数据学情分析工作可以针对不同主题，从不同维度形成可视化的图表，能够较为全面地反映学生的学业水平、学习风格、学习意识等方面的现状与变化趋势。

④“以学习者的表现为唯一决策依据”，此原则与传统精准教学的观点“学习者最清楚（The Learner Knows Best）”[14]相一致。大数据精准教学强调对教与学过程提前进行周密的设计，但是在设计过程中，选择什么样的教学方法、学习策略及学习内容，更多地依赖于师生自己或他人的主观经验，不可避免地会出现学习效果因人而异的情况，这时候就一定要以学习者的表现作为调整教学决策的唯一依据。

2 应用模式

大数据精准教学应用模式如图2所示，其核心内容为“自动记录、多维观察、精准调整”：①自动记录，是指教育信息化系统自动记录学习行为数据，包括行为过程数据（如课堂举手行为、课堂提问行为、开始答题行为、提交答题行为等）、行为结果数据（如课堂举手作答结果、答题评测结果等）以及行为实录数据（如课堂音视频实录、考场音视频实录等）。②多维观察，即基于学情分析工具，从多个维度观察与解析学习行为数据所反映的学生情况；在实践过程中常用的学情分析工具包括分析班级学情的“知识点分布图”、“成绩趋势分布图”、“师生社交网络图”和分析学生学情的“学生时效矩阵”、“个人知识图谱”等。③精准调整，即基于学情分析结论和相关的专家经验，精准干预班级的教学方法和个人的学习策略；在实践过程中，常见调整授课形式、布置针对特定知识点的强化练习、面向特定学生提供个别辅导等调整措施。

表1 试题讲解课应用大数据精准教学的推荐流程

表2 考前复习课应用大数据精准教学的推荐流程

3 最佳实践

最佳实践是从遵循大数据精准教学基本原则和应用模式的真实案例中总结并固化的、能达到较好实践效果的技术、方法、模式或流程规范，它需要在应用实践的过程中不断补充、修订、更新和积累。在科大讯飞股份有限公司研发的面向课堂教学、自主学习及课后作业等场景的智能学习产品的支撑下，本研究团队调研的七所“智慧教育产品应用示范校”均不同程度地开展了大数据精准教学应用实践的试点工作。基于实践结果，本研究团队与示范校共同总结了多项最佳实践，从中选取已取得最佳实践效果的流程规范举例如下：①试题讲解课应用大数据精准教学的最佳实践，其推荐流程如表1所示；②考前复习课应用大数据精准教学的最佳实践，其推荐流程如表2所示。

三 大数据精准教学技术框架的推广策略

传统精准教学一直面临着推广普及的难题。为避免大数据精准教学重蹈覆辙，有必要从内外部同时着手：一方面完善框架的自身内容，以增强框架的可操作性与易用性；另一方面优化框架应用的外部环境，以提升教师应用框架的水平，并培养良好的使用习惯。

1 产学研用相互配合，丰富框架的自身内容

当前框架的形成，有赖于对试点校的实践案例与经验教训的观察、总结、提炼与验证；而将框架推广到更多学校，由于外部环境的不断变化，在应用的过程中出现新的问题与挑战在所难免。若要保持框架的代表性与引领性，必须不断地将“产、学、研、用”各领域中的应用实践成果补充到框架之中：①基于产业实践，为框架补充更强大的学情分析工具；②基于学习实践，为框架补充更具可操作性的框架学习指南；③基于科研实践，为框架补充关键技术模型和重要理论方法；④基于应用实践，为框架补充更多的“最佳实践”，不断丰富基本“原则”与应用“模式”在实践中的应用细节。

2 区校协同推进，提升教师的应用能力

大数据精准教学显著地改变了传统的教学模式与方法，单个教师难以独立开展实践应用，必须由学校乃至区域协同推进管理制度的变革，为教学应用创设适宜的外部环境。同时，教师不仅要改变自己的教学习惯，还要提升自己的信息化教学水平，以充分发挥学情分析工具所提供的大数据分析与预测能力。教师应用框架的能力水平可分为三个层次：第一层次，能够看懂并解读学情分析的可视化图表；第二层次，能够综合利用已被提取的各项指标数据，创建学情分析的可视化图表；第三层次，能够结合自己的教学实践，通过归纳总结、建模等方法从学习行为数据中提炼更多的指标数据，创建学情分析的可视化图表。教师应致力于达到更高的应用能力层次，以充分发挥大数据技术对精准教学的价值。

总之，大数据精准教学技术框架是一套经过实践检验、有助于提升教学质量与学习效果的方法体系。期待随着内容的完善与教师能力的提升，该框架将伴随着“教育信息化2.0”新时代的到来而在全国范围内得以大规模地普及。

[1]国务院.国家教育事业发展“十三五”规划[OL].

[2]教育部.教育信息化2.0行动计划[OL].

[3][7][8][12]Binder C, Watkins C L. Precision teaching and direct instruction: Measurably superior instructional technology in schools[J]. Performance Improvement Quarterly, 1990,(3):74-96.

[4]Lindsley O R. Precision teaching: By teachers for children[J]. Teaching Exceptional Children, 1990,(3):10-15.

[5]Lindsley O R. Precision teaching’s unique legacy from B. F. Skinner[J]. Journal of Behavioral Education, 1991,(2):253-266.

[6][9][10][11][13][14]Athabasca University.Precision teaching: Concept definition and guiding principles[OL].

Research on the Technological Framework of the Precision Teaching based on Big Data

WANG Ya-fei1LI Lin1LI Yan2

Firstly, this paper accessed into the precision teaching method based on big data from the perspective of exploring the practical path of the differentiated instruction”, and introduced the technology and the practice basis of the precision teaching based on big data. Then, this paper designed the technical framework of the precision teaching based on big data, introduced the four basic principles of the framework and compared the four principles with the views of traditional precision teaching, and analyzed a set of application patterns with “automatic recording, multidimensional observation, precise adjustment” as the core. Meanwhile, combined the application practice of the precision teaching method based on big data in model schools, the best practice of the course applied in the precision teaching based on big data was presented by taking the “tests explanation course” and the “pre-test review course” as examples. Finally, the promotion strategy of the technical framework of precision teaching based on big data was proposed, expecting to promote the further development of precision teaching and the continuous deepening of teaching reform.

big data; the framework of precision teaching; learning situation analysis

G40-057

A

1009—8097（2018）07—0005—07

10.3969/j.issn.1009-8097.2018.07.001

本文为国家语委“十三五”重大课题“智能语音及人工智能技术在语言学习中的应用研究”（项目编号：ZDA135-4）的阶段性研究成果。

王亚飞，副院长，高级工程师，硕士，研究方向为教育大数据、智能教育，邮箱为yaphi@ustc.edu。

2018年5月22日

编辑：小米