基于大数据面向个人的教学模式研究

李文灿，顾银宽

(安徽工业大学 商学院，安徽 马鞍山 243002)

因材施教是教育一直提倡和追求的目标，依据学生的具体情况有针对性地教学指导是学生学习的客观要求，也是教学模式改革发展的必然趋势。大数据为实施从群体教育向个性化教育转变提供了可能性。

一、大数据对教育教学模式的影响

大数据把我们带入到教育在线化和网络化的信息化时代，课程利用爱课程网、Udacity、Coursera及edx等在线教育平台将会实现免费在线开放，翻转课堂、MOOC风暴和微课程让学生切身体验大数据对教育的影响。基于大数据的教育教学模式促使教育在资源观、教学观、教师发展观等方面都将发生新变化，对传统大学教育带来巨大的冲击和深远的影响。

(一)革新教育理念和教育思维

随着大数据的不断发展，大规模在线教育平台深刻改变着教育理念、教育思维方式。大数据背景下，师生言行皆可以转化为数据。教师可以利用海量的教学案例及其分析结合学生的具体情况，设计出最佳的具有针对性的教学方案，因材施教学，而不再依赖以往的教学经验。学生可通过对测试题的分析总结自身对知识点的掌握程度，进而有的放矢自主地进行学习而不必依赖教师的有限理性判断。

当在线学习模式成为学生学习的主要工具之时，传统的课堂教学模式则起辅助作用。 “翻转课堂”学生课下通过网络在线学习，课上老师进行复习、讨论、答疑解惑，改变了以往课上老师授课、课下学生练习的传统教学思维。

微课程学习方式下教师备课不再准备教案、讲稿等，而是以学生为主体精心准备“自主学习任务单”及与之配套的教学视频以指导与帮助学生自主学习。教师的角色从“演员”向“导演”转型，教学方式从以“教师为中心”向“学生为中心”转变。

(二)面向个人的教育模式

面向个人的教育模式指从教育目标、计划、方法、方案等方面为个别受教育者量身定制的教育模式[1]。依据学生的具体情况有针对性地教学指导是学生学习的客观要求，也是教学模式改革发展的必然趋势。大数据为实施从群体教育向个性化教育转变提供了可能性。

利用大数据技术，教师可以依据课堂教学过程、学生完成作业过程以及师生或生生互动过程，了解真实、个性化的学生信息，制定较强针对性的“自主学习任务单”。在线学习平台依据学生的思考习惯、学习特点、学习方法等总结出基于不同学生特点的不同学习模式，并在学生在线学习过程中自动地配置最优学习模式，在减轻学生学习负担的同时学生的学习效率还得到提高，学习效果会更好。

微课程学习方式下，学生依据“自主学习任务单”，结合个人学习、生活、家庭等具体情况，自定学习进度，不懂的则反复观看教学视频，不能自我解决的难点则可通过课堂教学的个性化指导加以解决。不同的学生经由不同的学习路径完成学业，提高了教师教学与学生学习的效率与质量。

(三)重新构建教学评价方式

对教师评价而言，传统的评价方式主要评价教师的教案、讲稿、课件、课堂表现以及作业批改等内容，在大数据技术条件下，对教师的评价从讲课水平与教学方式转变为对教学设计、组织指导的评价，从讲课水平的评价转变为对学生学习成绩提高的评价。

对学生评价而言，利用大数据技术所记录的学生的作业完成情况、课堂表现、师生或生生互动等等，分析学生的思想、心理与行为的变化轨迹，总结学生学习成长过程的各类特征，从结果评价转变为形成性评价。同时也能促进教师教学反思，优化教学过程。

(四)数字化教材建设

翻转课堂、慕课及微课程等在线学习平台需要功能强大的、符合现代教学规律的、容纳多种信息化智能化课程的、全天候全方位的教学大数据平台作为其支撑，利用信息技术和数字技术开发集文字、声音、图像为一体的数字化教材成为迫切的现实需求。数字化教材应以纸质教材为基础，通过数字化手段重构教材内容和教学过程，配套数字资源。智能化教材便捷、便宜、质量高，不仅降低了学生的负担，还大幅度提高了教学效率与效果。

(五)全校大数据战略

要充分利用教育大数据，必须在学校层面形成整体大数据战略[2]，将管理信息化及教学信息化与学校日常工作进行紧密结合，形成原始的信息来源。对教务、行政、科研、人事、财务、后勤等的管理决策、具体活动与过程控制，培养目标、教学计划、教学组织、教学质量、教学评估、师生管理等的决策与控制，进行全面系统的收集并形成全校管理大数据，实现学校管理的精确化、科学化，降低管理成本，提高管理效率。

二、面向个人的精准教学模式构建

(一)学生个人数据库建设

学生个人数据库的建设是面向个人教学模式的前提，其至少应包括学生个人基础数据与学习数据。学生个人基础数据涵盖学生个人的基本信息如姓名、年龄、专业、爱好等，知识储备信息如先修课程及其成绩。学习数据涵盖学习路径、认知困难、日志、讨论、作业、个性见解、人际交往、爱好特长、思想状况、心理状况甚至睡眠情况及精神状态等，这些又可分为学术、行为与情感信息。学生个人信息可通过在线学习、课堂教学、辅助教学工具等平台收集。

(二)学生教育数据挖掘、分析与预测

数据挖掘涉及学生课程学习、各项训练、在线平台浏览，学生所修课程统计、各类测试内容与结果等。

分析的内容涉及学生课内外各类课程的学习表现、各类选修课程的有益性、教材选择的正确性、教学与学习方法的适当性等。

预测是依据每个学生的具体学习信息，其不同的爱好、兴趣、学习动力、学习目标等，归纳总结学生的具体学习行为及其影响因素，预测学生的学习成绩与未来变化趋势，对一些学习成绩不佳的学生及时提出预警。

(三)个性化干预与指导

教师在教学过程中要及时关注学生的学习数据库，结合每一个学生的基础数据以及教师的教学经验，在必要的时候对某些学生，特别是学习成绩较差的学生学习轨迹进行修订，比如修订教学方案，通过互动平台推送个性化资源等。

个性化指导是个性化教育的关键环节[3]。通过对每个学生的学习能力、学习效益、学习风险、学习进度、知识掌握、薄弱环节等的分析确定需要帮助的具体学生对象与内容。

教学设计是保证个性化指导质量的关键[4]。要以学生为中心，以问题为导向，运用多种教学方法，通过对教学资源的架构、课堂教学内容的准备、教学的组织与实施，激发学生的学习兴趣，让学生有获得感和成就感。

(四)多元化评价

个性化教学重视的是学生的学习过程而非最终结果，强调的是培养学生思考与解决问题的方式方法，在学业评价上要采取多维的评价方法。

形成性评价通过学生的学习笔记、学习疑惑、课堂提问、课程作业、单元测验、小论文、师生互动、同学互动、人机互动等，对教学过程不断的测评、反馈与调整，最后达到教学目标。

多元评价通过对学生的学习效果、学习效率、学习兴趣、思维理解能力、应试能力、动手能力、实践能力等进行多元评价，最终给出合适的学业成果。