大数据时代精准教学的新发展与价值取向分析

2019-11-12郭利明杨现民张瑶

电化教育研究 2019年10期

郭利明杨现民张瑶

[摘要] 迈入大数据时代，精准教学正从1.0走向2.0。文章采用文献研究法，将精准教学2.0与精准教学1.0进行对比分析，发现精准教学2.0在理论、技术、方法三个方面有了新发展，重新赋予精准教学鲜活的生命力，并从技术、人本以及文化三个层次探讨了精准教学2.0的价值取向：（1）技术价值取向：走向人机协同，实现轻负高质;（2）人本价值取向：强调个性发展，尊重个体差异;（3）文化价值取向：秉承因材施教，追求极致发展。其关系表现为由技术价值取向的精准教学下位层向上延伸至人本价值取向、文化价值取向的精准教学上位层，决定精准教学2.0未来的实践发展。最后，文章从搭建大数据技术教学分析平台、构建数据驱动的精准教学支持体系、提升教师数据素养水平、成立校企精准教学课题研究联盟以及成立引领性的精准教学教育研究院五个方面提出促进精准教学2.0在国内发展的路径。

[关键词] 大数据; 精准教学; 发展路径; 人本价值; 技术价值; 文化价值

[中图分类号] G434 [文献标志码] A

一、引言

精准教学（Precision Teaching）最初由美国学者Lindsley 于20世纪60年代依据斯金纳的行为主义理论提出，他认为精准教学是根据标准变速图表（Standard Celeration Charts，简称SCC）上显示的持续性自我监控表现频率的变化而作出的教育决策[1]。随后，精准教学逐渐在特殊教育领域、普通小学课堂、初高中数学与语文阅读教学中取得了成功。然而，由于技术的缺失及行为主义理论的局限，精准教学的发展逐步受限，甚至一度受到冷落。信息技术的快速发展让精准教学再次受到热捧。祝智庭教授于2016年从教育信息化带动教育变革的角度正式提出精准教学，认为其是一种面向高效知识教学的方法[2]，精准教学开始了在教育信息化浪潮中的“征程”，不断涌现出精准教学模式或模型研究、精准教学框架设计研究以及精准教学学科实践研究等。

大数据的兴起与盛行将数据的应用价值推向全新的高度，也为精准教学的快速发展提供良好的契机。以测辅学是精准教学的核心机制[3]，借助大数据智能教育系统，精准教学的数据测量、记录以及决策变得更为精准与真实;通过采集学生全过程的学习行为数据，精准识别每一位学习者个性化的学习需求和学习特征[4]，能够实现差异化教学。在大数据浪潮的孕育中，精准教学早已焕发新的生机，基于此，本研究深入探讨其在大数据时代的发展变化与价值取向，以期能为后续的研究提供一定的借鉴与指导意义。

二、精准教学从1.0走向2.0

大数据时代的精准教学较之于早先的精准教学，呈现三个新的发展趋势，正由精准教学1.0走向2.0，如图1所示。

（一）理论新发展

精准教学1.0基于斯金纳的行为主义理论而被提出，后在维果茨基的最近发展区、Haring和Easton的学习层次结构理论与布鲁姆的掌握学习理论的影响下逐渐发展。随着学习科学的诞生与逐步成熟，精准教学2.0在继承1.0理论的基础上，不断融合活动理论、情境学习理论及人本主义理论，以适应在大数据时代的发展。

1. 活动理论

在大数据环境下，精准教学2.0逐渐演绎为一种以“个性化和数据驱动”为核心的精准教学活动，并在活动理论的指导下有序开展教学。活动理论包含六大要素，即主体、客体、工具、共同体、规则和分工[5]，它们相互联系、相互作用，使整个精准教学活动的生态系统趋于平衡。其中，主体是教师和学生，教师是活动任务的设计者，学生则是任务的实践者;精准教学目标、个性化学习任务是客体，强调关注人本与个性;大数据智能教育系统、各种教学资源工具是支撑主体作用于客体的媒介，最终实现因材施教;线上的虚拟角色（专家系统、智能导师等）和线下的学习小组构成了共同体，为教与学提供帮助;规则是指教师与学生、学生与学生、教师与活动、学生与活动、教师与环境、学生与环境等交互的一种操作规范，保证了精准教学活动系统的良好、健康、有序的运行;分工是指人机协同，是精准教学2.0的特色所在，机器自动采集和智能分析数据减轻了教师的负担，让教师有更多精力开展精益教学，提升教学活力。

2. 情境学习理论

情境学习理论认为，知识是具有情境性的，是通过活动不断发展的，学习是合法的边缘性参与[6]。精准教学2.0的数据应用節点体现在精准把握学情、精准制定课堂教学目标、精准设计教学活动、精准评估学生的学习结果以及精准运用学生的评估结果等方面。其中，精准设计教学活动是让学生在社会化、网络化的活动情境中与实践共同体一起学习知识、生成知识甚至创造知识;在该活动情境中，个体与情境的交互全部被大数据智能教育系统记录，以此精准分析学生行为产生的原因、内在认知特点，使评估精准、科学。精准运用学生的评估结果是学习矫正或强化的体现。通过推送自适应的学习资源供学生自主学习是评估结果运用的主要途径之一。学生在该过程中通过不断试错，让机器记录其学情数据，从起初新手的边缘性参与学习转向专家的核心参与学习，最终成为领域小专家。

3. 人本主义理论

人本主义理论提倡情感与认知相统一，学习是个体有意义的学习，以学生为中心，学生的全面发展是学习活动的中心[7]。关注学生已然贯穿于精准教学2.0的课前、课中和课后全过程。课前，通过导学让学生学习自己认知水平内的基础知识，教师基于学生对基础知识的掌握情况、熟练度等数据，设计差异化的教学目标;课中，依据差异化的教学目标进行学习问题的分析和学习效果的测评，并且结合所得结果决定指导学生学习的方式（个别辅导、集中练习等）;课后，依托精准教学系统推送个性化的学习资源以强化练习，实现课后知识的内化与巩固。课前、课中及课后的个性化设计以学生为本位，认可差异，理性教学，从而实现有意义学习。此外，为精准教学2.0的开展而设计的个性化学习环境能够为学生的知识建模、情境认知提供支持，凭借先进的大数据技术使得全过程的学习行为数据有了被全面记录的可能，冷冰冰的数据背后反映的是学生情感与认知活动相统一的变化历程，采用合适的分析方法便可精准发现问题，进而提供具有针对性的干预措施。

（二）技术新发展

实现精准教学，技术起到了支撑作用。精准教学从1.0走向2.0，在技术发展层面已经由传统技术向智能技术转变。

1. 大数据技术

在数据日益被重视的时代，大数据技术（如学习行为采集技术、学情分析技术和个性化推荐技术）的发展催动了精准教学的转向。数据是实现精准教学的基础，各类教育信息化系统能够实时采集学生学习全过程行为数据（如行为发生的时间、行为发生的方式等），并借助大数据技术工具对学习行为的过程与结果进行跟踪、记录等，便于进行数据挖掘与分析。学情分析是为精准教学“把脉”。利用数据统计、分析、挖掘等学情分析技术，对学生行为过程及结果数据进行分析，诊断学习风格、学业与心理状况，辨识学习需求等，做到教师对学情的全面了解，便于决策。个性化资源推荐是为精准教学“开处方”。基于对学情数据的分析，利用个性化推荐技术（如知识图谱技术、认知诊断技术、协同过滤技术等）为学生推送自适应的学习资源，补短板、扬优势。

2. 人工智能技术

人工智能技术因其智能属性优势在精准教学场域下扮演三个重要角色：数据的智能采集者、数据的智能分析者以及学习的智能适配师。图像识别、语音识别等人工智能技术是采集学习行为数据的主要手段，并通过自然语言处理技术及智能算法对采集的数据进行深度挖掘、行为建模、智能分析，形成个性化的个人成长报告，再结合自适应学习分析技术为每位学生的千人千面画像配置上万种学习计划（如制定学习目标、学习路径、学习内容等）。

3. 可视化技术

大数据时代，可视化技术更多是指数据可视化技术（也是本研究所指的可视化技术），其直观化、关联化、艺术化、交互性特点[8]以及大数据智能教育系统的出现，为教师处理教学过程中的数据带来了便利。借助智能可视化工具，教师可以获得、分析学习行为数据并自动以散点图、气泡图、雷达图、矩形树图等可视化图表呈现，易于找出相关数据之间的关联性。这既减少了教师对相关数据的搜索量，又增加了对数据的感知，方便其从可视化图表中发现隐藏的教与学问题，及时做出决策干预。

（三）方法新发展

实践方法是精准教学实现的具体操作。精准教学从1.0走向2.0，在方法层面发生了四大不同的转向：

1. 由单一维度数据分析转向多维度数据分析

精准教学1.0采集的学习行为数据主要为行为发生的频次、行为结果的正确率与错误率，而在当前数据化的学习环境下，精准教学2.0采集的数据不仅有课堂学习表现、网络学习活动参与、移动学习状态监测等学习行为数据，还有个人特征、学习情感、学习表情等学习心理和生理数据[9]，数据的分析维度由单一走向多维。精准教学1.0采集的数据以“用频率（单位时间内学习行为发生的次数）来衡量表现”作为分析维度[10]，不免有些僵化，并且囿于单一的数据来源，分析结果易“以偏概全”[11];得益于多元数据来源及智能技术，精准教学2.0从多维角度（师生行为、师生情感、教学评价等）观察与分析数据，全面、真实地反映问题，使教学决策更具科学性。

2. 由关注可直接测量的行为转向关注可测量的行为数据

精准教学1.0受传统方法与技术的影响，只关注可直接测量的行为（Focus on Directly Observable Behavior），意味着只有可观察、可外化与可测量的显性行为（如大声朗读、做数学题、练习写字等）才能被记录与跟踪，导致无法对学生的内隐行为进行观察与测量，进而无法全面且真实地揭示学习状况。相反，利用大数据技术与人工智能技術可以全过程、全保真地采集学生的内隐、外显行为数据（如学生情感数据、学生情绪数据、学生问答数据、学生练习数据等），这就是精准教学2.0所提倡的关注可测量的行为数据（Focus on Observable Behavioral Data）。基于内隐、外显行为数据的整合，形成特色数据库，为差异化教学的开展和学生个性化路径的推荐提供支撑。

3. 由基于行为的结果性评价转向基于行为数据的过程性评价

精准教学1.0注重行为的结果性评价，以行为结果的好坏、优劣、正误等评价每一位学生，未免一叶障目。精准教学2.0场域下的数据流贯穿于课前、课中、课后全过程，通过大数据采集技术能够对学习行为的全过程数据进行动态采集，并借助大数据智能教育系统进行实时分析、诊断、评价与反馈，形成基于行为数据的过程性评价，重构形成性评价体系。此外，基于行为数据的过程性评价不仅关注行为过程本身，还关注产生该行为的认知过程和认知特点，是一种“双过程”性评价。

4. 由使用标准变速图表转向使用基于大数据技术的学情分析工具

简洁直观（横、纵坐标与刻度涵盖了行为频次的信息记录项）是SCC的优点所在，但所能呈现的信息量小（只能反映单位时间内行为发生的频次），同时，还要依靠人工用铅笔手动记录数据，人脑分析繁杂数据，效率低。因此，SCC本身的缺点、数据采集的不便以及数据处理的低效是精准教学1.0发展受限的主要原因。如今，大数据技术及人工智能技术催生了精准教学2.0的智能化测量工具——基于大数据技术的学情分析工具。这是一个集数据统计、数据处理、数据挖掘、数据分析等技术于一体的智能化分析系统，它能自动生成与记录数据，有效减少人工成本的投入;能够智能处理数据，提高处理效率;更重要的是，它能够根据学习内容的不同，从多维角度智能呈现相关可视化数据图表，生成班级学情分析报告、特色个人成长报告等。

三、精准教学2.0的价值取向

价值取向对实践起着决定性作用，价值取向的内容决定了实践的内容[12]。精准教学2.0在大数据时代的实践进展中逐渐形成了三大价值取向，如图2所示。

（一）技术价值取向：走向人机协同，实现轻负高质

大数据技术、人工智能技术及可视化技术让精准教学焕发出新的活力，使得人机协同在精准教学中逐渐成为一种新形态。其中，机器（包括线上系统、移动终端等）主要负责重复性及单调性的工作，教师主要负责创造性、创意性及情感方面的工作[13]，二者合理分工，促进课堂教学的轻负高质。

具体而言，依托智能技术的机器自动采集学生的各类学习行为过程数据，进行智能分析，并自动呈现可视化的结果，减轻教师手工记录与人脑分析数据的负担，教师根据采集到的数据进行灵活性教学，调整教学计划、教学方案等;机器能够自动出题，并且对学生提交的作业或试卷进行自动批改，教师依据批改的结果进行学情分析;通过建立学科的知识图谱，机器能够自动诊断学习障碍，分析学生的知识缺陷，帮助教师发现问题，及时提供干预;智能机器能够根据学情推送自适应的学习资源，强化练习;机器借助人脸识别、眼动追踪技术能够精准识别学生学习过程中的学业情绪，基于此，教师能够以人性之善与美帮助学生调节情绪。

（二）人本价值取向：强调个性发展，尊重个体差异

“以人为本”一直是教学的核心。但是，长期以来教学实践中就一直存在过于追求表面知识或知识外化的工具主义价值取向[14]，一定程度上忽略了人本价值取向。在大数据时代，精准教学2.0的人本价值取向日渐凸显，不再一味地追求目标，而强调学生个性发展，如图3所示。

以数据为中心，用数据驱动精准化教与个性化学的实现。精准教学2.0通过采用适切智能技术生成个性化精准教学目标，记录各种学习行为过程数据，精确发现最近发展区内学生的现存问题及潜在问题，帮助教师进行精准干预;与此同时，大数据智能教育系统能够精准分析学情、精准定位需求、匹配需求，智能推送个性化作业等。通过盘活数据并结合人为的精准干预措施和机器的智能匹配，支持学生的个性发展，并且学生的学习效果会及时反馈给教师，督促教师不断调整精准化教的方略，最终形成精准干预——及时反馈的个性发展闭环圈。此外，精准教学2.0支持的学生个性发展离不开环境（网络环境与物理环境）、工具资源与服务（数据、方法与技术等）的支持。随着互联网的进步，精准教学2.0将走向线上线下融合，“精”指向线上线下教学的全过程与每一个细节，“准”指向每一个独特的个体，通过“精”与“准”的融合贯通，认可与尊重学生个性特征与差异，走向全面发展。

（三）文化价值取向：秉承因材施教，追求极致发展

“因材施教”教育文化理念在两千多年前的春秋时代就已被提出，是我国现代教育一直推崇却难以在大班教学中实现的一种教育理念。精准教学2.0在继承这一理念之上，倡导一种以“精益、高效、和谐”为核心文化特色的极致发展。

1. 倡导精益文化

精准教学2.0所倡导的精益文化是指课堂教学追求的是一种精益求精的文化实践，实现的是以知识为基础的文化传承、文化交往以及新文化的创造再生[15]。精益求精的课堂教学文化实践使得教师有了更高的教学价值追求，倾向于授人以渔，聚焦于学生本位，注重提升自我专业能力水平，开展创造性教学活动，进行实践性交往互动，不断提高教师的教学获得感与满足感。与此同时，精益求精的课堂教学文化实践深刻影响着学生的核心素养发展，集中体现在学会学习和实践创新两大素养[16]。学会学习是学生主动建构知识意义的过程。学生在精准教学2.0场域下将获得学会学习的最佳体验，教师将针对学生的学情进行针对性的指导，而非“满堂灌”，促使学生从“不会学习”转向“学会学习”，最终跨向“会学习”。教师在精準教学2.0实践中精巧设计课堂教学情境，让学生能发现问题、解决问题，萌发实践创新的种子，并“移植”到现实生活中。

2. 倡导高效文化

倡导高效文化是精准教学2.0在文化价值取向上的必然走向。“高效性”是其显著特性，指精准教学2.0打造的是一个高效互动的智慧课堂生态，以师生的全向互动为抓手，利用数据把脉，对症下药[17]。在该智慧课堂中，凭借智能技术手段实现对师生行为的量化，优化教师的教学计划，发现学生的学习兴趣点，从而调动学生学习的积极性;交互式设备为师生交互、生生交互、人与环境交互、人与资源交互等提供了极为便利的条件，赋予课堂新的文化活力。多向互动与数据的深度挖掘，使高效教学与极致教学得以实现，让课堂有效果、有效率、有效益[18]，也让课堂有吸引力、有文化内涵。

3. 倡导和谐文化

教学是一个多要素和谐共生的生态系统，精准教学2.0尤甚，它遵循“和而不同”与“和合而生”的文化理念。“和而不同”是指尊重生态系统中各要素的差异性，“和合而生”是指生态系统中各要素互依共存。在精准教学2.0教学生态系统中，核心要素包括人（教师、学生、家长和管理者）、教学资源、教学环境、智能技术工具以及教学大数据，它们相互作用、相互促进。其状态在富数据化的生态中并非一成不变，也并非一直停留在一个阶段，而是随着数据的不断更新而动态调整，呈螺旋式上升发展。同时，这个和谐的生态内部有着强大的调节能力，使得要素之间的差异趋于互补，进而保持动态平衡。

四、精准教学2.0的发展路径

精准教学2.0作为大数据时代下一种新型教学形态，受到了科研院校研究者、教育信息化企业研发者以及全国中小学校实践者的共同关注。为促使精准教学2.0在大数据时代能够快速落地、成功推广、顺畅发展，需要创造条件、发挥人的主观能动性。

（一）搭建基于大数据技术的教学分析平台，提供精准支持服务

基于大数据技术的教学分析平台是开展精准教学2.0的基础，且平台需兼具教学功能和学情分析功能。就教学功能而言，该平台需要集智能题库系统、智能阅卷系统、数据分析系统、个性化教学资源推送系统、学管服务系统、作业系统、互动教学系统、教学评价系统等于一体，建立统一的数据标准，打通各项业务之间的数据流动，最终产生结构性良好的、具有相互关联性的、有价值的数据。因为在大平台概念之下的、基于统一数据标准的、互联互通的各类智能数据系统会产生教学大数据[19]，以此深度挖掘与分析，能够发现教育规律。就学情分析功能而言，平台能够利用数据统计、分析、挖掘以及数据可视化等学情分析技术，基于对大量结构化的、非结构化的多元信息化教与学数据进行分析，精准把握学情，精确研判问题所在，实现提供基于分析的精准支持服务。

（二）构建数据驱动的精准教学支持体系，支撑教与学活动的开展

以“数据驱动”和“个性化”为关键思路构建精准教学支持体系能够为课堂教与学活动的开展提供强有力的支持。数据驱动的精准教学包含精准化教和个性化学，二者互融互通。从“精准化教”的视角出发，需要从融合课前、课中、课后三个教学环节进行考虑，将学生的学习行为、教师的教学行为以及大数据的技术支持全部纳入该环节中去，厘清每一个教学环节中教与学之间的关系，重点关注教学行为的变化，依托大数据技术辅助教师讲授教学内容高效精准、设计教学结构精巧紧凑、诊断教学问题一针见血等。从“个性化学”的视角出发，需要从融合学习资源、学习过程、同伴互动、学习环境四个维度去考虑，通过资源、人力、数据、技术、环境等方面的支持，以学生为本，形成数据生成—数据分析—数据决策的个性化学习闭环数据流，支持因材施教。

（三）提升教师数据素养专项能力水平，发挥数据应用对精准教学的价值

当前，我国中小学教师的数据素养专项能力水平普遍较低，一定程度上影响了精准教学2.0在中小学校的落地实践和应用推广。对于中小学校乃至教育局来说，需要重点布局教师数据素养专项能力水平的提升，将其列入年度工作考核之中。例如：教育局发布政策文件，选拔各中小学校骨干教师进行教师数据素养专项培训;再由骨干教师回到各自学校开展“传帮接代”式的培训。对于中小学校教师来讲，需要改变自己的教学习惯，实现自我发展，明白利用数据驱动教学已是大势所趋;充分发挥主观能动性，学习教育大数据、统计学等相关知识，能够看懂基于大数据技术的学情工具的各项数据指标、基于学情分析的数据可视化图表;能够依据所需指标创建新的数据图表;能够依托数据预测学生发展等。

（四）成立校企精准教学课题研究联盟，推进精准教学的落地应用

学校通过与企业成立联盟开展精准教学课题研究是产学研的体现，其中，企业主要提供先进技术力量，研发大数据精准教学系统，学校提供科研力量，二者相辅相成，全方位、多角度地对精准教学的一线需求进行研究，推进课题的落地应用，服务广大师生。具体而言：第一，学校和企业选派骨干研究者撰写精准教学课题申报书，并聘请高校知名专家评审，向相关教育信息化部门（省电教馆、中央电教馆、相关教育学会/协会、教育部等）进行申报，成立精准教学总课题;第二，为保证课题研究的顺畅性和专业性，课题研究联盟可以考虑聘请领域内知名专家担任课题研究的主持人;第三，课题研究联盟成立课题研究秘书处，统筹课题研究的进展，制定课题研究机制，鼓励各试验中小学校结合实际情况开展精准教学子课题研究，解决一线教学难题;第四，课题研究联盟聘请领域内高校知名专家对子课题负责人进行专业培训，提升其专业能力和知识水平。

（五）成立引领性的精准教学教育研究院，全面推动教育教学的改革

教育研究院作为教学研究的主要引领性力量，可以牵头教育科技企业共同成立数据驱动的精准教学教育研究院，并且从教育行政部门、教研部门、教育技术部门和学校四个层面深入研究大数据时代精准教学的理论、探讨分析精准教学落地实践存在的难点、制定区域性精准教学纲要指南等，全面推动精准教学在中小学校“开花结果”。以浙江省为例，2018年2月，浙江省基础教育研究院与著名人工智能企业科大讯飞签订合作协议，成立浙江省基础教育精准教学研究院[20]。二者发挥各自的优势，研发教学质量检测技术、建设精准教学示范校、打造大数据精准教学平台、关注精准教研等，全面推动浙江省基础教育教学改革。

五、结语

不同于精准教学1.0，精准教学2.0已有新的使命与内涵，在理论、技术和方法层面有了新的发展。同时，精准教学2.0所映射出来的价值取向指导着研究者和实践者一路前行，一定程度上决定了其发展方向。作为大数据时代的一种新型教学形态，精准教学2.0的未来发展任重道远，需要研究者和实践者共同努力。目前，精准教学2.0已开始在部分中小学校实践，但尚未形成星火燎原之势，一些关键性问题亟待解决，例如：精准教学2.0的理论框架是什么？如何指导其实践应用？精准教学2.0的“精”是指什么？“准”又是指哪些方面？这些问题的答案至今仍是模棱两可的。因此，为了解决上述问题，本研究团队后续将重点研究大数据时代数据驱动的精准教学支持体系，深入探讨如何支持精准化教和个性化学，希望能助力国内精准教学的快速发展。

[参考文献]

[1] LINDSLEY O R. Precision teaching：discoveries and effects[J]. Journal of applied behavior analysis，1992，25（1）：51-57.

[2] 祝智庭，彭红超.信息技术支持的高效知识教学：激发精准教学的活力[J].中国电化教育，2016（1）：17-25.

[3] 彭红超，祝智庭.以测辅学：智慧教育境域中精准教学的核心机制[J].电化教育研究，2017，38（3）：94-103.

[4] 杨现民，骆娇娇，刘雅馨，陈世超.数据驱动教学：大数据时代教学范式的新走向[J].电化教育研究，2017，38（12）：13-20.

[5] 吕巾娇，刘美凤，史力范.活动理论的发展脉络与应用探析[J].现代教育技术，2007（1）：8-14.

[6] 贾义敏，詹春青.情境学习：一种新的学习范式[J].开放教育研究，2011，17（5）：29-39.

[7] 雷钢.人本主义学习理论对教育技术的新启示[J].中国电化教育，2010（6）：30-33.

[8] 张金磊，张宝辉，刘永贵.数据可视化技术在教学中的应用探究[J].现代远程教育研究，2013（6）：98-104.

[9] 吕巾娇，刘美凤，史力范.活动理论的发展脉络与应用探析[J].现代教育技术，2007（1）：8-14.

[10] WHITE O R. Precision teaching—precision learning[J]. Exceptional children， 1986， 52（6）：522-534.

[11] 王亚飞，李琳，李艳.大数据精准教学技术框架研究[J].现代教育技术， 2018， 28（7）：5-10.