大数据背景下教育质量监控平台应用的区域探索

2020-12-30杨建华戴蓓蓓强海滨王子焱

教育传播与技术 2020年6期

杨建华郭凌戴蓓蓓强海滨王子焱

1. 上海市普陀区现代教育技术中心 2. 上海市晋元高级中学附属学校3. 上海市普陀区真如文英中心小学 4. 上海市甘泉外国语中学

近年来《国家教育事业发展“十三五”规划》《教育信息化2.0 行动计划》《中国教育现代化2035》等各类政策相继出台，将“利用现代技术加快推动人才培养模式改革，实现规模化教育与个性化培养的有机结合”作为战略任务之一［1］。上海市普陀区为了提升区域的教育水平，实施了多项信息化平台建设和课题研究项目，在信息化的关注度、执行度上颇有口碑。

一、现阶段面临的主要问题

在区域的统一部署下，区内大部分的学校自发加入信息化建设及应用的队伍。然而，在实际推进信息技术与教育教学融合的过程中，大量的问题出现，主要表现在以下方面：

（一）精准教学难实施

当前普陀区优质教育资源总量不够丰富，布局也不均衡。对教师而言，日常的教学教研工作繁重，在大班教学的背景下，存在课程目标难制定、批改作业负担重、课堂教学难互动等问题，以致“因材施教”“精准教学”等理念难以落地。

（二）教学管理难量化

教学管理涵盖了教学计划、教学组织、教学质量监控等多个环节，是学校开展教学研究、提高教学质量的保证。然而由于学校缺乏有效数据的支撑，教育教学大多依赖经验，管理上缺少可供参考的依据。

（三）过程性与结果性数据采集难

日常教学中，教师会通过随堂测验、课后作业等方式检查教学效果及学生知识掌握情况，但这些数据常常会流失在纸质的练习册和试卷上，教师无法对一段时间内的多次测验、作业的数据进行系统采集和整理。

1. 数据运用无法精准匹配教与学

以前的考试和作业给学生的反馈只有对错和分数［2］，缺乏对其背后原因的分析和诊断。同时也欠缺基于全场景动态数据的采集与分析工具，导致教师无法真正准确了解学生的知识结构，实现精准教学评价。

2. 教学监控困难，决策欠缺数据支撑

区、校两级管理者无法科学全面掌握教学质量情况，多学科、多班级、多维度的成绩与过程性学习数据难以形成对比统计分析，无法形成科学性的教学质量评价体系。学校教学数据无法实现有效监管，缺乏准确的区域教育质量测评与分析数据，难以为教育决策以及学校改进日常教学方法提供科学依据。

二、大数据精准教学下的工作实践

大数据和人工智能技术的发展为区域教育质量分析与评价提供了新思路。以此为发展目标，从2015 年底开始，普陀区现代教育技术中心开始构思能覆盖全区域、全学段的教育质量监控平台，希望通过对区域教育质量监控平台项目的研究，逐步落实教育质量多元评价工作，助力区域教育生态的重构（图1）。

图1 区域教学质量监控平台大屏

为了更好地让平台落地，在全区分两批选择了29 所学校先期试点，并在2018 年覆盖至区内义务制教育学校。同时在2018 年建立了大数据背景下教学质量监测信息团队，邀请了三个成员校，从小初高学段各选取了一所学校进行跟踪研究，三个学校针对本校现状制定了不同发展路径。真如文英中心小学（以下简称“真如文英小学”）着重于课堂分析，在学校前期现有的丰富资源库的基础上，立足于通过大数据针对教师课堂的课中分析，从教师的教和学生的学这两个维度进行评价和分析，实时反映教师的教学目标是否完成，学生的知识点是否掌握。晋元高级中学附属学校（以下简称“晋元附校”）将研究重点放在有效教学改进上，平台积累学生考试数据，通过对试卷中知识点的归集，分析各班差异数据，找出学生潜在的学习困难，进行针对性施策，总结有效突破学生学习难点的教学方法。甘泉外国语中学全校教师深度应用平台各项功能，学生各项数据的收集与分析已形成一套完整的数据链。学校不断从年级组层面到学生个人层面进行深入细致的数据分析，反馈学科教学质量、班级教学质量、试卷难度分析等，监控教学质量的变化，进而调整教研组、年级组的教学监管。

经过一年多的跟踪研究，取得以下成效：

目前，鲁花已经带动山东、河北、河南、江苏等地发展花生种植基地100万亩，油葵种植基地30万亩。这些基地每年为农民创造收入50多亿元，带动1000多万农民增收致富，并吸纳7000多名农民到企业务工，带动当地及周边地区运输业、餐饮业等第三产业吸纳从业人员1万多人。

（一）利用数据平台，直观进行区域监测

不同于以往的人工经验，教育信息化让数据的联通变得准确、简单。通过采集系统实现全场景的动态数据采掘，能够实现对各级用户使用情况的实时监测，直观反馈所辖区域内用户的总数、活跃指数，资源的建设和使用情况，帮助教育主管部门和学校管理者挖掘学情价值，评估学业负担，发现教学模式和师生需求，有的放矢提供针对性支撑服务。

（二）利用数据平台，直观快速差异分析

教育信息化使每个学生的学情得以被掌握。利用数据平台，可以直观快速获得每个学生的详细考情、学情、掌握的知识点等，使得教师能够对每个学生精准施策。

以晋元附校为例，在学校举行的一次六年级测试中，六年级备课组教师在分析班级间分数差异后，发现：①有两个班级的均分均高于年级平均分，但由于教师忽视了某些教学内容，导致有些题目的得分低于年级均分。可见，教师关注教学细节对于学生学习提升是起正向作用的。②同一个教师所教内容相同，但班级间差异较大。黄老师所教的两个班级每一题的得分情况多为一个班级高于年级均分，另一个班级低于年级均分。在分析数据后发现，后一班级中出现异常极低数据，如果去除，则其他学生的平均成绩可以和年级均分持平。可见在分析数据时，需要客观分析班级大部分同学的综合能力，同时关注薄弱学生的托底工作。

（三）利用数据平台，改进教学策略

利用数据平台，将传统的“先教后练”转变为“先学后悟”。通过尝试学生预学习反馈报告，将学生的学习困难和瓶颈数据化，确定教学的重点、难点，定位课堂教学起点，直接关注学生学习过程，开展过程性分析，更直接，更有针对性，更为有效（图2）。

图2 晋元附校教学策略改进流程图

（四）利用数据平台，关注课中生成性数据

课堂中的学习过程也是学习评价的核心环节。学校利用互动反馈技术开展教学实践课，获取过程性数据，实现以数据创生教学，引导教学由预设走向生成；同时能够以数据促进学习，引导学生进行个性化学习，提升学习效能。

例如：在真如文英小学的一节“圆的认识”课中，教师从课前布置的小任务着手，用实物的翻转重叠带领学生们一步步归纳出圆的基本概念，圆心、半径及直径的要素。学生通过使用平板来完成课堂上教师指定的要求和任务，并在课中及课程末尾完成随堂练习，实时生成反馈记录（图3）。课中，教师通过学生练习实时得到的数据分析完善课堂诊断，精准掌握孩子们对于知识的理解程度和达成情况，同时根据答题情况看到每个教学目标的达成度，从而实时调整教学环节，并细化到每一项内容，真正达到了推进课堂、优化课堂的目的（图4）。

图3 真如文英小学课堂答题情况

图4 真如文英小学学生课堂答题情况分析

（五）利用数据平台，让学生做学习的主人

“主动学习”相较于“被动学习”是一种高阶的学习状态，在学习过程中，学生从被动转为主动，积极参与学习。例如：甘泉外国语中学学生可以从平台中查看自己的各科成绩与问题分析，这时他们看重的就不再是考试分数，而是更加注重自己每次考试的分析（图5）。学生会根据平台的成绩分析报告，打印错题本，明确自己的知识薄弱区，从而有目的地查漏补缺，避免无效刷题。

图5 甘泉外国语中学学生成绩分析报告

从以上的例子我们不难看出，有效地运用数据分析，不仅可以使我们的教学工作做得扎实和细化，而且可以实现学生个人数字画像，更高效地促进学生发展。

三、大数据环境下区域教育质量监测的成效分析

经过前期的探索，区域内教育环境的生态，主要呈现如下特征：

（一）教学决策数据化

区域内，当前小初高学校共69 所（实72所），其中55 所学校已覆盖智能化学情采集分析系统，每日活跃用户占比29%，日活数据超80000 条。疫情期间，学校利用线上远程教学、线上课后作业系统，单校日平均在平台上产生近2000 条有效数据。在智能化的教学环境下，学校教学过程的数据日趋丰富多样，沉淀的多样化数据通过大数据分析和人工智能技术的处理，能够帮助教师和管理者全面了解学生，帮助教学管理者科学决策，实现数据驱动科学决策。