回归教育学的精准教学

2021-12-14王良辉夏亮亮何文涛

电化教育研究 2021年12期

王良辉夏亮亮何文涛

[摘要] 近年来，精准教学作为人工智能、大数据技术在教育领域的典型应用，得到了快速的发展，但也存在脱离甚至违背教育初衷的隐忧。为弥补当前精准教学的这一不足，促使人工智能更好地推动教育教学改革，文章在反思传统的精准教学和大数据支持下的精准教学的基础上，提出了回归教育学的精准教学，并以人机协同为主要特点构建了一种新的精准教学模式。该模式将精准教学细分为精准导学、精准目标、精准研学、精准诊断、精准干预、精准反馈、精准评估、精准反思和精准拓展等九个方面，并以人机协同作为首要原则对整个模式进行了架构。

[关键词] 精准教学; 人机协同; 教育大数据; 教学模式

[中图分类号] G434 [文献标志码] A

[作者简介] 王良辉（1978—），男，浙江奉化人。副教授，博士，主要从事教育的技术理论、技术增强学习与STEM教育研究。E-mail：wlh@zjnu.cn。

一、引言

在技术赋能教育几乎成为共识的当下，精准教学作为一种技术增强教育的代表已经成为教育研究与实践的热门领域。但是技术在提升效率、解放师生的同时，也存在绑架或异化教育的危险。目前的精准教学虽然发展迅速，但也存在脱离甚至违背教育初衷的隐忧，主要表现为：（1）传统精准教学背后的行为主义假设将测量教学目标是否达成的指标简化为流畅度，抹杀了教育的丰富性，在带来可操作性的同时，也把教育带到了一个偏狭的境地;（2）大数据技术支持下的精准教学过于倚重智能测评功能，对于教什么、如何教的问题避而不谈，导致教育目标的偏离;（3）精准教学带来的自动化测评与智能推荐功能实现了某种程度的教学自动化，使教师游离于教育过程之外，在剥夺教师从教机会的同时，也削弱了教师经验判断的精妙之处。在此背景下，本研究试图在对以往两种精准教学的审视与反思基础上，提出新的精准教学理论原则，构建新的精准教学模式。

二、精准教学的历史回顾

最早的精准教学是斯金纳的学生奥格登·林斯利研究的一个副产品。在20世纪60年代，他为了评估实验室中发明的教学方法是否适用于教室情境而研究教学方法的评估方案，发现这种数据支持下的评估手段能够提升学生学业成绩，并据此提出了精准教学的概念。这种精准教学遵循斯金纳的行为主义理论，认为学生的行为表现是评估学习有效性的最佳检测指标[1]，并采用科学的方式记录学生的日常行为，以标准变速图作为可视化工具辅助开展教学决策。实践表明，这种精准教学在特殊儿童与学困生的训练以及低龄段的教学中比较有效，但也存在明显的不足。利用标准变速图收集学生的学习表现，收集的只是学生答题行为与结果的数据，并不是对学生学习过程情况的直接反映。这里的精准是将行为目标的达成作为判断教学情况的准则，虽然在简单知识与技能学习领域具有较好的效度，但是在复杂认知领域明显力有不逮，难以真正地实现精准，并且忽略了学生学习过程中的情感、态度、价值观对学习活动的影响。因此，这种传统的精准教学在当前的教学实践中的应用已经非常少了。

进入21世纪以后，随着人工智能与大数据技术的高速发展，研究者们重构精准教学的理论框架，提出了数据驱动的精准教学，因而在理论与实践领域都掀起了一波热潮。郭利民等人认为，数据是实现精准教学的基础，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推动了精准教学的转向[2]，使教育教学行为向更加科学化和理性化的数据密集型科学范式[3]转变，出现了精准教学活动生成性设计模型[4]、分层精准教学体系[5]、电子书包赋能的精准教学模式[6]等以数据驱动为核心的精准教学理论与实践研究。相比于早期的精准教学，数据驱动的精准教学在以下几个方面实现了超越：一是从学习行为结果的手工记录与反馈转向学习行为过程与结果数据的分析与个性化反馈;二是从强调以知识和技能的记忆与理解为核心的低级能力培养转向帮助并引导学生实现分析、评价、创造等高阶能力养成[7];三是从学习结果的单一评估转向基于数据挖掘和分析的多维度精准评估。数据驱动的精准教学能够在教学过程中记录学习者的学习行为数据和结果，进行多维度分析，精准地诊断学习者存在的问题并预测未来，同时提供个性化的指导和建议，为真正的精准教学提供了可能。但在实践过程中，这种精准教学无论是作为一种评价手段还是教学方式，对学生学习行为与结果的影响都只停留在知识与技能层面，偏离了教育培育完整生命体的宗旨，需要我们进一步地加以改进。

毫无疑问，精准教学作为一种循证的教学模式，是教育研究走向科学的尝试。但是实证取向的教育研究也会出现过于迷信大数据与各种证据，缺乏对教育学价值和人文情怀的关照的现象[8-9]。精准教学强调以测辅学[10]，过于重视外显的目标，容易忽视学生内在学习条件的作用，忽略了学习行为过程与个性化发展[11]。数据驱动的精准教学将科学主义取向贯穿于教学全过程，以各种数据指标来测量学生的教学目标并以此支持教学决策，容易造成“对对象、现实、感性，只是从客体的或者直观的形式去理解，而不是把它们当作感性的人的活动，当作实践去理解，不是从主体方面去理解”[12]，从而使得教学变得无爱、冰冷。因此，笔者认为，精准教学要回归教育学视角，既要认识到在大数据时代，量化是促进教育学取得突破性进展的关键[13]，更要认识到教育的复杂性、生成性、价值性等特点，重视对教育学价值与人文情怀的关照。教师作为教学活动的设计者、主导者，其能力与价值取向很大程度上决定着教育的人文情怀与最终结果，因此，精准教学必须重视教师角色在教学过程中的作用，要求教师不只用数据说话，更要用心来说话。

三、走向精准教学3.0

如果我们把基于行为主义的传统精准教学看作精准教学1.0，大数据支持下的精准教学看作精準教学2.0，那么我们提出的精准教学3.0（后文讨论的精准教学如不做特殊标识则特指精准教学3.0）则有两个核心要点：一是回归教育学视角，即重视教师角色在教学过程中的作用，加强对教育学价值与人文情怀的关照;二是以人机协同为主要特点，即在教与学过程中充分发挥人的智慧与机器智能的协同作用。

（一）精准教学中的人机协同

祝智庭等学者认为，在人机协同背景下，重复性、单调性和例规性的工作应由机器负责，创造性、情感性和启发性的工作应由教师负责[14]，教师与机器的这种互补性表明了人机协同的必要性。当前的精准教学虽然有大数据技术的支持，能够实现一些工作的智能化，但没有教师的教学理念与经验支持，精准教学是不可能成功的。

精准教学中教师与机器的分工如图1所示，教师的教学智慧决策主要体现在教学设计、教学过程帮促、资源获取与研发三方面，机器的精准辅助主要体现在个性化导学、学习过程监测和资源精准推送三方面。其中，教学设计是关键环节，任何教学设计都蕴含着一定的学习理论与价值取向，二者的变革必然导致教学设计理论与实践框架的变化[15]。精准教学中的教学设计以教学目标为导向，充分考虑机器智能与教师智慧在教学各环节中应起的作用。精准教学能够超越教师的个人经验与能力的主要原因在于智能机器所提供的三种精准辅助，这使得教学过程中的师生交互形式从一对多向一对一的转变有了技术层面的可能性。教学资源是教学效果的重要保障，依托教育资源库，教师能够在更短的时间内获取或研发出更优质的教学资源，将更多精力放在教学设计与教学过程帮促上，从而提高教学质量。

（二）马扎诺的教育目标分类

马扎诺作为一位非常著名与活跃的教学改革专家，近年来一直致力于将教学理论与研究转换为有效课堂实践，在本研究中，我们将以他的教学目标分类理论作为精准教学目标分析框架。

马扎诺针对布鲁姆的教育目标分类的理论困难（即线性累积层次结构不能在逻辑或经验上得到支持）[16]，提出了关于人的学习行为模式（如图2所示），并在此基础上给出了一个新的教育目标分类的二维框架（如图3所示）。从马扎诺的人的学习行为模式可知，学生学习行为是从知识系统和自我系统出发，最终结果是实现四个系统的同向增长。自我系统（判断新任务的意义与价值）是学生学习动机激发的关键所在，知识系统（完成某项学习任务所必需的知识）对动机的激发（自我系统）、具体的学习目标与计划（元认知系统）、具体的认知活动（认知系统）起着十分重要的作用[17]。

本文的精准教学模式在最开始就依据课程标准和马扎诺教育目标分类学来制定教学目标，并强调教学全过程中学生个体教学目标的精准，以确保整个教学过程中教学内容与活动的意义与价值，持续激发学生的自我系统。知识系统既是学习的起点，也是学习的终点，了解学生知识的生长点与生长情况是实现个性化教学的基础，是教学目标顺利达成的保障。大数据技术支持下的教育数据挖掘和学习分析相结合，可以更准确地分析学生需求与特点，精准挖掘和深入分析历史学习数据[18]，超越教师的个人经验，实现精准诊断与反馈，激活学生的元认知系统。根据诊断结果，结合机器学习等技术与教师教学经验，精准设计与干预学生的具体认知活动，可促进学生的有意义学习的发生。

（三）精准教学3.0的特点

从精准教学发展的历史来看，过去的精准教学为了实现精准都对教学工作进行了简化，从而异化了教育，因此，我们提出精准教学要人机协同，回归教育的原点。这种精准教学具有以下几个特点：教育学目标为导向保证教学过程不偏航，人机协同的组织形式保证精准教学不偏废教师，以人为本的教学理念规避教育测评风险，师生同步发展的目标维护良好教育生态。

1. 从教育学的目标出发

目的是人类活动的出发点和归宿，教学目标是教学的出发点与归宿，它是教学的灵魂，规定教与学的方向[19]，因此，只有真正弄清了教学目标，才能弄清教师教什么、怎么教，机器测什么、记什么，学生学什么、怎么学的问题。目标的精准体现在“精”和“准”两个方面，“精”是精细，即对学生需要达成的各个目标作精细的解释和描述[11];“准”是相关性和匹配性，即制定的目标必须与学生的个体情况密切相关且高度匹配[20]。

为了实现教学目标的精准描述，我们参照了马扎诺的新教育目標分类学。马扎诺认为，教学目标可以由以下两个维度清晰地描述出来：一是知识纬度，分为信息（陈述性知识）、心理程序（程序性知识）、心理动作程序（运用复杂的身体活动的能力）;二是认知加工水平，分为提取、领会、分析、知识运用、元认知系统和自我系统，其中前四者属于认知系统，如图3所示。依据马扎诺教育目标分类学，教师在制定教学目标时，需要经历以下步骤：（1）解读课程标准，确定标准中的陈述性知识与程序性知识;（2）将标准中的句子与段落细分为一个个小的教学目标;（3）剖析教学目标，将其编制成复杂认知目标;（4）将教学目标与认知加工水平一一对应。

学生教学目标的达成是一个动态的生成性过程，因此，机器测量的是影响教学目标达成的因素，如测验数据、讨论情况、学业情绪等;机器记录的是学生目标达成情况，包括学生个体达成情况和班级整体达成情况。以精准教学目标为导向，教师根据机器的测量与记录结果，结合个人经验，对教学实施精准干预，最终把学生培养成“完整”的人[21]，解决教师教什么和怎么教的问题。学生作为学习的主体，在教师的主导、机器的辅导（认知工具、助教、学伴）下调动自我系统、知识系统、元认知系统和认知系统来解决学习难题、完成知识建构、培养高阶思维与能力，从而解决学什么和怎么学的问题。

2. 人机协同的组织形式

蔡连玉等人认为，人机协同系统中的智能主体是人和机器，智能元素有机器智能、人类智能和协同智能，并构建了人机协同时代社会智能的三维模型[22]。周琴等人按照协同性将“AI+教师”协作教学的实践形态，从高到低分为“AI 代理+教师”“AI 助手+教师”“AI 导师+教师”“AI 伙伴+教师”四种[23]。毛刚等人认为，人机协同下智能教育世界的实践活动可以形成“自主、探究、协作、创新”四种基本学习系统[24]。

我们认同多尔的观点，精准教学是生成性的过程[25]，精准教学过程中的价值判断与教学决策必然具备“意向性”[26]。目前，人工智能的发展还处于弱人工智能阶段，虽有向强人工智能发展的潜力与趋势，但还不具备“意向性”，因此，起作用的智能系统中不能抛却人的因素。在人机协同的精准教学系统中，“人”主要是以教与学的主体参与协同过程，教师是教学的主导者，需运用巧智能让人的软智能与机器的硬智能优势互补[22]，使整个教学过程既饱含教育情怀又不失科学依据;学生是学习的主体，在积极与外界交互过程中全面发展知、情、意、行;“机器”是包含计算机在内的各类支持教学活动的智能技术与工具，其参与形态主要表现在感知、认知和情感三个层面。站在教师的角度，人机协同有“教师+工具”“教师+助手”“教师+伙伴”三种形式;站在学生角度，人机协同有“学生+工具”“学生+助教”“学生+伙伴”三种形式。在感知层面，机器的工具形态都表现为延伸人的感知能力，拓展人的信息传播能力[24]。在认知层面，机器承担教师的助手，个性化推送教学活动与资源，监测学生的学习行为表现，完成组卷、阅卷等机械重复性工作;机器承担学生的助教，参与学生的认知活动，促进教学目标的达成。在情感层面，机器作为教师的教学伙伴与学生的学习伙伴，不仅能促进师生对教与学过程的反思，培养批判性思维、问题解决等高阶思维与能力，更能在师生、生生时空分离的虚拟环境中给予师生情感支持，减少孤独感。

3. 教育测评风险的规避

人本主义理论认为，学习是情感与认知相统一的精神活动，是对学习者个人有意义的学习，学习活动的最终目的是人的全面发展[27]。同样，在本体论意义上，由于人性的内在性、超越性、唯一性，任何测评都无法测算人性，例如，人的心智、心灵品质无法被数据估算，人的生命价值也不应当被估算[28]。因此，将学生看作是数据的集合，教育的“客观”数据成为现实中各种教学行为的导向，大数据测评就会成为一种批量生产人的手段、方式和过程[29]，这违背了教育伦理与教育科学。为避免教育信息异化与教育情感缺失[27]，本文所提出的精准教学回归教育学视角，强调教师在教学各阶段的主导作用，关注学生个性化差异与需求，重视师生、生生之间的情感交流，将机器的教育测评作为超越教师个人经验判断的必要不充分条件，机器受人的控制，教学的主动权还在人的手上，教师角色得到了充分的重视，这在一定程度上规避了教育测评的风险。

4. 师生能力的协同发展

教育生态学将学校看作一个生态系统，要想实现教育信息化，就需要让信息技术成为这个生态系统的有机组成部分[30]，而人机协同是实现“教育信息生态”的一条可行的路径。精准教学从系统的观点出发，强调师生能力的协同发展，关注系统的动态演化，而非借助技术单纯提供教学模板，美其名曰减轻教师负担，实则弱化教师角色，批量产出高分学生。学生发展是教学的根本出发点，精准教学注重学生知、情、意、行多方面的发展，以精准反思为核心，以精准目标为主线，其他七大精准环节为支撑，促进学生的全面发展。教师发展是有效教学的持续动力来源[31]，精准教学强调教师教学实践知识与能力的动态发展，特别是应用大数据、人工智能等新技术积极有效地促进教育教学能力的提升，这与信息技术提升工程2.0的目标不谋而合。同时，教师发展与学生发展并非单向的线性关系，而是一个良性循环的相互促进关系，是在精准教学的不断迭代过程中达到双赢的结果。

四、新的精准教学模式

我们强调精准教学要回归教育学，主要是回归教育学的目标和重视教师角色。我们采纳了马扎诺教育目标分类的二维框架作为精准教学的目标分析框架，同时用人机协同原则分析了教师、学生与机器在精准教学中的不同分工，结合对教学过程的理解，形成了一个包含九个环节的精准教学模式（如图4所示），其中的九个环节分别是：精准导学、精准目标、精准研学、精准诊断、精准干预、精准反馈、精准评估、精准反思和精准拓展。在以上九个精准环节中，学生的学习活动包括：课前导学、单元测验、反思补救、集体听讲、小组学习、个体研学、变式练习和迁移拓展。为支持学生的精准教学，教师开展的教学活动有教学目标的制定与动态精准、课前指导、设计测验、学情分析、课堂教学三层干预、设计测试、课后指导、教学反思。为了辅助教师教学与学生学习，机器的支持功能有智能助教、单元测验、学习分析、创设教学环境与情境、脚手架、测验评估和机器優化。

（一）制定目标，精准导学

教师依据马扎诺教学目标分类学，解读课程标准，将其拆分重组成提取、领会、分析和知识运用四个认知水平的教学目标（见表1），在数字资源库中挑选或者自行研发满足四个认知水平的学习资源，并通过教学助手推送给学生。学生需在课前完成导学任务。

（二）单元测验，精准目标

教师在数字资源库中依据四个水平的教学目标挑选对应的试题组成单元测试卷，通过教学助手推送给学生，学生在课前完成测试。教师在机器的学习分析辅助下精准诊断学情，在机器的支持下绘制学习者画像，制定差异化教学目标，明确教学重难点，选择合适的教学策略。学生在学习助教和教师的反馈下反思自己的目标达成情况，订正错题，依据机器个性化推送的文字、图片或视频等资源进行补救。

（三）三层干预，精准研学

在课堂教学中，教师首先依据课前的学情，利用机器创设教学情境进行集体讲授，保证提取和领会水平的教学目标达成。随后教师针对教学重难点布置若干学习主题，学生借助具备认知、交流、评价等功能的软硬件开展小组学习，在互相提问、解释、演示、讨论、争论等过程中最大程度达成分析与知识运用水平的教学目标。最后，教师根据实时学情，依托机器为每个学生搭建脚手架，精准推送若干学习任务，以促进教学目标的达成甚至超越。

（四）变式练习，精准评估

在课堂教学的最后阶段，教师借助机器编制并推送四个水平的变式练习，学生利用已学知识与方法策略，在新情境下探究知识的迁移与问题的解决。机器智能生成学习报表，教师完善后将报表推送给学生，并总结班级整体学情，给出后续学习建议。

（五）课后作业，精准拓展

教师根据学生个体目标达成情况，利用机器编制并推送个性化课后作业。课后作业完成后，学生根据机器所推送的最终学习报表（课前—课堂—课后），反思学习过程，教师依托机器开展课后集体、小组、个体指导，引导学生开展课后巩固学习，对知识进行精准拓展。

（六）人机协同的“诊断—反馈—干预—反思”

本部分贯穿整个教学过程，主要通过影响学生的元认知系统与自我系统来促进精准教学。在精准诊断环节，教师和机器共同监测学生的学习行为与表现，机器主要负责记录学生的回答次数、做题速度与正确率等易量化的行为数据，并可视化给教师，辅以决策，而教师更多的是观察学生难以量化的情感数据，如情绪、动机等，并结合机器的学习分析进行智慧决策;在精准反馈环节，學生学习报表由机器与教师共同完成，其中，机器负责实时生成知识图谱、教学目标达成情况雷达图、学习策略建议、学习资源推荐和总结评语;教师负责审核、完善机器智能生成的学习报表，对学生给予情感上的支持与鼓励;在精准干预环节，教师在精准诊断与精准反馈基础上实施精准干预，形式上可分为基于所有学生的弱干预、基于小组的中干预和基于个体的强干预，干预的内容有学习动机、基础知识、学习策略、解题技巧等;在精准反思环节，学生需要自省教学目标达成情况、学习态度、学习过程和学习方法策略四方面，教师需要自省九个精准环节和人机协同教学效果，机器需要借助深度学习等技术和教师辅助来实现自我优化。

五、结语

以往的精准教学都有存在异化教育的危险，因而本文提出精准教学要回归教育学，结合马扎诺的教育目标分类理论与人机协同原则，我们提出了精准教学3.0的概念，并建构了一个包含九个环节的精准教学模式。构建该模式的目的并非是为精准教学制定一个标准化的实施路径，而是为那些想要实施精准教学的一线教师提供一个实例，帮助教师理解精准教学中的机器与人是如何协同工作的，师生在这个过程中又是如何实现自我发展的。相较于模式本身，通过其所传达的以下理念更为重要：（1）在人机协同系统中，教师作为最具智慧的专业人士应当占据主导地位;（2）教学目标的达成不能仅停留在认知系统水平，元认知系统与自我系统才是促进学生持续进行深度学习的关键所在;（3）教师发展是有效精准教学的持续动力源，这不仅体现在对教育学价值与人文情怀的关照上，也体现在技术应用的能力与素养上。

[参考文献]

[1] LINDSLEY O R. Precision teaching's unique legacy from B. F. Skinner[J]. Journal of behavioral education，1991（2）：253-266.

[2] 郭利明，杨现民，张瑶.大数据时代精准教学的新发展与价值取向分析[J].电化教育研究，2019，40（10）：76-81，88.

[3] GRAY J. A transformed scientific method[EB/OL].（2009-10-16）[2015-03-30]. http：//research.microsoft.com/cn-us/collaboration/Fourthparadigm/4th_paradigm_book_jim_gray_transcript.pdf.

[4] 彭红超，祝智庭.面向智慧学习的精准教学活动生成性设计[J].电化教育研究，2016（8）：53-62.

[5] 王永雄，丁德瑞，宋燕，张孙杰.基于创新实践能力培养的精准分层教学[J].中国电化教育，2017（12）：109-114.

[6] 王永固，肖镭，莫世荣，沈一峰，童桂恒.电子书包赋能的精准教学模式有效性研究——以初中数学复习课为例[J].中国电化教育，2019（5）：106-113，119.

[7] 秦丹，张立新.问题与优化：课堂精准教学实践的现实审视与反思[J].电化教育研究，2019，40（11）：63-69，77.

[8] 阎光才.教育及社会科学研究中的数据——兼议当前的大数据热潮[J].北京大学教育评论，2013，11（4）：77-86，187.

[9] 姜勇，戴乃恩.论“基于证据”的教育研究的限度——“文化存在论教育学”的视角[J].华东师范大学学报（教育科学版），2017，35（3）：72-79，170.

[10] 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.

[11] 付达杰，唐琳.基于大数据的精准教学模式探究[J].现代教育技术，2017（7）：12-18.

[12] 马俊领，刘卓红.论霍克海默对实证主义的批判——启蒙批判早期进路研究[J].广西社会科学，2008（11）：42-45.

[13] 袁振国.实证研究是教育学走向科学的必要途径[J].华东师范大学学报（教育科学版），2017，35（3）：4-17，168.

[14] 祝智庭，彭红超，雷云鹤.智能教育：智慧教育的实践路径[J].开放教育研究，2018，24（4）：13-24，42.

[15] 钟志贤.建构主义学习理论与教学设计[J].电化教育研究，2006（5）：10-16.