基于大数据的知识发现新途径 视频课例中数据分析与挖掘的三种应用模式 （下）

发现大数据知识发现

的三种应用模式

视频课例中数据分析与挖掘的价值在于促进课堂教学改革与教师专业发展。教师专业发展具有三种模式：师徒制模式、反思性实践模式和应用科学模式。师徒制模式隐喻了师徒之间的知识转移，反思性实践模式隐喻了教师即研究者，应用科学模式隐喻了理论指导实践。基于大数据知识发现的教师专业发展也依次对应了三种模式：大数据支持下的同侪互助模式、基于数据循证的课例研究模式和基于数据科学的教师成长模型。

【模式一】大数据支持下的同侪互助模式

长期以来，新手教师毕业后分配到各中小学校，一般都会安排一个同学科的成熟教师作为师父。理论上认为，新手教师与成熟教师通过实践、反思、互动，可以获取、继承、传递、存储、应用成熟教师的实践性知识。但现实果真如此吗？

一个新手教师成长为胜任教师要经历知识学角度的两大步骤：一是0～3年解决知识生产问题，即如何教和怎么教;二是3～5年解决知识进化问题，即如何教得更好、更有效。我所在团队通过研究得出，新手教师在0～3年知识生产阶段，依据斯巴克斯·兰格教学反思思维框架的七个层次所得出的数据，选择胜任教师作为师父才是最佳搭配;在3～5年知识进化阶段，依据著名的思想家、哲学家卡尔·波普尔在1979年提出的知识进化模型所得出的数据，该循环数据是一个标准的半结构化型数据。

通过上述研究得出的数据样貌我们发现，教师知识的进化过程是一种教师的知识集合处于不断流通与变化的过程。成熟教师与新手教师在知识进化过程中的试探性理论或解决方案上表现出了比较大的差异：成熟教师更倾向于从局部要素寻找解决问题的策略，而新手教师则更倾向于从整体要素的改变去寻找解决问题的办法。在知识进化过程中，成熟教师对新手教师的影响十分明显：新手教师在知识进化排除错误的过程中，会表现出吸收成熟教师实践性知识的倾向。由此我们得出，在知识生产阶段，胜任教师做新手教师的师父是非常合适的，因为二者都能获得进步;而在知识进化阶段，再加入成熟教师，形成“双师制”模式，可以让课堂教学和教师专业发展都能获得长足的进步。

但同时，我们在实践中又发现了另外一种现象。我所在团队选取了97位教师进行研究，其中胜任教师和成熟教师占71%。在这一比例下，我们无法依据学科进行师徒制匹配，因此我们采用课堂教学行为大数据的聚类分析和主成分分析开展研究。结果显示，在97位教师中，存在两类风格迥异的教师群体：高问题设计、低理答方式和低问题设计、高理答方式。（如图1）随后，将类型1和类型2的教师组成同侪互助小组，通过一学期的研究数据可以看出，类型1教师在反思性知识、策略知识、情境知识、人际知识方面得到了大幅度提升，在挑选回答方式、学生回答方式、教师回应方式、教师回应态度等方面也有了很大改进。类型2教师在教育信念、策略知识、反思性知识方面有了显著提升，在问题类型和问题结构方面也有显著改进。可以说，基于大数据的同侪互助模式能够让双方真正实现取长补短，从而获得专业发展。

由此我们可以得出，大数据知识发现支持下的同侪互助模式经历了三次循环迭代的过程。第一次优化了知识生产，第二次优化了知识进化，第三次优化了同侪互助，且都有了新的知识发现，推进了原本的师徒制模式。（如图2）

【模式二】基于数据循证的课例研究模式

基于数据循证的课例研究模式在课前需要运用证据优化教学设计;在课中产生新的证据，用数据赋能实施提质;在课后优化证据，用数据驱动反思增效。

我所在团队对广东省深圳市某语文教师的语文教学过程进行了实践探究。该教师在自主教学前首先与团队观察了同行教师的教学课堂，认为教学课堂内容紧凑、准确有亲和力、学生情绪饱满、课堂合作积极。然而大数据显示，同行教师的教学课堂仍存在很多问题，这就为该教师的教学设计提供了课前优化的证据。随后，该教师在团队的协助下，开始利用“四何”问题（为何、是何、如何、若何）作为支架，优化自己的教学设计并进行试讲修改，用数据赋能实施提质。最后，在课后反思会上，该教师总结出“一听、一看、一思、一试、一练、一悟”的感悟，实现了运用数据驱动反思增效。

由此我们可以得出，基于数据循证的课例研究模式通过课前运用证据、课中产生證据、课后优化证据的思路，使反思性实践模式得到了提升和发展。（如图3）

【模式三】基于数据科学的教师成长模型

我所在团队在对优秀教师群体和低绩效教师群体的大数据样貌比对中发现，优秀教师教学课堂中，学生的创造评价性回答比例较高，课堂的生成性较好，而低绩效教师教学课堂中，学生的这类反馈几乎没有;优秀教师在教学课堂中会提出为何问题、创造性问题、批判性问题以及组织更多的讨论和汇报，鼓励学生提出问题，而低绩效教师在课堂教学中多以讲授为主。

那么普通教师如何变成优秀教师呢？我所在团队根据十条有效的教师成长发展路径（见上期表）构造出七个内外兼修教师成长模型。（由于版面限制，不作赘述）如教师教育信念的提高会减少在课堂教学中打断学生回答或代答的行为;情境知识的提高会增加在课堂教学中的非言语性回应，同时提出更多批判性问题;反思性知识的提高会帮助提高对话深度四;等等。

由此我们可以得出，基于数据科学的教师成长模型通过构建内部特征模型、外部特征模型和内外兼修模型，对应用科学模式进行了升华。（如图4）

基于大数据的知识发现的三种应用模式契合了保罗·基尔希纳提出的基于证据的三种启发式学习方式：引导式学习，关键点在于吸引和保持学习的注意力;目标习得式学习，关键点在于将认知聚焦在催生学习目标达成即教学改进的活动上;认知编码式学习，关键点在于影响学习者大脑对信息进行识别、分割和编码的伴随式认知活动和内部语言的表征结果来获得教师的专业发展。

反思大数据知识发现的哲学意蕴

基于大数据的知识发现为教育科学找到了新起点：只要拥有足够多的数据和足够“聪明”的算法，就可能在发现教育教学现象和理解教育教学本质等方面获得更深刻的洞见。以我所在团队多年的大数据分析和挖掘经验来看，需要反思以下三点。

一、从还原论与整体论的对立走向融合

大数据时代来临，数据使还原论和整体论找到了融会贯通的共同基础;视频课例数据化的过程是碎片化的还原过程，而数据挖掘与知识发现的过程是集成化的整合过程。可以说，数据还原为数据整合打下基础，数据整合又将数据还原后的碎片重聚并显现出教育教学规律，体现出大数据时代的整体论是基于数据还原的整体论，是经过数据还原洗礼的并具有丰富细节的整体论，是实实在在对数据碎片的整合与重构。对数据的综合分析就是把数据的碎片整合在一起还原回真实的课堂，再与教育教学现象进行融合。这也是大数据知识发现中从还原论与整体论的对立走向融合，提高研究质量的关键环节。

二、从感性思维跃升到理性思维的挑战

大数据的迅猛发展只是代替了人类完成思维活动中的低端内容，并未取消人类的全部思维活动，恰恰相反，视频课例的知识发现倒逼出人们的思维层次不断从低端的感性层面跃迁到更高的理性层面，是对知识发现研究者思维水平和认知能力提出的重大挑战。

三、警惕数据主义与人文主义对立的风险

我认为，数据主义是经验主义的新形式，是与人文主义相违背的，在研究过程中必须要对人和人的境遇进行考量。我们最终需要促进教学的改进，就必须促进教师改变。对人的改变是非常复杂的，所以要杜绝数据强权和数据主义。在数据面前，视频课例的研究者应该首先保持人的独立性，提高人的自觉性，发挥人的能动性，确保人的主体地位。

我所在团队经过多年中小学视频课例研究和分析发现，视频课例中数据分析与挖掘有效支持了大数据循证的教师改变，推动从数据展示到知识标示，从技术热点到技术与教师智慧经验耦合的深化发展，在大数据价值挖掘的抽象原理和具体操作之间搭建起了转化的桥梁，并助力教师的专业发展。

（本文根据第七届全国教育实证研究论坛实证方法分论坛十二“教育图像与视频分析”专家报告整理，有删节）

作者简介

王陆 首都师范大学教育技术研究所所长

首都师范大学现代教育技术重点实验室主任

北京市基础教育信息化实验教学示范中心主任