从“基于经验”到“数据驱动”：大数据时代的教学新样态

● 魏亚丽 张 亮

在科学技术尚不发达的“小数据”时代，经验往往成为教师教学的基本遵循，即教师将过往教学实践中形成的对教学的认知、理解和行为方式作为开展教学的基础。然而，从长远看，这种基于经验的教学对学生而言，既不科学，也不适用。因为教学经验有优劣之分，并非所有教师的教学经验和教师个体的所有经验都能给学生以正确指导，教师素养结构中虽蕴含着众多“日益精进”的优质经验，但也充斥着不少“故步自封”和“直线累积”的劣质经验，这些劣质经验无法“蝶变”为蕴含教育意义的智慧型经验来指导教师有效教学[1]。随着数据密集型科学的迅猛发展，数据日益成为驱动社会发展的重要指标，人类社会全面进入“大数据”时代。大数据既是一种数据集合，也是一种技术手段，同时还是一种认识和改造世界的方法。[2]全球著名咨询公司麦肯锡在其研究报告《大数据：创新、竞争和生产力的未来前沿》中指出：数据作为重要的生产因素已渗透到当今社会的各行各业。[3]具体到教育领域的课堂教学研究中，大数据与教学的深度融合重塑了师生的“教”与“学”，改变了我国传统思想文化中过分注重实用理性的主观经验式教学，使学生在知行统一中逐步成长为“成事与达己兼修的智慧个体”[4]。受惠于大数据信息技术的采集存储、开放共享和挖掘分析功能，教师可以较之以往更便捷地获取隐性、多元且完备的教学数据。其中，既有涉及教师教学行为的“教”的数据，也有关乎学生学习行为的“学”的数据，数据为教学变革带来了新的发展机遇，其在教学研究中的地位和作用日益凸显。本文试图通过确证大数据背景下的教学转型，具体分析“数据驱动”型教学的运行机制，并在此基础上提出推进“数据驱动”型教学的实践路径。

一、大数据背景下的教学转型

“基于经验”的教学实质上是教师以绝对主导者的身份，选定教科书知识作为主要教学内容，借助讲授的方法，依托纸笔、书本、黑板等教学媒介将人类经验直接传递给学生，并通过考试测验来检验学生对知识的掌握程度。[5]然而，“现代教育必然是数据驱动的，而非纯粹经验主义的实践”[6]，教学正全面进入“大数据时代”。传统的教学重点、教学模式和对不同类型学生的学习评判都将因大数据的介入而发生转变，这就需要教师在教学内容、教学方法和教学评价等方面进行重新体认与深入践行。

（一）教学内容：从“学科知识”进阶“个体智慧”

“基于经验”的教学诞生于“前喻文化”时期[7]，该文化的典型特征是晚辈要向长辈学习，知识通过传承得以赓续。王策三先生就曾提出：“课程的本质是知识，知识是学生发展的资源和起点，教学中‘注重知识传授’，根本、永远不存在‘过于’的问题，而是根本、永远不够、要不断加强的问题。”[8]然而，大数据背景下的教学更倾向于通过对涉及教学的相关现象、问题及行为等进行数据挖掘和对比分析来揭示教学内容的真正价值，经过大数据精选出的教学内容对于培养学生的智慧至关重要。因为这部分教学内容富含生活价值，能为学生带来见解、行动、伦理道德等方面的好处，使学生的学习不断朝着“智慧”的方向前进，此刻，学生获得的知识亦是通达智慧的知识[9]。鉴于此，注重外在客观知识注入的经验式教学正被强调内在个体智慧养成的“数据驱动”型教学超越。“数据驱动”范式下的教学内容更加注重学生能力的提升，即教师将不再沉迷于“教知识”，而是致力于“赋能力”，如赋予学生组织能力、人际交往能力、合作能力、信息能力等，具体体现为：让学生自己发现和组织学习资源，积极创建与他人的合作关系，学会收集、筛选和使用各种信息，尝试运用各种技术工具来辅助学习，这些能力共同促使学生不断成长为一个有智慧的人。由此可见，在大数据时代，教学内容的重点不再仅仅停留在知识的习得与再现层面，而是聚焦于培养学生综合运用基础知识、多元技能解决现实问题的层面。学生在解决问题的过程中，其思考力、判断力和表达力等人格品性日益健全，所学书本知识最终转化为指导其更好学习和更好生活的人生智慧（核心素养）。因此，教会学生“学会如何学习”，实现“转识成智”正成为学校教育的首要目标和教学内容的重点所在。

（二）教学方法：从“规范讲授”迈入“具身体验”

长期以来，大规模的学校教育要求教师在尽可能节省人力物力的前提下，通过加强对学生及其学习行为的有效控制“批量生产”精英人才，因而通过口头语言向学生描绘情境、叙述事实、解释概念、论证原理和阐明规律的讲授法备受教师青睐[10]。但教学对象拥有不同的学习风格和认知方式，教学环境复杂多变，教学内容也具有不确定性，以传递经验为根本目的的讲授教学不可避免地带有极大的机械性和低效性。一旦教学的动态性、情境性和内隐性得到确证，教师很可能会因为窄化对教学的理解而做出错误的方法选择。大数据的介入无疑为教师超越过度依赖规范讲授提供了一条切实可行的路径，即“感官——情感——思考——活动——具身”体验。第一，注意——感官体验。大数据的可视功能为学生提供了一个综合运用音视频和动画等不同类型信息的机会，可以使学生在获得多层次感官体验的基础上对所要学习的内容产生选择性注意。第二，个性化——情感体验。由智能教学平台自动生成的情感信息为深入挖掘学生的情感提供了海量数据，这些情感大数据对于学生进一步获得横向结构性均衡和纵向深刻性感受的个性化情感体验学习大有裨益。第三，认知——思考体验。大数据背景下的教学更加遵循“学会怎么办”的学习路线，要求教师关注对学生问题意识的引发并尝试为学生提供解决问题的支架，使其能够沿循“问题表征——开发方案——方案分析——实施评价”的路线来习得知识，从而把对因果关系的依赖转移到对相关关系的探索。第四，合作——活动体验。基于大数据的教学能对学生的学习行为数据和学习结果数据进行精确分析，使教学活动改变以往过分依赖学生物理空间分布、学习程度差异、学生间的亲熟感等因素的建构准则，而将学生的学习认知规律和学习喜好等因素纳入学习小组的建构准则之中。第五，生成——具身体验。“数据驱动”的教学是集感官体验、情感体验、思考体验和活动体验于一体的具身体验式教学，它能关注到影响学生学习的理性和非理性因素，超越学生的个性特征和个体情感，使学生与理想中的自我、他人或文化产生不同程度的关联，进而实现生成性的深度学习。

（三）教学评价：从“观察判决”转向“证据评估”

在“基于经验”的教学范式中，依靠教师口头提问、肉眼观察、阶段测试等方式来评判全班学生或某类学生整体水平的结果性评价极易导致评价结果出现以偏概全的“晕轮效应”。而大数据却可以指导教师基于详实可靠的证据所描绘出的每名学生生动而具体的学习历程和认知体验来对其进行精准化的评价。精准化的评价主要“精”在评价主体、评价内容、评价过程和评价结果上。第一，精准化的评价主体。“数据驱动”的教学评价能将“他者评价”和“自我评价”统一起来，进而形成对学生完整的评价。其中，“他者评价”是教师、家长或同学基于数据库中存储的学习行为数据的分析结果对学生进行的评价；而“自我评价”是学生基于计算机系统中生成的个体化学习行为数据而展开的自我评价和反思。第二，精准化的评价内容。计算机系统能准确记录学生在学习过程中表现出的心理特点、个性品质等学习行为数据，也能清晰呈现包含学生基础知识习得情况和认知发展规律图谱等在内的学习结果数据。基于数据的精准化评价可有效融合学生认知过程中的学术性因素和非学术性因素，使教师对学生的评价走向立体化和生动化。第三，精准化的评价过程。基于大数据的评价将贯穿学生学习过程的各个环节，为教师进行科学的教学评价提供保障。课前，计算机教学平台能获取精准化的学情（学生的共性和个性，学习兴趣点和重难点）；课中，课前的学情数据分析结果将为教师恰当选用不同的教学方法、进行个性化辅导教学提供依据；课后，基于大数据的在线测评结果能极大地满足学生多样化的学习需求。第四，精准化的评价结果。计算机系统将学生最终的学习表现以“电子成绩单”的形式呈现，该成绩单能精准地描绘出学生在特定学习主题中的优势与不足，帮助教师精准地掌握每个学生的现状、未来努力方向和针对性学习策略，最终实现对学生的学习性评估。“数据驱动”的精准化教学评价使教师以“鉴赏家”的姿态评价学生，使学生成为评价的主体，使评价制度能够彰显观察学生的两个视点——“学生在成长之中”“学生在关系之中”，这种教学评价才是真正意义上的评价，即“教育性评价”[11]。

二、“数据驱动”型教学的运行机制

以计算机和互联网等技术为支撑的大数据加速了教学数据的生产与传播，数据越来越成为驱动教学变革的重要力量。要实施数据驱动的教学，就必须先明确其运行机制。“数据驱动”型教学的运行机制以培养学生的个体智慧为真实目的，是教师、学生、教学媒介和教学内容等围绕教学大数据所进行的多边互动，如图1 所示。

图1 “数据驱动”型教学的运行机制

（一）交互生成教学大数据

借助于在线教学平台和智慧教学环境，教师（AI教师和真人教师）和学生在课堂教学过程中暴露出的各种“教”与“学”的行为痕迹不断被智能教学平台、可穿戴设备等准确记录，师生与环境（线上教学环境和线下教学环境）间的这种持续交互作用促成了教学大数据的动态生成。教学大数据由“教”的数据和“学”的数据构成，前者是指涉及教师提问倾向行为、资源分享行为、作业批改行为等方面的数据；后者则是指有关学生信息访问和浏览行为、问题回答行为、在线做题行为等方面的数据。所谓的教学大数据主要“大”在三个方面：其一，“数量大”，即师生的各种行为数据被持续记录并长期保存，最终形成一个没有边界和限度的大的“数据集”；其二，“范围大”，即教学大数据是涵盖了教师和学生教与学的进度、态度、情感以及偏好等在内的方方面面的数据；其三，“价值大”，“数据就像一个神奇的钻石矿，当它的首要价值被发掘后，仍能不断给予。它的真实价值就像漂浮在海洋中的冰山，第一眼只能看到冰山一角，而绝大部分都隐藏在表面之下”。[12]通过对教学大数据进行挖掘和分析，师生可以从中获得具有重大价值意蕴的教学线索，从而指导其更好地进行教与学。可见，教学大数据的真正价值不仅在于收集价值，更在于使用价值。

（二）以教学媒介为存储中介和呈现载体

教学媒介既是教学大数据的采集终端和传输渠道，又是教学内容的呈现载体，为教学活动的顺利开展提供了重要保障。一方面，师生的各种行为数据被存储在以“可穿戴”计算设备（VR/AR 设备）、智能教学平台、智能机器人等为代表的教学媒介终端；另一方面，教学内容也常以文字、图片、音视频、虚拟情境等不同形式在教学媒介中呈现。以“可穿戴”计算设备为例，“可穿戴”式传感器可以时时处处感知到源自学生行为、位置甚至身体的变化，并在其毫无意识的情况下获取他们的学习行为数据和心理数据，追踪他们的整个学习过程。这种从不同维度实时采集来的线下教学数据也是对线上教学数据的补充，两种教学数据均被存储在教学媒介中，同时又通过教学媒介得以传输，这为教学大数据的顺利运行提供了有力支撑。此外，为提高教学效率、减少教师工作负担，教师的教学资料和学生的家庭作业都可提前以文字、图片、视频等形式呈现在智能教学平台上供师生双方提取使用。教学媒介利用其传输功能、存储功能和呈现功能为下一阶段教师选择个性化的教学内容和实施自适应性的教学决策奠定了基础。

（三）私人定制教学内容

通常情况下，判断教学内容是否有效的主要依据是看其“供需”情况，理想的教学内容既不能“供不应求”，也不能“供过于求”，而是要追求“供需平衡”。数据定制的教学内容与教师选定的教学内容的不同之处在于，前者属于“需求侧”内容，后者属于“供给侧”内容，而学生真正能接受并从中获益的学习内容正是符合其学习特征的“需求侧”内容。经数据加工所定制出的“需求侧”教学内容常通过建立学生模型以记录学生个性化学习信息的方式实现。当前，基于教学大数据定制的教学内容主要有三条定制路径：（1）基于内容的“一对一”定制，即先根据学生特征与学习内容之间的二元映射关系进行内容匹配，再对二者进行相似度计算，最终把相似度高的内容定制给学生；（2）基于学生的“多对多”定制，即建立生生之间的关联并利用这种关联特性建立起教学内容与学生群体之间的匹配关系，进而为同一特征的学生群体定制同一类型的学习内容；（3）基于关联规则的“多对一”定制，即建立不同教学内容间的关联关系，对比它们之间的相关强度，继而将相关度强的教学内容“打包”给学生[13]。教学内容的三条定制路径也印证了核心素养时代的教学趋势——课程整合（知识整合）是面向学生核心素养发展的课程开发模式的必然选择[14]。

（四）自适应教学决策

实施教学决策是个复杂的过程，它主要包括教学的计划与准备、互动决策、教学评价反思三个阶段[15]，教学决策科学与否直接影响教学效益的高低。在教学环境和教师个体经验不确定的情况下，教学信息的收集是进行科学化决策的基本前提，因而，数据作为重要的信息收集形式，其重要性日益凸显。凭借教学大数据的数据挖掘和分析技术，教师可将教学过程中收集来的教学行为数据“翻译”成有价值的“教”与“学”的信息，从而为教师的教学决策和学生的学习决策提供准确、即时且全面的参考，最终帮助教师实现精准化教学、学生实现个性化学习。这里经“翻译”而得来的“教”的信息主要有教师教学目标的达成度、教学的重难点，学生的学习参与度（投入度）、学生的能力水平等；“学”的信息主要有学生的知识缺陷、学习偏好、学习状态等。在此全方位的信息辅助下，教师可以进行科学的教学决策，如全面评估、掌握学情、科学分析、精准补强和分层布置作业；学生也可以进行科学的学习决策，如明确学习目标、制订学习计划、定制学习内容、选择学习方法、规划学习路径等。基于数据的教学决策实质上是一种“自适应决策”，即教师可根据教学大数据“翻译”出的教学信息自动调整教学决策。该决策方式有利于保障教学环境、教学资源、教学机会、教学质量等在同一课堂中的优质均衡，从而促进课堂教学的科学化和公平化。

在以上所描述的“数据驱动”的教学运行机制中，教学大数据处于中心位置，教师、学生、教学内容和教学媒介始终围绕教学大数据进行有机互动，它们共同构成了一个积极的反馈循环系统。该系统大致可分为三个层次，即数据层、中介层和应用层。数据层是基础，包括师生双方的行为数据；中介层是载体和媒介，涉及教学数据的存储、传输和教学内容的呈现；应用层是对外输出，主要任务是将教学数据的分析结果用于指导教师进行教学决策和学生进行学习决策。在“数据驱动”的教学范式中，师生同是教学的主体，其中，AI 教师以“教书”为主，通过精准预测、智能测评辅助教学进行；而真人教师则以“育人”为主，在与学生的情感交流中培养其思维力、想象力和创造力。“双师”结合能使学生得到个性化指导，最终促使学生在信息加工、知识内化、情感体验中完成意义建构。“数据驱动”的教学是一种智慧教学，它不仅关注“学”，更关注“人”；不仅关注“教”，更关注“育”。这种教学模式下，学生往往有知识、有方法、有生活、有智慧。

三、推进“数据驱动”型教学的实践路径

大数据时代，“基于经验”的传统教学范式受到严峻挑战，很难适应数据科学对知识选择、方法使用和学生评价提出的诸多要求，因此，“数据驱动”型教学已成为不可阻挡的时代潮流。要推进“数据驱动”型教学的实现，教师应坚守“教育性”数据本真、养成“整全性”数据素养、建设“专业性”数据共同体。

（一）坚守“教育性”数据本真

真正意义上的教学一定是内含“教育性”的教学，即教师要不断提升学生在学习过程中的价值感，将学生的知识学习与认识能力扩展提升到个体生命价值自觉的高度。[16]因此，教师要实现“数据驱动”型教学就必须回归教育本质，坚守数据本真，使数据的体验质量大于观感质量、价值意义大于工具意义。一方面，教学大数据的可视化功能增强了课堂教学的观感性，良好的观感联通了学生的感觉器官，使学生在学习兴趣得以激发、学习积极性得以提升的基础上对即将学习的内容产生选择性注意。然而，仅有高质量的观感而不给学生提供高质量的参与，教学大数据就会变为“空有皮囊，腹中草莽”的“数据壳”，失却大数据背后所隐藏的教育价值。对此，教师既要为学生呈现有关知识学习的图谱，使学生清晰地看到与某目标知识点相关联的其他知识，也要针对知识图谱中提供的有效信息为学生设计与此相适应的学习活动，让其进行体验式学习。否则，教学将只可能是教师“叫卖”知识图谱的“独角戏”。另一方面，“教育不是彰显技术的工具，更不是技术的附庸”，[17]教学大数据是为改进教学不足、提升教学效益服务的，无论何时、何地、何种情况，数据的存在都是一种客观性的存在或工具性的存在，它的功能发挥和价值体现始终围绕学生主体性的凸显。换言之，学生的主体性是数据参与课堂教学的边界和限度。教师将数据运用于教学时一定要明了数据的进入方式，即数据不是机械地介入教学而是能动地嵌入教学，“嵌入”道明了教学为数据留下的空间——学生的主体性，具体体现为让学生成为认识的主体、实践的主体、价值的主体。只有在学生的主体价值得到最大程度保障的前提下，我们才可以说这种教学是有意义的教学，也才可以说这种教学大数据是有意义的数据。

（二）养成“整全性”数据素养

养成“整全性”数据素养是推进“数据驱动”型教学的核心环节。经研究证实，教师数据素养评价指标体系由数据知识（数据基础知识、数据工具知识）、数据技能（数据获取能力、数据整理能力、数据分析能力、数据评价能力）、教学应用（数据探究和交流能力、数据驱动教学决策能力）、意识道德（数据意识、数据道德）构成[18]，这四个指标并非孤立存在或机械组合，而是一个有机统一的整体。因此，教师的“整全性”数据素养是指教师在真实的教学情境中运用数据知识、数据技能和数据道德解决实际教学问题的综合能力。教师要养成“整全性”数据素养，可以从四条路径开展：首先，形成以数据为视角来观察和认识教学世界的习惯。大数据时代，教学世界也是数据世界，在数据介入教学的前提下，任何教学问题都会或多或少地带有数据的痕迹，教师必须养成“在数据中观察教学”“在数据中认识教学”的习惯。其次，学会利用数据审视、分析教学问题。当文字变成了数据，当互动变成了数据，当情感变成了数据……当更多与教学相关的行为都被数据化后，教师必须学会利用数据来审视和分析教学中出现的各种显性和隐性的问题。再次，能够将数据分析的结果用于指导自身做出科学的教学决策。大数据的“大”价值在于数据的应用，一旦教师掌握了基本的数据知识和数据技能，就需要尝试将冰冷的数据用于有温度的教学工作中，这样才能延展数据的衍生价值，实现“取之不尽，用之不竭”的数据创新。最后，还要做到“慧眼识数”。教学大数据既是一种教学工具，也是一种教学资源。它告知教学信息，但不解释教学信息；它指导教师理解，但也有可能造成误解，这取决于教师是否能够“慧眼识数”。由此可见，比大数据更大的数据是教师自身，教师要基于德性修养以批判性眼光评价数据的合理性价值，尽量避免被数据的光芒灼伤智慧的双眼。否则，数据将失去其存在的价值和意义。

（三）建设“专业性”数据共同体

实现“数据驱动”型教学最理想的模式是专业合作的模式，其中，建设数据共同体是这种专业合作模式的具体体现。数据共同体是指教师在“数据驱动”型教学实践中，通过彼此的沟通协助、密切配合所形成的一个具有共同目标、共同愿景、共同行为准则的教学群体。建设数据共同体既是课堂教学改革对教师群体的要求，也是教师个体实现专业发展的必由之路。数据共同体的建设通常需要三种不同类型教师的加入，分别是有技术背景的“技能型”教师、有扎实基础的“学科型”教师和有深邃思想的“学术型”教师。显然，三种类型的教师所具备的能力不同，因而拥有的优势也不同，“技能型”教师掌握了一定的数据知识、工具、方法等，他们擅长利用这些数据技术改进教学现状；“学科型”教师深谙本学科的基础知识、学科特性、学科功能等，他们拥有扎实的理论知识和丰富的实践经验，具备使用数据分析和解释学科教学问题的基本能力；“学术型”教师拥有综合素养，他们既对数据在教学中的应用边界和限度有一定的思考，又能够超越知识的学科边界，以“跨学科”的视角重新审视和科学看待各学科知识的功用和地位、相似点和不同点，以求在不同学科的共通点上找出学科间知识的契合点或融通点，从而甄选出适合学生智慧养成的教学内容。反观当下的课堂教学，尽管“数据驱动”型教学逐步在全国范围内展开且有不断扩张的趋势，但该教学范式仍然存在一些不尽如人意的地方。其突出表现有二：一是教师不愿也不会使用数据教学；二是教师即便借助数据实施教学，学生的学业成绩或综合素质依旧不容乐观。出现上述两种现象的主要原因在于不同类型教师之间缺乏有效合作。如若“技能型”教师、“学科型”教师和“学术型”教师能发挥优势、携手同行，共同创建一个专业性的数据共同体，那么，“数据驱动”型教学就会因获得强大的技术支撑、学科支撑和学术支撑而朝向理想化的方向发展。在此共同体中，“技能型”教师发挥数据促进作用，“学科型”教师发挥数据执行作用，“专家型”教师发挥数据领导作用。

大数据促使教学由“基于经验”向“数据驱动”转变，这既是教学发展的实然状态，也是教育信息化发展的应然趋向。但与此同时，我们也应认识到：大数据作为一种嵌入教学的技术潜含着一定的教学风险和违背教学伦理道德的某种可能性，需要我们对其进行必要的伦理规约[19]。这就告诫我们，在使用教学大数据时应遵循“喜新不厌旧”的原则，在利用“数据”带来的优势的同时，也应看到“经验”存在的合理性，谨防“数据迷恋症”，提高警惕心，避免使教学为追逐“效率提升”的末位目标而牺牲了其“智慧养成”的本位目标。患“数据迷恋症”者坚信“数据至上”“数据万能”和“唯数据主义”，这种思想观念忽视了数据本身携带的片面性、虚假性和残缺性等。大数据时代，我们应从思想上辩证地审视大数据，既要充分认识它给教师教学带来的便捷和高效，也要警惕它的诸多弊端和风险，提醒教师在将数据应用于课堂教学时，先以人性和道德作为缓冲，再与学生照面。