数据驱动的学校体育精准教学：内涵、机制与发展路径

郑光文，贺艳杰，郭子进

（厦门市新民中学，福建 厦门 361113）

21世纪人、机、物三元世界的高度融合促成了数据密集型科学的迅猛发展，强大的技术革新力量推促着人类生活、工作与思维方式的变革，大数据（Big Data）通过技术赋能催生了交通、卫生、公共安全、政务服务等一批社会治理的典范，日益成为驱动社会发展的重要工具。诚然，作为技术最难“攻克”的传统行业之一，教育行业亦深受大数据“威力”的强烈冲击并迈入了创新与变革的高速公路“匝道”，一场由经验模仿教学、计算机辅助教学转向数据驱动教学的范式变革正在发生［1］。随着大数据与教育教学的耦合发展，数据驱动教学也逐渐衍生为学校体育教学科学化与精准化的新动能。

诚然，在教育信息化2.0时代，学校体育发展仍囿于诸多瓶颈性问题，陷入变革与发展的鸿沟，在此背景下，学校体育教学亟需与数据驱动技术结合，构建新型体育教学生态、助力体育教学结构变革。不宁唯是，数据驱动技术与体育教学的结合既是变革与发展所需，亦是其价值彰显的应然选择。无可否认，近年来数据驱动技术与体育教学的融合发展实则已“崭露头角”，但仍处于一种低层次的、价值远未涌现的初级形态，其内在功能与结构还不清晰，自身应用价值还未得到挖掘［2］。纵然有已有研究对数据驱动体育教学的理论与实践应用探讨上做了初步尝试［3］，但多停留在理念普及、场景解析以及案例介绍层面，尚未映射或概念化数据驱动体育教学的本质内涵及逻辑机理等关键性基础问题。一言以蔽之，这些关键问题的“遗留”制约了理论研究对其使用的科学性和严谨性，窄化相关实践的指引。鉴于此，本研究基于数据驱动理念，对数据驱动学校体育精准教学的理论内涵、运行机制等关键问题进行系统阐释，并在此基础上提出推进“数据驱动”型体育教学的实践路径，以期紧随教育现代化前沿，助力学校体育教学精准化、智能化与个性化发展。

1 数据驱动学校体育精准教学的理论内涵

迄今为止，数据驱动学校体育教学的潜在价值虽备受青睐，但学界对于数据驱动体育教学的理论内涵仍是一个未尽的理论探讨问题，有必要丰富其理论内涵。

1.1 数据驱动学校体育精准教学的概念阐释

“数据驱动”的概念兴起实则是一个由“静态”到“动态”的过程转变，是从冰冷的数字到“赋能式驱动”的路径转型，衍生为社会治理的工具和赋能载体，并体现出非凡的超越性和创造性造福于人类社会。诚然，中外学者对“数据驱动”的概念界定虽各有所指，但对于数据驱动概念界定的逻辑起点大都立足于数据技术嵌入。即言之，数据驱动是主体运用大数据技术作为赋能载体和途径，挖掘和存储数据资源，并予以分析和研判，提出科学化和精准化的决策和支持方案，最终推动客体运行的动态过程。其内涵通常涵盖以下3个方面：其一，以数量大、种类多、运转速度快为前提条件；其二，以数据挖掘和分析处理为技术手段；其三，以辅助和支持下一步的行为提供有价值的指导信息为核心目的。而所谓的数据驱动体育教学，属于教育技术学范畴，主要是指依托大数据技术手段实现支持和构建体育教学的方法，以满足学生学习需求、促进有效教学的新范式。

相对而言，学界关于“精准教学”的概念界定较为统一，它源于斯金纳的行为学习理论，最早由奥登·林斯利［2］提出，指根据连续监测到的学生学习表现进行教育决策。与传统体育教学相比，精准体育教学强调数据的作用，通过设计测量教学过程采集与存储数据资源，分析与研判数据背后的价值逻辑，从而对教学过程做出精准科学的预测或决策方案。

从驱动范式来看，体育教学可分为经验驱动型和数据驱动型。前者是指教师通过口头提问、肉眼观察等直观经验做出的决策，但这种基于经验的决策模式极易出现以偏概全的“晕轮效应”，对学生而言，既不科学、也不适用。而后者则是依托大数据技术手段设计测量教学过程，汇聚多源异构的体育教学数据资源，通过深度挖掘和分析研判数据资源，快速发现学生练习的短期适应效应量与长期适应预期目标值，辅助教学提出更精准的个性化“教”方案，指导学生进行更精准的高质量“学”，从而实现学校体育教学精准化、智能化与个性化发展。

1.2 数据驱动学校体育精准教学的理论方法

1.2.1 理论支撑—“数据驱动决策理论”

数据驱动决策 （Data Driving Decision Making，DDDM）是数据驱动系统中的一个内化过程， 对此，Ackoff（1989）［3］的DIKW模型最能阐述这一复杂化动态过程，他将数据（Data）、信息（Information）、知识（Knowledge）与智慧（Wisdom）划分为4个阶段，其中数据—信息—知识3个阶段在整个机制中是互为转化且连续不断的动态过程，最终形成智慧并辅以决策。Mandinach［4］在DIKW模型的基础上最早构建出数据驱动决策的理论框架图（图1），该模型涵盖地区、学校和教室3个层级的决策场域，从静态数据到最终的决策实施包括6个阶段的交互转化，即“收集—组织—分析—概括—综合—优先化”，而前4个阶段则依赖于技术性工具或媒介完成该阶段任务，最终形成有效决策，并延伸至“决策实施—产生影响—反馈”，这一循环或迭代过程才算结束。DDDM在教学过程中的应用也大都基于此模型构建的，教研究者或师将体育教学过程中采集的数据经过具体内化的迭代过程后，对课程教学和政策实践做出精准决策。

图1 技术支持的数据驱动决策模型

1.2.2 程序方法—“运动处方模式”

运动处方模式是以满足学生个体需求的个性化体育教学模式，其内容体系涵盖身体状态认知、身体状况监控、运动处方设计、运动处方实施4个方面［5］，如图2所示。精准教学引入“运动处方教学模式”因其具备健康教育主导性、体育保健知识系统性、学生个性化与主体性、教学内容与过程科学性等主要属性及特点［6］，弥合体育学科核心素养的本位诉求。不同于传统体育教学，运动处方教学模式在传授、提高并精细化学生的动作技术的同时还要求学生掌握系统的体育保健知识，为终身体育和锻炼习惯的养成奠定根基。数据驱动的本意在于摒弃纯粹经验主义的决策，而运动处方教学模式在数据驱动体育教学过程中更加强调工具理性，基于详实可靠的教学数据，驱动体育教学的跌代循环并不断做出回应，这一程序可简述为 “体育知识学习—处方编制—处方实施—效果反馈—处方调整”，最终对教学决策予以答复。需要明确的是，数据驱动教学过程中，要更加注意“运动处方设计”阶段的控制与实施，这一阶段关乎体育教学决策的精准性与科学性，包括明确运动目的、功能动作筛选、运动负荷选择、设置运动频度与运动时间段、考虑运动注意事项等方面内容。

图2 运动处方教学模式的内容体系

1.2.3 衡量指标—“流畅度”（fluency）

流畅度是指学生在动作完成过程中的连贯与通畅程度，且直观显现的没有卡顿或停滞现象，是可以量化的结果。精准教学引入流畅度来衡量教师的教学目标达成情况，以及学生的知识与技能掌握情况，具有可操作性，其量化指标常通采用动作完成的精确度、速度或远度等，对学生的运动技术学习过程中的行为和反应状态进行量化记录并予以反馈。这一过程主要服务于体育教学数据采集阶段，是数据驱动精准体育教学跌代循环程序的初始化过程，为后续一系列的程序演进奠定根基。概而言之，流畅度作为衡量指标对于数据的精准采集及最终的科学化决策具有不可言喻的重要性。

1.3 数据驱动的学校体育精准教学应用特征

1.3.1 追求体育精准教学的立体化智控

步入大数据时代，“数据石油”和“算法引擎”的技术匹配驱动体育精准教学实现立体化智控，教学监控结构从传统的纵向科层制和横向分工制向立体化的、智慧化的网状型和扁平型结构转变，使监控的时空跨度更广、内容维度更多、数据精度更高、教学过程更细、操作程序更加智慧化。譬如，在时空分布上，数据再现过去、描述现在和预测未来的特有功能助力体育教师精准把握教学全过程，辅以做出科学化决策，如学情梳理、目标设定、过程评价以及运动指导与干预等。此外，大数据智控技术在教学中的嵌入式应用贯穿教学全过程，实时监控与动态跟踪教学的设计、组织、实施、评估、反馈等重要环节，甚至延伸至课外体育锻炼的跟踪分析，通过智慧化引擎或APP自动将分析结果可视化呈现，进而对教学过程加以优化决策和预测干预。

1.3.2 注重体育教学的精准化实施

数据驱动精准教学贵在“精准”，其本意在于摒弃纯粹经验主义的决策，以详实可靠的数据支撑为依据，实施点对点和数字化的定量调控。精准把握课前、课中以及课后的各个环节，对复杂动态的教学过程进行规律化认识和表述。不宁唯是，数据驱动的体育精准教学更注重从共性中把握个性，特别是对学生个体特征的把握，包括学生的生理、心理负荷、运动表现、负荷变量、生活方式等数据资源的实时采集与分析，精准识别每一个个体的具体状态，也就是“学生画像”的精准度与辨识率塑造，辅以精准化的教学干预以及科学化的终端决策。

1.3.3 突出体育教学的个性化调控

数据更具有针对性，而精准数据的采集辅以构建基础性、标签化的“学生画像”，是一个个具有鲜明特征的个体，这些个体因其生理、心理等内外部因素的影响而千差万别，均具有个性化要求，因此数据驱动的体育精准教学突出个性化调控的应用特征，以满足学生的个体化需求。具体而言，数据驱动的精准教学实施“数据分析—特征发现—智能干预”的个性化教学模式，并通过智慧终端的算法自动化功能生成与学生个体适应水平相匹配的强针对性学习方案，譬如，在运动强度、运动方式和运动时间等设置上，实现不同层次学生任务目标的理性化决策以及教学过程的“轻负高效”。

2 数据驱动的学校体育精准教学运行机制

以数据为驱动力支持改进体育教学已成为学校体育发展变革的势之所趋，而要实施数据驱动的体育精准教学，首当其冲是明确其运行机制。数据驱动的体育教学运行机制以精准性与科学性的增进学生体质健康为主要目的，围绕教学各个环节生成与运行的数据所进行的多边互动，如图3所示。笔者按照“数据采集—数据分析—数据决策—数据反馈与应用”的逻辑进路对这一运行机制分段呈现，以便对数据驱动体育精准教学的全貌形成具体认知和整体把握。

图3 数据驱动体育精准教学的运行机制

第一，在数据精准采集环节，数据采集是整个驱动机制的根基与动力源泉，基于数字技术（5G、互联网、云计算、传感器、人工智能、普适计算、可穿戴设备等）和生化技术（基因检测、蛋白质组学等）两大支点展开精准采集，汇聚多源异构的教学数据构建全量数据仓库。在数据精准采集阶段主要涉及3个环节：1）学情准确把握，在教学准备阶段教师借助互联网体育智慧库、人工智能等技术对学情进行细致的梳理，辅以制定教学目标；2）实时监测记录，主要是对学生体质健康数据（包括体型指标、肺活量、心率、力量、速度、耐力、灵敏、柔韧、既往病史等）、体育知识与运动能力等的数据监测与记录，可通过现代化可穿戴设备如GPS、心率带、陀螺仪、加速度计、功率计等实现数据便捷采集；3）数据可视化汇聚，是将前一环节监测记录的数据借助算法自动化引擎技术进行整合分析，通过数据可视化、虚拟现实等技术直观显现的呈现主体特征，以便后续环节的数据分析处理。

第二，在数据精准分析环节，数据精准分析是整个驱动机制的关键与引擎，从静态的数据到决策不是一蹴而就的，而是要经过一系列繁杂的数据挖掘与分析技术，折射数据背后的价值逻辑。 数据分析有“上卷”（Roll Up）和“下钻”（Drill Down）两种方式［7］，由于“下钻”的工具属性与功能特征更贴合数据分析所需，故通常采用“下钻”方式挖掘分析数据。这一环节的数据分析涉及4个具体方面，分别是基于运动学习阶段的数据分析（包括泛化阶段、分化阶段与巩固阶段）、教学过程阶段的数据分析（包括课前的教学设计、课中的教学环节、课后的跟踪反馈）、学习内容掌握情况的数据分析（包括认知领域、情感领域、体能领域、动作技能领域等）、学生个体特征的数据分析（包括体质健康状况、运动技能水平、负荷量、运动兴趣与期望等），从横向结构来看可概括为“个性化目标设置—动态跟踪指导—效果预测与评估”，而从纵向结构来看是对前一环节的赓续与环环相扣。需要明确的是，这一环节紧扣运动处方模式，从运动目的、功能动作筛选、运动类型与负荷选择、运动频度与时段选择方面做到精准匹配，以促进不同层次学生各个面向上的水平提高。

第三，在数据决策环节，数据精准决策是整个驱动机制的核心与枢纽，其职责是对驻留在各种数据源或数据仓库中的数据分析结果“翻译”成有价值的“教”与“学”的信息，以辨析教学主客观条件和状态，为下一步的教学决策提供准确、即时且全面的参考，尤其是对个体差异的观照与润泽，统筹考虑整体与部分（个体特征）是该机制运行的价值诉求与导向，契合学科核心素养的内在要求。在全方位的信息辅助下，捕捉数据整体的普遍规律与部分的个性化特征，即言之，把握整体的同时兼顾个体表征，遵照运动处方模式分层实施决策过程，包括重难点精准分层、学练精准分层以及评价精准分层三个大方面，实现教学的有序性和可操作性，帮助教师实现精准化、个性化教学。这一环节从某种程度上来说，实质上是一种“自适应”的决策过程，它是一个迭代循环的逻辑进路，换言之，不是所有信息都适合做出决策，如若信息不成熟需要程序再次的循环分析初始化数据，直至能服务于价值决策为止，这为教学决策的科学性提供保障。

第四，在数据精准反馈与应用环节，数据精准反馈与应用是整个驱动机制的价值呈现，是迭代循环程序的终点亦是起点。其职责是对横向的“目标达成度—任务完成度—结果可视化呈现”机制链条做出精细化的反馈，服务于系统终端的“精准计划定制—精准学练过程—精准行为进阶”应用与呈现。然而，机制运行到此并不意味着结束，根据诊断主体对机制反馈的价值做出研判，是否能满足主体需要，是否有必要再次启动程序进行迭代循环，输出更有价值的信息，而这一循环可能是全过程的也可能是某一细致环节，关键在于诊断主体的需要。具体而言，这一环节最重要的是赓续与继承前面所有环节的“果实”，可呈现整个结构机制的纵向脉络演变，分别是：1）教学准备部分的 “学情精准把握—个性化目标设置—重难点精准分层—目标达成度”，主要应用于教学过程的问题发掘、原因分析与提供解决方案3方面；2）教学基本部分的“实时监测记录-动态跟踪指导-学练精准分层-任务完成度”，此脉络的应用落脚点在于事实评估与模型预测2个方面；3）教学结束部分的 “数据可视化汇聚—效果预测与评估—评价精准分层—终端结果可视化呈现”，主要应用于教学创新改进与进阶实践演练，各脉络环环相扣、层层演进最终形成立体的、智慧化的体育精准教学驱动机制。

在以上所描述的 “数据驱动”的体育精准教学运行机制中，教师和学生二元主体始终围绕“导学探究（准备部分）-教学交互（基本部分）-总结反思建构（结束部分）”的教学过程数据进行多边互动，共同构成了一个积极的、智能的反馈循环系统，辅助教师更精准的“教”、指导学生更精益的“学”。

3 数据驱动体育精准教学的推进路径

无可否认，作为一种教育治理的创新形式，数据驱动的体育教学仍处于一种较低层次的、价值尚未涌现的初级形态。已有研究表明，教师数据素养薄弱、缺乏数据服务平台支撑、协同推进力度不够以及忽视主体本位价值等问题是现存羁绊与肇因［8］，鉴于此，本研究结合本土现状参考国内外数据驱动体育教学的成功经验，从以下几个方面推进，以期数据驱动体育精准教学高质量发展的愿景更快实现。

3.1 养成“整全性”数据素养

提升教师的“整全性”数据素养是确保数据驱动体育精准教学顺利推进的重要支柱。从评价指标构成来看，“数据素养”是指教师在数据的采集、组织和管理、处理和分析、共享与协同创新方面的能力，以及教师在数据的生产、管理和发布过程中的道德与行为规范［9］，各指标的内部关系是相互支撑、统一契合的有机整体，因此教师“整全性”的数据素养是一种数据综合能力的最佳体现。提升体育教师的“整全性”数据素养通常从以下几方面着手：1）提升体育教师的数据意识素养，包括数据敏感性与批判性两个层面，前者是善用数据思维解决教学中的实际问题，而后者是以理性、客观、规范的态度辩证的看待数据价值，以防对数据产生过度依赖或是充耳不闻两种极端。2）提升体育教师的数据处理素养，主要是指教师在教学过程中的数据采集与整合分析能力。3）提升体育教师的数据应用能力，主要体现在对体育教学的决策、施策与评策能力，以弥补单一的经验决策缺陷，使教学决策更具科学性。

3.2 构建“服务性”数据平台

构建“服务性”数据平台是开展数据驱动体育精准教学的支撑与保障。该平台重点围绕体育教学数据的泛在采集、多源异构数据的集成分析、“教”与“学”行为数据的动态跟踪、预警分析与科学决策、数据仓库的运行管理与安全维护、数据技术的应用与学习培训、用户体验与反馈、学科能力的智能诊断等方面，全面助力数据驱动体育精准教学的高质量发展。而从体育精准教学层面来看，该平台需要具备3个切实功能：1）具备泛在数据采集与融合功能，主要是对教学过程中全员（包括教师、教学团队等在内的主体及相关辅助人员）、全程（涵盖教学全阶段、全过程）、全方位（除教学主客体外还覆盖所处环境）数据实时采集与存储，为体育精准教学提供海量数据集；2）提供多源数据挖掘与决策服务，对泛在数据采集与融合的数据仓库进行深入挖掘分析，“翻译”成有价值的“教”与“学”的信息，以归纳其本质、探究其规律，进而为教学实践做出科学有效的决策方案；3）支持动态数据实时监测与可视，教学过程具有动态性、情境性和内隐性复杂特征，因此数据服务平台需要对教学数据进行实时监测、动态跟踪，并将抽象、宏观的数据进行提炼处理后直观呈现。

3.3 架构“专业性”数据共同体

实现数据驱动的体育精准教学最理想模式是协同推进的专业合作模式，涉及内驱与外构2种方式。首先是内驱的专业合作模式，主要是针对校内的教师搭建的专业共同体模式，涉及3种专业性人才：1）具有专业数据技术的“技能型”教师，这类教师具备掌握专业的数据知识、工具、技术和方法等能力，能够熟练驾驭数据改进教学现状；2）具有扎实基础的“学科型”教师，这类教师拥有扎实的体育学科知识与丰富的教学实践经验，是传统体育教学的“完美型”人才；3）具有学科融合素养的“学术型”教师，这类教师既能对本学科的内容体系具有一定的学术见地，又能以“跨学科”的融合视角辩证的看待数据驱动教学模式，以“慧眼识数”的敏锐力跳出体育看体育。这3种专业人才联合构成了以“技术—实践—理论”为特色的复合型人才协同平台，搭建起强大的技术支撑、学科支撑与学术支撑的数据服务平台，协同推进数据驱动的体育精准教学。此外，要注意协同与整合外部力量，也就是外构的专业合作模式，主要是由当地教育部门和校际间牵头组织的数据驱动教学联盟，定期组织数据驱动教学培训、案例交流、成功经验分享等，此外加强校际间的数据共享，拓展数据使用的范围与价值。

3.4 坚守“教育性”数据本真

教育是面向“人”的事业，数据驱动的体育教学也应该是立足育人的本质，坚持以人为本的价值导向，因此，我们应明确数据驱动技术只是教育手段，而非教育主体，更不是教育目的，在实施数据驱动体育教学的过程中要坚守“教育性”数据本真，而不是沦为工具手段的附庸。客观来讲，数据驱动技术是尽其所能为改进教学不足、提升教学效益服务的，学生才是实践的主体、价值的主体。所以，在开展数据驱动体育教学的过程中，要辩证的看待数据驱动技术，避免工具主义与功利主义倾向将，譬如，将新技术作为博人眼球的“噱头”，以彰显学校教学发展前沿的态势。无论何时何地、数据技术发展到什么程度都只是一个客观存在的技术工具，数据驱动的体育精准教学要时刻面向学生主体，要“脚踏实地”地回归数据本真、坚守育人本质，只有学生的主体价值得到最大程度的彰显，才能说这种数据驱动的教学是有意义的，否则就会沦为 “空有皮囊，腹中草莽”的境地。另外，需要明确的是，数据驱动教学不是完全摒弃传统的经验教学的，而是秉持“喜新不厌旧”的原则，在体育教学过程中既积极发挥先进的数据驱动技术，又注意把握“经验”存在的合理性。

4 结语

以数据为驱动力支持改进体育教学已是学校体育变革发展的势之所趋，体育教学从纯粹的“经验主义”教学向“数据驱动”的技术融合范式转型，是一种质的飞跃，有利于弥补传统体育教学的缺陷与不足，对于提升体育教学科学化与精准化水平、优化体育教学的质量和效果、以及助推学校体育现代化和信息化水平等都具有重要的价值意义。诚然，无可否认的是，当前数据驱动的体育精准教学发展现状实然与应然相悖，仍处于一种低层次的、价值远未涌现的初级形态，还有很多未尽的方面与未行的方向，未来需要在实践中不断探索，从理论研究的规范性与科学性到实践应用的落实与推行不断完善，争取数据驱动体育精准教学高质量、全面发展的愿景尽快实现。