数据驱动精准教学的实然困境与应然进路

冯永刚,吕鑫源

(山东师范大学,山东 济南 250014)

在万物互联的时代,作为变革世界的新兴科技力量,大数据正以势不可挡之势深度融入社会各个行业和领域。2012年5月,联合国发布《大数据促发展:挑战与机遇》白皮书,提及“大数据时代已然来临,大数据的产生会给社会诸多领域带来深远影响,教育亦不例外[1]。”大数据时代的到来,使得教育事业的发展发生了翻天覆地的变化,而对于课堂教学的冲击与影响尤甚,具体表现为课堂教学范式逐渐走向科学化、精准化、智能化与个性化[2]。于此背景下,精准教学成为教育界关注的焦点话题。在国家政策宏观引领以及教育相关者的努力下,大批关于精准教学的实践探索开始涌现。《中国基础教育大数据发展蓝皮书(2016—2017)》明确提出了“数据驱动的精准教学”的主题,这也大大促进了精准教学的深化研究。然而,大数据不仅为精准教学提供了千载难逢的机遇,亦给其带来了不容小觑的挑战与诘难。在关注到大数据驱动精准教学的“丰功伟绩”之时,也应当看到高悬于精准教学之上的“达摩克利斯之剑”。据此,明晓数据驱动精准教学的价值与困厄,寻得精准教学发展的应然进路,以期使精准教学更好地服务于提升人才培养质量,就显得尤为重要而紧迫。

一、精准教学:大数据时代教学范式的应然变革

20世纪60年代,奥格登·林斯利(Ogden Lindsley)发现,在实验室条件下记录被试行为的频次和相应速度等数据,并据此调整被试的活动,将有助于取得更佳的学习效果[3]。此实验活动与斯金纳行为主义学习理论相结合,形成了早期精准教学的雏形。这一时期的精准教学被称为精准教学1.0,但囿于理论基础的局限性,精准教学1.0过分强调行为结果,忽略了学习者的行为过程、内隐表现以及个性化发展,且具有明显的机械主义倾向,因此,精准教学在这一时期并没有得到广泛应用。20世纪70年代,精准教学开始用于提升学生成绩以及为特殊需求的学生学习提供帮助。美国佛罗里达州、华盛顿州以及加利福尼亚州等多个区域应用精准教学的实践证明,精准教学在提高学生学习效率、节省学习时间以及协助严重残疾学生的学习等方面具有显著成效[4]。但教育领域并没有形成精准教学的一般模式,故而亦没有得到大范围推广。20世纪90年代,国际教育领导研究中心创始人威拉德·达格特(Willard R.Daggett)在研究精准教学理论和实践的基础上提出了精准教学的理论框架,这为后来精准教学模式的革新提供了重要的理论基础。进入21世纪,人类进入信息化发展阶段,智能信息技术与教育教学的融合程度持续加深,教育领域开始汇集规模更大、速度更快、种类更丰富的海量数据。基于此,教师的教学活动安排、教学测评与干预、教学管理以及学生的个性化学习、针对性补救等获得了更加真切可靠的数据依托和技术支撑。是故,学者们丰富了精准教学的含蕴并高度关注精准教学与数据的紧密联系,进而提出以数据驱动的精准教学,这为精准教学理论研究与实践探索带来了动力和活力。

对于大数据时代精准教学的界定,研究者结合自己的研究视角和研究立场,提出了各自的见解或答案,可谓见仁见智。“精准教学是借助信息技术实现高效减负的个性化教学方式,属于人本主义指导的教学实践。”于此意义之下,精准教学之“精准”被赋予了崭新的含义,包含目标、问题与干预的精准[5]。继而又指出“以测辅学”是精准教学的核心机制,精准教学在很大程度上依靠处理与分析数据[6]。有研究者认为,大数据驱动的精准教学是指以大数据技术为手段,在精准把握学习者学业状况的前提下,实现教学目标、教学内容、教学活动、学生评价、教学决策的精准化,并使教学过程与教学结果可量化、监测、调控的教学形式[7]。还有研究者认为,大数据时代的精准教学是基于人机协同分工、着眼于学生的个性发展与个体差异、立足于因材施教理念并追求极致发展的教学形式与教学实践[8]。精准教学是以学习者个体差异性为逻辑起点,以学习者个性化发展为理想愿景,以教学精准定制化为实现之道的教学形态[9]。以上阐释中,研究者在对精准教学的界定中各有偏重,但共鸣是显而易见的:一方面,精准教学是一种依托于大数据技术、立足于处理与分析数据的教学形式,其不仅需要通过诸多数字化技术搜集巨量的伴随性学习数据,而且需借助大数据技术形成群体数据和个体数据,并在一定教学理论的指导下,对学生的系列数据进行技术性分析,为教师的教学全过程提供科学依据。而除了收集与分析学生的数据,精准教学亦会探查与分析教师教学、教学管理与评价等方面的数据,以推进教学的优化与完善。另一方面,精准教学立足于个体差异,旨在实现个性化教学和达成学生的个性化发展。教师通过智能技术综合分析群体或个体学情后,精准设定教学目标、精心筛选适配的教学内容、有效组织教学活动,引导学生认识到自身学习水平、不足及其诱因,在此基础上形成个性化、适切性的教学干预,以此满足学生差异化的学习需求,促成学生个体的个性化成长。

综上所述,精准教学是数据驱动型教学的典型代表,是教学现代化的高级形态。质言之,精准教学是基于学习者的个性差异与个体需求,立足于因材施教的教学理念,依托智能技术收集、筛选与分析数据,通过人机合理分工为教师差异化、精准化、智慧化的指导与评价以及学生的个性化、整全化发展提供科学依据的教学形态。迈入大数据时代,依托大数据、云计算、数字孪生等智能技术的功能特性与推进态势,精准教学得以长足发展,亦成为这一时代教学范式的应然变革。

(一)满足学生个性化学习需求的殷切呼唤

人之为人的差异体现于个性之中[10]。因材施教一直是教育的梦想,个性化学习则是因材施教的具体表现[11]。大数据时代,人们对于实现个性化学习满怀期待。而此时,精准教学所表现出的“量身定制”性能在很大程度上满足了学生个性化、差异化的学习需求,进而有效推进教育质量的提升。具言之,在大数据时代,学生在学习中的行为状态都能够转换成相应的数据符号,成为学习表现的考察因素。依托数字化工具,精准教学可以实时性探查学习各环节的行为数据,形成全面、精准、及时反映学情状况的多模态数据源。比如,穆德里克(Mudrick)等开发了一款名为MetaMentor的数字化智能系统,其可以实时采集学习过程及学习结果数据,包括眼动追踪、面部表情、语音识别、生理变化等方面的数据。以此为基础,借助大数据画像技术,智能工具可对前期收集的多维度行为数据进行定性和定量分析,将图像、音频、视频、语义等进行关联,使不同模态呈现映射关系。而后,智能技术会从这些映射关系中提取典型特征,借助异构模态数据协同推理,并用具体的“标签”进行画像描述。如此这般,精准教学就能够通过立体动态、直观具象的方法呈现学生的样貌,掌握学生差异化的学习状况。教育者则依据标签所示的教育对象的需求特征,调整教育内容和教育方法,实现“供给侧调整”,以推进供需双方的精准对接,满足学生个性化的学习需求。窥之可见,凭借数据基础和技术条件,大数据时代的精准教学能够有效助力个性化学习的实现。

(二)规避教师随意化指导与评价的现实吁求

在传统教学中,教师的教学主要依靠自身的专业水平和教学经验,这可能会导致其指导与评价趋于随意化与主观化。譬如,一些教师在对学生进行评价时,往往基于模糊的经验判断,通过“优”“良”“中”“及格”“差”等宽泛的程度词来评判学生的学习表现[12],而这种“随意化”的评价会在一定程度上掩盖学生的真实水平。大数据时代,为了适应新时代的新变化,教师应从经验化、随意化教学的窠臼中解脱开来,充分把握数字化资源所带来的良机,促使自身的指导与评价走向准确化和科学化,以适应新时代对于教师的新要求。精准教学就成为教师达成这一条件的不二之选。一方面,精准教学在收集与分析学生数据之时,亦在探查教师自身的多方面数据。智慧巡课系统能够全方位采集教师的教学过程,并可依据智慧化功能科学分析所采集的数据。教师能够在课下得到即时的反馈与建议,并据此优化自身的教学指导和评价环节。实质上,技术在其中担任起了“教师之师”的角色,并赋能于教师对学生的指导和评价,使其更加有效和适切。另一方面,在大数据时代,“真实的教学数据不会‘说假话’,它会赋予教师‘显微镜’式的观察能力和‘望远镜’式的预测能力,让教师充分了解每一位学生[2]。”在数据驱动的精准教学中,各种信息系统和软件平台在“不知不觉”中积累了大量数据,基于此,教师能够真实、全面、细微地把握学生的学习数据。借助智能可视化工具,教师可以筛选、分析这些学习数据,自动以散点图、气泡图、雷达图、矩形图、标准变速图等可视化图表呈现,并从中找出数据之间的关联性,探明学生学习的走势或预测学生未来的学习情况,以此作出符合学生真实情况的指导与评价。综上,智能技术的数据收集和可视化呈现,不仅减轻了教师手工记录和人脑分析数据的负担,而且使得教师的指导与评价更具针对性和有效性。

(三)推动教学范式科学化转向的应然抉择

教学范式是对教学活动的全局性归纳和概括性总结,“既包括了教学的理论支撑、研究方法,亦包括了教学模式、学习策略以及教学评价方式等[2]。”传统社会的教学范式是属于经验模仿型的,教师往往依据自身的教学经验进行教学设计,组织教学活动。夸美纽斯(Johann Amos Comenius)在《大教学论》明确指出,教学是“把一切事物教给一切人们的全部艺术”[13]。在夸美纽斯看来,如同印刷器能“复刻”知识一样,教学亦能把教师传授的知识以及课本上的内容当成“墨汁”,传递给类似于白纸的孩童,这生动刻画了传统经验模仿教学范式在知识传递方面的本来面貌[14]。不过,我们很难称此教学范式是“科学的”,因为在经验模仿教学范式之中,教师在教学全过程中居于主导位置,教学目标的设定、教学环节的设置、教学干预的实施等多由教师掌控,学生的主体地位则遭遇旁落。固然,我们不排除教师的精准预设和有效组织,但教学是师生的双边活动,若缺少来自学生方面的声音和信息,教学将难以实现“有据可依”。大数据时代,以数据驱动的精准教学大大推动了教学范式的科学化,其冲破了传统教学模式所固有的弊病,教学的各个环节(甚至是某道习题的选用)均以全面性、伴随性、具体性数据为基石。具体表现为:第一,教师能够借助大数据等智能技术充分收集学生的学习数据,精细化把握学生的学情状况,并基于学情状况对教学目标进行分解和细化。比如,原本“熟练掌握100以内的加减法”的模糊性教学目标,可以在充分把握学生学情状况的基础上转变为“3分钟之内完成100以内加减法3道,正确率为100%”的精确性教学目标,以此形成较为“科学化”的目标描述。第二,大数据智能技术能够有效助力教学内容的精准化定制,其能够根据数据的相关程度和因果关系,将符合条件的教学内容呈现给学生,以实现教学内容的“科学化”。第三,教师可以凭借数字化技术全面搜集、分析学生在诸多方面的学习情况,进而发现其背后的内在规律与发展趋向,探明其在学习中所存有或可能存有的困境与缺陷,并以此为基础提出有针对性的干预措施,从而达成教学干预的“科学化”。有研究对52名本科生进行了为期三周的课堂录像,并对视频资料进行编码处理,发现这些大学生的课堂参与边缘化问题十分严重。之后,利用相关分析、多元回归分析等数据分析方式找到了课堂参与边缘化问题的诱发因素,并基于此采取了切实可行的举措,进而改善了学生的课堂参与状况,有效促进了学生的深度学习[15]。第四,教育者能够在明晓各类评价要素指标的基础之上,依托智慧化技术采集学生德智体美劳多方面的真实性表现数据,为每类评价指标寻找相关依据,以此推进教学评价的“科学化”。比如,有研究利用生成式人工智能技术构建面向学生学业述评的智能生成模型,这一模型能够从学生数据的个性化分析中捕获潜在信息,并被实证研究证明其能够提升学生学业述评的效能[16]。总之,精准教学使教学“有据可依”之时,亦使得教学范式逐渐迈向科学化。

二、数据驱动精准教学的实然困境

进入大数据时代,精准教学取得了前所未有的发展契机,数据技术使得教学目标、内容、测评、干预实现精准化,有效满足了学生个性化的学习需求,规避了教师随意化的指导与评价,并最终推进了教学范式的科学化。然而,囿于新兴事物的双刃剑特性,数据驱动的精准教学是有限度的,其在一定程度上会为教学伦理、教学实施、学生潜能、教师权威带来诸多难以预知的风险。因此,在精准教学的“热潮”之中必须做出“冷思考”,理性审视精准教学背后的“莫拉维克悖论”,明晓其在推行之中的诸多现实困境。

(一)数据采集的越度与教学伦理性的偏失

数据是实现精准教学的强中之基,精准“教学”依托于精准“测量”。以数据驱动的精准教学强调将多维数据作为教学决策的科学依据,这就需要对个体或者群体的学习过程展开持续的追踪和监控,使学习行为、学习状态、学习结果等各类教育信息“成为可捕捉、可量化、可传递的数字存在”[17],进而从中挖掘有价值的教学信息。这种方式在很大程度上提升了教学的精准性,但由于过度收集学习者的伴随性数据,极易引发一系列伦理争议,为教学伦理蒙上了阴影。

其一,“全方位实时”的数据搜集对于隐私的侵犯。多模态数据的采集是精准教学的基本前提,因此,在精准教学中,为了知晓学生的整全境况,不仅会通过人工智能数据采集工具自动抓取学生在网络平台的学习痕迹和行为数据,而且会借助智慧化媒介自动获取学习者在智能可穿戴设备中的隐秘信息,如学习者佩戴的眼镜、头带、手表、手环等设备中的运动信息和健康数据。另外,为了实现教学环节的最优化,教师在教学过程中的各方面数据也会被智慧化工具所采集和使用。可见,“全方位实时”数据的收集给学生及教师的隐私构成了极大的威胁。若学校缺少数据管理部门或教育相关者缺乏数据安全意识,极有可能导致泄露隐私。而“很多组织以及个人并没有确切说明他们会如何使用数据,以何目的使用数据[18]”,更有甚者会将教育数据进行商业交易,若不加以规制,其产生的伦理后果将极为恶劣。此外,数据的价值具有多元化的特质,因此,在精准教学中产生的数据虽然旨在监测、分析教师及学生在教学和学习上的表现,但这些数据也能被解读出其他信息,比如生理、心理方面的缺陷等,这亦会对教育相关者的隐私安全构成威胁。

其二,“全景敞视”的数据监控对于教学合价值性的规制。教学合价值性能够促进教学自由的实现,引导人向善向上发展。在精准教学中,“大数据持续的数据监测、跨平台的数据聚合以及数据的广泛分布等特征”[19],使得学生如同处于“全景敞视监狱”之中,时刻受到监控,这对全面收集信息的作用是毋庸置疑的。然而,“唯技术化”倾向的“监控”难以彰显应有的教学关怀,致使教学价值失序,不仅会压制学生的道德选择,无以建构人作为主体的自由精神,而且也易导致教师被数据“牵着鼻子走”,其一言一行都难以逃脱数据的“算计”,难以进行有效的教育性教学。除此以外,囿于数据生命周期的延长,数据的永久存储成为一种可能,学生全部过往的数据都有可能被记录。过往的个人数据也可能成为其入学或求职时的评估依据,并为当事人贴上具有某种暗示意味的“电子标签”[20]。如此这般,学生过去出现的问题、所犯的错误都难以逃脱数据的“魔掌”,致使“数据技术中人的消隐”,进而会导致学生对以往的错误心有余悸,对未来的学习和发展丧失信心,窒碍学生的自由发展,滋生只见“技术”不见“人”的隐退怪象,伦理性在“全景敞视”的数据监控下被遮掩。

(二)数据筛选的偏差与个性化教学的悖逆

精准教学认为学习者存在差异。学生的差异性是精准教学的逻辑起点。从精准教学的终点来看,其指向于学生各方面的有效成长,实现个性化发展[9]。因此,精准教学需要在教学环节中时刻彰显学习者的个体属性与差异特性,充分满足并实现学生的差异化学习需求,进而达成个性化的“教”与个性化的“学”。在本质上,精准教学之所以能够优于传统教学,正是因为其可以在某种程度上“为学生提供与他们自身个性化学习特征和学习需求相匹配的个性化教学服务”[7]。然而,主观化、程式化的数据筛选易使精准教学落入模式化、同质化的囹圄,悖逆了其应拥有的差异性与独特性。

其一,“主观化”筛选的个性偏离。在精准教学中,教师要想作出有效的教学决策,必然需要经历数据收集、数据筛选、形成信息、生成知识等步骤[21]。而在这过程中,数据筛选是十分重要的环节。数据筛选亦称数据过滤,是指根据过滤要求筛选和保存符合条件的、能够满足自身需求的代表性数据的过程[22]。海量的数据资源虽为教师的教学提供了相对坚实的支撑,但教师对于教学数据的筛选在很大程度上仍依靠自身的个体性标准与主观性经验。实际上,此标准或经验可能存在狭隘的偏见与固执的谬误,这会阻碍教师把握学生个体性特征以及关注差异化诉求。若教师凭借单一的标准,仅从班级整体层面筛选数据,很有可能致使具体个人的差异性遭受忽视,进而使教师的教学与学生的个性化发展“背道而驰”,成为个性化教学的牵制力量。

其二,“程式化”筛选的同质危机。在精准教学中,对于数据的筛选不仅需要依靠教师发挥主体性,而且有赖于智能算法发挥应有作用。智能算法依托自身固有的筛选机制,过滤掉“无关的”“多余的”信息,保存“有用的”“准确的”数据。但算法是依据预设的数学公式进行输入、计算、输出信息的运行工程,其工作路径是固定化的[23],这使得算法对于数据的筛选亦走向程式化。然而,学生并非“用数据表示的物理形态的人”[24],真正的学生个性化发展是依据学生的学习意愿、兴趣、求知欲等来调动学生的自觉能动性,发掘其内在潜力,并非依据程序化、公式化的筛选为其匹配固定内容就能实现的。若教育算法仅仅依靠相同的路径或方法“批量化”筛选学生的数据,并据此匹配相同或相似的教育资源,容易导致“对对象、现实、感性等只是从客体的或直观的形式去理解,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”[25]。如此这般,个体发展可能走向同质化,进而背离个性化教学的本质旨归。

(三)数据画像的“失真”与学生潜能性的遮蔽

在精准教学中,数据画像技术是重要的数据分析工具。2019年,教育部办公厅发布《关于推荐遴选“基于教学改革、融合信息技术的新型教与学模式”实验区的通知》,将“数据画像”作为推进大数据在精准教学和评价方面的应用、实现教学数据联通的关键词[26]。数据画像是借助大数据技术,以虚拟方式形象地刻画学习者的知识基础、能力水平、学习风格、认知风格等信息,其实质上是学生各方面特性抽象分类的标签化呈现,包括全样本画像、动态化画像、预测性画像等多种形态。运用人工智能多模态学习分析能够为学生“精准画像”,通过关联不同模态的行为数据(包括图片、音频、视频、语义等),让不同模态呈现出映射关系并以直观立体的方式呈现学生的样貌。而教育相关者能根据学生的“数据画像”为学习者“量身定制”学习内容、规划学习路径等。正如雅斯贝尔斯(Karl Theodor Jaspers)所言:教育的目的,本质上是扶持引导学生发掘他身上的潜能与力量[27]。然而,“失真”的数据画像却在某种程度上遮蔽了学生的潜能性,窒碍着学生本应具备的发展潜力,集中表现为以下两个方面。

其一,数据画像的“确定性”与学生的“发展性”之间相抵牾。学习者本身是一个处于持续发展变化过程的个体,而学生的潜能就蕴藏于其发展特性之中。因此,精准教学对于学情数据的收集与分析需要时刻关注学生的发展性、持续跟随学生的发展轨迹。然而,在数据画像的构建过程中,教育相关者往往将学生学习过程中所生成和积累的“确定性”数据作为描绘画像的基础,并以此预测学生的发展趋向或给学生贴上某些特征标签。这一过程依据确定化运作路径的处理或预测,难以考虑到数据生命循环过程的时间特性和情境内涵,其本质上仍是基于“过时数据”。与此相对的是,学生的知识储备和能力水平等都在随时间的变化不断提升,思维、行为等都在探索中不断推进。确定性、停滞性的数据画像自是难以充分、即时把握学生的生长特性。

其二,数据画像的“精准性”与学生的“复杂性”之间相矛盾。学习者的潜能性不仅表现为他们固有的发展趋向,而且体现在学生本身的复杂性和多元性之中。进言之,学生是多元特质的整体性存在,其自身的潜能就含蕴在某一或者某些特质之中。正如杜威(John Dewey)的洞悉,人与人之间的差异,并非“生长和不生长的区别,而是各有适合于不同情况的不同的生长方式[28]。”在精准教学中,凭借数据画像的“精准性”,有助于教师“精准分析”学生,从而有效解决“一人生病、全班吃药”的弊病[6]。然而,数据画像技术对学情数据的分析以概率论为理论支撑,依靠概率论所得到的分析是“简化过的分析”,其难以把握学生复杂的动态特性。与此同时,数据画像对于学生的了解与把握大多都建立于“刺激-反应”的联结之上,其本质仍是以“流畅度”(Fluency)为学习表现的关键度量指标,但这在一定程度上“忽视了学生内在的学习过程、思维的个体差异性以及情感态度等非智力因素对于学习的影响”[29]。由于学生所具备的知识储备、能力水平、道德品性并非“数据的集合”,因而其很难由大数据技术所支撑的数据画像来精准处理。此外,学习者是一个复杂而整全的存在,不仅表现为“外在之貌”,亦包括诸多内在的特质。数据画像虽能“精准”分析学生的外在行为表现,却很难直接量化感知身体的内隐状态,难以真实反映学生学习过程中的情绪情感、思维状态、心理状态等隐性和变动性指标。若数据画像基于外显行为数据的分析来概括学习者的整全样貌,将会掣肘学生内在潜能的实现。

(四)数据决策的错位与教师权威性的失落

数据决策指的是以数据驱动的教学决策(Data-based Decision Making),是指教师系统地收集、分析和应用多种来源数据,并根据学生的学习需要来指导并优化自身决策的过程。数据决策是精准教学得以实施与落地的重要环节。基于数据驱动的教师教学决策的价值在于教师能理性作出科学判断、审慎开展教学实践、科学诊断学生学业等[30]。然而,在数据技术介入教学过程、为教师带来便捷以及减少机械化负担的同时,也容易使作为决策主体的教师遗忘自身的主体性与能动性,进而导致“数据决策”的“错位”。这一“错位”指的是教师教学决策的自由被数据所支配,决策的过程受控于数据的收集与分析。也就是说,在教学决策中,“数据之权”逐渐僭越了“教师之权”,从而使得两者呈现“错位”之态。这时,由各种智能工具产生的数据就变成了“教书育人的指挥棒”“立德树人的风向标”,学生和教师的认知被简单数据化,教学过程被教育技术所宰制。精准教学需要人机合理分工来实现[29],而树立教师之权威是保证教师“正当权利”、达成人机合理分工、规避数据“过度宰制”的有效形式。进言之,教师权威是实现精准教学的基本要素,其对于开展精准教学而言意义重大。在精准教学中,无论数据技术如何发展,机器是取代不了教师的,教师尤其是教师的权威是有效教学的内在表征。教师权威是指教师在教育教学中使学生信从的力量或影响力[31]。然而,数据主导的教学决策使得教师的专业水平及人格魅力难以彰显,学生感受不到教育者带来的影响力,就很难对其产生信从倾向,长此以往,教师权威的失落必将加剧数据决策的错位。

其一,教师知识权威的式微。教师的知识权威指的是教师在知识传递中产生的一种信从的力量或影响力。在数字化时代之前,教师拥有着当之无愧的知识权威。此时,学习者获取知识的渠道较为单一和匮乏,通常仅能依靠教师传授知识、答疑释惑,教师具有至高的知识权威。而进入大数据时代,教师的教学决策在很大程度上依靠各种智慧化媒介所得到的数据而得出,其中就包括对于教学内容的决策,这就使得教师原本由“知识垄断”所带来的传统知识权威被数据所替代。教师在教学决策中无法凸显对于知识教学的控制能力与决定能力,难以彰显自身的知识话语权力,也就很难使学生产生“崇拜”或者“信服”之情。

其二,教师感召权威的弱化。感召权威是指教师因自身的个人魅力而使学生自觉自愿服从的感召力,是教师的个性品质、品德修为等“个人精神”所形成的权威力量。然而,在数据驱动的精准教学中,教师的教学决策主要依据数据的收集与分析情况,对于教学诸多环节的抉择都会受到数据处理过程的影响,这就使得教师的教学变得“小心翼翼”,言语与行为变得“谨小慎微”,原本活灵活现的、充盈着教育智慧与个人价值的课堂趋于“亦步亦趋”或“瞻前顾后”。这虽提升了教师教学决策的“精准性”,但却隐藏了教师本该呈现给学生的个人魅力和德性品质。换言之,由数据主导的教学决策使得原本闪烁着人性光辉的课堂教学变得愈发“工具化”,由此,学生感受不到教师的人格魅力,教师就难以获得应有的感召权威。

三、数据驱动精准教学的应然进路

进入数字化时代,大数据技术与教学的深度融合是历史发展的必然。探寻数据驱动精准教学的现实忧患,并非否定数据技术促进精准教学的价值,而是为了能够有效地规避风险,在摆脱窘境中更好地使数据服务于提升教学质量。“任何技术从发明走向成熟都需要经历一个批判的过程,技术批判的目的是为了实现技术的完善[32]。”据此,数据驱动的精准教学需从数据、教学、学生和教师四个维度应对困境,不断推进自身的优化发展。

(一)强化数据收集的伦理取向

人是伦理性存在。教学亦需要面对诸多复杂而具体的伦理问题。将大数据技术引入教学之中,需要人们思忖的命题不单是技术因素决定教学是否变革或者变革的力度和程度,而是在很大程度上受制于人们能够接纳这些技术因素所带来的伦理关系的变化以及这些技术所带来的伦理问题的解决程度。通过数据之维探查精准教学,发现“全方位实时”“全景敞视”的数据采集可能侵犯隐私安全和规制教学合价值性的实现。据此,应遵循数据收集的伦理取向,恪守数据收集的“隐私性”与“向善性”,推进数据驱动精准教学的有序开展。

其一,坚守数据收集的“隐私性”。为了实现教学的“精准性”,数据驱动的精准教学需要收集用户大量的伴随性数据,包括学生学情数据、教师教学数据、教育管理数据等,这对教育相关者的隐私安全构成了极大威胁。而精准教学得以有序运转和良好推进,根本上得益于其“可依赖性”。换言之,如果精准教学一旦不被信任,其必然会失去发展推进的基础条件。而“隐私安全”是影响“信赖”的重要甚至是关键因素,是教育伦理的“元”部件之一。所以,隐私性是数据驱动精准教学的运行底线,保证数据收集过程中的隐私安全是教育相关者不可推卸的伦理责任。一方面,应针对不同的大数据利益相关者制定切实可行的关于隐私安全的伦理制度规范,并努力保证制度规约的“正义性”、“规范性”和“威慑性”;另一方面,应增强教育相关者的责任意识,明确规范数据收集人员和数据管理人员职责权限,从而实现权利与义务的统一。需要注意的是,虽然“以测辅学”是精准教学的核心机制,数据的收集是精准教学的基本前提,但是精准教学也应当保证测量工具所测得的维度能够真实表征知识技能或能力素养的实质,达成“以测识学”[6],以在技术层面防止过量收集数据及侵犯隐私。

其二,恪守数据探查的“向善性”。教育是一种创造价值的活动。性善,是教育人文精神的逻辑起点,也是实现教育伦理精神的基础[33]。可见,教育伦理中包含着对于善性的追求。但在精准教学中,数据探查的“规制性”严重侵蚀着教学的“向善性”,使学生的自由被“捆绑”于数据之上。而唯有联结数据收集与教育价值的内在一致性,匡正大数据介入精准教学的“合价值性”,才能使“数据向善”的教育世界洞见可能。于教育相关者而言,其在收集数据时应秉持“善性的目的”和“善意的观念”,时刻意识到采集数据是为了学生发展而非“监控”、“支配”或“约束”学生;于技术研发者而言,其应当在功能程序中设置“遗忘”机制,规定过往数据使用的周期和年限,以此减少对学生未来发展的威胁,增强技术本身的“向善性”。

(二)彰显精准教学之“精”与“准”

一如其名,精准教学之所以是“科学的”和“有效的”,在一定程度上源于其具备“精”与“准”这两个基本属性。其中,“精”是指“精细性”与“严格性”[34],即精准教学的全过程应是经过“精细处理”的,不携带臆想性和猜测性的;“准”则是指“准确性”与“匹配性”[7],即教学的诸环节应是适合、适配于学生的,能满足学习者个性化、差异化的学习需求。但是,“主观化”与“程式化”的数据筛选却使得精准教学落入了经验化、同质化的泥潭,严重窒碍了个性化教学的实施,蚕食着精准教学本应具备的“精度”和“准度”。据此,需要基于教师和技术两个主体继续优化数据筛选机制,进一步凸显精准教学的本质属性。

其一,强化数据筛选的综合考量,凸显精准教学之“精”。在精准教学中,在多维度数据的支撑下,教学活动的设计、教学干预的实施、教学管理的组织变得“有迹可循”,并逐渐迈入了精细化的轨道。而在精准教学的实施过程中,大多数环节都需要遵循严格的标准和精细的程序。因此,“精”是精准教学的本质属性与基本追求。但是,教师对于数据的筛选仍带有明显的主观色彩和经验主义,筛选标准在很大程度上仍依靠教师的个体判断,这使得精准教学的这一属性遭遇挫折。据此,应进一步强化教师筛选数据的综合考量,规避主观化判断可能带来的风险,进而在数据筛选这一环节凸显精细性和严格性。一方面,教师在筛选群体及个体数据时,既要考虑到班级的整体情况,依据整体之普遍性进行取舍,也要认识到“教室里的是一个一个的学生,而不是铁板一块的学生群体”[35],应杜绝“一刀切”的做法,充分关照学生的个体差异,根据不同的主体再细分精细化的筛选标准;另一方面,要想实现学生的个性发展,教师对于数据的筛选不能仅仅着眼于“学习成绩”方面,需进一步凸显“综合性”,最大程度地将学生的“五育教育”考虑在内,强化对于教学过程及学习过程的精细关涉。

其二,优化数据筛选的算法设计,突出精准教学之“准”。除了教育者,技术本身就拥有着一套算法来完成数据筛选的任务。但这一算法往往通过程式化的路径,依据相同的方式为学生筛选数据,并为其推送相同或相似的内容,这很可能导致学生的同质化发展,进而悖逆精准教学所应具备的准确性和匹配性。基于此,应进一步优化精准教学的算法设计,提升教育算法的“智慧性”、“灵活性”和“适配性”,完善数据筛选的“自主可查性”和“透明性”。算法在进行数据筛选时,需根据差异化的情况构建适切的指标体系,预设多种筛选路径与取舍方式,进而使其更加“准确”地与不同特征的学生相匹配。如,针对低年级学生,智能工具应重点筛选关于注意力、课堂参与、互动情况等方面的数据;针对高年级学生,则应转而筛选学习方式、学习效率等方面的数据。又如,“流畅度”是精准教学重要计量指标,“流畅度”又可细分为“准确度”和“速度”,针对做题速度快但易于马虎的学生,智能工具应重点关注反映其“准确度”的指标,而针对做题仔细但容易拖延的学生,则应着重筛选反映其“速度”的指标,以此凸显精准教学之“准”。

(三)复归学习者的个性与整全性

学习者是具有无限潜能的存在,雅斯贝尔斯指出:“人并非动物那般无法改变的顽固族类,而是始终处于实现自身潜能的进程中[36]。”不过,作为精准教学中重要的数据分析技术,数据画像却将学生视为停滞的、单向度的存在,这阻碍着学生潜能的发挥,蚕食着学习者自身的个性发展与整全特质,最终导致精准教学的育人宗旨遭遇危机。因此,在数据分析尤其是数据画像的形塑过程中,要复归学习者的个性与整全性,最大限度地发掘学生的潜能。

其一,塑造“灵活型”数据画像,体现学生之个性。使学习者的个性特征得到充分发展,促进学生的个性化成长,是精准教学的理想愿景[9]。而基于人的个体属性,精准教学若拘泥于僵化的数据分析,偏爱于塑造“静态型”的数据画像,并“随意”地给学生贴上某些固化标签,将会陷入机械主义的沼泽以及形式主义的藩篱,难以把握学生的个性特征。所以,精准教学之“精准”并非僵化停滞的“精准”而是灵活动态的“精准”。这需要进一步强化数据画像的灵活性,凸显学习者的个体属性与发展属性。一方面,在数据画像的形塑过程中,应充分体现学生的差异性,并进一步扩充指标体系和标签数量,丰富标签类型,强化标签匹配的审慎性和针对性,使数据画像对于学情数据的分析能够综合体现学生之个性特征;另一方面,学生之个性处于循序渐进的发展之中,由此,数据画像需实现常态化的增量更新。增量更新指的是通过即时读取教育对象的行为数据以此产生新的标签,将产生的标签放入前画像中进行验证调整、补充更新,以完善已有画像,提升数据画像的实效性与完善性。而通过“增量更新”,数据画像能够更好地把握学生的发展与变化,并在一定程度上避免了教育相关者落入“刻板印象”的陷阱而看不到学生的个性成长。

其二,构建“全面型”数据画像,复归学生之整全性。学生是复杂的存在,其既有“外在之型”,又有“内在之性”。不过,数据画像在进行数据分析时难以明晓学生的内隐特征,这在很大程度上侵蚀了学生本应拥有的真实样态。基于此,要构建“全面型”数据画像以复归学生之整全性。当然,身体的内隐状态一般是难以被直接量化感知的,但我们可以借助某些生物特性对其加以分析。比如,在教学中让学生佩戴智能眼镜、使用智能笔或者使用眼动观测仪等,进而获得一系列生理数据,通过这些数据分析出学生的注意力、学习意愿等内隐情况,由关注可直接测量的行为数据转向关注可测量的行为数据,以此深入完善数据画像。此外,在数据画像的塑造与作用过程中,不应仅仅着眼于“刺激-反应”的联结,拘囿于重复“刷题”与“测试”所带来的精确诊断,而应构建更为丰富的指标体系,更加关注学生的分析、质疑、创新等高阶思维,以及情感、意志、性格等非智力因素,使数据画像能够呈现出一个全面而多元的学生个体,助力精准教学分析学情数据。

(四)提升教师的数据智慧

在精准教学的实施过程中,伴随着数据决策的越度,数据之“权力”亦在逐渐扩张,教师的专业权威和感召权威则在此消彼长中趋于弱化。究其原因,既源于大数据等智能技术本身的先进和强大,也在于教师未能有效掌握数字化时代所需的相关素养,以致在教学决策中难以展现自身的独特性与影响力。据此,在精准教学中应提升教育者的数据智慧,在规避数据决策越位的同时要充分发挥数据驱动的积极效能[11],更好地助力教师树立权威。数据智慧是指教师以教育伦理和科学理论为基石,以数据的辨识、比较、筛选和应用技能为保障、以教学实践经验为支撑的智慧形态[37]。良好的数据智慧是精准教学的内在动力和必要前提[38]。于教师而言,提升自身的数据智慧需要从以下五个环节着手:第一,具备数据驱动的问题意识,对教育相关数据具有敏感性;第二,培育数据的主动获取能力,从被动的现有数据获得转向立足于目标与问题的精准获取;第三,掌握典型的数据分析技术,比如数据整理、数据可视化、数据画像等方面技术;第四,理解数据背后的价值,运用科学理论分析数据背后的意义建构;第五,以数据探查与分析结果改进教学实践,将数据的反馈情况用以提升精准教学水平。

另外,培养教师的数据智慧是一个复杂的、动态的、多方联动的问题[37],其是教师在整个职业生涯中不断增强数据意识、积累丰富数据、合理筛选数据和有效使用数据的持续过程,包含从职前到职后的整个专业养成周期。这就需要教育相关者进行多方合作,汇聚各方力量,既要在职前革新师范生的课程体系,在课程中强化学习科学与数据科学的联系,创设多元开放的教学环境,使师范生在“实境”中加强问题探究,形成数据智慧;又要在职后创新专业成长模式,构建数据教研团队,定期开展数据驱动精准教学能力提升培训,构建数据实践共同体。凭借良好的数据智慧,教师能够有效理解数据与驾驭数据,使其“为我所用”而不是被其所支配,从而恢复教师在精准教学中的应有权威,最终达到加强数据驱动精准教学穿透力的目的。