逆向设计视域下小学生劳动画像的价值引领

摘 要 学生劳动画像是依靠数字化技术以及时数据评价追踪学生的劳动学习轨迹，用一定的数据标签描述的方式为学生的劳动行为、表现等构建“画像”，从而给他们个性化的劳动教育提供有力支持。为此，以逆向设计理念为指导，通过对小学生进行劳动画像价值引领实践，即在精准把脉学情、量身定制劳育指导、用数据进行常态测评等基础上进行劳动画像的内涵解析，从建立画像指标体系、理清数据采集标准、累积画像模型证据完善小学生劳动画像顶层架构，并在重新定义，智能推送，动态跟进中不断实现价值追求，丰盈学生的综合素养，为劳动教育的信息化改革提供样本。

关  键  词 逆向设计；劳动画像；小学生；价值引领；劳动教育

引用格式 陶轶敏.逆向设计视域下小学生劳动画像的价值引领[J].教学与管理，2024（05）：21-23.

中共中央、国务院印发的《深化新时代教育评价改革总体方案》对劳动教育评价提出了加强过程性评价，将参与劳动教育课程学习和实践情况纳入学生综合素质档案等要求[1]。基于数据采集和分析的学生劳动画像构建是对劳动教育学习和实践情况及时、全面获取，分析，评价的积极尝试。逆向设计视域下的小学生劳动画像价值引领实践探寻是以逆向设计理论为支撑，将“以始为终”作为核心逻辑，以劳动教育评价为切入点，通过“建立画像指标体系、理清数据采集标准、累积画像模型证据”，逐步建构起学生劳动画像，给挖掘学生劳动的兴趣方向、提供个性化的劳动学习路径提供了依据。

一、逆向设计视域下学生劳动画像的内涵解析

1.更为精准的学情把脉

逆向设计视域下的小学生劳动画像价值引领实践探寻，其实质是借助“目标定位+评价前置”先行思考，清楚学生的劳动画像“评什么”“如何评”“评完如何教”的现实问题，用真实的学生劳动数据对其劳动素质进行全面诊断，促使学校、老师及时、精准地把握学生的劳动学习方向，更好地推动劳动教育教学变革的发生。

2.量身定制的劳育指导

学生劳动画像是用数字化技术感知和获取学生的劳动学习、实践数据，进行数据分析和处理的过程。逆向设计视域下的劳动画像，从构建到应用的系列行动其实是“目标—评价—指导”[2]的劳动教育循环，这种以“以始为终”为核心逻辑的劳动教育学评教机理也会逐步清晰，为因材施教奠定基础。

3.数据说话的常态测评

描摹学生劳动画像的过程是劳育评价体系建立、应用、迭代的过程。逆向设计视域下，整个过程更具有思辨性、批评性，让数字化评价在劳动教育评价中更有竞争力。这为学校借助教育信息技术常态化推进劳动教育提供了宝贵经验。

二、逆向设计视域下学生劳动画像的顶层架构

学生劳动画像基于劳动素养评价的设计框架，可以分为三部分，分别为画像指标层、数据实践层，以及数字画像层[3]。在逆向设计视域下进行学生劳动画像各部分的设计时，要围绕劳动素养的培育、学生差异化劳动学习需求的挖掘，以及评价方式的确定，构建清晰且有操作性的学生劳动画像构建路径。

1.结构化描述：“素养划分层级维度”构建画像指标层

学生劳动画像指标层是建构画像的起点，是用客观、公正、有可信度的数据模型来分析学生劳动行为的重要方向，也是提供更为精准的个性化劳动教育指导的根本依据。结构化描述就是基于劳动核心素养以及素养属性的分层表征，多层次地设置学生劳动画像目标维度，从而建构出劳动数字画像的指标体系。如：在小学阶段，结合劳动核心素养及学生基本情况，可划分出“劳动观念、劳动能力、劳动习惯、劳动精神、劳动行为”5个维度（见表1）。为进一步获得更为丰富的主客观数据，需进一步细分条目维度。以“劳动的能力”为例，二级维度又可从“学生劳动技能掌握情况、劳动知识熟识度、劳动创意创新性”等属性进行表征。三级细目维度则可基于上一级条目维度进一步表征、划分，直到建立的劳动数字画像的指标层级可以助力评价劳动数字画像的标签表达[4]为止。

2．坐标式勾勒：“支持分析采集效度”构建数据实践层

要为不同学生提供共性需求和差异化需求的劳动教育指导，依赖的是根据劳动指标体系，对采集到的学生劳动数据加以客观分析。如何保证能采集到合适的劳动数据支持数据分析呢？数据采集的范围、程度的设置及评价方式的确立，就成为劳动数字画像的数据实践层中支持数据分析的关键。坐标式勾勒主要以支持学生劳动数据分析的方法为基础，设置与技术分析相匹配的劳动画像数据的采集范围、采集程度和采集方式，从而精准识别特征学生劳动信息，助力劳动画像实践层的构建。

坐标式勾勒的具体行动是构建劳动画像时对学生劳动数据分类、来源、采集方式进行前置设计。依据画像数据分析常采用聚类、关联、序列分析法[5]等，将劳动信息的数据范围、采集程度作为两个维度，构建纵、横两个坐标，以此来思考并设置学生劳动画像数据采集范围（见表2）。具体到对采集的学生样本數量及范围、涉及的劳动领域和项目、学生劳动学习过程表现和学习结果等层面的思考，逐步厘清数据采集要求。如，要想了解一年级全体新生的劳动学习情况，可进行如下数据来源、要求的设定。

随着年级的增高，劳动的评价项目会增加，从日常生活劳动、生产劳动向服务性劳动、创造性劳动发展，其数据采集的程度也会加强，在不同项目的累积后形成更为丰富的数据。

3.协同式识别：“实际相符标签精度”构建数字画像层

每个劳动项目或活动都会有对应指标维度的数据标签。协同式识别主要是凝结家校社的力量，针对某一主题的劳动项目或任务，结合学生的实际劳动表现及成果，选择合适的劳动数据标签进行标注，从而帮助学生更为客观地认识、发现自己在劳动方面的潜力。其实质是为了解决“谁来评价”“如何对个体进行客观的评价”的现实问题，也是学生劳动数据加工、集成前需打通的关键一环，从而实现与劳动教育的评价目标、任务、评价对象、评价方式的一一对应。如，一年级上册“自己的事情自己做——穿衣叠衣我能行”中为了获取学生在课堂中学习穿衣叠衣的劳动知识和能力的情况，需选择本班劳动课教师进行及时评价，将课中观察、捕捉到的学生劳动表现数据通过平板上传到“菱娃在线”平台上，其评价方式则对应数据标签描述中相关板块进行“正向勾选+辅助说明（劳动作品照、学习过程照片等）”，迅速、客观生成学生在该项目中的画像数据。而为了方便学生对该项目的劳动习惯数据的捉捕，可邀请家长借助劳动清单的指引在“菱娃在线”平台中进行阶段性评价，如每周一评。而对于链接社区、场馆等公益志愿服务的评价，可由班主任将场馆志愿服务中心及社区人员对志愿服务的反馈意见转化为对应的评价数据，从而保证数据及时、真实、全面的获取。

三、逆向设计视域下学生劳动画像的价值追求

在构建了逆向设计视域下的劳动画像后，很多原本在传统劳动教育中静态的数据被发现，学生的劳动素养因此被更全面地诊断，从而推动劳动教育教学方式的优化。

1.重新定义，沉淀数据中体悟劳动的共生价值

在对个体劳动各项数据沉淀后，既会有针对学生个体的劳动画像，也会有对某个范围（如，整班、整年级）的学生群体的劳动画像。个体、群体的劳动画像所生成的个性、共性特点的劳动素养雷达图，使得学生在劳动学习、实践上的优势被肯定。同时，学生的共性和差异化需求被清晰呈现后也促使教师在数据支持下重新定义学生及其劳动学习，为教师后续提供更为精准的劳动教育解决方案积极赋能。数据关联劳动教育的学教方式变革，学生在劳动学习指导、数据获得、不断迭代实践的共生成长过程中提升劳动素养。

2.智能推送，个性展学中体悟劳动的长远价值

根据个体、群体画像的分析数据，链接各级各类网络及学校自主研发的优质劳动教育数字学习资源（劳动翻转课堂、劳动微视频、图文等），向学生在课前、课后或实践阶段智能推送通适性、个性化的劳动数字学习资源。这些可视化、可反复学习、易传播的劳动数字资源方便学生结合年级、自己的兴趣及需要提升劳动素养，以自主、随时的选择，获取更为丰富的资源。如，五年级的劳动任务群中的“蔬菜种植”，通过分析学生的劳动画像，为有使用劳动工具对菜地松土、起垄学习需求的学生推送劳动工具使用小技巧的微视频；而对于判断种子是否存活、是否有生长可能的，则会推送某一蔬菜生长的周期图，以帮助学生更好地学习。同时，有能力的学生也可将自己的学习经验进行可视化分享。双向积累后所形成的劳动教育数字学习资源库能持续不断地为不同年级、不同需求的学生提供学习支持，他们在充满个性、互助支持的劳动学习中不断提升劳动素养，强健体魄、愉悦身心，最终体悟到劳动对于身心发展的长远价值。

3.动态跟进，个别辅导中体悟劳动的迁移价值

精準、有效是劳动教育课堂教学改革的追求和目标。教师在建立对年级、班级群体、学生个体的劳动画像后，就能结合大数据在个别指导中对学生有的放矢地提供更为有效的辅导。如，发现学生生活自理技能掌握有缺失后，教师可以就开展过的自理劳动项目、主题学习中的关键方法对学生进行一对一的指导，在突破后再及时更迭数据，建立新的劳动画像，从而通过个别辅导逐步助力学生实现以劳增智、以劳强体、以劳育美、以劳创新的迁移价值。

参考文献

[1] 中共中央 国务院印发《深化新时代教育评价改革总体方案》[EB/OL].（2020-10-13）.http：//www.moe.gov.cn/jyb_xxgk/moe_1777/moe_1778/202010/t20201013_494381.html.

[2] 田莉，唐茜.逆向教学设计视野下的课堂评价：内涵、基本要素与设计思路 [J].上海教育评估研究，2015（06）：2-3.

[3] 张治，刘小龙，徐冰冰，等.基于数字画像的综合素质评价：框架、指标、模型与应用 [J].中国电化教育，2021（08）：25-41.

[4] 饶美红，陆韵.建兰大脑[M].杭州：浙江教育出版社，2020 ：155-181.

[5] 余明华，张治，祝智庭.基于可视化学习分析的研究性学习学生画像构建研究 [J].中国电化教育，2020（12）：36-43.