篇一：基于大数据驱动精准教学的通用模式探索与实践
基于大数据的高校精准教学模式构建研究
作者：姜倩
李艳
钱圣凡
来源：《高教探索》2020年第11期
摘要：随着大数据技术在高等教育领域的不断渗透，高校教学模式正朝着智能化、个性化、精细化、科学化的方向逐渐发展。本研究结合精准教学的理论和高校大数据教学模式的特点，从学情诊断、教学设计、教学活动、教学决策、教学干预和教学反思六个环节出发，设计
了基于大数据的高校精准教学模式。各环节贯穿课前、课中、课后三个阶段，互相推进且彼此兼容，以循环迭代的形态优化教与学的全过程。
关键词：大数据;高校;精准教学模式
一、引言
智能时代，随着大数据、人工智能、云计算、物联网、移动互联网等新兴技术在教育领域的不断渗透，数字化学习环境每天都在生成和累积丰富的“数字足迹”（DigitalFootprint）。面对海量且复杂的教育数据，如何利用有价值的信息驱动有针对性的教学，已成为教育关注的热点话题。2017年，《国家教育事业发展“十三五”规划》明确提出要“鼓励学校利用大数据技术开展对教育教学活动和学生行为数据的收集、分析和反馈，为推动个性化学习和针对性教学提供支持。”[1]作为人才培养的重地和信息化教育的主力，高校也开始探索大数据技术融入教育教学的模式和路径。2018年，《高等学校人工智能创新行动计划》明确指出要“建立基于大数据的多维度综合性智能评价，精准评估教与学的绩效，实现因材施教。”[2]2019年，《关于一流本科课程建设的实施意见》（以下简称《实施意见》）强调要“大力推进现代信息技术与教学深度融合，积极引导学生进行探究式与个性化学习。”[3]在政策引领和技术推动下，高校教学开始朝着智能化、个性化、精细化、科学化的方向逐步前进。
二、精准教学模式的时代发展
（一）传统精准教学模式的经典内涵
20世纪60年，美国学者奥格登·林斯利（OgdenLindsley）将斯金纳（Skinner）的操作性条件反射理论从实验室迁移到教育环境中，发展出了具有循证学属性的教学程序——“精准教学”（PrecisionTeaching）。精准教学致力于科学的测量和评估，要求师生持续监测可直接观察的行为，并使用标准变速图表记录数据，既而驱动有针对性的教学决策，满足个体和群体的个性化学习需求。传统精准教学主要遵循四条基本原则：第一，“学习者最清楚”，即学习者的学习表现是教学决策的唯一依据;第二，聚焦可直接观察和测量的行为;第三，使用“流畅度”评估学习表现，并以“频率”为衡量“流畅度”的关键指标;第四，使用标准变速图表（StandardCelerationChart，SCC）记录行为频率，绘制学习表现[4]。这四条基本原则既体现了精准教学的经典内涵，也反映了它的科学属性。
（二）传统精准教学模式的发展局限
在与精准教学相关的文献记录中，大多数实践研究聚焦于中小学阶段，例如美国蒙大拿州大瀑布城的萨卡加维亚小学开展的精准教学实践活动。但是作为一种兼容于不同学段、不同课程的系统程序，精准教学在高等教育领域也产生了积极影響，以密苏里州立林肯大学的心理学课程[5]和佐治亚理工学院的物理学课程[6]为例，精准教学在培养流畅的基础技能方面发挥了
良好的教学效果。尽管如此，精准教学并没有被广泛推行，原因可能是多方面的：第一，由于缺乏先进的技术手段，数据收集和分析主要依靠人工完成，这不仅对数据的规模、类型和时效性造成了限制，还给师生增加了额外的工作和学习负担。第二，作为一种嵌入式教学程序，精准教学必须与具体的学科课程或教学方法相融合才能发挥更好的教学效果，但多数教师并不愿意额外花费时间和精力去研究适用于具体课程的实践模型。第三，早期精准教学过于强调行为的结果而忽视了行为的过程以及学习者的个性化特征，被诟病为“机械的教学法”[7]，受到了学界的批评和质疑。第四，开展精准教学实践活动的人员大多数是学校里的教育工作者，尽管他们在教学过程中积累了丰富的案例数据，但由于在论文写作和发表方面缺乏足够的动力和指导，这些实践研究并没有在学术文献中得到充分记载。在各种因素的影响下，精准教学一度陷入发展瓶颈。但不可否认的是，精准教学对科学评测的强调使行为分析不再停留于模糊描述的层面，教学决策也不再仅仅依靠传统的经验和直觉，而是有了更多可量化的指标和可视化的数据，这对促进个性化学习而言具有重要的指导意义。
（三）大数据精准教学模式的智能特点
智能时代，随着大数据技术的发展，精准教学开始突破传统模式的局限，逐渐发展为一种技术赋能的新型教学模式[8]。大数据驱动的精准教学是指以大数据技术为手段，在精准分析学情的基础上精准定位教学目标、精准定制教学内容、精准设计教学活动、精准评价学习表现，进而驱动精准的教学决策，使教学过程和教学结果可量化、可监测、可调控[9]。大数据精准教学主要遵循四条基本原则，即聚焦于可观测的行为数据，用多维指标来衡量表现，使用学情分析工具，以学习者的表现为唯一决策依据[10]。从总体上看，大数据精准教学模式与传统精准教学模式在基本理念方面一脉相承，但与传统基于纸笔的数据收集和分析方法相比，大数据技术不仅使教师从繁琐的绘图工作中被解放出来，而且使数据的规模、类型和处理速度都突破了人工可实现的范畴。在大数据精准教学情境中，涉及行为、心理和生理等层面的多模态数据极大地丰富了精准教学的评价指标，使行为表现和学习过程以细粒度、可追溯的方式被记录和呈现;教育数据挖掘和学习分析技术的应用，也使精准教学不再局限于“可直接观测的行为”，而是深入到人工难以发现或测量的隐藏模式，为形成性评价和预测性分析提供了更多科学依据，有助于实现对个体和群体更精准的个性化指导。
三、高校大数据精准教学模式的研究现状
关于大数据精准教学模式，国内研究者从不同维度提出了理论和实践模型。彭红超和祝智庭围绕教学目标、教学材料、教学活动、教学记录、教学决策几个环节构建了信息技术支持的精准教学模式[11]。付达杰和唐琳从教学目标确立、教学过程框架设计、教学评价与预测三个维度，构建了基于大数据的精准教学模式[12]。张忻忻和牟智佳以学习者模型生成与数据更新为设计核心，以基于生理数据的学习者个性分析为起点，从课前学案设计与结果分析、课中教学互动与差异化指导、课后个性化自主学习等环节出发构建了精准教学模式，并提出了目标导
向的精准教学模式实现路径[13]。苏涛涛以精准教学模式为基础，结合大数据技术和微课程教学，构建了基于“互联网+”的精准教学模型，并通过实践证明了该模型的应用价值[14]。
在高等教育领域，研究者和教育工作者也开始探索不同学科情境中的大数据教学模式。赵靖岩和胡振波从高校信息化教学面临的实际问题出发，以数据采集、数据处理、数据挖掘分析、数据应用四个模块为基础，构建了基于大数据的高校信息化教学模式[15]。陈庆斌针对传统大学英语写作教学的主要问题，围绕教学目标、教学资源、教学形式、师生和生生关系、考评体系五个方面，提出了大数据支持的大学英语写作教学模式的构建思路[16]。许静波和王艺鑫以高校思想政治理论教学模式的现状及问题为切入点，从教学目标、教学理念、教学方法三个层面构建了基于大数据的高校思想政治理论教学模式[17]。孟军等研究者以“工程热力学”课程为载体，结合MOOC和传统课堂的特点，设计了大数据环境下的高校翻转课堂教学模型，并构建了相应的评价指标体系，实现了对学生的个性化评价[18]。
从总体上看，大数据精准教学模式与高校大数据教学模式既相互契合又相互区别。二者都强调以学习者为中心的个性化学习，都注重形成性评价的作用，都要求对学习表现进行监测和分析，都需要依托具体的学科课程或问题情境。但大数据精准教学模式更强调师生的主动参与，例如自主监测，日常练习，数据分享，协作学习;高校大数据教学模式则更侧重智能信息技术的应用，强调利用自动化的评估和决策辅助改善教与学。因此，构建适合高校的大数据精准教学模式，需要从理论和实践层面对二者的共性和特点进行融合，使其相互补充，相互促进。
四、基于大数据的高校精准教学模式构建
经典的精准教学模式涉及五个步骤：第一，确定精准的学习目标;第二，准备合适的教学材料;第三，监控学习表现并记录行为频率;第四，将数据绘制在标准变速图表上;第五，使用标准变速图表评估学习表现并做出教学决策[19]。在高等教育领域，为了使教育大数据更好地发挥作用，研究者也对教学程序提出了基本要求：首先，要提供类型多样的教学内容和教学策略;其次，要注重培养学生的综合技能;第三，要为学生提供有利的技术支持;第四，要收集与教学活动相关的过程性数据;第五，要与学生保持沟通交流[20]。本研究在借鉴这两类模式的基础上，从精准教学的理论出发，以学习者为中心，结合高校大数据教学的特点，设计了包含学情诊断、教学设计、教学活动、教学决策、教学干预和教学反思六个环节在内的高校大数据精准教学模式，如图1。
（一）学情诊断
课前学情诊断的目的在于了解学习者的个体特征（如能力水平、兴趣偏好、学习动机、学习风格等），帮助教师精准定位目标，精准设计教学。利用大数据技术诊断学情，教师首先要确定需要解决的问题，基于预期实现的总体目标，初步确定所需数据的类型，并在学生知情和同意的前提下开展学情诊断，如利用已有数据进行深入分析，或在课前通过能力测试、态度调
查等途径获取所需信息。为全面了解学习者之间的个体差异，教师应注重对基本数据（如人口统计学信息）、行为数据、心理数据和生理数据等多维信息的收集，选择合适的分析技术和工具，从数据中提取有价值的信息，厘清关联并进行深入挖掘，识别潜在的行为模式和可能存在的风险，同时充分利用学情数据和课程信息构建学习者画像和知识图谱，为教学设计提供详细的参考依据。
（二）教学设计
在学情诊断的基础上，教师需要深入了解个体差异，结合教学经验和专家指导，确定精准的教学目标、教学内容、教学材料、教学策略和评价指标，并根据数据类型（如结构化、半结构化、非结构化）选择合适的分析方法（如数据挖掘、文本分析、社会网络分析等）及相应的技术工具。需要注意的是，由于精准教学强调要依托具体的学科课程或问题情境，因此课前不仅要利用大数据分析学情，还要利用大数据洞悉课程信息。特别是在高校，学科专业类型多样，教师在设计教学时应注意以具体的培养要求和教学目标为出发点，充分利用优质的学习资源，提供丰富的教学策略，满足个体或群体的学习需求。
（三）教学活动
在线学习是高校开展教育教学的重要形式，师生通过在课程管理系统（CMS）、学习管理系统（LMS）、智能导学系统（ITS）、大规模在线开放课程（MOOC）等系统和平台上开展教学活动，生成丰富的行为数据和互动痕迹，如在线学习时长、页面停留时长、平台登陆次数、资源访问次数、论坛发帖次数、作业完成数量等，为在线学习表现的评估提供了丰富的度量指标。尽管在线学习突破了时间和地点的限制，在数据收集方面也更加便利，但它仍然难以取代面对面教学的优势。对于高校课程教学的建设，《实施意见》明确提出要“加强对学生课堂内外、线上线下学习的评价”，并且要求“强化师生互动、生生互动，解决好创新性、批判性思维培养的问题，杜绝教师满堂灌、学生被动听的现象。”[21]与单一的在线学习相比，“线上+线下”的混合学习模式有助于促进更频繁的互动交流，并为发展高阶思维能力提供更多的可能性。充分发挥在线学习和面对面学习的优点，构建泛在化、交互式的混合学习环境，不仅可以获取更多类型的数据，还有助于联结课堂内外的学习信息。与中小学阶段相比，高校对自带设备的限制较小，课堂组织形式也相对灵活，师生可以充分利用智能手机、平板电脑等移动设备，开展限时应答、在线投票、同步讨论、头脑风暴等多种形式的互动学习，在此过程中生成的实时数据能够帮助教师快速了解个体和群体的学习表现并及时进行策略调整。同时，在伦理允许的情况下，适当利用可穿戴设备和信息无感采集装置，使用面部识别、语音识别和情绪识别等智能技术，对课堂教学过程中师生的心理和生理状态进行实时监测，将从中获取的数据与其他类型数据进行关联分析，为学情诊断和教学决策提供更丰富的科学依据。
（四）教学决策
实现以学习者为中心的个性化学习，关键在于对学习者的深刻理解和全面洞悉，仅仅依靠技术手段并不足以从根本上改变教学问题。复杂的教育活动不能被简单地量化处理，算法有时并不能反映真实的问题;知识与技能是无法直接测量的潜在变量，盲从数据反而可能受其误导，例如资源浏览次数和页面停留时长并不意味着对内容的认真学习。过度依赖自动化的評估和决策，不但可能忽视难以度量的潜在变量，导向错误的学情诊断和预测分析，还可能被系统推荐束缚于“信息茧房”之内，阻碍批判性思维、创造性思维等高阶能力的发展。智能信息技术不是对传统教学智慧的颠覆，以师生为主体的教学活动参与者仍然要把握教学决策的自主权。教学决策不可能完全依靠大数据，因为人们会结合自己的视角对数据进行过滤，在此过程中还受到经验和直觉的影响。因此，师生需要始终保持审慎的态度，结合理性思考和直觉经验，对系统生成的数据和决策进行深入分析，并通过观察和访谈等多种方法补充信息，寻找数据背后隐藏的真实问题。对于系统推荐的学习资源，教师和学生也需要理性对待，结合实际情况适当进行筛选和拓展。
在高等教育领域，研究者和教育工作者也开始探索不同学科情境中的大数据教学模式。赵靖岩和胡振波从高校信息化教学面临的实际问题出发，以数据采集、数据处理、数据挖掘分析、数据应用四个模块为基础，构建了基于大数据的高校信息化教学模式[15]。陈庆斌针对传统大学英语写作教学的主要问题，围绕教学目标、教学资源、教学形式、师生和生生关系、考评体系五个方面，提出了大数据支持的大学英语写作教学模式的构建思路[16]。许静波和王艺鑫以高校思想政治理论教学模式的现状及问题为切入点，从教学目标、教学理念、教学方法三个层面构建了基于大数据的高校思想政治理论教学模式[17]。孟军等研究者以“工程热力学”课程为载体，结合MOOC和传统课堂的特点，设计了大数据环境下的高校翻转课堂教学模型，并构建了相应的评价指标体系，实现了对学生的个性化评价[18]。
从总体上看，大数据精准教学模式与高校大数据教学模式既相互契合又相互区别。二者都强调以学习者为中心的个性化学习，都注重形成性评价的作用，都要求对学习表现进行监测和分析，都需要依托具体的学科课程或问题情境。但大数据精准教学模式更强调师生的主动参与，例如自主监测，日常练习，数据分享，协作学习;高校大数据教学模式则更侧重智能信息技术的应用，强调利用自动化的评估和决策辅助改善教与学。因此，构建适合高校的大数据精准教学模式，需要从理论和实践层面对二者的共性和特点进行融合，使其相互补充，相互促进。
四、基于大数据的高校精准教学模式构建
经典的精准教学模式涉及五个步骤：第一，确定精准的学习目标;第二，准备合适的教学材料;第三，监控学习表现并记录行为频率;第四，将数据绘制在标准变速图表上;第五，使用标准变速图表评估学习表现并做出教学决策[19]。在高等教育领域，为了使教育大数据更好地发挥作用，研究者也对教学程序提出了基本要求：首先，要提供类型多样的教学内容和教学策略;其次，要注重培养学生的综合技能;第三，要为学生提供有利的技术支持;第四，要收集与教学
活动相关的过程性数据;第五，要与学生保持沟通交流[20]。本研究在借鉴这两类模式的基础上，从精准教学的理论出发，以学习者为中心，结合高校大数据教学的特点，设计了包含学情诊断、教学设计、教学活动、教学决策、教学干预和教学反思六个环节在内的高校大数据精准教学模式，如图1。
（一）学情诊断
课前学情诊断的目的在于了解学习者的个体特征（如能力水平、兴趣偏好、学习动机、学习风格等），帮助教师精准定位目标，精准设计教学。利用大数据技术诊断学情，教师首先要确定需要解决的问题，基于预期实现的总体目标，初步确定所需数据的类型，并在学生知情和同意的前提下开展学情诊断，如利用已有数据进行深入分析，或在课前通过能力测试、态度调查等途径获取所需信息。为全面了解学习者之间的个体差异，教师应注重对基本数据（如人口统计学信息）、行为数据、心理数据和生理数据等多维信息的收集，选择合适的分析技术和工具，从数据中提取有价值的信息，厘清关联并进行深入挖掘，识别潜在的行为模式和可能存在的风险，同时充分利用学情数据和课程信息构建学习者画像和知识图谱，为教学设计提供详细的参考依据。
（二）教学设计
在学情诊断的基础上，教师需要深入了解个体差异，结合教学经验和专家指导，确定精准的教学目标、教学内容、教学材料、教学策略和评价指标，并根据数据类型（如结构化、半结构化、非结构化）选择合适的分析方法（如数据挖掘、文本分析、社会网络分析等）及相应的技术工具。需要注意的是，由于精准教学强调要依托具体的学科课程或问题情境，因此课前不仅要利用大数据分析学情，还要利用大数据洞悉课程信息。特别是在高校，学科专业类型多样，教师在设计教学时应注意以具体的培养要求和教学目标为出发点，充分利用优质的学习资源，提供丰富的教学策略，满足个体或群体的学习需求。
（三）教学活动
在线学习是高校开展教育教学的重要形式，师生通过在课程管理系统（CMS）、学习管理系统（LMS）、智能导学系统（ITS）、大规模在线开放课程（MOOC）等系统和平台上开展教学活动，生成丰富的行为数据和互动痕迹，如在线学习时长、页面停留时长、平台登陆次数、资源访问次数、论坛发帖次数、作业完成数量等，为在线学习表现的评估提供了丰富的度量指标。尽管在线学习突破了时间和地点的限制，在数据收集方面也更加便利，但它仍然难以取代面对面教学的优势。对于高校课程教学的建设，《实施意见》明确提出要“加强对学生课堂内外、线上线下学习的评价”，并且要求“强化师生互动、生生互动，解决好创新性、批判性思维培养的问题，杜绝教师满堂灌、学生被动听的现象。”[21]与单一的在线学习相比，“线上+线下”的混合学习模式有助于促进更频繁的互动交流，并为发展高阶思维能力提供更多的可能性。充分发挥在线学习和面对面学习的优点，构建泛在化、交互式的混合学习环境，不仅可以
获取更多类型的数据，还有助于联结课堂内外的学习信息。与中小学阶段相比，高校对自带设备的限制较小，课堂组织形式也相对灵活，师生可以充分利用智能手机、平板电脑等移动设备，开展限时应答、在线投票、同步讨论、头脑风暴等多种形式的互动学习，在此过程中生成的实时数据能够帮助教师快速了解个体和群体的学习表现并及时进行策略调整。同时，在伦理允许的情况下，适当利用可穿戴设备和信息无感采集装置，使用面部识别、语音识别和情绪识别等智能技术，對课堂教学过程中师生的心理和生理状态进行实时监测，将从中获取的数据与其他类型数据进行关联分析，为学情诊断和教学决策提供更丰富的科学依据。
（四）教学决策
实现以学习者为中心的个性化学习，关键在于对学习者的深刻理解和全面洞悉，仅仅依靠技术手段并不足以从根本上改变教学问题。复杂的教育活动不能被简单地量化处理，算法有时并不能反映真实的问题;知识与技能是无法直接测量的潜在变量，盲从数据反而可能受其误导，例如资源浏览次数和页面停留时长并不意味着对内容的认真学习。过度依赖自动化的评估和决策，不但可能忽视难以度量的潜在变量，导向错误的学情诊断和预测分析，还可能被系统推荐束缚于“信息茧房”之内，阻碍批判性思维、创造性思维等高阶能力的发展。智能信息技术不是对传统教学智慧的颠覆，以师生为主体的教学活动参与者仍然要把握教学决策的自主权。教学决策不可能完全依靠大数据，因为人们会结合自己的视角对数据进行过滤，在此过程中还受到经验和直觉的影响。因此，师生需要始终保持审慎的态度，结合理性思考和直觉经验，对系统生成的数据和决策进行深入分析，并通过观察和访谈等多种方法补充信息，寻找数据背后隐藏的真实问题。对于系统推荐的学习资源，教师和学生也需要理性对待，结合实际情况适当进行筛选和拓展。
在高等教育领域，研究者和教育工作者也开始探索不同学科情境中的大数据教学模式。赵靖岩和胡振波从高校信息化教学面临的实际问题出发，以数据采集、数据处理、数据挖掘分析、数据应用四个模块为基础，构建了基于大数据的高校信息化教学模式[15]。陈庆斌针对传统大学英语写作教学的主要问题，围绕教学目标、教学资源、教学形式、师生和生生关系、考评体系五个方面，提出了大数据支持的大学英语写作教学模式的构建思路[16]。许静波和王艺鑫以高校思想政治理论教学模式的现状及问题为切入点，从教学目标、教学理念、教学方法三个层面构建了基于大数据的高校思想政治理论教学模式[17]。孟军等研究者以“工程热力学”课程为载体，结合MOOC和传统课堂的特点，设计了大数据环境下的高校翻转课堂教学模型，并构建了相应的评价指标体系，实现了对学生的个性化评价[18]。
从总体上看，大数据精准教学模式与高校大数据教学模式既相互契合又相互区别。二者都强调以学习者为中心的个性化学习，都注重形成性评价的作用，都要求对学习表现进行监测和分析，都需要依托具体的学科课程或问题情境。但大数据精准教学模式更强调师生的主动参与，例如自主监测，日常练习，数据分享，协作学习;高校大数据教学模式则更侧重智能信息技术的应用，强调利用自动化的评估和决策辅助改善教与学。因此，构建适合高校的大数据精
准教学模式，需要从理论和实践层面对二者的共性和特点进行融合，使其相互补充，相互促进。
四、基于大数据的高校精准教学模式构建
经典的精准教学模式涉及五个步骤：第一，确定精准的学习目标;第二，准备合适的教学材料;第三，监控学习表现并记录行为频率;第四，将数据绘制在标准变速图表上;第五，使用标准变速图表评估学习表现并做出教学决策[19]。在高等教育领域，为了使教育大数据更好地发挥作用，研究者也对教学程序提出了基本要求：首先，要提供类型多样的教学内容和教学策略;其次，要注重培养学生的综合技能;第三，要为学生提供有利的技术支持;第四，要收集与教学活动相关的过程性数据;第五，要与学生保持沟通交流[20]。本研究在借鉴这两类模式的基础上，从精准教学的理论出发，以学习者为中心，结合高校大数据教学的特点，设计了包含学情诊断、教学设计、教学活动、教学决策、教学干预和教学反思六个环节在内的高校大数据精准教学模式，如图1。
（一）学情诊断
课前学情诊断的目的在于了解学习者的个体特征（如能力水平、兴趣偏好、学习动机、学习风格等），帮助教师精准定位目标，精准设计教学。利用大数据技术诊断学情，教师首先要确定需要解决的问题，基于预期实现的总体目标，初步确定所需数据的类型，并在学生知情和同意的前提下开展学情诊断，如利用已有数据进行深入分析，或在课前通过能力测试、态度调查等途径获取所需信息。为全面了解学习者之间的个体差异，教师应注重对基本数据（如人口统计学信息）、行为数据、心理数据和生理数据等多维信息的收集，选择合适的分析技术和工具，从数据中提取有价值的信息，厘清关联并进行深入挖掘，识别潜在的行为模式和可能存在的风险，同时充分利用学情数据和课程信息构建学习者画像和知识图谱，为教学设计提供详细的参考依据。
（二）教学设计
在学情诊断的基础上，教师需要深入了解个体差异，结合教学经验和专家指导，确定精准的教学目标、教学内容、教学材料、教学策略和评价指标，并根据数据类型（如结构化、半结构化、非结构化）选择合适的分析方法（如数据挖掘、文本分析、社会网络分析等）及相应的技术工具。需要注意的是，由于精准教学强调要依托具体的学科课程或问题情境，因此课前不仅要利用大数据分析学情，还要利用大数据洞悉课程信息。特别是在高校，学科专业类型多样，教师在设计教学时应注意以具体的培养要求和教学目标为出发点，充分利用优质的学习资源，提供丰富的教学策略，满足个体或群体的学习需求。
（三）教学活动
在线学习是高校开展教育教学的重要形式，师生通过在课程管理系统（CMS）、学习管理系统（LMS）、智能导学系统（ITS）、大规模在线开放课程（MOOC）等系统和平台上开展教学活动，生成丰富的行为数据和互动痕迹，如在线学习时长、页面停留时长、平台登陆次数、资源访问次数、论坛发帖次数、作业完成数量等，为在线学习表现的评估提供了丰富的度量指标。尽管在线学习突破了时间和地点的限制，在数据收集方面也更加便利，但它仍然难以取代面对面教学的优势。对于高校课程教学的建设，《实施意见》明确提出要“加强对学生课堂内外、线上线下学习的评价”，并且要求“强化师生互动、生生互动，解决好创新性、批判性思维培养的问题，杜绝教师满堂灌、学生被动听的现象。”[21]与单一的在线学习相比，“线上+线下”的混合学习模式有助于促进更频繁的互动交流，并为发展高阶思维能力提供更多的可能性。充分发挥在线学习和面对面学习的优点，构建泛在化、交互式的混合学习环境，不仅可以获取更多类型的数据，还有助于联结课堂内外的学习信息。与中小学阶段相比，高校对自带设备的限制较小，课堂组织形式也相对灵活，师生可以充分利用智能手机、平板电脑等移动设备，开展限时应答、在线投票、同步讨论、头脑风暴等多种形式的互动学习，在此过程中生成的实时数据能够帮助教师快速了解个体和群体的学习表现并及时进行策略调整。同时，在伦理允许的情况下，适当利用可穿戴设备和信息无感采集装置，使用面部识别、语音识别和情绪识别等智能技术，对课堂教学过程中师生的心理和生理状态进行实时监测，将从中获取的数据与其他类型数据进行关联分析，为学情诊断和教学决策提供更丰富的科学依据。
（四）教学决策
實现以学习者为中心的个性化学习，关键在于对学习者的深刻理解和全面洞悉，仅仅依靠技术手段并不足以从根本上改变教学问题。复杂的教育活动不能被简单地量化处理，算法有时并不能反映真实的问题;知识与技能是无法直接测量的潜在变量，盲从数据反而可能受其误导，例如资源浏览次数和页面停留时长并不意味着对内容的认真学习。过度依赖自动化的评估和决策，不但可能忽视难以度量的潜在变量，导向错误的学情诊断和预测分析，还可能被系统推荐束缚于“信息茧房”之内，阻碍批判性思维、创造性思维等高阶能力的发展。智能信息技术不是对传统教学智慧的颠覆，以师生为主体的教学活动参与者仍然要把握教学决策的自主权。教学决策不可能完全依靠大数据，因为人们会结合自己的视角对数据进行过滤，在此过程中还受到经验和直觉的影响。因此，师生需要始终保持审慎的态度，结合理性思考和直觉经验，对系统生成的数据和决策进行深入分析，并通过观察和访谈等多种方法补充信息，寻找数据背后隐藏的真实问题。对于系统推荐的学习资源，教师和学生也需要理性对待，结合实际情况适当进行筛选和拓展。
篇二：基于大数据驱动精准教学的通用模式探索与实践
“基于大数据的个性化精准教学模式创新研究””专项课题实施方案
一、课题参与对象
各区域有关教育管理机构、教育信息化推进部门、教研部门和学校均可报名参与。
二、时间安排
课题开展时间：2018年7月1日—2020年6月30日
课题申报时间：2018年7月1日—2019年6月30日
成果评审时间：2020年4月1日—4月30日
课题结题时间：2020年5月1日—6月30日
三、研究内容与方向
主要研究内容包括但不限于以下方向：
1.精准教学的理论方法研究
2.基于大数据的精准教学模式构建
3.大数据环境下教学资源库建设
4.精准教学对学生学习行为数据的测量与记录
5.翻转课堂中的精准教学模式研究
6.大数据促进学科精准教学和管理
7.基于大数据的学习行为与学习成效分析
8.精准教学的评价指标体系研究
四、课题要求
（一）总课题组对子课题参与形式的要求：
1.有关教育管理机构、教育信息化推进部门、教研部门参与方式的要求：
（1）组织区域内学校参加总课题组研究活动；
（2）确定子课题和研究方向并围绕子课题的研究内容开展研究和培训活动；
（3）组织课题校开展对外观摩与示范课，在课题组的指导下，培养一批学科信息化教学专家，形成典型的应用推广案例。
2.学校参与方式的要求：
（1）要求学校主管教学或教研的负责人担当子课题负责人；
（2）参与课题学校组织有关教师积极参与课题研究活动，具体包括参加课题会议研讨、开展示范观摩课，并围绕子课题研究内容开展专题教学活动和教学反思；
（3）每位参与教师至少每学期提供一份有关课题研究的论文和课例。
（二）总课题组对子课题的指导：
1.协同专家、各地区优秀教研员在课题研究、课题进程、课题总结等环节给予指导，每个子课题指定1-2名专家负责；
2.组织课题研究的先进经验和典型案例交流活动；
3.组织专家团队开展面向一线教学实践的专题咨询指导服务；
4.搭建面向全国的科研成果发布和发表平台，促进区域、学校的均衡发展和教师的专业化成长。
（三）课题成果形式：
总课题组将提供专门的教研、教学等网络技术平台用于课题校进行课题研究、发布和展示课题研究成果，并围绕项目研究主题组织研讨会。课题研究成果由教育部教育管理信息中心组织专家进行评定，颁发课题成果认定证书。课题研究论文将推荐至国家级期刊发表或结集出版。
五、课题申报流程:1.课题申请单位在课题网站（http://************）下载填写课题申请书，按要求填写，打印并加盖公章后，提交到总课题组邮箱（邮件地址：**********@*************）。一期截止时间：
2018年11月30日；二期截止时间：2019年4月30日；三期截止时间：
2019年6月30日；
2.总课题组将在收到课题申报意向表与子课题申请书的10个工作日内回复审批意见；
3.课题申请单位收到课题立项通知后，成立子课题组，并组织开展课题研究。
六、总课题组联系方式
教育部教育管理信息中心
联
系
人：
罗志刚（***********）
电
话：
***-********
传
真：
***-********邮件地址：
**********@*************地
址：北京西单大木仓胡同37号教育部2号楼
邮
编：100816
篇三：基于大数据驱动精准教学的通用模式探索与实践
大数据背景下实施精准教学的实践研究
随着大数据时代的到来，教育也迎来了数据化的趋势。传统的教学模式可能会因为缺乏数据的支持而显得有些盲目和难以精准化。因此，实施精准教学是当今教育领域的一大趋势。本文旨在探讨在大数据背景下，如何实施精准教学，以及在实践中的应用和成效。
首先，实施精准教学需要建立起完整的数据采集和分析体系。这个体系应当包括学生的基本信息、学习行为数据、学习成绩数据等多方面的数据，并且需要进行统一的数据标准化和整合。基于这些数据，教师可以通过分析学生的学习行为和学习成绩，对学生的学习特点进行深入挖掘，找到学生的优势和劣势，从而为教学提供精准化的指导。
其次，实施精准教学需要依托于人工智能技术。利用人工智能技术，教师可以通过对学生数据的深度分析和学习行为的预测，给学生提供更为精准的学习方案和指导。例如，通过机器学习等技术，可以预测学生可能存在的学习难点和困惑，并提前提供针对性的解决方案和个性化的辅导。
最后，实施精准教学需要注重教学的个性化。在大数据的支持下，教师可以更加了解学生的学习特点和需求，从而为学生提供更为贴近学生实际需求的教学内容和方式。通过针对不同学生的教学方式，可以更加有效地激发学生的学习兴趣和提高学生的学习成绩。
-1-
总之，实施精准教学是大数据时代下的一项重要任务。通过建立完整的数据采集和分析体系，依托于人工智能的技术，以及注重个性化教学，可以有效地提高教学效果和学生的学习体验。
-2-
篇四：基于大数据驱动精准教学的通用模式探索与实践
基于大数据的精准教学模式探究--201LT
表中，该图表可以精确预测学生的知识或技能何时能够达到流畅度的要求，以判定当前学生的学习表现随时间的推进是否进步明显、是否需要修改干预措施。在教学过程中，教师可以根据学生日常的练习、测量与记录情况，并通过频繁监测学生的学习行为状态采集相应的数据，以获得学生的发展情况[9]。
二
精准教学的研究现状及其应用困境1精准教学的研究现状
国外的精准教学研究尽管已历经半个多世纪，但进展缓慢，主要集中于通过教学实验来评估精准教学的效果。如Downer[10]、Griffin等[11]的研究表明，精准教学可以显著提高学生的阅读能力；Gallagher[12]、Str?mgren等[13]在数学教学中进行了精准教学实验研究，结果表明精准教学对于数学学习困难的学生有显著作用。
我国的精准教学研究则刚刚起步。在中国知网以“精准教学”为篇名、关键词进行检索，检索日期截至2016年12月31日，所得文献仅为13篇，且论文发表时间基本都在2016年之后。具体来说，祝智庭等[14]从信息化教学改革的角度，结合智慧学习分析了精准教学的基本理论与模式设计，提出了基于递归思想的精准目标确定方法；梁美凤[15]从理论引介的角度，介绍了精准教学的基本概念、操作流程及其应用价值；张灵芝[16]提出了翻转课堂下的精准教学模式及其实践策略；郑怡文等[17]借助数字媒体技术，通过提取人脸表情和体态特征对学生进行精准关注，这实际上是精准教学衍生出来的技术方案。由此不难发现，当前我国的精准教学研究存在两大问题：一是研究总量偏少，研究者关注、跟进精准教学的研究成果不多，尚没有出现关于精准教学的国家级教育科研课题；二是研究
范围狭小，研究者开展的精准教学研究主要面向小学教育中的阅读、数学等基础课程，而对于高等教育、职业教育课程缺乏精准教学研究。因此，吸引更多的研究者对精准教学进行多元视角研究，对于我国教育教学改革具有重要意义。2精准教学的应用困境
精准教学虽不失为一种有效的教学方法，但在传统教学环境下其应用并不乐观，原因如下：
①精准教学忽略了学习行为过程与个性化发展。精准教学是通过测量获得学习行为结果，进而依据结果进行强化练习，以提升学生的学习质量，是一种典型的结果驱动型教学。这种教学方式缺乏对学习行为过程的关注，忽略了学生在这一过程中表现出来的不同个性。
②精准教学缺乏技术支撑。精准教学在操作上以测量、记录学生的学习表现为基础，以分析频率数据为基本技术。而在信息技术普及以前，精准教学的测量、记录都采取以笔和纸为工具的手工形式进行，故数据记录采集、分析以及图形化、可视化的工作效率不高。
③精准教学难以适应高校人才培养的需求。高校课堂是推进教学方法创新与实践的重要阵地，其课程种类繁多，教学主要依赖于系统的人才培养方案与课程体系；教学目标不再全是知识点的掌握，而是强调思维方法的习得。特别是一些专业课程，由于带有理论探究与应用创新的性质，很难有效测量、记录学生的学习表现，因此限制了精准教学在高校的应用与推广。
三
大数据对精准教学的影响
大数据的兴起，将数据价值推向了新的高度。大数据正在改变人类的思维方式，并以前所未有的速度引发了科技、教育、经济、军事等各个领域的深刻变革。在大数据激发的教育变革中，以测量、记录数据为基础的精
准教学必将迎来新的发展机遇。1大数据使得精准教学测量数据更为精准可行
教学管理系统、自主学习系统、慕课、微课以及学习社交平台等的广泛应用，促进了教育数据的海量增长，并预示着教育大数据时代的来临。教育大数据使得学习行为、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[18]，平板电脑、智能手机、各种传感器、可穿戴式设备、射频识别（RadioFrequencyIdentification，RFID）标签等皆可成为数据自动采集器并被应用于教学的各个环节，使智慧校园、智慧课堂即将成为现实，这使得精准教学测量数据更为精准可行：一方面，大数据及其依赖的各类智能系统既可以实现学习表现自动化测量、记录及结果可视化呈现，也可以提高数据采样频率，进而提升精准教学的流畅度；另一方面，大数据的海量数据处理能力，可以让精准教学摆脱规模的束缚，实现从简单少量的小学课程拓展到所有不同类型的课程、从面向班级的实验教学拓展到面向全校的普及教学。2大数据使得精准教学能够兼顾学生的个性化发展
在大数据环境下，学生的学习行为过程考察和个性化发展均成为可能。这是因为，学生在学习过程中的各类行为状态都可以转化为相应的数据记录，成为学习表现的分析要素。换句话说，在传统教学环境下，精准教学过度强调学习行为结果的分析，并根据结果分析来干预学习行为；而在大数据环境下，精准学习不再完全依赖于结果分析，还要考量学习行为的过程等其它要素——通过采集学生在学习行为过程中产生的各类状态信息，形成反映学习情况的数据源，随后利用各种数学建模方法和大数据处理技术对数据源进
行测量、分析与比较，并根据此结果对学生的学习行为及其学习表现进行评估和干预，可以预测学生未来的学习表现趋势，也可以为个别学生量身定制更为有效的干预方法和改进措施，以保障学生的个性化发展。3大数据使得精准教学环境更为开放高效
大数据的多样性、异构性决定了其不隶属于某一个独立的系统组织——在教育领域，大数据是跨学科专业、跨平台、跨组织的开放跨界资源，它是各类服务于教育教学工作的信息系统集成互动的产物；学校、企业、教师、学生乃至家长和社会公众，都可成为教育大数据的生产者和应用者。在此背景下，精准教学的主体不再限于教师和学生，教师也不再是精准教学的唯一主导者，故以学生为主体、多元参与的精准教学成为可能——学生为自己量身定做教学方案、测量数据，家长快速、全面地掌握学生的学习表现数据，教育管理者根据相关数据更好地组织教育资源、制定教育改革的方向和措施，从而使得精准教学无缝嵌入整个教育教学体系之中。此外，在传统教学环境下，精准教学从数据测量、记录到结果分析需要一定的时间，特别是当数据量大的时候，时间消耗很大；而大数据的实时性，使得精准教学各类数据从生成到结果分析可以瞬间完成，故大大节约了时间成本。
四
基于大数据的精准教学模式构建
在传统教学环境下，教师更倾向于套用某一种成熟的教学模式，而精准教学往往被视为一种教学评估策略或者某一门课程的教学方法而非教学模式，故精准教学在应用和推广时首先便遭遇了教师这种思维理念上的阻碍。大数据突破了传统教学环境的诸多制约，有利于推动教师在思维理念上接受并认可精准教学，故利用大
数据构建可供教师借鉴的精准教学模式，对推动精准教学的发展、促进精准教学的应用具有重要意义。为此，本研究从教学目标确立、教学过程框架设计、教学评价与预测三个维度，构建了基于大数据的精准教学模式，如图1所示。
图1基于大数据的精准教学模式1精准化的教学目标确立
明确教学目标是实施教学的逻辑起点，也是检验教学成败的重要依据。据此，精准教学的首要任务便是确立精准化的教学目标。在传统教学环境下，教学目标可以是模糊的，如在计算机基础课程中，某一节课程的教学目标可以是“熟练掌握十进制、二进制的换算”，其中的“熟练掌握”便是一个模糊的程度词。但在精准教学中，必须设计精准化的教学目标，即对学生掌握的知识或技能程度必须有一个精准的解释和描述——解释的基本思想是问题的分解与细化，描述的方式即量化。也就是说，在精准教学中，每条教学目标应转化为对应的问题，每个问题则应分解、细化为可以量化描述的小问题。如“熟练掌握十进制、二进制的换算”可以转化为“3分钟之内完成1000以内的十进制、二进制互换算题5道，正确率100%”——这里的“熟练掌握”经分解、细化、量化后，既包括对知识或技能的准确掌握，也包括运用知识或技能的速度，故与精准教学的“流畅度”衡量指标完全契合。2程序化的教学过程框架设计
精准教学起源于Skinne的程序教学，故程序化是精准教学的核心要素。设计程序化的教学过程框架，是保障精准教学有效实施的关键。本研究设计的程序化教学过程框架，是指基于大数据实施精准教学的流程与规则，具体包括：
（1）建立大数据教学资源库，并实施个性化
资源推荐
程序化教学的本质是一个输入输出系统，即输入教学资源、输出学生的学习结果。在传统教学环境下，由于教学资源有限、信息技术匮乏，输入输出系统以整个教学班级为基本颗粒，无法保障学生的个性化发展。针对此问题，本研究提出建立大数据教育资源库，以管理海量的数字化教学资源；同时，将输入输出系统的基本颗粒由班级细化到具体的每一位学生，利用智能推荐技术，根据学生的学习特点配置不同的优质教学资源，实施个性化教学。
（2）优化传统教学过程，融入精准练习、测量与记录
本研究充分利用大数据技术的优势，优化传统教学过程，并在此基础上，融入精准练习、测量与记录，进行精准教学，从而为下一步的教学决策和学习干预提供支持。具体来说，本研究在操作层面进行了两类尝试：①基于翻转课堂的精准辅助教学，即以微课为内容、以微信公众号为平台，进行精准教学——首先，学生实名关注微信公众号；然后，学生点击微信公众号平台上的微课资源，并进行实时互动、练习与答题；最后，后台系统自动记录学生的学习行为，形成每个学生的学习轨迹与分析结果。②基于项目导向任务驱动的精准实训教学，即以计算机基础课程练习测评系统为平台，在传统的项目导向任务驱动教学框架内，进行精准教学——首先，学生登录系统进行实训操练，每完成一个任务即可提交，否则无法进入下一个任务阶段；待整个项目完成后，提交至系统评分；最后，系统实时精准地记录学生登录并完成每一道实训任务的时间、失分点（错误）和最终分数，形成学生的学习轨迹与错误问题域。
（3）实施精准干预
精准干预是精准教学的精髓之所在。在大数据环境下，无论是微信公众号还是计算机基础课程练习测评系统，师生之间都可以实现跨越时空的沟通，且沟通记录可以追溯查询。根据测量、记录呈现的学生学习行为，教师能够判断出学生能否顺利达成教学目标——若能达成，说明无问题；若不能达成，说明有问题，需要干预。具体来说，本研究在操作层面按照特殊问题和普遍问题分别进行了针对性的干预：针对个别学生的特殊问题，通过即时通讯工具，进行实时点对点的干预纠正；针对反映比较多的普遍问题，则通过教学博客、微信公众号、朋友圈，予以统一干预纠正。干预是一个反复的工作，而练习、测量与记录同干预一起，构成了一个循环迭代的过程，这个循环迭代直至全部学生达到了教学目标所要求掌握的知识或技能才会终止。3精准化的教学评价与预测
在传统教学环境下，教学评价或为模糊的经验判断，如通过“优”、“良”、“中”、“及格”、“差”等程度词来评价学生的学习表现；或为简单的分数判断，如通过期末考试成绩、期中考试成绩、总分、平均分等来评价学生的学习结果。而在大数据环境下，传感器技术、人脸识别技术、学习分析技术等众多先进技术的融合应用，使得精准教学评价从伴随教学行为的开始到结束，并能够对尚未发生的未来进行精准预测。如郑怡文等[19]提出了一种课堂大数据采集技术，该技术集成了学生坐姿测量系统、眼部识别系统和噪音识别系统，通过获取学生在课堂的一些生存状态大数据，可以比较准确地解读、分析进而判断出学生的学习情况（如到课情况、思想集中情况、课堂活跃情况、身体疲倦情况等）；该技术具有较高的实时性，使对每个学生实施精准有效的关注成为可能。由此
可见，基于大数据的精准教学评价是一种全员、全过程、全方位的实时评价。
在基于大数据的精准教学模式中，教学评价主要依赖于技术手段（包括大数据采集、教育数据挖掘、学习分析和数据可视化技术），通过各类智能教学系统自动监控、自动分析学生的学习情况，并实时反馈给所需要的人；教师、学生、家长等可以根据自身的需求，查询并生成可视化的评价报告。预测则指综合分析每个学生在各个阶段的学习表现数据和其它系统数据（包括各个教育系统、评估系统、专家系统）后，形成数据决策支持系统，并对学生在未来一段时间的学习表现进行预测，进而根据预测结果提出相关的改进建议或学习对策。
五
基于大数据的精准教学反思1大数据下精准教学的主体关系变化
在传统教学环境下，精准教学的实施基本是教师主导、学生参与的二元封闭系统。而在大数据环境下，教师的主导作用明显弱化，基于信息技术的先进教学平台及其产生的数据成为精准教学的重要依托；学校、企业、教师、学生乃至家长和社会公众，他们对数据的获取在理论上是对等的。因此，精准教学的实施必须打破传统教学环境下教师主导、学生从属的关系，而建立以数据为纽带，以学生为中心，有教师辅导、家长参与、社会关注的新型开放的主体关系。2基于大数据的精准教学中的数据伦理问题
精准教学对学生学习行为数据的测量与记录，其本质是学习行为的数据化。尽管这些数据对于促进学生的学习有很大帮助，但不可忽视的是，数据本身并无判断能力，且数据的价值具有多元化的特点——在精准教学过程中产生的数据，其主要价值是服务于监测、评估学生的学习表现；但是，这些数据同
样也可以解读出其它的信息，如学生的生理、心理特征及其可能存在的缺陷等。显然，数据的预测结果一方面有助于精准教学干预纠偏，另一方面也可能会给学生带来消极影响。如有数据显示某一学生在阅读方面存在重大障碍，这一结果就会打击这个学生的自信，从而对这个学生的学习干预乃至未来发展起反作用。怎样确保这些附带各类个性特征的数据被正确使用而避免陷入伦理困境，是当前大数据精准教学需要考虑的一个难题。3基于大数据的精准教学中的安全保障问题
精准教学将每一个学生的学习情况予以精准记录，而这些精准记录的数据涉及诸多隐私问题。在当前开放互联的大数据环境下，银行、医院、电商平台等遭受黑客攻击、用户数据泄露的事件时有发生。精准教学理论来源于行为主义心理学，其测量记录的数据在某种程度上反映了学
篇五：基于大数据驱动精准教学的通用模式探索与实践
基于大数据的精准教学模式探究
基于大数据的精准教学模式探究2021-07-12：
摘要：精准教学自诞生以来，受限于技术条件，无论是理论研究还是实际应用都不容乐观。信息技术的发展特别是大数据的兴起，为精准教学的发展提供了机遇。在此背景下，文章梳理了精准教学的理论方法、研究现状及其应用困境，分析了大数据对精准教学的影响。随后，文章从教学目标确立、教学过程框架设计、教学评价与预测等三个维度，构建了基于大数据的精准教学模式。最后，文章针对教学主体关系、数据伦理、安全保障等问题，对基于大数据的精准教学进行了反思。文章的研究，推动了大数据技术在精准教学领域的应用，有助于激发精准教学的活力，进一步提升精准教学的有效性。
关键词：大数据；精准教学；教学目标；教学过程；教学评价与预测
一
精准教学的理论方法
精准教学（PrecisionTeaching）是Lindsley[1]于20世纪60年代根据Skinne的行为学习理论提出的一种教学方法。起初，精准教学面向小学教育，旨在通过设计测量过程来追踪小学生的学习表现并提供数据决策支持，以便“将科学放在学生和教师的手中”[2][3]；后来，精准教学发展为用于评估任意给定的教学方法有效性的框架[4]。历经50余年的发展，精准教学现已形成了自身的一套理论方法。
1精准教学的理论依据——Skinne的行为学习理论Skinne[5]是美国新行为主义心理学的创始人之一，他认为人类行为主要是由操作性反射构成的操作性行为，操作性行为是作用于环境而产生结果的行为。人类的一切行为几乎都是操作性强化的结果，人们有可能通过强化作用的影响去改变别人的反应。在学习情境中，操作性行为更有
代表性，因此操作性反射在学习过程中尤为重要。1954年，Skinne将这一理论引入教学，认为教学就是提出学生应达到的目标并对学习过程进行控制，辅以训练、反馈和纠正性补救等措施，形成所要求的行为即达到目标并立即给予强化；对于那些偏离目标或未达到目标的行为，则在不强化的前提下进行纠正[6]。2精准教学的衡量指标——流畅度（Fluency）
精准教学中的最大“精准”在于教学评价，而衡量教学是否达到目标、学生是否真正掌握知识或技能，关键在于检测学生学习的行为过程及其反应。基于此，精准教学引入流畅度指标，用于衡量
/学生的学习质量。流畅度涵盖了“准确度”和“速度”两个方面，也就是说，学生的学习质量既包括对知识或技能的准确掌握，也包括运用知识或技能的速度。流畅度具有五大属性：持久性（Maintenance）、耐久性（Endurance）、稳定性（Stability）、应用性（Application）和生成性（Generativity）[7]。其中，持久性是指在无额外练习的情况下，学生根据需求执行任务的能力；耐久性是指为了满足真实需求，学生在长时间内持续执行任务的能力；稳定性是指在有干扰的情况下，学生能够继续实施一项技能的能力；应用性是指学生容易将知识或技能应用于新情境的能力；生成性是指在没有明显的指导下，学生出现复杂行为技能的能力[8]。3精准教学的程序方法——练习与测量
精准教学的程序方法要求学生日常练习并精准测量其学习表现，即每天花费一定时间（1分钟或几分钟）进行练习与测量。练习是测量的基础，且这一过程需要长期开展并持续记录。一般来说，测量得到的频率数据将由教师记录于标准变速图表中，该图表
可以精确预测学生的知识或技能何时能够达到流畅度的要求，以判定当前学生的学习表现随时间的推进是否进步明显、是否需要修改干预措施。在教学过程中，教师可以根据学生日常的练习、测量与记录情况，并通过频繁监测学生的学习行为状态采集相应的数据，以获得学生的发展情况[9]。
二
精准教学的研究现状及其应用困境1精准教学的研究现状
国外的精准教学研究尽管已历经半个多世纪，但进展缓慢，主要集中于通过教学实验来评估精准教学的效果。如Downer[10]、Griffin等[11]的研究表明，精准教学可以显著提高学生的阅读能力；Gallagher[12]、Str?mgren等[13]在数学教学中进行了精准教学实验研究，结果表明精准教学对于数学学习困难的学生有显著作用。
我国的精准教学研究则刚刚起步。在中国知网以“精准教学”为篇名、关键词进行检索，检索日期截至2021年12月31日，所得文献仅为13篇，且论文发表时间基本都在2021年之后。具体来说，祝智庭等[14]从信息化教学改革的角度，结合智慧学习分析了精准教学的基本理论与模式设计，提出了基于递归思想的精准目标确定方法；梁美凤[15]从理论引介的角度，介绍了精准教学的基本概念、操作流程及其应用价值；张灵芝[16]提出了翻转课堂下的精准教学模式及其实践策略；郑怡文等[17]借助数字媒体技术，通过提取人脸表情和体态特征对学生进行精准关注，这实际上是精准教学衍生出来的技术方案。由此不难发现，当前我国的精准教学研究存
/在两大问题：一是研究总量偏少，研究者关注、跟进精准教学的研究成果不多，尚没有出现关于精准教学的国家级教育科研课题；二是研究范围狭小，研究者开展
的精准教学研究主要面向小学教育中的阅读、数学等基础课程，而对于高等教育、职业教育课程缺乏精准教学研究。因此，吸引更多的研究者对精准教学进行多元视角研究，对于我国教育教学改革具有重要意义。2精准教学的应用困境
精准教学虽不失为一种有效的教学方法，但在传统教学环境下其应用并不乐观，原因如下：
①精准教学忽略了学习行为过程与个性化发展。精准教学是通过测量获得学习行为结果，进而依据结果进行强化练习，以提升学生的学习质量，是一种典型的结果驱动型教学。这种教学方式缺乏对学习行为过程的关注，忽略了学生在这一过程中表现出来的不同个性。
②精准教学缺乏技术支撑。精准教学在操作上以测量、记录学生的学习表现为基础，以分析频率数据为基本技术。而在信息技术普及以前，精准教学的测量、记录都采取以笔和纸为工具的手工形式进行，故数据记录采集、分析以及图形化、可视化的工作效率不高。
③精准教学难以适应高校人才培养的需求。高校课堂是推进教学方法创新与实践的重要阵地，其课程种类繁多，教学主要依赖于系统的人才培养方案与课程体系；教学目标不再全是知识点的掌握，而是强调思维方法的习得。特别是一些专业课程，由于带有理论探究与应用创新的性质，很难有效测量、记录学生的学习表现，因此限制了精准教学在高校的应用与推广。
三
大数据对精准教学的影响
大数据的兴起，将数据价值推向了新的高度。大数据正在改变人类的思维方式，并以前所未有的速度引发了科技、教育、经济、军事等各个领域的深刻变革。在大数据激发的教育变革中，以测量、记录数据为基础的精准教学必将迎来新的发展机遇。1大数据使得精准教学测量数据更为精准可行
教学管理系统、自主学习系统、慕课、微课以及学习社交平台等的广泛应用，促进了教育数据的海量增长，并预示着教育大数据时代的来临。教育大数据使得学习行为、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[18]，平板电脑、智能手机、各种传感器、可穿戴式设备、射频识别（RadioFrequencyIdentification，RFID）标签等皆可成为数据自动采集器并被应用于教学的各个环节，使智慧校园、智慧课堂即将成为现实，这使得精准教学测量数据更为精准
/可行：一方面，大数据及其依赖的各类智能系统既可以实现学习表现自动化测量、记录及结果可视化呈现，也可以提高数据采样频率，进而提升精准教学的流畅度；另一方面，大数据的海量数据处理能力，可以让精准教学摆脱规模的束缚，实现从简单少量的小学课程拓展到所有不同类型的课程、从面向班级的实验教学拓展到面向全校的普及教学。2大数据使得精准教学能够兼顾学生的个性化发展
在大数据环境下，学生的学习行为过程考察和个性化发展均成为可能。这是因为，学生在学习过程中的各类行为状态都可以转化为相应的数据记录，成为学习表现的分析要素。换句话说，在传统教学环境下，精准教学过度强调学习行为结果的分析，并根据结果分析来干预学习行为；而在大数据环境下，精准学习不再完全依赖于结果分析，还要考量学习行为的过程等其它要素——通过采集学生在学习行为过程中产生的各类状态信息，形成反映学习情况的数据源，随后利用各种数学建模方法和大数据处理技术对数据源进行测量、分析与比较，并根
据此结果对学生的学习行为及其学习表现进行评估和干预，可以预测学生未来的学习表现趋势，也可以为个别学生量身定制更为有效的干预方法和改进措施，以保障学生的个性化发展。3大数据使得精准教学环境更为开放高效
大数据的多样性、异构性决定了其不隶属于某一个独立的系统组织——在教育领域，大数据是跨学科专业、跨平台、跨组织的开放跨界资源，它是各类服务于教育教学工作的信息系统集成互动的产物；学校、企业、教师、学生乃至家长和社会公众，都可成为教育大数据的生产者和应用者。在此背景下，精准教学的主体不再限于教师和学生，教师也不再是精准教学的唯一主导者，故以学生为主体、多元参与的精准教学成为可能——学生为自己量身定做教学方案、测量数据，家长快速、全面地掌握学生的学习表现数据，教育管理者根据相关数据更好地组织教育资源、制定教育改革的方向和措施，从而使得精准教学无缝嵌入整个教育教学体系之中。此外，在传统教学环境下，精准教学从数据测量、记录到结果分析需要一定的时间，特别是当数据量大的时候，时间消耗很大；而大数据的实时性，使得精准教学各类数据从生成到结果分析可以瞬间完成，故大大节约了时间成本。
四
基于大数据的精准教学模式构建
在传统教学环境下，教师更倾向于套用某一种成熟的教学模式，而精准教学往往被视为一种教学评估策略或者某一门课程的教
/学方法而非教学模式，故精准教学在应用和推广时首先便遭遇了教师这种思维理念上的阻碍。大数据突破了传统教学环境的诸多制约，有利于推动教师在思维理念上接受并认可精准教学，故利用大数据构建可供教师借鉴的精
准教学模式，对推动精准教学的发展、促进精准教学的应用具有重要意义。为此，本研究从教学目标确立、教学过程框架设计、教学评价与预测三个维度，构建了基于大数据的精准教学模式，如图1所示。
图1基于大数据的精准教学模式1精准化的教学目标确立
明确教学目标是实施教学的逻辑起点，也是检验教学成败的重要依据。据此，精准教学的首要任务便是确立精准化的教学目标。在传统教学环境下，教学目标可以是模糊的，如在计算机基础课程中，某一节课程的教学目标可以是“熟练掌握十进制、二进制的换算”，其中的“熟练掌握”便是一个模糊的程度词。但在精准教学中，必须设计精准化的教学目标，即对学生掌握的知识或技能程度必须有一个精准的解释和描述——解释的基本思想是问题的分解与细化，描述的方式即量化。也就是说，在精准教学中，每条教学目标应转化为对应的问题，每个问题则应分解、细化为可以量化描述的小问题。如“熟练掌握十进制、二进制的换算”可以转化为“3分钟之内完成1000以内的十进制、二进制互换算题5道，正确率100%”——这里的“熟练掌握”经分解、细化、量化后，既包括对知识或技能的准确掌握，也包括运用知识或技能的速度，故与精准教学的“流畅度”衡量指标完全契合。2程序化的教学过程框架设计
精准教学起源于Skinne的程序教学，故程序化是精准教学的核心要素。设计程序化的教学过程框架，是保障精准教学有效实施的关键。本研究设计的程序化教学过程框架，是指基于大数据实施精准教学的流程与规则，具体包括：
（1）建立大数据教学资源库，并实施个性化资源推荐
程序化教学的本质是一
个输入输出系统，即输入教学资源、输出学生的学习结果。在传统教学环境下，由于教学资源有限、信息技术匮乏，输入输出系统以整个教学班级为基本颗粒，无法保障学生的个性化发展。针对此问题，本研究提出建立大数据教育资源库，以管理海量的数字化教学资源；同时，将输入输出系统的基本颗粒由班级细化到具体的每一位学生，利用智能推荐技术，根据学生的学习特点配置不同的优质教学资源，实施个性化教学。
（2）优化传统教学过程，融入精准练习、测量与记录
本研究充分利用大数据技术的优势，优化传统教学过程，并在此基础上，融
/入精准练习、测量与记录，进行精准教学，从而为下一步的教学决策和学习干预提供支持。具体来说，本研究在操作层面进行了两类尝试：①基于翻转课堂的精准辅助教学，即以微课为内容、以微信公众号为平台，进行精准教学——首先，学生实名关注微信公众号；然后，学生点击微信公众号平台上的微课资源，并进行实时互动、练习与答题；最后，后台系统自动记录学生的学习行为，形成每个学生的学习轨迹与分析结果。②基于项目导向任务驱动的精准实训教学，即以计算机基础课程练习测评系统为平台，在传统的项目导向任务驱动教学框架内，进行精准教学——首先，学生登录系统进行实训操练，每完成一个任务即可提交，否则无法进入下一个任务阶段；待整个项目完成后，提交至系统评分；最后，系统实时精准地记录学生登录并完成每一道实训任务的时间、失分点（错误）和最终分数，形成学生的学习轨迹与错误问题域。
（3）实施精准干预
精准干预是精准教学的精髓之所在。在大数据环境下，无论是微信公众号还是
计算机基础课程练习测评系统，师生之间都可以实现跨越时空的沟通，且沟通记录可以追溯查询。根据测量、记录呈现的学生学习行为，教师能够判断出学生能否顺利达成教学目标——若能达成，说明无问题；若不能达成，说明有问题，需要干预。具体来说，本研究在操作层面按照特殊问题和普遍问题分别进行了针对性的干预：针对个别学生的特殊问题，通过即时通讯工具，进行实时点对点的干预纠正；针对反映比较多的普遍问题，则通过教学博客、微信公众号、朋友圈，予以统一干预纠正。干预是一个反复的工作，而练习、测量与记录同干预一起，构成了一个循环迭代的过程，这个循环迭代直至全部学生达到了教学目标所要求掌握的知识或技能才会终止。3精准化的教学评价与预测
在传统教学环境下，教学评价或为模糊的经验判断，如通过“优”、“良”、“中”、“及格”、“差”等程度词来评价学生的学习表现；或为简单的分数判断，如通过期末考试成绩、期中考试成绩、总分、平均分等来评价学生的学习结果。而在大数据环境下，传感器技术、人脸识别技术、学习分析技术等众多先进技术的融合应用，使得精准教学评价从伴随教学行为的开始到结束，并能够对尚未发生的未来进行精准预测。如郑怡文等[19]提出了一种课堂大数据采集技术，该技术集成了学生坐姿测量系统、眼部识别系统和噪音识别系统，通过获取学生在课堂的一些生存状态大数据，可以比较准确地解读、分析进而判断出学生的学习情况（如到课情况、思
/想集中情况、课堂活跃情况、身体疲倦情况等）；该技术具有较高的实时性，使对每个学生实施精准有效的关注成为可能。由此可见，基于大数据的精准教学
评价是一种全员、全过程、全方位的实时评价。
在基于大数据的精准教学模式中，教学评价主要依赖于技术手段（包括大数据采集、教育数据挖掘、学习分析和数据可视化技术），通过各类智能教学系统自动监控、自动分析学生的学习情况，并实时反馈给所需要的人；教师、学生、家长等可以根据自身的需求，查询并生成可视化的评价报告。预测则指综合分析每个学生在各个阶段的学习表现数据和其它系统数据（包括各个教育系统、评估系统、专家系统）后，形成数据决策支持系统，并对学生在未来一段时间的学习表现进行预测，进而根据预测结果提出相关的改进建议或学习对策。
五
基于大数据的精准教学反思1大数据下精准教学的主体关系变化
在传统教学环境下，精准教学的实施基本是教师主导、学生参与的二元封闭系统。而在大数据环境下，教师的主导作用明显弱化，基于信息技术的先进教学平台及其产生的数据成为精准教学的重要依托；学校、企业、教师、学生乃至家长和社会公众，他们对数据的获取在理论上是对等的。因此，精准教学的实施必须打破传统教学环境下教师主导、学生从属的关系，而建立以数据为纽带，以学生为中心，有教师辅导、家长参与、社会关注的新型开放的主体关系。2基于大数据的精准教学中的数据伦理问题
精准教学对学生学习行为数据的测量与记录，其本质是学习行为的数据化。尽管这些数据对于促进学生的学习有很大帮助，但不可忽视的是，数据本身并无判断能力，且数据的价值具有多元化的特点——在精准教学过程中产生的数据，其主要价值是服务于监测、评估学生的学习表现；但是，这些数据同样也可以解读出其它的/7
篇六：基于大数据驱动精准教学的通用模式探索与实践
tougao4@chinaitedu.cn信息技术教学名师课堂大数据背景下信息技术精准教学模式实践研究（下）王蕾江苏省南京市琅琊路小学教学现场信息技术教学中的大数据，有着广泛的应用前景。与之相关的精准教学成为大数据影响课堂变革的载体之一。教育大数据提升了精准教学的容量，精准教学具体实践了教育大数据的精准应用。在实际授课中，精准教学有多种实践途径。问题分析上一期文章探讨了大数据背景下信息技术精准教学模式的实践途径的前两种：教学目标精准化提供了精准的学习指向；学习预设数据的精准挖掘，保证了大数据支持下的意义学习。在本期文章中，将继续深入研究大数据背景下信息技术精准教学模式实践途径。●
信息技术学科精准教学模式理论实践途径途径三：精准检测教学目标，课堂多次推送基于精准教学模式的信息技术学习，注重对核心素养的细化和落地研究。教师关注课堂中学生对认知重难点的内化过程，通过有效的学件推送，为学生提供多样性的学习资料，共同理解消化课前学习数据反馈的疑难点。与传统的教学方式不同，精准教学模式有多次大面积的资料推送过程，分别指向：对课前精准反馈的共性问题进行解决和强化；对课中生成性问题提供补充和提升。例如，多次精准推送，以学生的个性化需求为主旨，进一步精准考核学生知识内化度，实施输出促成。二次精准推送，可以检测学生在进行精准干预后的知识掌握程度，检测学生是否达成教学目标，也为课后的教学决策和学习干预提供数据支持。
（1）原设计“Scratch编排节目”是编程学习的常规课，本课的知识点主要包括认识“广播”控件、设置“接受到消息后执行”控件、安排节目先后顺序等内容。该课的内容较多，教学过程有一定的难度，是常规教学中认知难度较大的一课。常规教学流程一般为：教师讲解“广播消息”模块的内容→为第一个角色设置“广播”命令→为第二个角色设置消息1→为第三个角色设置消息2→为第四个角色设置消息3→演示接受消息、角色相应动作的过程→学生练习→教师指导。（2）思考焦点传统的设计方式中，教师采用线性的编程方式组织教学。虽然教学流程没有逻辑错误，但是在实际授课中，学生的达成率不高，作品呈现形式单一，模仿的痕迹较重，与预期的教学效果大相径庭。通过JAN2020NO.0223
篇七：基于大数据驱动精准教学的通用模式探索与实践
有效利用大数据实现精准教学
随着数字化时代的到来，大数据逐渐成为了各个领域的重要资源。对于教育领域来说，大数据的应用可以帮助学校和教育机构更好地了解学生的学习情况、学习方法和学习成绩，从而采取更加精准的教学手段和措施，帮助学生更好地提高学习成效。本文将探讨如何有效地利用大数据实现精准教学。
一、收集学生学习数据信息
有效的大数据应用必须基于有意义的数据信息。在学校、教育机构和学生家长的合作下，应该收集尽可能全面的学生学习数据信息。这个数据信息包括学生的学习成绩、参加的课程和班级、学生做的题目和考试的答案、学生的学习时间和举办学习活动的地点等。
收集到学生学习数据信息后，需要进行数据分析。数据分析的目的是分析学生的学习方式和习惯，如学生在哪些方面存在问题、学生的学习成绩等等。这些信息可以帮助学校了解学生的学习情况，从而采用更加精准的教学措施和手段。
三、建立个性化学习模型
基于分析结果，学校可以为每个学生建立个性化的学习模型。这些模型可以包括学生的学习目标、学习计划、学习方式、学习时间和学习地点等。学校还可以采用智能调度技术将学生安排在适合他们的教学班级和课程上。这样可以有助于提高学生的学习效果。
四、实施精准教学
通过建立个性化学习模型，学校可以将学生分为不同的学习群体，再根据学生的特点设计相应的教学方案。教师可以通过分析学生的学习情况，在教学过程中采用合适的教学策略帮助学生解决问题并提高其学习成效。同时，学校也可以建立教师培训机制，为教师提供更多的教学支持和资源，帮助教师提高教学质量和有效性。
总结：
大数据的应用已经成为教育领域发展的趋势，学校应该积极推进大数据应用，促进个性化和精准教学的落实。通过收集学生学习数据信息，分析学生学习数据信息，建立个性化学习模型和研究智能化调度技术，可以为学生提供更加高效和精准的教育服务，提高学生学习效果和社会竞争力。
篇八：基于大数据驱动精准教学的通用模式探索与实践
Vol.29No.12019大数据驱动的精准教学：操作框架与实施路径*
万力勇1黄志芳2黄
焕1（1．中南民族大学
教育学院，湖北武汉
430074；
2．湖北大学
教育学院，湖北武汉
430062）
摘要：大数据时代的到来，赋予了精准教学新的内涵和使命。文章首先通过将大数据技术与精准教学进行整合，对大数据驱动的精准教学进行了诠释；然后，文章以教学活动实施的一般流程为依据，提出了大数据驱动的精准教学操作框架；接着，文章从教学大数据采集和教学大数据分析两个方面，剖析了大数据驱动的精准教学实施路径；最后，文章围绕大数据驱动的精准教学的未来发展，提出既要提升教师的数据素养，又要开展基于大数据的教学改革与实践。文章聚焦于大数据驱动的精准教学操作框架和实施路径研究，可为精准教学的深入开展提供理论参考。
关键词：精准教学；大数据；学习分析；操作框架；实施路径
【中图分类号】G40-057【文献标识码】A【论文编号】1009—8097（2019）01—0031—07【DOI】10.3969/j.issn.1009-8097.2019.01.005“精准”一词释义为非常准确、精确。近年来，“精准”被不断应用于人类的各项活动，并已成为诸多领域关注的热点，如应用于商业领域的“精准营销”、应用于政府工作领域的“精准扶贫”和应用于医学领域的“精准医疗”等。与上述领域不同的是，将“精准”应用于教育教学领域中所形成的“精准教学”并不是一个新名词。早在20世纪60年代，美国学者Lindsley就将“精准”一词首次引入教育教学领域，提出了“PrecisionTeaching”的概念[1]。精准教学的初衷在于通过精确测量学习过程，来追踪学生的学习表现，并进行科学、精确的教学决策。精准教学的优势在于能对各类教学的有效性进行评估、能与各种教学策略兼容，故一经提出便受到了教育工作者的关注与青睐[2]。然而，由于操作比较繁琐、记录过程复杂、缺乏统一测量标准等原因，精准教学的推广遭遇阻碍，逐渐失去了活力。近年来，随着信息技术取得革命性突破和互联网数据呈几何级增长，教育大数据时代已经来临。如果将大数据技术引入精准教学的理论与实践框架中，并对精准教学的内容和流程进行扩展、重组，在继续保持其精准教学评估功能的基础上，突出精准教学设计、精准教学干预和精准教学决策功能，将有可能重新激发出精准教学的活力，并满足研究者和实践者对教育教学更加科学化、精确化的追求。
一
大数据驱动的精准教学释义
Lindsley倡导的精准教学是基于Skinner的行为主义学习理论而提出来的，他援引了Skinner理论中“反应率”和“累积反应记录”这两个概念，认为评估学习有效性的最佳检测指标是学生的行为表现[3]。而对行为表现的评估主要从准确率和速度两个方面来加以考量，故精准教学使用流畅度（Fluency）来衡量学生的学业发展情况。流畅度包括准确率和速度两个维度，具体涉及五个方面的内容：持久性、耐久性、稳定性、应用性和生成性[4]。Lindsley[5]将精准教学定义为根据标准变速图表上学生持续的自我监控表现频率的变化而形成的教育决策。另有一些学者从教学评价层面对精准教学进行了定义，如White[6]认为精准教学并不具体阐释怎样教、教什么，而是一种可以对任何教学策略和课程进行系统评价的方法。West等[7]也提出精准教学不是一种31
篇九：基于大数据驱动精准教学的通用模式探索与实践
tougao2@chinaitedu.cn数字社区基于大数据驱动精准教学的通用模式探索与实践●
问题的提出随着信息技术在教育领域的普及，基于大数据的精准教学迅速兴起。以大数据技术为手段，在精准分析学生学业现状的基础上，对教学目标精准定位、对教学内容精准定制、对教学活动精准设计、对学生学习表现精准评价进而做出精准教学决策，使教学过程和教学结果可量化、可监测、可调控，即为大数据驱动的精准教学，其基本操作框架如图1所示。[1]
对高中生来说，教学内容很难从线上获取，主要依靠学科教师在课堂上的实时灌输，而平台对大数据的收集则是主要来源于常态化练习和阶段性测试，这种在教学测评活动中获得的学习数据集合，被称为测评大数据。[2]因而对高中生来讲，如何日常化以大数据驱动精准教学，关键有两点：一是收集并分析测评大数据的平台；二是教师利用平台产生的报告集优化线下课堂。目前国内已有多种平台可以收集分析测评大数据，进而实现对学唐雄艺浙江省永康市第一中学生学业现状的精准分析。例如，方据后，只是简单地以推送同类型错万生[3]等人利用成绩云系统精准分题或微课等方式进行机械式训练，析学生考试成绩，只要上传原始文实现精准教学。笔者认为，这种精件，选择分析模板，就能为班级每准教学模式在短期内确实会对学个学生提供详细的个人分析图表；生有帮助，但其本质仍然是题海战郑林[4]、罗莹[5]等人使用“智慧学伴”术，要想学生真正弥补某一知识点采集学生学习过程中各个学科的在知识网络中的丢失或者某一种思全部学习数据、通过微测试题和总维能力上的缺乏，还是要从课堂教测试题对学生的学习情况进行全学来完成。面的诊断与测评，还可有针对性地所以，如何利用好平台生成的推送微课资源；管小庆[6]等人使用数据对教学目标精准定位、对教学的极课系统可以收集测试题中每内容精准定制、对教学活动精准设小题得分等。计、对学生学习表现精准评价进而虽然各种功能完备的平台或做出精准教学决策，优化课堂教学系统大量涌现，但许多教师却没有效果，弥补学生知识网络的部分缺有效利用这些平台的分析报告数失，进而提高学生学习成绩才是目据，在平台收集并分析完测评大数前教师需要深思的问题。图1DEC2019NO.249数字社区tougao2@chinaitedu.cn●
探索与实践1.行政推动，搭建平台2012年8月，浙江省启动省数字化校园示范建设工作，笔者所在学校开始思考如何对传统进行改革，并着手建立数字化校园，2014年12月，申请了第二批浙江省数字化校园示范建校，通过借鉴他校成功经验，结合本校实际情况，完成了数字化校园建设，并于2017年下半年通过验收。在此项目中，有一块非常重要的模块建设，即信息化软件，其突出的亮点是“智慧学习平台”，主要应用于四个模块，分别是智慧管理、智慧互联、精准教学和精准学习。其中，精准教学这一模块主要有以下功能：①建设校题库，为每道题目贴上知识点、能力、推理、难度标签；②记录学生练习和考试情况，通过网络阅卷积累学生的平时练习和大型考试数据；③产生学生的个人错题集、个人学情报告、班级学情报告等图表集合；④建设全面的数据分析功能，统计个人、班级、校及各班的对比数据，如基本成绩、平均分、标准差、最高分、最低分等图表集合。2.课题驱动，确定模式笔者所在学校信息技术组的教师紧跟时代步伐，通过教学实践，提出建立一套将大数据与教育教学实践进行深度融合的通用模式，使教师能够切实利用平台产生的报告为优化课堂教学服务，实现大数据与信息技术学科课堂教学98中国信息技术教育实践的融合，达到精准教学的目的，以此为研究内容的课题于2018年9月获全国教育信息技术研究课题领导小组办公室批准立项。为确定通用模式，课题小组采取“三步走”策略。（1）理论准备阶段此阶段主要依靠实验教师的自主学习和专家培训。（2）模式确定阶段经过讨论，课题组决定以陈明远团队构建的基于测评大数据的有效教学框架[7]（如图2）为基础，结合本校无法实时获取上课数据等实际情况，确定通用模式如下：①精准把握学习起点。此环节对应传统教学中的学情诊断，教师对学生起点、学生进程和学习问题进行查探，并判定其状态、性质、类别、原因和发展趋势。[8]在此环节中，平台分析测评大数据后生成的图表报告集，试验教师阅读后，确定班级和个人的学习起点。②个性化定制学习目标。试验教师将课程标准、教材和学情与平台产生的班级学情报告等数据结合，调整教学目标，再根据学生个人情况制订个人学习目标。③动态组织教学内容。教师根据平台提供的班级学情分析报告等数据，可以对课堂内容的重难点进行调整，选择还未达到教学目标的知识点着重复习。④学生个性化反馈。复习课完成之后，学生再次进行相关知识点内容的测试，教师获得平台生成的反馈报告集，通过对比两次的结果得到对课堂教学效果的客观反馈。（3）模式验证与完善阶段自2018学年第二学期始，课题组成员致力于验证相较于传统教学模式和传统精准教学模式，此通用模式驱动的精准教学的效果更为显著这一观点。在实验过程中，课题小组结合本校实际情况，不断地完善、强化此通用模式的应用。3.试验拉动，验证模式试验对象为学校高二全体选考学生，共包括6个班级，学习进度为第一轮复习阶段。课题组共进行了四次对比试验，每次实验均按照相同的步骤进行：①获取初始报告集。全体学生进行测试或者周练，平台分析测评数据后产生班级、个人知识点得分情况，班级对比得分图等图表。②选定试验知识点。试验教师结合学习进度、平台的知识点得分情况等因素选定试验知识点。③进行对比试验。试验教师按照通用模式流程优化课堂教学设计，试验班的复习课采用此设计进图2tougao2@chinaitedu.cn数字社区行精准教学，对照班的复习仅靠根据平台数据选取的对应的错题进行巩固练习。除试验教师外的其他教师不采用平台的初始数据，自行制订复习课教学计划，按传统教学方式进行复习。④获取所有班级反馈报告集。复习完成之后，全体学生再次对该知识点的内容进行测试，平台分析测评数据后产生图表等报告集，对比各班初始报告集和反馈报告集。从四次试验的结果可看到，试验班和对照班较原始成绩均有进步，说明两种精准教学的效果都有效，再进一步观察发现，试验班的进步程度大于对照班，说明通用模式驱动的精准教学效果显著。4.教研带动，强化模式在试验期间，市教研员和信息技术组全体教师实时观摩授课教师在试验班的教学并给予指导和建议，不断对通用模式的应用做强化改进，使之更适应学校学情。●
结论与反思通过实验，课题组认为采用通用模式驱动的精准教学模式能通过课堂教学帮助学生修补知识网络图，从内在出发掌握知识点，帮助学生以不变应万变。但此模式也存在需要改进的地方：①两次考试的难度值差异。由于是两次不同的考试，题目不可能完全一样，再加上受到教学进度、当次考试学校整体要求等外界因素的影响，所以考试的难易度会有差异并导致试验结果有偏差。为了减小偏差值，在挑选第二次考试题目时，应最大程度地让两次考试的难度系数保持一致。②知识点不够细化。由于受平台的功能限制，目前对知识点的划分还不够细，如在多媒体的应用中，对于Photoshop软件的应用，就只能划分到图片素材的加工，但在这一知识点下，还可以继续细化，如图片的修饰、图片的修改等，图片的修饰又可分为滤镜、图层样式等。后续希望能通过对平台进行升级的方式来解决此问题。参考文献：[1]万力勇，黄志芳，黄焕.大数据驱动的精准教学：操作框架与实施路径[J].现代教育技术，2019，29(01)：31-37.[2]陈明选，王诗佳.测评大数据支持下的学习反馈设计研究[J].电化教育研究，2018，39(03)：35-42+61.[3]方万生，谢松兴，莫重生.基于大数据与云计算技术的学生成绩处理平台实践应用[J].中国信息技术教育，2019(Z3)：117-120.[4]郑林，刘微娜，王小琼，等.“智慧学伴”促进初中历史精准教学的探索[J].中国电化教育，2019(01)：65-69.[5]罗莹，谢晓雨，董少彦.初中物理精准教学课堂的构建及实践[J].中国电化教育，2019(01)：48-53.[6]管小庆，桑芝芳.基于极课大数据下的物理学情诊断和教学优化策略[J].物理教师，2016，37(12)：70-73+78.[7]陈明选，耿楠.测评大数据支持下的有效教学研究[J].远程教育杂志，2019，37(03)：95-102.[8]胡志金.远程教学学情诊断研究[J].中国远程教育，2009(08)：41-46.DEC2019NO.2499
推荐访问:基于大数据驱动精准教学的通用模式探索与实践 精准 探索 通用