基于大数据的精准教学:生成路径与实现条件

任红杰( 中国人民公安大学 马克思主义学院，北京    100038)

           摘要:“智慧校园”的快速发展，为运用大数据技术推进精准教学奠定了坚实基础。基于大数据的精准教学不同于早期的 精准教学，它需要从精准的“学生画像”、精准的教学目标以及精准研讨、精准辅导等方面加以生成，它的实现条件包括构建专 业化的校园大数据收集与处理中心，制定大数据收集、处理、使用和共享的基本规则，大力提升教师的核心素养等。

         关键词: 精准教学; 大数据; 学生画像; 学习痛点

        中图分类号: G642． 2 文献标志码: A 文章编号: 1003 － 2614( 2017) 09 － 0165 － 04

精准教学( precision teaching) 可以追溯到 1965 年自由操 作性条件反射的课堂教学实验［1］，它是在美国第三次教育变 革过程中，林斯利( Ogden Ｒ． Lindsley) 根据著名心理学家斯 金纳的操作性条件反射原理创立的。早期的精准教学通常 被视为对特定的教学方法是否有效进行评估的一种框架［2］， 尽管在可证实的诸多教学案例中，精准教学表现出比传统教 学实践能够更好地提升学生的学习绩效和成就感［3］，但是， 由于烦琐的记录与学习表现的测量方式难以统一等原因，精 准教学并没有大面积推广开来。随着大数据时代的到来，数 据的记录、储存、计算与共享日益便利，精准教学有望迎来大 发展的良好契机。

  林斯利把精准教学理解为，根据由标准加速度图呈现的 持续性自我监控的表现频率的变化做出的教育决策［4］。在 这里，涉及早期精准教学的两个重要概念: 一个是频率，另一 个是标准加速度图。频率是精准教学的记录指标，指的是学 习过程中学习者在单位时间内( 通常是 1 分钟) 做出正确行 为或错误行为的次数。标准加速度图是精准教学的记录图 表，通过把频率绘制成图表形式直观地呈现学生的学习表 现。林斯利发起的精准教学主要是通过师生记录、分析并评 估学生在教室里的学习行为和学习表现来进行的，它要求师 生精确记录学生学习行为的次数和时长并绘制成图表，然后 通过不断尝试与修正去发现能够最大限度地提升学习绩效 的学习行为与学习材料［5］。Wikipedia 对精准教学的介绍主 要是围绕林斯利的工作展开的，根据 Wikipedia 的解释，精确教学是评价教学策略和课程的一种精确而系统的方法，它是 以频率为主要基准的程序教学［6］。

无论是林斯利对精准教学的理解，还是 Wikipedia 对精准教学的解释，都只是对早期精准教学实践的描述。而早期 的精准教学实践具有十分明显的缺陷: 过度强调学习者的行 为结果，忽视学习者的个性化特征并缺乏先进技术手段的支 持。信息技术支持的精准教学“能够全面、精准、迅速地记录 学习者的学习行为数据，分析学习者的学习状态与学习风 格，判定与预测教学活动乃至教学策略的合理性”［7］。正是 由于早期精准教学实践的不足之处，导致林斯利对精准教学 的理解和描述不可避免地存在偏差，他把精准教学的早期形 式理解为精准教学本身，似乎他所创造的精准教学形式就是 精准教学的唯一形式。在林斯利的影响下，许多精准教学的 研究者和实践者在一定程度上被禁锢了思想，难以实现新的 突破，从而严重制约了精准教学的发展空间。因此，为了使 精准教学的定义能够涵盖形式多样的精准教学实践，既能够 适用于早期的精准教学实践形式，也可以适用于大数据环境 中精准教学实践的新形式，有必要对林斯利的精准教学定义 加以修正，以增加其普遍适用性。

   第二，精准教学强调记录并分析学习者的学习行为、学 习表现等方面的数据及其变化的重要性，但并没有限定数据 记录、分析的具体形式。早期的精准教学需要教师和学生借 助手工实时记录并运用人脑分析教与学过程中学生的学习 表现，这是受到当时科技发展水平不高的局限。然而，在信 息技术高度发达的今天，仍有相当一部分人对精准教学的理 解未能完全超越手工记录、人脑分析的层次。实际上，数据 记录的方式并非只有手工记录一种，数据分析也并非只能运 用人脑进行。基于大数据的精准教学的重要特点是，它可以 在师生意识不到的情况下，采用智能手段实时记录学生听 讲、提问、研讨、测试、自主学习等教与学过程中学生的行为 与表现，并利用电脑智能化生成各种分析报告，为师生分析 学生学习表现提供充足、准确、便捷的数据支持，既避免了师 生亲自记录对教与学过程的干扰和中断，也大大提高了数据 分析的效率和准确度。

第四，精准教学是基于教学评测的教学，根据教学评测 的反馈数据不断寻找最适合学习者的教与学的内容与方式。 精准教学以提高学习者的学习绩效、激发学习者的潜能为宗旨，它遵循的是林斯利所说的“学习者最了 解( the  learnersknow best) ”的原则［8］。在林斯利看来，学生的行为与表现 能够比其他任何方式更好地反映教与学的有效性，对教与学 最好的检测指标就是学生的行为与表现。如果学习者的学 习绩效良好，说明教与学的内容与方式适合学习者，应当继 续坚持; 如果学习者的学习绩效不佳，说明教与学的内容与 方式不适合学习者，必须及时进行调整。

二、基于大数据的精准教学的生成路径

大数据为精准教学开辟了一个新天地，在大数据背景下，精准教学利用大数据技术挖掘学生的个性特征与真实需 求，把大数据挖掘与分析融入教学目标设计、教学过程实施、 教学评测反馈等过程，为学生提供精准有效的学习指导，帮 助学生充分激发内在潜能、实现个性化学习与成长。基于大 数据的精准教学的生成遵循以下基本路径:

1．“学生画像”———洞悉学生的准确情况 精准教学基于精准识别学生的准确情况，强调教学必须从学生的实际情况出发并适合每一个学生的实际情况。由于学生的实际情况具有差异性、层次性、变化性等特点，教师 仅仅通过与学生的直接接触难以准确、全面把握学生的实际 情况，这就需要在课前利用大数据对学生的实际情况进行 “画像”。近年来，随着“智慧校园”快速发展，校园的信息 化、数字化水平不断提高，各种教育教学数据迅猛增长，校园 大数据环境已经初步形成。在“智慧校园”中，学生的个人基 础信息、学习行为、学习习惯、学习内容、学习过程与学习结 果等都被智能终端进行数据化的记录和存储。利用这些数 据可以为学生画像，客观、全面、真实地揭示出学生的学习情 况，从而为精准教学的顺利开展提供客观的依据。

学生画像( Learner Profile) 是根据学生的基础信息、学习 习惯、学习偏好、学习行为和学习期待等方面的数据信息而 构建出来的标签化学生模型，它能够概括出学生个体和学生 群体的信息全貌，使教师可以基于大数据精准、快速地了解 学生的学习习惯、学习能力、学业表现、关键需求等重要信 息，准确掌握每一个教学班、每一个学生以及不同学生群体 的心理状态、活跃程度、兴趣爱好、知识结构、能力水平、突出 优势、短板等方面的状况，明确教学时必须做的事，以及不需 要做的事和不应当做的事。作为真实学生的虚拟代表，学生 画像可以使教学活动更加聚焦，让教师真正以学生为中心， 剖析其核心诉求，找准教学的立足点和发力方向。通过学生 画像，教师可以走出自以为是的误区，避免教师想当然地认 为自己了解学生、熟悉学生，主观地认为学生的需求、喜好、 期望同自己的想法是一致的。如果没有构建学生画像或者 构建的学生画像与学生的真实情况不符合，那么对于教师耗 费大量时间与精力精心设计的教学活动，学生可能根本不买 账，教学效果自然十分糟糕。

创建学生画像的流程主要是三个步骤: 第一步，获取和 研究学生信息; 第二步，细分学生群; 第三步，建立和完善学 生画像。在获取学生信息时，信息的真实性、全面性和及时 性是最重要的。在研究学生信息时，要注意定性分析与定量 分析相结合，并以定量分析为主，注重数据支持和不同数据 之间的相互验证。学生画像的关键是为学生添加“标签”，每 一个标签都是高度精练的特征标识，如年龄、性别、认知特 征、学习风格、学习兴趣、学业水平等，最后将所有标签综合 起来，勾勒出该学生的立体画像。在进行学生画像时，既要为每一个学生画像，也要为特定教学班的学生整体画像，还 要对同一教学班内的学生进行聚类分析，形成不同学生群体 的画像，从而准确识别并区分不同学生的共性需求与差异化 需求，为实施精准教学奠定客观基础。

    2． 教学目标———精准激发学生潜能 精准教学强调教学目标精准，基于大数据的精准教学的核心目标是在现代信息技术支持下，通过教师精准引导，提 高学生的学习绩效，精准激发每一个学生的潜能。为了精准激发学生潜能，精准教学强调必须从两个方面精确定位每一 节课的具体教学目标:    一是具体教学目标必须层次化。不同的学生具有不同的“画像”，其知识基础、兴趣爱好、学习风 格、发展水平和潜能状况各不相同，因此，必须基于“学生画像”设定层次化的教学目标，对不同层次学生提出不同的学习任务与学习要求，使每一个学生都具有最适合自己实际情 况的特定目标。例如，对于学业优秀的学生，可以帮助他们 选择和确定挑战性比较强的拓展和深化类教学目标，注重通 过深度探究和研讨训练开发其高阶思维能力尤其是创新思 维能力; 而对于学习困难的学生，则应当选择相对容易达到 的基础类教学目标，以激发他们的学习兴趣和领会知识的生 活意义为主，重在帮助他们理解和掌握应知应会的基础知识 与基本技能。二是具体教学目标必须加以量化。人们常见 的关于课堂教学目标的描述中往往充斥着“了解”“学会” “理解”“掌握”之类的模糊概念，这些概念具有很强的认知 弹性。对于精准教学来说，必须把这类伸缩度相当大的模糊 概念转化为可以操作、能够检测的量化要求，让明确、具体、 清晰的教学目标替代模糊、笼统的教学目标，教学目标是否 实现不再是说不清道不明的事情，而是具有十分明确的量化 判定标准，从而能够让教学目标更好地发挥导向作用，并在 教学活动中真正落到实处。

三、基于大数据的精准教学的实现条件

  教学工作贵在精准，基于大数据的精准教学是全面提升 教学质量的重要保障。要实现基于大数据的精准教学，必须 努力创造以下条件:

  1． 构建专业化的校园大数据收集与处理中心 

   广泛搜集、有效分析整合教育教学大数据，才能为精准教学提供强有力的数据支持。充分收集和科学处理教育教 学大数据，不但工作量巨大、成本高昂，而且离不开专业化的大数据收集与管理体系。因此，要顺利实施精准教学，必须 建立一个专业化的校园大数据收集与处理中心。当前，许多 学校虽然记录、储存了海量的教与学等方面的数据，但是这 些数据分散在图书馆、教务处、科研处、学生处、后勤管理处 等机构中，缺乏一个专门的专业化机构来管理和处理，无论 是学生还是教师都很难查阅和利用这些数据，造成数据资源的严重浪费。通过构建专业化的校园大数据收集与处理中 心，加强教与学数据的收集与管理，促进各类数据之间的集成与共享，针对广大师生的多样化、差异化数据需求，快速高 效地为广大师生提供高品质、深层次的数据信息服务，从而推动精准教学的顺利发展。

 2． 制定大数据收集、处理、使用和共享的基本规则 

 当代的精准教学是基于大数据的新型教学方式，涉及教师的行为习惯、教学方式以及学生的学习行为、学习障碍、学 业表现等方面隐私性数据的收集、处理与共享，这就迫切需 要制定大数据收集、处理、使用和共享的基本规则，确保对广 大师生个人隐私权的尊重和保护。教育管理人员要充分认 识到对教学过程以及学生学习轨迹的跟踪、记录和分析处 理，不可避免地涉及教师与学生的隐私问题，大数据的收集 和使用如果缺乏合情合理的基本规则，必定会遭到来自教师 与学生的抵制和反对。教师和学生是教育教学大数据的创 造者，在对教育教学大数据进行收集、处理、使用、共享的过 程中，必须依靠明确、规范、科学、人性化的基本规则赢得广 大教师和学生的理解与支持，努力保护广大师生的个人隐 私，捍卫他们的合法权益，确保在不泄露个人隐私的情况下 收集、处理、使用和共享教育教学大数据。如果不重视师生 隐私权的保护，以收集和处理大数据为前提的精准教学必然 会失去教师与学生的支持，最终陷入失败的泥潭。

 3． 大力提升教师的核心素养

基于大数据的精准教学对教师的核心素养提出更高的 要求，要促进精准教学的顺利实施和良性发展，教师必须具 有深厚的核心素养，尤其是高尚的敬业精神、卓越的创新能 力和良好的数据素养。首先，教师必须具有高尚的敬业精 神。面对不同层次学生错综复杂的实际情况，教师要紧密追 踪、精准分析并精准实施教学策略和进行有针对性的课外辅 导，无疑需要耗费大量的时间与精力，这对于工作量已经相 当大的多数教师来说，挑战性不言而喻，这既要求通过教育 教学改革科学核定教师的工作量，也要求教师必须具有高尚 的敬业精神，乐于奉献。其次，教师必须具有卓越的创新能 力。基于大数据的精准教学与传统精准教学的根本区别，不仅在于数据采集和处理方式的智能化，更重要的是在于它把 学生创新能力的培养摆在十分突出的位置。很难设想，一个 缺乏创新能力的教师能够把学生培养成创新型人才。只有 大力提升教师的创新能力，在传统的精准教学中融入创新要 素，精准教学才能在创新的时代再铸辉煌。最后，在基于大 数据的精准教学中，教师的数据素养变得日益重要。教师必 须具备良好的数据素养，才能对教育教学大数据进行深度挖 掘和重构，从而有针对性地进行精准教学设计与精准教学实 践，引导和帮助学生发现并解决各种学习问题，使大数据发 挥出巨大的价值。当前，基于大数据的精准教学刚刚起步， 多数教师的数据素养与精准教学的要求还有较大差距，难以 胜任大数据深度挖掘、分析的工作。因此，必须增强教师的 大数据意识，加大对他们的大数据专业知识和基本技能的培 训力度，使他们不断提升基于大数据为学生提供深层次的学 习服务与专业指导的能力。

参考文献:

［1］［4］［8］Ogden Ｒ．  Lindsley．  Precision Teaching［J］． Journal of Applied Behavior Analysis，1992( 1) : 51 － 57．

［2］Danielle  Lambe，Carol  Murphy，Michelle  E． Kelly．   The  Im- pact of a precision teaching intervention on the reading fluen- cy of typically  developing  children［J］． Behavioral  interven- tions，2015( 4) : 364 － 377．

［3］White，O．   Ｒ．   Precision  teaching—Precision  learning［J］． Exceptional Children，1986( 6) : 522 － 534．

［5］雷云鹤，祝智庭． 基于预学习数据分析的精准教学决策

［J］． 中国电化教育，2016( 6) : 27 － 35．

［6］Precision teaching［EB / OL］． https: / / en． Wikipedia． org / wi- ki / Precision teaching，2016 － 5 － 13．

［7］彭红超，祝智庭． 面向智慧学习的精准教学活动生成性设 计［J］． 电化教育研究，2016( 8) : 53 － 62

Accurate Teaching Based on Big Data: Generation Paths and Implementation Conditions

ＲEN Hong － jie

( School of Marxism，The People’s Public Security University of China，Beijing 100038，China)

Abstract: The rapid development of“smart campus”has laid a solid foundation for the use of big data technology to promote accu- rate teaching．  Accurate teaching based on big data is different from earlier accurate teaching，it needs to be generated from the precise “student portrait”，accurate teaching objectives，and precise research，precise counseling and so on．  Its implementation conditions in- clude constructing the specialized campus large data collection and processing center，set the basic rules for large data collection，pro- cessing，use，and sharing，enhance the core of teachers’quality greatly and so on．

Key words: accurate teaching;  big data;  student portrait;  learning pain   point