基于教育大数据的精准教学2.0发展趋势研究
王亚飞 邬诗韵 唐家慧
● 引言
精准教学（Precision Teaching）这一概念最早是由Lindsley[1]于20世纪60年代提出的，它旨在通过设计测量过程来追踪学生的学习表现并支持数据决策[2]，包括选择用一种特定的行为和策略来提高教学质量，记录学生每天的表现，预测其发展的趋势，使教师在取得进展的情况下继续使用教学策略，或者在进展有限的情况下改变教学方法[3]，制订教学决策。
随着社会的进步、教育信息化的推进与发展，时代对人才提出了新要求。《中国教育现代化2035》和《国家中长期教育改革和发展规划纲要（2010—2020年）》中都提到，要“加强创新人才特别是拔尖创新人才的培养”，要“培养21世纪的创新人才”。对人才需求的改变也促进了教学的变革，翻转课堂、慕课等新兴教学模式的出现，学习管理系统（Learning management system，LMS）、在线学习平台等工具和平台的广泛使用，衍生出海量的学生学习过程数据。通过对海量数据的挖掘与分析，诊断学生的学习状况，为不同学生推送适合其个人的学习内容，调控其学习过程[4]，培育个性化人才。由此，精准教学开始进入2.0时代。
● 精准教学2.0的发展趋势
精准教学2.0借助大数据和人工智能等技术记录评价在教育活动过程中产生的数据，以测辅学。它更加强调运用智能技术手段改进教师教学设计及方法，实现学生个体的个性化发展。本文主要从，数据采集、数据分析及可视化三个方面着手阐述精准教学2.0的发展趋势。
1.数据采集更为全面多元
精准教学2.0下的数据采集更为全面、丰富和多元。首先，数据的涵盖范围涉及整个教育活动过程中以及根据教育需要所产生的所有数据[5]，教育数据采集的颗粒度越来越细，采集的频率和精度越来越高。[6]其次，数据收集和记录的方式更多元智能，代替了人为的主观记录，转而采用智能，手段实时记录学生和教师在教与学过程中产生的数据。目前主要通过物联网感知类技术、平台采集类技术、图像与语音识别类技术这三类技术手段采集教育大数据。
物联网感知技术：借助传感器（脑电传感器、眼动追踪仪等）、可穿戴式设备（电子手环等）以及射频识别标签等物联网相关设备作为数据自动采集器，旨在记录采集点的环境参数与学生的生物模态信息。通过对这些采集点的信息进行标识，全方位追踪学生的学习过程，大大提升精准教学的“准度”和“效率”。
平台采集类技术：主要包括在线学习与管理平台技术、日志搜索分析技术移动APP技术与网络爬虫采集技术。[7]在线学习与管理平台技术可以记录学生的学习内容、学习方式、学习成果等数据，如在课堂上，通过平台记录学生的课堂小练答题数据、学生的作业练习数据等，包括做题的顺序、每道题的停留时间、答案修改次数等数据，了解学生对知识点的掌握程度。日志搜索分析技术详细记录了学生在平台上的操作行为数据，包括学生登录时间、学生浏览的视频课件、观看视频时长、是否快进观看、课件的重复观看次数、视频课件观看的顺序等数据。[8]网络爬虫采集技术可以采集学生在网络平台上留言互动、发帖等行为数据，了解学生的个性倾向和性格特征。移动APP技术主要是基于移动终端采集学生和教师的教与学数据。
图像与语音识别类技术：指利用计算机对输入的图像和语音进行匹配、处理、分析，以識别各种不同模式的目标和对象的技术[9]，可以用于采集学生的考试成绩数据，如使用专业扫描设备将考试答卷的作文传入计算机，实现客观题的自动评阅功能;或用于采集教师和学生课堂中的教学数据，如通过智能录播技术记录学生学习行为以及教师课堂教学行为的发生频次、教师站立和走动的教学位置信息、教师上课时的姿态和提出的问题等数据，从多个角度综合判断教师的教学有效性、教学行为规范等。
2.数据分析更为精准有效
精准教学2.0时代，数据处理阶段，更为注重多模态数据的相互融合，精准刻画学习者画像。精准教学2.0使用学习分析技术，综合运用数理统计、人工智能与机器学习算法，对教育原始数据进行分析处理，构建数据模型，从而优化和理解学习，发现潜在问题，预测学习者在学习中的进步和表现。[10]它不仅关注学习者的知识水平，更从生理、技能、心理等多重角度深入了解学生。利用智能学情分析技术，教师可以从学习兴趣、学习风格、知识点掌握情况等维度，精准掌握不同学生的个性化学习需求。
利用大数据学情库，可以汇聚整个班级的学习氛围、学习成绩分布、知识掌握情况等数据。在教学目标上，根据学生前测评估的结果，教师提前精准定位教学的重难点，掌握班级综合薄弱知识点和全班学生对知识点掌握程度的分布情况。此外，通过对全班学生和个人的学习情况的了解，教师也可精准把握每位学生的学习情况，精准定位学生的短板知识和技能，进一步精细化和分层化教学目标，对学业优秀的学生提出更高的目标要求，为他们选择更能拓展深度学习和高阶思维能力的学习目标，对学习相对困难的学生，为他们选择较为基础和简单的教学目标。在教学内容上，通过分析学生的共性薄弱知识点，为不同学科、不同年级、不同需求的教师提供精准的电子课本、教案、课件等素材，教师根据自身需求将优质资源加入教学中。同时，大数据技术也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。建立大数据教学资源库，将输入输出系统的基本颗粒由班级细化到每一位学生，实施个性化资源推荐，为学生提供相应的与教材配套的学习资源和个性化学习应用。在教学路径上，秦丹等[11]提到精准教学要实现借助学生学习情况即时数据分析的结果进行个性化路径的推送，做到因人而异、因内容而异。精准教学2.0时代借助Pad、电子书包、智能学习软件等工具，持续收集整个教学过程中产生的数据，记录学生的学习行为，形成每位学生的学习轨迹与分析结果，最终形成个性化教学。
3.数据呈现更为清晰直观
精准教学2.0下的数据呈现更为简单、清晰和直观。借助数据可视化技术，呈现学科知识图谱、学生的学习变化趋势、师生之间的社会网络关系图等，为教师的决策和教学实践提供依据。数据可视化技术是指将大型数据集中的数据以图形图像形式表示，并利用数据分析和开发工具发现其中未知信息的处理过程[12]，直观了解教与学的情况。在平台上，不仅学生可以浏览自己的学习行为记录（学习时间、时长和浏览内容等），平台也可为学生建立单独的纵向成长记录，形成个性化的学生进步报告。[13]
● 结语
从上面的数据采集、数据分析以及数据可视化的介绍可以发现，数据采集、数据分析及可视化这三个阶段与教学的四个层面（教学评估和决策、教学目标、教学内容和教学路径）相融合，它贯穿整个教学过程（如右图）。通过对教育数据的实时记录采集、全面分析和最终可视化，帮助教师确立教学目标、教学内容、教学路径和教学评估决策，且不断循环往复，持续改进教学过程。
精准教学从1.0时代发展到2.0时代，其内在涵义也发生了转变。从数据的角度来说，数据收集从单维数据走向多维数据，这同时也带来了教学方式和评价方式的转变，教学方式从“班级式教学”走向“个性化教学”，评价方式从“总结性评价”走向“形成性评价”。同时，越来越多的主体都能参与到教学中，企业、学校、家长、教研员等多元角色参与教育教学工作，共同推进教学的进步与发展。大数据、人工智能、云计算、物联网等技术支持下的精准教学2.0更为开放多元、客观有效。精准教学2.0未来的发展还需要更多的研究者和教学者共同参与探索。
参考文献：
[1]Lindsley，Ogden R . Precision teaching： Discoveries and effects[J].Journal of Applied Behavior Analysis，1992，25（01）：51-57.
[2]秦丹，张立新.问题与优化：课堂精准教学实践的现实审视与反思[J].电化教育研究，2019，40（11）：63-69+77.
[3]Axe J.B.（2011） Precision Teaching. In：Goldstein S.，Naglieri J.A. （eds）Encyclopedia of Child Behavior and Development. Springer， Boston， MA.
[4]林红，彭坚，田凌晖.基于大数据的“科学取向”小学教学模式构建[J].教育发展研究，2017（04）：82-86.
[5]杨现民，唐斯斯，李冀红.发展教育大数据：内涵、价值和挑战[J].现代远程教育研究，2016（01）：50-61.
[6]杨现民，骆娇娇，刘雅馨，等.数据驱动教学：大数据时代教学范式的新走向[J].电化教育研究，2017，38（12）：13-20+26.
[7]邢蓓蓓，杨现民，李勤生.教育大数据的来源与采集技术[J].现代教育技术，2016，26（08）：14-21.
[8]吴佳萍，王竹萍，杨欢耸.教育大数据的收集、数据质量分析及数据预处理研究[J].宁波教育学院学报，2016（06）：62-65.
[9]吴小菁，陈星娥.遗传算法在图像识别技术中的应用[J].保山学院学报，2013（05）：73-75.
[10]胡水星.大数据及其关键技术的教育应用实证分析[J].远程教育杂志，2015，33（05）：46-53.
[11]秦丹，张立新.问题与优化：课堂精准教学实践的现实审视与反思[J].电化教育研究，2019，40（11）：63-69+77.
[12]劉勘，周晓峥，周洞汝.数据可视化的研究与发展[J].计算机工程，2002（08）：1-2+63.
[13]张金磊，张宝辉，刘永贵.数据可视化技术在教学中的应用探究[J].现代远程教育研究，2013（06）：98-104+111.
作者简介：王亚飞，讯飞教育技术研究院副院长，高级工程师，硕士，研究方向为教育大数据、智能教育。
