搜索
教育大数据支持的教师教学决策改进与实现路径教学决策是教师日常教学活动中的普遍行为。谢弗尔森（R.J.Shavelson）指出，教师在课堂中平均每两分钟就做出一次交互性决策，教学决策因而应被视为教师基本教学技巧[1]。教师作为课堂教学的组织者和发起者，对整个教学决策过程的统筹安排起着主导作用，直接影响着课堂教学的质量，保证教学决策的针对性和科学性成为有效教学的应然之举。必要的情感涉入及价值传输是实现教育人文关怀的重要保障，但由于受到不确定的教学情境与有限教学信息的影响，当前的教师教学决策遭受到在教学计划阶段倚重主观经验判断、在教学互动阶段缺乏权变应对、在教学反馈阶段评价诊断缺失等困境，难以适应课堂教学改革与高质量教育的发展需求。在教育信息技术快速发展的时代背景下，慕课、翻转课堂、教育数据挖掘和学习分析技术广泛运用于课堂教学实践，海量的学习行为数据推动着教育大数据时代的到来。教育大数据即是指用于指导教育发展，具有巨大实用价值的数据集合，泛指在教育教学、管理活动、校园活动、科研活动中根据需要采集到的一切教育类数据[2]。从教育大数据的体量上看，对教学过程中的课程资源数据、作业考试数据、师生信息数据和校内视频录像数据进行统计估算，我国基础教育阶段一年的数据量可达到12Eb[3]，完全符合业内对大数据体量的要求（Tb级以上）；从类别上可划分为学校系统内部的教育教学数据，如在线学习系统、学习管理系统、学校信息系统中的教学数据，以及互联网和社交媒体中产生的相关数据。与传统的教育类数据相比，教育大数据具有数据量膨胀扩充、数据运转速度快、数据结构种类增多、数据潜在价值巨大等特征，能够适应教育大数据条件下对教学决策信息的全面掌控、对变幻教学环境的灵活应对、对教学评价的即时反馈要求，是提升教学决策水平的有效手段。教育大数据对教学实践的变革作用及巨大的发展潜力，为实现教育方式变革、改善教师教学决策提供了契机。国务院颁布的《促进大数据发展行动纲要》明确指出，“探索发挥大数据对变革教育方式、促进教育公平、提升教育质量的支撑作用”[4]。教育大数据对教学变革产生深远影响逐步得到社会的广泛认可，接下来的重要任务是，如何实现大数据与课堂教学的深度融合，使教师教学决策能够在教育大数据的指引下得到改进。本文聚焦教育大数据在微观课堂中与教师教学决策的整合，在分析传统教师教学决策所面临瓶颈的基础上，探讨教育大数据支持下的教师教学决策改进状况，即实现的路径。一、教师教学决策面临的瓶颈教师教学决策可以理解为教师为实现教学任务及目标的有效达成，凭借个人经验和思维体系，充分利用教育情境中的相关信息，以决定适应特定情境的教学方案的过程。根据教学决策的流程设计，哈奇森（JaniceHutchison）等人将其划分为教学的计划与准备阶段、互动决策阶段及教学评价反思阶段[5]。教师教学决策对教学活动起着指导性作用，在内外部环境及个体经验高度不确定的情境下，教学信息的收集处理就成为科学教学决策的前提，是确保教学过程正常运行的必要条件。因此，科学教学决策的核心可视为教师对相关教学信息的收集与处理、分析与判断，以达到合理选择教学方案和有效评估教学效果的目的[6]。数据作为信息的表现形式和重要载体，在教育大数据日益扩充的背景下，传统意义上的教学决策受限于技术层面的数据处理困境，以及思维层面的教学路径依赖，面临着教学设计阶段的信息稀缺而不得不依赖主观判断、教学互动阶段的情境干扰而无法权变应对、教学评价阶段的证据缺失而反馈低效等问题。1.倚重主观经验判断教师思维方式和价值体系在日常教学活动中占据着重要地位。有效教学固然离不开经验的牵引指导，但过多地依赖于主观臆测及片面推论则易造成经验主义的教学价值取向，主要表现为对教学内容和目标缺乏针对性的界定，以及“粗放型”的教学方式上。对教学内容和教学目标缺乏有效的界定，使教学内容超出学生的理解范围，很难在新旧知识之间建立逻辑性联系，导致学生对知识方法的掌握和知识结构的构建出现偏差，教师不能根据具体的学习内容合理分配教学资源。“粗放型”的教学方式则无法保证学生对关键知识点的准确把握，教师常常忽视学生既有的知识水平，用“满堂灌”的方式展?_知识讲授，教学进度安排不能按照学生的实际掌握程度动态调整，对于学生个体之间的学习差异也无法“对症下药”，学生的个性化培养成为空谈。对学生主体地位以及教学目标的双重忽视造成教师教学设计准备不足。面对复杂多变的教学情境，教师则只能依赖于惯常的教学经验。零散积累或借鉴他人的教学经验也得不到系统整合，更无法让教师对教学内容进行充分的掌握和评判，导致教学设计阶段的科学完备性得不到保障。2.缺乏权变决策应对教学情境是动态变化的发展过程，其内外场景的不确定性决定了教学决策要根据现实情境随时调整。教学目标的进展状况、特定的教学意外发生以及学生即时的课堂反应，都应该成为教师灵活应对教学情境的相关因素。但在当前的教学过程中，教师在课堂中遭遇偏离教学设计的情况时，教师较少关注学生的课堂反应，仍继续按照预想方案进行授课，忽略了学生的个体感受和情绪波动。有调查显示，当学生在课堂中表现出神态或语言上的茫然、沉默时，仅有不到三分之一的教师能对其进行有效调整[7]。此外，教师往往忽视学生的能动性，如在课堂提问中忽视学生探究性能力的培养、提问的覆盖面较低、很少为“差生”提供回答问题的机会、提问的交互性不强、追求统一标准而导致问题的探究性价值不高[8]。这种被动应付的教学方式直接导致了知识传递的衔接性缺失，降低了学生的学习效率及趣味性。究其原因，在于教师对教学信息的有效把握程度不够，对学生即时呈现的行为信息没有展开收集处理，没有随时根据教学情境变化调整教学决策的预案，致使整个教学过程的程式化、机械化问题凸显。3.评估反馈活动缺失本杰明?布卢姆（BenjaminBloom）认为，评价反馈活动是与学生成绩紧密相连的一种教学行为，强调教师能够理解学生需要学习何种知识信息，并提供给学生应有的矫正性程序才是有效的教学活动[9]。教师应当在教学过程的各个阶段展开对教学效果的评价反馈，尤其是在单元授课活动结束后，要对学生的知识掌握程度和教学目标的达成效果进行检验，根据系统的教学评价体系整合教学过程中的疏漏及不当之处。但受限于传统的教学习惯和分数至上的思维观念，教师评估自身教学行为以改善教学效率的现象并不多见。绝大多数教师将时间分配在备课和批改作业上，很少邀请同事评价诊断自己的课堂教学，没有采纳和听取学生反馈意见[7]。在教学评价的时效性上过早或延迟的反馈，不利于学生的知识积累与消化吸收；在反馈信息的多寡方面产生“信息超载”，超出学生的可接受范围；在反馈信息的方式上拘泥于口头表述，忽略了书面传达与行为示范的交叉使用。这些依赖于传统反馈方式的教学评价活动仍极为普遍，阻碍了教师教学水平的提高，学生学习的有效性受到质疑。二、教育大数据支持的教师教学决策改进大数据在教育教学领域的主要技术应用为教育数据挖掘和学习分析，它对在线学习数据进行整理分析、问题诊断和发展预测，可以协助教师根据学生的行为数据表现判断其知识基础及思维特征，为学生制定个性化的学习方案；同时，教师能够利用可视化的数据分析工具呈现全程课堂教学的运行轨迹，及时解决教学问题，反思自身的教学行为，为教学决策的合理性与有效性提供支撑。大数据分析技术从纷繁复杂的教育数据中发现相关关系、诊断教学问题、预测事态走向，对指导教师教学决策具有重要的实践价值。从根本上来说，体现的是一种工具理性的价值取向，也是循证型教学决策（Data-BasedInstructionalDecisionMaking）在大数据时代的新发展。这意味着，教师在教学实践中不应仅凭个人直觉、经验和未验证的理论，而需要更多地依靠科学依据和实证研究结果做出决策。教育大数据支持下的教师教学决策流程（具体参见图1）是基于对数据收集和分析之上的科学判断，具体体现为教学设计阶段、教学互动阶段、教学评价阶段的决策改进。1.教学设计阶段：数据的科学引导与预测教学设计与准备是课堂教学的首要阶段，是教师系统地对教学目标、教学内容、学习资源及学习者进行分析和描述，以确定教学方案并不断对其进行修正的行为过程。大数据分析技术和大规模在线学习课程的快速发展，为教学提供了多层面、多对象和多元化的学习支持服务，能够及时记录在线学习过程的统计数据，为教学策略的制定提供了海量的信息来源[10]。教育大数据引导下的教学设计侧重于对数据的收集处理、可视化呈现及预测，通过对在线学习系统（CMS）、学习管理系统（LMS）、学校信息系统以及互联网数据的收集整合，能够为教学方案的设定提供持续的数据支持。在教育信息技术的推动下，在线学习成为学生重要的学习途径，如MOOC、翻转课堂以及移动学习终端得以在课堂内外广泛使用，为收集碎片化的学习行为记录创造了条件。当学生利用在线设备进行阅读、写作、测试、资源分享等活动时，在线学习系统便会对学生的学习轨迹和行为数据进行收集，包括学生在线学习的时间、浏览查询相关网站、互动交流、课前预习情况等。这些都是学生个体学习风格和知识掌握程度的集中体现。在对学习数据的收集和整理之后，通常利用定性和定量相结合的方法对数据进行分析。对于常规、直观的数据信息，结合个人教学经验、逻辑判断等定性预测方法就能解决；而对于日益增长的结构化与非结构化数据，则需要采用定量的大数据分析方法进行处理，以揭示教学要素的相互关系。经过数据处理软件的分析，利用可视化工具，能为教师直观地提供学生的学习过程变化、学习效率高低，最大程度地绘制学生学习的动态发展轨迹，为教师进行教学指导和设计课程方案提供依据[11]。如图1所示，教育大数据支持之下教师教学决策流程的教学设计阶段，教师们可以通过软件技术实现对学生学习情况数据的收集和分析，为教师进行学情分析、界定学习目标、确定教学内容，以及准备教学资源提供科学的决策支持。2.教学互动阶段：即时决策与个性化指导教学互动是对教学设计的检验与实施阶段，涉及课堂教?W活动安排、教师与学生的互动交流、知识的系统讲授等行为方式。传统的教学互动多是根据预定假设而不是课程进展状况随时调整教学决策方案，无法实现对教学情境的即时反应，也难以顾及到学生的课堂行为表现及思维变动，更无法实现对教学问题的针对性解决和个性化学习指导。借助教育大数据支持的教学互动，能够最大程度地为教师分析学生学习数据和个性化教学提供支撑。首先，通过教育大数据应用系统的聚类分析，可以全方位地记录每位学生的学习过程和学习特征数据，经过数据可视化工具处理，能为教师即时展示大量繁琐的学习行为数据。与传统线下单向性传递的教学数据不同，这种直观形象的可视化工具可以为师生提供交互性的学习支持。例如普渡大学使用的CourseSignals系统是利用教育大数据改善教学的典范。通过对在线学习平台、学习管理系统中的学生成绩、个人排名、学习特征、预先知识掌握程度等数据加以收集和分析，并用红、黄、绿三种颜色来标明系统对学生学习状态的预测结果，建立即时的学习预警机制[12]，使得学生与教师可以有效地审视学习行为的动态信息。其次，这种即时性的课堂决策方式在加深师生间互动交流的同时，也必然促使个性化的学习指导模式得以发展。教师利用数据分析结果为学生提供针对性的教学内容，深度分析学生学习偏好、学习风格及学习需求，随时观察其学习进度与知识掌握程度，实现教师对学生的干预性指导教学。3.教学评价阶段：系统评估与有效反馈在教学评价阶段，教师不仅需要判断教学目标的完成程度，还要利用多种评价方法对自己的教学行为加以反思，如测试量表、档案袋法、课堂观察等方法，以确保对教学决策方案的有效反馈。但这些常规评价方法的时间和人力成本较高，难以持续开展，且多集中在学生学习结果及片段化的教学信息上，忽视学生整个学习流程的系统性评价，因此教学评价机制过于单一，缺乏灵活性和针对性。基于教育大数据支持的课堂教学评价能够实现全程化的教学数据收集，系统地整合教师与学生的行为数据，全面客观地展示教学知识的内化过程，摆脱传统教学评价中对学生学习结果的过度关注。它由过去对基础知识的单向