|
转载自公众号：北京大学教育信息化创新论坛 王陆教授保持了21年每周在中小学里听课收集数据，并做了18年的课题“靠谱”，简称教师在线实践社区。是帮助中小学教师怎么从普通的教师，甚至是教育薄弱区域的教师，变成一个优秀教师的研究。这个研究当中必须面临的一个问题，知道一个真正的优秀教师身上有哪些的特质，而优秀老师的特质的研究，随着对数据可获得性的提升，其实研究的方向也逐渐从对教师的宏观人格的研究，到后来研究教师的教学风格、领导力，聚焦到课堂教学行为上，做的主要是基于微观情境当中的课堂教学行为的优秀教师的特质分析。 “我们虽然身处在数据的海洋当中，但是我们却忍受着知识的饥渴”，根据《计算机科学》上的报道，从全世界来看87.5%的数据从来都没有被利用过，而这87.5%的数据当中又有85%的数据是非结构化和半结构化的数据，也就是大数据。跟老百姓最接近的大数据，就是典型的视频数据和音频数据。目前人类社会可用数据中只有0.5%得到了挖掘与分析，大量的数据都没有及时处理，基于大数据的知识发现服务，在这个背景下它就应运而生了。 1 王教授的研究是依据计算机图灵奖的获得者吉姆格雷提出的第四范式，是这个研究所定义的数据密集型科学范式，它的核心方法就是数据挖掘。在这个过程中，可以看到第四范式是强调在庞大的数据基础上，通过计算分析而获得新的发现、新的理论建构的。它是前三种范式的补充。 在这个图中最核心的，做的比较有特色的是怎么去合理删除数据，以及怎么去进行定量和定性的分析，到最后完成发现和总结研究。 2 COP的学习型组织实际上是知识发现服务，是怎么做呢？以课堂为基本情境，以课堂教学行为大数据为支撑，着眼于教师专业发展中的两个显性指标，第一个叫教师群体的实践性知识。另外一个是着眼于教师表现外显出来的课堂教学实践行为，而无论是隐性的实践性知识还是外显的课堂教学实践行为都是可以用大数据测量的，也可以进行干预。 这两类数据是这个研究的主要数据来源，奇怪的是，这两类数据是耦合在一起的。换句话说，它违背了基本的统计学当中样本独立的假设。可以看到，耦合在一起发生了什么呢？可以发现课堂教学型大数据，实践性知识大数据，彼此相互影响。而且发现教师的实践性知识对其教学行为具有决定性的作用，但是反过来课堂教学行为也会强化巩固，甚至是重构教师的实践性知识。
在这样的情况下，首先进行了一个聚类分析。2016年来自于10个项目地区的932位教师，他们是既有实践性知识数据，也有课堂行为教学大数据的教师。结果发现其中有部分教师呈现了这样的特色，他们具有既高水平的38个维度的课堂教学行为，同时也具有了6个维度的高实践性知识的特征。这两项水平都比较高的只有23位，在932位老师当中，占总量的2.5%。那么接着这个聚类的结果也显示出一个非常有意思的现象，在同样的932人当中还有20位老师，他们出现了低课堂教学行为38个维度，以及低实践性知识的水平，这20位老师占总样本数量的2.3%。接下来我们的疑问和研究问题就出来了，一个优秀的教师有哪些特征是需要的？ 3 如果我们能破解一个优秀教师的特质，就能帮助更多的普通教师，或者是教育薄弱地区的教师迅速变成一个优秀教师。接下来的研究问题就提出来了，一名优秀教师他到底具有哪些特质呢？这是一百年来人们一直试图回答的问题。
首先分析了内隐于教师个体和群体当中的一种隐性知识，我们叫实践取向的知识。教师的知识分为两大类，一类是我们现在比较多的内容取向的知识，这种知识是显性知识，看得见，能相传，能写进书本的。但是教师的核心知识并不是内容取向的知识，1981年有一个人首次提出教师的核心知识是实践取向的知识，而不是我们说的显性的学科取向的知识。这样奠定了整个全球教师教育运动的变化基础。
通过研究这些教师的实践性知识成分，优秀教师和低绩效水平教师之间的差异。经过分析以后发现，优秀老师的实践性知识由三个主成分构成的。在六个实践性知识水平中，发现策略性知识，教育信念，自我知识是第一主成分。情境性知识是第二主成分，反思性知识是第三主成分。低绩效水平的老师只有两个成分，他们主要差异在策略性知识和教育信念的差异。那么教育信念是非常重要的一个实践性知识，是老师关于真正信奉的什么是好的教育教学，什么是好的课堂教学的这类的知识。那么他是非常缺乏的。还有一类就是他缺乏策略性知识。
实践性知识，到底焦点在哪里呢？优秀老师和低绩效水平教师之间有没有差异呢？接下来可以看到另外一个研究--文本可视化分析。在研究了这932位教师，以及其中的23位优秀老师和20位低绩效水平的教师的实践性知识的数据以后，发现这个文本可视化，处在中间字号最大的，最清晰的就是他们的实践性知识焦点，显然有显著差异。优秀教师的实践性知识焦点是学生，低绩效水平的教师焦点是教师自己，这是他们巨大的差异。但是这还不够，因为我要想帮助一个低绩效水平的教师去快速成长，我还必须得知道他在实践性知识的知识结构上有什么样的差异。
接下来做了数据挖掘里面另外一种分析，叫多维尺度分析。一个优秀教师群体当中，他的实践性知识是由三个知识群落组成的，右上角是关于教师的知识，右下角是关于学生和课堂的知识，左边这些是他的策略、方法。但是大家可以看到低绩效水平教师的多维尺度分析的数据非常有意思，教师、学生、课堂、问题和策略，全部都是独立的节点，没有建立强连接，这是我们应该找到的一个突破口。 4
光有实践性知识不够，因为实践性知识虽然决定了一个教师的课堂教学行为，但是反过来课堂教学行为的变化也会强化巩固，甚至于是重构实践性知识。所以还要研究另外一个侧面，教学行为特征。李教授指出，教学行为主要是在课堂当中为了促进学习者完成学习而进行的支持性、指导性的活动组合。首先研究了优秀教师群体和低绩效水平教师群体，他们在38个维度上的课堂教学行为上，到底有什么主成分上的差异。可以发现这个差异非常大，有显著的差异，优秀的教师的课堂教学行为以学生为中心，以原理性知识为基础，特别重视课堂中的生成行为。在这种情况下，进行差异性检验，在0.01的水平下，发现优秀教师与低绩效水平教师群体，在六个课堂教学行为上存在显著的差异，创造性问题，讨论后汇报，鼓励学生提出问题等。 5
在知道了实践性知识的差异，也知道了课堂教学行为的差异，接下来怎么帮助别人改进？我们可以看到的是知识发现服务的设计。采用线上线下的混合式学习方式，在线下教师都要向学习怎么对自己的课堂进行数据的汇整、率选、分类、计算，形成自己的大数据，放到云平台上。每节课大概会生成14页左右图文并茂的分析报告。拿到这个报告以后在线上，在助学者的帮助下，要对信息进行分析、释诠、推理、比较。接下来在专家的指导下，由教育人员和学科专家的帮忙下，使教师对信息进行直觉、领悟，形成新的教学信念和价值观，回到线下的教室里进行新的积极实践，产生智慧，从而产生新的数据。
深入的数据挖掘和研究后，产生了三类服务，针对了三种不同的人群。一类是研修知识服务，针对一线教师。一类是再生资源服务，针对教育学研究部门的。还有一类是绩效评估服务，针对于学校领导及领导部门的。这三类服务的综合运用，实际上帮助我们以区域化的推进教师的专业成长，并且取得了显著的成绩。
接下来，我们把大数据整合到教师专业发展里面，做了教学领导力的模型。它实际上三种力组成，洞察力、决策力和影响力。做了一些改进，首先大数据在洞察力的时候是提高了教师用课堂教学行为大数据和教师实践性知识的采集，提升了教师对自己的课堂和同伴课堂的洞察力。另外在决策力的提升方面，教师们可以利用大数据平台和相应的分析工具，可以将课堂教学行为大数据和教师实践性知识的大数据进行分析。这样提高了教师对课堂改进的决策力。另外也可以发现，在这个平台当中，还可以在学习型组织当中，也就是在COP当中，让教师通过技术有效的从知识的教与学的改进，而这种技术就是由我们的方法论组成的，基于大数据的课堂观察方法与技术，基于大数据的教学反思方法与技术，基于大数据的知识建构方法与技术，以及基于大数据的知识管理方法与技术。这四个方法论是教师在项目当中根据同伴互助的方式，一起成长的，也是必须掌握的。 在这个过程中，还可以看到知识生产整个发生了巨大的变化。在大数据时代，知识发现实际上已经让数据从简单的决策辅助品变成了创造力之源。另外，知识发现产生的方式，也早就不是原来由个别的学术权威，或者著名的思想家产生出来的。知识的生产方式，知识的获取方式，知识的传播方式，知识的转换方式，以及知识的评价方式，都发生了巨大的变化。基于大数据的知识发现服务，实际上这个过程就是一种知识再创造和知识创新的过程。而从我们中小学老教师群体当中，诞生出来的鲜活的教与学的知识，才是能够改变教师的教学行为、影响我们的质量提高的重要因素。 |
|
|
