摘要
针对当前教研效能低下的困境，本研究以数据驱动的精准教研为突破口，从精准教研的内涵中把握了其需求个性化、过程数据化和决策循证化的关键特征，进而提出了基于学习分析的课堂教学改进、基于课堂观察的教学行为分析和基于质量评估的精准教研帮扶三种应用场景。文章提供了每种应用场景的应用案例，旨在阐释精准教研在实践层面的实施特征、思路与路径，为一线教研实践提供参考。
|
本文由《数字教育》授权发布 作者：林梓柔 胡小勇 摘要
一、引言 教研是促进教师专业发展的重要途径。新中国成立以来的中国教研历史上，数以千万的教师通过教研活动获得专业成长。[1]然而，随着时代的发展，教师教研的外部环境和内生需求发生了重大变化，传统教研在实践中出现了许多问题，例如教师需求错位、工学矛盾凸显及交流反馈迟滞等。其中较为突出的问题是教研效能低下，这归根结底是教研数据的运用存在瓶颈。“互联网+”时代，云计算、物联网、人工智能等新一代信息技术的蓬勃发展和广泛应用，无一离得开数据的底层支撑，有数据才有智能，有数据才有精准，数据对教研的驱动作用亦当如此。在此背景下，精准分析和运用学生数据、课堂教学数据和区域教育数据，已经成为教研发展的新趋势和新热点。 二、精准教研的内涵及特征 （一）精准教研的内涵 借力于信息技术的发展和进步，“精准”一词在各个领域广泛应用——从政府工作的“精准扶贫”到医疗卫生的“精准诊疗”，再到教学领域的“精准教学”“精准评价”等。其中，精准教学（PrecisionTeaching）理念是指教育应该像科学那样，通过设计量化的教育测量方法来收集数据，表征学生的学习表现，以此为基础支持教师决策。[2]基于此，精准教研（Precision TeachingResearch）可以理解为，以教师专业发展为愿景，基于信息技术环境收集多模态数据进行分析和应用，以支持课堂教学改进、教学行为优化与宏观教研精准决策的一种教研形态。 （二）精准教研的关键特征 精准教研是“互联网+”时代的一种教研形态，强调“用户意识”，关注教师的教研需求，通过数据来驱动和优化教研关键环节。精准教研的三大关键特征分别体现在： 需求个性化。精准教研的服务对象是教师个体，教师的教研需求来源于教学实践，每位教师的教学对象特征不同，教学问题不同，教研需求也不同，因而教研主题和教研内容应当是个性化的。 过程数据化。教研过程产生的海量数据是促生精准评估和智慧决策的基础。丰富的信息技术手段贯穿应用于教研全过程，包括研前需求调查、研中信息交流、研后评价反馈，这使得过程性数据的采集、处理、分析和表征成为可能。 决策循证化。不同于传统教研只注重结果性评价，精准教研强调过程性评价和决策。能否智慧决策的关键因素之一在于是否有丰富且真实的证据作支撑，以辅助决策者结合教研实际拟定合适的优化方案，小到新一轮教研计划，大到区域教研改革，以实现精准决策。 三、精准教研的典型应用场景 本研究着眼于不同的数据主体，选择三种典型的精准教研应用场景，分别是基于学习分析的课堂教学改进、基于课堂观察的教学行为分析和基于质量评估的精准教研帮扶，从不同角度对精准教研进行阐释，如表1所示。 （一）基于学习分析的课堂教学改进 基于学习分析的课堂教学改进是一种着眼于学生学习痛点的教学研究方式，教师基于大数据进行学习分析、评估和诊断，以问题为中心在教研共同体中开展交流研讨，集群体智慧提出优化方案，对课堂教学进行再设计和改进。“学习分析系统”在本应用场景中提供技术环境，它是指大数据支持的，以数据挖掘、处理和分析为技术手段，基于合适的学习者模型，对学习者及其学习情境的数据进行测量、收集、分析和表征的一体化平台。[3]在本应用场景中，学生的个人信息、学习情境数据、学习行为和结果等大数据来源于学习分析系统，它通过教育大数据表征学习过程，驱动教师的课堂教学改进。 1.应用流程 （1）确定问题，分析数据 教学改进的起始是基于一个教学问题，有问题才有改进。教师根据自身的教学经验和教学智慧可以判断并确定一个问题，如学生总体上不能较好掌握某个知识点。教师围绕问题分析系统推送的学习数据，例如学习时长、学习频率、论坛讨论、测验成绩等统计数据，再结合线下教学情境做出精确判断，找出问题的真正原因。 （2）交流研讨，提出方案 当教师无法独立解决某问题时，可以将其提炼成一个教研主题与同伴教师交流研讨。研讨需要基于明确的教研活动计划和目标来组织教师进行问题讨论和观点分享，利用丰富的技术和制定合适的机制来支持和激励教师积极思考、交流互动和观点表征，最终在整合提炼全体成员观点的基础上，再设计下一轮教学实践的行动方案。 （3）实施行动，记录过程 根据教研过程中确定的改进方案，教师再设计课堂教学，开展新一轮“计划、行动、观察、反思”教学实践，利用学习分析系统伴随式收集教学过程数据或者采用视频技术进行课堂观察实录，为后续再反思和再改进提供数据支持。 （4）评价效果，互评反思 课堂教学改进的评价包含两层要义。其一是学生学习效果的评价：在一段时间后，利用学习分析系统提供的数据来表征学生的学习变化，以评定教学方案的实施是否取得良好效果。其二是教师教研效果评价：对参与教研的教师进行过程性评价，收集教师的自我量化数据、过程行为数据和教研成果数据，通过评价反促教师专业发展。 2.案例：数据驱动的教师探究 “教师探究”（Teacher Inquiry）是指教师经过实践调查确定问题，收集能够启发教师进行后续教学设计的学生学习数据，以此为依据进行教学反思和改进的一系列行动。[4]“教师探究”是国外广泛实施的一种教师活动，其内涵和课堂教学改进非常相似。西班牙龙佩法布拉大学（Universitat Pompeu Fabra）的科恩斯坦迪诺斯.米克斯（Konstantinos Michos）等学者在2016年依托一个20人规模的教师培训工作坊开展了以“混合式MOOCs设计”为主题的教师探究。[5]其主要思路和实施模式如下：①教师需要基于已有的学生学习分析数据，包括学生的参与度、学业评价、学业进步、满意度以及教学情境等多模态数据，明确任务要求、调查学生需求、进行教学设计和准备教学资源。②教师以学习分析数据为基础进行MOOCs的教学设计，初步设计出MOOCs的低精确度模型。③在低精确度模型的基础上，教师通过可视化的学习分析数据来进行探究和再设计，这期间包含个体的教学反思和群体的交流研讨，在合作中完成高精确度模型。④在设计完成之后，教师们参与了两部分评价，一是对支持教学设计的学习分析数据进行有用性评价，二是对同行间合作实践进行评价并分享教研成果。该工作坊中的“基于学习分析数据“”在团队探究中进行”“教学设计与再设计的迭代”等特点都鲜明地体现了基于学习分析的教学改进的思想。 （二）基于课堂观察的教学行为分析 基于课堂观察的教学行为分析最早起源于20世纪60年代，目前已经成为一个应用广泛且重要的教学研究途径。[6]课堂观察经历了从传统的纸笔记录到摄像记录再到云端记录的过程，课堂行为数据采集技术和设备越来越丰富且轻便，例如行为采集跟踪系统、眼动仪、可穿戴设备、云录播系统等等。以云录播系统为例，基于课堂观察的行为分析依此采集课堂教学行为的流媒体数据，允许自动或手动在一定的时间间隔内对师生行为进行标记，并借助“教师行为分析量表”进行聚类量化。教研共同体，包括参与教研的教师，指导教研的教研员，研究教育的专家学者，可以通过实录视频来观察和解构课堂，基于证据对一堂课的结构和特点进行深入分析和反思，精准发现课堂问题并提出改进意见，有利于授课教师提升教学能力，促进教师共同成长。 1.应用流程 （1）发现问题，制订计划 采用课堂观察开展教研的情况通常分两类：一是新手教师需要通过课堂实录来寻找和分析自身存在的教学短板，如教学语言和行为举止方面；二是借助视频采集技术对教学经验丰富型教师的优质课堂进行教学分析，以供同行学习和借鉴。因此需要明确不同应用目的，分析所选教学内容，精心设计教学策略和准备教学资源，制订相应的课堂实施和观察计划。 （2）课堂实录，量化分析 通过行为数据采集设备对课堂进行教学实录，根据不同目标和情境，采用相应的课堂分析方法进行标记、统计和分析。就云录播系统而言，目前常用的是S-T（Student-Teacher）分析法，即将课堂行为分为两类。T类数据是指教师视觉或听觉的信息传递行为，剩下的全部都属于S类数据，通过两类数据的比值可以判断课堂的教学模式类型，如对话型、练习型、混合型或讲授型，这种量化分析方法使得课堂观察更加客观。[7] （3）在线评课，同伴交流 通过线上课堂观察，同伴教师可以在线听评课，在任意时间任意地点都可以对一堂课进行浏览、点赞、评论、标注等，同时也可以接收到其他教师对该课的评论和建议，在交流中形成多向良好互动，打造高凝聚力的教研共同体，提升专业能力。 （4）行动迭代，评价反思 授课教师针对同行教师提出的建设性意见进行对照反思，再优化教学设计，开展下一轮的教学行动，同样进行课堂计划、行动、观察和反思多轮实践，教学智慧正是在这样的迭代反思中生成的。 2.案例：COP项目助力教师实践性知识增长 教师在线实践社区（The Teacher’s Online Communities of Practice，COP）项目是国内具有较大影响力的技术支持教师专业发展的项目。该项目主要是以专家帮助中小学教师利用课堂行为数据进行教学分析的形式来开展精准教研。 COP项目组和各类中小学校合作，采用专家进课堂的方式，长期帮助教师收集课堂行为数据，采用多种定量方法分析课堂数据，向授课教师提供专业报告，促进教师自我反思和集体反思，在这个过程中也帮助教师从专家依赖走向自主分析。该项目采用的课堂数据分析法有两类：一类是以S-T分析法为代表的编码体系分析法；另一类是记号体系分析法，主要是对课堂上的问题类型、教师理答方式、有效性提问和对话深度进行记号。该项目研究表明，课堂教学行为分析与教师实践性知识存在相关关系，教师实践性知识包括教师的教育信念、策略知识、自我知识、情境知识、人际知识和反思知识等。[8]2009年至今，COP项目已经发展形成了一个较为完整的教师专业发展模式，为教师的精准教研提供服务。 （三）基于质量评估的精准教研帮扶 “治贫先治愚，扶贫先扶智”，教育帮扶是精准扶贫的一个工作分支。当前教育帮扶的政策价值选择正从物质层面的教育信息化基础设施帮扶转向人力层面的教师教学能力帮扶[9]，借助信息技术开展跨区域互助的教研能够有效帮助落后薄弱地区的教师快速提升教学能力，这正在成为一种重要的精准教研帮扶方式。 教育质量监测系统能够收集大范围的学校教育数据，整合区域教育信息系统、教育考试系统和教育评价系统，对区域内所有学校的办学数据和教育数据一体化呈现，为精准教研帮扶提供了“病历”，教育部门根据适宜的评估体系获取、分析和应用数据，把握薄弱学校的“病症”，采取帮扶措施开出教研“药方”，追求整体教育质量的提升。 1.应用流程 （1）对象精准确定 即使是在信息化程度落后的欠发达地区，不同条件和水平的学校，其教师队伍的发展需求仍有所差异。教育质量监测系统能够采集包括教师个人档案在内的多源数据，这可以为帮扶对象进行精准“画像”，进而为教研帮扶提供依据。同时，教师通过精准教研帮扶所获得的专业能力提升也能通过数据体现。 （2）决策精准生成 对数据进行获取、处理和分析后，通过可视化分析技术将其表征出来，形成面向决策者的专业分析报告，决策者发挥数据智慧，从“怎么样”“为什么”“怎么办”三个方面来解读教育质量数据，解读和探析数据背后的教育规律，设计教研帮扶方案和策略。 （3）措施精准落地 措施的落地需要兼顾技术环境、组织协调、评价机制等各方条件，尤其是技术环境。云计算、大数据和移动技术的支持使学校可以依托视频会议系统或直播APP开展校际远程协同教研，跨越时空和资源壁垒，具体的实现形式有专家线上直播讲座、网络名师工作室、专递课堂、同步课堂等。依托信息技术平台开展的网络教研活动组织凝聚力较弱，需要发展一套数据驱动的教研评价激励机制，这样既有专业发展的内驱力，又有措施保障的外驱力，才能真正常态化发展。 2.案例：数据促生闵行区教师发展 上海市闵行区是“教育信息化创新应用”全国示范区。自2011年起，闵行区开始建设“闵行区教师专业发展数字化支持系统”，目前该平台集成了面向全区教师的“研修网、云录播、质量分析、档案管理、档案分析和个人空间”六大模块。每位教师都有一个专业发展电子档案，电子档案袋存储记录了教师入职以来的教学、比赛和科研经历等海量数据，为精准教研帮扶提供了数据依据。[10]闵行区教师专业发展电子档案的数据采集、整合、挖掘和分析的功能，一方面可以支持教育部门对教师进行发展性评价，可视化呈现全区教师的发展水平，使教师绩效评价更加量化和精准；另一方面可以通过数据进行教师队伍质量分析，为能力薄弱的学校和教师提供精准的帮助和扶持。目前常见的帮扶形式有在线专家讲座、教师教育课程、一点带多点、一校带多校等措施。 四、结束语 大数据时代，教育数据以海量、全面和真实为显著特征，为驱动精准教研提供了可能。学生学习数据、教师行为数据和区域教育数据有助于映射和勾勒出不同教研应用场景的特征和轮廓，帮助教研共同体精准把握方向，提升教研效能。然而，不同于网络用户行为数据，教研数据具有特殊性，在精准教研实践中，仍然会面临着教研数据有效采集、合理应用和隐私保护等方面的挑战。因此，后续还需要研究精准教研挑战的可行性措施和对策，在实践中更好地指导教师开展教研活动，促进教师专业发展。 排版、插图来自公众号：MOOC（微信号：openonline） MOOC执行主编：李国丽 室联网空间站： 业务联系：董老师 15210808569 联系地址：北京中关村大街18号B座902室—室联网空间站 |
|
|
