大数据时代,教师如何“教”

大数据时代，教师如何“教”
导语：
去年《国务院关于印发促进大数据发展行动纲要的通知》中关于大数据推动教育发展描述如下：教育文化大数据推动形成覆盖全国、协同服务、全网互通的教育资源云服务体系。

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。

那么具体落实到教学环境中，教师如何运用大数据变革教育方式，提升教育质量？
一、传统教育和大数据时代教育区别
传统教育是工业时代的产物，学校培养学生更像是流水线作业的工人生产一个标准的产品，传统教育的批量培养模式是：在标准化的课堂上使用标准化的教材，统一学习时间和上课地点，通过标准化的考试，培养标准化的人才。

而大数据教育呈现的特征是：弹性的学制，个性化的教材和教学内容，通过个性化辅导，通过线上、线下互动式的教学环境，通过个性化测评标准，培养个性化的人才。

二、教育大数据的数据基础
在学校教育中，发生在教学环境中的数据主要一是教与学行为大数据，二是教育教学评估大数据，这两方面数据既包括老师的数据也包括学生的数据。

教与学行为大数据举例，对于课堂教学来说，主要行为数据指标有学生举手次数、回答问题次数、时长、准确率，师生互动频率和时长等。

教育教学评估大数据举例主要行为数据指标有考试评价数据中课后作业评价数据。

这些数据经过专门的收集、分类、整理、汇总、统计分析通过逐渐累积就能成为教育大数据基础，然后通过数据分析就能持续改进推动教学质量提高。

三、大数据给教育带来什么
1、大数据时代对老师提出新要求
传统教育对教师的要求比较单一，老师们只要根据教材和课程标准进行教学，讲得生动、清楚即可。

而现在，对教师的需要是复合式的，他们既要懂得如何搜集信息、组织教学资源，还要挖掘数据当中的内容，借此了解学生并调控课堂节奏，有效地实施教学。

“在大数据时代，老师的教学必须是个性化的教学，要根据大数据提供的不同学生的不同情况，及时提供有针对性的教学方案。

”用大数据读懂学生，提供个性化教育。

当前，老师首要解决的是思想和意识的问题，要树立数据思维和大数据意识，并主
动学习相关技能和素养。

当经验和大数据发生矛盾时，需要懂得如何对待采集的数据，这背后是老师对教育教学技术的理解;再比如对数据知识有所了解的老师不该只看学生的平均分数，因为这会对教学的估价产生影响。

同时，老师除了会分析数据还要主动应用数据，要把采集到的数据结果和日常行为结合起来。

大数据时代的到来已是历史发展的必然趋势，老师不能局限在固有的教学模式中，而应努力基于数据去改变，主动用大数据指导自己的教学。

2、用大数据读懂学生，提供个性化教育
传统教育讲究“因材施教”，但“因材施教”的前提是了解学生，你需要了解每个学生特点、现阶段水平及改进方向。

在目前教育体系下，老师需要做好学生诊断工作，借此来读懂学生，而大数据恰恰可以在这方面发挥作用。

比如在批卷系统中，可利用特定机器快速扫描采集作业、试卷数据，并可以精确统计错题率，选择题更是可以统计每个选项的选择人数。

这样，老师可以第一时间准确了解每个学生对各知识模块的掌握情况，为个性化教学提供参考，使教学更高效、更有针对性。

系统还可以分析整理学生的错题，生成诊断报告，即哪些知识点还未熟练掌握，进而提供个性化学习包，形成学业追踪档案，建立一套学生个人的自适应学习系统。

而老师也可以此为每名学生定制作业。

大数据可以精准的了解每个学生对各个知识点的掌握程度，帮助老师针对性地布置课业，减少重复，提高教学效率和教学质量。

3、用大数据为学生减负释放剩余时间
为学生减负在目前中国教育环境中成为国家教育机构、学校、老师、学生、家长共同面临的问题，减负的压力和升学的压力的矛盾共同体长期困扰着社会。

特别是中小学生长期背负大量课后作业而感到压力山大，老师也要面临大量作业批改负担而感到身心疲惫，家长更是担心孩子身体和心里的健康而惴惴不安，所以通过大数据手段解决学生减负迫在眉睫。

大数据技术无论是在老师的教学效率方面和学生学习效率方面都有很大帮助。

比如，原来一节课老师只能讲解10道题，利用大数据后提高教学效率可以讲解20道题，教学效率提高一倍；学生课后要做20道题，而利用大数据后，结合各个学生学习现阶段特点和知识掌握情况，每个学生只需要做5道题，学习效率提高4倍。

效率提高后，学生更多时间就被释放出来，可以在学业之外积极参与公益、社会实践活动中去，或者培养兴趣在文艺、体育方面取得均衡发展，毕竟学习不止是升学考试。

四、教育大数据模型如何构建并支持学生成绩提高
由于国内大数据教育开展相对国外来说比较晚，系统研究不是很完善，没有形成完整的思路，而这里可以借鉴美国的成功经验来指导国内大数据教育。

美国哈佛大学开发的DWIP 模型（如下图）就是一套成熟的大数据教学模型。

该模型能够帮助教师更好的利用数据确认学生学习需求，生成和实施教学方案，并衡量这些教学方案的有效性，持续改进，该模型是一套可以自我进化的模型。

DWIP模型实施三个阶段以及八个步骤：
阶段一：准备阶段
1.组织数据团队。

制定计划和时间表，建立管理员、教师等人组成的数据团队，创建
数据调查表。

2.发展评价素养。

发张教师评价素养，形成共同语言。

包括确定评价工具、应用评价
条件、原则，建立测验数据和课堂评价之间的链接等。

阶段二：探究阶段
3.创建数据概览。

通过形象的条形图、折线图、饼图、散点图等，展示各种数据和标
准化的测验结构。

通过可视化图表更直观的理解复杂数据。

4.挖掘学生数据。

通过数据概览之后，教师要开始深入挖掘学生数据，挖掘学校目前
共性即普遍性问题和个性即每名学生自己的问题，然后才能针对性提高训练。

5.检查教学。

通过数据挖掘找到核心问题后，如何提出针对性解决方案解决此问题，
教师要通过检查教学，收集多个实际发生的证据，将学习者中心问题重构成实践问
题。

此时教师将重心通过团队协作决定“提高学生成绩的教学策略或教学改革是什
么”，只要学生数据得出的见解与核实的教学策略或改革相结合，才能达到预期改
善学生学习目的。

阶段三：行动阶段
6.制定行动计划。

行动计划要指出完成的任务、地点和人，规划成员的角色和责任制，
建立内部问责。

7.评价学生进展。

教师开展行动前应确认评价学生学习进展的方法。

学校要事先规定
教师收集哪些短期、中期、长期的数据以及如何收集这些数据。

同时，教师要制定
改进学生学习状况的短期、中期、长期目标。

8.行动和评价。

行动阶段的最后一步是随着连续性的调整行动的深入，教师要对行动
计划的有效性进行评价，并进行相应的调整。

接着教师要重复这一循环，回到探究
阶段，来验证实施行动有效性。

对教师而言，实施行动就像是做实验，目的在于测
试教学方案的行动效果，所以该模型是一个可以自我进化，持续改进的教育模型。

五、未来教育发展将是大数据驱动
对于已经到来的大数据时代，教育从业者应该认识到大数据变革教育不可避免，唯有主动学习，快速掌握大数据时代对教育工作者的新工作技能要求，通过大数据分析为每一位学生量身定做学习环境和学习课程，利用数据分析预警在教学工作中学生成长面临的问题，制定持续改进的学习进程，通过数据分析改善教学方式方法，才能真正实现教育的科学化和学习的自主化，促进教育事业发展迈向新高度。