基于质量监测大数据分析的教学行为诊断与优化研究

项目缘起——

2012年以来，大数据（big data）一词越来越多地被提及，人们用它来描述和定义信息爆炸时代产生的海量数据。

哈佛大学社会学教授加里•金说：“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”

例如：麦当劳、肯德基以及苹果公司等旗舰专卖店的位置都是建立在数据分析基础之上的精准选址。而在零售业中，数据分析的技术与手段更是得到广泛的应用，传统企业如沃尔玛通过数据挖掘重塑并优化供应链，如卓越亚马逊、淘宝等电商则通过对海量数据的掌握和分析，为用户提供更加专业化和个性化的服务。

面对已经到来的大数据时代，能给教育行业带来哪些发展空间和想象呢？目前，我们对一个老师的教学行为和学生学习效率的评价，往往凭借一两次课堂调研和一两次学业质量检测结果，这样的评价受考核者的主观偏好、时空限制等影响有失客观与科学，依据评价所进行的教学变革也缺乏针对性。我们的项目研究就从这里开始。

我们在思考，如果能借助工具，搜集海量的教育大数据，通过科学的数据分析，就能更多地基于事实与数据做出决策，更客观、更科学、更准确！

项目推进——

教育大数据的应用，重点在于知道要分析哪些数据，如何收集这些数据。我们的研究分两个阶段推进——

一、基于教学结果的大数据，让教学诊断和优化的有方向

首先，集团引进了学生学业质量管理平台和学习平台，在网络技术支持下建立庞大的教学数据库。一方面，我们借助学习平台搜集课堂学习过程中产生的数据；另一方面，借助“大数据”背景下的质量监测平台，按教学目标和重点来搜集教学结果的数据。

借助平台的优势，按研究的需要进行数据的统计分析，形成有针对性的数据分析报告。班级纵向的能力发展的数据比对分析，可以从点上发现个别问题；年级或学科关键能力层面上的数据对比分析，可以从面上发现共性问题。学科调研因需而动。教研组对数据分析中发现的问题进行分类，分层跟进调研，探寻教学行为得失的根源。对点状的教学行为问题，开展定向调研（定对象、定主题、定频次），进行专项指导，优化教师教学行为，提升教学新基本功；对普遍行教学缺失开展专题教研活动和校本培训，整体探讨针对性措施，提炼策略，建立教学新常规。个人研究从“真问题”出发。教师在日常教学中借助“学业质量管理平台”的质量监测数据开展分析，通过年级平行班横向数据分析、学生个人关键能力发展纵向数据对比，寻找本班学生的优势和弱项，实事求是地反思日常教学，准确地发现教学中的真问题，确立教学优化的方向，通过日常教学变革来实施改进，由此产生根植于日常教学真问题、指向个人教学行为优化的微课题。在我们的研究中，个人微课题选题与年段关键能力结合、与教材单元匹配、与学生年龄和学习能力适切；每个人根据教学实践来策划研究内容和推进策略，进行有侧重的突破；研究的周期一般一个学期，最多一个学年。

通过对问题分类，分析成因，在实践研究中探索解决问题、优化教学行为的策略，我们提炼了质量监测数据分析和教学行为优化的联动机制，并不断完善。

（1）行为诊断与分类优化并重的共生机制，点面结合，同生共长，由课题组骨干教师的研究辐射到教师群体研究，培养了直面问题、基于问题、分析问题的研究策略，形成了跟进研究、针对性突破的实践自觉。

（2）策略创新与经验分享并进的转化机制，基于平台数据的即时性和开放性，教师可以从年级横向数据比对中发现自己的弱势，发现他人优势，针对性地取经，并在此基础上自我实践，并进行基于本班实际的策略创新，在实践改进过程中形成非常有效的新策略，及时在教研组分享，在分享中不断完善策略，促进团队更高层次上的递升。当然，这样基于大数据的策略创新和经验分享可以在同年级层面，也可以扩大到同学科组学校层面分享，也可以是不同学科之间的交流和融通。

（3）数据分析与学情观测并联的协同机制是基于学生个体生命成长的综合的立体的机制。随着研究深入，我们越来越发现，当数据关联到个体，过程中的问题以及问题背后的成因千差万别，微观的分析需要更为宏观、多元的数据帮助才能做到真正鞭辟入里。

二、搜集课堂教学过程大数据，让教学诊断和优化更精准

第一阶段的研究更多侧重于教学结果数据的分析而展开，第一阶段，我们以课堂观察的理念，借助互联网工具，搜集课堂教学中的数据开展教学行为的诊断和优化研究。

课堂是教和学的主战场，我们以课堂教学为核心，借助人工智能、大数据、互联网、音视频等技术，对课堂教学过程数据进行深度挖掘，实现课堂教学基础大数据的常态化、伴随式采集和即时化分析，为教师专业发展、学生个性化学习提供实证性地数据服务。

一方面，我们结合教学需要，“开发”适切的APP应用，构建以学生为中心的交互式探究型学习环境，使线上线下融合，课内课外融通，学生学习资源和教师教学资源共享，使学习的环境从封闭走向开放，课程资源从单一走向多元，立足课堂“教的数据和学的数据”分析展开。通过学习现状的数据及时统计反馈，准确发现学生学习原点，让教学指导更具针对性；通过海量的资源链接和平台交互功能，让学习更自主个性，让知识建构更深刻。目前，我们项目组老师在设计学习活动的时候已经有了较为清晰的看数据、用数据的观念，在课堂教学推进过程中，能根据即时数据来调整自己的教学节奏，从而使学习活动更高效。例如路叶娜老师执教的《平行四边形》，谢荟老师执教的《认识角》，吴洪菲老师执教的《at the weekend》，李霞老师执教的《Our animal friends》《At Christmas》，朱小云老师执教的《Frank the rat 》《一般现在时复习课》 ，陆芳老师执教的《常州欢迎你》，杨文君老师执教的《观察物体的练习课》等课都体现了这一特点。这些课例也在各级各类展示活动和比赛中得到好成绩，获得专家高度肯定。

另一方面，我们借助智慧教室的构建，通过人工智能的图像识别、行为识别和语音识别等技术，把课堂教学过程中的一切教和学的行为、个体和整体的行为都纳入数据采集和分析中，实现量化的教学行为课堂观察，从而更为准确地发现教学行为的优劣，让诊断更客观科学，教学行为优化更有针对性。

技术能让我们的研究更加快捷、准确、常态——

课堂分析：人工智能可以自动对课堂授课过程中师生行为进行量化的实时分析，数据分析报表课后即时呈现，帮助教师进行课堂回顾和反思。

教师成长曲线：通过课堂数据分析和针对性教学行为优化研究，能准确掌握哪种教学行为有利或不利课堂教学效率提升和教师专业的发展。

教研精准：依托于数据实证的教研探索方向更加清晰，教研成果更加显性，针对具体的课堂行为，还可以回看相应的课堂教学视频进行专项研究，提高精准教研的效率和准确性。此外，同课异构的横向比较分析可以体现不同教师教学行为的优势和薄弱方面，发现改进的方向。同一教师的纵向数据比较则能体现教师行为优化前后的成长转变。

成绩关联：人工智能可以捕捉并分析课堂学习过程每一个学生的学习行为数据，如关注度、参与度、理解度等等。对这些数据进行分析，可以发现其中规律，并和教学结果关联起来，从而推动学生自主学习和针对性的辅导。

当然，这需要我们每一位管理者乃至每一位教师都要带着研究的目光看教学行为数据和分析量表，从中发现教学行为的优势和不足，并进行分类，在实践探索中形成优化教学行为的不同策略。

研究愿景——

我们期待，通过该项目的研究，使基于数据分析的教学诊断和优化，指向教研组基于问题的有向提升，指向教师个人反思的自觉改进，使教育变革更贴近教育生活的每一天每一人每一事。