智能时代数据驱动的持续性线上线下教学准备策略

摘  要：在智能时代，大数据技术的发展也深深地影响着教育教学。以数据驱动的教学方式，通过对教学大数据的深度挖掘和多元分析，将数据背后反映的教学成效清晰地呈现出来，辅助教育和教学。文章介绍以OBE理念为指导，用课程教学目标的分级结构，设计线上线下相结合的教学策略，建设学习型资源库，讨论如何运用数据驱动推进教学改革，做好持续性线上线下教学的准备策略。

关键词：数据驱动;教学范式;教学改革

中图分类号：G642       文献标志码：A          文章编号：2096-000X（2022）20-0116-04

Abstract： In the era of intelligence， the development of big data technology is also deeply affecting education and teaching. With the data-driven teaching method， through the deep mining and multivariate analysis of the teaching big data， the teaching results reflected behind the data are clearly presented to assist education and teaching. This paper introduces the OBE concept as the guidance， the hierarchical structure of course teaching objectives， the design of online and offline teaching strategies， the construction of learning resource database， discusses how to use data-driven teaching reform， make a good preparation for continuous online and offline teaching strategies.

Keywords： data-driven; paradigms of teaching; teaching reform

2020年5月14日，在“教育部介绍疫情期间大中小学在线教育有关情况和下一步工作考虑”的新闻发布会上，高等教育司司长吴岩介绍疫情期间高校在线教育教学的情况，总结高校疫情期间做到了“三个全”，出现了“四大新变化”，促进了学习革命催生质量革命，同时指出今后高等教育要做好三个转变，即第一要从“新鲜感”向“新常态”转变，融合了“互联网+”“智能+”技术的在线教学已经成为中国高等教育和世界高等教育的重要发展方向;第二要从“单声道”向“双声道”转变，通过师生心理距离的缩短扩大双声道环绕的发展;第三要从“教师中心”向“学生中心”转变，教师在新教学形态下要强化课堂设计，把学习内容制成有利于学生自主学习的教学资源，实现引导学生探究式与个性化学习，从单纯的知识传递向知识、能力、素质的全面培养转变[1]。

在“互联网+”“智能+”技术的数据时代，数据在提供决策支持和信息服务的同时，又驱动社会创新、发展和变革。数据成为教学研究的主要对象，是验证教学改革成效的有力证明;以数据驱动的教学范式要求高等教育以“互联网+”“智能+”技术与日常教学进行融合，形成可持续发展的常态化教学，即做好持续性的线上线下相结合的教学，形成稳固的数据驱动下的教学方式。数据驱动下的教学方式，教学过程与结果数据的持续采集，逐步形成教学大数据，通过教学大数据的深度挖掘和多元分析，能够将数据背后反映的教学意义与价值清晰地呈现出来，进而辅助教育更精准地“教”，指导学生更精益地“学”[2]。在数据驱动教学范式下，教学者和学习者的各种行为数据，教学内容的数据，教学者和学习者使用教学媒介时的“教”和“学”数据，均为教学大数据的运行提供支撑。教学者和学习者的行为数据依赖在线教学平台，教学内容数据来源于线下和线上的开放数据，“教”和“学”的数据来源于线上、线下教学活动，故此一线教师首先需要加强教学设计的意识，全身心地投入到基于教学设计的教学资源准备中。

数据驱动的教学范式需要从课程教学目标的确定、规划线上线下结合的教学策略、建设学习型资源库三个方面着手做准备。

一、以OBE理念为指导，确定课程教学目标

2016年6月，我国正式加入《华盛顿协议》，标志具有国际实质等效的工程教育专业认证在我国正式拉开[3]。2016年12月，习近平总书记在全国高校思想政治工作会议上强调，“要坚持把立德树人作为中心环节，把思想政治工作贯穿教育教学全过程，实现全程育人、全方位育人，努力开创我国高等教育事业发展新局面”[4]。2019年5月，习近平在向国际人工智能与教育大会致贺信中强调，积极推动人工智能和教育深度融合，促进教育变革创新，充分发挥人工智能优势，加快发展伴随每个人一生的教育、平等面向每个人的教育、适合每个人的教育、更加开放灵活的教育[5]。

以OBE（Outcomes-based Education）理念为指导，将培养目标和毕业要求落地每门课程，明确课程目标，形成知识目标、能力目标和素养目标的分级结构， 以OBE理念为指导确立分级教学目标如图1所示;再基于课程目标规划和设计教学策略。

确定课程的教学目标时需要注意以下两点：（1）需要明确课程的学习成果是什么，这份学习成果不仅仅是学习者的要求和期望，还需要考虑社会和职业的要求和期望;（2）本门课程的学习成果与专业培养体系中其他课程之间的关系，梳理课程间的关系一方面可以促进课程群的建设，另一方面可以促进能力目标培养的阶梯式发展。

二、设计线上线下相结合的教学策略，数据驱动教学

成果导向的教学策略，需要把教学过程从时间、空间和地点上进行延展;需要把教学活动安排到线上和线下不同场景下组织。宏观上教学策略按照“课前→课堂→课后”建立闭环教学生态，微观上根据教学目标设计每堂课的教学构成。通过使用线上教学平台把“课前”和“课后”环节的学习活动进行延伸，从而取得更多类型丰富的数据;“课堂”以学生为中心，根据课程类型和教学内容进行教学设计。

“课前”和“课后”的学习，首先需要从众多的智能学习平台中选择适合的平台。例如，希沃教学平台提供教师备课并发布时间胶囊，让学生使用;平台有思维导图功能，教师和学生可以在课堂上一起绘制思维导图，及时地进行知识梳理和总结，中小学教师使用较多。雨课堂教学平台，教师可以直接使用PPT建立课件库和试题库，可以开展课前预习、课后测试等活动;另外，需要特别指出雨课堂具有插入“课外资料制作”的功能，即可以插入慕课视频和网络视频，这使得教师在建设课程资源时不仅可以插入自己录播的视频资源，更可以直接使用国家开放平台（如学堂在线）提供的MOOC资源，以及视频网站（如优酷、腾讯、哔哩哔哩或YouTube视频）的视频资源。这一功能突破高校课程资源的壁垒，使“互联网+”在教育领域中极大地推波助澜，让更多学生有机会学习优质课程，为学生个性化地选择学什么、怎么学提供了新方法;另外，雨课堂授课时开启的弹幕，使用智能技术将学生的发言自动生成词云，把闭口式课堂转换成了“窗口弹出”式交流。雨课堂教学平台被广泛应用于高校教学。

其次，将线上教学平台采集的数据与日常教学中取得的数据结合起来对教学进行分析。使用线上教学平台，有利于扩大教学数据采集的范围和分类。通过教学平台生成的数据具有实时性、多样化、数据量大的特征;数据形式有结构化、半结构化和非结构化。教师实施线上线下混合教学，可将收集的数据分为量化数据和非量化数据进行数据统计和分析，用于不同目标的教学检验。

非量化数据——学习平台记录学习者的学习态度和行为轨迹数据，主要体现学习者是否参与活动，不记录过程数据。学习行为数据反映出学习者的学习参与度和关注度，以此可预测学习者持续学习的意向，为教师调整教学策略提供决策支持。例如，是否观看直播、进入直播时间、观看直播时长、是否观看回放、观看回放时间等。非量化数据不能直接用于量化统计，通过计算变量、重新编码等方式进行量化转换，再使用分类统计等做进一步的分析，分析学习者是否参与学习及占比，是否存在学习困难等。还可以提取考勤数据等。

量化数据——通过平台的试卷管理和信息发布，在课上或课后发布练习题或者测试题，使用教学平台更为高效地收集测试数据，快速且直接用于数据统计和分析。量化数据属于客观数据，直观用于统计和分析并形成学习趋势图，提醒学习者对课程学习的重视。

平台生成的数据中存在一类特殊的数据——主观数据，有量化特征，具有描述性但对课程评价没有直接意义，但对课程教学设计、教学内容调整、教学进度有指导意义，如表1雨课堂平台其他功能生成数据表，列出了平台上信息发布，发布课件、发布公告、发布试卷生成的数据，其中单独列出对教学内容和教学进度有指导意义的数据。

1. 课件数据中的“不懂页数”，教师可以查看对应页内容，在授课时直接讲授这些“不懂页数”内容，教学重点突出，讲课详略分明;另一方面，节约了讲授时间，把余下的时间留给学生讨论、实践和巩固练习。

2. 课件数据中的“学生反馈”，以留言形式呈现。教师可以直接看到学生提出的问题，以留言方式进行回答;如果问题与“不懂”内容有关，教师则需要考虑选择恰当的讲解方法，在授课时把重点和难点讲透彻。

3. 公告数据中的“评论”，使得学生可以通过评论对作业评价反馈、学习公告提出自己的意见和看法。

4. 试卷数据中的“完成”，显示“已完成”和“未完成”。教师需要关注“未完成”的学生名单，如果某个学生出现多次未完成，教师能根据该数据给出学习预警。

5. 试卷数据中“答题正确率”，一般情况可以把正确率低于50%的题目单独提出，调整其他的教学方式进行讲解后再次测试，保证知识点的掌握。

每种教学平台提供的功能和服务是不同的，教师在使用平台时可以根据上述总结先将数据分为量化数据和非量化数据，再观察量化数据的关联数据，按照需要进行教学内容、教学进度、学生学习态度、学生学习兴趣、学习预警、课程成绩评价等多个方面的分析，用数据指导教学改革。丰富多样的数据，可以从学生的行动、心态、意识、兴趣进一步深入分析，为后续实施梯度化教学和个性化教学提供数据支撑。

按照成果导向改革后的课堂教学，需要实现三个方面的转变。

1. 将封闭课堂逐步发展为开放课堂。上课时间从课堂内向课堂外延伸，课前预习任务、课后拓展学习、在线考试、小组合作任务都是课堂外开展的学习活动;学习地点从教室拓展到图书馆、实验室、宿舍;学习群体从同在一个教室里的同学，变为乐意共同学习的伙伴小群体，尤其是宿舍形成学习小群体。

2. 教学导向注重学，以学生为主体，强调需要学什么，为什么学和怎样学。教师不再是主体，教学设计的导入案例指引学生理解为什么学，任务驱动案例帮助学生体验学什么和做什么;课堂活动主要由讨论和实践组成。在此模式下教师是学习服务提供商，提供学习资源和答疑解惑的服务。

3. 课程评价单一成绩评价发展成多元、多角色互评的过程性评价，注意用小群体类别分类统计数据，考查学习成效。学生学的怎么样？可以通过线上学习活动轨迹数据，了解学生的学习态度和学习兴趣;通过学生提交的作业任务和合作学习任务，可量化评价学生学的怎么样和做的怎么样;通过测试，可以知道学生对知识内容的掌握情况。使用有效的多元评价因素，利于从不同维度来评价学生的学习能力和学习成效。