用数据说话：“数字画像”赋能语文课堂

摘 要：用数据说话，以“数字画像”赋能语文课堂，能够为教学提效增值。依托全景平台分析系统数据和尚学平台数据生成“群体画像”，把控课堂“大局”。以人机协同统计数据和评价系统数据生成“个体画像”，关注课堂“小节”。

关键词：小学语文；数字画像；课堂教学

将新技术应用于教学中，能较好地促进从“用经验说话”向“用数据说话”的转向。“数字画像”是指利用不同的数字平台采集与课堂教学行为相关的数据，并对这些数据进行建模分析后形成的“画像”。通俗地说，这种“画像”就是“用数据说话”的形象化结果表现，主要分为“群体画像”和“个体画像”。“数字画像”赋能语文课堂，“群体画像”能够把控课堂“大局”，“个体画像”能够关注课堂“小节”。

一、生成“群体画像”——把控课堂“大局”

（一）依托全景平台分析系统数据生成“群体画像”

我们使用全景平台分析系统捕捉不同的课堂指标数据，对课程结构、授课深入浅出、课堂的开放性、教师推动有效学习程度等作出分析，生成“群体画像”，把控课堂“大局”。

“课程结构”主要由“若何（what if）”“为何（why）”“是何（what）”“如何（how）”四个指标构成，综合反映教师对课堂场景设置、原因探索引导、概念概括、知识练习和知识迁移方面的总体规划。“若何”是指“在什么情况下怎么办？”，多指教师创设一个情境引导学生如何做；“为何”指向对知识根源的挖掘；“是何”多指与所学知识相关的概念、名词解释等；“如何”是指怎样掌握这些知识。这四个指标反映了教师在课程设计上对场景设置、原因探索、概念概括、知识练习和知识迁移方面的总体规划。教师可以据此检查优化教学设计，同时根据学生学习风格的多样性，及时调整教学设计。每个指标都有相应的分值和参考范围，鲜明地反映了师生间的互动情况。例如，在统编小学语文六年级上册《灯光》一课的教学中，“若何”的分值为16，“为何”的分值为“4”，“是何”的分值为14，“如何”的分值为4。“为何”和“如何”的分值偏低，“若何”和“是何”的分值较高，反映出学生发言次数不够、充分表达不足，教师提问较为封闭，多是“是不是”“对不对”“好不好”类的单向提问，难以促进学生主动思考；意味着课堂在原因探索引导和知识迁移方面的设计不够，学生思考不够有深度。对此，教师在教学重构环节有意识地设计了“郝副营长那么珍爱那本书，后来为什么点燃了它？”“这篇课文为什么以《灯光》作为标题，它与天安门前璀璨的灯光、郝副营长所读书中插图里的灯光以及战场上微弱的火光之间有着怎样的关系？”“作者使用倒叙的叙述方式，让文章充满悬念，我们也可以把这种写法用到我们的习作中，让我们的文章更生动”等涉及根源探索、知识迁移的训练和引导，促进学生深度思考、深度建构。

“授课深入浅出”凸显的是教师能否针对深入的知识点给出浅显的解释，如“深入浅出度”“语言可理解度”，学生的回应是否在参考范围内。全景平台对“深入浅出度”给出的数值参考范围为“大于0.14”，《灯光》一课教学的“深入浅出度”数值小于0.14，说明学生课堂学习挑战性不足，需要适当增加难度。“语言可理解度”的数值参考范围为“大于0.7”，《灯光》一课教学的“语言可理解度”数值小于0.7，说明教师需要使用通俗易懂的语言，提升学生对授课内容的理解。据此调整教学，教师设计了挑战性任务、融入了通俗易懂的教学语言后，学生与教师的互动明显增多。

“课堂开放性”是指授课时激励学生多维思考、开放思考，以教师开放性、有意义的启发和学生开放性反馈、有意义反馈的次数来衡量达成度。尚学平台对“课堂开放性”给出的参考范围为“大于2”。《灯光》一课教学的开放性分值为0，提示教师在开放性问题的设置和启发学生开放性思考方面还要有更多拓展。教师再构课堂与学生互动时，以开放性问题“在文中做标注后，你发现什么是倒叙手法了吗？”“课文中天安门前璀璨的灯光、郝副营长所读书中插图里的灯光、战场上微弱的火光三者之间有着怎样的关系？它们与标题又有什么关系？”“文中的三次‘多好啊’体现了人物怎样的心情？”串起整堂课。学生顺着问题寻求解决方案，频频与教师互动，从总体上把握了文本内容，体会了人物精神。

“教师推动有效学习程度”是教师根据学习发生的知行理论，采用适当的方式方法与学生互动，促进学生内化建构知识信息，参考范围在0.56到1.00之间。《灯光》一课的教学中，这一指标的分值为0.09，明显低于参考范围，这就需要教师从“为何”“如何”两个层面着手改进教学，优化师生互动。接下来的教学中，教师启发学生从故事发生的背景入手，逐层探寻作者以“灯光”为线索的原因，理解“倒叙”手法使用的“为何”以及“如何”。逐级而上，学生在“解读”倒叙手法的过程中领会了革命先烈的献身精神和今天幸福生活的来之不易。

（二）依托尚学平台数据生成“群体画像”

利用尚学平台中的录播系统软件采集课堂中的师生互动数据，截取时间分布图生成“画像”，能让教师在了解学生学习表现的同时及时调整教学策略，优化师生互动。从《灯光》一课师生同步互动的时间分布图生成的“群体画像”可以看出，不同的横条表示师生针对某个话题进行互动的时间段。如第一个横条再现了教师在各界面的停留时间，其他横条再现了每个学生在各界面的停留时间。

根据“群体画像”做分析：如果学生和教师的横条灰度基本保持一致，说明学生与教师在课堂上对于某一问题的关注或互动能够保持同步，反之亦然。如《灯光》一课的教学中，教师引导学生探寻“三处‘灯光’与标题的关联”，大部分学生都能联系自己的生活进行理解，保持与教师同步。少部分学生不同步，表示在这一环节的互动中，这些学生的课堂注意力分散，后续教师要多加关注。如教师让学生迁移运用倒叙手法时，部分学生因为没完全理解这一手法的特点而偏离了思维轨道。教师给予这部分学生针对性指点后，他们便陆续跟上了“大部队”。如果某一学生在前几阶段与教师互动的同步度较高，后10分钟与教师互动的同步度低，说明该生的注意力持续时间较短，教师在课堂的后半段要多关注这名学生，想办法使之集中注意力。如在运用倒叙手法写片段时，几位学生都需要教师及时提点才能让思维回归。如果某一环节大部分学生都不与教师互动，或互动不同步，教师就要反思教学，查找教学设计、教学实施等方面是否存在问题，及时调整教学。

在此基础上，教师还会利用平台给出的师生交互次数、问答次数数据，以及学生的发言情况、情感体验、学习风格等数据，生成“群体画像”。如《灯光》一课教学中的师生交互总次数为136，师生问答次数为28，学生发言次数为62。教师对学生的发言时长进行分析，发现2秒以内的发言次数高达40次，且多是学生对教师封闭性提问如“好不好”“是多少”“对不对”的响应，是学生被动跟进教师授课进度，难以引发学生深入思考，接下来需要避免。4秒到30秒区间（尤其是10秒到30秒区间）的发言次数有20次，大多是教师在鼓励学生主动思考，学生能有机会主动表达自己的想法。这类发言需适度增加，全方位启发学生思考。情感体验层面的统计数据：正极体验（学生课堂情绪比较积极）时长为1分39秒，负极体验（学生课堂情绪较为不安焦虑）时长为2分，中性体验（介入正负极之间，淡定安静）时长为15分41秒。据此，教师需要根据体会革命人物崇高精神的情感价值观定位，检查学生的目标达成情况。知行学习风格层面的统计数据：能动型占17%，现实型、哲理性各占24%，感悟型占35%，说明教师在课堂中做到了有效激发各类风格的学生参与。

二、生成“个体画像”——关注课堂“小节”

（一）以人机协同统计数据生成“个体画像”

我们采用人机协同的方式统计分析每个学生参与课堂讨论、发言、发送文件、点赞等行为数据，同步生成不同的“个体画像”，监测学生个体的参与情况，供教师进行针对性引导。如果某学生参与课堂讨论、发言数量、发文数量等各项数据都较高，反映出该生的课堂参与率较高，需要教师考虑还可能为其提供哪些可以拓展的空间。如果某学生参与课堂讨论的活跃度较高，但是发言、发文数据较少，那么该学生有可能在学习平台上进行了较多无效操作，需要教师在后续教学中关注其听课效率。如果某学生参与课堂的各项表现数据都较低，则反映出该生的课堂参与率较低，需要教师在后续教学中为其提供课堂表现的机会。例如，从《灯光》一课教学中的学生课堂活跃度数据生成的“个体画像”可以看出学生在学习平台的操作频率；从不同学生课堂行为数据生成的“个体画像”可以看出每个学生的课堂发言量、发文量、点赞量、获赞量等。对比验证两张“个体画像”，教师发现有学生在小组探讨和运用倒叙手法时很想参与，但是因为没有完全理解倒叙的内涵特征，所以基本上无发言讨论，更无仿写作品上传。为此，教师进行了个别化指导，使得这个学生的发言数、发送文件数、获赞数都有了明显增长。对于活跃度和课堂表现数据较高的学生，教师为其设置了挑战性任务；对于活跃度和课堂表现数据都较低的学生，教师为其提供了更多课堂表现的机会。

“个体画像”的引入，让教师能够随时关注到每个学生的课堂表现，能够对以往忽略的或者认知有偏差的学生给予及时的指导和帮助。

（二）由评价系统数据生成“个体画像”

由评价系统数据生成“个体画像”，能够对每个学生的课堂任务完成情况、作业表现等进行全面的数据“扫描”，为课堂过程性评价、伴随式评价提供有力依据，让课堂评价更准确、更科学、更实用。举一个因主观评价而造成评价“失真”的案例：

在我校开展的一次课堂观察中，任课教师对某学生的评价是：语文学习能力欠缺，不能理解文章内涵，几乎不发言。而观课教师给出的评价却是：学习专注力强，坐姿端正，始终追随教师要求开展学习；能够认真听取同学意见，主动记笔记；主动参与小组的交流讨论，积极发表自己的观点，并评价其他组员的发言；愿意主动承担小组汇报的任务。

结合两份评价，我们与教师进行交流，得知该生的语文纸笔测试成绩较差，因而教师简单地将固有的印象迁移到该生的课堂表现中，以致于对该生的课堂表现评价掺杂了“个人主观情绪”。之后，我们利用评价系统数据为该学生生成“个体画像”，教师便开始关注学生学习的动态变化过程。仍然是在《灯光》一课的教学中，教师结合随堂观察记录和评价系统提供的课堂表现数据，对该生作出的评价如下：

一共举手6次，发言1次，小组内举手3次，发言3次。

1.学习态度：专注力强，坐姿端正；始终跟随教师要求投入学习；能够专心听取同学意见，主动记笔记；齐读时声音响亮。

2.学习能力：回答问题1次，概括能力较强；听同学回答问题时认真专注，能够积极思考并进行补充。遇到有深度的问题，如体会人物形象等，能辨识出这超出了自己的理解能力范围，没有举手。（注：后续教学可以推送中等难度的任务给该生，为其搭建学习支架。）

3.情绪态度：积极举手发言，但是不够自信，举手不够坚定。（注：一些简单的课堂问题可以请该生作答，并在其回答正确后给予其肯定和表扬，助其他树立自信心。）

4.读写能力：朗读声音响亮，但是读书速度没有跟上大家的步伐。写话环节，基本上读题30秒就开始动笔，语句流畅，表达完整，写作能力强。（注：在后续教学中可以放大其优势，为其提供写作方面的专项学习资源和辅导，为其搭建展示平台。）

5.小组合作：主动参与小组交流讨论，能够发表自己的观点，并评价其他组员的发言；愿意主动承担小组汇报的任务。有表达的能力和欲望，只是不够大胆，缺少锻炼的机会。（注：建议该小组多给予该生肯定，为其提供更多表达的机会。）

上述评价源自实证数据，科学合理，还为教师的教学提供了“参照点”和“改进点”。值得一提的是，学生在课堂中的每一次行为数据、检测数据都会被存储到后台中。一段时间后，教师会将这个学生前后的课堂表现数据进行对比，从而作出对这个学生的阶段性评价。

“数字画像”为课堂精准施教提供了有力支持。利用“数据+”与智能技术“精准识材”，因材施教，同步观照“群体”和“个体”，让“教”与“学”更高效，真正赋能课堂教学。