运用大数据精准引导高中生个性化学习的实施路径

■胡文武，罗渊，杨红霞，钟富贵，王凤

《中国教育现代化2035》聚焦教育发展的突出问题和薄弱环节，其中强调要加快信息化时代教育变革，利用现代技术促进学生的个性化培养。为此，我校将信息技术运用于教学，探索大数据获取与分析的基本路径及方法，大分班、小分类与个别化的个性化学习引导路径，以此精准引导个性化学习，促进学生个性化发展。

个性化学习是指根据学生之间的差异和核心素养发展的个体特征，采用大分班、小分类与个别化教学，以促进学生个性化发展的学习样态。个性化学习需要大数据提供科学的支撑。大数据是指以多元形式，通过多种渠道搜集而来的庞大数据组，往往具有实时性，其实质是信息的有效整合和意义的深度挖掘。在本文中，具体指借助我校的学科测试与分析平台、FEG 未来教育系统两个校本平台，以及教育主管部门的信息平台获得的数据。个性化学习需要教师立足于大数据精准引导。精准引导是指根据平台获得的学习与发展数据，分别从“大分班引导、小分类引导与个别化引导”三个层面，更为精准地确立学生后续学习的目标、内容、方式与评价以确保四者之间的一致性。我们充分运用信息技术，获取与分析大数据，通过大数据解决个性化学习精准引导的问题。

（一）精准引导的旨归在于学生的个性化发展

从根本上讲，个性化学习引导的全部努力最终都是促进学生的个性化发展，集中体现为学生的自主发展与差异发展。促进高中生的个性化发展，又有赖于自我认知、自主选择与自觉行动三个基本条件。在原有的教学实践中，因为教学理念落后、教学资源不足、课业负担较重等原因，教师往往采用单一的教学方式对待所有学生，抹杀学生接受知识途径的多样性，抑制了学生的潜能与个性发展。《中国教育现代化2035》 明确要求：“利用现代技术加快推动人才培养模式改革，实现规模化教育与个性化培养的有机结合。”通过收集和分析教育大数据，可视化呈现学生知识水平与学业障碍，诊断学生的学习风格，从而动态监测学生学业进展，精准施策进行学业帮扶和引导，解决“一刀切”学习模式与学生个性化发展的矛盾。

（二）精准引导的关键在于学习内部的一致性

个性化学习精准引导的关键在于学习目标、学习内容、学习方式与学习评价四者之间的一致性，即根据差异化的学习目标确定相应的学习内容，根据差异化的学习内容选用相应的学习方式，根据差异化的学习目标、学习内容和学习方式，采取相应的学习评价。为了实现这一目标，我们需要确保学习内容、学习方式和评估标准的一致性。首先，学习内容需要与学习目标紧密相关，确保学生在学习过程中能够获得所需的知识和技能。其次，学习方式需要与学生的学习风格和需求相匹配，以便学生能够更好地理解和掌握知识。最后，评价标准需要与学习目标和学习内容相一致，以确保评价的有效性和准确性。通过确保这些一致性，我们可以更好地引导学生实现个性化学习，提高学习效能。

（三） 精准引导的实现需以全面细致的大数据做支撑

有内在联系和潜藏深层意义的大数据是个性化学习精准引导的可靠依据。运用平台对学生的个体差异与群体差异进行分析，可为个性化学习的精准引导提供全面而细致的数据。分别从背景信息、学习过程、学业成绩等方面全面采集数据。以学科核心素养发展与学习风格特点为标准，分别基于年级与班级对学生的类别差异、个体差异进行立体的数据分析。分别从学习引导与学习评价方面充分挖掘和运用数据的价值。

（一） 构建运用大数据精准引导高中生个性化学习的实施框架

从整体上建立起大数据支持的个性化学习实施框架（如图1），首先,探究支持精准引导的大数据获取途径与分析方法。其次，探究运用大数据精准引导个性化学习的策略。策略的探究需要分别从范围与模式两个维度：范围包括新知识的分别学习与阶段性的综合学习；
模式包括“大分班引导、小分类引导和个别化引导”。

图1 大数据支持的个性化学习实施框架

其中，“大分班引导”是根据学生学科核心素养发展的差异，采用因材施教策略,对年级不同学生进行个性化学习引导；
“小分类引导”是根据学习风格的类型差异，采用逆向教学策略，对班级不同类型学生进行个性化学习引导；
“个别化引导”是根据每个学生的个体差异，采用适应性学习策略，尽量对不同学生进行一对一指导。

（二）探究支持精准引导的大数据获取途径与分析方法

个性化学习精准引导的前提是基于全流程大数据的获取与分析，学校通过学科测试与分析平台，获取与分析入学与阶段测评大数据；
运用未来教育系统获取与分析日常教与学大数据；
通过教育部门获取与分析学年与高三“诊断”测评大数据，为个性化学习的精准引导提供基础。

1.数据获取的三个途径

（1）途径1：基于“学科测试与分析平台”

学科测试与分析平台是一种以诊断和提升学生学科核心素养为目的，运用信息技术对学科测验和问卷调查进行数字化处理，以寻找相应教学对策的教育信息化技术平台。此平台的数据类型有四个：第一类是教学资源类数据；
第二类是教育教学管理数据；
第三类是教与学行为数据；
第四类是“教-学-评”反馈数据。

其获取方式有四种：一是基于“成绩分析系统”进行检测反馈、考试管理、网络阅卷，由此得到学生的实际学习情况。通过平台可以获取各种数据，如检测反馈可以获取高中阶段年级在成都市各科测评中的数据。二是基于“家长APP”，家长能获取学生全科与单科分析报告。三是基于“教师APP”，教师能获取教研资料、学习数据和测试结果。四是基于“学校管理”，了解整体教学情况与每个学生学习情况，适时了解整体与个体情况，分析教与学的行为，及时调整管理策略，指导教师找准问题，因材施教，促进学生个体学习的改进，提升学科核心素养，促进师生发展。

（2）途径2：基于“FEG 的未来教育系统（V3.0版）”

FEG 未来教育系统是一种以促进学生个性化学习为目的，构建网络化、数字化、个性化、终身化的泛在学习环境的学习平台。未来教育系统由教学平台（推送资源与教学）、未来教室APP（在线学与评）、教师助手（实录与研究）、教育云平台（互动与反馈）组成，能够全面掌握学生的学习过程、动态及结果，同时推送个性化的学习资源。此平台从学生的学习起点、到学习过程、再到学习结果产生的学习行为、成绩和效果来反馈数据。

其采集方式有四种：一是基于“教学平台”制作课件、上传微课、发布任务和在线教学；
二是通过“未来教室APP”观看微课、完成测试、评价任务；
三是通过“教师助手”进行资源管理、课堂实录和研究；
四是基于“教育云平台”实现智能点名、课堂互动、及时反馈等功能。

（3）途径3：基于教育主管部门的信息平台

运用市教育局和区教育局提供的调研及诊断测试的大数据，包括学业成就与背景分析两个维度，具体涉及学生群体的总体分布、个体间差异与个体内差异等方面的情况。其获取方式，一是借助区域数据分析学情，总体把握；
二是形成学生个人成绩报告、错题本等。如通过大数据可以获取到每个孩子的错题情况，了解到每个孩子每个题、每个板块的得分与答题情况，并且还会提供示范答案，让学生明白问题所在。

2.数据分析的方法

依靠三大途径获取了数据信息以后，重点就在于对数据的分析和处理，可以通过三个维度和三个方法进行。

（1）三个维度

第一，“总体差异”维度。在高一入学时，运用学科水平测试与分析平台对学生所进行的学科核心素养与学习背景因素的测试与调查，根据学生所要达到的学科核心素养的创生性目标、发展性目标、基础性目标这三个类型的教学要求，将学生依次分为A、B、C 三类班型，以适应学生认识水平的差异。

第二，“类型差异”维度。根据菲尔德-希尔弗曼（Felder-Silverman）的学习风格模型，把学生分成四种类型：一是活跃—沉思型，根据信息加工的特点，活跃型学习者倾向于通过积极地做一些事情，或讨论或应用或解释给别人听来汲取知识，喜欢团队合作；
沉思型学习者往往通过深入思考来学习, 偏爱独自学习或者与固定的学习搭档共同学习。二是感悟型和直觉型，根据感知特点，感悟型学习者对细节很有耐心,擅长记忆事实,但对复杂的事物有回避；
直觉型学习者更擅长掌握新概念,喜欢复杂的事物,对抽象概念具有更好的理解能力,但比较粗心。三是视觉型和言语型，根据信息输入的特点，视觉型学习者善于记住他们所看到的东西,如视频、图片等；
言语型学习者善于记忆听到或者读到的内容。四是序列型和综合型，根据内容理解的特点，序列型学习者偏向于按部就班地学习,按照一定的逻辑顺序理解内容；
综合型学习者更喜欢全面思考问题,思维比较发散和跳跃。

第三，“个体差异”维度。运用平台获取的数据，分别从知识、能力与品质三个方面对学生的个体差异进行分析，并着眼于高中学生的发展提升，将高中学生学习与发展的个体差异分为目标模糊型、品质缺失型、基础薄弱型、思维障碍型和思维超常型等五种类型。

三个方法分别是问卷调查、试卷分析和量表观测。

第一，分别从教育背景、学习习惯、学业成就等维度编制出校本学习方式调查问卷。借助学科测试与分析平台进行统计与分析，形成学习方式报告，了解每个学生的真实情况，利于个性化学习的精准引导。

第二，从“新知识的分别学习”与“阶段性的综合学习”两个范围，编制出分班测验卷与分类测验卷。借助学科测试与分析平台进行统计与分析，形成学生学业发展报告。

案例1：语文学科核心素养综合学习试卷分析。

首先，探索语文学科核心素养框架。根据《普通高中语文课程标准（2017 年版2020 修订）》，语文学科核心素养包含语言建构与运用、思维发展与提升、审美鉴赏与创造、文化传承与理解。每一核心素养分别设置三个课程目标予以落实。其次，设计学科核心素养现状测试卷。题目来源于高考或各地模拟的经典题，部分作了改编，符合学情，信度较高。试题为单项选择题与主观题，总分100 分。再次，教师运用学科测试与分析平台，使用网上阅卷系统与质量反馈系统进行数据分析，学生获得不同类型班级某一核心素养的分析图（图2）和个人核心素养雷达图。

图2 不同类型班级思维发展与提升分析图

第三，量表观测是基于菲尔德-希尔弗曼（Felder-Silverman）的学习风格模型，编制出学生学习风格量表，使用聚类分析和日常观察等方法。

运用学科测试与分析平台开展学习风格问卷调查与分析，分为两个部分，第一部分是《学习风格问卷调查》，共设计了44 个问题，这些问题分别从信息加工、感知、输入、理解四个方面测查学生的学习风格；
第二部分是《学习风格分析表》，根据赋分规则统计计算得分情况，分析学生学习风格类型。再根据《Felder-Silverman 学习风格量表》进行了调查统计，分析出特点，并根据统计情况选择适宜的个性化学习。

（三）运用大数据精准引导学生个性化学习的策略

1.“大分班引导”个性化学习：因材施教策略

从“十八大”以后中央特别注重我国的环境建设。汽车维修过程中会产生一系列排放物，从环保角度讲，首先要做的是识别，识别出哪些是污染物，哪些是正常的排放物。汽修行业中，污染物分为三类，分别是液体、固态物和气体。

个性化学习以生为本，在高一入学时，通过对学生学习方式因素的调查与学科核心素养的测查，获取与分析大数据，深入了解学生学习难点、特点，分为A、B、C 三类班，针对学情，采用因材施教策略。

对于新知识的学习，以问题解决为核心，采用“教-学-评”一体化的分别学习策略；
对于阶段性的学习，则采用项目式综合学习策略。针对A、B、C 三类班学生不同的特征，在学习目标、内容、方式与评价方面，给予适宜的引导：A 班本着创生性目标，在学习内容上注重综合理解，对知识融会贯通，开展创生性学习，实施表现性评价；
B 班本着发展性目标，在学习内容上注重对重点知识的理解，开展拓展性学习，实施生成性评价；
C 班本着基础性目标，在学习内容上注重对知识有基本的理解，开展小步子学习，实施终结性评价。

（1）“教-学-评”一体化学习策略

“教-学-评” 一体化策略将教师的教与学生的学和“教-学-评”评价相结合,对教师“如何教”发挥指导作用,重点关注“教-学-评”评价功能,以此引导学生个性化学习。此策略常常用于新知识学习。

例如，针对A 班学习能力强、思维活跃、善于发现问题与解决问题的特点，在学习新知识时运用分别学习，即逐一突破式的学习。采用创生性学习，首先让学生前置学习，弄懂基础，前测评价，发现问题；
其次让学生进行讲解，检验效果，师生共评，教师引导；
再让学生交流展示，生生互评，引导理解，灵活掌握；
接着让学生题组集训，中测评价，解决问题，形成能力；
最后升华总结，构建体系，创生方法，提升素养。

（2）项目式学习策略

项目式学习以学习者自主、合作探究为主要方式，以问题解决为核心，整合多种资源和借助工具开展实践探究活动，提升学生的学科素养，并形成多样化的成果。它是综合性学习方法之一，在学习过程中以评促学，常用于阶段性学习过程中。

例如，B 班进行“圆周运动的实例分析”教学时，要通过子问题引导学生思考，发现火车转弯需要向心力；
再明确大概念“牛顿第二定律”，学生交流探讨；
接着以“向心力、向心加速度、速度、轨道半径”外显大概念，突破问题瓶颈，形成方法解决问题；
然后，在“火车转弯”新情境下，活化大概念，设计转弯轨道；
最后用模型活动推演建构“力与运动”大概念。

2.“小分类引导”个性化学习：逆向教学策略

逆向教学需要教师以学习者预期的学习目标为导向，预设“教-学-评”评价要点，选择学习内容设计学习活动，开展学习，以输出倒逼输入，促进个性化学习的开展，发展学生的核心素养。对于新知识的学习，我们主要采用“四步三阶”策略；
对于阶段性的学习，则主要采用课题化学习策略。

“小分类引导”的逆向教学策略，根据学生的四种学习风格类型，以理解、生成为学习目标，预设过程性、终结性评价，以必须记住的、重点理解的知识为学习内容，采用适宜的学习方式。对感悟—直觉型学生，引导进行实例学习、抽象学习；
对视觉—言语型学生，引导进行直观学习、文本学习；
对活跃—沉思型学生，引导进行协作学习、自主学习；
对序列—综合型学生，引导进行顺序学习、整体学习。

（1）“四步三阶”学习策略

“四步三阶”学习策略中的“四步”是指：第一步解读课标、学情，拟定目标；
第二步，根据目标，预设标准评价；
第三步，优化学习资源，确定内容；
第四步，选择学习方式，设计活动。“三阶”是指课前准备—课中实施—课后反思三个阶段。在新知识的学习过程中，“四步”与“三阶”相辅相成，互为补充。

例如，针对活跃—沉思型学生，在必修二第三模块阅读《Music》教学时，首先，前置学习，自主学微课，听读单词、课文，通过分类学案，学习语言知识，采用诊断性评价。课堂中，学生边看边说、边听边说、一问一答协作学习，分组汇报；
学生利用平板电脑，自主完成分类题目并提交；
能力提升，学生以合作学习形式，利用平板电脑提交讨论结果，再自主学习，阅读整篇，在线完成提交；
采用师生共同参与的形成性评价；
课堂总结。课后根据反思，开展个性化资源推送与指导，引导学生自评。

（2）课题化学习策略

课题化学习在学习目标与学习评价上强调预设，在学习活动中重视让学生去探究和发现，在学习成果上突出学生的深度理解和实践创新，让学生去发现本质、规律、原因、思想、方法和价值等结论。

具体而言，课题化学习策略首先要针对学习风格，整体分析，进行逆向设计与学习分组；
其次要列出任务清单，前置学习，质疑问难，激发兴趣，进行诊断性评价；
再次要进行情境创设，搭建脚手架，自主及协作学习，解决问题，总结升华，进行过程性评价；
最后要拓展探究，反思重构，进行表现性评价，优化核心素养。

例如，序列—综合型学生在进行“椭圆的形成方式”教学时，提前将学习目标告诉学生，前置学习任务；
在学习过程中，以四个学习活动创设情境。

活动一：界定问题—自主尝试。基于学生上课时快速画出椭圆这个情境，引导学生思考聚焦于“通过轨迹方程探究椭圆的形成方式” 这个核心问题；
引导学生在查阅和理解教材的基础上，初步形成自己的探究方案，让学生根据方案评价标准进行自评。

活动二：协作发现-深度探究。引导学生对椭圆形成的不同方式展开分享和交流；
引导学生分别就不同椭圆形成方式的共同点、不同椭圆形成方式的拓展变式和衍生以及运用信息技术验证结论三个问题展开更有深度的探究，让师生根据评价标准进行共评。

活动三：归纳整合—升华概念。引导学生对问题探究的过程和方法进行概括整合，获得“数据处理和分析”“拓展变式”“运动变换”“逻辑推理”等核心概念；
引导学生在核心概念的基础上，最终建构“化归转化”“数形结合”两个大概念，引导学生根据大概念特点进行评价。

活动四：拓展应用—自我反思。引导学生运用椭圆的不同形成方式，快速画出椭圆；
引导学生对问题探究的过程和方法进行反思，开展表现性评价。

3.“个别化引导”个性化学习：适应性学习策略

适应性学习需要学习者通过自身原有知识经验与适应性学习系统进行交互活动来获取知识和能力。在这个过程中，学生能够在教师指导下制定学习计划、自主选择学习资源与方式、自我评估学习过程。

适应性学习流程为，第一，学习前测，了解知识、能力、品质类型，学生制定学习计划；
第二，教师精心准备学习资源，学生自主选择，采用线上线下混合式学习，学后即测，自我评估；
第三，根据学习大数据，教师再调整学习资源，学生再选再学，学习闯关检测评价；
第四，根据数据，确认学习进阶或再学，教师适时指导，选好最近发展区，开展过程性评价，促进个性化发展。

对于不同类型的学生采用适宜的个性化学习引导策略。对于目标模糊型学生，共同规划，师生一起设置阶段目标，确定增长点，引导实现；
对于品质缺失型学生，榜样教育，分析品质短板，选定榜样，活动引导；
对于基础薄弱型学生，额外学习，找准弱点，点拨技巧，建构学科知识体系；
对于思维障碍型学生，面授机宜，找准障碍，思维训练，建构学科思想；
对于思维超常型学生，扬长补短，分配时间，引导思维突破，拔尖创新。

通过不断深入实践，我们发现，运用大数据精准引导高中生个性化学习确实有助于学生成长，学生学习的自主性明显增强，主动质疑、批判、评价的学生增加，课后主动选择学习资源、共享学习资源的同学增多，个性化成长日益凸显。不仅如此，教师在引导学生个性化学习过程中自身专业水平也得到了较大提升。教师的学情诊断分析能力、课程开发能力、学法指导能力、逆向教学设计能力增强尤为明显。同时，学校的办学水平呈现高质量发展趋势，形成了基于数据决策的循证实践文化，丰富了线上线下的教育资源开发类型，在教研、课程建设、诊断分析、年终总结等运用数据，实现与优质资源的链接，提升了效率。

大数据时代，教育与信息技术对接，从“用经验说话”到“用数据引导”，无疑推动了学生的个性化学习向更好的方向发展。个性化学习是“以人为本”“因材施教”的教育理念的体现，这就要求立足于数据获取与分析，尊重学生个体差异，促进个性化发展。

猜你喜欢 个性化精准素养 必修上素养测评 第四测新世纪智能(高一语文)(2020年10期)2021-01-04必修上素养测评 第三测新世纪智能(高一语文)(2020年10期)2021-01-04精准防返贫，才能稳脱贫当代陕西(2020年21期)2020-12-14必修上素养测评 第八测新世纪智能(高一语文)(2020年12期)2020-06-01必修上素养测评 第七测新世纪智能(高一语文)(2020年12期)2020-06-01坚持个性化的写作文苑(2020年4期)2020-05-30新闻的个性化写作新闻传播(2018年12期)2018-09-19精准的打铁NBA特刊(2018年11期)2018-08-13精准扶贫 齐奔小康民生周刊(2017年19期)2017-10-25精准扶贫二首岷峨诗稿(2017年4期)2017-04-20