数据驱动教育改进论文8篇数据驱动教育改进论文 基于大数据的教学评价研究宰李葆萍周颖(北京师范大学教育技术学院，北京100088)摘要：文章基于教育大数据的视角，结合教育评价活动的转下面是小编为大家整理的数据驱动教育改进论文8篇,供大家参考。
篇一：数据驱动教育改进论文
大数据的教学评价研究宰 李葆萍 周 颖 (北京师范大学 教育技术学院，北京 100088) 摘要：文章基于教育大数据的视角，结合教育评价活动的转型，对教育大数据的采集、可视化分析与呈现技术 等开展了研究。文章认为，教育大数据技术推动了教育评价中数据驱动决策的实现，为多方参与教育评价、实 现发展性学生评估提供 了良好的支持。平板电脑、数码笔、可穿戴设备等能够实时地将不同类型的学习数据数 字化，实现了对学生学习全过程数据的采集，为教育领域中实现基于数据分析与理性证据的教育评估与决策提 供了数据基础。各类可视化分析工具能够在稀疏的教育大数据中过滤、挖掘各类隐含的教育信息和规律，帮助 我们理解学生个人知识体系的构建过程，探索学生个体的社会学习网络的演化规律 ，揭示教育事件在特定时空 呈现的特征。关键词 ：教育大数据；教育评价；发展性评估；数据采集；可视化分析 【中图分类号 】G40-057【文献标识码】A 【论文编号】1009----8097(2016)O6__0oo5-．_o7 IDO1]10．3969／]． 1ssn．1009-8097． 2016．06． 001 数据 (Data)是按照一定规则排列组合的物理符号，可以表现为符号、文字、数字、语音、 图像 、视频等形式，是信息的表现形式和载体。2001年高德纳咨询公司在研究报告中指 出，人 类社会数据爆炸从三个维度展开：一是同一类型的数据量在快速增大，二是数据增长的速度在 加快，三是数据的来源和新的数据种类在不断增加一一上述事实清楚地说 明人类真正进入到 了 大数据时代【¨。
·
关于大数据的定义暂时还没有达成共识，现存的定义主要从大数据具备的性质出发进行界 定。目前，研究界认可的是大数据应当满足 3V特点，即规模性 (Volume)、多样性 (Variety) 和高速性 (Velocit y)【2】．随后，不同的机构将其扩展成为 4V，如IBM提出的准确性 (Veracit y) 以及 IDC提出的价值性 (Value)等【引。大数据立足于对大量数据的深度挖掘与科学分析，寻求 数据背后的隐含关系与价值，使得人们可以从基于小样本数据的推测或基于感性的偏好性选择 转 向基于数据分析与理性证据 的决策[4】。当前，大数据正不断地深入教育领域，对一些 “数据密 集型”的教育业务如考试、学习分析等产生了强劲的冲击。
大数据与教学评价变革 教育评价指的是在系统、科学、全面地搜集 、整理、处理和分析教育信息的基础上，对教 育的价值做出判断的过程。从个人层面来看，教育评价的目的在于了解学生的发展情况，对学 生的学习情况进行客观总结、对教师的教学质量进行评估；从宏观来看，评价的目的更在于促 进教育改革，提高整个国家的教育质量[ 。我国《国家中长期教育改革和发展规划纲要(2010．2020 年)》指 出：“要改进教育教学评价，根据培养 目标和人才理念，建立科学、多样的评价标准 。
开展由政府、学校、家长及社会各方面参与的教育质量评价活动。做好学生成长记录，完善综 合素质评价，探索促进学生发展的多种评价方式。”美国于 2010年发布的 《国家教育技术计划》 (National Education Technology Plan)中强调各级各类教育系统要利用技术来测量、评价学习 过程，教育管理者应该利用技术来收集学习过程中的实时数据，为持续改善学习效果提供依据[们。
5 一
l[)l _ 中美两国的重要教育文件都揭示了教育评价在整个国家教育系统中的重要地位，并预示着 教育评价将在理念、内容、方式等方面的转型取向，在现代教育价值趋于多元化的基础上，教 育评价方式面临全面转变 的现实需要[
。这种转变主要表现在如下方面：①做好学生成长记录 、 收集学生学习过程中的实时数据等评价措施的提出，体现了评价理念从 以往 “经验主义”向 “数 据主义”转变的趋势；②完善综合素质评价、探索促进学生发展的多种评价方式以及提供持续 改善学习效果等评价 目标的提 出，体现了评价 内容从以往注重认知水平的 “总结性评价”向综 合素养的 “发展性评价”转变的趋势；⑨政府、学校、家长及社会各方面参与的评价主体的提 出，体现了评价方式从 “单一封闭”向 “多元开放”转变的趋势。事实上，上述教育评价的转 型并非全新的理念和思想。依据数据所提供的证据进行判定是实证主义的基本思想，发展性原 则一直是教育评价本身应有之义，学生的自我评价、家长 的校外评价( ]也是很多学校采取的评价 方式之一 。然而近几年来，这些思想在 国家教育纲要性文件 中被显著地提及 ，说明其在过去落 实的力度欠缺，或者说直至今日这些思想的落实方才具备可操作性的条件，这就是现代信息技 术和大数据在教育领域中应用的用武之地。
教育评价是为 了让我们更好地 了解学生、审视我们 的课堂和教学过程 。在传统的教育环境 下，了解学生的主要方法为问卷调查、课堂行为观察、考试、作业分析等 。这些方法存在着耗 时长、数据不准确、过程型数据遗漏或者无法采集等多种弊端，建立在这种不完整数据之上所 获得的分析结果只能揭示某些特定的问题 ，缺乏综合性。此外，不 同来源的数据之间难以整合 ，
因为采集成本等原因，获得的数据缺少持续性，导致数据 内部隐含 的信息连接被割裂 。比如学 生作业水平和学生课堂学习行为之间的所存在关系的挖掘；学生阅读能力对其数学学科表现的 影响分析等都难 以实现。因而教师往往只能根据经验来处理教学 问题 ，这些都对于科学、精准 地 了解学生，做出教学决策甚至制定教育政策造成不利影响 。教育大数据 的应用则为克服现有 教育评价中的不足提供 了效果 良好的解决方案 。
1大数据推动数据驱动的教学决策 数据驱动决策在教育中是指收集 、分析 、报告和使用数据用于教育教学改进的过程[
。比如 美国普渡大学的 “课程信号灯”(Course Signals)项 目是国际知名的大数据诊断学生、提供教育 决策的典型案例之 -[ ]。如图 1所示，“课程信号灯 ”系统主要 以成果算法为基础 ，对学生课程 表现、课程努力程度、前期学业历史、学习者特征等数据进行采集和计算，实现对课程的实时 预测 。预测结果将通过红、黄、绿三种颜色信号灯 的形式 ，呈现在学生的学习页面以及教师的 课程控制页面中一一 红灯表示课程学习中存在极大 的失败可能性；黄灯表示在课程学习中存在 一定的问题 ，有失败 的可能；绿灯表示学习成功的几率很高。根据不同的信号显示，教师通过 发送 电子 邮件、短信 以及面谈等方式对学生学 习进行适 当的干预 ，还可 以通过 “课程信号灯 ” 系统自带的推荐学习导师与学习资源模块，对学习者学习提供适当的帮助，以促进其在课程学 习中取得成功。
2大数据促进了学生发展性评估 早在 1940年 ，美 国史密斯一泰勒报告中就指出教育评价不能只测量学生的某些能力和特征， 而应该根据教育 目标来评价学生发展及成长的进程和水平 ，这是发展性评价理念在现代教 育评 价 中的确立。发展性评价是指通过系统地搜集评价信息和进行分析，对学生的教育活动进行价 值判断，实现其发展 目标 的过程 。发展性评估主要发挥评价诊断的功能 ，突出评价的过程，重 6
视学生 的个性差异，因此 ，其往往要和学生的学习过程 紧密结合，进行长期追踪。如北京、成 都、深圳等地的中小学校，以发展性评价理念为指导，持续跟踪学生历次考试成绩，通过时间 序列分析、聚类分析等手段，对学生的学习数据进行挖掘 ，构建学生的学科知识地图，进行学 习风格和学习行为分析，最终完成对每个学生的学习力诊断【l1】
11。
2015年成立的北京市未来教育高精尖创新 中心，正致力于利用学生学习全过程的大数据分 析 ，帮助学生发现并提升优势学科 、诊断和补救劣势学科 ，以适应新型的学生评价机制 ，实现 个性化、差异化的学生发展目标。
3大数据提供了多方参与评价的途径 过去的学生评价主要是针对学生的学业水平测试，评价主要由学校相关部 门和教师完成， 整个评价体系呈现出封闭性的特征。当前强调学生的发展性评价和综合素质评价，评价活动贯 穿学生 的整个学习过程，覆盖学生在校园内外的学习活动和行为表现 。多种来源、结构不同的 数据汇总将用来分析学生的综合素质 ，并通过数据的不断积累，使各类参数和模型得以确立， 以提高分析的精确性。可见教育大数据直接产生于各种教育活动 (包括教学活动、管理活动、 科研活动、校园活动等)，每个教育利益相关者既是教育数据的生产者也是教育数据的消费者[
】， 基于开放性大数据的评价活动 ，为那些能够掌握和提供学生不同情境下学习数据的多方主体共 同参与评价活动架设了桥梁。可以说，数据是驱动教育评估转型变革的核心因素。研究认为， 从用户 的视角来看，在教育评价活动 中很容易从数据的入 口和使用，即数据的采集和分析两个 方面感受到大数据带来的变化。
二 教学评价数据的采集 1教学评价数据的采集类型 2013年颁布的 《教育部关于推进 中小学教育质量综合评价改革的意见》强调要改革评价方 式，将定量与定性评价相结合，注重全面客观地收集信息，根据数据和事实进行分析判断【 】。
该意见说 明，教育质量评价不再单一地依托考试成绩 ，而是要将学生发展的所有信息收集、整 理、分析并得出结论性的认识，也就是说要基于 “数据”和 “证据”对教育质量做出评价[H】。
在当前倡导的以学生为中心的学习环境中，学生学习 “数据”和 “证据”的主要产生途径如图 1 所示 。其 中，学生在学校 内外的学习过程数据包括学习交互、学习行为、学习路径、各类过程 性学习档案等，学习者个性数据则包括学生的生理、情感 、认知状态数据等，以及各类 以考试、 作业、作品等形式展现的学习成果。
2教学评价数据的采集技术 为了实现 “数据”+“证据”为基础的教育评价，学校采取了很多评价数据采集措施，如考 试、问卷 、作业档案袋等 。然而这类信息多是采集学生的学习结果信息或者状态信息 (如学习 风格 )，属于静态信息，而学生在学习过程 中实时产生的诸多动态信息如学习路径、学习行为等 未能实现有效采集。不完整的数据采集势必会影响评价结果的准确度和可信度，也会制约大数 据下教育评价的实施，因而教育全过程数据的采集研究是大数据应用与教育评价的关键要素。
目前，智能学习环境以及具有数据采集能力的学习终端如平板电脑、智能手机、数码笔、 可穿戴设备等的应用，为破解学生学习数据采集难题提供了技术方案。
7
管理系统、键盘数据、浏览器数据等学生操作电脑的数据，缺少对现实情境中学习过程数据的 捕捉 ，从而导致分析者难以深入 了解学习和教学过程[
】。2007年凯文 ·凯利提 出了量化 自我的 概念，就是用实时测量或记录的方法，测试、量化和记录个人 的生命数据 (如饮食、运动、睡 眠、情绪等 )，并通过数据反馈进行 自我调整["】。量化 自我概念的提 出和大数据密切相关，其 中 传感器网络、可穿戴技术、移动终端等对量化自我起关键作用。
教育领域也可使用 RFID芯片、眼动仪以及可穿戴设备如各种手环等技术，真实地采集学生 在教室内外的学习信息和学生的日常行为数据，供精确化学习分析和个性化教育评估与管理的 使用 。如眼动技术通过对眼动轨迹 的记录，从 中提取诸如注视点、注视时间和次数、眼跳距离、 瞳孔大小等数据，从而研究个体的内在认知过程 。有研究就采用眼动仪采集 2～3岁婴幼儿对 图 画书页面 区域的注视 点个数、注视注视 点时间长度 、回视等行为数据和生理数理，用来评估其 图画书阅读的注意力水平、阅读喜好、读图能力、阅读理解能力等【l8]。手环等设备则可以实时 地记录学生的位置信息、运动数据和身体健康指标等，可以随时将这些数据与学生的学业表现 关联 ，用来分析、预测不同类型学生的学习表现和发展。
三 教学评价数据的分析 采集到教育大数据以后，需要通过数据挖掘和分析技术来提取数据中蕴含的教学信息以便 开展教学评价。除了常规的教育统计手段外，还可对大数据构成的数据立方体进行多维度的下 钻或上卷操作以提炼出更深层次的知识需求，促使聚类分析和关联分析等数据挖掘技术越来越 多地应用于学生的教学评价当中。
如根据历次试题答题情况对学生进行聚类分析 ，可 以确定学生的基本类型并帮助甄别表现 异常的学生 。若聚类结果发现部分学生多次解答难度高的题 目能够保持正确 ，而难度低的题 目 错误率较高，可能这部分学生是因为粗心造成，可以对其答题注意力状态进行辅导；部分学生 若长期聚类在同一知识点答题正确率起伏较大的区间，则可能这部分学生存在抄袭或者随意选 择的情况，可以进一步关联其它数据对其进行分析和诊断。再如对学科不同知识点得分情况进 行关联和回归分析，就能精准地进行教学归因分析，如 B知识点得分低，是因为 A知识点得分 低，那么应当先解决 A知识点的学习问题等。
上述这些数据分析很多是基于结构性数据的分析，它能够确定或者否定我们对教学问题的 预期性判断。然而教育大数据具有非结构化、稀疏性等特征，难以像结构化数据的方式构建出 其内部的正式关系，或者使用先验的模型来进行分析，这就 需要我们在教学评价领域 引入新的 数据分析技术。在当前大数据环境下，信息可视化分析可以通过可视化图形呈现数据中隐含的 信息和规律，建立起符合人类的认知规律 的心理映像，成为人们分析复杂 问题的强有力工具[19]。
教育领域 中的大数据主要包括师生基本信息数据、课业测试与作业数据 、校 园实录数据， 课程资源数据【2 o-、课外学习数据、学生...
篇二：数据驱动教育改进论文
总第 430 期2019 · 12A︼ ｜课 改 前 沿数据驱动，优化教学*——基于数据分析的小学数学教学实践研究陈 刚
彭 坚* 本文系 2017 年度江苏省基础教育前瞻性教学改革实验项目“基于数据分析的小学数学教学实践研究”（苏教办基〔2017〕9 号）研究成果之一。收稿日期：2019-09-17作者简介：陈刚，苏州市实验小学校(江苏苏州，215007 )副校长，一级教师，苏州市小学数学学科带头人；彭坚，苏州市实验小学校（江苏苏州， 215007）教科室主任，一级教师。摘要：大数据时代的到来使运用数据驱动教学改进成为教师教学新的关切点。苏州市实验小学校从大数据教学支持系统构建、教师教学的数据素养提升和数据分析优化小学数学教学三个维度，在小学数学教学领域研究与实践适应每一位学生的精准有效的教学，促进学生在小学数学领域的自主、主动、个性化学习，提升小学数学教学效能。关键词：数据分析；小学数学；教学实践中图分类号：G623.5 文献标志码：A 文章编号：1673-9094(2019)12A-0016-06近年来，随着信息技术的革命性突破和泛互联网数据的急剧扩增，以“数据驱动学校，分析变革教育”的教育大数据时代已经来临。数据技术带来的教学过程实时反馈、基于数据分析的学习内容优化和满足个性化学习需求等特征，正在对传统的学校教学产生深刻的影响。运用数据技术，挖掘小学教学活动中的学生学习行为数据，进行科学的数据分析，提升教学有效性和效率，对当前学校教学的发展具有着重要现实意义。苏州市实验小学校在“十二五”期间，在布鲁姆的教学目标分类学、加涅的学习条件理论和基于学习条件理论的教学设计原理等教学心理学理论指导下，开展了“学习分类、目标导向的教学设计”研究与实践，取得了初步成果，教师的教学行为更为符合教学心理学揭示的认知规律，小学数学教学也更为轻负高效。而以现代教学心理学理【项目简介】 苏州市实验小学校的“基于数据分析的小学数学教学实践研究”是 2017 年江苏省基础教育前瞻性教学改革实验项目。该项目在小学数学教学领域，研究运用大数据理念与技术进行数据挖掘、学习分析，在大量数据的归纳与分析中找到真正影响小学数学教学有效性的重要因素，使教师全面获悉每一位学生学习的真实情况，进行更为精准、高效、适应学生学习的小学数学教学，优化教与学方式，促进因材施教。项目开展近两年来，经历了现状调查与理论学习、顶层设计与分步实施、回顾梳理与反思改进三个阶段，在数据平台构建、数据驱动教学改进等领域取得了一定的研究与实践成果。
总第 430 期
2019 · 12A17︼ ｜课 改 前 沿论和实证研究为基础的小学数学教学，一直将学生的学习结果数据分析放在重要位置。这为数据分析技术引入小学数学教学领域奠定了良好的前期基础。2017 年，我校申报的“基于数据分析的小学数学教学实践研究”项目被立项为江苏省基础教育前瞻性教学改革实验项目，由此开展了以数据驱动教学改进的研究与实践。一、基于数据分析的小学数学教学实践研究目标本项目研究和实践的目标是运用大数据理念及技术，开发相应的教学支持系统，通过数据挖掘及学习分析，研究并实践基于学生学习需要的小学数学教学方法与程序，促进学生在小学数学领域的自主、主动、个性化学习，提高小学数学教学的有效性。依据目标，我们主要从三个方面推进研究与实践工作：一是建设适应学生学习的教学支持系统，包含适应学生学习的小学数学教学资源开发实践研究和小学数学教学平台建设实践研究；二是基于提升数学学科素养和数据分析素养的教师培训实践研究；三是基于数据分析优化小学数学教学的实践研究。二、基于数据分析的小学数学教学实践路径近两年来，我们围绕研究目标，组建了由小学数学教师、数据技术专家、数学教学专家组成的项目组，在三个维度推进研究与实践工作，取得了以下成果：（一）适应学生学习的教学支持系统建设适应学生学习的教学支持系统包含两个层面：一是适应学生学习的小学数学教学平台建设，二是适应学生学习的小学数学教学资源系统开发。1. 适应学生学习的小学数学教学平台建设建设教学平台需要具备三方面的功能：一是实时收集学生学习行为数据；二是能根据小学数学知识图谱的结构，有效整合教学资源，并根据教师的教学指令推送各类教学资源；三是对学生的学习行为数据进行量化分析并呈现。（1）小学数学教学的平台架构。平台采用 B/S模式（浏览器 + 服务器）的交互方式，B 是教师端和学生端的浏览器，S 是搭建在服务器上的学习平台，由教师在系统上开设课程和定制资源，学生通过终端设备的浏览器访问学习。教师可对学习活动进行组织，参与互动。平台的基础是两库一图。两库是题库和资源库，一图是知识图谱。题库实现存放各科各类的习题，内容涵盖各年级，分填空、判断、选择、简答等形式，与学科知识图谱中的知识点关联。资源库中包含一系列学习视频资源，也与知识点绑定。（2）小学数学教学平台的主要模块。平台设置了多个功能模块，与核心的两库一图相对应，有资源管理、题库管理和知识图谱三大模块。教师可通过这些模块对资源、题库和知识图谱进行维护与更新。从教师端口来看，有教案管理、分组管理等模块，教师可使用这些模块进行教学方案的设计，从两库中调取习题和资源，控制学习任务的下发、暂停或撤回，对学生提交的作业进行评改，组织学生围绕某个主题或者某一个具体的问题在线讨论等。从学生端口来看，有学习任务单、在线讨论等模块，学生可在这些模块中参与学习和互动。（3）小学数学教学平台的主要功能。适应学生学习的小学数学教学平台可实现的主要功能有：教案设计、教学执行、作业批改、分组管理、数据分析（见表 1）。教案设计 教师在平台上可建立教案本，添加课时计划，配置实施时间、班级等。在进行教案设计时，教师可根据学生个体特征进行分组设计。教学执行 平台具有帮助教师组织教学的功能，可在课堂教学时由教师选择任务发放给学生，过程中可暂停，可撤回。作业批改 学生通过浏览器在线答题，参与线上讨论互动。教师在平台上进行批改与点评。学生可根据教师的评语进行订正、复学等活动。分组管理 教师根据学生个体特征进行分组，设置不同的学习任务，平台可向学生分发不同的学习任务，满足个性化学习需求。数据分析基本统计量 平台对各习题的完成情况逐一统计，用统计图表显示出每一题的完成人数，正确、错误人数。学生详情 平台为每位学生提供了关于学习累计的统计，包括对习题完成情况的统计，按学科、教案章节、知识点、题目类型等进行的分类统计分析。这是教师开展个性化教学的依据。标签管理 教师可设定一些常用标签用于学生作业的标注，方便在后续数据统计时从多维度进行分析。表 1 小学数学教学平台主要功能表
18总第 430 期
2019 · 12A︼ ｜课 改 前 沿2. 适应学生学习的小学数字化教学资源系统开发开展基于数据分析的小学数学教学实践研究，首先需要有相应的数字化教学资源，这是一项基础性工作。由于数学学科本身所具有的严谨性、逻辑性，高度的抽象性和广泛的应用性，所以数字化教学资源需要依据小学数学学科本身特点进行系统开发。主要分两步：一是依据小学数学学科的知识结构和学科特性，研究绘制形成小学数学学科的知识图谱。二是依据绘制的知识图谱，运用布鲁姆教育目标分类理论进行系统的适应学生学习需要的教学资源开发与分类。（1）绘制小学数学学科知识图谱。知识图谱是显示知识发展进程与结构关系的图形。小学数学各知识点之间存在着直接或间接关联，这些知识及知识之间的关联形成了立体的、网状结构的知识树。通过绘制可视化的图谱，表述小学数学知识及知识之间的相互关系，形成完整的知识体系图，这就是小学数学的“知识图谱”。这张可视化的图，呈现了小学数学知识之间的关系以及发展演进的路线，能清晰地展现每一个知识的生长点、延伸到哪里，以及相关联的知识。根据小学数学课程标准，以“因数和倍数”知识点为例，我们系统整理小学数学知识绘制而成的知识图谱不仅包括知识点和知识点之间的关系（也就是每个知识点的起点知识和后续知识），还包括知识点的教学目标、所在章节，以及相对应的教与学方法说明（见图 1）。图 1 小学数学知识图谱知识点说明（因数和倍数）知识点因数和倍数章节7.08.01说明数学概念的学习，需要达到理解水平。目标1. 学生能结合乘法的算式，举例说明“因数”和“倍数”的关系。2. 在 1-100 的自然数中，能找到某个数的所有因数；在 1-100 的自然数中，能找出 10 以内某个自然数的全部倍数。学习方式概括知识关联图认识乘法算式倍的认识因数和倍数质数与合数 分解质因数2 和 5 的倍数的特点公因数和最大公因数公倍数和最小公倍数（2）适应学生学习需要的教学资源的开发与分类。知识图谱构建的主要目的是为了在教学平台上进行适应学生学习的教学资源建设。教学资源必须与知识点挂钩并具有梯度层次，这样才能推送给不同学习目标、不同水平层次的学生。资源建设的主要内容是习题库建设和教学微视频开发。我们依据开发的知识图谱，运用布鲁姆教育目标分类理论开发了小学 1~6 年级完整的习题库，每一道习题与相关知识点匹配。同时，依据布鲁姆教育目标两维分类框架，将习题分为记忆、理解、运用、分析、评价、创造六个水平层次，进行习题属性标注，方便老师教学并适应学生学习的需要。在一些基础的数学知识点和重要的数学知识点上，我们还开发了教学微视频资源，供学生自主学习。（二）构建运行“学、研、行”教师培训模式由于以学生素养发展为核心，以大量学习数据为支持的教学，教师没有先例可循。为此，在
总第 430 期
2019 · 12A19︼ ｜课 改 前 沿项目运行中我们必须开展教师培训来解决这个问题。而目前教师培训普遍采用的现场专题培训、观看网络视频、网上发帖交流等方式，从实际成效上看，有利于达到的学习目标主要是记忆和理解，难以达到运用、分析、评价、创造等更高层次目标。出现这种问题的根源在于：多数培训，无论是关于新理念、新方法的专家讲座，还是优秀教师的示范课，对于参训教师而言，仍然属于事实性或概念性知识，没有亲身的实践体验。“做中学”，很难将其转化成程序性或策略性知识。为此，我们研究构建了“学、研、行”教师校本研训模式（见图2）。
图 2 揭示了在教师培训中，研究是学习与实践的桥梁，没有研究，教师难以学以致用。提高教师培训实效性的核心在于引导、促进教师在学习、实践中开展研究。所以“学、研、行”教师校本研训模式分为两个阶段：“学、研”阶段和“研、行”阶段。在“学、研”阶段，教师主要学习的是事实性知识和概念性知识；在“研、行”阶段，教师深度学习的是程序性知识、策略性知识、信念性知识等。依据布卢姆教育目标分类学，在“学、研”阶段教师主要处在对新知识的记忆、理解层次，在“研、行”阶段教师处在对新知识的应用、分析、评价、创造层次。“学、研”阶段和“研、行”阶段，是不断循环、螺旋提升的过程。1. 学、研阶段在该阶段研训团队主要学习、研究国内外已有的理论与实践成果。为此我们开发了学、研阶段螺旋式循环提升的五步骤程序：分析需求—确定内容—自主学习—分组研修—讨论深化。
（1）分析需求：主要通过调研，明确参与研训教师知识结构的不足之处在哪里？其迫切需要解决的问题是什么？发现在大数据时代，教师素养发展上的具体需求。（2）确定内容：在需求分析基础上，我们将培训内容定位为学习科学理论、大数据理论与技术等。书单包括《应用学习科学》《大数据时代》《技术时代重新思考教育》《如何进行个性化教学》等十余本最新的相关理论与方法方面论著。（3）自主学习：教师在明确研究问题的基础上，开展自主阅读。我们强调要带着问题去读书，与现实的教学情境联系起来去读书。教师撰写个人读书笔记、读书心得、读书反思，互相交流。（4）分组研修：我们将参加研训的教师按照不同的研究问题进行分组。各研究小组将前期自主学习中学到的理论与其建立联系，力求找到对研究问题的解释，以及在教学实践中验证的方式。（5）讨论深化：由专家主持召开研讨会，各研训小组分组汇报学习体会，相互质疑，相互补充。随着大家充分地沟通交流、质疑问难，往往会引出更深层次的问题。这些问题会促进教师反思，并投入到新一轮的学习中。2. 研、行阶段该阶段研训团队运用课例研修的方式，通过开展线上与线下混合式教学，使教师在研讨与实践活动中，习得新知。我们开发了研、行阶段螺旋式循环提升的五步骤程序：设计标准—集体备课—课例观摩—评价改进—迁移运用。（1）设计标准：研训核心组成员，研究了教学各环节数据收集、数据分析的基本要求，使基于数据的教学改进意识全面融入教学设计中，形成了教学设计的新标准、新规范。（2）集体备课：全体研训教师分小组依据新开发的教学设计标准，进行教案设计。该阶段要求各小组成员充分交流讨论，运用新学到的知识，整合线上与线下教学资源及新教学情境下的多种教学方法，设计出数据驱动教学的教案样例。（3）课例观摩：各研训小组轮流开设研究课，全体研训教师参与听课活动。另外，邀请课题指导专家全程参与听课。听课后，由开课的研训小组介绍研究课的设计意图、数据挖掘与分析的方法等。（4）评价改进：研究课结束后，组织开展评课活动，研训教师、各位专家发表评课意见。重点围绕数据挖掘与数据分析的有效性，对课堂产生的影响，以及教学效果等方面，开课的小组根据意见建议改进其研究课的设计。（5）迁移运用：每...
篇三：数据驱动教育改进论文
2兰：!苎兰竺兰!兰兰：：2竺文章编号：100仔—9860(2014)07—0105—08Learnl n日I乏e50urcc andTc6hnoIogy学习资源与技术数据驱动决策系统：大数据时代美国学校改进的有力工具木王萍1，傅泽禄2( 1．华南师范大学文学院，广东广州510631；2．广东科学中心，广东广州51000哟摘要：大数据时代如何有效地利用数据形成决策的洞察力是当今教育研究领域倍受关注的话题。随着信息技术的发展和对学生学习评价的需求不断增加，美国各学区已逐渐接受了数据驱动决策系统，并将其作为支持学校改进的工具。为了让我国教育工作者全面了解这一新型工具，该研究在明确数据驱动决策的概念及其产生背景的基础上，对数据驱动决策系统的基本要素、实施步骤进行了说明，并以美国组约教育局为例分析了该系统在实践中的应用和面临的挑战。研究袁明，数据驱动决策系统有助于学区和学校领导利用数据制定一个用于持续改进的蓝图。了解这一工具并反思我国的教育现状，对推动我国利用数据提升学校教育质量的研究具有重要意义。关键词：大数据：数据驱动决策系统；学校改进中图分类号：G 434文献标识码：A自计算机和网络进入教育应用以来，以信息化技术对数据进行分析来驱动决策的努力就已开始。决策可以由三种方式分别或混合驱动：直觉、经验和逻辑。虽然有时直觉和经验在决策过程中是无可替代的，但通过逻辑方式做出决策通常被认为具有高确定性的特点，更易于被接受。数据是填充逻辑过程的基石，大数据正在改变决策的驱动方式，由直觉和经验驱动决策开始向数据驱动决策(Da￡a—肺venDeci si onM 出ng，DDDM )转化。数据驱动决策在当今美国教育研究领域倍受关注。2010年美国国家教育统计中心指出，近5．16亿美元的联邦资金用于发展各州的技术基础设施，其中包括通过州级纵向数据系统(1heStal fj w i dek哂tudi Il alD atas嘞咖，SⅢ)资助项目来支持学区基于数据驱动决策的信息技术基础设施【l 】。当前数据驱动决策系统已成为美国各学区利用数据支持学校改进的有力工具。那么什么是数据驱动决策?它是怎样产生的?数据驱动决策系统包括哪些基本要素?其实施步骤是什么?在实践中是如何应用的?利用数据驱动决策系统改进学校会面临怎样的挑战?这些正是本文所要探讨的问题。一、数据驱动决策及其产生的背景2013年，福斯特· 普罗沃斯特( Foster Provost)和汤姆· 福塞特( TomFaw eett)在《数据科学与大数据、数据驱动决策的关系》一文中将数据驱动决策定义为“ 基于对数据的分析，而不是仅仅依靠直觉进行决策的实践” 【2】。在教育领域中应用数据驱动决策这一概念是模仿工业和制造业的全面质量管理、组织学习和持续改进等成功做法。这些做法强调组织改进是通过对不同类型的数据作出迅速反应而得以提升的。这些数据包括诸如材料成本之类的输人数据，诸如生产速率之类的过程数据，诸如缺陷率之类的结果数据以及包含员工和顾客意见的满意度数据【3】。数据驱动决策在教育中是指收集、分析、报告和使用数据用于学校改进的过程f4l 。在对学区利用数据驱动决策系统作为学校改进工具的报告中，美国学习点协会(Le锄i ngP0i nts Associ ateS)强调“ 在利用数据改进决策之前，重要的是理解数据究竟是什么?” 数据的操作性定义是指学区和学校领导使用的多种信息和知识资源，例如有关学生年级水平、人口、语言熟练度、国家标准评价、真实性评价、教师自编测验、教学实践、作业和年级平均成绩等‘ 鄂。在美国，学校收集数据已经几十年，然而许多学区或学校管理者直到最近才发现数据在学校改进方面的力量。近期大家对数据的关注是由“ 不让+本文系2011年教育部人文社会科学研究规划基金项目“ 中学教师课程价值取向及对教学行为的影响研究” ( 项目编号：11YJ A880051) 和2012年“ sol 0分类学在构建中小学生学业质量检测体系中的应用” ( 项目编号：2012ZJ K014) 项目阶段性成果。万方数据Learni ngR伪Durce andTechnoIogy学习资源与技术一个孩子掉队” ( N CLB) 法案所引发的。随着技术的最新进步和对学生学习评价的需求不断增加，许多学区或学校管理者发现数据的作用已远远超出了N CLB的报告要求。如今全国各地具有超前意识的学区开始采用数据驱动决策系统，不仅要分析测试分数和学生成就，还要分析如何缩小学生之间的成绩差距，提升教师素质，改进课程，分享学校和学区的最佳实践，与关键利益相关者更有效地沟通教育问题，促进家长在教育过程中的参与以及加强与教育团体的对话。无论人们是否同意立法的范围和意图，N CLB已将全国各地对教育数据的重视提升到了一个新水平。由于N CLB，现在学校管理者需要负责监控并改善学生的表现，提高教师的教学效率。这种报告通常需要一个用于数据收集和分析的复杂系统。为了推进N CLB，各州和大部分学区都需要安装某种形式的数据管理系统。然而，普通的系统通常是由一部分通过各种接口松散连接的电子表格、数据库和纸质报告组成的，难以全面、综合地对数据进行检索和分析。今天许多学区都将N CLB作为推进数据驱动决策的催化剂。这些学区使用数据驱动决策完善其技术基础设施，使数据收集和分析程序正规化，并且要求基于数据，而非假设做出明智的决策。例如，许多学区都面临着紧张的预算和有限的资源，不得不作出削减项目的艰难决定。因为安置了数据驱动决策系统，管理者可以快速、轻松地分析出学生参加这些项目与其他诸如学生出勤、纪律事件和学生成绩等指标之间的相关性，从而清晰地了解每个项目的有效性。当被迫要削减这些项目时，管理者就可以根据实时的事实和数字，而不是情感或假设来淘汰某些无效的项目眄】。总之，如果没有一个正式的数据分析系统，各个学区往往无法发现和解决发生在学校层面的关键问题。由数据引发的反馈可以帮助学校确认是否在正确的轨道上行进，以提高学生成绩，同时了解进展的快慢。数据驱动决策为学校提供了学区、教师、学生和家长可以访问大量信息的路径。今天学校可让关键决策者利用数据作出更明智的决策，从而提升学校的整体性能，提高学生成绩。二、数据驱动决策系统的基本要素随着数据仓库技术和数据挖掘技术的发展，进一步有效地利用数据形成决策的洞察力成为可能，数据驱动决策系统得以发展。一个全面、综合的数据驱动决策系统是通过数据提取、转换和加载(Extracti on，Transfo瑚ati onandLoadi ng Tool ，ETL)工2014．7中国电化教育总第330期具将来自不同数据源的数据合并到数据仓库里的。然后利用数据分析工具进行分析和处理，将数据转化为知识，最后利用决策支持工具和诸如需求评估、专业发展和培训之类的咨询支持服务，帮助相关人员基于数据作出决策，如下图所示。学区可以根据自己的具体需要和预算考虑，选择实施这个系统的全部或部分，用以支持学校改进。下面对这个系统的基本要素进行具体介绍。数据驱动决策系统的基本要素用(一)多样化的数据来源决策支持多样化的数据来源。这些多样化数据来自学生信息系统( StudentSvstem s，SIs)、人力资源(Hum an Resources，HR)、资金以及评价等不同功能的数据库。其中，评价数据库中涵盖了从国家测验、基准评价到基于学校或课堂层面开发的专业测验的所有测试数据。(二)数据提取、转换和加载工具数据提取、转换和加载工具( ETL) 是数据库和数据仓库之间的接口。该工具将从各种异构数据源中抽取数据，并按照预先设计好的规则进行转化清洗，处理一些属性难以统一规范的数据、冗余数据、错误数据或者是异常数据，目的是让用户对问题进行补救并维护数据质量，最后再将数据加载到目标数据仓库中。这是建立数据仓库的必要基础。(三)数据仓库数据仓库是在数据库已大量存在的情况下，为进一步挖掘数据资源、为决策需要而产生的，它并不是所谓的“ 大型数据库” 。数据仓库是一个专门的中央储存器(CenⅡal Reposi tory)，用来保存从多个数据库经ETL工具选取的已有数据，并为上层应用提供统一的用户接口，用以完成数据查询和分析研。一个精心设计的数据仓库可用作一个强大的数据驱动决策系统的基础层。数据仓库主要是研究和解决从数据库中获取信息的问题。(四)数据分析工具数据分析工具是推动数据驱动决策系统的“ 引擎” 。这是一个用户界面友好、非隐秘的报告分析Inf orm ati on万方数据
2014．7中国电化教育总第330期工具，其职责是对驻留在各种数据源或数据仓库中的信息进行挖掘、预测和分析。它通常提供一个集成报告工具，让用户能实时地、预先格式化地定制报告，从而让那些最需要利用其加快分析和改进工作的人得到数据。工作人员可以在短短几分钟内对一个主题进行详细分析，调查其他原因或相互关系，从各个角度分析结果。(五)决策支持工具在数据处理方面，最大的难度就是对信息处理的不完全和不规范化。而且这些数据有时会有一些不肯定的性质，使得人们很难做出判断。决策支持工具的作用就是对大量数据进行深入、详细的了解和分析，然后进行推测。决策支持工具需要通过建议并描述正确的措施来进一步推动分析，以帮助管理者和教育者重视数据分析工具所强调的问题。该工具通过为管理者、教师和工作人员提供建议、实时警报和自动化行动，创建了一种持续改进的文化氛围。(六)咨询支持服务许多提供数据驱动决策系统的供应商还提供诸如需求评价( N eeds Assessm ent)、专业发展和培训之类的咨询支持服务。有了需求评价，供应商就可直接与学区一起对技术、基础设施、数据、前期的教育组织目标进行确认，并提供一个虚拟的实施路线图。实施过程开始时，重要的是确保系统用户能学会运用合适有效的策略，以利用数据支持并促进学生学习，从而实现更高的运营效率。有些供应商还会提供专业发展和培训服务，将其作为数据驱动决策包的一部分。起初寻找这些可提供数据驱动决策系统的供应商看起来很困难。美国研究中心发表了一份名为《学生正处于危险之中的教育》( theEducati on of Students Pl aced At Ri sk)的报告。这份报告概述了一个学生数据分析系统应具备的所有特征，同时指出尽管没有一个单独的供应商能提供具备所有这些特征的系统，但管理员还是应确认那些对学区而言最重要的特征，然后基于这些所确认的需求来选择一个供应蒯研。三、数据驱动决策系统的实施步骤就最基本的形式而言，数据驱动决策主要是收集合适的数据，以有意义的方式分析数据，让有需要的人能获取数据，利用数据提高学校效能和学生成绩，最后与关键利益相关者沟通数据驱动决策。虽然各学区的需求和资源可能会有所不同，但一般来说实施一个数据驱动决策系统需要以下五个基本步骤。Learni ngRe50urc8 andTechnol 09y学习资源与技术(一)数据收集与审核在实施数据驱动决策系统之前，学区或学校领导应具有收集数据的广阔视野，收集多种类型的数据，而不是仅仅收集高利害测验数据，用以满足接受联邦资金或达成N CLB所需的年度进步( AnnualYedy Progress，AYP)的管理要求。因为当涉及到学生的学习问题时，任何单一的测验都无法完全显示国家或地方标准及课程所规定的有关学生能理解什么，能做什么的全景。一旦学区确定好了收集数据的范围，下一步就是进行审核，确认已收集的数据并判断不同的数据源能否兼容。如果无法兼容，学区应查找影响数据兼容的因素。随后，学区有必要确认所需的额外数据。为了确认额外数据，可以采取数据收集的多维方法。可以进行创造性思考，超越传统的事务型数据库的范围，同时收集量化数据和质性数据。其中，质性数据源包括对教师、学生、家长的访谈和问卷调查、教师日志、另类评价( Al tem ati ve Assessm ents)等。最后，学区还要决定数据收集的频率，是以每天、每周、每月、每年的频率，还是数年才收集一次?【l(二)数据标准化管理数据收集与审核之后，接着就需要先将数据标准化，再利用标准化后的数据进行数据分析。数据标准化也就是统计数据的指数化。就最简单的形式而言，数据驱动决策就是将数据元素( Data El em ent)相互关联，并探索影响学生和教师表现的积极因素和消极因素。数据元素是计算机科学术语，它是数据的基本单位，在计算机程序中通常作为一个整体进行考虑和处理。如果收集数据元素的过程还没有被标准化，将数据元素相互关联几乎是不可能的。因此，首先要考虑开发一套适用于整个组织的数据标准。这些基本的标准包括消除用纸系统(El i m i nati ng Paper System s) 、直接向可兼容的计算机系统输入所有数据、用通用键( U ni versal Keys)来组织数据等。其中，通用键是指全球唯一标识符(Gl obal l y U ni que Identi fi ers，GUIDs)，在w i ndow s系统中称之为Cl ass ID ，缩写为CLSID 。对于不同的应用程序、文件类型、O LE对象、特殊文件夹以及各种系统组件，w i ndow s都会分配一个唯一表示它的ID代码。因此，通用键主要用于数据集成。数据、元数据以及其合成数据都需要具有标识。’ 同样重要的还有为特定数据元素分配所有权。一个明确的责任链会提高数据质量及其完整性。这也是一个理想的介入时机，在这个过程中对学区的信息系统进行评价，以确定其是否能胜任数据收集和分析。第一选择应是最大限度地利用现有的信息0】万方数据
Learni ngl 之e50urce andTechnoIogy学习资源与技术系统。如果不行，那么可能只有去寻找能兼容数据管理的供应商。需要注意的是，教育机构的技术供应商拥有越来越...
篇四：数据驱动教育改进论文
信息化教学新探—以数据驱动学习 模式为例——郭嘉（ 泉州师范学院 外国语学院， 福建 泉州 362000）摘要：基于语料库的数据驱动学习模式是一种自 下而上的归纳式学习模式，具有以学生为中心，促进学生发展自主学习能力，适用于语言教学领域的不同层面等特点。合理利用语料库资源，结合数据驱动学习模式可以弥补当前教学过程中语言输入不足等问题，是当前外语教学模式的有益补充。关键词：外语教学；信息化教学；数据驱动学习；语料库中图分类号：H3-42文献标识码：A文章编号：1673－4823(2013)01－0079-05[收稿日 期]2013-01-08[基金项目 ]福建省泉州师范学院 2011 社科课题（ 项目 编号 2011SK33）。[作者简介]郭嘉（ 1979-），女，福建泉州人，讲师，硕士，主要从事二语习得、外语教学工作。闽西职业技术学院学报Journal of Minxi Vocational and Technical College第15卷第1期2013年3月Vol.15 No.1March 2013doi：10.3969/j.issn.1673-4823.2013.01.018自从有外语教学实践以来， 语言研究者和语言教师就没有停止对“ 外语要怎么教”和“ 学生要怎么学”这两个问题的探索。多年来，外语教学理论层出不穷，这方唱罢那方登场。
外语教学领域先后经历了翻译教学法、听说教学法、情景教学法、交际教学法和任务教学法等等， 不同的教学法分别体现了不同的教学理念，强调某种语言技能，符合盛行年代的教学需求。
纵观教学法的发展，以学生为中心和培养学生语言交际能力逐渐得到普遍认同。
但以上教学法始终不离“ 理念+方法+教材”三大模块。
随着信息技术走入课堂，外语教学模式悄然发生变化，从原来的三大模块扩增至 “ 理念+方法+技术+资源” 四大模块。
与传统教学模式相比，基于现代化信息技术的新型教学模式对师生提出了掌握信息技术上的新要求，并促使了教学内容向广度和深度延伸。2007 年颁布的《 大学英语课程教学要求》明确提出“ ……应充分利用多媒体和网络技术，采用基于计算机和课堂的英语教学模式改进原来的以教师讲授为主的单一课堂教学模式。
新的教学模式应以现代信息技术， 特别是网络技术为支撑……朝着个性化和自主学习的方向发展”[1]。
新教学要求的颁布预示了将来信息化教学模式是课堂教学发展的一个方向。
那么， 如何将信息技术有效利用于英语教学课堂， 在这一块领域广大教师还有很大的研究和实践空间。
本文以基于语料库的数据驱动学习模式为例，阐述数据驱动学习模式的特点并辅以实例， 探讨如何合理利用该模式弥补当前教学过程中不足之处，使之成为当前外语教学模式的有益补充。一、数据驱动学习模式在中国的研究基于语料库的数据驱动学习模式的研究和应用在中国才刚刚起步。
20 世纪 80 年代以来，语料库及其相关研究逐渐引起了众多学者的关注。
语料库研究几乎覆盖了语言学的各个分支，词典编纂、词汇研究、语法研究、对比与翻译研究、语义学、文体学、话语分析等等[2]。
学者们对语料库与外语教学结合也做了大量研究， 越来越认同语料库作为一种新资源和新技术对外语教育教学有巨大的潜在价值， 但语料库辅助的教学还未能切实进入外语教学的主流， 即课堂教学[3]。
本文整理了 2001-2011 年 CNKI 收录的有关数据驱动学习的文章。
这十年来，虽然对这一学习模式的关注持续上涨，但是到 2011 年 CNKI 收录79
的相关论文也仅有 27 篇（ 如图 1）
。本文继续对这些论文进行了整理归纳， 数据驱动学习模式在中国语言教学领域的应用可以分为如下几类（ 如图 2）
。数据驱动学习模式在中国语言教学领域的应用以在词汇教学中最多，其次分别是写作、培养学生自主学习能力、 翻译和视听说。
在 ESP （ English forSpecific Purpse）
、 语法教学及文学上也有涉及但为数不多， 其他的论文为介绍数据驱动学习模式的理念或方法技术。由图 1、图 2 呈现的信息可知，数据驱动学习模式在中国外语教学中逐渐受到关注， 并且已经开始应用于多个语言教学层面。
当前，随着信息技术的发展，与数据驱动学习模式相关的技术条件日渐成熟，因此开发数据驱动学习模式的潜力， 扩大其适用范围，使之促进英语教学向个性化学习、自主式学习方向发展势在必行。二、数据驱动学习模式的概念和特点数据驱动学习模式(Data-driven learning, 以下简称 DDL)是一种基于语料库数据的外语学习方法。—将语料库语言学应用于外语教学由 Tim Johns——的开拓者， 于 20 世纪 80 年代末提出。
他认为：
…the task of the learner is to “ discover” the foreignlanguage, and that the task of the language teacheris to provide a context in which the learner candevelop strategies for discovery———strategies throughwhich he or she can “ learn how to learn”。[4]在他看来，学生本质上也是研究者，其学习需要受接触语料库数据推动， 并且在学习过程中要发展起自主学习策略。
具体说来，数据驱动学习模式就是论文数30252015105020012002200320042005200620072008200920102011图 1CNKI2001-2011 年收录的有关数据驱动学习的文章302520151050词汇写作自主学习翻译视听说ESP语法文学其他图 2数据驱动学习模式在课堂教学中的实践论文数80
学生通过观察一定数量的文本数据，经历了“ Identify(确认显著特征)—Classify (分类显著特征)—Gene-ralise(归纳使用规律)”[4]三个步骤，总结了语法规则、意义表达及语用特征的学习过程。
最重要的是，学生从中发展了自主学习能力。
归纳起来，基于语料库的数据驱动学习有如下特点。（ 一）以学生为中心，教师为信息提供者在传统的课堂教学中， 教师通常会准备一些问题提问学生，这些问题的答案通常是已知的，以检查学生对知识点的掌握情况。
在师生一问一答的互动中，教师是主动的，学生是被动的。
而在数据驱动学习模式中， 教师准备的观察语料通常是完全基于学生的问题，可能是写作中出现的问题，也可能是口语中的， 如好问的学生最常问的问题类型是 “ ……和……之间的差别是什么？ ”由于问题是来自学生，提问的主动权落在了学生一方， 这样更能激起学生学习的兴趣。
其次，从提问到观察语料寻找答案，甚至需要与同伴讨论总结使用规律， 这一过程大大激发了学生的学习主动性。
与此同时，教师的角色也发生了改变，教师除了是信息提供者，还成了学习过程中的协调者与促进者。
学生在观察语料的过程中，可能会发现一些被忽略的语言规则， 或是有别于课堂教学的语用问题，这些发现可能会出乎教师的意料，如何回应学生这些意料之外的发现， 对教师提出了新的挑战。
正所谓教学相长，经常接触真实语料，不断应对学生的挑战， 在一定程度上也提高了外语教师的语言应用能力。（ 二）以语料库数据为依托，促进教学内容现代语料库就是一个大型的语言素材集合体，形形色色的语料库包含了来自客观世界几乎所有的语言现象。
语言来自不同年代、性别、年龄的语言使用者； 语料涉及不同语体， 既有日 常对话、演讲和学术讲座等口语转写， 又有新闻报刊文学作品等书面用语。
语料来源十分丰富，可以看成是语言教学资源的巨大宝库。
一些大型语料库库容甚至是动态的，如COCA（ Corpus of Contemporary American English 美国当代英语语料库）
目前库容为 4.5 亿词汇并且每年都在更新中。
另外该网站还提供语体分布检索、近义词检索、 近义词辨析等功能且供研究者和学习者免费在线使用。
除此之外，还有其他一些文学或翻译的专业语料库。
如此丰富的学习资源是以往任何一种教学模式不能比拟的， 促使了教学内容在广度和深度上的延伸， 语料库丰富的真实性数据保证了学生有大量高质量的语言输入。
从语言学习的角度来看，语言产出是建立在大量的语言输入基础上，大量高质量的语言输入有助于学生提高语言使用能力。这些前所未有的优势极大地挑战了目前主要以教材为主要语言输入的教学方式， 丰富了当前的语言教学内容。（ 三）自 下而上的归纳式学习，强调自 主学习传统的外语教学更多是沿袭了 3P 教学模式，即Presentation-Practice-Production。
以词汇教学为例，教师通常是先通过实例展示了使用规则， 学生通过练习加强理解和巩固，然后才有相应的语言输出，姑且不论这样的输出是否地道，总之，这是一种自上而下的演绎式学习过程。
仅靠教师讲解和机械地操练，学生对语言点的掌握往往不够深刻， 使用时容易生搬硬套。
而在数据驱动学习模式中，学习过程被视为是一种自下而上的归纳过程。
学生通过观察一定数量的语言文本材料，确认语言特点，然后进行分类归纳，总结出使用规律。
在观察语料的过程中，还会激起学生新的疑问和思考， 带动学习者不断带着问题到语料库去寻找答案，促使其与同伴和老师讨论，直至问题解决为止。
在面对如今网上的、书本的、图文的和视听的等等五花八门的语言信息时， 学习者更加需要具备观察和获取信息、 处理和运用信息的能力。
数据驱动学习模式本质上是探索和发现的学习过程， 从中发展学生自 主学习和解决问题的能力，这在信息丰富的现代社会里对他们有着独特的意义。（ 四）以关键词为中心，容易形成注意力焦点索引软件是数据驱动学习模式中缺一不可的计算机工具，这也是师生们需要掌握的新技术。
它可以从文本中复原某个检索项，单词或词组的所有语境。其特有显示方式语境共现 （ keyword-in-context:KWIC）
将检索结果以搜索词为中心， 两边语境按预定跨距（ Span）
显示出来， 同时还可以对两边的语境按字母或频数进行排序，以方便观察。
以 convince 为搜索词， 用 Antconc 搜索软件在大学英语教材语料库中搜索得出结果见图 3。81
这种以检索项居中， 同时凸现位于检索项两侧各种语境的共现界面容易形成一个注意力焦点，“ 有利于强化记忆以及帮助学习者利用语境获取语义和总结规律的学习环境”[5]。
然而许多初学者面对语境共现一行行“ 没头没尾”的语例往往觉得不知从何下手进行观察分析。
这需要引导学生改变以往那种必须逐字弄清每句话、 每个单词的意思或看到整段语篇标题内容才叫阅读的习惯做法， 鼓励他们要借助已经出 现的词句 或短语来猜测每行话语的大致内容。三、数据驱动学习模式的教学应用如上所述， 数据驱动学习模式可以应用于多种不同的语言教学层面， 但在国内的语言教学领域的应用以词汇教学居多。
以下以学生易混淆的词组“ take this job”和“ take on this job”为例， 说明数据驱动学习模式在词汇教学中的应用。首先， 以这两个词项为搜索词在合适的语料库中进行搜索并选取适合的语料， 然后引导学生观察语料。例 1 to pay off, she cannot nowtake a jobpaying less than pounds 12,000 a year. "I hav例 2 iver.He is now leaving totake ajob in Brussels as a European commissioner. With例 3 a kitchen assistant beforetaking a jobas a pizza delivery driver 18 months ago. W例 4 x years.Three years ago Itook apart-time job and have received my tax allowances例 5 eir boy to be a lawyer.Hetook ajob with the Ministry of the Interior but spent h例 6 se neuroses. "At 16,Mooretook asummer job working on the chassis line at GM but例 7 er moving to New York,shetook amodelling job and, while doing an ad for Olivetti例 8 block any move for him totake another job in football." Little would see a return观察例 1 至例 8 句索引行， 发现 take a job 通常出现在工作类型的语境中，其中有对工资的描述，—兼职或全职的描述，因此，可以推或对工作性质——断在实际语境中，take a job 意为工作。继续观察例 9 至例 16 句索引行， 发现 take ona job 通常出现在描述工作责任的语境中， 无论是有偿还是无偿。这个词组中间还可以有 stressful (例10)、 stress-loaded (例 15) and demanding (例 12)这样的形容词。例 9 Whitbread is strong.Why take on thejob of scrapping excess capacity when this c例 10 ays be people unwilling to take onthe stressful job-loads most Utopias depend on.例 11 A group of students could take on thejob of compiling the electoral register ahea例 12 teaching qualification to take on a de－manding job from which you can be sacked wit例 13 r does not improve when hetakes onthe job of defending Boston′s most corrupt publ例 14 be pounds 200,000.Now he takes onan unpaid job for an organisation which many be例 15 He′s fat, he′s 53 and he′s taking on astress-loaded job. He may be leader but he c例 16 ivated plants, while women took on thejob of grain preparation.′Women had t kneel在语料库中继续对 take on 的搭配词进行检索， 得出以下结果：
按出现频率排序， 分别是 role(s),图 3“ convince”在大学英语教材语料库中的搜索结果82
A new approach to IT-based foreign language teaching—Taking DDL as an example——GUO Jia（School of Foreign Languages, Quanzhou Normal University,Quanzhou, Fujian, 362000, China）Abstract：Data-driven learning(DDL)is fundamentally a student-centered and bottom-upinduction learning mode.It can suit the needs of learners in...
篇五：数据驱动教育改进论文
glish TeachersVol.21 No.12一、研究背景所在学校现有七年级、八年级、九年级共 40 个教学班，近年来在睿翼平板、翼课网、希沃易课堂等信息技术资源使用方面积累了一定的信息技术与英语学科融合的教学经验。学校所有教学班都在使用翼课网 APP 辅助教学，教师通过翼课网 APP 每周至少布置 5 次听说或读写作业。平板试验班教师通过课内与课外使用翼课网的“同步训练” “拓展训练” “听说考试”三个模块，探讨课前（通过推送资源学生自主学习）、课中（听说教学、阅读训练、当堂测试）、课后（分层巩固、个性化学习）等信息化教学方式，充分将翼课网与英语教学融合。经过一段时间的应用实践，学生在词汇、口语、听力、阅读、语法、写作和视听说各个模块的训练成绩均高于其他学校的学生，在听力训练和语法训练方面尤为突出，由此催生了教师探索“互联网 ＋ 平板”英语教学模式的热情。传统的英语写作训练由于时间和空间的限制，存在效率不高、成效不显等问题。学校使用翼课网，为教师实施“信息技术与英语学科融合”的教学模式提供了条件。二、研究目的在信息技术驱动下，掌握式写作教学已成为必然趋势，有助于教师创造性地掌握线上线下写作教学模式，优化“互联网 ＋ 英语”的写作教学设计。目标设计如下：第一，构建基于信息技术的英语写作教学创新模式；第二，促进信息技术与英语学科的深度融合；第三，利用信息技术进行有效的英语教学。三、研究方法第一，分析和诊断：运用信息技术记录各类课型（文献学习、数据分析法）；第二，聚焦和沉淀：探讨各类课型的课堂教学模式（行动研究法）；第三，研究和实践：探究基于大数据的掌握式英语自主写作教学方法（成果总结法）。四、研究过程与内容（一）主要抓手在“广东省 2019 年度教育信息化教学应用创新实践共同体项目”的推动下，在佛山市教研室何润青名师工作室的指导下，联合佛山市几所学校，成立“数据驱动下掌握式写作教学模式研究实践共同体”，致力于探究数据驱动下如何提升初中生的英语自主写作能力，以下为工作的主要抓手：第一，完成省教育资源公共服务平台“双融双创”智慧共享社区登录和网络社群共同体组建。通过广东省“双融双创”平台，创建共同体下属社团，培训共同体成员熟悉使用“双融双创”平台，促使信息技术与课程的深度融合，为“人人皆学、处处能数据驱动下提升初中生英语自主写作能力的实践研究谢雪梅【摘 要】分析数据驱动下提升初中生英语自主写作能力的研究背景。认为依托信息化数据驱动的掌握式写作教学已成必然趋势。通过一线教师的写作教学实践反思、案例剖析等，初步形成基于数据分析的“Dcscc” “ME ＋ OR” “2O ＋ CD”三种促进初中生英语自主写作能力的教学模式，并取得一系列成果。【关键词】数据驱动；初中英语；自主写作能力163。。. .。
。
2021 年 第 12 期 英语教师学、时时可学”创建技术环境支持。通过数据驱动下的英语写作深度学习，发展学生的高阶思维，丰富其成长体验，从而提升其育人价值（佐藤学 2012）。第二，以单元教学目标话题引领为导向，实施单元整体结构教学，强化单元话题写作，突破学与教固有形态，促使数据驱动下英语课堂写作教学模式的创新。第三，通过教学手段、教学资源、教学评价等方面的研究，以教学设计、教学案例、微课等多种形式形成实践阶段成果总结。（二）过程与内容通过扎实、形式多样的实践研究，探究提升学生自主写作能力的教学路径。1. “Dcscc 快乐写作导与赏”自主写作教学模式Dcscc 即 Detect-Collect-Select-Connect-Correct，从数据检测开始，启发关联、集思广益；然后精选内容，进行能力链接，最后结合数据反馈，改进提升。以工作室成员陈老师提出的“源·来·如·尺”四字为契机展开研究实践， “源”即认识，认识数据的魅力，变革写作教与学的方式，利用数据反馈驱动学生。“来”即教师根据数据了解写作教学实践，并从意识萌芽，到巩固完善，最后追根溯源到单元整体教学。
“如”即如何深入理解自主写作教学模式的内涵（同伴互评强化标准— 一键批改全面反馈—自主学习查漏补缺—网上批阅补充反馈—客观数据指导调整）并深入实践。2.（M ＋ E 和 O ＋ R）学生自主写作思维能力读写模式工作室成员柯老师率先从学生写作思维存在的问题入手，探讨解决此类问题的方法，探索初中英语写作教学中学生思维能力的培养。从分析思维结构和知识结构之间的关系入手，在写作教学过程中，结合课文分析语篇，理解其内容图式（What、How、Why）与结构图式，从关注文章整体到段落分析，层层分解，培养学生的逻辑思维能力，使其写作更清晰、有条理。3.（2O ＋ CD）混合教学写作指导模式“2O”即 Online ＋ Offline，线上线下融合；CD即 Coaching 和 Differentiation。教师利用数据驱动实施有效指导，使学生在“最近发展区”内得以发展（刘培生、姜允珍，等 2015）。工作室将翼课网作为教学辅助手段，为教师有效教学提供及时的数据反馈。大量的数据检索及推送，能让学生及时了解弱项，也能让教师有针对性地“扶差”。教师利用翼课网给出的读写综合数据进行课文整体教学跟踪，包括发布、提交、批改、反馈、再写、共享 6 个步骤。发布写作任务时，教师帮助学生作好语言和作答准备，让他们在线上写作并提交。教师利用翼课网一键批改功能及时给予学生用词、用句、语法等方面的反馈。基于此，教师根据翼课网给出的数据，给不同层次的学生设置不同的目标，让他们进行二次写作，使其在“最近发展区”内有所提高。五、研究实践的阶段效果通过两年的实践探索，积累了一定的实践经验，初步形成了基于数据驱动的“Dcscc” “ME ＋OR”“2O ＋ CD”三种能提升初中生英语自主写作能力的教学模式，并取得以下实践成果：第一，所制作的自主学习微课资源包—— — 《写作指导》入选“初中英语微课资源征集与数字出版活动”并出版。内容包括看的技能、写的技能；审题、写的技能；列提纲、写的技能；文章结构、写的技能；意义表达、写的技能；检查润色。第二，形成“数据驱动的英语跨区域协作”学校之间良好的协同发展模式。包括：通过环境构建的共同体沟通路径；通过“广东省双融双创平台”的社区资源建设统一的实践内容；通过共同体构建进行辐射推广。2020 年 4 月 7 日， “数据驱动下初中英语学习成效智能评价实践共同体”线上教学系列活动4 之“数据驱动下如何提升学生自主写作能力研究实践”在鲲翼学院平台进行直播，参与教师达3 000多人，在全省反响很大，获得较高评价。第三，形成数据驱动下的单元整体教学英语写作教学设计。在专家的指导下，组织全校 16 名教师分成 4 个实践小组，分别对外研版英语八年级教材进行“常规课堂、数字化一体机课堂、平板课堂及人机对话课堂”单元整体教学课例实践。以单元整体164。
。. .。
。
English TeachersVol.21 No.12教学设计为依托，形成 16 个教育信息化应用的课堂教学设计案例。这些案例在广东省“双融双创”平台及鲲鹏学院平台进行全国性展示交流。第四，所在学校作为佛山市英语学科教研基地，其教研活动得到市区多所学校的共同参与及高度关注。所在工作室成功申报了广东省 2019 年度教育信息化教学应用创新实践共同体项目学校，连同佛山六中、佛山澜石中学、三水健力宝中学等开展了“基于人工智能促进学生思维品质提升的实践共同体”等多项实践研讨活动。学校及工作室教师的展示活动多次得到了省、市级教师的高度认同。第五，探索如何利用数据精准化、个性化驱动英语写作教学。基于佛山市教研室此前已经完成的外研版初中英语教材配套的教学资源开展教学实践，从学生自主学习、课堂教学、评价三个方面探索、总结该教学资源的使用成效，不断更新、完善写作教学资源，推动其探究、对话、体验，使写作资源满足差异化教学、个性化学习的需要，使课程教学的育人价值由学科知识提升到学科核心素养培育，让课程教学真正担负起唤醒生命、激励成长、发展个性的使命（佐藤学 2014）。六、实践反思与总结英语写作教学由课堂教学转向全学程导学，由面对面教学转向跨时空助学，逐步走向差异化辅导及个性化学习。2019 年以来，以信息化应用破解常态教学情境下的英语写作教学实践困境为出发点，坚持问题导向和目标导向，构建基于数据驱动的教学模式和操作策略，实现信息技术与学科教学的深度融合，包括学生学习全过程目标与资源的融合、教与学方式的融合、技术与方法的融合、评价分析与诊断改进的融合。整个项目研究旨在让学生的学习更主动，教师的指导更精准，师生的交流更便捷、充分，教与学活动方式更适合、有效，从而更好地满足不同层次学生自主学习、个性化学习的需要，探索建立“以学生发展为本”的新型教学关系，从而提高课堂教学质量。实践成果有效地改变了以往的写作教学模式，达成了以下几点：第一，拓宽了教学环境。第二，形成了“以学生学习为中心，以学习目标为核心，重视学生学习过程、思维形成、能力展示”的课堂结构重组。第三，优化了学习历程。逐步实现了课前学情诊断数据化、课中测评反馈精准化、教学资源推送智能化、探究支架多样化、交流互动纵深化、拓展延伸个性化、体验感悟人性化。第四，改变了单纯以分数评价学生的方式，强调生生互评、小组互评等多种评价方式相结合。七、分析与展望进入教育信息化 2.0 时代，实现了大数据人工智能为英语教学赋能，强调以体验为依归，以数据为基础。有了互联网、大数据和人工智能，学生的个性化学习得以实现，课堂教学中互联网渗透在课内和课外，项目研究主要放在课前、课中、课后，使研究常态化、评价数据化、学习个性化、课堂教学更高效。需要做到以下几点：1. 凝聚众人智慧，集聚教研力量，积极探索课堂流程重建和课程高效建设。2. 促进课程资源开发，追求高效课堂、资源共享，为信息技术与学科融合赋能。3. 促进教师积极参与探索实践，引领其走上新时代教师专业发展道路。4. 继续深化“翻转课堂 ＋ 小组合作学习”英语课堂写作教学模式。引用文献刘培生，姜允珍，张之仁，等.2015. “探究—研讨”教学法及其在中国[M].武汉：崇文书局有限公司.佐藤学.2012.教师的革命[M].上海：华东师范大学出版社.佐藤学.2014.静悄悄的革命[M].北京：教育科学出版社.作者信息：528000，广东 佛山，广东省佛山市第十中学165。
。. .。
。
篇六：数据驱动教育改进论文
验回顾到数据驱动：人工智能赋能教师教学反思新样态 ——From Experience Review to Data-driven:A New Form to Teachers" Teaching Reflection Enabled by Artificial Intelligence 作者：
林攀登/张立国/周釜宇
作者简介：
林攀登（1992-），男，河南平顶山人，陕西师范大学教育学部博士研究生，主要研究方向为技术支持的教师专业发展、基础教育信息化；张立国（1965-），男，陕西榆林人，陕西师范大学教育学部教授，博士生导师，主要研究方向为教育技术学基本理论、网络教育；周釜宇（1988-），男，甘肃白银人，陕西师范大学教育学部博士研究生，主要研究方向为校长信息化领导力。
原发信息：
《当代教育科学》(济南)2021 年第 202110 期 第 3-10 页
内容提要：
教学反思在促进教师专业发展、提升教师专业水平方面具有基础性和根本性作用。在传统的教学反思实践中，教师主要以经验回顾式反思为主，往往停留在感性认识层面，难以上升到对教育教学本质和规律探讨的理性认识。人工智能赋能教师教学反思从经验回顾走向数据驱动，助力教师深入洞察教学过程、总结教学规律，使其呈现出数据化、系统化、协作化的特征。为推动人工智能赋能教师教学反思，需要实施数据驱动教学，促进反思与日常教学相融合；培养教师数据素养，提升教师教学反思能力；建立数据协作团队，推进基于数据的协作反思。研究旨在理论上为智能技术支持的教学反思研究提供新的思路，在实践上为突破教师经验回顾式教学反思困境提供现实指导。
From Experience Review to Data-driven:A New Form to Teachers" Teaching Reflection Enabled by Artificial Intelligence
关
键
词：
人工智能/教学反思/经验回顾/数据驱动/教师专业发展
期刊名称：
《中小学教育》 复印期号：
2022 年 02 期
一、传统教师教学反思的实践困境：经验回顾样态的泥沼
教学反思的有效性和高价值性早已成为教师教育界的普遍共识。自20 世纪 80 年代“反思性实践者”概念提出以来，“教师是反思性实践者”的观念及强调培养教师反思能力的教育思潮首先在美国、英国、澳大利亚等国的教师教育界兴起，之后迅速波及并影响世界范围内的教师教育。[1]我国学者也充分认识到教学反思对于教师专业发展的重要性，并结合国外相关研究和我国教育教学实践对教学反思进行了深入探讨。林崇德从心理学的视角提出了“优秀教师=教学过程+反思”的教师成长模式。[2]叶澜则基于对教师专业发展的深入研究提出，系统化、经常化的教师反思是促进教师专业自主发展的基础。[3]
然而，与理论认识上的有效性和高价值性相反，我国教师教学反思在实践层面却长期处于经验回顾的样态，对教学现象和问题往往做出简单、直观的分析和判断，并没有进一步探究经验背后所蕴含的本质规律及经验与经验之间的相互联系，难以深入到对教学的理性认识层面。[4]教师个体经验和教学数据是教学反思的重要载体和依据。但是，在传统的教学反思
实践中，由于数据收集的数量、范围和类型有限，且多源数据融合分析困难，教师很难对数据进行有效的分析和应用，而主要以经验为主。具体而言，传统教师教学反思在反思方式上主要依靠经验，即聚焦于教师对于教学过程的直观感受，并以纸笔式教学反思日记和教师间协作交流外化反思过程和结果，即使有相应的教学材料（例如学生作业、教学设计等）作为支撑，其作用也仅仅在于强化教师的直观经验。[5]在反思内容上主要反思经验，即以教师在教学过程中直接遇到的教学问题为反思内容，就事论事，很难涉及问题背后所反映的教学观念、假设、理论等深层内容。[6]在反思过程中主要归于经验，即教师以直观感性把握教学问题并将问题解决归于直观感性，解决方案带有随意性和不断试错的盲目性。依靠经验、反思经验、归于经验是传统教师教学反思经验回顾样态的集中体现。教学经验是教师开展教学实践的重要基础，也是教师专业发展的重要资源，但并非所有的经验都能给人以合理的指导。教师的认知结构中固然蕴含着能够有效指导教学实践的优质经验，但也不可避免地内藏着如“刻板印象”“固执己见”等狭隘的劣质经验。[7]并且，在经验的水平上，教师对教学的把握总是处于一种直观表象的杂多性和经验的流变性状态，只有上升到理论认识层面，才能达到本质和规律的深层认识，实现对教学经验的重构和超越。[8]
其实，我国已有部分研究关注到了教师教学反思处于经验回顾样态从而导致反思水平不高的问题，并力图通过多种技术工具和方法为教师教学反思提供数据支撑，改进教师教学反思实践。例如，基于课堂教学切片诊
断的教学反思聚焦于教学行为片段，能够更加深入地对教学过程进行分析，并形成基于典型经验的操作性理论，不仅可以作为教师教学设计的理论依据，还可以作为教学诊断标准，评价教师教学行为，改进教学实践。[9]另外，基于电子档案袋的教学反思也已经受到研究者的普遍重视。[10]融合大数据、人工智能技术的学生电子学档还可以提供多模态学习行为数据，为教师教学反思提供关于学生学习的全面、系统的数据支撑。[11]已有研究为我们认识和改进教学反思提供了基础，但还存在些许问题。首先，课堂教学切片诊断只适合有专家持续引领下的教学反思实践，对于教师日常教学反思而言，操作较为困难，难以持续，并且只能针对小规模数据进行分析。其次，基于学生电子学档的教学反思将反思内容仅定位在学生学习行为和结果上，对于如何基于人工智能技术对教学过程及其相关因素进行更为全面的反思还缺乏深入研究。基于此，文章聚焦于经验回顾样态这一困境，从人工智能教育的内涵与特征出发，分析其给教师教学反思带来的深刻变革，在借鉴已有教学反思模型的基础上构建人工智能赋能下的教师教学反思模型，最后提出推进教师教学反思的路径建议，以期为人工智能时代教师教学反思研究和实践提供借鉴与启示。
二、人工智能赋能教师教学反思：从经验回顾走向数据驱动
人工智能是研究模拟人类智能的理论、方法和技术，是计算机科学领域的一个分支。人工智能教育是人工智能技术应用于教育领域而形成的一种新型的教育形态。人工智能赋能教育，在教学、学习、评价、治理等方面不断推动教育创新。在教学方面，人机协同、学习分析、智能教师等正
在对教学活动产生深刻变革，并对教师角色和能力提出新的挑战。在学习方面，自适应学习、沉浸式学习等正在促使学生转变学习方式，使得学习更加智能化、个性化。在评价方面，智能测评、多模态学习分析等为教育评价提供了更加全面、深入、便捷的数据支撑，使得评价更加精准、科学。在治理方面，数据驱动的教育决策、智能校园治理等已经初见成效，为多元主体参与的协同治理提供了现实的可能。人工智能之所以引起人们极大的关注，其根本原因在于当前的人工智能技术已经超越了以往信息技术简单的工具属性，正在以其强大的数据搜集、处理和分析能力，深度参与或辅助人类决策。人工智能背景下的未来教育必然是数据驱动的，而非纯粹经验主义的实践。[12]
教学反思是教师为了实现有效教学和自我发展，对已经发生或正在发生的教学活动，以及这些教学活动所依据的理论、假设、观念进行积极、持续、周密、深入的思考，发现并清晰表征所遇到的教学实践问题，进而积极寻求多种方法解决问题的过程。[13]作为促进教师专业发展的重要途径，教学反思不再仅仅是教师个体的一种纯粹的认知活动，而是教师从教学实践出发，从中发现问题、分析问题并解决问题，最后回归教学实践的行为过程。教学反思的内容不仅包含教学过程本身，还包含影响教学过程的相关要素。受技术手段的限制，传统技术支持的教学反思主要是以技术为手段或工具创设反思环境，尽可能为教师提供更多的经验材料（学生作业、成绩、教学设计、课堂实录等），强化教师教学体验，以此促进反思。人工智能赋能教师教学反思是对传统的技术支持的教师教学反思的延
伸和发展，不仅能够为教师提供强化教学体验的经验性材料，还能够深度参与或辅助教师反思过程中对教学过程的分析、判断和决策，帮助教师发现问题、分析问题和解决问题，以有效改进教学实践。在人工智能赋能背景下，教师教学反思在内容、方式和过程方面将会产生深刻变革，呈现出新的反思样态。
首先，在反思内容上，从片面、浅层的反思走向全面、深入的反思。在传统的教学反思中，教师往往聚焦于课堂教学内容、方法、技巧的分析上，很难涉及与教学过程紧密相关的学生发展、教师发展、教学改革等内容上，也更无法深入从广泛的社会、政治、文化等背景对教学进行价值判断的层次。反思是否能够从片面、浅层走向全面、深入，完全依靠教师个体强烈的反思意识和教育智慧。人工智能赋能教师教学反思，通过对教学过程中学生数据、教师数据等的多模态、全景式收集，并与教师和学生的数字画像进行对比分析，达到对学生学习、教师发展和课堂教学的全面分析。在此基础上，教师才能够从作为教学改革背景的社会、政治、文化等层面对教学背后所依据的行为意义、价值观念、理论假设进行审视，开展深层次反思。
其次，在反思方式上，从经验式反思走向研究式反思。教师教学反思方式主要有个体独立思考、撰写教学日记、同伴合作讨论及行动研究四种。[14]撰写教学日记和同伴合作讨论是当前被普遍应用的教学反思方式，在实践中往往会流于经验式反思，教师依靠自身对教学过程主观理解和判断进行反思改进。行动研究作为一种系统化、规范化的教学反思方
式，由于其操作困难、对教师专业能力要求较高而较少使用。人工智能赋能教师教学反思，一方面为教师反思提供科学、全面的数据对比和证据支撑，使反思超越经验层面；另一方面，通过智能备课、智能培训系统可以引导教师遵循“发现问题→分析问题→解决问题”的研究式反思路径，规范教师反思过程，深化教师反思层次。
最后，在反思过程上，从直观感性把握走向数据支撑的理性认识。教学反思是理论与实践不断整合的过程[15]，需要教师不断地反思、实践，再反思、再实践。教师能否将从实践中获得的直观感性经验上升为对规律和本质把握的理性认识，是反思过程是否有效的关键。传统的教学反思过程中，教师往往依靠经验性的教学材料和自己的直观体验进行反思，并且对教学实践的把握始终是直观感性的。面对零散的教学材料和纷繁复杂的教学现象，教师对教学的这种直观感性把握很难发现真正的教学问题，更无法有效解决。人工智能赋能教师教学反思，以人机协同和学习分析获取的课堂教学数据（包括学生和教师的历史数据）为基础，教师可以对教学做出科学、精准的分析、判断和决策。而这种判断和决策是建立在数据分析基础上的科学判断与决策，并非以往仅仅以直观感性所做出的充满随意性的判断和决策。
总而言之，人工智能赋能教师教学反思，将深刻变革反思的内容、方式和过程，本质上是促使教学反思从经验回顾走向数据驱动，形成数据驱动的教师教学反思新样态，进而提高教学反思水平。和传统的教学反思相比，数据驱动的教师教学反思呈现出明显的数据化、系统化和协作化特
征。数据化是指教师的教学判断和决策始终以教学过程中全景式、多模态的数据分析为基础。系统化是指教师教学反思充分与日常教学相融合，是日常教学的重要组成部分，不再是教师教学工作的额外负担。协作化是指教师教学反思不仅可以实现人机协作，还可以实现人际协作。教师不仅仅可以在机器智能的辅助下对自身教学实践进行分析、判断和决策，还可以基于数据将自身教学实践与其他教师教学实践进行对比、分析、借鉴、审视。
三、数据驱动的教师教学反思模型构建
教学反思模型是反思内容、反思方式与反思过程的集合，是对反思什么、如何反思及实施步骤的集中回答。众多学者对教学反思进行了深入研究，也从不同视角和层次提出了较为经典的教学反思模型，其共同特点在于，将教学反思视为从教学实践出发，通过“发现问题→探讨分析→解决问题”，最终又回归教学实践的螺旋式上升过程。[16]研究遵循这一思路，结合以上对数据驱动的教师教学反思的内涵与特征分析，在整合原有模型的基础上，构建了数据驱动的教师教学反思模型。该模型总体上包括数据驱动的课堂教学实践、数据驱动的反思问题识别、数据驱动的问题归因分析和数据驱动的改进方案设计四个阶段。
（一）数据驱动的课堂教学实践
数据驱动的课堂教学实践是指教师基于学习分析和人机协同实施数据驱动的课堂教学过程，核心在于实现教育教学过程的数据化，收集教学过程数据，以便后期进行数据分析。人工智能环境下的多模态学习分析，不
仅能够收集分析各种静态学习数据，而且还可以通过眼部跟踪、面部表情识别、动作手势跟踪、神经生理数据捕捉等各种手段，完成对学习者相关数据的全面收集。[17]通过多模态学习分析，教师可以收集教学活动中的教师行为、学生行为及结果、教学情境等各个方面的信息，形成教师数据、学生数据和情景数据，为对教学过程进行全面分析奠定基础。人机协同是指教师和智能教学系统协同教学。[18]人机协同可以为教师提供实时的数据反馈，一方面有助于教师做出精准的教学决策，另一方面有助于教师在教学过程中及时发现问题，这些问题可以作为课后反思的问题来源。另外，样本数据是指用于算法训练的数据和教学实践所产生的历史数据。其中，历史数据不仅包括教师自身教学实践所产生的数据，还包括其他教师教学实践的相关数据，以便于教师进行...
篇七：数据驱动教育改进论文
URNAL OF DISTANCE EDUCATIONhttp ：//dej.zjtvu.edu.cn* 基金项目：本文系 2018 年度江苏省教育信息化研究重点课题“基于智慧教室环境的个性化教学研究”（项目号：
2018007 ）； 2018 年江苏省教育科学规划“十三五” 2018 重点课题“智慧教室支持下的混合式教学模式创新与实践研究”（项目号 :B-b/2018/01/60 ）的阶段性研究成果。数智融合：数据驱动下教与学的演进与未来趋向*—— — 兼论图形化数据智能赋能教育的新形态郑思思 陈卫东 [通讯作者] 徐铷忆 袁 凡 褚乐阳（苏州科技大学 新媒体交互设计与应用研究所，江苏苏州215011 ）[摘要]随着 5G 、大数据、 XR 和人工智能等技术的发展和应用，人类已经进入到数智融合（ BD+AI ）时代。
图形化是当今大数据的重要形式之一，可以快速耦合异构数据，为各类教育主体提供决策支持。
图形化数据驱动教育的核心特征，包括实时互动、埋点采集、深度分析和循证决策。
在教育领域，图形化数据包括状态、过程、关系和支持四个维度的不同类型，具有直观性、全景性、交互性、智能性、可扩展性和叙事性等特性，在学生学习、教师教学、学习评价以及教学管理均可有效应用。
数智融合使得图形化数据可以从脑机技术、全域交互、人机融合、虚实共生、教育均衡、教育智脑六个方面，赋能未来教育新形态。[关键词] 数据驱动；图形化数据；教育应用；数智融合；数字孪生；全息课堂；脑机技术；数据智能[中图分类号] G420 [文献标识码] A [文章编号] 1672-0008 （ 2020 ）
04-0027-11一、引言随着大数据、物联网、数据挖掘、云计算、拓展现实（ XR ）、数字孪生（ DT ）及人工智能（ AI）等新兴技术的快速发展， 以及各种传感器和可穿戴设备技术的广泛应用，人类的认知能力得到质的飞跃，人类也从“以自我控制、自我管理为主”的 IT 时代进入到“以服务大众、激发创新力为主”的 DT （ Data Technology ）时代，形态多样、海量的数据分析、处理和应用，已成为信息科学领域面临的一项巨大挑战。基于 AI 技术的数据个性化、智能化的应用正在掀起一场全新的革命，数智融合（ BD+AI ）已成为当下时代的典型特征。
甚至有大数据技术的支持者认为，世界万物皆可量化，世界的本质理应是数据 [1] 。从哲学角度来看，数据不仅仅意味当下，也是过去的累积。数智融合下的“数据”是信息流背后的人、物和事件的总和。数据描述着一系列关系的发生，是个体和社会的各种物质、非物质生产、流通及消费行为的基础。
可以说， 数据改变了人们理解和研究世界的方式， 越来越多的数据可以被采集， 并用于大数据分析、人工智能训练等领域，数据正在成为一种资源。正如马云所说，未来最大的能源不是石油而是数据 [2] 。数据已成为当前及未来最为核心的生产要素。从数据的视野来看， 大数据指的是一种新的数据世界观，它认为所有事物都是由数据构成的，一切皆可“数据化”。教育领域的大数据，贯穿于整个教学活动中， 是依据需求采集到的所有与教学活动密切相关的数据集合。当下，随着移动通信、智能技术、云计算、普适计算等的并行发展，教育领域大数据在适应性教学、 教育规律发现以及精确管理等方面都已实现初步应用。图形化数据是当前大数据的重要形式之一，它改变了人们进行信息传达和沟通的方式。
海德格尔（ Martin Heidegger ）曾说过：“从本质上看来，世界图像并非意指一幅关于世界的图像， 而是指世界被把握为图像 [3] ”。
图形化数据可以帮助人们快速地耦合异构数据、理解内容、发现规律、交流信息。在教育教学中，借助图形化数据，可对教育过程产生的数据进行实时处理和交互分析， 能帮助教学者和管理者跟踪变化和理解变化背后的成因， 这有助于形成技术促进下的课堂新生态，更好地优化教与学的全过程，服务于学习者的学习和发展。Frontier Discovery27DOI:10.15881/j.cnki.cn33-1304/g4.2020.04.003
2020 年第 4 期 总第 259 期二、数据驱动的原理及应用现状（一）数据驱动的起源与发展数据驱动的起源与发展主要可分为三个阶段，如图 1 所示。
自文艺复兴时期在自然历史科学领域假设驱动阶段， 到初步探索时期的以数据为中心的“伪”数据驱动阶段，再到如今的数据自动化决策的高速发展阶段。数据驱动的应用最早可以追溯到文艺复兴时期的自然历史科学领域，随着新大陆的发现，当时的欧洲自然主义科学家发现了大量与自身认知体系完全不同的事实与信息， 这便催生了科学家们设计出新型数据管理方式。例如，利用笔记策略和新的分类系统以应对大量未知数据。
这些数据管理新方式的产生，也为大量数据的积累提供了可能性 [4] 。
早期的自然主义科学家以标本、 图文以及文本等方式建立收藏库，并通过与自然世界的比较，进而得出结论。可以看出，当时的研究者们已开始尝试通过分析“数据”，试图为多样的自然形式建立秩序，与当下的数据驱动方式十分相似。
但实际上，该时期的自然主义者通常是在主观搜集的数据中展开研究的。
因为，自然历史主义从根本上是基于本体论假设而展开的，他们通常都将“假设自然群体的存在”设为既定前提，所以在此之后所产生的数据并非客观的 “原始数据” [5] 。因此， 可以认为该阶段的自然历史科学是假设驱动的。但当时的自然主义科学家通过多种渠道收集大量的数据，不仅包括假定的研究对象，还包括其它与之相关的广泛的物质和抽象实体， 这些均被用来作为“数据”。
而这种数据采集方式一直被沿用至今。随着数字化的推进， 人们逐渐开始重视数据的应用， 并认识到任何事物的属性和规律在通过一定的抽样、量化后，都能将其转换成数据并进行传递。随后，大数据的大范围应用，彻底改变了人类的行为方式与认知世界的能力。
人们开始对数据驱动进行初步探索，而该阶段则多采用以数据为中心的方式。主要表现为：首先搜集大量数据；其次对这些数据进行整理、特征提取；最后生成报告并进行人为决策。当前，数智融合的态势越来越明显，大数据与人工智能、 机器学习等技术已迈入深度发展与相互融合的阶段， 而数据驱动也进入了可独立运行的智能化高速发展阶段。
数据驱动依靠着智能系统与数字线程技术， 完成了链路中最重要的一环—— — 数据自动决策。
以数字孪生技术为例，高阶形态的数字孪生可实现虚拟形象与智能系统间数据的双向自流动，通过虚拟孪生体与孪生对象间不断地交互、比较，进而形成决策，并对物理实体进行优化 [6] 。由此可见，该阶段的数据驱动系统，已完全实现了数据主导。未来， 由数据自驱动形成的闭环会步入全域感知阶段， 用户通过感应系统或交互系统输入数字信号，接着智能系统通过对数字信号进行分析与处理，形成洞见，并自主驱动形成智能化决策。
如，在医疗领域，扩展现实（ XR ）技术的情境感知特性，能实现对人、环境等数据的全面采集、分析，由此可基于这些数据对用户的健康状况进行评估， 提供个性化的健康管理建议等，进而为用户提供智能化、个性化的医疗服务管理与体验。总体而言， 数据驱动已步入自动化驱动状态，大数据与人工智能、分布式计算等的紧密结合，赋予数据感知、理解、推理等能力，使驱动系统足以实现对大数据时代下大量的高维异构数据的处理，形成数据与智能融合驱动的新生态。
另外，如何将决策数据进行合理加工、编排，以图形为主要表征方式进行展现，顺应数据“去中心化”的趋势，实现数据的可理解、决策的可解释，或将成为下一阶段亟待解决的问题。（二）数据驱动的概念与界定对于数据驱动的概念，有学者认为，数据驱动可以看作为一种“数据”的使动用法，即指被数据推动的过程或活动，而不是仅凭直觉或个人经验来驱动 [7] 。换言之，所有的流程都需依赖于数据，所有的决策都需基于确凿证据。也有学者认为，数据驱动是基于模型的或是由模型所驱动的 [8] 。
在数据驱动中，数据模型的建立实际上是对数据的一个加工过程， 将原始数据通过逻辑进行串联，以获得所需的数据信息。我们认为，数据驱动指通过采集海量的数据，并对数据进行清洗、加工、计算以建立数据模型，如图2 所示。
在此过程中，保持数据的动态更新，以推动模型进化与迭代， 使粗糙模型进化为足以映射真实精细化模型，再通过数据分析与算法，对模型进行训图 1 数据驱动的起源与发展数智融合：数据驱动下教与学的演进与未来趋向 荨荨前沿探索28
JOURNAL OF DISTANCE EDUCATIONhttp ：
//dej.zjtvu.edu.cn练并实行预测。
最后， 通过对关键特征与信息的提炼，以驱动决策的生成；并将决策进一步实施，而在决策实施过程中会进一步产生新的数据源， 以形成数据驱动到决策生成的闭环。（三）数据驱动的核心特征1. 实时互动桑文峰提出，在数据驱动的过程中，数据的采集要做到“大、全、细、时”。
其中，“时”是实时互动的重要要求 [9] 。目前，随着物联网、传感器及可穿戴设备等技术的普及， 互动行为数据的实时采集变得简易化与多模化。
5G 等通讯技术的发展，更拓展了多维数据的传输信道， 可以快速地帮助模型进行迭代与更新，以提升决策质量与决策时效性。2. 埋点采集“埋点” 指的是在网络环境中嵌入数据采集代码，以获取人们的行为数据，它是一种极为高效的数据获取方式。
埋点采集一般分为全埋点 （又称无埋点）、半埋点与可视化埋点三种，以实现在不同的条件下的数据使用 [10] 。
在数据采集的过程中进行埋点，可帮助使用者实现精准操控。3. 深度分析数据驱动需要对数据进行深度分析， 以此发现状态、反映规律。
传统的浅层分析法，无法深入解析非结构化数据。利用智能感知技术，数据驱动可实现对多模态、多维度数据的分析，从而提升模型建构的质量，使得决策输出更为精准。
以新零售行业为例，利用数据驱动技术，可以实现对消费者性别、年龄、文化背景、消费行为等多方维度上的数据采集，并能对这些数据之间的相关性进行分析， 建构起以消费者需求为导向的用户画像， 以充分挖掘用户消费行为背后的隐藏信息，如，消费习惯、购买趋向等，可以有效帮助企业把握市场动向，寻找潜在消费者。4. 循证决策数据驱动要求基于数据推导结论， 以脱离人为主观经验的影响。对于所采集的数据、信息的分析与决策，需建立在严格的客观“证据”之上 [11] 。
基于证据的决策能有效提升决策的科学性， 从而使得数据驱动系统成为一个积极的反馈循环。三、数据驱动教育领域应用的演化及发展趋势（一）数据驱动教育应用的演化数据驱动下的教育在不同时代， 展现出不同的特性，如表 1 所示。
在工业时代，教育主要依据教学者的经验而展开。随着互联网与数字技术的发展，人们的决策方式与数据应用模式逐渐发生了改变，由万物皆可量化的数字化教学， 向更为关注人本身能力培养的数智化教学转变。大数据与人工智能、机器学习等相结合， 使得计算机具备了对人、 环境的理解、感知、推理及预测的能力。
全向的人机交互，能深入挖掘数据背后的价值， 而图形化数据的应用能打破数据解读的障碍， 使得数智化在教育领域的应用更为广泛。
其演化经历了三个阶段，如图 3 所示。1. 起始阶段我国传统教育以经验模仿式教学为主， 教师在课堂中占据主要地位，把书本知识、已有的理论经验灌输给学生。
在这一教学过程中，学生只是被动地参与学习、接收知识。
虽然，该教学模式从短期上来看图 2 数据驱动模型图 3 数据驱动在教育领域的应用发展Frontier Discovery表 1 数据驱动在教育领域的演化信息时代 智能时代· 数据驱动 · 图形化数据智能驱动· 教师主导 · 教学全领域量化· 学生主体· 人工搜集 · 机器驱动· 万物互联· 主观决策 ·自动化决策· 教学数据可视· 灌输式教学 · 人机协同· 智能化决策· 个性化学习工业时代· 经验驱动29
2020 年第 4 期 总第 259 期较为有效，能够提升教学效率，但却忽视了学生之间的差异性。
而在后期的教学评价中，传统教学评估方式多为总结性评价， 基本是以考试测验或调查量表来进行的。
这种评估方式与强制量化的方式，会给学生带来了一定的心理压力， 学生主观心理因素的干扰， 直接影响数据收集的客观性与准确性。
在此阶段，要求教育者需独力进行数据分析。
教育者进行数据分析活动通常都需要掌握一定的数据分析方式，拥有数据决策能力，对其而言门槛较高。
因此，传统教学在数据方面使用存在着一定的先天不足。2. 探索阶段随着全社会移动端的普及、 云计算服务的发展以及大数据分析技术的突破， 大数据的广泛应用革新了教育理念、教育思维及教学方式，传统经验式教学慢慢转变为以数据为中心的教学， 基于学生行为数据分析的教学将逐步变成现实。
在探索初期，一方面，对于采集的学习数据缺少过滤，导致数据库掺杂着这一些冗余的、缺失的、质量差的“脏数据” [12] 。
这些数据通常缺少在垂直与水平方向上的关联性分析，导致冗余数据不能被及时剔除，因此，在分析结果时常存在误差，数据价值也未能完全展现。
另一方面，在此阶段，对于大数据的应用还仅仅停留于数据收集层面， 决策的产生通常还是以人的主观判断进行的，因此，会有产生“假规律”的风险。
在探索后期，人们对于技术的发展以及对于大数据的深入研究，使数据收集和分析的方式有了一定的改进， 教学内容也逐渐延伸至课本之外。
另外，互联网的介入与新的计算机技术支持的交互式学习方法与学习工具，也为学习者学习行为的量化与采集提供了新的方式。特别是更加集成、模块化和复杂化的学习系统，为教学收集了更多类型的数据。当下，针对多维度、多模态数据的多元化处理方式，以及多样化分析手段，能有效助力教学数据的挖掘...
篇八：数据驱动教育改进论文
数汇报人：胡爱民数据驱动的艺术教育改革及成效分析—— 以深圳市天健小学为例第一部分
环境的不同、生源的差别、家长对孩子教育的关注程度……感觉告诉我们会不一样。感性的差异理性的对比学生父母亲受教育程度、父母亲职业、家庭拥有物、家庭教育资源、家庭教育投入……数据告诉我们事实就是不一样。
学生在语文、数学、科学各个学科A水平上的人数比例，两者相差最多20个百分点，最少12个百分点。天健小学 S小学
学生阅读维度上A水平的表现，两者相差21个百分点。天健小学 S小学
在数学掌握维度上A水平的表现，两者相差18个百分点。天健小学 S小学
在运用及科学探究维度上A水平的表现，两者相差13个百分点。天健小学 S小学
学习好，就都好？……数据揭示真实的自己。
对艺术课的喜爱程度两校 对艺术的喜爱程度 对比情况对艺术课满足自身兴趣
数据倒逼我们真实地面对真实的自己!数据比感觉更科学数据比经验更精准
第二部分
学生对艺术课的喜爱程度要低于本区指标7个百分点对艺术课满足自身兴趣的指标低于本区指标7个百分点
对艺术的喜爱程度要低于本区指标11个百分点；学生参加艺术兴趣班的时间的情况却又高于本区指标11个百分点
学生一天中用于文艺活动的时间情况高于本区指标13个百分点，认为艺术对于自己没有什么用处的情况高于本区指标
数据转换成熟悉情境你喜欢艺术课吗？——不怎么喜欢。你觉得艺术课能满足你对艺术的兴趣吗？——不怎么能满足。你喜欢艺术吗？——不太喜欢。那你参加课外艺术兴趣班时间长吗？——比较长。那你每天用于艺术活动的时间多吗？——比较多。那你认为艺术对自己的用处大吗？——没那么大吧。
明明不喜欢，偏偏还要学——为什么？我们思考：为什么不喜欢艺术课？——是不是艺术课程太单一？或者是艺术课堂很无趣？还是艺术课堂里师生关系、同伴关系不太好？为什么不喜欢艺术、艺术课，却又要参加艺术兴趣班和文艺活动呢？——是不是觉得兴趣班里更有趣，能够学到更多东西和技能？或者是文艺活动能够让自己展示才能、获得信心？还是家长的教育期望驱使孩子去参加呢？
思考和假设成不成立？有没有数据支撑？
第三部分
洞见数据暴露的问题，数据指引改进的策略行动策略针对数据暴露的问题，让数据指引我们改进，有针对性地确定行动策略，精准实施。
策略之一确定大艺术的教育观。秉持艺以修身、艺以养德、艺以启智的“大艺术”教育理念；树立艺术教育的大课程观、学生观、教学观。洞见数据暴露的问题，数据指引改进的策略
策略之二构建“大艺术”管理架构。洞见数据暴露的问题，数据指引改进的策略
策略之三依托“大艺术”教育师资，打造“大艺术”课堂阵地。洞见数据暴露的问题，数据指引改进的策略
策略之四做“大艺术”教育，“艺术”课程校本化实施。洞见数据暴露的问题，数据指引改进的策略
策略之五做“大艺术”教育，努力创建学校“艺术”特色。洞见数据暴露的问题，数据指引改进的策略
策略之六做大“艺术”教育，开设多元“艺术”社团课程。洞见数据暴露的问题，数据指引改进的策略
策略之七做“大艺术”教育，社区学校共建“艺术场馆”课程。洞见数据暴露的问题，数据指引改进的策略
策略之八做大“艺术”教育，丰富校内“艺术”展演舞台。洞见数据暴露的问题，数据指引改进的策略
第四部分
做更好的“大艺术”教育管乐团多次荣获深圳市金奖打击乐团2次荣获市级大赛一等奖合唱团连续获得深圳市中小学生合唱比赛二连冠弦乐团近三年在区乐团展演比赛中均荣获一等奖交响乐团3次荣获深圳市比赛一等奖舞台剧荣获福田区一等奖做“大艺术”教育做大“艺术教育”
做更好的“大艺术”教育01从2015年至今共计34人次在国家级比赛中拿奖，在第二届全国少儿美术教育学术展活动中有三名学生作品入选，其中一名荣获优秀作品。美术社团02在2014年深圳市首届中小学生陶艺现场制作比赛中，我校获得团体一等奖。陶艺方面03在2015年第四届东海全国少儿版画双年展中有4名同学入选，2名同学荣获优秀作品；2016年在第十八届全国少儿版画展中，14名同学创作的作品获奖，2016第十届全国中小学师生藏书票大展中，我校 6名同学获奖，在“东西南北中·中国少儿版画教育联会作品邀请展”中我校6名同学作品入选，并被大会评为优秀作品奖，2018年关山月美术馆六一安奈尔第八届全国亲子创意大赛中我校23名孩子入选，更是囊括大展的金银铜大奖。学校被评为“先进集体奖”、“最佳组织单位”、“优秀教学单位”等荣誉称号。版画绘画方面
做更好的“大艺术”教育对我校艺教育整满意度有较大的提升。对艺术课程的喜爱程度较以往上升了25个百分点。学生在对艺术的喜爱程度较以往上升了30多个百分点。学校艺术课程满足他们自身兴趣方面相较改革之前也提升了29个百分点。
第五部分
我们想要怎样的艺术监测及其数据01以课程标准要求的课程内容为基本依据02能够多维覆盖，给学生个性化的诊断报告。03能够分析判断出艺术修养提升的密切相关因素。
营业外支出净额瞄准数据解决问题只有用起来的数据才是好 数据读懂数据洞见真实透过数据解决了问题才是有义的数据
推荐访问:数据驱动教育改进论文 改进 驱动 数据