怎樣用數據分析調整教學方式

　　在推進教育數字化轉型過程中，我們利用大數據、人工智能等技術，局部優化甚至是重新構建教育的業務流程，從而實現教育從目標到評價方法的轉變。在目標方面，普通高中和義務教育兩個新課標中更為關注對學生核心素養的培養，強調學生在學習之后能做什么、能解決什么問題。這一變化，要求教育評價要以更適合的指標和方法來反映學生核心素養的發展情況。

　　作為教師，在學生學習過程中可以明顯發現，如果學生的一項技能用得越流利，學生越有可能頻繁使用這項技能，越有可能將這項技能應用于解決新問題，并且越有可能和其他技能整合成為更加復雜的技能。這些特征的表現，符合學生核心素養培養的本質要求。同時，與傳統測驗得分的教育評價相比，參考流暢度的評價能更加準確地衡量學生學習表現的敏捷性和穩定性，捕捉學生處理實際問題的靈活度和效率。簡言之，流暢度數據反映的不僅是學生知識的掌握情況，更反映出了運用知識解決問題的能力情況。

　　使用流暢度完善學生評價，需要收集3類數據：學生正確表現的行為、錯誤表現的行為以及每個行為所用的時間。當前，依托大數據、人工智能等技術，學生的行為表現和所用時間可以被自動監測和分析，如課堂教學中的智慧點陣筆，可以采集學生的書寫印記，分析流暢度背后隱含的思維過程。

　　如何利用流暢度的數據分析，從而提升教學成效與育人質量？針對這個問題，需要從教學3個要素出發，即學生、教師和教學內容。如果流暢度的測評數據顯示，學生中僅少數流暢度不高，可初步考慮問題出自學生本身，需要對他們進行針對性輔導；如果流暢度的測評數據顯示，大部分學生出現了流暢度不高的情況，可以優先考慮教學內容難度是否合適，經過再次教學后，學生的流暢度水平沒有明顯的提升，大概率是教師教學方式方法需要調整。

　　針對以流暢度為核心的數據分析，在課堂教學中教師可以采取以下教學策略：

　　一是個性化教學可采用合作學習模式。當流暢度的測評數據顯示，少數學生出現學習困難時，可優先考慮該模式。將沒有問題的學生和具有不同問題的學生組成一隊，并讓組員輪流作為“小導師”，指導其他學生學習并掌握知識點。在擔任“小導師”的過程中，學生可以充分發揮自身能動性，通過合作探究的方式實現知識的獲取。在合作學習中，教師需要引導學生制定小組學習要求，如設立監督員或記錄員等角色，制定責任承包、輪流發言、AI隨機提問等規則，避免學生在合作學習中“搭便車”。此外，教師還需要準備多個微課資源、學習資料包等供學生自由學習，也需要及時提供具有啟發性的提示，從而確保學習階段性任務的順利完成。

　　二是內容推薦可采用人機協同方式。當流暢度的測評數據顯示，大部分學生遇到了學習挑戰時，教師需及時利用人工智能等技術為學生提供更合適的學習內容。在人機協同教學模式下，教師需要重點做好內容審核工作。一是提供的學習資料包中是否有合適的配套數字工具和活動，便于學生開展學習；二是推薦的后續學習資源是否利于學生流暢度與目標流暢度差距的縮小。在審核過程中，教師需要發揮主動性，及時調整資源的針對性和適切性。特別是，對于完全自動生成的內容，教師應額外審核內容的科學性以及是否存在歧視、偏見或其他倫理道德問題。

　　三是根據學情靈活調整教學模式，如采用情境化、彈性化、跨學科等教學方式。授課中教學內容調整后，如果流暢度水平沒有明顯的提升，可進一步將教學方式向以下3個方向轉變。

　　“情境化”教學。教師利用視頻、動畫創設觀察式情境，運用電子游戲、智慧屏創設交互式情境，使用VR/AR等技術創設沉浸式情境，將知識遷移應用于日常生活中。讓學生在“情境化—去情境—再情境”的循環中，提升對知識的認識與理解，凝練和應用所學的知識，進而積累解決問題的經驗和技能，提高流暢度。

　　“彈性化”教學。為學生提供獨立選擇學習內容的機會，針對學生未掌握的某一知識或技能，提供不同問題情境和思考角度，并合理部署任務數量和完成順序，讓學生在完成任務時自然回到這一知識或技能的學習，從而獲得加強理解知識的機會。教師借用人工智能為學生推薦趣味活動、相關學習資料等，可以讓學生體驗到更強的歷險感，充分調動學習熱情的同時，讓學生自主攻克遇到的難題。

　　“跨學科”教學。按照“學以致用”的原則，設計核心學科的應用型任務，并把它作為統領教學的主干線，在具體教學流程中，再把不同學科的核心概念與技能嵌入到任務中，作為解釋現象、執行任務或解決問題的支架。教師可以根據學生遇到的問題，借用數字化手段及時提供多學科學習資料，并按照流暢度測評數據反饋的難點及其學科歸屬，引導學生跨學科學習，問題解決后再回歸核心學科的學習主線。

　　借用數字技術開展流暢度數據分析，不僅為學生核心素養評價提供了新視角，而且也為教師調整教學策略提供了新思路。面向未來，我們應當充分發揮教師的智慧，深入探索流暢度在教育中的應用，讓它在培養新時代創新型人才上，發揮更大作用。

　�。ㄗ髡呦等A東師范大學開放教育學院多模態智慧教育實驗室學術帶頭人；本文系國家社會科學基金教育學重點項目[批準號：ACA230019]研究成果）