數據分析助力翻轉課堂精準教學促進思維提升
來源:用戶上傳
作者:
摘 要：大數據時代為教與學帶來了新的可能。本文以文學批評課程翻轉課堂為例，探討了在以學生為中心的教學中，如何通過數據分析動態追蹤并分析學生的學情，準確定位課堂中各類學習人群，創建積極有效的學習共同體;如何在以伙伴學習為主要方式的課堂中及時篩查學習風險，通過分類分層的教學干預，促進不同層次學生學習效果的提升，并進而展望學習分析在未來人文學科教學中的作用。
關鍵詞：數據挖掘;學習分析;學習困難人群;教學干預;個性化發展
近年來，隨著大數據時代的到來[1]，大數據作為一種價值觀、方法論，已滲透到各行各業并迅速掀起了變革的浪潮。2012年10月，美國教育部發布了題為《通過教育數據挖掘和學習分析促進教與學》（Enhancing Teaching and Learning Through Educational Data Mining and Learning Analytics）的報告，針對大數據在教育領域中的應用發展，從個性化學習、教育數據挖掘、學習分析及自適應學習系統中的大數據應用相關案例、面臨挑戰和實施建議等五個方面，為美國高等院校和K-12學校提供了大數據應用的有效指導。尤其是其中重點提到的數據挖掘和學習分析，不僅能使教育信息成為可捕捉、可量化、可傳遞的數字性存在，使教師對教育的過程性考察成為可能，更能透過真實的數據發現教與學的關系，被稱為正悄無聲息地引發著教育的一場新革命[2]。
一、學習分析助力人文學科課程高階思維能力培養的構想
我校文藝學系列課程2003年被批準為首批國家精品課程以來，在教材編寫、課堂教學以及信息化建設等方面展開了一系列改革，曾先后三次榮獲省級教學成果一等獎，2014年“高校師生關系的重塑與文藝學教學改革的拓展”項目獲教育部“普通高等學校優秀教學成果獎”國家級二等獎?！拔膶W批評”作為其特色課程更一直走在信息化建設的前列，自2013年開始實施“三階式翻轉課堂”，在4年多時間里不斷探索將講授、理解性的課堂轉變為體驗性、實踐性為主的課堂，成功解決了教學中師生交互不夠、學習中實踐環節嚴重不足等問題，使學生逐步完成了從“會聽”到“會學”的轉變，批評實踐能力得到明顯提升。2014年獲得華中師大首屆教學創新獎二等獎（一等獎空缺），2017年獲得湖北省教學成果一等獎。
但是，作為文藝學系列課程中以培養學生高階思維能力為目標的課程，“文學批評”課程教學不僅要實現理論性與實踐性的統一，更要激發學生調動此前所學的中外文學史、語言學等學科知識和經驗，并進而將其整合、轉化為對文學批評對象的敏感、準確的方法概念選擇和有效的批評實踐。因此，“會學”猶顯不夠，學生只有從“會學”進一步上升到“會問”，即通過一個學期的學習，面對具體的文學作品和文學現象能主動提出有價值的問題，敏銳找到切入作品進行批評實踐的獨特角度，才可以說形成了文學批評的關鍵素養，也才能真正實現“文學批評”作為中文系課程體系中“拱頂石課程”的價值。
從“會學”到“會問”，需要的不僅是實踐，更是學生思維水平的質的飛躍。為了達到這一目標，我們需要對學生的學習行為有更清晰的了解，對他們學習中的困難能及時掌握，并予以有效干預。為此，2017年下半年我們將學習分析方法引入“文學批評”課程，希望通過對“課堂+線上”整個教學流程中學生學習數據的實時跟蹤與分析，找到妨礙學生思維能力由低階發展為高階的“滯漲點”，通過及時定位學習困難人群，進行有針對性的分層次精準干預，實現整個班級學生思維水平的提升。
二、全過程動態數據分析提升學生思維能力的方法
1.用數據描畫學習風格，改善教學設計與實施
“文學批評”課程以其理論性與實踐性并重，歷來被文學院學生視為最難的一門課。為了弄清學生的基本素養與課程的要求之間到底有怎樣的距離，我們借鑒Kolb的學習風格理論，在課程開始前對每個學生進行了學習風格的測定，完成了全班學習風格肖像的描畫，并在對這些數據進行分析的基礎上，調整改善整體教學設計，為學生搭建起了“模仿—運用—創造”的三階式學習“腳手架”。
學習風格（learning style）指的是學習者在學習過程中處理信息的方式[3]。雖然目前對學習風格和學習成就之間的關系仍存在一定的爭議，然而大家普遍贊同的是，學習風格會影響學習者的學習表現和學習成就。Manolis和Fletcher等都指出，教師需要了解學生的學習方式，以便調整教學方法，優化學生的學習過程[4]。在多達71種不同的學習風格模型中，目前使用最廣泛的是Kolb的經驗學習模型理論[5]。基于經驗學習理論，Kolb將學習者的學習風格劃分為9種不同類型，通過對學習者在學習過程中的感覺、習慣、思考和行動等行為做出描述并進行細致探討。他提出，每個學習者在學習方法上都具有其獨特性，每種學習風格既有所長又有所短，沒有所謂“最好的最理想的學習風格”。對于每個具體的學習者來說，他的學習風格是相對穩定的，尤其是在進入高中以后的階段中，但也并不是一成不變的，而可能隨著其不斷發生的學習經歷有所改變?；谶@一理論，每門課程的教師都應該首先根據具體的教學目標，找到對自己課程來說最合適的學習風格，然后努力在課程實施的過程中營造適合這種學習風格的學習環境，以幫助盡可能多的學生取得好的學習效果。
我們首先運用Kolb的學習風格量表進行了全班同學的學習風格測試。測試結果表明，全班45名同學（男生8名，女生37名）中，想象型、反思型和經驗型的學生數量最多，占到了全班總人數的57.8%;平衡型和思考型的學生數量中等，總共占所有學生的22.2%;決定型、分析型、啟動型和行動型的學生數量比較少，總共只占所有學生的20%。與課程努力提升學生高階思維能力，即理性思考能力、流暢表達能力與反思創造能力的教學目標相對照，我們發現，班上的大多數學生偏好通過具體經驗進行學習，離課程目標需要的理性思維與感性思維相結合尚有一定的距離。如何在幫助學生發揮感性思維優勢的同時，盡快提升其理性思維能力呢？ 經過審慎的考慮，我們對課程的整體設計進行了調整。在翻轉課堂剛開始實施時，老師在課堂上的講解占70%，學生的活動占30%。隨著課程的展開，教學中教師講解的比重逐漸減少，學生活動的比重逐漸增加。直到最后將學習的主動權完全交給學生，使他們通過自學對中西方文學批評的歷史梳理出脈絡，并展望未來文學批評的發展。在這個過程中，學生所完成的任務性質逐漸由模仿上升為運用，進而上升為創造。這樣，藉由老師的引導，學生可以逐漸完成從感性思維為主轉向感性思維、理性思維并重，實現思維能力的提升。
具體說來，在第一種批評方法即社會歷史批評的教學中，我們從學生閱讀文學作品的經驗出發，選擇李希凡的《評<組織部新來的年輕人>》為案例，成功地幫他們解決了課前自學時未能真正掌握的“真實性”“傾向性”等社會歷史批評的概念。在接下來的批評實踐中，讓他們模仿李希凡批評文章的思路，選擇合適的尺度完成對路遙《人生》的分析。憑借這種模仿性的操作，學生逐漸領會到如何將對作品的感性認識轉化為理性分析。當學生們模仿得越來越純熟，從語義批評開始，我們略去這一環節，讓學生自己到生活中尋找語義批評相關概念的運用進行評析，逐漸強化其運用能力。到了性別批評，則充分發揮其中兩個重要概念“女性閱讀”“女性寫作”的效力，讓學生從填補被男性話語掩埋的女性聲音入手，逐漸上升到從女性主人公的角度重新書寫作品。當學生在規定的課堂單位時間里完成寫作任務并面對全班進行直播表演時，課堂的氣氛隨著他們創造性的展現而逐漸推向高潮，學生順利完成了“模仿—運用—創造”的能力登頂。
在課程實施過程中，通過對學生的學習風格與其移動學習行為進行皮爾森分析，我們發現，抽象的概念化特征會顯著提高學生的移動學習態度和課程預習成績，反思觀察特征會顯著降低學生的上網時長，而主動體驗特征會顯著提高學生的移動平臺訪問次數和進圖書館的次數。通過將這些分析與學生的學習成效相對照，我們最終認識到，主動體驗特征是最符合“文學批評”課程性質和目標的學習風格類型。于是，我們在其后的教學中，就盡可能多地為學生構建具有主動體驗特征的學習活動，如組織他們開展雙十一購物心路歷程的自我人格結構變化分析競賽，通過視線追蹤動圖中的小球運動軌跡來領會語義批評分析詩歌的獨特路徑等，不僅使不同學習風格類型的同學都能越來越企近課程的目標，也使得他們的學習熱情日益高漲，表現出越來越強的自主學習的意愿。
2.追蹤動態學習數據，準確定位不同學習人群
曾有學者指出，大數據技術的優勢就在于能夠對學生的整個學習過程（包括教材和學習活動）進行數字化處理，因而，“大數據時代教學問題的解決，將不再依賴于教師頭腦中的模糊經驗，而是基于對海量教學問題及其解決方案的描述和分析。教師完全有可能對每個學生的學習數據加以分析，進而實現真正的因材施教”[6]。在翻轉課堂的實施中，借助于具有數據統計功能的學習平臺，學生學習過程中的學習行為甚至細微的學習痕跡都能被準確清晰地記錄下來，無論是課前預習、課上活動，還是課后研討，每個學生參與學習活動的次數、實際學習效果，甚至是在全班同學中的排名均可實時呈現在教師面前。
教師也可以根據自己課程的特點和教學需要，選擇性地導出平臺中需要提取和分析的相關數據。比如在文學批評教學中，為了更好地了解學生的學習積極性，我們就專門提取了學生對教師線上學習活動通知的響應速度的數據、參與線上小組討論順序的數據，并對其進行了分析和可視化呈現。當學生的名字在響應速度表中第二次出現時，我們就給這名學生一種獨特的顏色以進行標記。通過分析我們發現，無論是對教師發布的學習活動通知的響應速度，還是對小組討論中的發言順序排名，都并非隨機的偶然的，而明顯呈現出規律性的特征，即學生的響應速度能明顯反映出他學習情感的積極程度。通過將學生學習情感的積極程度與其實際學習效果進行對比，我們進一步發現，學習情感最積極的同學，其學習效果并不一定最好;但學習情感最不積極的同學，恰恰就是那些在班級中學習效果普遍落后的同學，這也正是我們課程需要重點關注的學習困難人群。發現了這種學習情感與學習效果的正相關性，我們就利用學習平臺的預警功能，設置了相應的學習風險預警條件，使平臺可以在后續學習中自動對這些同學進行提醒和警示。
學習效果較好的同學與其對任務的響應速度無關，那么，是否與其對資源的研習程度有關呢？帶著這一疑問，我們對班上學習效果較好的學生的平臺訪問次數、視頻觀看時長和反芻比、拓展資源訪問次數進行了分析，結果發現這一猜想并不成立。那么，這些學生究竟是通過怎樣的方式才取得了較好的學習效果呢？針對我們發布的調查問卷，學生們給出了讓人吃驚的回答。他們說，無論是在預習還是在完成任務時，他們都更喜歡自己在網上尋找相關資源，或是主動到圖書館借閱有關書籍。真的如此嗎？為了驗證這一點，我們專門向學校信息化辦公室遞交了申請，請他們為我們調取了學生進出圖書館的次數統計數據、借閱書籍的信息等，經過脫敏處理后提供給我們。經過對這些數據的分析，發現果然如學生所言，那些進出圖書館頻次較高、主動借閱課程相關書籍的同學，也就是我們通常所說的不能滿足于教師規劃的學習路徑，而更多呈現出主動學習特征的同學，正是課堂上學習效果最好的同學。在這一分析過程中，通過對正相關、不相關、負相關數據的篩查，我們也逐漸明確了文學批評課程中優質學習者的特征：那些學習基礎較好（前期相關課程如文本解讀、文學理論課程排名靠前）、學習狀態穩定積極（早餐時間較早、進出圖書館頻次較高）、具有主動學習特征（依據課程進度主動借閱有關書籍）的同學，正是課程中教師不用操心、甚至可以倚重的資源。通過準確定位這些同學，并在后續學習活動中有意識地讓他們擔任“教師代理人”的角色，各個小組的學習活動開展都很快進入了良性循環階段，學生們的學習積極性日益水漲船高，發言和討論也漸入佳境。
3.及時篩查學習風險，精準干預掃清認知障礙
幾年的經驗告訴我們，翻轉課堂的良好教學效果，在很大程度上有賴于學生課前、課后在線上的積極有效的學習活動。當這些學習活動在具有數據分析功能的平臺上開展，以往難以觀察到的學生的學習過程成為可捕捉、可量化、可傳遞的數字存在，高度精細的、顆?；膶W習數據經過系統分析，可為教師揭示出學生實時的學習水平和狀態，教師以此為基礎調整學習活動和進程，幫助不同水平的學生實現定制化的學習就成為可能。正如舍恩伯格（Sch?nberger）所指出的那樣，大數據時代的教育可以打破“一個尺寸適合所有人”的同質性，通過對知識傳遞進行的個性化處理，更好地適應特定的學習環境、學生能力和學習偏好[7]。 為實現培養學生高階思維能力的目標，“文學批評”課程借助信息技術創建了強交互型的翻轉課堂，一方面，在整個學習過程中盡可能多地為學生創造伙伴學習的機會，使他們通過充分的交流，在教與被教中實現知識的掌握和能力的提升;另一方面，對于那些學生通過自學或伙伴學習難以攻克的學習難點，則通過教師的講解和引導幫助學生完成知識內化。于是，在什么時間、在什么情況下需要由生生交互及時轉換為師生交互，促進學生認知的提升，就成為翻轉課堂實施中的一個關鍵點。以往我們主要是通過經驗性的判斷，教師需要閱讀大量的學生線上討論，并根據自己的教學經驗做出決定，往往要花費傳統教學2～3倍的工作量。運用具有數據分析功能的教學平臺后，通過對學生線上討論關鍵詞的提取、通過對學生討論時長、同一話題中發言頻次、完成任務中的反復次數等數據進行聚類分析，我們成功定義了翻轉課堂中必須由生生交互轉換為師生交互的三種情境，進而通過分層分類的教學干預，實現了促進不同層級的學生克服各自認知障礙、提升學習的效果。
第一種情境是全班同學在線上學習時都碰到困難時，須由教師出面，通過“講解+練習”來化解這一學習風險。當全班同學在完成某一任務時錯誤率在60%以上，或在討論中不相關、 負相關的關鍵詞出現60%以上時，他們就很難僅僅通過伙伴學習完成對這一學習障礙的克服，而必須由教師出面進行學習干預了。例如在精神分析批評專題中，我們通過課后練習發現，學生在理解人格結構理論中本我、自我、超我三者間的關系時碰到了較大困難。通過對學生錯誤關鍵詞的分析，我們很快定位了學生的知識障礙，首先在于他們混淆了這組概念與心理結構中的概念尤其是潛意識、無意識的關系。于是，我們利用平臺的直播功能，借助于PPT和弗洛伊德著作中的有關論述，在線上為學生進行了補充性講解，不少同學通過直播中的反饋功能表示自己聽懂了。接下來，我們布置了檢測性的線上任務，要求學生將超我、自我、本我分別想象成三個小人，用畫圖的方式表示出三者之間的關系。在學生們畫出的各種各樣的圖示中，我們挑出了6種典型性的理解，請學生們通過討論明確正誤。在大家你一言我一語的過程中，錯誤的理解被一一排除，學生們真正掌握了人格結構理論的要義。
第二種情境是針對那些學習情感積極，但學習效果并不理想的同學，我們通過變換分組的方式，改變他們在伙伴學習中的角色定位，使其于不知不覺中在同組同學的良性刺激下實現能力的提升。學期開始近1/3后，我們發現班上有位同學在小組線上討論時不太積極，發言總是排在倒數一二的位次上，但他的個體任務完成速度和學習狀態數據在全班卻都處于中上水平。經過對這些數據的綜合分析，我們得出結論，這位同學屬于那種學習情感較為積極，但學習能力有所欠缺的學習者，因而總是不太自信，傾向于在討論時先聽聽別人的意見再說。這種學習習慣使得他難以從伙伴學習中獲得足夠的益處和提升，但如果教師直接出面對他進行學習上的幫助，又很可能會進一步削弱他對于學習的自信。因此，我們通過在下一輪小組活動中變換分組的方法，將他調整到了總體水平略低于他的一組。進行這一調整后，該同學在線上小組討論中的發言順序迅速由倒數第二躍升到了正數第二，在與他水平相當的同學的刺激、鼓勵下，他在學習中的表現越來越積極活躍，最后甚至成為小組的中堅力量。
第三種需要干預的情境是針對那些學習能力較弱，學習情感也較為消極的同學。這類同學通常也是每個課堂上老師需要特別關注的同學。學期開始不到一個月，我們就通過數據分析準確地定位出班級的學習困難同學，并為他專門設置了個性化學習預警，由系統在每次作業、討論發布時對他特別加以提醒。在課堂上，老師也隨時注意觀察其表現，積極尋找能夠轉變其學習態度的機會。學到敘事批評時，這位同學終于在課前預習時提交了一份質量較高的作業，于是老師就抓住這一機會，在上課時利用課前預習反饋的時間展示作業并專門對他提出了表揚。從這天以后，該生對學習的態度發生了明顯的轉變，對各項任務的響應速度從班級最后5名的統計表中迅速消失，后來甚至有時會進入前5名響應的名單。在最后的期末考試中，該同學取得了中上的成績。相較于原來較為薄弱的學習基礎，其進步是明顯而喜人的。從這一事例中，我們也進而意識到，要想轉變一個學生，首先要從轉變其學習情感入手，只有成功地激發起他積極的學習情感，才能帶來一系列后續的變化。
三、數據分析助力人文學科教學的效果與思考
通過一個學期將數據分析運用于文學批評課程教學的實踐，我們完成了對學生學習數據的全流程動態追蹤，更好地認識了學生的學習過程。通過對不同學習人群的準確定位，在“文學批評”課堂構建起了一個積極有效的學習群體。通過及時篩查學生學習中的風險并進行分層分類的精準干預，較好地滿足了不同層次學生的需要，促進他們實現了個性化的提升。最終在線上線下無縫銜接的強交互型翻轉課堂中，通過師生之間、生生之間的多層次有效交互，成功地引導大多數學生完成了從“會學”到“會問”的提升。學生們不僅在最后的期末考試中，而且在知識遷移、細讀文本、反思體悟等方面均取得了可喜的進步。甚至有不少學生表現出明確的主動探究意識，會把自己獨特的見解主動發布到課程討論區，邀請同學們進行批評指正。還有的小組同學在最后一次線上討論中表示，課程雖然即將結束，但他們的線上小組20年都不會解散，他們將會把從課堂上學到的知識和理論，放到生活當中去檢驗，再來一辯高下……
用數據分析助力翻轉課堂，不僅使我們近些年一直實施的翻轉課堂學習成效有了明顯提升，實現了學生自主學習意愿和自主學習能力的同步增長，更促使我們更為深入地思考數字化時代人文教育的發展與未來。2500多年前，孔子在闡述他的教育思想時曾提出“有教無類”“因材施教”。如果說在前數字化時代，這最多只是鼓舞廣大教師不斷為之奮斗的“理想境界”，那么，隨著數字化時代的到來，我們是不是終究有可能企近孔子的這一理想？信息化時代的數據挖掘、學習分析，在將學生的學習圖景不斷整合為時而宏觀、時而微觀的各種圖表時，是不是就能使我們巨細無遺地還原出學生學習的真實情境？我們恐怕還不能如此樂觀。 ?。?）數據的優勢在于呈現學習狀態，而對提升學生學習成效非常重要的學習情感則很難直接呈現。在近五年翻轉課堂的實施中，我們越來越強烈地認識到學習情感的重要性。一方面，人文學科的教學，從來就不只是知識的傳授，而更是情感、思想、價值觀的重新塑造。另一方面，無論是對于能力偏弱還是不想學習的同學來說，改善其學習行為都必須首先從激發他們積極的學習情感入手。因此，把握學生的學習情感才是在教學過程中對教師來說最重要的事。遺憾的是，從目前的實驗看來，仍沒有任何一個可以被直接記錄和呈現的指標能夠清晰反映出學生的學習情感。因此，在運用數據分析提升教學效果的過程中，教師作為教學活動中的主導作用仍不可忽視。教師需要根據課程的具體目標，從浩如煙海的數據中首先定義有效數據，進而將其提取后與學生在實體課堂的表現相結合，才能對學生的真實學習狀態做出準確的判斷。也就是說，數據分析充其量只能作為教師教學的助力，而非教師所有教學行為的重要依據。
?。?）舶來的數據挖掘與學習分析模型對于中國學生的有效性仍有待檢驗。數據挖掘和學習分析都是首先在西方興起，然后被引入國內的，因此目前學界普遍運用的數據挖掘與學習分析的模型大都是舶來品。雖然作為技術工具，它們有一定的客觀性，然而，正如某些學者的研究已指出的那樣，亞洲學生由于文化傳統、社會交往方式等方面與西方學生的顯著不同，會在學習動機、自主學習態度等方面表現出明顯的差異性特征 。作為舶來品的數據挖掘與學習分析模型在用于對中國學生的學習進行描述、聚類時是否足夠準確、充分，依然是一個值得探討的問題。這一方面需要教師們在具體的教學中不斷檢驗各種數據分析方法的有效性，另一方面，也呼喚著業界更多基于大規模在線課程海量數據的分析和研究給出答案。
雖然數據分析方法還存在著這樣那樣的不足，但作為信息化時代提供給老師們的新的教學輔助工具，它至少已為我們實現精準性、乃至個性化的教學提供了可能。正如錢理群先生曾說的那樣：“教育是一個雙向激發的過程。好的教育就是把學生生命中內在的最美好的東西全部誘發出來，同時也把自己內心最美好的東西激發出來?！盵8]教育歸根到底是靈魂與靈魂的碰撞，當越來越豐富的數據分析手段日益清晰地把學生學習行為這片原本黑暗的大陸逐漸呈現在我們面前，教師必須意識到，對教學中各種顯性、隱性數據的充分發掘和利用，不僅能有效激活師生之間的教與學，更能為我們理解教學、認識教學提供一種新的思維方式，并有可能以一種前所未有的方式催生出對于教育更深刻的理解和認識。
參考文獻：
[1] 2012年，聯合國發布了大數據白皮書“Big Data for Development：Challenges & Opportunities"，明確提出大數據時代已經到來。
[2] 魏忠 . 教育正悄悄發生一場（下轉第79頁）
轉載注明來源:http://www.hailuomaifang.com/9/view-14909697.htm
