教学决策是教师必备的教学技能,是教师在特定教学情境下,基于自身的知识技能储备,感知和处理信息并做出选择的过程。教学决策的核心是教师对教学涉及要素的相关信息进行挖掘、分析和评估,并据此设计、实施、调整和完善自己的教学方案,以提升教学的品质与成效。随着大数据技术的发展与应用,教师教学决策逐渐从依据过往教学实践活动中得到的经验、体悟和认识,向基于丰富数据支撑的学生学习状况精确掌握的“数据驱动”转变。“数据驱动决策”的价值已被理论界广泛认可,然而,数据采集技术、教师信息素养等瓶颈问题造成该理论难以付诸实践。笔者将深入分析,提出破解之道。一起随信息技术上机考试系统小编看看吧——
教学是一个非常复杂的系统,教学情境因师生的主观能动性差异而存在多样性和不确定性。处理复杂的情境问题,教师的智慧是技术所不能取代的。然而,对教学中可量化信息的处理,教师的效能则明显弱于技术。
经验式教学的优势主要体现在教师能根据学生表现做出快捷判断与反应,在学习情感、态度方面尤为突出。例如,有经验的教师通过观察学生面部表情、神态、肢体动作、语言连贯性、语气、语调等多种信息,即可对学生当下学习状态和情况做出快速判断,并采取适当的教学措施。
经验式教学的不足主要体现在以下两个方面。一是并非所有经验都能给人以指导。教师的智能结构中固然有应对教学情境复杂多变的优质经验,但也存在不少诸如“刻板印象”“固执己见”等偏颇与狭隘的劣质经验。二是无法对可量化的学情进行精准把握。面对存在显著个性化、差异化的学生,教师难以对每个学生的学习过程、学习结果数据进行快速采集,只能根据部分学生的回答反馈或作业表现数据进行大致判断。如果教师单纯依据经验进行教学决策,理性基础有限,决策合理性较弱。
教师了解经验在教学决策中的优势与不足,可以更好地将经验与数据相融合,做到优势互补。
(一)“数据驱动”教学决策的价值
1.注重教学事实,实效性强
在“数据驱动”的教学决策理念下,教师将由过去“观察现象—发现问题—分析原因—做出对策”这一关注“为什么”的质性研究思路,转向强调发现“实证”的大数据支撑的“是什么”的深入考究,更多地由数据之间的相关性来理解问题、探索规律和预测趋势。
2.具体到每个学生,针对性强
经验式决策的依据要么是班级整体表现,要么是简单的几类学生的一般特点,要么是某个学生的具体表现。教师这样“以一概全”难以精准把握学情。在大数据技术的支持下可以实现“样本=全体”,教师可以在了解每个学生学习历程和认知表现等详细情况基础上全面把握学情,增强教学决策的针对性。
3.拓展到教师集体,科学性强
每位教师都是一个独特的生命个体,教学经验具有差异性、动态性、情境性、默会性等特点。因此,教师基于经验进行教学决策,近似于一种通过个人“试误”独自去应对“现实冲击”的单干形式,可能造成教师对教学产生一种畸形的、窄化的理解,并对自己教学的成败做出错误诠释。
数据化使得学情数据样本不断扩大,教师决策的科学性大大提高:一方面为教师个人提供更丰富的数据支持,另一方面使不同教师决策智慧得以传递与共享。教师教学决策由依靠个人的单打独斗转向依靠“共同体”的集体力量,提高了教学决策的科学性。
(二)“数据驱动”决策的现实问题
1.技术性设施不足,难以获取数据
目前我国面向中小学教学的数据采集系统尚未完善。例如:数据采集中给教师的自主权不够,难以满足教学需求;平台未开放,数据仅限校内使用,教师难以在备课和课后阶段获取所需数据。
2.教师接受度不高,不愿使用数据
梵勒梅尔等对教师使用数据进行决策的现状进行调查后发现,教师直观的专业知识仍然是教师决策最重要的基础,极少数教师会有目的地通过采集数据来进行教学决策。笔者在与身边教师交流过程中发现,数据采集的设计者与使用者分离,数据与教师教学需求的契合度不高,使得教师使用数据进行决策的意愿不强烈。
3.教师信息素养不高,不会使用数据
教师的信息素养和数据应用能力主要表现为理解数据,并将数据解释转化为教学行动。目前我国中小学教师教育中缺乏数据应用的培训与指导,教师专业共同体中也忽视这方面的学习与实践探索,导致很多教师不会使用数据。
教师了解“数据驱动”教学决策的价值与问题,有助于找到用技术改善决策的切入点。
(一)“规则导向下数据采集”的价值
迪伦·威廉的研究表明,教师依据证据决策下一步教学,将有效提升学生学习效果。如果这种依据是评价学生前确定的系统评价规则,那么,决策效果是单纯依据评价结果判断的两倍。也就是说,“规则导向的数据”比“无规则数据”更有利于提升下一步决策的效果。因为,专注“规则导向的数据”的人在采集数据之前就已确定要用数据来做什么,且只采集他们所需的数据。
在完善的教学数据采集技术或平台尚未投入使用前,教师可以根据教学需求,运用现有技术采集所需数据,融合“经验”与“数据”使教学决策更加精准,且这种“主动参与”的数据采集更有利于教师做出科学的教学决策。
如何实施“规则导向下数据采集”,发挥“数据驱动”价值?笔者以“异分母分数加减法”一课的课前自主学习评价为例,分析这一教学实践主张的具体实施与价值分析。
(二)“异分母分数加减法”课前自主学习评价数据的采集与运用
当大数据难以采集时,根据一定的评价规则采集教学决策所需关键数据,帮助教师准确地预判学情,可以提升教学决策的实效性、针对性。笔者以“异分母分数加减法”一课为例,分析如何根据教学制定评价规则,采集学习评价数据,并依此对后续教学进行决策。
1.制定课前学习评价规则,设计评价内容
小学数学“精·准”教学模式中课前学习评价的目的:一是帮助学生夯实基础,启发思考;二是帮助教师精准预判学情,了解学生已有基础,找准教学生长点。教师设计评价内容应遵循以下规则:从“前序关键知识掌握”“新知所需关键方法”“自主解决新知问题”三个层次了解学生的学前知识和方法基础,以及迁移能力;关注学生数学思考,引导学生以图、文等方式表达想法。对于“异分母分数加减”一课,“同分母分数加减”算法与算理、“通分”的意义与方法是前序关键知识与方法,其背后的思考以及自主运用旧知解决新知的迁移情况,是教师后续教学的重要决策依据。针对这样的教学需求,笔者设计了如下3道练习题。
2.线上线下融合采集课前学习评价数据
及时获得班级学生课前学情数据是教师实施“数据驱动”教学决策的关键。教师可以根据目前学校现有信息化教学环境的差异性与局限性,线上线下融合,以“线下纸笔答题”“线上拍照提交”等方式及时采集、分析数据。教师在教学中可以采取如下三种方式采集数据:一是完全不使用技术手段,让学生在校内完成纸质学习单,及时收集批改与统计数据;二是让学生在家完成纸质学习单并借助网络工具拍照提交,通过线上批阅来采集数据;三是将学生课前自主学习内容设计为在线练习,客观题目数据由系统自动统计,主观题目数据通过教师手动批阅获取。教师收集学习单后获得班级学生课前学习数据如下。
3.基于课前学情数据的课堂教学决策
基于上述课前学情数据,教师可以做出更具有实效性与针对性的后续教学决策:学生对“同分母分数加减法”与“通分”掌握较好,可以精简复习环节,教学时强调结果化简;将“异分母分数加减法”算法教学重心放在多样化与优化上;由于学生对算理理解存在差异,教学时应着重引导学生理解“分数单位相同”即“计数单位相同”;通过沟通整数、小数、分数加减运算的联系,帮助学生感悟加减运算的一致性,即“相同计数单位上的数相加减”;强化用画图法直观理解算理的教学,培养学生几何直观能力;根据学生的课前学习表现,课上交流与提问时有针对性地选择合适的对象。
(三)数据驱动在“异分母分数加减”教学中的价值体现
相较于依靠模糊的经验,教师依据精准的课前学情数据,对“异分母分数加减法”教学进行决策,更具实效性、针对性、科学性。
1.提高课前学情预判的精准度
教师聚焦学生学习“异分母分数加减法”的关键基础与迁移能力,精心设计学习评价内容,采集班级样本数据,准确地把握班级学生在算法、算理、通分等方面的整体情况,同时了解学生个体表现,提高了学情预判的精准度。例如:通过第3道题的统计教师可以知道每个学生自主学习“异分母分数加减”有哪些方法和想法。
2.增强课堂教学决策的实效性与针对性
教师凭经验也能准确设定教学目标与重难点,有效设计教学活动。但在教学的交流与提问环节,一方面教师并不知道每个学生会怎样表达与回答,这个环节就像开“盲盒”;另一方面,很多学生还没有经过充分思考,交流质量不高。如果学生课前进行了充分的思考与表达,教师获得了这些信息,教学时就可以按照知识发展的逻辑,针对性选择交流与回答的学生,提高教学实效性与针对性。例如,在教学“3/10+1/4=”计算方法时,教师根据课前数据,按“从错到对,逐步优化”的顺序组织全班学生交流,这样交流更具实效性与针对性。
3.使构建内容关联的教学大数据成为可能
依据班级样本数据的教学决策在实效性与针对性上有突出的价值,但这只是小数据,要了解学科教学共性问题并作出准确决策,离不开大数据。教师利用网络平台共享自己班级样本小数据,集腋成裘,与具体学科内容关联的学情大数据就产生了。通过与大数据对比,教师可以分析自己班级学情中的问题是共性还是个性问题。教师基于大数据进行决策更加科学、有效。
总之,教师基于数据作出决策将提高教学有效性。在数据采集技术有限的当下,教师可以充分运用实践经验与智慧,系统制定评价规则,针对教学需求设计数据采集内容,获取数据,运用数据,在实践探索中提高教学有效性与自身数据素养,为“数据驱动决策”完美落地做好准备。
作者:李宇韬,系广东省深圳市龙华区松和小学正高级教师
版权声明:本文为本站转载文章,仅作分享使用,版权归属原作者,如有问题,请及时联系删除