数据驱动下在线作业设计与优化的实践研究

李朝辉　阎文丽

摘要：为提高教师利用数字工具采集分析数据能力，研究团队依据《教师数字素养》标准，利用智能技术及其产生的数据对作业进行再设计与优化，课前借助平台提供学情支架，诊断学情并确定目标，课上通过多个阶梯式任务，实时监测、调整，课后精准分层，个性化辅导，在订正环节对学生进行督导，智能助学。教师应用“数据驱动下在线作业设计与优化模型”，通过在线平台收集、处理和分析数据，实现了数据决策闭环运行，促进了教师数字素养的提升，提高了教、学、评的一致性和效率。

关键词：教师数字素养；在线作业；数据驱动；设计与优化

2022年12月，教育部发布了《教师数字素养》标准，对教师利用数字化技术优化、创新和变革教育教学能力提升培训和评价提出了具体要求。《教师数字素养》标准五个一级维度“数字化应用”中的二级维度“数字化学业评价”，提出教师要利用数字工具采集多模态学业评价数据，应用数据分析模型进行数据分析，并实现数据可视化与解释。这种教师系统地收集、处理多种来源数据，并以此为证据干预学习过程、优化学生学习成效的综合能力，被称为数据驱动决策能力。这种能力是教师在真实教学情境中依据并利用数据开展分析与改进教学的综合素质。

在线教学場景下，教学与学习过程数据的记录、收集变得非常便利，基于生成于在线教学过程中的学情数据流开展“伴随式评价”成为可能。教育部基础教育司2022年工作要点提出，要提升教师作业设计能力水平，不断提高作业的针对性、有效性等要求，这对教师的教育教学工作提出了更加个性、优质、精准的期望。但笔者调研发现，教师在线教学遇到的困难之一就是难以评价教学效果。无法真实面对面交流，只能隔着冰冷的屏幕遥遥相望。如何检验学生听课质量？提升在线教学质量？教师要做好在线作业的设计与反馈工作。为帮助教师提升数据素养，笔者经过探索，巧妙利用了在线教学优势，借助智能技术及其产生的数据流对作业进行再设计与优化。笔者基于学情数据，精准科学地作出教学决策，基于数据因材施教，设计并应用“数据驱动下在线作业设计与优化模型”，取得了一定的成效。

一、模型建构

在日常教学中，教师在设计单元整体教学活动时，为避免作业评价与课堂教学评价的割裂，注重评价方案的全面性和系统性，将作业评价与课堂教学统筹考虑，将评价任务嵌入学生学习过程中，坚持教、学、评一致性，构建作业体系，设计了基于单元整体教学的3+3层级式化学作业体系（如图1）。

在线教学场景下，生成并流动于各环节中的学习数据流一般以原始状态存在，教师如何使用这些数据改进教学？笔者借鉴数据驱动的决策模型，基于实践，建构了“数据驱动下在线作业设计与优化模型”（如图2）。

此模型表征了教师在智能技术工具支持下，依托学生在线学习产生的数据流，将伴随式评价作用于课前作业、课中作业、课后作业及作业订正等节点，而每个节点的数据决策作用和目的各不相同。

课前作业：从教师收集数据开始，借助平台提供的学情支架，诊断学情并确定目标。

课中作业：通过多个阶梯式任务，将数据变成信息，即通过实时数据分析数据，监测学生状态并对教学进行调整。

课后作业：分析结果与目标之间的差距，针对性布置作业并分层推送，加强错题复练，利用在线工具进行个性辅导。

作业订正：教师利用平台智能数据的图形化表达，督导学生订正作业，结合互评和数字勋章进行多元评价，激发学习热情。

教师基于以上模型，在各节点通过数据作出决策—实施决策—检验影响的微循环，将结果反馈至相应节点，通过连续、多轮微循环，不断迭代完善决策。下面以初中化学“盐的化学性质”为例，分别从课前、课中、课后、订正四个阶段，介绍数据驱动下在线作业设计与优化模型的应用方法。

二、实践应用

（一）课前作业——学情支架

“盐的化学性质”教学目标之一是让学生理解常见盐的性质并掌握碳酸盐、盐酸盐、硫酸盐的检验方法。在前一阶段的教学中，教师通过平台数据发现学生对酸的5种通性和碱的4种通性已经掌握得很好，这期间已经涉及多种与盐有关的性质。于是，教师构建课前微课学习支架，引导学生自主学习，帮助其理解一类物质的通性，完成知识的迁移应用。

“空中课堂”是教师帮助学生自主学习的重要资源，跟教师辛苦制作的微课一样，经常被教师“丢”在学生群里，要求学生“自主学习”。学生学没学？学得怎么样？教师不得而知。为了解决上述问题，教师利用优幕（UMU）平台的智能数据分析系统，可以设置“空中课堂”或自制微课类学习支架，对学生观看视频的进度、完成度等学习情况了如指掌。为进一步提高和检验用于学情分析的微课支架的应用效果，教师在视频后面设计了一两道练习题、问答题或讨论型作业，来了解学生对于微课内容的掌握情况，为学生精准画像，更为精准地分析学情。例如，学生在观看完盐的性质的相关视频后，设置了“氯化钙用途广泛，请在方框内填入合适的物质用于制备氯化钙”的问答题（如图3），用来了解学生的知识迁移情况。学生自主学习效果良好，他们从酸的通性和碱的通性中完美迁移得出了盐的有关性质。

（二）课上作业——阶梯驱动

很多学生学习效果和学习体验并不理想：在线课程内容完成率低、在线活动交流参与度低，在线学习过程特别是同伴交流容易被众多因素干扰，甚至进入无序状态。为此，教师组织开展课前小游戏、阶梯性在线测试、学习考核等教学活动，防止学生走神，让每个学生有参与感。

例如，教师分析课前学情数据，发现部分学生对酸、碱、盐的分类仍不清楚，存在迷思概念，这会影响学生学习盐的性质。于是在课程之初，教师设计了一个低阶问题“下列关于酸、碱、盐的叙述中正确的是（    ）”，通过澄清迷思概念，帮学生轻松跨过障碍点。在学生学习了高阶的“检验与鉴别”后，教师提出“能将三种无色溶液区分开来的是……”这一富有挑战性的题目（如图4），以此帮助学生提升“证据推理”思维模型迁移应用能力。

我校目前使用的是Classin平台，该平台的“答题器”可以对单个问题进行数据采集和反馈，但在面对课堂教学中的有层次的“问题串”或多问题时，就显得比较烦琐。教师尝试使用授权资源中的“多题答题器”，完美解决了上述问题。

教师设置阶梯式问题，利用实时反馈数据，检测学生在线听课效果，及时调整教学策略和进度。

（三）课后作业——精准分层

线下教学时，作业内容与作业目标的匹配度是判断作业质量的重要指标之一，而线上教学过程中教师利用课前学习支架和课上学生学习的反馈数据，更有利于分层精准作业。

例如，教师根据课堂上“能将三种无色溶液区分开来的是（    ）”这一挑战性题目的正确率情况，针对性精选符合“双减”要求的题目进行分层作业。

我校资源库中共有三类作业：A类即归纳总结类作业，旨在让学生完成知识系统建构；B类即基础落实类作业，重在基础知识的简单应用和查漏补缺，是为基础较弱的学生设计的；C类即能力提升类作业，助力基础较好的学生实现能力提升和思维拓展以及知识的迁移应用。教师借助平台结合数据反馈情况，将A类（归纳总结类）作业、 B类（基础落实类）作业、C类（能力提升类）作业分层分级推送给相应学生进行“复练”，实现课后作业的精准化、个性化（如图4）。教师利用平台可以实现高效批量添加自编“变式”训练题、设置防作弊模式等功能。学生在线作答后，平台自动批改，大大减轻了教师在线教学批改作业的负担。教师可以根据作业数据了解学生的作业完成率、正确率等，精准了解每个知识点掌握的情况。学生可以实时了解自己知识方面的薄弱点，通过答案中的（微课）解析进行巩固，对某些疑、难点或其他不懂的问题可以在线提出。例如，有学生对答案说明中“氧化铁的式量112”不甚明了，为此教师借助智能手机，直接用“语音+圈画”的形式进行解析。有针对性的微课呈现在作业题目的下方，学生讨论、观看十分方便。这样就实现了精准辅导。

（四）作业订正——智能助学

错题是重要的教学资源。线下教学环境下，教师对作业的订正非常重视。但在线上教学过程中稍有督促不到位，学生作业就会出现“不订正、浅订正、订而不正”等情况。为避免这些问题，教师发挥“在线”的优势，利用平台的“人工智能作业”功能优化作业订正的反馈、互动和呈现方式。教师在在线课程中设置“人工智能视频（语音）作业”小节，作为“必修”，让学生自主根据作业情况，选择作业中最有收获的一题录制视频（露脸），进行“表述式订正”。例如，针对酸、碱、盐的鉴别和检验要考虑相互“干扰”的教学难点问题，教师做一些专门的设置，在学生开始讲解时，将“干扰”“排除干扰”“避开干扰”等添加到“AI关键词评分—智能匹配”项中。这样，学生提交视频（语音）后，平台会根据教师设置的“AI表现力评分”标准和关键词自动评分。学生根据AI评分反馈情况进行多次录制，直到满意为止，大大提高了订正的积极性、主动性。相较线下抄写式、重复式订正方式，学生互评打分进行作业订正，更能促进他们的深度学习。教师对学生视频讲解中的问题，以时间轴的形式，边看边评，针对不同时刻内容，给出不同评价，并录制语音，使作业点评更全面精准。

三、教学反思

目前线上线下混合式教学模式快速发展并被广泛应用。教师利用在线教学产生的数据提升教学效果至关重要，而在线教学的各种数据是以原始状态存在，它们本身没有任何意义。数据是否成为信息取决于人们对数据的理解和后续的行动。“数据驱动下在线作业設计与优化模型”就是教师在探究如何使用数据来改进、优化教学的实践中总结提炼出来的。它能快速帮助教师理解数据，揭示数据和教学之间的关系，进而指导、优化其教学行为。上述“盐的化学性质”案例中，教师将学习支架、课堂评价、课后辅导、作业订正、数据分析等集为一体，成功应用了该模型，避免盲目依据主观经验评价，使教学的诊断、调节、分层和评价定位更加精准，改进措施更有效。实践证明，应用新模式教学，学生高效完成酸、碱、盐的性质、应用和转化规律的归纳类任务，相关能力得到了明显提升。笔者期待能与更多教师一起实践、验证和完善新模型，在教学中充分发挥技术和人的优势。教师借助智能技术工具教学，使数据决策形成闭环，基于数据因材施教，必将推动并促进学生高层次思维品质、化学学科核心素养的发展。

注：本文系2023年度上海市教育科学研究项目“基于CDIO的初中工程教育实践研究”（编号：C2023248）的阶段性研究成果。

参考文献

[1] Means B， Chen E， Debarger A， et al.Teachers'ability to use data to inform instruction： Challenges and supports office of planning[R].Washington，D.C：U.S.Department of Education，Office of Planning，Evaluation and Policy Development，2011：5-8.

[2] 李朝辉，阎文丽.单元整体教学的3+3层级式化学作业设计——以“化学的魅力”教学为例[J].中学化学教学参考，2022（7）：27-29.

[3] Mandinach E B.A perfect time for data use：Using data-driven decision making to inform practice[J].Educational Psychologist，2012（2）：71-85.

[4] 张青，龙玉萍.我国近20年来在线学习效果影响因素研究的述评[J].成人教育，2023（2）：44-53.

（作者李朝辉系上海市松江区民乐学校特级教师；阎文丽系上海工程技术大学附属松江泗泾实验学校高级教师）

责任编辑：祝元志