王陆+魏宁

对话嘉宾：

王陆：女，博士，教授，博士生导师。首都师范大学现代教育技术重点实验室主任，校学术委员会委员，教育技术系学术委员会主席。全球华人探究学会副理事长，全球华人计算机教育应用学会执行理事委员，中国人工智能学会全国计算机辅助教育专业委员会常务理事，教育部“国培计划”专家库首批教师教育专家。靠谱（COP）联盟专家委员会主任，首席专家。主要研究领域与方向为现代教育技术原理、信息化环境下的教师专业发展、智能学习支持环境。共出版学术专著10部，发表学术论文110余篇，主持多项国家级和省部级重点课题。

对话嘉宾：

魏宁：教育硕士，高级教师。北京市东城区教育研修学院研修员。北京教育学会中青年理论工作者研究会理事，多次担任全国、市级论文、课题、活动赛项评审专家。主持北京市级课题1项。《中国信息技术教育》杂志特约撰稿人。先后为20多家报纸、杂志、公众号撰写文章，总计200多篇，40多万字。

魏宁：王老师，提起课堂教学行为大数据的研究，我记得您在本世纪之初就已经开展相关的研究工作了，虽然那个时候大数据的概念还不火爆，但您从一开始就坚信，课堂教学行为大数据的研究是一个能把基础研究与应用研究连接起来的纽带，是理论与实践之间的一座桥梁。您还曾多次用“巴斯德象限”这一范式来说明这个道理。

王陆：是的，作为我国第一个教师在线实践社区靠谱COP（The Teachers Online Communities Of Practice，简称靠谱COP）联盟的首席专家，我一直认为靠谱COP的课堂教学行为大数据研究必须坚持正确的研究价值观和研究取向。

巴斯德象限（Pasteur Quadrant）这一概念最早是由美国国家科学基金会（NSF）的主席顾问及美国国家科学研究委员会（NRC）的主席Donald E.Stokes（唐纳德·E.司托克斯）在他的《基础科学与技术创新：巴斯德象限》一书中提出来的，司托克斯把基础研究和应用研究之间的两两关联放置在一个四象限中（如图1），用来考察科学研究的范式。

如图1所示，左上角的第一象限叫“玻尔象限”，表示纯粹的基础研究。诺贝尔奖获得者尼耳斯·玻尔（Nie1s Bohr）对原子结构模型的研究，就属于纯粹的基础研究，丝毫不考虑应用。但是，他发现了构成这个世界的基础结构。

右下角的第二象限叫“爱迪生象限”，意味着以应用为目的的研究。托马斯·阿尔瓦·爱迪生（Thomas Alva Edison）就是其中的代表，作为人类历史上最卓越的发明家之一，他多年如一日从事着具有商业价值的电照明研究，而从不去探寻发明背后更深层的科学意义，不寻求对某一科学领域现象的全面认识。

左下角的第四象限至今没有正式命名，但也有人把它称作“皮特森象限”。起因于北美的鸟类观察家们对昆虫标记和发病率的高度系统化的研究，这些研究的成果后来被载入《皮特森北美鸟类指南》。这类研究的特点是研究本身是由科学家对某种事物的好奇心驱使的，这点与玻尔的初衷颇为相似，但结果却造就了应用研究的成果。

右上角的第三象限就是我们所说的“巴斯德象限”，它代表了那些以应用为目的而引起的基础研究。这一命名来自路易斯·巴斯德（Louis Pasteur），他一生所从事的研究几乎都是以应用为目的的，如解决发酵食物和饮料的变质问题、解决因细菌侵害蚕卵而导致丝绸工业濒临破产的难题以及把传染病的微菌培养成为防病的疫苗等问题。但令人肃然起敬的是，巴斯德在解决这些应用问题的同时，没有像爱迪生那样仅仅满足于应用问题的解决，他同时还追求了這些应用问题背后的更深层次的科学意义。也正因如此，他才能发展出微生物学的基础理论，成为微生物学的奠基人。

“巴斯德象限”说明，基础研究和应用研究两个看似不同的目标是完全可以融合的。而在教育技术研究领域，课堂教学行为大数据的研究就是连接二者的一座桥梁。

我清晰地记得我的导师南国农先生2007年1月28日在纪念中国电化教育70周年座谈会上提出的三个应该加强的研究中，就有“什么是能够真正把互联网与教育、教学结合在一起的好办法”的研究问题。当年，这个问题曾经深深地触动了我，使我顿感责任重大。我认为，靠谱COP的课堂教学行为大数据研究，是以巴斯德象限为范式的科学研究，把基础研究和应用研究相结合，把理论与实践相结合，最终服务于基础教育，服务于教师和学生，是我们一贯坚持的科研价值观和科研取向。

魏宁：王老师，大数据这个词语现在可谓无人不知，但要很严谨地定义它，又不是那么容易，您能给课堂教学行为大数据下一个定义吗？

王陆：目前，大数据还没有一个公认的定义，教育领域的大数据概念同样如此。我所理解的课堂教学行为大数据是指在课堂情境中，伴随教与学过程而产生的大规模、多样性、蕴含了丰富的教与学涵义的非结构化与半结构化的特殊数据集合。目前，课堂教学行为大数据具有模式数据、关系数据、结构数据和行为数据四种典型的类型。

而所谓的课堂教学行为是指教师引起、维持或促进学生学习的所有行为，也就是教师为了促进学习者完成学习行为而进行的支持性、服务性、指导性的活动总和。课堂教学是一切问题的衍生物，教育的逻辑起点是问题，所以，课堂教学行为分析也是聚焦问题类型、问题水平、问题结构、问题理答等方面的行为分析。

魏宁：王老师，针对课堂教学行为，应该说，我们一直在“研究”，从教师日常的听评课活动，到教育专业研究人员的研究，在大数据介入之前，这些传统的方法存在什么问题吗？

王陆：是的，对于课堂教学行为，我们一直在研究它。但以往的研究明显存在着几个问题：在方法上，由于以描述性案例为主，缺少学理分析，特别缺少对课堂教学行为的框架理论研究，致使这类研究较多停留在行为关注的层面；在研究结果上，虽然多数研究对课堂教学行为进行了调查分析，但由于缺少对数据资料科学的系统分析，所以无法给出恰当的策略建议。以往的教学行为研究无法把个案的研究结果转化为一种具有普适性的教师专业发展支持服务，导致许多课堂教学行为研究的成果无法影响到真正的课堂教学行为改进，也就无法对教育教学改革，特别是课堂教学变革产生重大影响。

魏宁：对课堂教学行为大数据的研究，我记得您还有一个精彩的比喻，就是中医和西医，您能解释一下吗？

王陆：传统的针对课堂教学行为的研究，或者就是教师日常的听评课，基本是以经验为主。一些有经验的教师就好比老中医，用“望、闻、问、切”的方法对待课堂教学行为，依据其个人的教育信念、教育价值观和教育经验做出他们的评判与诊断。而我们用课堂教学行为大数据的方法对课堂教学行为展开研究，要经历数据采集、数据分析并要可视化地表达经过信息处理后所得出的数据影像，这就好比西医的X光片、B超扫描，甚至是CT和核磁共振等。当然，基于课堂教学行为大数据的分析与研究，是需要将定性研究和定量研究相结合的，是需要被观察和被诊断教师个人以及观察者和诊断者个人的教育经验的。其实，若想全面、科学地对课堂教学行为加以诊断，最好的办法就是中西医结合。

魏宁：王老师，我知道您从2000年起就带领您的科研团队致力于课堂教学行为大数据的研究，到今天已经走过了17年。其间，先后出版了《信息化教育科研方法》《课堂观察方法与技术》等学术专著。但更为重要的，是坚持不懈地在一线学校开展了一系列的课堂教学行为大数据分析。17年来的数据岂止是“车载斗量”，我想，这才是您和您的团队最宝贵的财富，也是中国教育的宝贵财富，是真正的中国本土的原创研究。您能否大致介绍一下，17年来您都做了哪些方面的课堂教学行为大数据研究？

王陸：我的靠谱COP团队坚持17年进行课堂教学行为大数据的研究，从最初只有4个人的团队，发展到今天一个近60人的科研团队。我们的研究主要包括课堂教学行为大数据的基础理论研究和应用研究两大部分。在基础理论研究中，我们从数据采集与数据分析的原理、方法及技术等维度做了许多开创性的工作；同时，也对数据向信息的转化、信息向知识的转化、知识向智慧的转化等数据流及数据生命周期等做了大量的实证类的基础理论研究和实践性研究，形成了基于课堂教学行为大数据的课堂观察方法与技术、教学反思方法与技术、知识建构方法与技术，以及知识管理方法与技术等系列成果。在应用研究中，我们对基于大数据的教师专业发展支持服务做了深入系统的研究，开发出面向具体经验获取、反思性观察、抽象概括和积极实践等不同维度的共计12类4096种支持服务，开创了我国第一个教师在线实践社区，实现了大学科研成果的转化等。

魏宁：其实，对于教育领域而言，大数据只是一种研究的方法与手段。在信息化的大背景下，我们能搜集到与课堂教学行为有关的海量数据。但面对这些数据，我们又该如何“下手”呢？换而言之，不是说我们有了海量的数据，就会自然而然产出有价值的研究结论。我们必须有具体的工具和方法，来剖析这些数据。我也曾经见到不少学校、教育管理部门，号称用教育大数据采集师生的教学行为，进行了大数据的分析，并用大数据指导课堂教学改进等。但实际情况是，数据的来源和以前并没有什么两样，关键是，处理这些数据的手段依然是传统的数据处理方法。这样的教育大数据只不过是借用了一个时髦的说法而已，本质上并没有什么改变。您觉得，在课堂教学行为大数据面前，哪些有效的研究方法可以为我们所用？

王陆：第一，课堂教学行为大数据的采集方法。课堂教学行为数据已经从结构型数据扩展到多维度的非结构化和半结构化数据。从某种意义上讲，课堂中没有无用的数据，只有未被利用的数据，关键是如何获取数据。课堂教学行为大数据的搜集，已经从以前有针对性地获得结构化数据（如课堂观察量表数据），转变为有选择地删除某些数据。课堂教学行为大数据中的收集数据就是从非结构化和半结构化的数据中，识别、整理、提炼、汲取（删除）、分配、存储，并将其转化为结构化数据的过程。有一点特别需要注意的是，在小数据时代，人们对数据的精确性有严格的要求。而在大数据时代，数据的不精确性是允许的，人们需要接受纷繁芜杂的各类数据，而不应一味追求数据的精确性。

第二，基于课堂教学行为大数据的分析与决策方法。“量化行为获得结构化数据→数据转化为信息→信息转化为知识→知识转化智慧”是对基于课堂教学行为大数据的分析与决策方法的简述。其中，基于课堂教学行为大数据的课堂观察方法与技术中的编码体系和记号体系可以将教学行为大数据转化为信息；教学反思方法与技术可以将信息转化为教师的实践性知识；抽象概括的方法与技术及积极实践可以支持教师从实践性知识中涌现出教学智慧。大数据正在颠覆传统的、线性的、自上而下的精英决策模型，逐步形成非线性的、面向不确定性的、自下而上的决策方式。

第三，信息化教学领导力的方法。校长与教师借助多种信息技术工具和信息化资源，直接对课程与教学各要素进行信息的搜集、整理、加工与处理，提升洞察力，优化教学决策，强化决策力和对教学产生影响作用的领导能力，具体如下页图2所示。

魏宁：通过您介绍的这些主要研究方法，您和您的团队在课堂教学行为的研究中发现了哪些有价值的结论呢？

王陆：在过去的研究中，我们在用上面这些研究方法重新审视教师的课堂教学行为时，发现了很多以往没能发现的问题。我举几个例子。

1.关于课堂提问倾向的分析。

不知道你有没有仔细观察过教师在课堂教学中的提问，这里面其实大有文章。根据我们的研究，教师在课堂上的提问可以分为八种类型：“是何问题”“为何问题”“如何问题”“若何问题”“记忆性问题”“推理性问题”“创造性问题”和“批判性问题”。它们代表了三种不同的教师提问倾向。其中，“是何问题”与“记忆性问题”反映的是教师提问的开放性教学倾向，这两类问题发生的频次越高，表示教师提问的开放性教学倾向越低；“如何问题”“为何问题”及“推理性问题”反映的是教师提问的问题解决教学倾向，它们发生的频次越高，表示教师提问的问题解决倾向越强；“若何问题”“创造性问题”和“批判性问题”反映的是教师提问的批判性及创造性教学倾向，它们发生的频次越高，表示教师提问的批判性及创造性教学倾向越突出。

我以提问的批判性与创造性倾向的研究结果为例，在提问的批判性与创造性倾向维度中，我们采集了教育发达地区、教育中等发达地区和教育发展中地区的教师大数据，结果是三类地区的教师整体水平都非常低，但教育发达地区相比其他两个地区，存在着明显的问题开放性最高、问题解决倾向最明显、批判性问题与创造性问题倾向最突出的教学特点。

通过研究，我们还发现在教师的课堂提问中有两种十分普遍的现象：一是教师提问的随意性十分明显，在课堂教学中教师往往因为发现有学生在搞小动作没有听讲，或在课堂中有些学生表现出昏沉的状态，便随即使用课堂提问的方式给予学生警告性提醒，其后果是课堂提问数量非常多，而所提出的问题大多是简单记忆或机械判断性问题；二是教师判断教学活动是否需要结束是以所提出的问题能够被全班大部分学生正确回答为依据，其结果是教师提出的问题大多是具有唯一正确答案的良构性问题且问题缺乏解决倾向与创造性和批判性倾向。上述两种现象在教育发展中地区尤为突出。

这些现象的背后，能折射出教师对课堂提问的价值取向：重视课堂提问的局部价值，忽视了课堂提问能够促使学生更积极主动地加入到课堂互动之中的整体价值；注重课堂提问的工具价值，轻视了课堂提问能够促进学生深入思考的目的价值；重视课堂提问的浅层价值，忽视了课堂提问的作用是促进学生提出更好的问题的深层价值。当前，有关课堂提问的价值取向应该引起教师培训机构和教育行政部门的高度重视，需要引导教师重新认识提问这个最古老的教学行为的教育价值和目的，并以此为依据和出发点再对现实的课堂教育活动作出更具体的评析，提出新的提問教学原则、方案乃至方式和方法。

2.不同性别教师的差异性教学现象与共性教学现象。

我们曾对不同性别教师的课堂教学行为进行了独立样本t检验，结果表明：不同性别教师的差异性教学现象在0.01显著性水平下，不同性别的教师在师生行为转换率Ch上呈现出显著差异。而不同性别教师的共性教学现象在于，无论是男教师还是女教师的课堂，在批判性问题、创造性问题、鼓励学生提出问题、讨论后汇报，以及学生创造评价性回答等教学现象上均无显著差异，且这类教学现象明显少于其他教学现象。通过对不同性别教师的师生行为转换率Ch、管理性问题、对话深度二和对话深度三等教学行为大数据均值及标准差的分析，可以发现：女教师的师生行为转换率Ch值、管理性问题数量、对话深度二和对话深度三都显著高于男性教师。这一数据分析结果所反映的教学现象是：女教师比男教师在课堂中更频繁地更换课堂对话的话语权，女教师会跟学生发生更多的言语互动，同时女教师也更注重对课堂的统一纪律要求和管理，更重视在师生对话中开展适当的追问干预。

3.不同科目教师的差异性教学现象与共性教学现象。

我们分析了文科和理科教师的课堂教学行为所带来的课堂教学现象的差异情况，结果表明：不同科目教师的差异性教学现象是在0.01显著性水平下，文科和理科教师在课堂提问类型中的记忆性问题、推理性问题和创造性问题上呈现出显著差异；在提问方式中，在提问前先点名、让学生齐答、叫举手者回答上呈现出显著差异；在学生回答类型中的个别回答维度上呈显著差异；在学生回答类型中的认知记忆性回答、推理性回答和创造评价性回答上均呈现出显著差异；在问题结构的是何、如何、若何上呈现出显著差异；在对话深度一和对话深度四上呈现出显著差异。这表达了什么意思呢？就是无论是文科教师还是理科教师，在批判性问题、鼓励学生提出问题，以及运用基于小组的讨论法教学等以学生为中心的教学现象方面均无显著差异，且这类教学现象明显少于其他教学现象。经过对教学行为大数据均值及标准差的分析，可以发现：文科教师的记忆性问题、创造性问题、个别回答、记忆性回答、创造评价性回答、是何问题、对话深度一，以及学生的个别回答、认知记忆性回答、创造评价性回答都显著高于理科教师；而理科教师的推理性问题、推理性回答、如何问题、若何问题、对话深度四以及学生的推理性回答都显著高于文科教师。这一数据分析结果所表明的教学现象是：文科教师比理科教师更重视陈述性知识和创造性知识的获取，文科课堂也比理科课堂拥有更多的开放性问题，但对话深度明显低于理科课堂，说明文科课堂中的问题难度普遍较低，教师也较少进行追问式的教学干预；理科教师比文科教师更重视学生对原理性知识、策略性知识和迁移性知识的获得，理科课堂中的问题难度普遍比文科更高，且理科教师比较多地采用了追问式教学干预。

4.关于发散思维和评价思维的培养问题。

我们通过研究发现，发散思维和评价思维的培养，是当前教与学的最薄弱环节。教学是由问题构成的，教学的一切都可以说是问题的衍生物，学生学习能力的形成就是问题解决能力的形成。关注课堂中的问题类型可以让我们获得课堂教学的价值取向与认知目标达成水平的判断依据。通过对2000—2015年连续16年全国24个省市中小学课堂教学中的问题类型分析可以发现：小学文科和初中文科无论是对话型、混合型还是练习型的教学模式，课堂问题类型都是以记忆型问题为主，整体问题类型处于最低层级，即处于低层次集中型问题水平，学生的认知目标为认知-记忆水平。而小学理科、初中理科和高中理科及高中文科则多以推理性问题为主，问题层级处于高层次集中型问题水平，学生的认知目标为聚合思维水平。无论小学、初中和高中三个学段的理科与文科课程，整体都缺乏以批判性问题和创造性问题为核心的分析型问题，发散思维和评价思维的培养是当前教与学的薄弱环节和课堂教学中的短板。

魏宁：我们对课堂教学进行大数据分析，能透过纷繁的教学现象，得出关于师生教学的普遍规律性的东西。但若要改变其中的不合理之处，或对存在的问题进行纠偏，就必须通过教师行为的改变。这就涉及教师的专业成长了，所以我认为，大数据在很大程度上能助力教师成长。根据您的课堂教学大数据研究所得出的结论，您对教师的专业成长有何改进建议呢？

王陆：首先，透过课堂教学行为大数据的分析，可以看出，教师的课堂教学行为既存在共性问题，又存在突出的个性问题。在我看来，课堂教学行为的共性问题折射出的是教师应该“怎么学”的关键性问题，而课堂教学行为的差异性问题折射出的是教师应该“学什么”的关键性问题。从课堂教学行为大数据的分析结果可以看出：当前教师的教学还是以模仿模式为主的，也渗透了一定的变化模式；要想从教学的模仿模式彻底转变为教学的变化模式，首先就需要转变教师的专业学习方式。正如戴维斯教授所指出的，教师如何学习会反映在他如何教学上（Davis，2003）。教师的专业学习方式需要从技术性实践（Technical Practice）模式转变为反思性实践（Reflective Practice）模式，即教师要从真实的教学实践出发，经过对教学实践的反思，再重构新的教学经验的以教师实践性知识为核心的非正式学习方式。

其次，教师个体的教学行为具有差异性，造成教师教学行为具有差异性的原因是教师个体具有差异性的实践性知识。差异性的实践性知识给不同的教师个体带来了知识势差，而知识势差是造成知识流动、知识传播和知识转移的根本原因，也是教师能够获取实践性知识这种隐性知识的基本条件。为此，以“差异即资源”的理念搭建起来的教师在线实践社区（靠谱COP），为不同的教师个体搭建了实践性知识流动、传播与转移的基础环境，形成了由教师、专家及助学者所组成的一种正式学习与非正式学习相混合的学习型组织，有效支持了教师的反思性实践，促进了教师通过知识转化而最终获得实践性知识的增长和课堂教学行为的改进，取得了显著的教师专业发展成效。靠谱COP为不同的教师个体搭建了实践性知识流动、传播与转移的基础环境，形成了由教师、专家及助学者组成的一种正式学习与非正式学习相混合的学习型组织，有效地支持了教师的反思性实践，促进了教师通过知识转移最终获得实践性知识的增长和课堂教学行为的改进，取得了显著的教师专业发展成效。

此外，长期以来，中小学都采用师徒制的教师专业发展模式，即指派一名具有较长教学经历和较多教学经验的“老教师”，即成熟教师，作为新手教师的师傅，并希望这种模式能够促进新手教师在成熟教师的指导下，在开展教学实践的过程中，对教学实践进行有效的反思，从而能够较快地获取、继承、传递、存储和应用成熟教师的实践性知识。

一名新手教师成长为胜任教师至少要经历知识生产和知识进化两个关键阶段。既要经历在已有知识的基础上发现新知识的生产过程，这个过程一般发生在新手教师自入职开始的1～3年期间；也要经历随着外部环境的改变，主动改变知识内涵与结构以适应新环境的知识进化过程，这一般在新手教师入职3年以后。知识生产阶段是新手教师快速积累教学经验的阶段，而知识进化阶段是新手教师发展、修正、完善、建构其实践性知识的阶段。

美国著名的心理学家波斯纳曾经提出一个教师成长公式：教师成长=经验+反思。显然，在这个公式中经验是一种“慢变量”，是新手教师要随着时间和实践机会的增加而慢慢积累起来的；而反思是可以干预的一个“快变量”。在抽取了来自4个省8所靠谱COP项目学校共120位教师作为研究对象，其中新手教师40名，胜任教师40名，成熟教师40名，收集了这120位教师从2010年9月至2011年7月一年期间在靠谱COP平台的论坛中所发表的帖子、所撰写的课后反思文本以及制作的教学反思DST（Digital StoryTelling）视频材料等半结构化和非结构化的数据，采用了内容分析法、视频案例分析法和统计分析法等分析后发现，在高层教学反思中，胜任教师与成熟教师的反思特征相似聚为一类，而新手教师则单独为一类。继而进行了回归分析后，显示出新手教师的高层教学反思水平仅受胜任教师的高层教学反思水平的正向影响，与成熟教师无关。

同时我们发现：教师知识的进化过程是一种教师的知识集合处于不断的流通与变化的过程；成熟教师与新手教师在知识进化过程中的试探性理论或解决方案上表现出了比较大的差异，即成熟教师更倾向于从局部要素寻找解决问题的策略，而新手教师则更倾向于从整体要素的改变去寻求解决问题的办法；在知识进化的过程中，成熟教师对新手教师的影响十分明显；新手教师在知识进化排除错误的过程中，会表现出直接吸取成熟教师实践性知识的倾向。这一研究结果带来的启示是：在知识生产阶段，让胜任教师担任新手教师的师傅会显著影响新手教师的高层反思水平，从而使新手教师获得更快的进步与成长。在知识进化阶段，由成熟教师担任新手教师的师傅会更加有效地促进新手教师实践性知识的增长与改进。

根据大数据的分析研究结果，优化后的师徒制教师专业发展模式是一个“双师制”模式，即在知识生产阶段，学校为新手教师安排一名胜任教师做其师傅，帮助新手教师迅速获取具体经验，而在新手教师步入知识进化阶段后，可以再增派一名成熟教师同时担任其师傅，从而构造一种新的“双师制”的师徒制知识管理方式，使得新手教师、胜任教师和成熟教师都能在同一个生态环境中发展与成长。

魏宁：通过这么多年的课堂教学行为大数据研究，您对教育大数据一定有着深刻的理解和认识，您怎么看待当前火热的教育大数据呢？

王陆：应该说，到现在为止，国内外对课堂教学行为的研究还处于起步阶段。课堂是错综复杂的，需要广大研究者深入课堂教学的实际情境中，把课堂教学行为作为研究对象，从理论与实践两个层面去阐释课堂中存在的种种教学现象，从多学科的角度去说明课堂中出现的种种问题，寻找教学现象背后的教学规律与教学本质。

当前，深化基础教育领域综合改革最关键、最重要的是提高教师队伍素质及其实施素质教育的能力，任何教学改革的成功都取决于教师作为系统的实施者对改革需求的理解与应用，教师是学校改革的真正推动力。通过对课堂教学行为大数据的深入分析与挖掘，大数据能够把教师的隐性知识显性化，从而助力教师的专业发展与专业成长。

我们要感谢大数据等新技术与新工具，让我们实现了用数据化手段测度人类行为和人类社会，并由此改变了人类探索世界的方法。大数据通过对事物的数据化，实现了定性研究与定量研究的综合集成，使人文社会科学等曾经难以数据化的领域像自然科学一样走向了定量研究，实现了定量研究与定性研究的统一与融合。

应该看到，课堂教学行为大数据所表征的数量关系，仅仅是一种认识和研究教学现象的手段，是一种以搜集微观研究材料进而开展宏观理论构建的研究途径，其真正的目的是要通过数量关系探寻课堂教学的科学规律与教学现象的意义。无论是教学实践者还是教学研究者，都需要重视课堂中的教学现象并理解教学的本质。只有教学实践者透彻地理解教学本质，才有可能真正促进教学现象的有效改进；只有教学研究者走近或者走进教学现象，才有可能真正揭示教学的本质，也只有从教学现象中揭示出教学的本质，才有可能使其回归到教学现象之中，并对教学现象形成真实的影响力和指导力。由于课堂教学具有复杂性、情境性和实践性，在优化课堂教与学时往往不能仅凭个人经验或简单使用某种具有普适化意义的教与学的理论，为此，以课堂教学行为大数据为研究手段的教学现象研究，不仅是我们发现教学本质的切入点，还是我们创新教学研究的立足点和改进课堂教学行为的助推器。

魏宁：通过您的介绍，我对课堂教学行为大数据有了更全面、深刻的认识，17年弹指一挥间，您的坚持终于得到了回报。在这里，我祝愿您在今后的研究中取得更丰硕的成果，用大数据服务于教育改革，服务于教师，最终为学生的成长助力。

王陆：谢谢您，我们会继续努力的，靠谱COP一直与您同行。

对话印象

从学生时代算起，和王老师已经有二十多年的交往了。在我的眼里，王老师不仅是一位治学严谨的学者、谆谆善诱的长辈，很多时候更像是一位倾心相交的朋友，这是因为无论是在治学上还是做人上她都能时刻给我以启迪。

在教育技术界众多的专家学者中，王老师有着极为鲜明的特点，这主要体现在王老师的“跨学科”上。对教育技术来说，“跨学科”三个字本不稀奇，因为教育与技术本就分属文理，教育技术学自然就成了一个文理交叉的领域。但细究起来，大多数专家学者还是有着明确的学科背景的，要么以技术为背景，要么以教育为背景。真正意义上横跨教育、技术两个领域的学者可谓少之又少，而王老师称得上是其中的佼佼者。王老师早年的研究方向是智能学习支持环境，她对人工智能有颇深的研究，她的教授职稱便是来自计算机工程学院，她是不折不扣的计算机技术和人工智能专家。而此后，王老师毅然转入教育领域，又在教育技术方面取得了成功。

兼具文理的双重背景让王老师的研究既有教育人的情怀，又不失理工人的严谨，更让王老师真正做到了“用技术的手段去解决教育中的问题，用教育的视角去反思技术的应用”。但在“跨学科”三个字的背后，其实有着更深层次的含义，在我看来，那才是王老师的成功秘诀——问题意识。其实，在王老师眼中，本没有学科的界限，只有需要解决的问题，这才是“跨学科”三个字的本质。王老师二十年如一日，始终关注的是如何用技术手段去解决课堂教学中的问题，促进教师的专业成长，正是在这个目标的驱动下，王老师完成了一次次的转型、跨界。

在“大数据”一词还没有火爆的年代，王老师就被圈里人戏称为“数据王”。在“大数据时代”真正到来时，王老师依然静静地从事着她心爱的数据研究。真心期待王老师在接下来的十年、二十年中继续与数据为伴，为教育添彩。

——魏宁