李春辉

摘  要：采集并剖析高职学生英语学习大数据，是提高高职英语教学的有效方式。文章深入分析了高职英语教学的现状及存在的问题，探讨了如何采集和分析教育大数据，如何设置精准教学目标，如何构建精准教学模式，以期促进高职英语精准化教学建设，推动高职英语教学改革的进程。

关键词：大数据;高职英语;精准教学

中图分类号：G712       文献标志码：A         文章编号：2096-000X（2020）18-0183-04

Abstract： It is an effective way to collect and analyze the big data of English learning in vocational colleges. This paper attempts to analyze the current situation and the problems of English Teaching in vocational colleges. It focuses on how to collect and analyze big data as well as how to set up accurate teaching objectives and accurate teaching model in order to promote the construction of accurate teaching in vocational education.

Keywords： big data; English teaching in vocational colleges; accurate teaching

引言

信息技术的迅猛发展带来了数据的快速增长，海量数据汇聚成大数据。大数据对国家管理及社会生活等产生重大影响。近年来，大数据广泛应用于各领域。2015年8月，国务院印发了《促进大数据发展行动纲要》，系统部署了大数据发展工作。《促进大数据发展行动纲要》提出“要探索发挥大数据对变革教育方式、促进教育公平、提升教育质量的支撑作用”。而探索教学改革思路，构建有特色的教学模式是高职院校教学的重中之重。大数据为高职教学改革注入了活力，将大数据引入高职英语教学，通过对高职学生在线学习数据的采集和分析，以期促进精准化教学建设，推动高职英语教学改革的进程。

一、高职英语教学存在的主要问题

（一）学情分析缺乏精准性

学情分析是高职英语课程标准制定的重要依据，是确定教学目标、选择教学内容、构建教学模式的前提。学情分析是指与学生生活、学习相关的一切因素，包括学生的学习态度与学习习惯、学习基础与学习能力、兴趣爱好、年龄特点、身心特点、家庭环境等各种因素[1]。近年来，随着招生政策的变化，高职学生的生源更为复杂，英语基础参差不齐，英语学习习惯存在较大问题，对高职学生进行精准的学情分析尤为重要。作者通过调研发现高职英语教师对学生的学情分析存在两类问题。第一，教师忽视学生的学情分析。教师主观上意识不到学情分析对于高职学生英语学习的重要性，而且受选课人数众多，学情分析工作量大等客观因素的影响，很多高职院校在开课前不做学情的调查和分析，教学方案的制订主要来自教师的教学经验，主观性较强。第二，高职院校学情分析方法较为落后。学情分析多以问卷调查的形式开展，而问卷调查很难涵盖学情的各个方面，学生填写的问卷调查主观性较强，据此学情分析缺少客观性和全面性。

（二）教学模式缺乏多样化

教学模式是构成课程（长时间的学习课程）、选择教材、指导在教室和其他环境中教学活动的一种计划或范型[2]。教学模式贯穿于整个教学活动，因此，高职英语教学模式的选择至关重要。高职英语教学模式较为单一，忽略专业间、班级间、学生间的差异，无法根据学生的学业水平、性格特征、学习习惯等因素设定差异化、精准化的教学模式。

（三）教学评价方式缺乏科学性

教学评价是检验学生学习效果的有效途径，传统的教学评价以终结性评价为主。近年来，随着高职英语教学改革的深化，高职英语教学考核逐渐加入形成性评价元素。然而，由于缺乏采集学生学习行为的技术条件，形成性评价方式缺乏科学性。形成性评价多以教师记录为主，而教师无法全面跟踪学生的学习行为，评价结果具有较强的主观性，学生的学习效果也不能客观地反馈给教师，导致教师难以及时调整教学方式。

二、教育大数据的采集和分析

高职英语精准教学实施过程的首要任务是教育大数据的采集，通过对大数据进行筛选和剖析，诊断高职学生英语学习中存在的问题，制定精准教学方案。

（一）教育大数据的采集

大数据产生于各种学习活动，涵盖学生学习活动中产生的所有原始记录。教育大数据能够系统呈现高职学生英语学习的全过程，能够全面记录教师的教学行为和学生的学习行为，因而高职英语教学要注重教育大数据的采集。

大数据采集是一个复杂的工程，采集过程中应遵循一定的原则。首先要遵循准确性原则，要确保原始数据真实准确，所有数据要实事求是，保持数据原始性，确保准确无误，禁止出现任何的夸大、缩小或扭曲等现象[3]。其次要遵循规范性原则，要求数据采集标准口径统一，数据之间保持有机联系、前后呼應，禁止出现贪多求全、不计标准地零乱堆砌、滥收乱报现象[3]。此外，还应遵循完整性、及时性、安全性等原则。确保采集的数据项目全覆盖，无任何遗漏。确保持续采集数据和及时更新数据。并做好采集数据的保密工作，切忌泄露采集信息。

依据来源和范围的不同，可以将教育大数据分为个体教育大数据、课程教育大数据、班级教育大数据、学校教育大数据、区域教育大数据、国家教育大数据等六种，它们从下向上、从小到大逐级汇聚[4]。鉴于研究目的，此研究主要采集课程教育大数据和个体教育大数据。课程教育大数据的采集主要为设置精准教学资源提供数据支撑。当前，高职院校主要采取线上、线下或线上线下相结合的方式采集教育大数据。随着在线课程在高职院校的推广，线上课程学习平台成为线上采集大数据的主要渠道。本研究依托浙江省高等学校在线开放课程共享平台进行数据采集。作者带领团队在该平台创建了省级精品在线开放课程《大学英语-Jack职场蜕变记》，迄今已完成5期课程的教学使用，并通过该平台跟踪采集常态化教育大数据。通过平台采集了涉及课程基本信息、课程资料、教学计划、教学进度、考核标准、考核结果、课程满意度等相关课程教育大数据。课程个体教育大数据主要来自教师和学生。平台采集了教学进度、作业数量、测验频率、教师答疑等教师个体数据。学生个体数据是教育大数据中数量占比最多，覆盖最广的数据类型。平台主要采集了两类学生个体数据：学生个人特征数据和学习行为数据。学生个人特征数据主要集合了与学生个人信息相关联的数据。平台采集了学生姓名、性别、专业、班级、学号、身份证号码、手机号码、电子邮箱等个人特征信息。学习行为数据是由学习者在学习过程中产生的行为轨迹数据，主要汇聚了学习耗时、学习习惯、学业水平等数据。

（二）教育大数据的分析

通过在线学习平台获取的大数据是海量的、零碎的。需要运用技术手段对大数据进行挖掘、筛选和分析，生成对教学有价值的信息，为高职英语精准教学提供持续有效的决策数据。可从分布式系统基础框架Hadoop 以及基于Hadoop的Hbase、Hive、Maowt、Zookeeper、Pig、Sqoop 中选择合适的分析工具，用分类分析、聚类分析、推荐系统等方法进行数据挖掘[5]。将各类相关联的教育数据协调起来，并从中提取隐含的数据价值。

课程教育大数据是指围绕课程教学而产生的相关教育数据，包括课程基本信息、课程成员、课程资源、课程作业、师生交互行为、课程考核等数据[4]。课程负责人通过对课程整体情况进行分析，找出师生间的差异性、班级间的差异性及课程的整体质量。例如，作者通过对在线课程《大学英语-Jack职场蜕变记》不及格学生数据进行分析。首先，从众多的数据中筛选相关联的信息，并将数据进行聚类和对比分析。此处引用部分数据分析图表為例：

图1显示各系不及格比率分布不均，其中商务系不及格比率最高，计算机系、智能系、建工系和财管系占比较高，会计系、贸易系和管理系占比较少，语言系没有不及格学生。表1显示部分班级的及格率、平均成绩、最高成绩和最低成绩。综合分析其他相关数据得出，各系部、各专业、各班级学生英语成绩、学习氛围、英语基础、学习态度等差异较大，因而应采取分专业、分层、分组的形式开展教学。

学生学习行为数据分析是教师诊断学生学习困境的重要依据，是构建精准课堂的重要基础。通过浙江省高等学校在线开放课程共享平台采集的信息可以对学习者进行画像，学习者画像旨在精细地刻画每位学习者的优势、偏好、动机等个体特征;能基发展通过持续测评学习者在学习目标方面的个人表现来评估其知能进步情况[6];教师通过分析学生自主选择的学习资源可以分析学生的学习偏好，通过分析学生登陆时间和登陆次数可以分析学生的学习态度，通过分析作业准确率、测试成绩可以了解学生的学习基础，通过分析动态学习过程可以了解学生的变化，进而对学生进行较为客观的分析，为学生进行画像，帮助学生建立更为有效的学习方法。

三、高职英语精准教学的构建

（一）基于大数据分析设置精准教学目标

精准教学实施的首要任务是明确精准教学目标。通过浙江省高等学校在线开放课程共享平台收集和分析的学情数据，综合考量学生的英语基础、学习习惯和学习态度等因素，将学生划分为基础级、提高级和培优级三个层次。基础级学生英语学习兴趣不高、英语基础较为薄弱，学习参与性不高，作业准确率在60%以下。提高级学生愿意参与学习，英语学习基础一般，能够参与线上发帖讨论，能够按时完成作业，作业准确率在60%-80%之间。培优级学生英语兴趣浓厚、英语基础扎实，能够主动参与学习，积极进行线上发帖讨论，作业准确率在80%以上。教师根据各层次学生的学情，制定基础级、提高级和培优级三类学生总体教学目标，设置不同类型和难度的任务。其中，基础目标聚焦于提高学习兴趣、增强学习信心、培养学习习惯、提升基础知识、强化基本技能训练、能够通过英语应用能力B级测试。提高目标旨在激发学习潜能、突破学习瓶颈、增强自主学习能力、提升职场基本沟通技能，能够通过英语应用能力A级测试。培优目标着重提升学生知识综合运用能力、培养职场英语交际能力，具备良好的综合素质和可持续发展能力，能够通过大学英语四级和六级测试。教师鼓励各层次学生努力实现更高级学习目标。任课教师根据班级每个学生的学习情况为学生量身制定个体学习目标。

（二）基于大数据分析设置精准教学模式

基于大数据分析构建的精准教学模式能为学生个性化学习提供全方位服务。作者带领教研团队创建了课前任务学习——课中知识内化——课后巩固测验的精准教学模式。框架结构如图2所示。

该教学模式的特点是以项目为载体，以任务为导入，以分专业、分层、分组的形式开展线上+线下混合式教学。线上课堂分专业、分层、分组向学生推送个性化任务单。线下课堂以工作坊形式进行实战演练，形成了集科学性、娱乐性和操作性为一体的英语教学模式。

此处以物流专业学生学习《求职面试——中小微企业英语面试巧沟通》听说单元为例详细阐述此教学模式。首先，课程组教师基于对物流专业学生学情分析和物流行业中小微企业的岗位需求，设计了精准教学方案。教师通过浙江省高等学校在线开放课程共享平台提前一周分专业、分层、分组发布课前任务，要求学生通过课前学习，了解和掌握英文求职面试的基本内容，学生以协商的方式选择不同类型的预习任务，完成不同难度水平的作业。预习任务包括个人任务和小组任务。首先，学生观看线上视频，了解面试流程，自主学习，摘录面试自我介绍相关词汇和句式，基础级的学生能够跟读，提高级的学生能够模仿相关句式介绍个人基本信息，培优级学生能够灵活应用相关句式介绍个人信息。其次，学生阅读与物流专业岗位相关的招聘广告，查询招聘公司信息，自主学习与公司规模、经营范围等介绍相关的词汇、短语和句式。基础级学生能够借助词典搜索部分公司信息，提高级学生能够独立搜索一定数量的公司信息，培优级学生能够搜索与求职面试相关的公司信息。再次，学生能够按照分层学习目标完成自我介绍视频录制、完成搜索招聘公司的相关信息。并将查询所获信息发布到浙江省高等学校在线开放课程共享平台的讨论区。教师通过在线学习平台跟踪学生的课前学习情况，完成在线答疑。此外，学生还要以小组为单位完成小组任务，小组合作就我校大三学生在求职面试中遇到的困境进行问卷调查。小组成员明确具体任务要求，合作完成问卷调查，分析调查结果，认识面试的重要性。

课中知识模块包涵课程导入、实战演练和情境模拟展示三个环节。课程导入环节旨在检测学生课前任务完成情况，首先学生以小组形式对问卷调查结果进行汇报，展示我校物流专业毕业生在英文求职面试中遇到的主要困难。接下来，播放有关毕业生求职困境的个体案例视频，课程导入部分可以帮助学生体验求职面试困境，明确学习目标和重难点。此后教师在线浏览课前学生在讨论区就求职面试准备工作的发帖，引入本次课的具体内容和目标。实战演练环节主要帮助不同层次学生将线上所学知识应用于求职面试沟通的实际情境中。首先，学生展示个人制作完成的自我介绍视频，师生共同点评，在此基础上鼓励培优级学生学习参照应聘岗位职责要求，根据提示对原有自我介绍进行修正和完善，使自我介绍与面试岗位信息相匹配。在看视频找茬环节，请学生观看英文求职面试电影片段，并找出其中应聘者在问题应答中的不妥之处，引导学生识别沟通失败类型。学生通过流利说在线学习平台的人机交互功能进行操练，帮助学生顺利完成与面试官的应答沟通。为了更好地帮助学生体验应答情境，设计了有声纸牌游戏，以现场小组游戏的方式了解学生的掌握情况，并对教学节奏进行调整，使课堂具有一定的弹性。在综合展示环节，教师组织学生进行现场模拟面试。教师首先提出英文面试沟通的综合技能和素养要求，进一步帮助学生在面试中适时调整自己的表达方式和表达策略，邀请企业从业人员担任面试官，学生以分组竞聘的方式准备，随机抽取学生参与模拟面试，两组模拟面试结束后，学生同伴通过在线学习平台以投票的方式对模拟面试综合表现进行同步评价，企业面试官就应聘学生综合表现进行点评，以期学生在面试中进一步提升职场沟通礼仪和素养。

课后巩固模块鼓励学生以小组合作的方式完成模拟面试音频或视频的制作，采用多样综合的评价方式。教师根据学生课后的反馈情况，为学生推送个性化课后学习资源，以帮助学生提升求职面试沟通的多维职业技能和素养。

四、结束语

总之，以大数据分析为基础的教学摒弃了传统教学中教师的主观性，能够构建科学的精准教学目标和精准教学模式，该模式采用线上和线下相结合的实施路径，分层开展多种教学互动和评价，在满足学生个性学习需求，尊重学生个体水平差异基础上，切实帮助学生提升英语沟通技能和沟通素养。

参考文献：

[1]李健.体育教学设计中学情动态分析的思考[J].中国学校体育，2016（07）：37-38.

[2]布鲁斯·乔伊斯，玛莎·韦尔，艾米莉·卡尔霍恩.教学模式[M].兰英，等，译.中国人民大学出版社，2014.

[3]李燕，耿丽，刘亚娟.基于归档范围表建立高校大数据采集方案[J].山东档案，2017（06）：61-62.

[4]杨现民，王榴卉，唐斯斯.教育大数据的应用模式与政策建议[J].电化教育研究，2015，36（09）：54-61+69.

[5]郭利明，杨现民，张瑶.大数据时代精准教学的新发展与价值取向分析[J].电化教育研究，2019，40（10）：76-81+88.

[6]彭红超，祝智庭.人机协同决策支持的个性化适性学习策略探析[J].电化教育研究，2019，40（02）：12-20.