胡文武 罗渊 孙阳菊 何拥军 杨红霞

摘 要：针对高中“个性化学习”中，认识不够、模式不明以及由此导致的个性化学习引导不精准的问题，经过10余年的探索，形成了高中个性化学习系列研究及成果，为促进个性化学习提供了有效的精准引导模式和实践路径;“适性发展”的育人理念为信息技术时代个性化学习突破提供探索方向。大数据的获取是个性化学习的前提，依托“学科测试与分析平台”和“FEG未来教育系统”，借助主管部门的教育数据库数据;准确了解学生个体现状，分析学校及学科特点。基于数据探索分别学习和综合学习基本模式与个性化学习评价模式。

关键词：教育大数据;个性化学习平台;精准引导

一、问题提出

（一）对个性化学习的认识不够

核心素养的个人性决定了课堂需要个性化学习。然而，在极致的功利主义惯性下，现有的课堂“共性有余，个性不足”，表现在：（1）“一刀切”，即以统一的标准和尺度衡量所有学生，较少关注学生的个体差异和群体差异;（2）“一言堂”，即教师一讲到底，较少提供平等对话和自主学习的机会;（3）“一窝蜂”，即教学样态和学习模式任意跟风，较少依据教育大数据来进行个性化教学。

（二）教育大数据获取与运用的模式不明

（1）“来源不清”，即不清楚教育大数据的产生和来源;（2）“方法不当”，即不知道如何有效获取教育大数据;（3）“影响不足”，即不能在教学中有效运用教育大数据。

（三）对个性化学习的引导不精准

（1）“测评不精准”，即不能准确测评出学生的智能优势和学业表现;（2）“动机不精准”，即不能真正触发学生的动机和兴趣，找准学生的困惑处;（3）“方法不精准”，即不能给予学生恰适的学习方法和方式。

二、研究过程

（一）解决问题的过程

阶段1（2009年-2012年）：初步探索与局部尝试

以课题为引领、平台为载体，初步探索教育大数据的获取与运用路径，并围绕学生个性化学习及指导，在不同年级展开局部尝试。

阶段2（2013年-2016年）：理论推进与框架搭建

根据学生的个体差异和群体差异，重新界定个性化学习的内涵，构建出以“大分层、小分类、个别化”为核心的分析框架，精准地确立学习目标、内容、方式、评价，确保四者的一致性。

阶段3（2017年-2020年）：优化完善与推广运用

基于实践运用，进一步优化完善，并在全校推广运用。

（二）解决问题的方法

方法1：平台-数据-引导。依托学科测试与分析平台、FEG未来教育系统两个平台，获得既真实又详实的教育大数据，为精准引导学生的个性化学习奠基。

方法2：分类-模式-策略。根据核心素养的个性特征和学生的群体差异与个体差异，对个性化学习进行分类，划分“大分层-小分类-个别化”三个层面的个性化学习模式，提炼个性化学习策略。

方法3：探索-运用-完善。基于教育大数据和新建的个性化学习模式，不断探索与运用，建立起学习目标-学习内容-学习方式-学习评价四者的一致性，形成完善的个性化学习精准引导。

三、研究成果

（一）认识成果

1.发展2个核心概念

概念1：“个性化学习”：是指根据核心素养的个人性特征和学生的群体差异与个体差异，分别采用大分层教学、小分类教学与个别化教学，以促进学生差异发展与共同发展的学习样态。

概念2：“精准引导”：是指根据学科测试与分析平台、FEG未来教育系统获得的学习与发展数据，从大分层引导、小分类引导、个别化引导，更为精准地确立后续学习的目标、内容、方式与评价，并确保四者的一致性。

2.提出3个基本观点

观点1：根据核心素养的个人性特征，核心素养的培育需要强调学生的个性化学习。

观点2：群体差异和个体差异是学生差异的两个基本维度，差异既是个性化学习的根据，又是个性化发展的资源。群体差异包括横向上的类型差异和纵向上的层次差异;类型差异包括兴趣偏好、智能优势、学习风格的差异。

观点3：个性化学习的精準引导关键在于学习目标-学习内容-学习方式-学习评价四者的一致性。

3.建立1个理论框架

（二）操作成果

1.教育大数据的获取模式

依托“学科测试与分析平台”和“FEG未来教育系统”两个平台，借助市区教育主管部门的教育数据库来获取教育大数据。

模式一：基于“学科测试与分析平台（4.0版）”的获取

（1）基本目标：了解学生的实际学习情况，分析学生的兴趣偏好、智能优势、学习风格，进而促进学生核心素养发展。

（2）主要工具：“学科测试与分析平台”，它是一种以诊断和提升学生学科核心素养为目的，运用信息技术对学科测验和问卷调查进行数字化处理，以寻找相应教学对策的教育信息化技术平台，包括成绩分析系统、家长APP、教师APP、学校管理四个部分。

（3）关键环节：①基于“成绩分析系统”进行检测反馈、考试管理、网络阅卷，得到学生的实际学习情况;②基于“家长APP”，让家长获取孩子各科考试分析报告;③基于“教师APP”，让教师获取教研资料、学习数据和测试结果;④基于“学校管理”，了解整体教学情况及学生个体学习情况。

（4）典型运用：根据学科测试与分析平台，开发出学生分层与分类的测试工具：解读各学科核心素养框架;设计学科核心素养现状测试卷;实施测验与深度分析。

模式二：基于“FEG未来教育系统（V3.0版）”的获取

（1）基本目标：提供网络化学习环境，获取全方位教育数据资源，助力个性化学习及发展。

（2）主要工具：“FEG未来教育系统”，它是一种以促进学生个性化学习为目的，构建网络化、数字化、个性化、终身化的泛在学习环境，由教学平台、未来教室APP、教师助手、教育云平台组成。

（3）关键环节：①基于“教学平台”制作课件、上传微课、发布任务和在线教学;②通过“未来教室APP”观看微课、完成测试、评价任务;③通过“教师助手”进行资源管理、课堂实录和教学研究;④基于“教育云平台”实现智能点名、课堂互动、及时反馈等功能。

（4）典型运用：利用“FEG未来教育系统”测查学生学习风格类型：根据所罗门学习风格量表，对学习风格进行分类;然后在“FEG未来教育系统”上利用《学习风格问卷调查》和《Felder-Silverman学习风格分析表》对学生的学习风格进行测试、统计与分析;最后根据统计及分析结果，开发个性化学习模式。

模式三：基于“教育主管部门”的获取

（1）基本目标：分析学校及每一门学科的发展特点，圈定发展方位。

（2）主要工具：教育信息数据库。

（3）关键环节：根据成都市教育局和锦江区教育局提供的调研及诊断测试大数据，分析不同学科的发展特点，并基于学生普遍呈现的弱势学科进行深度剖析，提升个性化学习的精准引导水准。

（4）典型运用：①解读评价体系与新课标;②借助区域大数据分析学情;③形成个性化学习手册。

2.个性化学习的基本模式

分为分别学习和综合学习两类。二者共同遵守学习目标-学习内容-学习方式-学习评价四者一致原则。其中，学习目标指向核心素养和全面发展;学习内容注重核心任务引领和核心问题驱动;学习方式和学习评价则强调多样和多元。

模式一：新知识的分别学习

（1）基本理念：大分层、小分类与个别化。

（2）基本目标：实现核心素养导向下的个性化学习。

（3）基本内容：①学期年级大分层走班，即根据《高中××学科核心素养现状测试卷》的统计与分析结果，把学生分成A、B、C三层班级，并分别采取恰适的教学方式;②学月班级小分类教学，即对学生进行阶段学习测试与分析的基礎上，将班级学生分类，实施分类教学;③日常一对一个别化指导，即通过检测反馈，有针对性地采用一对一个别化指导。

（4）基本策略：分层走班、分类教学、个别指导。

模式二：阶段性的综合学习

（1）基本理念：适性教学。

（2）基本目标：基于不同学习风格，采取适性的综合学习方式。

（3）基本内容：①针对“感悟-直觉型”学习风格，采取任务驱动型、探究式学习方式;②针对“视觉-言语型”学习风格，采用与翻转课堂相结合的混合型学习方式;③针对“活跃-沉思型”学习风格，采取小组合作与自主学习相结合的方式;④针对“序列-综合型”学习风格，采取项目式个性化学习。

（4）基本策略：任务引领、问题驱动、翻转课堂、项目式学习。

3.个性化学习的评价模式

（1）评价理念

以学生为中心，尊重个体差异，注重过程评价，坚持方法引领。

（2）评价原则

聚焦过程评价，鼓励师生互评，重视结果评价，整合评价数据。

（3）评价内容

①聚焦教学设计的系统性、集约化和联动性。对标学习任务群，目标指向要明确，有层级梯度;提炼有内容广度、思维深度和感性触点的问题或任务;各项问题或任务有内在逻辑关联，环环相扣，前后呼应。②关注教学过程，充分运用学科特色设计多样的师生活动方式，不同类型学生参与度要高;通过引导学生进行猜想、求证、探究等思维活动激发兴趣、调动思维，达成深度体验的学习。③着眼达成效果，即学科核心素养提升度和体现个性化学习特征。

（4）评价要点

个性化学习的评价方式需关注四个要点：作品质量、作品展示、学习过程、能力发展。其中，“作品质量”包括内容和形式两个维度;“作品展示”包括表达力、创造力两个方面;“学习过程”包括问题意识、自主学习和合作交流三个板块;能力发展包括知道、理解、能做、希望四个部分。

四、研究效果

（一）促进高中生全面而有个性的发展

调研显示，相关高中生学科核心素养提升迅速，如语文核心素养的语言建构与运用从25.8%上升至78.6%，思维发展与提升从35.21%上升至77.4%，审美鉴赏与创造从39.15%上升至80.01%，文化传承与理解从45.30%上升至79.05%。参与本成果的高中班级在省级以上学科竞赛、科技创新大赛等方面获奖数量均是同区域同层次班级3倍以上。

（二）提升教师专业能力与教育大数据应用素养

课题组教师通过本成果提升了自身的专业能力与教育大数据应用素养。课堂教学及教学设计、视频课等大赛获奖国家级24人、省级15人、市级125人、区级229人。148项成果在《语文学习》、《中学数学教学参考》等期刊发表。课题组2名主研教师被评为四川省教书育人名师、正高级教师，3名被评为成都市学科带头人，8名被评为锦江区特级教师，3名被评为成都市优秀青年教师，410人次获得锦江区表彰。

（三）提高学校办学满意度和影响力

学校逐步形成了基于教育大数据支持的高中个性化教学特色，提高了学校办学的满意度与影响力。学校依托本成果与美国、法国等开展交流5次，开展98场区级以上成果推广活动，接待了55批来访学校，得到叶澜、裴娣娜等教育专家的一致好评。改革情况被四川电视台科教频道、《华西都市报》、中国网等媒体给予了136次报道。学校获得四川省普通高中课程改革省级样本校、省实验教学示范学校、省现代教育技术示范学校、省二级示范性普通高中等诸多荣誉。

参考文献

[1]余胜泉.基于大数据的区域教育质量分析与改进研究[J].电化教育研究，2017（7）.

[2]王磊.学科能力发展评学教系统的建设与应用模式研究[J].中国电化教育，2019（1）.