摘要：大数据驱动的数学课堂，具有从“局部分析”到“整体关照”、从“笼统评价”到“个体解读”、从“统一要求”到“定制学习”的价值。具体的实践策略有：教情研判从“经验”走向“循证”，学情研判从“宏观”走向“微观”，教学流程从“单点”走向“串联”，学习行为从“简单”走向“丰富”。此外，还需要注意数据采集的科学化、数据积累的长期性、数据利用的支持性等问题。

关键词：大数据；数学课堂；数字化评价

本文系江苏省教育科学“十三五”规划课题“数据驱动的学生数学课堂学习行为优化研究”（编号：C-c/2018/02/31）的阶段性研究成果。

2022年11月，教育部发布了行业标准《教师数字素养》，对教师利用数字化技术优化学生学业评价提出了明确要求。随着数据搜集、存储和处理技术的发展，大数据评价系统为“发展每一个”学生提供了更多的可行性。由此，我们着力打造大数据驱动的数学课堂。借助大数据与人工智能技术，采集学生学习过程中的相关数据，建构模型进行数据整理，分析学生常态化学习情况，将评价融入学习过程，实现教、学、评一体化，助力高品质学习。

一、价值体认

（一）从“局部分析”到“整体关照”

对学生的学习状态，要聚焦“核心素养”，从新视角审视分析，从多方面衡量判定，从而全方位反映学生在数学学习时表现出来的学习情况。我们要了解学生在学习内容、方式、场域、伙伴以及情感需求等方面的情况，对学生的全面发展做到有的放矢。

在大数据的支持下，学习过程性评价从“局部分析”走向“整体关照”，指向学生全面而充分的发展，帮助学生找到自身发展的可能。我们可以纵向记录学生一个月、一个学期、一个学年甚至整个小学阶段的数学课堂学习行为数据，并在横向分析的基础上整体关照每一个鲜活的、具体的人，使每一个学生学习行为的“长处”和“短板”都得到较为精确的反映。

（二）从“笼统评价”到“个体解读”

教师已有的经验对评价学生的学习有其重要性，但仅仅依靠经验，往往只能笼统评价，而无法精准诊断学生的实际情况，实现准确的个体解读。数据累积后的评价分析为个性化教育带来了新的契机。

除直接反映学生学业水平的差异外，不同学生的学习行为过程中学习方式、学习状态、学习资源、学习需求的背景数据和评价数据具有更重要的价值。这些数据记录着每一个学生独特的学习路径、学习需求以及学习意愿等。大数据驱动的个体解读中，教师可以发现不同层次学生的发展特点、发展意愿、情感需求和学习支持方式等。这些都可以为教师的教育决策提供依据，从而明确学生的发展需求，尽可能地把握学生的“最近发展区”。

（三）从“统一要求”到“定制学习”

学生学习过程中的大数据可以帮助教师充分了解学生学情，对学生“画像”，让教学走向精准，定制学习样态，从关注抽象的全体转向关注具象的每一个个体。

被动式的学习会导致主体性的缺失，教师通过课堂评价系统横向、纵向的分析与比较，构建支持系统，发现每一个学生数据背后的真实问题，促进教与学优势的研究，分享策略；也可以分析劣势，思考如何改进，逐步从课堂学习的统一要求到打造基于兴趣和需求的选择性学习、个体预约学习的场域，形成多维度学习空间，促进学生定制学习的实现。

二、策略要义

（一）教情研判：从“经验”走向“循证”

教師利用教材、经验和数据，在解读与分析的基础上精准把握本节课以及单元的重难点，从知识脉络、思维网络和实践路径出发，确定需要突破的重要题型和典型易错知识点。这就是大数据驱动的教情研判。在此基础上，教师加强教学设计的严谨性，从经验走向循证，精准而有效地制订教育教学工作计划，突出教学重难点，紧扣核心知识点和易混淆点，提高教学内容与学生的匹配度。教师系统地收集、处理多种来源的数据，分析预学情况，指导备课。

大数据驱动的数学课堂，教师需要进一步提升教情研判的能力，横向重组，精炼学习内容；纵向拓展，完善学习内容之间的联系；纵横交错，关联内在核心，指向三个维度，进行教学目标的制定、教学内容的设计，落实教学的逻辑性和一致性。

（二）学情研判：从“宏观”走向“微观”

学情研判的数据不止于静态，而是基于发展性，从宏观分析走向微观解读，从习惯、方法、状态、收获等方面分析学生学习的优势、不足，实时了解现状，实现全局把握。这能使教师二次备课时更有方向性、更具科学性。

1.整体：把握共性问题，精准讲解

教师依据评价系统，能够对比分析学生课前的预学情况、课上的学习过程、课后的学习结果。有了这些数据的依托，就能让教师对学生整体上的共性问题有所把握。

2.细节：分析典型问题，因人施策

分析了整体的学情数据后，教师还需要对各种评价情况进行归类，以便掌握不同学生的具体情形，对学生的学习方法、思维过程、学习习惯等多方面做个性化分析，生成分析图表。教师依据评价数据研究每个学生的特点，尽可能把握其“最近发展区”，开展有针对性的指导，通过分层目标的设计帮助学生认识自我、发展自我、完善自我，以此助力学生提升学习能力，增强学习的适切性。

3.全局：评估学习状态，全面发展

学生的学习状态在整体分析和细节解读后，还需要从全局的角度加以评估衡量。在全方位的分析后，真实、客观地反映学生在学习某个知识点时所表现出来的学习情况。教师以学生学习生活中特有的发展特点为依据提供相应的教学策略，以达到共同基础之上的自由发展。教师需要把握班级学生共性与个性的平衡，努力把学习过程还给学生，构建课堂“变式”，在持续性评价中帮助每一个学生不断成长。

（三）教学流程：从“单点”走向“串联”

大数据驱动的数学课堂上，教学流程应从一个个独立的教学环节走向前后串联、相互呼应的教学系统。我们通过课前、课中及课后不同阶段中学生个体、小组以及全班学习数据的采集分析，全面地掌握学生的学习状态，提供个性化的学习任务定制，为每一个学生成为“这一个”提供可能，使教学有的放矢，帮助教师改进教学，帮助学生改善学习。教师需要结合学生的学习报告单，借鉴有价值的信息，进行任务的差异化推送，有针对性地制订学习计划，满足不同类别、不同层次学生的学习需求，助力精准的个性化辅导，逐步实现学生全体共同进步。具体地，要做到课前学情数据化、课中学习全局化、课后作业个性化。

（四）学习行为：从“简单”走向“丰富”

学生素养的提升是高品质学习的目标。教师需要关注评价对课堂教学的优化价值，可以建立以评助学的多元评价，为学生提供自主学习的资源以及方式，将静态展示与动态展示相结合，从“简单”走向“丰富”，支持学生进行个性化学习、学习成果分享等，引领、帮助每一个学生找到“学习密码”。学生在分享学习成果、相互激励的过程中成就自己。不同层次的学生都能学有所思，为高品质学习行为的形成注入动力。

三、需要注意的问题

以数赋智、为学赋能、让教增值，是大数据驱动的数学课堂的追求。目前来看，我们的研究已经迈出了较为坚实的一步。但一直以来，评价问题，尤其是课堂学习评价需要且行且思、且思且改。

首先，数据采集的科学性。科学采集数据，才能保证数据分析的方向性不会出错。学校需要邀请技术专家，加强对教师的培训、引导与支持，提升教师的师德修养、信息化水平与实践智慧。这样，教师才能通过数据分析，找到学生课堂学习中的共性问题以及每一位学生的个性化问题，以此了解每一位学生的学习现状和学习需求，助力学生学习能力、学习品质、学习素养的提升。

其次，数据积累的长期性。数据的积累需要一段时间，需要教师长期坚持才能形成数据的“大样本”。因此，数据采集要尽可能优化手段，简化流程，易于操作。特别需要注意的是，要避免数据采集与课堂学习、评价的割裂。这样，才能让教师的评价成为一种持续的、自主的习惯，从外在的学校管理规定逐步走向教师评价促学的内在需求。

最后，数据利用的支持性。数据采集、分析、评价后，教师要尝试建立多维支持平台，为学生提供适合的学习资源，引导学生组建学习小组，和同伴互动交流，建立广阔的成果分享空间，满足不同学生的学习需求。

大数据驱动的数学课堂，要发展成为一个完善的数学教与学的典范，成为学生发现自我、发展自我和完善自我的过程，还有很多的工作要做。我们将持续深入地探索下去。

（魏俊晨，江苏省南京市北京东路小学紫金山分校校长。江苏省“333高层次人才培养工程”培养对象。）