点击图片查看原图
近日，教育部颁布了《教育信息化2.0行动计划》，提出“智慧教育创新发展行动，以人工智能、大数据、物联网等新兴技术为基础，依托各类智能设备及网络，积极开展智慧教育创新研究和示范，推动新技术支持下教育的模式变革和生态重构”。《教育信息化2.0行动计划》为解决“教学规模化”与 “学习个性化”指明了方向，也为我省中小学教育教学质量实现弯道超车提供了机遇。
综上所述：
只有抓住“教学规模化”与“学习个性化”主要矛盾，其他矛盾才能迎刃而解；
只有提高规模化教学和个性化学习的效率，才能提高教育、教学质量；
只有将“教学目标”、“教学策略”、“检测反馈”与学生状况相适配，才能提高规模化教学的效率；
只有为每个学生提供适宜其学习的时间和反馈矫正的辅导，才能提高个性化学习的效率。
只有在信息技术的支持下，构建信息化时代智慧学习新模式，才能实现以上四种策略。
本课题尝试解之。
一、现行教学模式的弊端
现行教学模式是二十世纪工业化的产物。主要特征是强调标准化：统一教材、统一进度、统一作业、统一测试。这种标准化教学模式虽然具有规模化效应，但导致以下弊端：
1、推崇教材为上，忽视学生的学习状况。强调“因材（教材）施教”，轻视“因才（学生个性化）施教”。教师根据教材制定教学目标、设计教学策略，督导根据教材评鉴检测结果；老师是教书匠，要“吃透”教材；学生是读书郎，要“死记”课本。教学目标、教学策略、评估检测完全与学生学习状况相脱节。
2、推崇整齐划一，忽视学生的个性差异。慢生还没有学懂弄通就要求跑步跟上；快生渴望冲刺高阶目标，却只能原地踏步。
3、推崇理论标签，忽视教学实践中的数据。教研员成了教学理论的批发商，根据教学理论给教师的课堂教学贴标签；教师将理论标签黏贴在教学经验上，就成了课题。而学校各系统终端以及教育、教学过程中师生活动以及学习结果的数据却成了垃圾。
殊不知，这些教育专家们的理论也只是通过“提出假设——举例验证（枚举法）——因果分析”研究套路得出的理论假设而已。革命导师列宁早在100年前就指出枚举法的弊端：“社会生活现象极端复杂，随时可以找到任何数量的例子或个别的材料来证实任何一个论点。”“如果不是从全部总和，不是从联系中去掌握事实，而是片断的和随便挑出来的，那么事实就只能是一种儿戏，或者甚至连儿戏也不如。”（见《列宁全集》第23卷279页）长期以来，这种“提出假设——举例验证（枚举法）——因果分析”的教学研究分析套路，使得教学理论学派纷呈，各执一端，使一线教师无所适从。
二、课题的核心概念及其界定
本课题根据国务院《新一代人工智能发展规划》和教育部《教育信息化2.0行动计划》，直面长期困扰教育、教学研究的 “教学规模化”与“学习个性化”的主要矛盾，将常规教学与大数据智能算法相结合，在信息化技术支持下，创建基于智慧学习平台学情数据的个性化教学模式，实现规模化教学前提下培养学生个性化核心素养的目标，高效率、大面积提高教育教学质量。
“基于智慧学习平台学情数据的个性化教学模式”是指借助大数据智能算法技术，搭建智能化、个性化的“智慧学习平台”，全方位采集、分析学情数据，优化教学的内容、时间与策略，实现规模化教学前提下培养学生个性化核心素养的目标的教学模式。
基于智慧学习平台学情数据的个性化教学模式由三个部分组成：①建构系统模型：构建教学目标、教学策略、检测评估与学生状况适配的系统模型，促进三要素与学生实际状况相适配，提高规模化教学的效率；②搭建学习平台：搭建基于大数据智能算法的“智慧学习平台”（网站+APP），对学生实施个性化的测试与辅导，提高学生学习的效率；③分析学情数据：整合智慧学习平台以及中小学现有各系统终端资源，全方位采集教育、教学过程中师生活动以及学习结果的学情数据，借助大数据智能算法分析学情数据，实时向学校领导、教研部门、课任教师推送每个学生的学习状况，实行有针对性的指导，优化教学的内容、时间与策略。
三、国内外同一研究领域现状
1、国内外同一研究领域现状：个性化学习历来是国内外教育研究者的关注点。上个世纪六十年代，美国教育心理学家布卢姆提出“掌握学习”教学模式。该模式曾经在我国中小学风靡一时，对大面积提高教学质量起到一定的推动作用。但由于教育信息化工具的制约，反馈—矫正环节滞后，班级授课制也无法实现个性化指导，关注了大面积提高，却限制了优秀生的发展，致使“掌握学习”教学模式受到冷落。进入七十年代，美国著名教育心理学家罗伯特•M•加涅吸收行为主义和认知主义两大学习理论的优点，提出“系统设计教学”理论，奠定了教学设计系统的三要素框架：教学目标制定、教学策略选择和教学检测评估。加涅的“系统设计教学”理论曾产生过较大的影响。但也是由于受信息化工具的制约，忽视三要素与学生学习状况相适配。
大数据开启了时代转型。大数据专家试图采用大数据智能算法技术应用于个性化学习分析领域。从2011年以来，国际上已经连续举办五届《学习分析与知识国际会议》。从历届会议关键词上看，重点关注网络学习环境下学生行为特征和规律的分析；技术上从关注学习分析可视化以及数据聚类分析到量化自我等。国内主要集中于综述和可行性分析。由于中小学的领导、教师对大数据技术却很陌生，致使基于大数据智能算法的个性化学习还处在象牙塔里的概念。正如麦肯锡全球数据分析研究所发布的《大数据：创新、竞争和生产力的下一个前沿》报告中指出，基于大数据的个性化教学模式 “并未在教育领域中得到应用。教育领域的数据已初具规模．但分析却相当薄弱。”
国内智慧教学的研究重点放在智慧校园智能一体化解决方案上，更看重“物质”层面，而忽视在信息技术的支持下，实现规模化教学前提下培养学生个性化核心素养的目标。由于研究大数据多是大学专家学者，对中小学的基于课堂的学科教学不甚了解；而中小学的领导、教师对大数据技术却很陌生，致使基于大数据智能算法的智慧学习模式还处在象牙塔里的概念。而有些在线教育培训机构打着基于大数据的自适应学习的旗号，声称人工智能可以替代80%的教师工作量，那只是商业噱头，吸引投资者的资金而已。
本课题在布卢姆“掌握学习”教学模式和加涅教学设计三要素框架的基础上强调教学设计三要素与学生状况相适配，并搭建基于大数据智能算法的智慧学习平台，采集、分析学情数据，揭示教学目标的制定、教学策略的设计与学生学习状况、学业成绩、核心素养之间的相关联，实现规模化教学前提下培养学生个性化核心素养的目标。
四、研究的目标、内容与重点
（一）研究的目标：
本课题全方位采集智慧学习平台以及教育、教学过程中师生活动以及学习的学情数据，借助大数据智能算法分析数据，揭示教学目标的制定、教学策略的设计与学生学习状况、学业成绩、核心素养之间的相关联；实现规模化教学前提下培养学生个性化核心素养的目标，高效率、大面积提高教育教学质量。
（二）研究内容
1、建构教学目标、教学策略、检测评估和学生状况适配的系统模型
图1：教学目标、教学策略、检测评估和学生状况适配的系统模型
①以核心素养统领整合教学目标的新框架
教育部2016年9月公布了《中国学生发展核心素质》，确立了培养具有三个维度（文化基础、自主发展、社会参与）六大核心素养（人文底蕴、人文底蕴、学会学习、健康生活、责任担当、实践创新）的“全面发展的人”的总体框架；同时对《普通高中学科课程标准》进行修订，各学科都制定了“学科核心素养”。修订后的课标以核心素养为统领，精选课程内容，研制学业质量标准，指导教学实施、考试评价和教材编写。据全国教育科学“十二五”规划教育部重点课题《高考能力考查与内容改革创新研究》，已确定语文科、数学科基于核心素养、学科能力、基础知识“三位一体”的内容结构。
第二代教学系统设计观认为，教学目标分类要纳入教学系统中考虑。任何一个系统都是由四个要素构成：即①输入——信息或内容(这是他人的知识)；②过程——学生学习体验、认知历程：③输出——学习的结果：具备学科核心素养；④ 反馈——依据学习监控和评估的反馈信息对系统运作做出调整。这样的教学系统就形成了一个封闭回路。（见图2教学系统封闭回路图）
图2教学系统封闭回路图
本课题根据《普通高中课程标准》和教学系统设计目标分类整合模式，建立以核心素养（终结性目标）统领整合认知领域、情感领域、心理动作领域（形成性目标）的新框架，设计单元教学目标 。
表1：以核心素养统领整合教学目标的新框架
|
输入知识向度 |
学习体验、认知过程向度 |
输出结果 （学科核心素养） |
||
|
认知领域 |
情感领域 |
心理动作领域 |
||
|
记忆、理解、关联、概括、创新 |
专注、接受、价值、信奉、连通、人格 |
知觉、模仿、生成、外化、精熟 |
（语文）语言建构与运用、思维发展与提升、审美鉴赏与创造、文化传承与理解” |
|
|
事实性知识 |
|
|
|
|
|
概念性知识 |
|
|
|
|
|
程序性知识 |
|
|
|
|
|
元认知知识 |
|
|
|
|
|
备注 |
形成性目标 |
终结性目标 |
||
②基于“首要教学原理”的教学策略。
教学理论流派纷呈。理论不同，设计出的教学模式可谓异彩纷呈,繁花锦簇，令人目不暇接。被誉为第二代教学系统设计领军人物的美国著名学者梅里尔以海纳百川的胸襟，兼收并蓄,博采众长，提出“首要教学原理”（即“ 五星教学标准”）：
（1）当学习者介入解决实际问题时，才能够促进学习；
（2）当激活已有知识并将它作为新知识的基础时,才能够促进学习；
（3）当新知识展示给学习者时,才能够促进学习；
（4）当学习者应用新知识时,才能够促进学习；
（5）当新知识与学习者的生活世界融于一体时,才能够促进学习。
基于“首要教学原理”的五星教学标准是对课堂教学过程的问题、激活、展示、应用和整合等五个要素是否得到合理配置与运作所做出的判断。每颗星都有三个水平：铜星、银星和金星，这取决于教学是否符合标准的具体要求的程度。（见《五星教学标准评课表》）
表2：五星教学标准评课表
|
要素 |
内 容 |
铜星 |
银星 |
金星 |
|
聚焦问题 |
教学内容是否在联系现实世界问题的情境中加以呈现？ |
|
|
|
|
激活旧知 |
教学中是否努力激活先前的相关知识和经验？ |
|
|
|
|
示证新知 |
教学是不是展示（实际举例）了要学习什么而不是仅仅陈述要学习的内容？ |
|
|
|
|
应用新知
|
学习者是否有机会练习和应用他们刚刚理解的知识或技能？ |
|
|
|
|
融会贯通
|
教学能不能促进学习者把新的知识和技能应用（迁移）到日常生活中？ |
|
|
|
③量化评价法与质性评价法相结合的检测评估
评估类型分为诊断性(准备性) 测评、形成性测评和总结性测评三种类型。学业评估方法采用量化评价法与质性评价法相结合。常用质性评价法有“等级描述型评价法”、“ 要素分析型评价法（PTA 量表法）”、“多重计分评价法”“ SOLO分类评价法”等。
SOLO分类评价法是香港大学约翰· 彼格斯教授倡导的五层次“可观察的学习成果”（简称“SOLO”）分类评价法。SOLO分类评价法将学习结果由低到高划分为五个层次：
A.前结构层次：学生基本上无法理解问题和解决问题，只提供了
一些逻辑混乱、没有论据支撑的答案。
B.单点结构层次：学生找到了一个解决问题的思路，但却就此收敛，单凭一点论据就跳到答案上去。
C.多点结构层次：学生找到了多个解决问题的思路，但却未能把这些思路有机地整合起来。
D.关联结构层次：学生找到了多个解决问题的思路，并且能够把这些思路结合起来思考。
E.抽象拓展层次：学生能够对关联进行抽象的概括，从理论的高度来分析问题，而且能够深化问题，使问题本身的意义得到拓展。
表3：五层次“可观察的学习成果”（SOLO）分类评价表
SOLO分类评价法的启示 ：各科教学中应着重培养学生“关联、抽象、拓展”高阶思维 （能够发现信息、知识间的相关联，对关联进行抽象的概括，从理论的高度来分析问题，而且能够深化问题，使问题本身的意义得到拓展）。以语文阅读教学为示范引领，各科同心协力，以年段为单位建立“学科连通社群”， 形成“话语共同体”，培养学生对关联进行抽象的概括和拓展的高阶思维能力。
为什么我们把“关联”思维看得如此重要？
a、大数据的思维：关注信息间的关联关系；
b、连通（也译“联通”）学习理论认为：互联网信息时代，发现数据、知识、观点和概念之间相关联的能力是核心的能力。
c、创新，就是发现数据、知识、观点和概念之间新的关联。
④将三要素与学生实际状况相适配
1、由进修校学科教研员牵头，按年段成立实验班学科集体备课组，确定单元、课时教学目标，设计课时教学策略，在《慧谷学吧》网站“分享智慧”频道分享交流。
2、按照“课时教学目标”和“课时教学策略”开展常规听课和公开课活动。
3、期中期末考试后，分析教学目标、教学策略、检测评鉴与学生实际状况是否相适配。
如何才能知道教学三要素是否与学生实际状况是否相适配呢？这就要依赖基于大数据的智能分析了。
2、搭建基于大数据智能算法的”智慧学习平台”
卡罗尔认为，教学效果是学生实际用于某一学习任务上的时间量与掌握该学习任务所需的时间量的函数，即： 
①机会（即允许学习的时间）：是指教师对学生完成一定的学习任务所明确规定的时限。卡罗尔认为学生要达到掌握水平，关键在于时间量的安排要符合学生的实际状况。如果学生有足够的时间去学习，则绝大多数都能达到掌握水平。
②毅力：学生愿意花在学习上的时间。如果学生的学习不断获得成功或奖励，那他就乐于在一定的学习任务中花更多的时间；反之，他受到挫折或惩罚，必然会减少用于一定的学习任务的时间。
③教学质量：教学的质量指教学各要素的呈现、解释和排列程序与学生实际状况相适合的程度。如果每一个学生都有一个了解该生实际状况的个别辅导者，那么他们大多能掌握该学科。
④理解教学的能力：学生理解某一学习任务的性质和他在学习该任务中所应遵循的程序的能力。
⑤能力倾向：学生掌握一定的学习材料所需要的时间量。
布卢姆依据卡罗尔“学校学习模式”，提出“掌握学习”理论，认为只要给学生足够的时间和适当的教学辅导，几乎所有的学生对几乎所有的内容都可以达到掌握的程度。关键是，为每个学生提供适宜其学习时间和反馈矫正的辅导者。但由于教育信息化工具的制约，反馈——矫正环节滞后，班级授课制既无法为每个学生提供适宜其学习时间，也无法为每个学生提供反馈矫正的辅导者；即使关注到慢生的指导，却限制了优秀生的发展。所以卡罗尔“学校学习模式”也只是“理想”“乐观”的理论而已。
2017年9月，中共中央办公厅和国务院办公厅联合印发《关于深化教育机制体制改革的意见》指出：“适合（学生的）教育才是最好的教育”。 大数据智能算法工具为每个学生提供适合其学习时间和反馈矫正的辅导者成为可能。我们搭建基于大数据智能算法的“智慧学习平台”。智慧学习平台由《慧谷学吧——智慧学习连通平台》网站和《慧谷学吧》APP组成。《慧谷学吧——智慧学习连通平台》网站根据连通主义学习观，设立“分享智慧”、“定制课程” 、“学习社群”等频道，促进师生转变学习观念，由从原来单一的书本接受式学习转变为基于网络通道与工具的集体交互性创造型学习。基于大数据智能算法的《慧谷学吧》APP分为诊断性评价、形成性评价、总结性评价三个层次：
（1）诊断性检测：进入新单元或新内容之前，由任课教师根据新知识与原有知识的关联，编撰诊断性检测题，对学生进行诊断性的检测，系统及时反馈学生答题情况，让教师及时了解每个学生的知识准备状况，激活学生已有知识并将它作为新知识的基础。
（2）家庭作业以及形成性练习：由进修院校教研员根据教学目标编撰不同难度的形成性检测题，采用人工智能技术，根据每个学生以往答题情况推送相应题目，若答题正确，推送较难一级题目；若答题错误，则推送相关学习资料，直至答对，并进入下一道试题。实现对学生进行个性化指导，为每个学生提供足够的时间和适当的教学辅导资料，让每个层次的学生的毅力和能力都能得到提高。
（3）整合诊断性、形成性、总结性检测以及教师、学生与教学相关的所有数据，利用大数据工具智能算法，对“全部总和”数据进行可视化分析。通过数据分析评估，揭示教学设计（教学目标制定、教学策略设计和检测结果评鉴）以及师生教学活动与学生学业成绩、学科核心素养之间的相关联；优化教学系统设计，以达到教学目标制定、教学策略选择和教学评估鉴别三者之间的协调一致、相互促进；为教师以及教育行政、教研部门以及学生家长推送精准的教育资讯，实现规模化教育前提下培养学生个性化核心素养的目标。
“智慧学习平台”（ APP）架构：老师端口、学生端口、试题库、资料库、管理系统。管理系统具有以下属性：
①功能：形成性检测采用大数据智能算法，根据每个学生检测的能力倾向（正确答题及答题时间），精准推送相应等级的试题及辅导资料，实现个性化检测与辅导。（要有计时功能和答题正误、超过时间的提示声音功能。从点击“下一题”到“确认”为答题时间）
②预设能力倾向参数：A、答题正确。B、在规定时间内答完题（由出题老师规定时间）。
③评估能力倾向等级（按难易度分易、中、难三个等级）：完成20题慢题A且B,晋一级（以此类推）；A非B，留级；B非A、非A非B,推送辅导材料，推送同级试题，直至掌握。推送方式：点击“辅导资料”按键或自动跳出辅导资料。
④积分晋级（分“慧谷秀才”、“ 慧谷学葩”、“ 慧谷学霸”三个等级）：易题A且B,得1分，中题A且B得2分，难题题A且B得3分。易题积分1000分晋级“慧谷秀才”，中题2000分晋级“慧谷学葩”，难题3000分晋级“慧谷学霸”。
课题组聘请教研员及名师工作室成员根据国内外教育目标新分类成果，制定各学科教学目标，编制诊断性、形成性（按难易度分易、中、难三个等级）、总结性电子检测试卷以及相应指导资料。学生在家通过平板电脑等电子设备，在线完成诊断性、形成性、总结性检测；“智慧学习平台”（APP）根据每个学生检测的能力倾向，推送相应等级的试题及指导资料，实现个性化检测与辅导；系统采用达标清单、错误清单记录学生的学习进度，评估学习效果；任课教师教师通过在线反馈分析平台，及时了解每一个学生的学习状况，设计有针对性教学策略；教研部门通过平台采集诊断性、形成性、总结性检测以及教师、学生与教学相关的所有数据，利用大数据工具智能算法，对数据进行可视化分析，为教师和行政部门提供教学资讯，优化课堂教学设计。
3、借助大数据平台，整合、采集、分析数据
整合、采集学习平台以及现有各系统终端学情数据，借助大数据智能算法，揭示教学目标的制定、教学策略的设计与学生学业成绩、核心素养之间的相关联。经过相关性或因果分析，验证现有教学理论，发现更接近教学实际的教学规律。
实时向教师、校领导推送学生学习状况，为教学目标的制定、教学策略的设计、检测试题的编制提供适配依据，促进教师由因材（教材）施教向因才（学生个性）施教转变，由经验性教学向基于数据的教学转变。
（三）研究的重、难点
1、采集数据：应用物联网感知、视频录制、图像识别、平台采集等技术，整合中小学现有各系统终端数据，包括师生基本信息数据、教学活动、在线平台课业测试与作业数据、校园实录数据、课程资源数据、课外学习数据、学生成长记录袋等数据。这些数据主要以文本、网络(图)、时空数据等信息类型呈现。
2、借助智能算法，分析教学过程中教学目标的制定、教学策略的设计、评估标准的评鉴诸要素与学生学习成果以及学科核心素养的相关性。
3、通过大规模数据集的概率预测，促进教学目标、教学策略、检测反馈三要素与学生实际状况之间协调一致。
4、研究的难点
非结构性数据分析。使用RFID芯片、眼动仪以及可穿戴设备如各种手环等技术，真实地采集师生教学活动的信息和学生间的交往行为数据，既有待学校投资力度，同时可能涉及隐私风险，有待大数据法规的进一步规范。
五、研究的思路、过程、方法
（一）研究的思路：
1、分解子课题：
①基于大数据的中小学教学分析。
②开发基于大数据智能算法的“智慧学习平台”（APP）。
③优化教学系统设计，促进教学目标、教学策略、检测反馈三要素与学生实际状况之间相适配。
④揭示教学系统设计以及师生教学活动与学生学业成绩、学科核心素养之间的相关联。
2、组建课题研究团队
①教育专家顾问团：聘请省内外教学质量检测领域专家担任顾问，为课题组成员及实验校教师的培训教学质量检测理论。
②试题和资料编撰组：聘请市、区、县进修院校教研员及学科带头人编撰在线平台的各学科检测试题和学习资料。
③试题和资料审核组：聘请各学科名师工作室专家负责审核由教研员和学科带头人编写的在线平台检测试题和学习资料。
④在线平台开发维护团队：开发、维护基于大数据智能算法的”智慧学习平台”，建立智能、快速的“智慧学习平台”（网站+APP）。
⑤子课题研究团队。将课题分解为若干个子课题，由课题发起人分工负责子课题。
3、选择课题试验区校，开展课题培训。
①举办“基于智慧学习平台学情数据的个性化教学模式研究”研讨班。根据国务院《新一代人工智能发展规划》中对教育信息化提出的意见，开展智慧校园建设，推动人工智能在教学、管理、资源建设等全流程应用；对教学资源集中管理、实时监测、科学分配，并进行实时统计分析；对教学过程和管理过程实现智能化的决策与管理，整合中小学现有各系统终端数据，包括师生基本信息数据、教学活动、在线平台课业测试与作业数据、校园实录数据、课程资源数据、课外学习数据、学生成长记录袋等数据，共享数据资源；从数字化教学向智慧教学转型，以全体学生的学习与发展为中心，形成具有智能感知能力、增进交流互动、有利于协作探究的智慧学习环境，以支持智慧的教和智慧的学；由单一课堂教学模式转变为讲座、授课、在线学习等多种教学模式，实现规模化教学前提下培养学生个性化核心素养的目标，高效率、大面积提高教育教学质量。
②举办教学目标、教学策略、检测评估与学生状况分析系统模型理论培训班。邀请国内教育专家讲授教学系统设计理论，指导名师工作室成员、教研员编制学科教学目标、在线平台的各学科检测试题和学习资料。转变教研人员的学习观念，由从原来单一的书本接受式学习转变为基于网络通道与工具的集体交互性创造型学习。连通学习理论认为：知识的获得是在交互和建立新的连接的过程中完成的；互联网信息时代，获得所需知识的途径和工具比学习者当前掌握的知识更重要；发现数据、知识、观点和概念之间相关联的能力是核心的能力。课题组成员通过”在线智慧学习平台”，编撰、上传各学科检测试题和学习资料，广泛采集学生使用学科检测试题和学习资料以及与教学有关的反馈数据，利用大数据智能算法工具，对搜集到的数据进行可视性智能分析，发现数据间的相关联。正是通过交互过程，经过相关性或因果分析，建立了新的连接，产生了新的知识：既可以验证基于假设的教育教学理论，又有可能发现更接近教学实际的教学规律。教研人员自身从原来单一的书本接受式学习转变为基于网络通道与工具的集体交互性创造型学习，同时指导一线教师从经验性教学向基于证据的教学转变，由因材（教材）施教向因才（学生个性）施教转变。
③搭建基于大数据的“智慧学习平台”（APP），举办基于大数据的“智慧学习平台”（APP）使用培训。
4、编撰试题和指导资料。
“学科试题和资料编撰组” 制定各学科教学目标，编制诊断性、形成性（分易、中、难三个等级）、总结性电子检测试卷以及相应指导资料，由“试题和资料审核组” 审核上线。
（二）研究的过程：
鉴于当前中小学仍以班级常规教学为主，且现代化教学手段欠缺的教学实际，本课题拟分3个阶段实施：
1、小范围开展课题试验，时间一学年。
在试验区县选择小学、初中、高中各两所，每所学校选择两个班级为实验班，两个为对照班。
整合校内各个管理系统的终端数据，采集师生基本信息数据、教学活动、课业测试与作业数据、课程资源数据、学生成长记录袋等结构性数据，重点是“智慧学习平台” 的学生检测数据。
利用大数据智能算法技术，重点分析教学目标的制定、教学策略的设计、检测反馈的评鉴与学生学习效果的关联度，向学校领导、老师、家长实时推送学生学习状况，实行有针对性的指导。
2、每学期进行一次评价、反馈、阶段小结会议：
①根据试验老师和学生的反馈意见，对“智慧学习平台”（APP）升级；
②各学科试卷和指导汇总成册，以便评选增补；
③汇总交流各学科数据，尝试用大数据智能算法分析结果撰写试验论文。
④奖励晋级学生。
3、在小范围试验取得经验后，第二学年小学、初中、高中各选择十所学校全校性试验。
（三）研究的方法：
1、数据采集：教育大数据主要包括师生基本信息数据、教学活动、课业测试与作业数据、校园实录数据、课程资源数据、课外学习数据、学生身体健康数据、社会行为数据等。这些数据主要以文本、网络(图)、时空数据等信息类型呈现。
2、结构性数据的分析：除了常规的教育统计手段外，还可对大数据构成的数据进行多维度的下钻或上卷操作，以提炼出更深层次的知识需求，促使聚类分析和关联分析等数据挖掘技术越来越多地应用于学生的教学质量检测当中。如根据历次试题答题情况对学生进行聚类分析，可以确定学生的基本类型并帮助甄别表现异常的学生。若聚类结果发现部分学生多次解答难度高的题目能够保持正确，而难度低的题目错误率较高，可能这部分学生是因为粗心造成，可以对其答题注意力状态进行辅导；部分学生若长期聚类在同一知识点答题正确率起伏较大的区间，则可能这部分学生存在抄袭或者随意选择的情况，可以进一步关联其它数据对其进行分析和诊断。再如对学科不同知识点得分情况进行关联和回归分析，就能精准地进行教学归因分析，如B知识点得分低，是因为A知识点得分低，那么应当先解决A知识点的学习问题等。
3、非结构性数据分析：教育大数据具有非结构化、稀疏性等特征，难以像结构化数据的方式构建出其内部的正式关系，或者使用先验的模型来进行分析，这就需要我们在教学质量检测领域引入新的数据分析技术。在当前大数据环境下，信息可视化分析可以通过可视化图形呈现数据中隐含的信息和规律，建立起符合学生的认知规律的心理映像，成为人们分析复杂问题的强有力工具。
六、研究的价值
（一）理论价值
大数据智能算法可以让教学理论出现颠覆性的改变。长期以来，教育理论虽然门派纷呈，但都把控在教育专家手上。我们一线教师，只能认真研读，但都如同镜里看花——专家学者们各执一端，读者们莫衷一是。在大数据时代，教学数据掌握在我们一线教师手里。只要我们数据掌握足够多，借助大数据分析平台，就有可能发现教学诸要素之间的相关性，经过相关性或因果分析，就有可能发现更接近教学实际的教学规律来；而以往通过”提出假设——举例验证——因果分析“得出的“教学理论”，都将受到大数据的检验。正如迈尔·舍恩伯格所言：在大数据时代，“我们第一次有机会来检验假设，来比较方法，来了解什么是有效的，什么是无效的。”
（二）实践价值:
大数据智能算法是时代馈赠给中小学全面提高教育教学质量的一件法宝，可让多方受益。
①大数据时代，进修学校的春天来了！教研员是我国的特色，承担中小学教师的培训和教研重担，但又长期遭受痛点的煎熬：教学理论掌握在教育专家手上，教学经验掌握在第一线教师手上。教研员两手空空，只能给二者搬砖头，但却吃力不讨好。大数据时代，数据为王，谁掌握了数据，谁就是老大。教研员通过采集、分析、掌握全市、区该学科教学数据，就可以用数据说话，以第三方身份，客观地分析教学状况，为一线教师提供决策支持，以设计和优化教学目标、教学策略和教学评估鉴别，成为名副其实的教研员，不必小心翼翼地用“三个优点、一个建议”去敷衍或恭维一线教师的教学行为。
②“基于智慧学习平台的个性化教学模式”给中小学校带来了活力。实验校加强智慧校园建设，营造具有智能感知能力、增进交流互动、有利于协作探究的智慧学习环境，以全体学生的学习与发展为中心，支持智慧的教和智慧的学，由单一课堂教学模式转变为讲座、授课、在线学习等多种教学模式，实现规模化教学前提下培养学生个性化核心素养的目标，高效率、大面积提高教育教学质量。
③中小学教师通过“智慧学习平台”，了解每一个学生的学习状况，从经验性教学向基于证据的教学转变，由因材（教材）施教向因才（学生个性）施教转变，既减轻的繁重的批改作业负担，又能提高教学的针对性和效率。正如迈尔·舍恩伯格所言：在大数据时代，“我们第一次要求自己拥有理解学生正在做什么的能力。我们能够理解在最大规模情况下，学生是如何学习的，理解在任何给定的学年中，数以百万计的各种数据。我们能够理解在最小规模情况下，学生是如何学习的，理解每一个个体在十分钟的课程中是如何学习的。”
④最得益应该是学生。学生通过基于大数据的“智慧学习平台”，得到适合自己学习能力倾向的个性化指导，及时发现、弥补认知缺陷，提高理解能力；有足够的时间掌握学习内容，提高学习成绩，增强学习信心和毅力，形成“成长型思维”，能为终身自主学习打下良好基础，可谓受益终身。
七、主要观点与创新之处
1、抓住“规模化教学”与“个性化学习”主要矛盾，梳理出提高教育教学质量的五种策略：
①只有抓住“教学规模化”与“学习个性化”主要矛盾，其他矛盾才能迎刃而解；
②只有提高规模化教学的效率且提高个性化学习的效率，才能提高教育、教学质量；
③只有将“教学目标”、“教学策略”、“检测反馈”与学生状况相适配，才能提高规模化教学的效率；
④只有为每个学生提供适宜其学习的时间和反馈矫正的辅导，才能提高个性化学习的效率。
⑤只有在信息技术的支持下，构建信息化时代智慧教学新模式，才能实现以上四种策略。
2、采用“总体样本”研究法。
本课题摒弃“提出假设——举例验证——因果分析”的教研套路，转为“预设参数——全体数据——发现相关”的研究法，全方位采集师生与教学有关的“全部总和”学情数据，利用大数据智能算法工具，通过预设参数，对采集到的学情数据进行可视化智能分析，发现数据间的相关联，经过相关性或因果分析，既可以验证基于假设的教育教学理论，又有可能发现更接近教学实际的教学规律。
3、构建教学目标、教学策略、检测评估与学生状况适配的系统模型
①建立以核心素养统领整合教学目标的新框架
②突出“关联”思维，倡导话语共同体，各学科同心协力培养学生高阶思维。
③强调三要素之间协调一致，揭示教学目标的制定、教学策略的设计与学生学习状况、学业成绩、核心素养之间的相关联。
4、搭建基于大数据智能算法的”智慧学习平台”。
①根据连通学习观，搭建《慧谷学吧——智慧学习连通平台》网站。通过互联网“分享智慧”、“定制课程” 、“连通社群”等频道，促进师生转变学习观念，由从原来单一的书本接受式学习转变为基于网络通道与工具的集体交互性创造型学习。
②根据掌握学习观，搭建智能化、个性化的“智慧学习平台”，为每个学生提供适宜其学习时间和反馈矫正的辅导者成为可能。有望实现“所有的学生对几乎所有的内容都可以达到掌握的程度”的美好愿景，解决“教学规模化”与“学习个性化”的矛盾。
③通过大数据智能分析，揭示教学诸要素间的相关性，既可以验证基于假设的教育教学理论，又有可能发现更接近教学实际的教学规律。
八、完成研究任务的可行性分析
课题研究团队均是长期从事教学研究的骨干和大数据专家。本课题在教育专家和大数据专家的指导下，聚集市、区、县进修院校的教研员和学科带头人，组成课题研究团队；聘请省内外教学质量检测领域专家担任顾问，为课题组成员及实验校教师的培训教学质量检测理论；聘请市、区、县进修院校教研员及学科带头人编撰在线平台的各学科检测试题和学习资料；聘请各学科名师工作室专家负责审核由教研员和学科带头人编写的在线平台检测试题和学习资料。借助福州大学计算机学院大数据专业师生，开发、维护基于大数据智能算法的”智慧学习平台”，建立智能、快速的“智慧学习平台”（网站+APP），能够胜任本课题研究任务。课题组成员围绕本课题的研究开展了大量的前期准备工作，如通过文献搜索，搜集了有关智慧教学相关纲领性文件，了解并研究分析了教学目标、教学策略、教学评估等最新研究动态，研读最新理论专著和研究论文；并通过问卷调查，收集到大量有关教学目标、教学策略、教学评估的数据。课题负责人及全体成员采取集中与分散相结合研究方式，按计划做到每月一次的学习与交流，并及时总结经验，推广经验，确保课题运作的顺利进展。课题试验学校均有图书馆和多媒体教室，每个班级都配置有高性能服务器的多媒体教学平台，教师、学生使用方便。在研究过程中，我们严格按照课题计划，按照分工合作的原则，有实施、有总结、有反馈、有报告，确保课题研究顺利进行，按时结题。
主要参考文献：
1、《矛盾论》毛泽东
2、《列宁全集》第23卷
3、《新一代人工智能发展规划》国务院
4、《大数据时代——生活、工作与思维的大变革》〖英〗迈尔-舍恩伯格 肯尼思·库克耶
5、《与大数据同行》〖英〗迈尔-舍恩伯格
6、《大数据》刘鹏
7、《现代教学设计论》盛群力
8、《21世纪教育目标新分类》盛群力
9《教学设计原理》〖美〗R·M加涅
10、《首要教学原理》〖美〗梅里尔
11、《学习、教学和评估的分类型——布卢姆教育目标分类学修订版》〖美〗L·W.安德森
12、《学习质量评价：SOLO分类理论（可观察的学习成果结构）》〖澳〗约翰· 彼格斯
13、《高考能力考查与内容改革创新研究》——全国教育科学“十二五”规划教育部重点课题
14、《中国学生发展核心素养》教育部核心素养课题组
15、《普通高中课程标准》教育部
16、《网络时代的知识和学习：走向连通》（加）G·西蒙斯着
17、《教育信息化2.0行动计划》教育部
