基于数据驱动的职业教育精准教学模式研究

赵丽锦 孙于兰

(常州信息职业技术学院 数字经济学院,江苏 常州 213164)

随着数字技术的发展和国家智慧教育平台的使用,基于数据驱动的精准教学模式已经成为教学改革的重要内容和发展方向,教育教学新范式逐步形成,向着科学化、精准化、个性化的目标迈进。与此同时,围绕精准教学的研究成为教育领域的热点话题,关于精准教学的概念内涵、目标辨析、框架构建和作业模式等方面的研究成果显著,相当数量的研究成果已充分运用到教学实践中,实现了理论与实践的结合,并在实践中不断深化理论认知。然而,通过梳理和分析现有关于精准教学的文献和案例发现,国内基于数据驱动的精准教学研究和探索性实践在基础教育和高等教育领域产生了诸多成果性沉淀,而在职业教育领域其相关性研究则略显不足。因此,在当前新一轮科技革命和产业变革突飞猛进的时代背景下,把握产业结构、经济结构、社会环境和人口结构的特征,站在新的发展起点上,以国家“十四五战略规划和2035远景目标纲要”为引领,围绕职业教育数字化转型、新型职业教育育人体系的形成,以培养高质量技能型人才队伍为目标,探索能够挖掘学生潜能、更符合“因材施教”理念的精准教学模式尤为关键。

因此,在目前数字技术广泛应用,社会对高质量技术技能人才需求不断异质化的背景下,本研究通过厘清以数据技术驱动的职业教育精准教学模式的内涵和价值特征,并基于教学实践经验的积累,探索性地构建具有概念意义的精准教学模式逻辑框架,从课前、课中和课后的时间维度,结合教学目标、教学组织、教学工具和教学评价等空间维度,进一步探讨利用数据技术赋能的精准教学实施路径。

1 基于数据驱动的职业教育精准教学模式的内涵与价值特征

1.1 基于数据驱动的职业教育精准教学模式的内涵

精准教学最早是基于斯金纳行为学习理论而提出的,力图通过记录与分析教学行为数据为教学决策提供依据。早期的教学模式存在数据采集过程困难、数据分析周期长等缺陷,随着数字技术的发展,教学行为数据的采集过程逐步智能化、实时化,叠加大数据分析技术和数据可视化技术的快速发展,使教学数据分析结果实现了准确、完整和及时的呈现与反馈,逐步推动了以数据驱动精准教学模式的落地实践。

在职业教育领域,相较于素质教育阶段的通识能力培养和本科教育阶段的理论专业水平塑造,人才培养的目标更加注重实用性,人才培养的逻辑起点面向现代化产业体系对职业岗位(群)的能力要求,重点突出职业教育人才培养过程与结果的技术能力属性。因此,新时期的职业教育精准教学模式已演化为以产业对技能型人才需求为导向,以创新型数字技术为工具,以海量教学数据为基础,通过课堂与课外的双向协同,运用数字技术与数据资源的赋能作用串联教育全流程,从而实现教育各环节的精准设置、精准管控、精准分析和精准评价,并将精准教育全域信息进行精准推送与反馈的过程。精准教学模式的内涵演进过程如图1所示,精准教学在发展过程中充分体现了与市场人才需求相匹配、与技术发展相融合,围绕因材施教理念,立足课堂并跳出课堂,在创新技术赋能的背景下以更加精准的方式与时代同频、与学生共振。

图1 精准教学模式的内涵演进

1.2 基于数据驱动的职业教育精准教学模式的价值特征

数字技术作为引领新一轮科技革命和产业变革的重要创新,对人们的生产生活方式和思维理念模式均产生了深刻影响。数字技术围绕技术的使用和数据资源的开发,推动职业教育领域的人才培养模式发生了创造性变革,促进了基于教育大数据驱动的精准教学模式呈现更高质量的发展。基于数据驱动的职业教育精准教学模式呈现的价值特征可归纳为“四个融合”。

价值特征一:因材施教目标的坚守与精准教学模式创新的融合。时代的发展对人才异质性能力提出了更多的要求,虽然因材施教的目标未曾改变,但是实现因材施教的教育教学模式和手段产生了巨大的变迁,以“大智移云物区”为代表的数字技术正在不断重塑教育的模式、流程和工具,以数据驱动的精准教学模式正朝着差异化、智能化方向发展,推动形成了利用数字技术赋能的沉浸式教学、自适应学习、智慧学伴和智能画像等多样化创新教学模式。

价值特征二:教学对象规模化与能力需求个性化的融合。因材施教理念要求教育的过程需要关注每一个学生的个性化发展需求,需要通过对学生个体的综合评估安排有针对性的教学实施方案。依托大数据分析技术在个体行为和能力识别上所具有的快速响应与分析能力,以及数字技术在课程设计方面所具有的柔性重构能力,可以有效地将课程内容进行最小化组织,根据学生个体的能力需求进行匹配性重组,实现面向规模化受众情况下满足个体异质性能力培养的诉求。

价值特征三:“五育”目标全面化和学习者个体差异化的融合。“精准教学”存在的前提是学习者个体存在差异,因有差异,故需精准。学习者个体差异主要体现在学习认知、学习习惯和学习预期等方面,适合的教学方式是在尊重学生差异的基础上,让他们朝着全面、自由、健康的方向发展。随着数据技术的不断创新,一方面,创新技术产品促进了学习者在德、智、体、美、劳“五育”融合上的协同;另一方面,基于数据分析的精准评价手段突破了传统教学效果评价方式的单一性,可以从多重维度、过程多节点为学习者提供学情分析与诊断,促进“五育”目标的全面发展。

价值特征四:教学过程动态调整与教学结果精准预判的融合。数字技术的低延时、高频次技术特征有效地助力了教学全过程的数据动态收集、动态分析与动态调整,而智能算法与数据可视化技术的发展则为教师预判特定情境下的教学效果和寻找教学调整点提供了指引。教师可充分利用数据挖掘、机器学习、知识图谱等新兴技术,对学情进行精准分析与预判,识别学习者潜在知识需求,利用智能算法等技术精准推送优质资源与服务。

2 基于数据驱动的职业教育精准教学模式逻辑框架

数据驱动的精准教学模式突破了经验模仿教学范式和计算辅助教学范式所固有的局限性,实现了以数据为基础驱动“精准化教”“个性化学”的教学范式变革,教学过程呈现科学化、精准化、智能化、个性化四大特征[1]。构建依托大数据的职业教育精准教学模式,是充分利用数字技术赋能,努力实现教育生态资源的协同,并围绕教师、学生、社会等多主体,配合课程、教材、教法等多维度,在课前、课中和课后多环节落实“因材施教”与“个性化育才”目标的实践过程。基于此,本研究以教学模式变革需求导入着手,构建了围绕教育教学生态和周期的职业教育精准教学模式逻辑架构,如图2所示。

图2 基于数据驱动的职业教育精准教学模式逻辑框架

2.1 引领教育变革外生因素的协同逻辑

从职业教育精准教学模式的内涵与价值特征可知,精准教学的主体涉及政府、社会、学校、教师和学习者个体等多方力量。基于数据驱动的精准教学模式是在社会对人才产生异质性需求的背景下,进行的一项致力于“因材施教”的教育教学模式变革行动[2]。职业院校应社会对技能型人才的需求、数字技术的创新发展和学习者个体差异等外生因素的影响,职业院校应借助以大数据为代表的数字技术,将各方合理性诉求融合统一,并通过人才培养模式的调整予以回应,形成多主体协同合作的共赢局面。

协同逻辑的理论基础是社会各子系统间存在相互影响、相互作用的关系。合作与共生构成了系统间协同发展的关键力量,只有各系统明确共同目标,围绕关键环节不断突破,才能创造整体效益倍增的协同效应。在引领教育变革的外生因素中,认清社会对高质量技能型人才的需求特征,是着手开展精准教学目标设定的前提,把握学习者的个体差异是有的放矢地设计精准教学模式的关键变量,运用数字技术创新赋能是构建基于数据驱动的职业教育精准教学模式的重要手段。

2.2 串联课前、课中和课后的时序逻辑

教育的过程在时序上可以分为课前、课中和课后三个彼此串联的环节,依托大数据的技术支持,这三个环节在实施精准教学层面上可进一步细分为精准教学目标设定、精准教学知识体系、精准教学工具、精准教学过程与诊断、精准教学评价与反馈五个模块。第一,精准教学目标的设定是在充分考虑数字经济时代社会对人才需求的变化、市场上人才匹配的满意度,以及用人单位对人才的异质性需求的基础上对原有人才培养方案进行调整、优化与迭代,最终形成面向数字化新时代的技能型人才培养实施方略[3]。第二,承接精准教学目标,开展精准教学知识体系建设,坚持以通用性知识为基、个性化知识为本、交叉性知识为要,构建专业知识与素质能力全面提升的学习框架。第三,基于对未来数字化能力和高技术能力的培养,吸收与开发更多创新性教学工具,进一步拓展课堂教学与板书式教学的边界,利用多媒体技术开展教学内容的设计与施教。针对人才个性化培养目标,通过数字化教育平台和远程教学媒介,精准匹配学习者个人能力需求,精准推送视频课件和互动案例,并实时提供在线答疑和实训指导等。第四,围绕教学全过程,基于大数据技术搭建的教学平台可以全面记录学习者的学情数据,实时分析学习者的学习习惯和相关课程的评价情况,进而自动生成课程的学情诊断数据,以供教师及教育管理者对课程查阅。第五,通过完整的教学活动所形成的数据池,借助大数据分析技术和可视化软件的赋能,汇编成学习者学情的全面分析报告并以可视化呈现,其中,课程目标匹配度分析、课程学习热地图和课程要点反馈表等分析与反馈数据可极大地帮助教师调整课程的特色化教学方案设计,并能根据学习者个体记录数据做到点对点反馈,提升教学的精准性。

2.3 围绕“识材、育才、成才”的过程逻辑

2021年第24期《求是》杂志刊发了习近平总书记的重要文章《深入实施新时代人才强国战略 加快建设世界重要人才中心和创新高地》,习近平总书记在该文中阐释了全方位培养、引进、用好人才的战略路径。职业教育的培养目标可概括为通过“精选、优育”培养高素质技术技能人才,而“精选、优育”的实践过程可以进一步分解为“精准识材、多元育才、特色成才”三个环节。

首先,“精准识材”是起点,是后续育才成功的关键,依托大数据技术形成的智能人才评估系统能够从多维度识别学习者个体的各项能力,可以从更全面的视角对学习者个体开展评价工作,精准识别学习者个体的素质能力和发展潜能,为进一步针对性培养提供详细的数据支撑。其次,“多元育才”是核心,承担着培养、塑形和启迪的重要使命,通过“精准识材”阶段的分析,匹配全面而极具针对性的施教策略,依托智慧教育平台和智能画像系统,精准推送符合学习者个性需求的课程资源和实践性案例,并在学习者个体的学习过程中校正对其能力的识别,优化课程设计,引导方向,启迪优势能力的培养。最后,“特色成才”是落脚点。职业教育的培养目标是为社会输送技术技能型人才,尤其是为制造业等工业企业培养未来的“大国工匠”。利用个体学习者的全过程学习数据对其培养效果的综合评价能够充分地确认精准教学过程的有效性与价值性。此外,数据驱动的精准教学模式可以将“精准识材、多元育才、特色成才”三个环节进行串联,并形成P(计划)—D(执行)—C(检查)—A(处理)的循环过程,在数据不断积累和分析过程中不断优化精准教学模型。

2.4 赋能精准教学模式突破性发展的数据逻辑

教育大数据是精准教学模式顺利开展的“血液”,数据来源于教学过程,并反哺教学过程。数据的记录与更新,有利于学情分析与诊断、个性化教学规划、精准教学目标的设计与优化,引领精准教学模式下人才培养方案的制订。而基于数据驱动的精准教学模式在数据逻辑层面主要涉及数据结构网络和数据分析框架两个方面。

第一,数据网络结构勾勒了教育教学数据的来源,是形成教学核心数据集的主要部分。从广义上说,一切被引入教学模式参考因素的数据来源都是形成数据网络结构的关键变量,但在实际教学过程中,个体学习者、教师、教育管理机构及管理者、其他教育相关方(如家长、校企合作机构等)才是教育大数据的主要产出者,而其中个体学习者和教师最为核心,分别属于精准教学的客体与主体[4]。个体学习者的数据结构主要围绕“五育并举”“因材施教”“技能型人才”的个体特征数据和学情数据;教师的数据结构主要围绕教师专业设置、课程开发和授课教学展开,包括教师个人特征数据、课程设计与开发数据、课程教学学情数据、学生评价与学情诊断数据等。个体学习者和教师两大核心主体的数据集相互关联贯通,共同促进精准教学模式的推进与发展。

第二,数据分析框架旨在促进个体学习者全面且有特色技能的发展,利用大数据分析技术,通过预设分析指标和分析口径,从数据集中提炼有效的决策信息,赋能教学模式的优化与重塑,进而提升精准教学的效果。根据相关专家的研究结论,教育数据分析框架大体可分为监测与分析、预测与干预、评价与反馈、调整与优化等方面;教育数据分析的方式主要有描述性统计、诊断性甄别、预测性分析、聚类性反馈等层次。教育数据分析框架嵌入精准教学模式的设计方案内,并完全内化为精准教学的数据分析主线,贯穿课前、课中和课后三个环节,并随着精准教学目标和效果评价的需要,以及大数据技术的发展不断进行迭代优化,充分融合创新性技术发展与高质量人才培养目标,在推进精准教学过程中发挥积极作用。

3 基于数据驱动的职业教育精准教学模式的实施路径

3.1 重塑教育理念,由单边输出向多边共创转变

基于数据驱动的职业教育精准教学力图实现将职业教育的人才培养目标与技能型人才的特色化培养过程相结合,通过依托大数据技术的赋能,构筑围绕大数据处理分析体系的教育数字化转型过程[5]。建设以数据为关键变量的职业教育精准教学模式需要充分利用国家、各省、市、校和社会教育机构所架构的数字教育平台,实现教与学的“互融、共生、自主”。具体而言,首先,教师和学生要积极拥抱数字化变革。教师根据专业和课程的特点开发更多高质量的线上学习资源,而学生需要学会并善于使用数字化学习工具,在数字教育平台层面实现教学与学习过程的“互融”。其次,教与学的要素可视化与课程资源集聚式开发。当教师和学生对数字化教与学熟练掌握之后,需要更多地展示学情信息,以供教师与学生共同分析教学目标与习得成果的偏差,并有针对性地调整课程设计和教学内容的安排,对教学数据库进行集聚式开发,以实现教学主客体、教学多要素的“共生”。最后,借助完善的数字化教学平台和高度智能化的学情分析技术,通过点对点的课程资源推送和精准的学习质量诊断反馈报告,推动精准教学模式逐步实现“自主”式发展。

3.2 主客体多维协同,建立教育全周期跟踪模式

以大数据为代表的数字技术的运用推动了精准教学模式由条块松散结构向网络协同结构转型。精准教学的过程不再被数据的可得性和时效性所限制,大数据技术的赋能可以产生更高效、更高质量的教学大数据内容,促进教育管理部门、学校和教师等教学主体与学生、其他学习社群等教学客体的多维协同,实现从简单的链式教与学过程向整个教学生态系统网络式共同升级。一是教学主体协同。精准教学的前提是将各项教育方针政策、专业人才培养方案和优秀教学案例进行全景式收集与分析,匹配学生个性化特征与能力素质提升需求,逐步建立教学过程全周期跟踪的培养实施计划。二是教学客体协同。学生充分利用互联网资源和学情分析可视化报告全面完成对自我学习目标和期望学习资源的再认识,在不断与各类客体进行交互的过程中塑型学习发展规划,并基于精准教学生态体系的诊断与反馈适时调整学习计划,完成全周期学习过程的动态可控。三是教学生态元素协同。在数字时代,教育智慧平台、数字化教学资源供应方、校企合作方和其他教育需求和供给的相关者都要围绕精准教学模式下的人才培养目标,通过协同聚力推动技能型人才的培养和数字化人才的开发,建设教育多维协同共生情境下的高质量人才跟踪培养框架。

3.3 面向社会实践,推动场景式、案例式教学

职业教育精准教学的初衷是致力于通过因材施教培养高素质技能型人才。相较于传统的理论讲授与习题演练的教学模式,学生更喜欢课程讲授内容贴近真实案例、代入感和场景感强的教学模式。首先,依托数字技术的赋能,精准教学知识点的社会实践案例的获取更为便利。教师可以围绕相关知识点,精心挑选合适的真实案例,经过技术与场景化的融合处理,在课前、课中和课后不同环节设置了解、学习、掌握关键作业任务。通过智慧教育平台的大数据收集与处理,教师可进一步挖掘与拓展案例教学,呈现场景式教学效果。其次,针对数据驱动精准教学模式的底层逻辑,设计以数据技术打造案例化、场景化教学的“选样、处理、呈现和分析”体系,将技术与场景的融合建立在各类资源的高效协同之上,为教学主客体提供数字化教学体验[6]。最后,对案例化、场景化教学效果的评价与反馈需要结合课程理论知识与案例实践结果进行综合评判,因此,利用以“大智移云物区”为代表的数字技术构建案例库,并辅以贴标签的形式对案例进行分类整理,可以最大限度地满足学生对相关知识点的学习、思考与总结。

3.4 强化资源支撑,提升数据与教学的融合能力

大数据不仅是一种技术,而且是一种能力。利用数字技术收集的教育大数据,在助力职业教育精准教学上可以发挥多方面的作用。一是可以从海量复杂的教学数据中寻找有意义的关联,从客观的数据池里把握普遍联系,突破以往教学数据量大,但收集难、分析难的瓶颈。二是可以透过现象抓本质,从有意义的普遍联系中挖掘课程设置及重难点、教学方法与知识可达性等方面的有效反馈与实质性建议。三是可以基于对规律的把握,较为准确地预测学生对课程优化调整内容的期望与目标诉求,推动课程建设和教学效果实现质的提升。而为促进教育大数据能力在职业教育精准教学层面的充分运用,一方面,需要教育管理机构、各职业院校和其他校企合作主体在数据资源保障能力建设方面提供强力的支撑,例如,搭建智慧教育平台、优化精准教学平台化流程、开发高效完善的数据处理系统,编制全面易用的操作手册等。另一方面,教师队伍需要强化数据应用技术能力方面的培训,提升面向数字时代的数字化教学素养能力,善于使用数字技术辅助教学手段,打造既懂技术又懂教学的师资队伍。