摘要：在学习数据日益丰富及可获取的背景下，教学决策从过分依赖于经验、直觉的决策走向基于数据的教学决策。由于数据、数据计算及处理系统的复杂性，当前应用大数据增强决策以优化教学仍面临诸多问题。而数据启发的教学决策是教师基于可获取数据的有意义结论的响应，是在教学分析和教学设计之间形成的人机协同智慧。该文首先在介绍数据驱动的智能决策和数据启发的教学决策基础上，阐明了基于数据的教学决策在决策理念、决策主体、决策过程三个方面引发的变革;第二，参考循证过程，从证据设计、证据形成、基于证据的决策三个阶段设计智慧教室环境下数据启发的教学决策过程;第三，聚焦教学计划阶段，设计基于预学习数据的教学决策应用，以改善现存的教学设计准备不足、科学性不够等问题;最后以初中数学《三角形的内角和》一课为例，呈现了预学习分析与教学设计之间的连接。
关键词：智慧教室;数据启发;教学决策;循证过程
中图分类号：G434 文献标识码：A
一、引言
美国管理学家、社会科学家郝伯特·西蒙（Herbent Simon）指出，任何实践活动无不包含着决策和执行。决策（Decision-making）是行动目标驱动下做出选择的过程;教学决策是教师为有效达成教学目标，探索、判断、选择教学实施方案的过程。哈奇森（Hutchison Janice）等人根据教学的流程设计，将教学决策划分为教学计划决策、教学互动决策、教学评价反思决策。已有研究显示，当前教学决策遭遇着教学计划阶段倚重主观经验判断、教学互动阶段缺乏权变应对、教学评价阶段反馈缺失等困境。决策绝不能仅仅指望教育者有了某种哲学观念或信念就能完成，而必须基于科学的证据才能实现。教学决策的核心命题之一是从过分依赖于经验、直觉的决策走向基于数据的科学教学决策。
基于数据的教学决策在循证文化与丰富学习数据的碰撞中应运而生;相比以往教学决策，科学方法的有力支持对决策理念发展有积极的促进作用。基于数据的教学决策让教师扎根于课堂，创生并使用数据开展决策，避免以往教学决策过程中的“常识性”误区、“主观性”错误、“感觉性”错误，突显教师决策者与执行者的主体角色。基于数据的教学决策从学生学习数据中发现教学线索并生成教学事件，有助于满足学生的学习需求，提升教学的有效性，进而提升学生的学习结果。本研究在論述数据决策两大类型基础上，面向智慧教室环境设计数据启发的教学决策;并聚焦教学计划决策阶段，设计基于预学习数据的教学决策应用，探索基于数据的精准决策这一智慧教育的技术优势。
二、基于数据的教学决策
（一）数据决策的两大类型
《有效教学决策》一书中提出有效教学基本等同于合理的教学决策;认识学生学习数据的重要性，让评测数据、学习行为数据、学习情感数据、学生生理数据等为教学决策提供参考，成为提升课堂教学有效性的重要途经。基于数据的教学决策（Data-based Instructional Decision Making，也有人译为证据型教学决策）是为了提升学习效果而在教学计划、教学互动、教学评价反思阶段，对可获得的最佳数据源进行系统分析并做出决策，在此基础上实施决策和评价反馈的连续过程。根据使用数据的不同方式，企业中基于数据的决策出现了数据驱动（Data-driven）和数据启发（Data-informed）两种类型的讨论。美国教育部规划、评价和政策制定办公室发布的报告中使用“数据启发的决策”（Data-informed Decision Making）这一术语，并提出包括计划、实施、评价、分析数据、反思的概念框架，认识到很少有决策是完全基于量化数据的。基于已有研究与实践，从数据地位、数据规则强弱、人员参与度、决策方式等方面区分数据驱动的智能决策与数据启发的教学决策。
1.数据驱动的智能决策
“Driven”有被外部强制的意思，强调数据置于决策的核心位置。此时的“数据”为与学生学习相关的可收集到的所有数据，需要借助机器智能的优势处理，采用机器化的流程解析复杂数据的相关关系，挖掘数据的潜在价值，为教与学提供适性服务。数据驱动的决策（如图1所示），即尽可能地收集学生学习相关数据，通过分类、聚类、关键词提取等过程处理收集的数据，经分析与可视化建立学习者特征模型，再根据学习者数据特征与数据库特征的相似度匹配自动生成个陛化决策方案，如基于学生学习风格、学习兴趣的推送，基于学生学科学习能力的推送，基于知识情境的推送。在此过程中，机器对数据的收集、处理、分析、决策较少有人员参与，基于数据模型已建立的规则，由机器自动提取数据特征、挖掘学生模式，提供智能化的决策服务。
2.数据启发的教学决策
“Informed”内隐“拥有很多知识”，即教师基于数据做出不同推断和决策以引导教学实践发展，在教学分析和教学设计之间形成协同。此时的“数据”可由计算机获取记录，也可由教师通过观察、交谈获得，需要借助人的智能的优势处理，在技术辅助下采用人工化流程分析数据间的因果关系，服务于学生个性成长。如图1所示，数据启发的教学决策是教师事先确定哪些数据的获取与分析是必要的;对于教学得到的数据，借助统计分析技术直观呈现学生知识掌握情况、学习变化趋势等，由教师结合个人经验从数据中提取见解并基于见解制定优质决策方案。例如，教师可根据评测数据、学生提问数据等深度分析学习过程中存在的知识缺陷、思维模式，支持教师快速决策。整个决策过程是教师构建数据基础，开展数据研究以形成信息、生成知识，并采取行动的过程，需要且依赖于教师的参与。
数据驱动的智能决策借助机器智能，决策过程较少人员参与，因此较少掺杂决策者的个人偏见，不依赖于个人知识与经验;同时机器善于逻辑思维，能够快速、精细处理信息，使得决策过程花费时间较少。但决策以数据为引导，需要收集大量的数据，而收集到的数据可能是错误的或是带有偏见的。数据启发的教学决策是教师对基于数据的有意义结论的响应，将数据置于整体情境中考虑，是人机协同的智慧体现。人脑更多是形象思维，在数据启发的教学决策过程中，机器亦能扩展人脑逻辑思维处理信息的能力，如为教师实时提供学生课堂学习行为的统计分析结果，但创造性、情感性、启发性工作由教师负责完成，期望完全靠机器来解决各种复杂问题，至少目前是行不通的。因此数据分析结果及结果的应用依赖于分析者，对教师的数据素养有着较高要求。
（二）基于数据的教学决策的变革
决策可以由直觉、经验和逻辑这三种方式分别或是混合驱动;其中数据是填充逻辑过程的基石。数据介入教师教学决策必然会从逻辑上增强教学决策的有效性，基于数据的教学决策将引发决策理念、决策主体、决策过程等的变革。
1.决策理念：由经验走向循证
“循证”理念主要源自西方国家20世纪80年代临床医学所形成的循证医学，其核心理念是基于证据的实践性，此后在各学科的实践领域催生出循证教育学、循证管理学等循证实践运动。教学决策与医学决策有着类似的决策过程：识别问题、搜集证据、做出判断、制定并落实方案，然而以往决策过分依赖于直觉、经验，难以收集“证据”或忽视了“证据”的应用。数据是对教与学活动真实性、本源性的描述，数据作用于整个决策过程，使得教学决策有据可循，从依赖主观经验转向循证行动。循证文化的作用及数据的可获取，将促使决策方式转变为基于证据而又融入决策者经验的理性决策，探索学习数据、教师经验与学生学习需求三者之间的有效结合。
2.决策主体：由关注集体转向关注个体
以往决策过程中，由于数据获取的限制，教师时间、精力的有限，教师难以掌握每一位学生的个体情况，难以实现个性化决策、精准教学。技术环境的改善为小数据的获取、大数据的积累提供了可能，教师基于数据及分析结果可精准定位个别学习者、精准预测学习者学习需求，并根据需求进行教学调整，由以往关注班级集体转向关照到个别学习者，为学习者提供个性化推荐和干预指导。此时相应对决策主体——教师在教学中有意识地收集、组织、分析、表达和交流数据的能力与品质提出了要求，如将数据转化为信息所必须的信息素养、技术素养、决策技能、评价技能等。
3.决策过程：数据、信息到知识、智慧的跃升
基于数据的教学决策中“数据”是可记录与收集的关于学生及其学习的一组数字，其本身是没有任何价值倾向的，数据需要被提炼为信息、知识甚至智慧才能更好地为教育教学服务。从“数据、信息、知识、智慧”层级结构来看，数据处于一种未加工的状态，没有情境意义，可以以任何形式存在;信息是对数据分析与概括的结果，是与特定情境相关联的意义数据，可以帮助决策者理解数据以形成见解;知識生成于综合信息、发现信息对问题解决价值的过程中，内化于决策者头脑之中，指导决策者的决策行动;智慧外化表现为知识付诸行动，生成基于洞见的决策方案。基于数据的教学决策过程是以技术为中介的从数据、信息到知识、智慧的跃升过程，只有数据被加工为信息，信息转化为行动的知识，才能生成智慧，促进决策。
三、智慧教室环境下数据启发的教学决策设计
由于数据复杂性、数据计算及处理系统的复杂性，大数据增强决策、优化教学的价值实现仍面临诸多问题。智慧教室环境在丰富教与学活动的同时让学习数据的过程性记录成为可能，当前教学情境下教学过程获取的易于理解且处理速度快的小数据不依赖于特定的数据分析工具，更易被教师应用于教学决策过程中。因此，以下聚焦于此类小数据的应用，设计智慧教室环境下数据启发的教学决策过程。
（一）智慧教室环境与学习数据
智慧教室作为一种典型的智慧学习环境，是一种能优化教学内容呈现、便利学习资源获取、促进课堂及时深度互动、学习情境全面感知、教室设备智能管控的新型教室。在智慧教室中，师生各持学习终端设备在网络环境下互联，应用课堂交互系统、教学支持平台、学习资源、学习工具等实现学校、家中、其他校外场所的连接，正式学习与非正式学习的融合;整合新兴技术，借助自然交互技术及可穿戴设备等增加人机互动，应用大数据及学习分析技术提供智能决策，使用物联网技术等实现教室环境的智能管控。其中，将学习终端及相关系统平台应用于教学是当前智慧教室教学应用的主要体现，其中BYOD（Bring Your Own Device，携带自己设备）模式的引入更是实现个人信息终端设备融入学校信息系统以及个性化的使用与整合，为教师变革与创新教学结构，教学范式从直接讲授走向个性化教学提供了新的可能;为学生获取全新学习体验，提升学生学习参与度与协作深度创设了新的环境。
“数据”是一切可以收集和组织的与学生相关的信息，是对学生学习状态的真实反映。智慧教室环境下技术在教与学中的参与性让记录班级或个体全过程、非结构化教与学数据成为可能。根据数据来源渠道，智慧教室环境可产生以下几类数据：（1）学习过程数据。学习终端、课堂交互系统、学习资源系统、网络学习空间等可生成学习行为数据、教学互动数据等过程性学习数据;围绕教学流程，这些数据将构成课前、课中、课后全覆盖的数据体系。（2）评测数据。作业与练习、考试系统将记录课堂练习、课后作业、阶段测验各类评测活动中产生的数据，表征学习者成绩信息以及挖掘学习者学习变化情况。（3）学生心理数据。通过摄像头、表情识别技术等，课堂环境中可以实时获取学习者的学习表情、精力集中度等心理数据，以此判断学生学习状况，关注个别学习者。（4）学生生理数据。智能手环等穿戴设备可记录学生心率等生理数据，如体育课老师能监控所有学生的运动量与身体状况。
聚焦数据在教学决策方面的应用，练习与评测获取的绩效数据成为分析的典型，如宾夕法尼亚州的Renaissance Academy通过学生在线完成的阅读测试收集数据以调整教学; Brunner等基于学习绩效数据，确定教学日程安排、分组、个别化学习计划;陈明选等构建了基于测评大数据分析的学习反馈系统框架;国内电子书包课堂，已有实践根据单节课、阶段性学生（个体/群体）成绩数据、S-P分数统计分析等，帮助学生获得学业上的提高。基于学习行为数据的学习预警、学习情感状态分析以及在此基础上的学习推荐等研究与实践已有相关讨论。学习资源系统中的视频学习数据在教学决策中的应用也出现相关案例，如雷云鹤等研究基于预学习数据的精准教学决策，通过“普陀J课堂”平台记录并收集学生在预习阶段产生的数据，辅助教师确定教学起点、教学策略及教学干预的最佳时机。根据学生心理、生理数据在教学决策中的应用还处于探索阶段，已有讨论面向课堂教学评价，可促进教师的课堂教学决策或课后的评价反思。
（二）智慧教室环境下数据启发的教学决策过程
循证教育学强调教育者应该基于证据进行教学，提出提问、获取证据、批判评价、应用、评估五个步骤的实践框架。参考该循证过程，数据启发的教学决策可包括证据设计、证据形成、基于证据的决策三个阶段（如图2所示）。数据证据设计阶段是教师从教学问题切人目的，明确决策焦点、确定决策目标、决策目标操作化，以实现决策目标与数据需求的映射过程;证据形成阶段是教师构建数据基础并开展数据研究的过程，必然要经历数据收集、数据筛选、形成信息、生成知识以确认问题、分析原因、指导决策行动;基于上述两个阶段，教师将制定决策方案，实施精准教学决策并反思决策效果。
1.证据设计阶段
每一个决策都有特定的目标指向，教师必须选择教学问题以明确决策焦点，确定决策目标，将决策目标操作化，以确定循证所需数据的获取途径及适切的测量、观察工具。根据教学的流程设计，教学计划阶段的决策是教师在课堂教学之前的思维活动，涉及的决策要素包括学习目标、教学内容、教学策略、教学流程等。教学互动阶段的决策是课堂教学过程中一系列即时决策的总和，是根据学生学习情况灵活调整教学预设，涉及的决策线索包括教学目标进展状况、学生学习行为、学生学习状态等。教学评价反思阶段的决策是教师对已发生的教学的反思，包括教学方法评价反馈、教学效果评价反馈、学生学习情况评价反馈。为突破以往教学决策的困境，需要围绕各阶段的决策焦点确定具体的决策目标。
确定决策目标基础上，通过“目标数据选择、目标数据分解、目标任务设计”三个环节做好证据收集的准备。首先，教师选择的目标数据必须是易于获取且是与决策目标相关的一个或多个变量，这是把握有效教学决策的关键;其次，教师需要对选择好的目标数据进行分解，描述其核心内容，消除理解上的模糊性，保证这些数据的可获取;最后，确定获取这些数据所依赖的观察、测量方法是什么，形成激发这些观察需要的设计。例如以教学计划阶段的“学习目标”为决策焦点.决策目标即学习目标的精准定位，以帮助学习者制定有针对性的学习计划、提升学习效率。有经验的教师会基于课程标准，结合自身的教学经验，根据学习者的学习基础为其制定个性化的学习目标。课程标准明确了学习者所要达到的基础学习目标，在此基础上，需要根据学习者学习现况及学习需求以落实学习目标。知识掌握情况，知识结构完整度是表征学习者学习现况及需求的重要数据，教师设计相应的观察、测量工具，如设置与知识点对应的课前练习，从学生反馈上推论出服务于决策的关键证据。
2.证据形成阶段
在决策目标操作化基础上，设计的学习任务实施过程中，智慧教室环境下的学习终端、课堂交互系统、评测系统等会记录收集学生相关数据，教师也可人工记录相关学习数据。这些数据包括学生在学习过程中所产生的互动数据，如观看微视频过程中的停顿、回放，完成练习/测验时的反应时间、尝试次数、错题收藏，课堂学习过程中的学习行为数据、心理状态数据等;反映学生学习结果的数据，如测验的成绩、问卷的结果数据、教师的评价数据、作业作品内容等。基于该数据基础，一方面通过智能化工具教师可及时获得学习数据统计分析后的可视化表示，如练习/测验结果的统计分析图;另一方面教师可通过人工操作對数据进行筛选分析。结合这些数据及其可视化结果，教师将从中发现问题、分析原因，将数据与决策目标再次映射，基于数据形成有助于决策的证据，如教学内容相关知识结构体系中的重点难点、知识缺陷、学生个性问题、学习变化趋势、不同思维模式，错误模式、学习情感状态、个性化学习需求、学习效果等。
3.基于证据的决策阶段
基于证据的决策是在数据反馈基础上，由教师审视上述证据，基于一定的决策规则，设计针对性的教学方案/干预/评价。教学计划阶段的决策是生成有针对性的教学方案，服务于课堂教学的有效实施。教学互动阶段的决策是根据当前课堂问题所在，精确调整互动主体、互动形式、互动时机以支持课堂的有效互动;实现对教学问题的针对性解决和个性化指导，满足不同学习进度、学习状态的学生的个性化学习需求。教学评价反思阶段重在提高评价的时效性、丰富反馈信息的形式，更好地服务于教学的反思、预测和重新设计。其中三个阶段之间的决策关联互动，是“决策-实施-反思”的大循环运行过程，而教学互动阶段的每一个权变应对都是“决策-实施-反思”的小循环过程。教学计划阶段的决策将直接影响课堂教学互动的开展，而教学设计阶段确定的学习目标和评价都将有助于教学评价反思阶段的决策。
四、智慧教室环境下基于预学习数据的教学决策应用
教学计划决策是教学活动实施前，为了更好地达成教学目标，策划和选择教学实施方案的过程。当前智慧教室环境以1：1配置学习终端及相关支持系统为主，设计智慧教室环境下基于预学习数据的教学决策，旨在充分应用个人自带设备实现的校内外学习的连接、学习数据获取的即时性与便利性，改善现存的教学设计准备不足、科学性不够，难以准确把握关键知识点、忽视学生现有水平、无法关注学生个体差异等问题。
（一）应用设计：基于预学习数据的教学决策
引导学生开展有效预习是教师的一项重要任务，预学习不但可以提高学生的听课效率、培养其自主学习能力，也将为教学计划阶段的决策提供数据支持。因此，应用设计将按照图2所示的“证据设计-证据形成-基于证据的决策”的流程，选择教学问题、设计预学习任务，从中提取学生学习数据以准确定位学生的知识缺陷、教学内容的关键知识点以及学生个体差异，从而形成有针对性的教学方案。
为此，教师首先需要通过设计预学习任务以获取数据服务于决策。已有研究归纳了预习作业的多种“样式”，包括提问式、活动式、实验式、观察式、笔记式等。逆序创新的翻转课堂强调课前预学习，已有实践案例分析得出自学纸质/多媒体电子教材、观看微视频、完成在线测验、话题讨论、提出问题等学习活动。当前智慧教室环境下常见的预学习活动包括在线测验、观看微视频、互动提问、网络调查等。具体实践中，教师可根据实际需求设计一个或多个预学习活动，学生借助学习终端提前在家完成预学习任务。
其次教师需要从获取的数据中解读出指向决策的关键证据，其中借助机器对信息的快速、精细处理，可以从学生的练习/评测中获取全部/单题完成时间、个人成绩得分、排序、知识点正确率、题目解答过程等数据，这些反馈数据及其实时分析图等直观化表示能帮助教师和学生了解班级和学生个体的练习完成情况，诊断学生知识掌握情况，捕捉学生的错误原因，分析学生解题的不同思维模式;多次练习完成情况的数据也将为学习变化趋势分析提供支持。通过机器对学习过程的记录，可以从微视频学习中获取每位学生观看微视频的时间、次数，观看过程中视频暂停的频次、暂停点，视频快进/倒退的次数以及节点，这些数据能够帮助老师了解学生微视频学习情况，发现学习重点与难点，如视频暂停、回放有可能是内容太难了，学生没有看懂，需要暂停思考或是反复观看。同时，可以从课前互动中提取每位学生在线提出的问题、参与的讨论，这些数据可以由老师自主开展定性分析，发现学生课前互动参与情况，提炼出预学习后学生存在的共性问题和个性问题，指导教学技术过程中教学内容的制定以及对个别学习者的关注。
最后教师将这些证据应用于教学设计过程，以形成有针对性的教学方案，指向教学计划阶段的决策目标。整个过程见如图3所示，如何完成需求映射设计预学习活动、如何借助机器优势开展数据研究以解读证据、如何将教学分析获取的证据指向教学设计是该决策应用的关键。
（二）应用案例：《三角形的内角和》
以《上海教育出版社九年义务教育数学课本》七年级下册《三角形的内角和》一课为例，呈现基于预学习数据的教学计划决策。
1.预学习活动设计
预学习阶段，教师为学生提供《三角形的内角和》交互式微视频和导学单，学生根据导学单完成微视频的学习、实验探究、同伴交流及在线检测（如图4所示）。其中微视频围绕“三角形的内角和是否是一个固定的值？”这一核心数学问题进行设计;预学习过程通过三个学习任务分解学习难度：（1）创设情境，观察任意三个角度数的变化;（2）度量不同的三角形内角度数并计算其和;（3）教师介绍“验证内角和”的实验操作方法，引导学生思考“如何运用几何证明的方法论证猜想？”;预学习活动旨在让学生经历观察、猜想、证明等学习过程后，发展演绎推理能力。
2.学习数据及其分析
预学习活动结束后，教师可收集到以下数据：（1）学生微视频学习时间、停顿点，所有学生都在线观看了微视频，其中95%的学生花费时间在15分钟以内，5%的学生超过了30分钟，教师将重点关注其在学习过程中的困难;停顿点主要分布在“实验操作方法”，一方面可推斷出学生正在跟随微视频中的实验方法进行操作验证，另一方面分析学生思维层面的停顿可能是不理解教师演示操作的理论依据而出现疑惑，即可推断其前置知识（平行线的性质）还没有全面掌握和灵活应用。（2）在线检测反馈，全班有82%的学生得到了三角形内角和为180度的猜想，18%的学生角度测量出现误差（误差值在正负4度以内）。说明学生通过测量和计算都能得出猜想，探讨运用几何证明方法来验证猜想可作为课堂教学的起点和重点。从学生“剪一剪、拼一拼”的结果中发现了四种验证三角形内角和的方法（如下页图5所示），为课堂导入提供了生成性内容，也反映了学生思维的不同特点。其中方法二和方法三表明学生思维更具逻辑性，考虑到了两组相等的角的位置特点。
3.预学习分析与教学设计的连接
结合微视频学习停顿点及学生提交的验证方法可定位部分学生的知识缺陷，即还不能灵活运用前期所学的平行线相关知识;预学习反馈表明学生可提出猜想，但是对于如何将实验操作中得到的方法转化为添加辅助线的方法还存在困难，这也就成为了课堂教学的重点问题;学生提交的验证方法存在思维和数量层面的差异，关注未能提出验证方法的学生，结合课堂学习情况提供个性化的学习指导;关注提交方法一和方法四的学生，引导其对两组相等角的位置特点的认识。课堂教学即以汇聚共享学生预学习过程中得到的猜想和提交的验证三角形内角和方法为课堂导入，让学生在协作学习活动中探究归纳几何证明三角形内角和的方法;协作小组根据学生预学习中反映出的思维特点、知识缺陷进行异质分组，教师引导学生通过组内思维碰撞拓展各自的知识及思维广度与深度。
五、结语
学生学习数据的产生及可获取强化了教师教学决策的逻辑过程，但教师的先前经验与个人专业知识仍影响着决策及其实施。数据启发的教学决策认识到单靠“让数据说话”的偏颇，强调教师对数据的理解及在此基础上的决策，教学分析与教学设计之间的协同为当下智慧教室中数据决策提供较好的实践点。可用学习数据及决策应用的不断积累，伴随着大数据技术的发展及特定数据分析工具的开发，智慧教室环境下的智能决策将有效推进学校智慧教育的发展。
作者简介：
管珏琪：讲师，博士，研究方向为信息化教学创新（guanjueqi2008@126.com）.