导读：近日，在混合式教学创新者联盟公益讲座中，北京大学软件与微电子学院副教授朱郑州从“软件工程研究+教育教学”融合的视角出发，带来了主题为《基于数据的混合式教学探索与实践》的精彩分享，为混合式教学的实践探索提供借鉴。

核心内容：

教育相关的数据有很多，具体可分为三类：学习过程数据、宏观环境数据和管理数据。

我们可以用教育数据做的事情包括依据教育理念，解决教学问题，完成教学目标和学习目标。

运用OBE-成果导向教育的思想，设计教学目标、教学量规、案例和课程教学，设计课程教学效果评价体系，需要铺展开去层层递进实施。

以下内容根据朱郑州老师分享实录整理：

今天我与大家分享的题目是《基于数据的混合式教学探索与实践》，在北大我主讲软件工程方向课程，因为我本身做软件方向研究，同时研究方向与教育大数据相关，所以，我的研究和教学完全合二为一，“成果”基本上都集中在“教学领域”，希望今天的分享能够给老师带来些启发。

如下是今天分享的四个主题：

哪些数据可用于教育教学之中

教育中的大数据可以用来干什么

如何使用教育中的数据

教育教学的心得体会

1、 哪些数据可用于教育教学之中？

数据可以分为三类：学习过程数据、宏观环境数据和管理数据。

学习过程的数据：是学生在学习过程中积累的大量数据。这类数据有线上与线下之分。线上的学习数据有线上登录、浏览、收藏、播放、暂停、快进、停止，有交互中的提问、回答、质疑、检讨，还有在测试环节中的答题时长、提交次数、正确率等；线下的课堂表现数据，包括通过摄像头、捕捉监测学生的情绪动作，分析他们的表情、动作，并基于此判断学生的情绪，再综合判断学生的学习态度、效果。

但我们要注意，问卷调查数据不太准确，因为主观性比较强，而且学生不一定认真填写。这部分工作包括学习动机、学习风格，我们也在做，都选择了相关的量表，并把电子版发给学生填写，然后收集。

宏观环境数据：这类数据包括产业数据和社会热点数据等，我们在教学过程、教学设计过程中也能用到。

管理数据：学校教务部掌握的诸如选课学生人数数据，专业及学科课程体系数据，以及学生各科课程成绩等数据等，这些也可用来作为混合教学的数据基础。此外，餐饮数据和社交数据也在管理数据范畴，餐饮数据涉及学生就餐的时间等。

2、教育中的大数据可以用来干什么？

拿到教育数据之后，用它来做的事情可以总结为：依据教育理念，解决教学问题，完成教学目标和学习目标。

从服务学生角度来说，即为服务学生实现他的学习目标；作为老师而言，即为解决本课程、本讲内容所要达到的教学目标。

成果导向教育（OBE）：教学设计和教学实施目标是学生通过教学过程最后所取得的学习成果。

这一教育理念的重点是“成果”，这一理念回答了5个问题：

1）我们想让学生取得什么样的成果？

2）我们为什么要让学生取得这样的学习成果？

3）我们如何有效地帮助学生取得这些学业成果？

4）我们如何知道学生已经取得了这些学习成果？

5）我们如何保障让学生能够取得这样的学习成果？

只要回答了上述这5个问题，我们的成果导向教育目标也就实现了。基于数据的混合式教学也是基于这个目标服务，最终达到内化于心，外化于行的效果。

在教学过程中，我们对教学过程有个思考，这里分享由此产生的5条教学理念：

1）立德树人、德才兼备、融价值塑造、知识传授、能力培养为一体

2）营造良好的人才成长生态环境，尊重学生，个性化成长

3）人才培养与产业建设互联互动

4）调动主动性，激发创新潜能

5）育人者先育己

布鲁姆教育目标分类法是一种教育的分类方法。教育目标可分为三大领域：认知领域、情感领域和动作技能领域。

利用布鲁姆教育目标分类法，我们可以从认知领域、动作技能领域，情感领域3个领域目标进行描述，且整个课程的每一章都这样描述，这样整个课程目标就得以明确。在这个基础上OBE-成果导向教育的混合式教学，就有了理论基础。

《IT项目管理》课程案例：我教授的《IT项目管理》，用OBE重构教学目标，首先是明确专业培养目标，这是学院定的目标：最终要培养高素质、高层次、实用型、复合交叉型、国际化人才。由此，我把课程的教学目标明确化，并归纳为项目规划能力、项目监控能力等8条课程目标，这8个能力和专业毕业要求一一对应，为实现专业培养目标实施教学。

专业培养目标为：高层次、实用型、复合交叉型、国际化人才

《软件工程》课程案例：

我教授的另一门课《软件工程》也有一个教学目标，分为两个层次：基本要求和高阶要求。宏观上，每一章都有职责能力和价值目标，对于不同水平的学生有不同要求。对于优秀学生必须达到高阶要求，对那些能力相对弱，学习进度较慢的同学，由于他们的学习方式跟别人不一样，此时需要我和助教帮他们达到基本要求。

不同能力层级的学生学习目标定下来之后，需要实现“目标可测量”。于是针对八个能力分别进行开发“量规”，每一块都有量规衡量学生，对学生无论是主观还是客观的的作业，结果进行测量。

以下列举八种能力量规之一：团队合作能力量规

3、如何使用教育中的数据？

一、明确教育教学中的问题

怎么运用教育数据？这是每个老师都想知道的问题。姑且分析，软件工程这门课面临的问题是什么？由其四个特征决定。

问题一：课程特征。课程特征是不以人类意志为转移。如何针对软件工程的过程性、抽象性、综合性、复杂性等特征，解决学生难理解、难运用、难发挥的问题？

问题二：因材施教。如何在少数教室的课程中，针对基础参差不齐的众多学生实施全员因材施教？

问题三：与时俱进。如何把软件工程领域的最新前沿科研成果转化成教学内容，提升学生的求知欲和成就感？

问题四：课程思政。如何在实践教学过程中融入思政元素，实现教书育人？二、运用教育教学工具

我们的教育教学都是围绕着解决这些问题去落实，会采用如下一些教学工具：

基于Moodle的学习系统

我带领研究生做的Moodle是一个开源系统，并在此基础上做了一些开发，通过视频播放，可以采集到学生的所有学习行为数据；收集了大量教学视频，按照知识点进行组织、分类后，“挂上去”推荐学生自选学习；可以做习题，可以讨论、问卷等。

“课堂派”实现课前课中课后的练习

“课堂派”目前已经支持混合教学，基本上把中国所有MOOC上数据汇总在一起，采取非下载的在线观看模式；这样老师就会更加方便。

PowerEdu：在线实践平台

PowerEdu用于学校在项目管理过程中的会议、学习进展解释评价、实时打分，学生可以实时在线看到分数。

通过BB实现OBE的教学评价 课件下载

北大教学网购买了BB的一个产品，可以进行自评互评，视频播放，课件下载，学习预警，这个工具非常好。

ClassIn X 组织课堂教学，实施课堂互动

ClassIn疫情期间我们上课都在使用，ClassIn X是开发的新产品，有PC和各种手机端pad端、大屏端版本，上课的时候直接把PPT导入进去开讲即可；ClassIn的一个特点是提供十几种之多的课堂互动小工具，多媒体板书、问卷调查、抢答、计时、回答问题、留作业、考试等等，有效支撑课堂工作，为老师提高工作效率，不用再用第三方的一些比如问卷星之类的工具了，布置作业后，学生的随时提交、随时展示分享很好用。

“头歌” 在线实践平台

这是国内最大的在线实践平台，支持计算机、通信领域的所有课程，实现了代码自动提交，自动解析，我教授的软件工程这门课里面的一些图和自动解析都支持，很实用。去年我开发了《软件工程与理论实践，思政与实战相结合的能力训练》这门课（网址是：

https://www.educoder.net/paths/2832/），通过这个平台向全国免费开放，“头歌”支持这样的实践，学生的学习数据也能实时获得，老师可以有针对性地对学生进行辅导和支持。三、教学设计教学设计要考虑到3个环境：课前、课后、课后。大部分老师的做法是：

课前，主要看视频；

课中，老师针对学生看视频的效果，针对性讲解或者回答问题；

课后，做题。

课前：学生在我们开发的Moodle系统里进行学习，然后组织练习、进行讨论；同时还有一个工作叫“摸黑实践”——就是课前实践，让学生去做一些项目，有些课程在学生没学之前是可以上手实践的——学生已有的知识、技能的积累，可以满足课前实践的要求。学生在这些课前的表现行为数据将被记录和保存。

然后，根据这些行为数据对学生进行“画像”，这个画像可能比较粗略，没关系，只要学生用我的系统去学、上课，那么他们的数据会越来越丰富、越来越多，学生的画像会越来越清晰、准确。

这是之后的推荐、预警环节的基石。

课中：老师依据课前的需求分析，采用OBE理论进行教学设计，利用ClassIn X、“课堂派”等工具来实施启发式教学。教学育人最核心的是“课堂教学”。课堂教学永远不可或缺。通过课堂教学，让学生达到“是自己学好的，而不是老师教出来的”的“境界”，这样的效果我认为是“最好的”；教育的最高境界是“学生感觉不到被教育”。

课后：老师布置问题。因为课堂教学其实是直接落实教书育人理念的过程，课后是拔高思维层次的过程，不仅要预习下一节课、巩固这一节课，更要在本节课的基础上进行深层次思考、深度讨论，所以要给学生们设置一些比较有挑战性的问题，让学生去思考，同时还要布置一些实践作业，让学生动手去做。系统根据学生的学习行为进行推荐、预警、评价；各项评价系统自动生成，老师根据各项评价进行实时“学习干预”，与同学聊天谈话，找出原因，提早发现和解决。

四、开展混合式教学

混合教学怎么混合？我们需从5个维度去做：

线上学习和线下教学相结合，一定要坚持“线上线下相融合”，线上要求老师干预少，线下教学是老师主导，学生为主体。

理论和实践相结合，我们这门课程特色是“务必帮助学生构建自己的知识体系，同时也让学生通过实践小型项目实践构建出自身的能力体系”。

专业知识和思政能力相混合，在讲专业课的时候，应该在课程里融入一些“家国情怀”、中华优秀传统文化的内容。

传统教学和人工智能相混合，传统教学里“老师”等“核心要素”不可缺少，同时，现在很多人工智能技术要充分利用，分析数据，起到对学生进行预警帮扶的作用，帮助学生实现学习目标。

课程和前沿理论的混合，每门课程都有本课程教学大纲、有教学目标，且必须完成；同时我们还要考虑部分很优秀的学生，对他们不能低标准，要高标准要求，所以就要有前沿理论的内容。

我的混合式教学案例如下：

1、教学五步

学前测：在上课前，有“学前测”，大约四五十题，均为客观题，题选项有“对、错和不知道”或者“A/B/C/D、不知道”，因为如果没有“不知道”选项，学生可能瞎蒙，学情就不准确了。还有一个“量表”，通过这些我们可以获得学生的基本信息；

视频学：虽然叫视频学，其实里面还有一些文档、电子书等内容提供给学生学习，如建议学生看第*页到第*页，然后才能进行下一步。因为纯视频学习往往导致单向度的灌输，而学生做题目需要一部分听，一部分阅读；这样的设置立体调动了思考能力。

习题练：边学边练，推荐习题让学生完成以此监测学生对知识点的掌握程度。

集中问：即学生问问题，我们有个论坛可以供学生提问老师回答，老师通过这些问题可以知晓学生们在做什么、想什么、学的怎样、思考的是什么，在后面课程教学设计的时候，进行调整。

课堂讲：每次上课前有学情分析，学生在课堂的线下环境中听课，都要带手机或者电脑，因为课堂要有互动，通过这些终端答题。

2、 理论学习和实践相结合

我教授的这门课，节奏安排紧凑，怎样让学生高效实践是一个挑战。原来布置一些画图实践作业，学生在纸上画好拍照发给老师，我再批改；但是一旦有上百学生，改作业是一个很耗费精力时间的工作；所以我依托国内最大的在线实践教学平台——头歌，开展在线案例教学实践，实现在线闯关式实践，即学即练，即练即评，快速反馈，形成学习闭环。

将学生分组，每个小组完成一个项目，从头到尾把这个项目做完。

分组方法：根据学生的专业，学前测成绩和性别，进行分组；确保基础好和差的学生分到一组，男女生分到一组，避免强强联合、弱弱联合等不合理的情况。

选组长、小组讨论、布置任务、布置作业，整个课程中学生需要交8次作业，其中7次是过程数据，每一步产出一个成果，小组协力完成。

在第8次，也就是最后一次课上各组成果展示，有些项目是学生参加大赛的项目，有些项目是学生创业项目，这些项目都属于实战，使学生产生“手感”、做好做完美，而不是应付老师交作业。只有解决真实的问题，才能真正锻炼学生。

最后“综合评价”，包括小组成绩评价，实践成绩评价等几个部分。

3、专业知识和课程思政融合

实际上，在国内教育系统大力推广课程思政之前，我们已经形成了以爱国主义精神、创新创业精神、大国工匠精神、团队合作精神等四大精神为主线的课程思政知识图谱，在我的课程中已经落实——每章、每个知识点都包含了思政元素，详见如下表格。

学生学习过程，也是一个提高自身思政水平的过程，学生可以形成一些感悟点进行分享。此外，我们搭建了一个学生成果微信订阅号，学生看到自己的成果与大家分享，成就感油然而生，可持续的动力也有了保障。

4、传统教学和人工智能

积累的数据如何使用？我的做法如下：

第一，学生画像：这个画像是“系统做的”，而不是老师自己去画。除了基础数据，还有学习过程数据，帮助我们完善画像；遇到学生不认真填写量表？没关系，通过学生学习行为数据，动态调整。同学们在学习平台学习一段时间，他们的学习习惯、风格都可被准确量化把握。

第二，学习推荐：学生推荐一些适合自身学习的个性化内容，包括学习内容、学习路径、学习内容展示形式，因为在推荐的“背后”有“推荐引擎”支撑。如何实现的呢？我们根据学生个人的知识图谱、学生学习画像、采取一些算法，就可以进行精准点到点的推荐，最后进行效果的评价。

第三，学习预警：学生在学习过程中，有任何行为或者干脆没有行为，都可以被记录和综合分析；基于此对行为进行预警。系统把线采集的数据和线下课堂采集的数据，分为数据类别，提出预警特征，构建学习预警模型，对学习效果进行预警——分为：红、黄、绿三个等级。红色表示存在学习危机，绿色为正常或问题不大，黄色则徘徊在边缘阶段。这样老师就可以判断是否需要干预，老师及时介入与学生谈话，避免学生期末考试后才发现不及格的情况发生。从我的经验看，基本上学习进度到三分之一，系统就能判断哪些学生需要进行干预了。

第四，学习情感：包括课堂学习情感和线上学习情感。课堂学习情感的捕捉方式是在课堂内架设一部摄像机，拍摄学生，分析表情、态度和情感；在线上学习的时候，系统会提示学生打开摄像头，当系统发现学生在看视频时扭头、与他人说话、没人、或者学生放了一张头像图片等等情况，系统可以实时发现并记录提示，确保学生学习的有效性。当学生未同意系统采集视频，系统会另申请采集语音，如果采集中发现语音比较少，可以判断学习态度出现问题；当然也有极个别情况，学生对视频、语音都不同意系统采集，这种情况下，我们从技术上可以做到——学生如果将本学习系统界面最小化，或者非首屏播放，则自动暂停播放。获取了这些数据后，数据将被导入分析系统，以此对学生进行学习推荐和学习情感分析。

第五，学习态度：这涉及两个层面，积极度和消极度；我们利用神经网络模型来智能化评估学生的学习态度，弥补了线上学习过程中缺少监督机制的问题，让学生可以了解自己的学习状态，这种反馈本身就是一种学习干预。学生见到提示，大部分都会改正学习态度和行为，成绩和效果会有改善。

5、课程知识和前沿理论

刚才通过“案例”，我谈了前沿理论的传授模式；同时，我在“课堂上”对前沿理论也进行了讲解——把当前学科的前沿内容做成PPT，每节课讲一点；我建议同学们去网上寻找，去在线教学数据库搜集论文，阅读并上传分享到“互师网”；在那里同学们可以看到、评价别人的论文，达到互相学习的效果。

6、课程评价

基于学生画像、OBE理念，对学生的学习数据进行特征筛选，采用算法，预测出学生的学习效果，根据效果评价，采用基于模板的自然语言生成技术，生成个性化评价报告。这份报告中会详述，某某同学，在某某领域学的优异，某某领域或知识点学习效果、掌握程度欠佳，也会对学生的成绩进行分析。学生对自身情况也就一目了然。

总结一下：教学要按照教学目标执行，无论怎么混合，目的都是让学生学习更有成效、学以致用。怎么做呢？

首先，要运用OBE的思想，需要明确教学目标、设计评价量规、开发教学案例、实施教学设计，制定课程教学效果评价体系，这些都要铺展开去层层递进实施。

其次，要特别注意学生参与性，只有学生参与进来了，才能激发他们的主动性，创意才能发挥出来。

再者，课堂内容要适当留白，让学生有饥饿感，激发探索欲，老师在课堂内不要讲满，留点白，话到嘴边留半句，另半句让学生去探索总结，这样可以培养学生的饥饿感，让学生不知足，进而知不足。

最后我想分享的一点是，落实课程思政，要依赖老师的人格魅力。学生亲其师，才会信其道，对老师打开心扉。只有老师“行不言之教”才能起到“润物细无声”的教学效果。老师要注意自己为人师表，学生自然会有收获。

4、教育教学的心得体会

我是个教学发烧友，有一些对于教育教学的理解，我的四点心得体会是：

第一，无我。以学生成长为中心的教育理念，以“无我”的心态，不断更新教学内容和教学设计。

第二，有为。面向国家需求，勇于担当，探索教学改革之道，提升教学质量，保护学生信息。

第三，好为人徒。“育人先育己”，开阔胸襟，不断学习，持续改进，教学相长。

第四，善假于物。开发和利用各类教学工具，调动学习主动性，激发创新潜能，提高教学效果。

文章出处：教育信息化100人，转载时作者有修改

编辑：刘蕊