基于“全数据”思维的教学质量诊改策略研究论文

SCI论文（www.lunwensci.com）:

摘 要：大数据在教学质量诊改中发挥了十分重要的作用，但如果只是简单地从学习过程中产生的大数据来对相关的行为和现象进行判断，将可能出现判断失误和偏差。针对这种情况，提出在对教育领域数据进行研究的过程中， 应当将大数据和厚数据结合起来，树立“全数据”思维，将大数据和厚数据看成是教育数据的整体，发挥出大数据与厚数据的互补作用，进一步提高教学质量诊改成效，从而促进教育事业的发展、创新教育理论、提高教学质量。

关键词：教育大数据；厚数据；全数据；教学诊改

本文引用格式：谭继安，曾文珍. 基于“全数据”思维的教学质量诊改策略研究[J]. 教育现代化,2021,8(36):101-103,111.

Research on Teaching Quality Diagnosis and Reform Strategy Based on All Data Thinking
TAn Ji'an1, ZenG Wenzhen2(1. Dongguan Polytechnic, Dongguan Guangdong; 2. Chang Tang Primary, Dongguan Guangdong)

Abstract: Big data plays a very important role in teaching quality diagnosis and reform. However, if we simply judge relevant behaviors and phenomena from the big data generated in the  learning process, errors and  deviations may  occur.  For this kind of  situation ,  put forward in  the process of  research on  education field data, we  should combine large and thick data,  set up  the “all data” thinking, take big data and thick data as  the whole of  education data, give play to  the complementary role   of big data and thick data, further improve the results of teaching quality diagnosis and reform, instead so as to promote the development of education, innovation education theory, improve the quality of teaching.

Keywords: educational big data; thick data; all data; teaching diagnosis and reform

一 引言

当前，大数据技术在提升教学质量发挥的作用越来越深入，在教学质量诊改领域获得了非常广泛的应用。“由于教育领域的特殊性，对学习者、教学者、教学过程的记录不能仅仅简单地用‘0’和‘1’来表示，因为教育领域更多面对的不是行为而是思维”[1]。从现有的研究成果来看，对于受教育者的行为及其关联关系的研究比较多，但是对这种关联背后不可量化的思维以及情绪要素的研究却非常欠缺。因此，在对教育相关领域进行探索过程中，将会涉及到很多不可量化的非结构化数据，这些数据的存在对于最终的研究结论会起到重要的影响作用。而厚数据在教学质量诊改中的应用恰恰弥补了以上不足。

大数据与厚数据构成了“全数据”，它们之间实际上是一个相互联系的有机整体，只不过是从不同的维度，对相同的教育问题进行具体的剖析。前者主要是基于结构化数据，这些数据是通过非常严密的统计理论而得到的；后者则是基于非结构化数据，这些数据主要是人类活动数字化记录而得到的。将它们结合在一起，能够更好地帮助研究人员对教育领域进行研究，能够帮助决策者更好地作出决策。因此，研究“大数据 + 厚数据”构成的全数据在教学质量诊改中的应用，对于实践教学质量诊改具有重要的意义。

二 大数据与厚数据的特性比较分析

厚数据依赖人的学习活动 , 大数据依赖机器的学习活动。厚数据体现着数据背后的特定关系 , 而大数据展示出数据本身浮现出的现象与规律 [2]。大数据与厚数据在日常应用中有所侧重，各有优劣。

（一） 大数据侧重定量分析，厚数据侧重定性分析

大数据是指“( 数据量极大 , 以至于 ) 无法使用常规的数据库软件工具来获取、存储、管理和分析的数据集”[3]。在教育领域，大数据包括结构化和非结构化的量化数据，前者是在教育活动中产生的数据，后者则是按照教育需要采集到的数据。教育大数据来源于教育实践活动中的方方面面，一是校园里的教学、管理、科研、社会服务以及校园生活， 二是家庭、社区、博物馆、图书馆等非正式环境下的学习活动 [4]。借助于大数据技术，能够更加全面地实现对海量数据的量化分析，从而全方位掌握教学者或者学习者的行为，进而得到比较深层次的解释，如学生画像、教师画像。大数据的优势是通过量化的分析，得到对分析对象的发展或活动规律， 却忽略了质性内容的反映。

厚数据是指利用人类学定性研究法来阐释的数据，旨在揭示情感、故事和意义 [1,5]。此处的定性研究方法，有调查、问卷、访谈等。在分析过程中， 从深层次对不同类型的以人为本的信息进行解读， 从而获得数据产生的真正原因。在收集的相关教育数据基础上，对其作进一步的定性分析，从而获得相关的分析结论，为管理者的决策提供更多更好的灵感，让教师在解决教学问题方面能够获得更加科学的解决策略等。厚数据侧重定性分析，弥补了大数据定量分析的不足。

（二） 大数据侧重结果分析，厚数据侧重背景分析

“教育大数据通常采用语音识别技术和图像识别技术，将收集到的所有的非结构性数据转化为自然语言，然后利用自然语言处理 (nLP) 技术分析这些处理过后的数据，最后成为计算机能够识别的产物”[1]。借助于大数据技术对数据进行分析所得到的分析结果，没有对数据产生背后所包含的更深层次的含义加以考虑。

厚数据区别于大数据的一点，是其能够揭示数据产生的社会背景、原因；不仅如此，厚数据还能够分析得到不同原因间的逻辑关系。总的来说，大数据和厚数据之间既有联系，又有区别，前者更加注重结果，后者则更加注重过程。从教育的目的来分析，之所以要对学生的信息加以收集和分析，主要是为了更好地实现对学生学习、思想等各方面的了解，能够更加全面地对学生的动态加以掌握。厚数据能够帮助管理者更好地掌握数据产生的原因以及产生的过程，从而帮助他们更好地理解数据背后所包含的深层次的含义。

（三） 大数据强调相关关系，厚数据强调因果关系

大数据的分析强调数据之间的相关关系。在二者之间的相关关系进行分析过程中，通常强调的是二者同时发生的概率，假如概率显著，则二者之间存在相关关系，反之则不存在相关关系。现阶段， 借助于大数据技术进行分析时，通常是借助于数据之间的比较和分类等分析方法来进行，其更为关注的是“怎么做”，却没有关注“为什么”，对数据之间的因果关系考虑不够。厚数据则不同，其对“为什么”非常关注，并且更加注重追寻为何会产生数据间的相互作用。因果关系强调原因和结果之间串联引起的现象。利用厚数据分析事件的发生的背景， 以及事物发展前后的逻辑联系，从而分析得出原因， 帮助解决现实问题。

三 基于“全数据”思维的教学诊改策略

（一） 利用大数据辅助教学质量监测预警

（1）大数据提高监测的覆盖面

高校规模小的几千学生，规模大的几万甚至十几万。作为任课教师或者学生工作者，管理一个班级几十人或者一个专业成百上千人，很难顾及到每个学生。对于学生的学习情况、思想动态、心理健康等等无法全面掌握，导致无法因材施教，无法及时教育疏导，容易引起学业下降、思想偏激、心理障碍等问题，从而引起教学事故、安全事故等的发生。大数据在教学质量监控上的应用，能有效提高监测的覆盖面。

首先，应用大数据进行监测，不会出现人为监测因精力有限导致关注不到位的现象。大数据通过收集所有学生的日常学习、生活数据进行挖掘分析， 不漏一个班，不少一个人，全面覆盖所有学生的情况，从而为教学质量的把控提供帮助。

另外，除了在人员方面的覆盖广以外，大数据在时间方面的覆盖也是广而全。教师只能在课堂 45 分钟与学生开展面对面的交流接触，学生工作者与学生的接触也是非常有限的。而大数据无时无刻不在“关注”学生， 上课时有教学平台实时采集的观看视频、问答、投票等数据，有教学监控采集的图像视频数据；课间校园里有连接 wifi 的活动数据、校园卡消费和门禁数据；宿舍里有上网时长、关注热点等数据。可以说， 大数据是能覆盖所有人、所有时间、所有地点的“监测者”。

（2）大数据提高预警的及时性

除了提高监测覆盖面以外，大数据还能提高预警的及时性。以往判断一个学生学习出现了问题， 往往是通过期末考试成绩等结果数据，发现学生退步严重，才引起关注并介入干预。而通过大数据， 挖掘日常的学习、生活等过程数据，如缺勤较多、经常晚归、上网较长、就餐不规律等信息，提前预警并介入干预，帮助学生及时走回正轨。因通过大数据可以无时无刻在收集信息并分析挖掘，对于分析结果即时反馈、动态更新，实现预警的实时性， 为教学质量诊改提供有利的支撑。

一是有利于小周期诊改的开展，如通过大数据即时呈现某一堂课学生的签到率、抬头率、答题准确率等，能够及时检验该课堂学生学习情况，帮助老师调整教学方案，实现一个课时的小周期诊改。二是有利于提高诊改的效率，通过及时预警，及早发现问题，在问题未发展为严重后果前处理解决。如网瘾问题，前期通过大数据分析，发现学生经常通宵上网玩游戏，学校尽早介入引导，效果肯定比造成严重影响学习后再补救好，效率更高。所以通过大数据能够提高教学质量诊改预警的及时性，从而促进教学质量诊改效率与效果的提升。

（二） 利用厚数据支撑教学质量诊断改进

（1）厚数据支撑教学质量诊断

通过大数据分析挖掘得到结果，也展示了数据之间的关联关系，但产生该结果的原因却不能简单通过数据分析得到。教学质量的深入诊断还需要通过调查、问卷、访谈等厚数据研究方法，不断深入挖掘事件背后的成因，才能还原事件真实的原因。

如通过大数据预警显示某学生有学业下降的趋势，其关联的一些数据如经常缺勤、晚归晚宿等也从侧面给予了佐证，但究竟是什么原因导致的却无法得知，也就无从入手给予改进。此时需要运用厚数据的研究方法，分析导致学业下降的背景因素。经调查访谈，发现该学生参加了过多的社团活动， 导致精力分散。另外因为社团近期有个比赛，白天晚上加班加点训练，甚至占用了上课时间。经过调查访谈等厚数据研究，最终弄清楚了该学生学业下降的主要原因，为后续制定有针对性的改进措施提供有力的支撑。

（2）厚数据支撑教学质量改进

厚数据除了辅助教学质量诊断，还为教学质量改进提供支撑。通过厚数据研究诊断得出事件背后的原因以后，就需要制定有针对性的改进措施。改进措施应该是因人因事而异的，只有提高措施的针对性，才能使诊改成效更加显著。而要制定出有针对性的改进措施，不仅仅靠经验总结，更需要利用厚数据研究的方法，包括深入调查、个别访谈等方式， 了解事物的特性、规律，改进才能更有成效。

如上面学业下滑的学生，其学习基础并不差， 也是一个有进取心的人，这时改进措施主要以引导为主，引导其把精力主要放到学习上，社团活动适当选择一部分参与即可。利用厚数据研究，是个性化教学的前提，只有充分利用好厚数据研究，才能促进教学质量诊改取得显著成效。“改”以“诊”为基础 , 改进要持续、及时；“诊”以数据为基础 , 数据要真实、实时 [6]。

（三） 运用全数据提升教学质量诊改成效

（1）全数据提高诊改的准确性

如前所述，大数据和厚数据有着非常明显的不同，二者之间所侧重的方面不同，能够实现良好的互补。借助于大数据可以获得海量数据信息，而借助于厚数据则能够分析得到特定人群的具体需求， 由此一来，可以最终分析得到决策者所需要的数据。在二者的优势互补基础上，能够进一步提高教学质量诊改的准确度，从而有效避免研究进入误区，影响研究的效果。

在现实教学中，学校督导通过学生评教结果发现，课程 A 中学生对老师的教学满意度比较低。通过大数据平台显示该课程的课堂签到率、抬头率、课堂参与度等都比较高。督导走进课堂实地听课， 对于该课程老师的教学方法、课堂氛围评价比较高。种种迹象显示，该课堂教学效果并不差。后再经过与任课老师和个别学生访谈分析得知，造成学生评价满意度比较低的原因是该老师要求比较严格，学生有抵触心理。所以只有通过大数据与厚数据相互补充，才能完整呈现事件的原型，有利于提高教学质量诊改的准确性。

（2）全数据提高诊改的可靠度

大数据与厚数据的验证性，可帮助提高教学质量诊改的可靠度。教育数据的分析有其特殊之处， 不仅要借助于大数据进行定量分析，而且还要进一步发挥厚数据定性分析的优势，通过二者之间的相互补充，提高教学质量诊改的可靠度。

在课程 B 中学生对任课老师的教学满意度比较低，深入的调查访谈也反映该老师课堂教学比较传统，缺乏创新，课堂气氛比较沉闷。通过大数据显示， 该课程的课堂抬头率不高，学生参与度偏低，从侧面验证了课堂的活跃度不高，教师的授课技能有待提升。大数据分析与厚数据分析结合，相互验证， 有效提高教学质量诊改的可靠度。

四 结语

高速发展的数据时代，大数据的应用会随着这股潮流日渐趋于常态，无时无刻地影响着人类，影响着教育 [7]。大数据在教育领域的推广，对于促进教育事业的发展、创新教育理论、提高教学质量等方面都发挥了十分重要的作用，但与此同时我们也必须要认识到，大数据也有其不足之处：过度倾向定量研究、数据与情境脱离、难以真实还原复杂现象与受成本限制 [8]。

因此，如果只是简单地从学习过程中产生的大数据来对相关的行为和现象进行判断，将可能会出现判断失误和偏差等情况。基于此， 在对教育领域数据进行研究的过程中，应当将大数据和厚数据结合起来，树立全数据思维，将大数据和厚数据看成是教育数据的整体，发挥出大数据与厚数据的互补作用，进一步提高教学质量诊改成效。

参考文献
[1]涂涛 , 胡柯铭 . 一极两仪：教育大数据与厚数据关系辨析 [J]. 中国电化教育 ,2019(08):18-22.
[2]孙众 , 蘧征 , 杨现民 , 等 . 有意义的大数据与教学优化改革 [J]. 电化教育研究 ,2018,39(03):43-48+61.
[3]牟歌，王军，王浩浪教育领域数据的大数据特征分析 [J]. 教现代化，2016,3(15):30-33.
[4]仲兆满，施珺，管燕，等 . 教育大数据的现状及发展策略 [J]. 教育现代化，2019，6(49)：222-224.
[5]中颢润（北京）项目数据分析师事务所有限公司 . 大数据 离 不 开 “ 厚 数 据 ”[eB/OL].
[6]龚佑红，基于状态数据平台的高职院校内部专业诊改研究 [J]. 教育现代化，2015,2(12):286-288.
[7]张悦，李珩 . 论大数据时代对教育产生的双面影响 [J]. 教育现代化 ,2019,6(36):237-243.
[8]孙智中 , 张晨 . 基于厚数据的信息分析：内涵与模式 [J]. 情报资料工作 ,2020,41(03):69-75.

关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！

文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jiaoyulunwen/32549.html