教育数字化转型实践｜基于数据的教学诊断：数据表征、问题指向与教学处方
当前，随着各类教育大数据平台的推出，传统的教学数据采集变得更加方便精准，同时也使数据获取的方式和种类更加多样，数据的体量和类型由此发生巨大的变化，进而促进了教学诊断多模态数据的形成，教学诊断任务演变成如何从多维的数据中寻找问题、在零散的数据中发现问题、在琐碎的数据中描述问题以及借助系统的数据来解释问题。基于此，本研究以当前一线教学实践中常见的学业数据分析为例，对其常见数据指标和分析视角进行梳理，以归纳数据呈现特征与诊断分析维度之间的关系，总结教学质量问题发现的基本方法。
数据表征：发现教学质量的问题端倪
（一）多维观测指标
在当前各类智能教学平台的支撑下，针对学生学业的诊断活动，教师可以在多个渠道采集相关数据，建立包括学生认知、行为、生理、态度、活动、奖励、能力、作业和测试等在内的多维观测指标，从而真正实现基于多模态学业数据的综合诊断。
（二）常见分析视角
1.三角验证视角
三角验证视角是指从联系与辨别的角度对多维数据进行整体分析，形成对教学问题的综合判断。
2.差异比较视角
差异比较视角是通过不同角度的对比对数据进行分析。
3.层级划分视角
层级划分视角是从不同数据利益相关方视角对数据进行分析。
4.个性特色视角
个性特色视角是从数据呈现的单独性和奇异性对其进行精细分析。
问题指向：构建精准导向的诊断程序
（一）标准参照
标准参照主要指依据相应教学标准进行问题识别的过程。教学诊断过程对数据的解读主要采取常模比较和标准比对两种方式，常模的建立往往取决于样本量和代表性，一般依赖于现实中教学数据库的完善程度，因此在现有的教学条件下，一般采用标准比对形式。
（二）问题分类
依托标准参照，诊断工作可以进一步对搜集的数据做相应的分类处理。与此同时，教师也要引导学生发现自身思维的隐蔽性错误，进而完善相应的教学问题诊断分类框架。
（三）性质编码
问题分类之后，就需要进行性质编码，即为分析影响教学问题的根本性原因，并从程度或层级方面对其进行精细描述，从而达到教学精准施策的目的。
教学处方：遵循数据驱动的干预原则
（一）改进原则
改进是教学诊断的首要目的，而不是成绩问责和结果比拼，更不是分数。
（二）优化原则
由于诊断数据来源和人们认识的局限性，教学诊断通常无法涵盖教学的全貌。因此，任何诊断结果都有进一步优化的空间，教学诊断流程不应只是单次的线性过程，而是伴随着整个教学过程从阶段性测试到每一个模块教学的多次迭代循环。
（三）聚集原则
数据既是教学诊断的依据，也是实现诊断功能的基础，发挥区校多层级协同共建共享模式，构建各类数据库，通过数据的不断累积形成聚集效应，可以不断凸显数据的反哺功能。
（四）协同原则
除了数据的聚集，还需要多方人员协同，从家、校、社会以及学生自身出发，建立教学问题改进联盟，形成合力诊断模式。
基于数据的教学诊断实践，为教学问题的发现由经验化向精准化转变提供了一条切实可行的路线。本研究提出抓住教学质量发展的数据表征，采用精准导向的诊断程序和遵循数据驱动的干预原则的具体行动方案。一线学校可据此构筑以数据观教学、以教学导数据，依数据促改变和凭数据做评估的教学诊断价值生态圈。
参考文献
[1]张学波,林书兵,王宏媛.基于数据的教学诊断：数据表征、问题指向与教学处方[J].现代教育技术,2022,32(12):41-48.