摘要：数据是推动数字化转型的关键要素，而充分发挥数据的价值，是推动教学数字转型和智能升级的必然选择。基于此，文章首先梳理了数据要素化的属性与价值，阐释了三个层级的数据价值释放机理；接着，文章探讨了数据驱动教学数字化转型的定义，并设计了包含数据赋能、技术支撑、数字转型、智能升级四个要素的逻辑框架；随后，文章分析了数据驱动的精准化教学、个性化学习、智能化考试、数智化评价、精细化管理等教学数字化核心场域；最后，文章提出基于大数据精准教学系统的因材施教路径。文章的研究为推动数据驱动教学数字化转型落地、破解当前教学改革中规模化因材施教难题提供了创新策略，对于开展教育数字化转型的探索与实践也具有参考价值。

关键词：数据价值；教学数字化转型；教育大数据；精准教学；因材施教

数据是数字化转型的强大驱动力和基础^[1]，而课堂是教育数字化转型的核心和主阵地^[2]。教育数字化转型的落地落实，必须把握数字化转型的本质特征和数据关键要素，聚焦教学核心场域进行科学谋划。长期以来，人们积极探索数字技术支持的教学变革，研发了大量的课堂教学产品，并利用各类智能工具进行教学，这些产品和工具对于促进教学方式变革、提高教学质量和效率发挥了积极的作用。但在教学实践中依然存在一些难题没有解决^[3]，如学的方面存在个性化学习资源难以获取、错题解决效率低、针对性评价反馈不够及时，一些学生在校内学足、学好的需求得不到充分满足等问题；教的方面存在对学生学情的分析效率低，教学资源准备费力、耗时且利用率不高，分层作业实施困难，一些教师的教学效果不理想、教学效率不高等问题。这些问题的长期存在，使得教学提质增效、师生减负难以落地，规模化因材施教和个性化学习也难以真正实现。究其原因，主要在于缺乏学情诊断的循证依据、缺少对学习数据价值的挖掘、欠缺及时的评价反馈等。数据是数字化转型的关键要素，就数据赋能的潜力来看，数字化转型通过数据深度挖掘优化，以数据生态延伸价值生态，有助于实现教育系统的创新和变革^[4]。在教学数字化实践中，数据已成为教学决策、改进和评价的强大驱动力。因此，如何发挥数据赋能价值，探索数据驱动的教学变革理念与路径，成为推动教学数字化转型的重要现实课题。

一 数据要素化及其价值释放机理

承认数据对教学变革的关键作用及其在数字化转型中具有关键要素的地位和价值，是在数字经济发展过程中将数据作为生产要素并结合数字教育的实际而提出来的。可以说，数据要素化是数字化转型的必然要求。2020年，“数据”被列为与土地、劳动力、资本、技术并列的第五大生产要素^[5]，成为驱动数字化转型的新动力。2022年，我国出台了“数据二十条”^[6]，进一步提出要更好地发挥数据价值，并从数据产权、数据流通和交易、数据收益分配、数据要素治理等方面建立数据基础制度体系，为推动数据的有序流通和合理聚集、促进数据价值的释放指明了方向。当前，学界、产业界纷纷对数据要素化的价值予以了充分肯定，并对数据价值释放的规律进行了探索^[7]，无疑对利用数据驱动教学数字化转型的研究与实践极具启发性。

1 数据要素化的属性与价值

数据要素化是数据技术与教育融合发展的结果。数据作为对客观存在或活动的记录，是一种特殊形态的存在，用人类可识别的符号如数字、字符、图形、声音等表示。数据经过加工处理可以成为有价值的数据，即信息与知识。对于信息与知识的作用，早期人们认为信息是有用的数据，而知识是反映规律的信息、可用于决策，并提出了“信息社会”“知识经济”“信息化教育”等概念。进入数字时代，人们对数据越来越重视，深刻认识到了数据开发应用的重要性与可行性：一方面，数据是形成信息和知识的基础，对数据可以进行数字化技术处理，且在数据的处理与应用上十分方便；另一方面，过去的随机样本数据统计分析已发展为现在的全量数据处理、非结构化数据处理、多模态数据处理等，大数据技术的出现更是使教育大数据的价值得以深度挖掘、释放。数据挖掘成为智能教育领域的关键技术之一^[8]，为教育数据的价值挖掘和释放提供了支撑，有助于数字化教学业务中的数据开发与价值发挥。

数据要素对于教学数字化转型具有重要的驱动作用。在教学信息化实践中，存在大量类型复杂、内涵丰富、模态多样的教育教学数据，为教学变革提供了重要支撑。在教育数字化转型的过程中，数据承担着“动力引擎”的重要角色，是驱动数字化教育创新发展的关键力量^[9]。数据作为赋能经济社会服务的重要引擎，能够助力智能教育的机制创新^[10]。通过对课堂教学基础数据、教学设计数据、教学行为与情感数据、教学评价数据、教学管理数据等各种类型的数据进行伴随式采集、获取，进而分析、挖掘和加工，得到有用的信息和知识，最后实现智能的输出和智慧的生成，可见教学数据是生成课堂教学智慧的基础。教育教学数据的价值往往是潜在的、被动的，必须采用适当的方法进行挖掘处理，然后通过流转、使用、交易等系列操作才能显现出来。数据流转为课堂教学的结构性变革提供了新动能，而如何将课堂数据的内生价值转化为课堂教学数字化转型的核心动能，已成为当下教育领域关注的焦点话题^[11]。

2 三个层级的数据价值释放

数据对教学数字化转型的驱动价值具有隐藏性、被动性的特点，即这种价值是潜在的、需要被激活的，通常不会主动对教学系统发挥作用。只有当人们通过一定的工具或手段去发掘、发现、流转和使用这些数据，并将其价值释放和发挥出来，数据价值才能真正实现。因此，对数据价值的激发与释放就显得十分迫切了。杨现民等^[12]认为，教育数据要素的价值通过交换、开发、应用等流程得到发挥，显著增强了教育解释力、诊断力、预测力、决策力、监督力，实现了教育生产力的提升。谢幼如等^[13]提出，可通过转变全数据赋能课堂理念、打造全场域融合课堂空间、构建全要素协同结构来推动教学数字化转型。本研究基于对数据价值的分析，结合教学数字化转型场景，从数据的价值层级和价值释放两个维度进行综合分析，提出三个层级的数据价值释放机理，如图1所示。

（1）第一层级的数据价值释放：数据支撑教学业务运转

第一层级将数据视为资源进行建设与共享，数据在教学过程中的价值释放体现为利用数据资源直接支持教学业务的运转，以提升业务工作的效率。在学校信息化实践中，需按照一定的数据标准（如国家、行业或学校数据标准）进行教学数据的伴随式采集和积累，逐步形成可利用的教学数据资源。这些数据是基于一定的标准进行建设与管理的，具有通用性、可共享性，可以在一定的教育组织内实现跨业务、跨领域的共享使用。例如，在早期的多媒体教学系统、教学管理系统筹业务系统中，教学数据资源在教学业务系统中运转，支撑教学业务工作实施，从而实现了初级的数据价值释放。因此，实现第一层级的数据价值释放，需要制定或遵循统一的教育数据标准，对教学业务进行数字化开发和数据资源的统一管理，并研发所需的教学业务系统，以促进教学数据的共享使用，提升教学业务的处理效率。

图1三个层级的数据价值释放机理

（2）第二层级的数据价值释放：数据赋能教学业务决策

第二层级将数据视为教育教学工具进行开发与应用，数据在教学过程中的价值释放体现为数据与教育教学的整合，支持教学决策和教学业务改进。通过对积累和实时获取的数据进行汇聚，采用数据统计、数据挖掘和学习分析等技术，结合教学业务的需要，对相关数据进行加工、处理，形成有用的决策信息和知识（如对学生学情的诊断、对师生互动效果的判断、对学生学习效果的评测、对教学质量的评价等），以支撑教学目标制定、教学方案设计、教学效果预测、教学策略调整优化等，可以实现第二层级的数据价值释放。因此，在第二层级需将教学数据与教学过程整合，通过教学数据的加工、分析、建模，基于数据洞察教学，发掘教学中的数据价值规律，使得教师的教学决策和教学改进更精准、更科学、更智能，从而深层次释放数据价值。

（3）第三层级的数据价值释放：数据驱动教学数字化转型

第三层级将数据视为教学变革的关键要素进行流通赋能，数据在教学过程中的价值释放体现为数据贯通教学全领域、全过程，驱动教育教学系统性变革。这一层级将真正打破教育数据壁垒，数据交换、开发与应用实现标准化，学校乃至区域内各类教学业务系统实现数据的互联互通，使不同来源、不同类型的数据基于新的教学需求在相关教学业务场景中汇聚融合，实现更广泛、更深入的价值开发与利用。例如，区域智慧教育一般采用“区、校、课堂三层架构”^[14]，形成了“从上至下”“从下至上”两种数据流。其中，“从上至下”数据流是指区域教育行政部门向学校管理层、再到学科组的教学管理决策数据的上情下达，实现管理决策数据的逐级传达和落地实施；而“从下至上”数据流是指课堂教学数据向学校数据汇聚、再向区域数据汇聚，实现区域教育大数据的逐级汇聚和贯通融合。由此，教育数据的全过程高效流通和深度融合应用得以实现，数据价值得到更深层次的释放，进而驱动教学数字化转型。

由上可见，数据在驱动教学数字化转型过程中的价值发挥是一个纵横交融、渐进发展的过程，在纵向上体现为数据价值的三个层级，反映了数据从对教学业务的直接支持、整合应用到流通赋能的发展层级跃升；在横向上体现为数据价值释放的演变历程，与数据开发利用的积累共享、挖掘分析、融合创新相对应。同时，数据价值释放的机理也反映了数据驱动的教学数字化转型是从浅层应用到深度融合、从局部变革到整体转型的发展规律。

二 数据驱动教学数字化转型的定义与逻辑框架

数据价值释放为教学数字化转型提供了强大驱动力，通过全过程、全领域数据流通赋能和价值逐级释放，驱动教学数字化转型发展。目前，学界、产业和学校都很重视教学数字化转型的研究与实践，但整体来看尚处于起步期，对教学数字化转型的概念还没有形成统一的认识^[15]，尤其是对数据驱动教学数字化转型的概念内涵缺乏深度理解与把握，有必要进行界定与阐释。

1 数据驱动教学数字化转型的定义

本研究发现，大多数学者对“教学数字化转型”这一概念的界定是基于数字技术发展对教育组织和教学业务领域的影响及其过程分析来进行的，但仅从这个角度进行定义显然有失偏颇。实际上，将数据作为教学数字化变革的关键要素，并促进教育数据的流通赋能、释放教育数据的价值，应成为数据驱动教学数字化转型的核心要义。因此，数据驱动教学数字化转型要以教育数据为核心驱动力，通过构建数据管理和综合服务平台，促进全过程、全领域数据流通赋能。教育产业要利用数字技术研发数字教学产品和工具，构建数字化、智能化教学平台，开发数字教育资源，为教学数字化转型提供技术支撑。而学界对于教学数字化转型过程的研究，不仅要关注课堂教学层面的变革，还要拓展到对学科教学和学校教育整体的变革分析。一线教育工作者更要注重数字化转型的实践操作和成效，从理念、设计、实施、评价等方面探索可操作的智能化教学模式。综上，本研究提出：数据驱动教学数字化转型是以教育数据为核心驱动力，以数字化教学工具、平台和资源等基础设施为支撑，促进全过程、全领域教育数据流通赋能，助力课堂教学、学科教学、学校教育多个层面的数字化发展，推动教学理念、设计、实施和评价的系统性变革，形成数字化、智能化教学新形态，实现教学数字转型和智能升级。

图2 数据驱动教学数字化转型的逻辑框架

2 数据驱动教学数字化转型的逻辑框架

依据上述定义，本研究设计了数据驱动教学数字化转型的逻辑框架，如图2所示。此逻辑框架包含数据赋能、技术支撑、数字转型、智能升级四个要素，体现了数据驱动教学数字化转型的发生过程。

（1）数据赋能：以教育数据为核心驱动力

在教学数字化转型阶段，数据成为教学系统性变革的关键要素，为教学数字化全面赋能：一方面，发挥内生变量的核心驱动作用。按照辩证唯物主义观点，在事物发展变化过程中，外因是变化的条件、内因是变化的根据。在教学数字化转型过程中，数据从教学系统发展的外部条件因素转变为内部影响因素，成为教学系统发展的内生变量和核心要素，发挥要素化驱动作用。另一方面，实现全方位赋能与系统性变革。通过构建学校数据管理和综合服务系统，制定数据规范和技术标准，进行数据资源规划和管理，来促进数据在各类教育业务系统中的流通共享，并结合教学业务场景，构建教师、学生、课程等业务画像，实现教学全过程、全领域数据的融通与赋能，推动教学的数字化变革与转型升级。

（2）技术支撑：以数字基础设施为转型起点

教学数字化转型是基于数字技术的开发利用，以数字化教学资源、工具、平台等基础设施为转型起点。教学数字化转型离不开数字技术的运用，早期学校以计算机、多媒体、局域网等技术为代表，建设了课堂信息化教学环境，开发了计算机辅助教学系统、多媒体课件、微课、教学管理信息系统筹，满足了信息化教学的需要，开启了教学数字化进程。随着互联网、云计算、移动互联网等新一代信息技术的发展，人们开发建设了“三通两平台”、数字校园、MOOC/SPOC、决策支持系统筹，形成了网络化、数字化的教学环境，教学数字化走向整合应用阶段。当前，教育领域利用人工智能、大数据、虚拟现实、5G等智能技术，建设了国家智慧教育平台，构建了区域智慧教育云、智慧校园、智慧课堂等智能化学习环境，研发了智慧学伴、教学机器人、AI学习机等智能学习工具，推动教学数字化进入转型发展阶段。

（3）数字转型：多个层面教学数字化变革

教学数字化涉及学校教学领域的多层级应用，将推动课堂教学、学科教学、学校教学等多个层面发生深刻的变革^[16]。在课堂教学层面，数字技术与课堂教学融合，数据赋能教学全过程，进行了基于数据的精准化学情分析与弹性化教学预设、技术支持的适切性教学情境创设和立体化课堂互动，以及基于资源推荐的个性化作业和数智化教学评价，使课堂教学流程和结构发生了变化。在学科教学层面，新课程改革以核心素养为导向，对课程结构进行了重组，并突出大单元、跨学科学习，将跨学科主题学习纳入课时安排，强调信息技术与课程教学的融合，提高了教学质量和效率，促进了学科教学的数字化。在学校教学层面，更加重视立德树人根本任务的落实，强调“五育并举”，既重视学生的学业质量水平，更关注学生全面而有个性的发展，用技术支持教学提质增效、减轻师生负担，推进教育治理数字化，促进学校教育的整体转型变革。

（4）智能升级：智能化教学生态体系形成

教学数字化转型是教育教学的系统性变革和智能化升级，体现为技术支持的教与学形态变革创新，借助于技术实现从传统教育模式转为智能教育模式^[17]。具体来说，教学数字转型和智能升级最终落实在教学实践中，基于人工智能、大数据、AR/VR等智能技术，构建智能化学习平台和环境，开发智能化学习工具，与教育教学深度融合，充分发挥数据流通赋能作用，促进教学流程和结构创新，并依托智能化教学理念，开展智能化教学设计、智能化教学实施和智能化教学评价，形成数据驱动的智能教学新模式。智能技术与教学系统的全业务、全流程融合贯通，引发了教学系统的整体性转变和智能化升级。尤其是ChatGPT、星火认知大模型等生成式人工智能的快速发展，对人才培养目标、教学内容、教与学方式、教育评价等提出了新的要求，引发了教育领域的深层次变革与创新，智能化教学生态体系呼之欲出、即将形成。

三 数据驱动教学数字化转型的核心场域

数据驱动教学数字化转型是学校聚焦教学数字化实践，通过构建数据管理和综合服务系统，促进教育数据高效流通，激活数据潜能，助力教学智能生成，实现教学数字化转型升级。具体来说，数据驱动教学数字化转型是充分利用人工智能、大数据等技术，以教育数据赋能为教学数字化转型的核心驱动力，通过数据挖掘、流通、使用，发挥教育数据的潜在价值，并基于智能感知、认知计算、智能交互，实现从数据采集到信息加工与知识建构，再到智能输出的教学智能生成^[18]，从而推动数据智慧为主导的教学变革^[19]。从核心场域来看，数据驱动教学数字化转型突出体现为数据驱动的精准化教学、个性化学习、智能化考试、数智化评价和精细化管理。

1 数据驱动的精准化教学

通过创设适切性讲授情境、进行智能化知识讲解、开展多元化课堂互动，智能技术和数据赋能支持更具灵活性、情境性、开放性的知识呈现和传递，实现精准化教学：①创设适切性讲授情境方面，借助AR、VR、MR等技术创设鲜活逼真的教学情境，展现宇宙天体等宏观知识、细胞原子等微观知识，再现跨时空情境，模拟呈现自然现象、高危实验等场景^[20]，可让学生获得丰富的知识体验，并引导学生在数字情境中进行知识的理解、应用和迁移。②进行智能化知识讲解方面，基于智能检索技术，教师在讲授过程中通过划词检索、语音检索等方式快速链接到与某一知识点相关的云资源或互联网资源，这些资源为生成性教学提供了开放性的资源支持。③开展多元化课堂互动方面，通过多样化课堂互动工具和沉浸感知的智能教学环境赋能支持多维全向师生互动、智能分组互动、远程实时教学互动，可提升互动的深度和广度，实现高效课堂互动。例如，基于各类分组算法可以实现自动化动态分组，从学生的学业表现、认知能力、非认知能力等特征出发，将具有相似特征的学生分为一组，或将具有不同特征的学生分配到水平相当的小组中，助力教师更科学客观地开展同质分组、异质分组的互动活动^[21]。

2 数据驱动的个性化学习

通过精准的学习诊断、支持学习内容精准推荐和动态组织、个性化学习策略设计与选择等，智能技术和数据赋能有助于实现精准、个性的学习成长。当前，教学过程中存在资源精准获取困难、即时化的学习诊断比较复杂、个性化学习支持不够等问题，亟需采取技术手段予以解决：①提升优质资源精准获取的效率。智能技术可以将学生所需的各类学习资源进行整合，为学生智能推荐扩展性知识，并发挥无缝联通、虚实融合的优势，将学习环境从物理空间搬至虚拟空间，打破场地、经费、安全性等限制。②开展即时高效的学习诊断。AI可以对学生探究学习中产出的笔记、图表、模型，对问题作出的解释，以及学生的肢体动作或面部表情等信息进行自动化记录和综合分析^[22]，帮助教师进行即时性诊断和反馈，便于学生进行自我反思与状态调节。③提供个性化学习支持与服务。智能技术支持学生快速分组和信息交流，使有相同学习需求和兴趣的学生自动形成资料共享、相互协助的学习小组，以便开展深入的互动交流，并能够根据学生所处的学习探究阶段，为其提供适配的学习任务和资源，引导学生自主探究学习。

3 数据驱动的智能化考试

智能技术和数据在考试业务的全流程发挥赋能作用，将大力提高考试测评工作的数字化、智能化水平，探索结果评价由“量”的评价向“质”的评价转变，实现智能化考评^[23]，具体包括：①智能化命题组卷。依托题库平台展开智能命题与组卷，通过融入试题查重、难度自动预测、智能组卷等关键技术，实现快速、高效的智能化组卷，同时保证试题的质量，使试卷更加科学客观，实现考试结果的公平公正。②智能化考场管理。通过考生身份多重验证、智能视频监控等先进技术和考试辅助设备，构建标准的智能化考场环境，规范考试管理流程，严密防范、严肃查处考试舞弊行为，全面提升考试管理水平和服务质量。③智能化阅卷评分。利用扫描阅卷、主观题评分等技术赋能阅卷评分，实现考试阅卷的智能化。④智能化语言、艺术测评。将AI用于语言测评、艺术素质测评等新型考试，实现考试大规模开展和计算机智能评分，为准确、高效地测评语言能力和艺术素质提供支持。⑤智能化质量分析。利用数据挖掘、可视化分析等技术，对考试质量进行科学客观的分析，为精准化考试管理提供有“证据”的数据依据。

4 数据驱动的数智化评价

智能技术和数据赋能可支持更加系统全面的教学数据采集、处理与分析，助力开展数智化学业质量评价和教学质量评价：①对于学业质量评价，在评价数据获取方面，注重学生学习过程数据的伴随式采集，借助各类智能化学习平台、学习和管理工具，对各种多模态学习数据如作业数据、课堂实录数据等进行动态收集；在学习数据挖掘方面，通过对学生课堂学习结果和行为中产生的多模态数据进行融合处理和分析，实现对学生认知、能力、情感状态的立体化、综合化、科学化建模分析与评价^[24]；在评价数据呈现方面，利用可视化图表、视频动画等形式，对学业质量评价结果予以高效反馈。②对于教学质量评价，主要是基于教学全过程中教师教学行为、教学态度、教学结果数据的采集和测评，进行全过程动态学习数据分析，实现基于数据的教学过程质量评价与反馈。例如，目前AI课堂教学行为分析系统利用基于深度学习的图像识别技术，可以自动标注课堂教学行为的最佳类别编码，并对课堂教学行为进行建模分析，生成可视化分析报告，为教师进行教学反思、优化教学设计与实施提供了有力支撑。

5 数据驱动的精细化管理

人工智能、大数据技术通过赋能排课、考勤、课堂、办公、安全监管等典型管理场景，助力提高管理工作的数字化、智能化水平，实现学校的精细化管理，具体包括：①自动化排课管理。智能技术支持的排课管理系统能够自动生成多种排课方案供排课人员选择，有效解决了大规模走班背景下学生、教师、教室三者之间的协调问题，提高了排课的效率、精准性和灵活性。②智能化考勤管理。通过在校园关键位置安装高清摄像头，自动识别、抓拍学生人脸数据，并对学生考勤数据进行自动分析以辅助管理决策，实现校园的智能化考勤管理。③实时化课堂管理。课堂行为智能分析系统可以协助教师收集和留存学生的课堂行为表现数据，并予以可视化呈现^[25]，便于教师及时发现学生的问题行为，并为后期对学生行为的分析与评估提供数据支撑。④自动化办公管理。利用智能技术开展网络化、移动化、智能化的校园办公，有助于提高管理和办事的工作效率。⑤智能化安全监管。利用智能技术有效识别校园内部及周边的潜在危险，并对可能危害校园安全的事件及时进行预警和响应，可有效提升校园安全监管的效率和水平。

四 基于大数据精准教学系统的因材施教路径

因材施教是自古以来追求的教育理想，但在传统教学模式下难以实现。教学数字化转型以数据赋能教学全过程变革与升级，为因材施教提供了新的路径。笔者基于信息化课堂教学的十多年跟踪研究，提出了人工智能支持的因材施教教学模式^[26]。另外，科大讯飞研发的大数据精准教学系统通过大数据技术对教学过程予以记录、分析、评测，为教师教学决策与干预提供了数据支撑，可以助力实现因材施教^[27]。基于此，本研究提出了基于大数据精准教学系统的因材施教路径（如图3所示），即在大数据精准教学系统的支撑下，通过树立数据赋能的教学理念，开展数据赋能的科学识材、精准教学和智能评价，促进教学数字化转型升级，使规模化因材施教得以真正实现。

图3 基于大数据精准教学系统的因材施教路径

1 树立数据赋能的教学理念

树立数据赋能的教学理念，要以教育数据为核心驱动力，赋能教学全过程、全领域：一方面，要提高数据意识与数据处理能力。2022年，教育部出台“《教师数字素养》教育行业标准”^[28]，强调要抓紧筹划和实施数字素养提升行动计划，采取多种形式培养教师的教育数据思维，并将数据挖掘、学习分析等技术作为素养培训的重点内容，加快提升教师的教学数据应用能力。另一方面，要加强教学大数据的研究与应用。要深刻认识和充分发挥数据在教学数字化转型中的价值，积极探讨教育数据价值释放规律，采取多种方式研究与激发教学数据的潜能；同时，通过教学大数据系统的开发应用，进行课堂多模态教学数据的伴随式采集、诊断和分析，挖掘教学数据的内在价值，支持基于数据的精准教学和因材施教。

2 进行数据赋能的科学识材

在大数据精准教学系统的支持下，教师可以对学生的学业、情感、个性等进行诊断，掌握学生的个性差异与学习需求，实现数据赋能的科学“识材”。学情分析数据主要来源于：学生基础信息数据，如年级、班级、性别、兴趣特长、历史学业成绩记录等；在某一单元或某一学期的过程性学习数据；上个知识点或上节课练习与作答情况的评测数据；本节课即将学习的知识点和本节课预习过程中产生的相关预习数据等。大数据精准教学系统通过对各种来源的数据进行整合、挖掘、分析、统计，以可视化学情报告的形式提供给教师，可以帮助教师快速精准地掌握学生学情并据此设定科学、合理的教学目标。教学目标因学习者而异，具有个性化特征^[29]。因此，教学目标的设定实际上就是在学生特征与教学预期之间建立一种准确的映射关系，教师在掌握学生个性化、差异化学习特征的基础上，要结合教学预期，综合考虑学生的学习现状和学习偏好，为不同学生精确设定不同的教学目标^[30]。

3 实施数据赋能的精准教学

在实施教学的过程中，教师可以基于学情分析数据，依据记录和监测的教学大数据，进行挖掘和决策分析，对教学内容、教学资源、教学活动等进行优化设计，并在教学过程中及时调整教学策略，实施教学干预，开展数据赋能的精准“施教”。

（1）数据赋能的教学预设

在大数据精准教学系统的支持下，教师可以对教学内容、资源、活动等进行精准的教学预设：①在教学内容设计上，大数据精准教学系统提供的学情数据报告能够帮助教师精准设计课堂教学起点、教学重点和教学难点^[31]，实现以学定教。②在教学资源设计上，大数据精准教学系统可以管理海量的数字化教学资源，依据学生个性需求与教学进度，为教师精准推荐教学课件、视频、图片等教学资源。③在教学活动设计上，结合精准教学理念与现有教学策略，教师可以依据个性化教学目标，科学设计弹性化、生成性、灵活多样的教学活动。例如，在预习活动中，如果学生整体表现不佳，教师可以采用直接教学的方式完成课堂内容讲授；如果部分学生遇到困难，教师可以进行异质分组，让学生通过小组研习讨论解决问题；如果学生都能顺利完成，教师可以采用“自主学习+个别辅导”的教学策略，在课堂教学中增加知识的深化与应用训练，培养学生的高阶思维。

（2）数据赋能的教学干预

在实施课堂教学时，教师通过大数据精准教学系统对教学过程数据进行实时记录与监测调控，能够精准地针对学生某一知识或技能学习时所遇到的具体问题进行教学，从而实现“百分百教学”^[32]。大数据精准教学系统可以实时、精准地记录课堂中学生的学习行为和学习表现，提供学生的学业成绩、浏览行为、互动行为、评价行为、作业提交等方面的数据。之后，通过数据统计、数据分析、数据挖掘、数据可视化等技术手段对这些数据进行严格的数理分析与逻辑建构，便可全面反映学生学习过程的全貌，便于教师实时调整教学干预策略。例如，针对个别学生的特殊问题，可以进行实时点对点的练习纠正；针对部分学生掌握较差的不同薄弱知识点，可以进行个性化错题变式练习；针对多数学生存在的共性问题，可以统一进行强化练习。

4 实行数据赋能的智能评价

教学活动开展后，需要对教学活动的实践效果进行测评，对学生的学习成效进行评估，实现数据赋能的智能“评价”。基于大数据精准教学系统，可以通过多途径对学生表现进行评价：①实时性评价，即对学生学习过程中的行为数据进行实时记录与评价反馈，教师可以根据实时反馈结果及时调整课堂教学内容和教学策略。②非实时性评价，即在学习活动结束后，通过大数据精准教学系统对学生学习活动的整体情况进行评价，为学生精准推荐个性化的巩固练习资源与下阶段的预习资源。③可视化评价反馈。利用数据可视化技术进行评价反馈，为教师推送班级学情报告与学生个体学情报告，帮助教师进行数据分析，为下阶段教学提供参考，形成教学闭环。因此，通过大数据精准教学系统对学生基础信息与学习表现数据进行采集，利用数据挖掘提取初始能力（已有知识和技能基础）、认知结构、认知风格、学习动机、学习态度等多维特征，建立学习者模型，并通过模型分析获取学生学习行为的潜在规律和特点，可以发现其学习过程中存在的问题与缺陷，预测学生的成长与发展路径。最终，通过从评价到分析形成整个教学活动的闭环，为下阶段的教学提供参考。

五 结语

本研究阐释了数据要素化的价值和三个层级的数据价值释放机理，探讨了数据驱动教学数字化转型的定义、逻辑框架和核心场域，提出了基于大数据精准教学系统的因材施教路径。当前，教学数字化转型成为了教学信息化深化发展的热点和重点，但整体来说教学数字化转型尚处于起步阶段，实践中还存在诸多现实问题有待解决，如教学数字化转型的各类标准规范如何统一、支撑数字教学的智能化环境如何建设、师生数字素养和数字化教与学能力如何培养并提升、教学数字化生态如何发展等。尤其是生成式人工智能、数字孪生、教育元宇宙等新兴数字技术的加速发展与应用，为教学数字化发展带来了新的挑战和机遇，需要广大理论研究者、技术开发者和实践工作者加强合作，脚踏实地，协同创新，探索实践教学数字化转型的规律与路径，共筑未来教学新生态。

参考文献

[1]顾小清.教育信息化步入数字化转型时代[J].中小学信息技术教育,2022,(4):5-9.

[2]黄荣怀,杨俊锋.教育数字化转型的内涵与实施路径[N].中国教育报,2022-4-6(4).

[3]刘邦奇,卓晗,邬诗韵,等.智能技术助力教学减负增效:分析框架与典型场景[J].电化教育研究,2023,(3):56-62.

[4]祝智庭,胡姣.教育数字化转型的本质探析与研究展望[J].中国电化教育,2022,(4):1-8、25.

[5]新华社.中共中央 国务院关于构建更加完善的要素市场化配置体制机制的意见[OL].<https://www.gov.cn/zhengce/2020-04/09/content_5500622.htm?ivk_sa=1024320u.html>

[6]新华社.中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见[OL].<https://www.gov.cn/zhengce/2022-12/19/content_5732695.htm>

[7]王泽宇,吕艾临,闫树.数据要素形成与价值释放规律研究[J].大数据,2023,(3):33-44.

[8][27]刘邦奇,聂小林.走向智能时代的因材施教[M].北京:北京师范大学出版社,2021:84-87.

[9][12]杨现民,吴贵芬,李新.教育数字化转型中数据要素的价值发挥与管理[J].现代教育技术2022,(8):5-13.

[10]刘邦奇,张金霞,许佳慧,等.智能技术赋能因材施教:技术框架、行业特点及趋势——基于智能教育行业发展实证数据的分析[J].电化教育研究,2021,(2):70-77.

[11][13]谢幼如,罗文婧,章锐,等.“双减”背景下课堂教学数字化转型的理论探索与演进路径[J].电化教育研究,2022,(9):14-21.

[14]刘邦奇,吴晓如.中国智能教育发展报告[M].北京:人民教育出版社,2019:70-71.

[15][17]祝智庭,胡姣.教育数字化转型的实践逻辑与发展机遇[J].电化教育研究,2022,(1):5-15.

[16]刘邦奇.智慧课堂引领教学数字化转型:趋势、特征与实践策略[J].电化教育研究,2023,(8):71-79.

[18]刘邦奇.人工智能赋能课堂变革的核心价值:智慧生成与模式创新[J].开放教育研究,2022,(4):42-49.

[19]刘邦奇.智慧课堂的发展、平台架构与应用设计——从智慧课堂1.0到智慧课堂3.0[J].现代教育技术,2019,(3):18-24.

[20]孙志伟,李小平,张琳,等.虚拟现实技术下的学习空间扩展研究[J].电化教育研究,2019,(7):76-83.

[21]谢涛,农李巧,高楠.智能学习分组:从通用模型到大数据框架[J].电化教育研究,2022,(2):88-94、128.

[22]柴西琴.对探究教学的认识与思考[J].课程·教材·教法,2001,(8):16-19.

[23]范国睿.教育评价改革需要新路向[J].现代教学,2020,(8):1.

[24]刘邦奇,喻彦琨,袁婷婷.智能技术赋能过程评价:目标、路径与典型场景[J].现代教育技术,2022,(5):14-23.

[25]赵春,舒杭,顾小清.基于计算机视觉技术的学生课堂学习行为投入度测量与分析[J].现代教育技术,2021,(6):8.

[26]刘邦奇.人工智能支持的“因材施教”教学模式构建与应用——以智慧课堂为例[J].中国电化教育,2020,(9):30-39.

[28]教育部.教育部关于发布《教师数字素养》教育行业标准的通知[OL].<https://www.gov.cn/zhengce/zhengceku/2023-02/21/content_5742422.htm>

[29][32]祝智庭,彭红超.信息技术支持的高效知识教学:激发精准教学的活力[J].中国电化教育,2016,(1):18-25.

[30]武法提,李彤彤.基于远程学习者模型的差异化教学目标设计[J].现代远程教育研究,2013,(3):66-71.

[31]雷云鹤,祝智庭.基于预学习数据分析的精准教学决策[J].中国电化教育,2016,(6):27-35.

编辑：罗遥瑶    校对：罗添    预审：施羽晗    终审：聂竹明