（王陆在论坛现场）

芥末堆 田园 12月17日 报道

在第五届北京大学教育信息化创新论坛上，首都师范大学教授王陆分享了教师在线实践社区（简称COP、靠谱）历经18年对优秀教师特质的大数据分析成果。

据了解，COP成立于2009年，是面向中小学生，基于课堂教学行为大数据，促进教师实践性知识增长和专业能力发展的学习型组织。目前已跨越全国13个省，覆盖200多所项目学校。

我们正处于数据的海洋中，却忍受着知识的饥渴

“我们正处于数据的海洋中，却忍受着知识的饥渴。”王陆说，现在每天数据总量都在以万亿字节增加。到2020年，中国产生的数据将近8.5ZB，占全世界数据总量的四分之一，中国正在由人口大国变成数据大国。

但数据不等同于知识，我们仍然忍受着知识的饥渴。据《计算机科学》报道，全世界87.5%的数据从来都没被利用过，85%的数据是非结构化和半结构化数据。北大教授陈春花也曾说过，目前在人类社会可用数据中，只有0.5%得到了挖掘与分析，大量的数据都没有及时处理。

基于大数据的知识发现服务

在海量数据没被挖掘的背景下，基于大数据的知识发现（数据挖掘）服务应运而生。王陆介绍，基于大数据的知识发现服务是指，从数据集中识别有效的、新颖的、有用的，以及最终可以理解的知识，从而将专业领域的数据转变为专业领域的知识，为知识传播、共享、转移和创新提供必要保障的过程。对优秀教师与低水平教师特质的研究就是一种知识发现服务。

研究范式与研究方法：以数据挖掘为核心的第四研究范式

王陆说，COP对优秀教师特质的分析是采用以数据挖掘为核心的第四研究范式，运用聚类分析、主成分分析、文本可视化分析、视频案例分析、多维度分析、相关分析等6种研究方法。她说，第四研究范式与传统教育科学研究不同，是从考虑怎样获取数据转向怎样删除数据，从先定性再定量转向先定量再进行数据分析。

收集数据：课堂行为数据与实践性知识数据

据了解，此项研究以课堂为基本情境，数据的来源主要有两种：一种是外显的课堂行为大数据，教学行为主要是指在课堂中为了促进学习者完成学习而进行的支持性、指导性的活动组合。一种是隐性的实践性知识大数据，实践性知识是指教师对自己的教育教学经验进行反思和提炼后形成的，并通过自己的行动做出来的对教育教学的认识，如老师的课堂发言、自我反思文本和教学设计的案例文本，这两种数据都可以测量和干预。

王陆分析发现，课堂行为大数据和实践性知识大数据之间相互影响，实践性知识对教师教学行为起到决定性作用，课堂教学行为也会强化巩固，甚至重构教师的实践性知识。

在这种理论基础下，王陆对10个项目地区的932名教师进行聚类分析。研究发现，在932位老师中，有23位老师既有高水平的38个维度的课堂教学行为，也有6个维度的高实践性知识特征，占比2.5%。有20位老师出现了38个维度的低课堂教学行为和6个维度的低实践性知识水平，占比2.3%。

那么，究竟这23名优秀教师具有哪些特质呢？

王陆介绍，她们对教师实践性知识进行了三类分析。第一类分析发现，优秀教师的实践性知识共有三种成分，主成分一包括策略性知识、教育信念、自我知识，主成分二包括情境性知识，主成分三是指反思性知识。低水平教师群体仅有两种成分，主要差异在策略性知识、教育信念和情境性知识。

第二类分析发现，优秀老师的实践性知识是以学生为焦点，低水平老师是以自己为焦点，这是教师之间巨大的差异。第三类分析发现，优秀教师的知识群落是相互连接的，而低水平老师的知识部落是独立的节点。

在对教师教学行为特征两类分析表明，优秀教师的课堂教学行为以学生为中心，以原理性知识为基础开展课堂对话，特别重视课堂生成行为。如，相比低水平教师单一的推理性问题、推理性回答，优秀教师增加了创造性回答；相比低水平教师的提问后让学生齐答，打断学生或代答，优秀教师更倾向于问“为何类问题”，注重个性回答；相比低水平教师的记忆性问题、常规管理性问题，优秀教师更倾向于让学生讨论后汇报，提高行为转换率。

王陆介绍，在对教师的教学行为数据和实践性知识数据分析后，COP做出以洞察力、决策力和影响力为核心的教学领导力模型。她说，基于大数据的课堂观察方法、教学反思方法、知识建构方法、知识管理方法和技术支持，可以提升教师对自己课堂和同伴课堂的洞察，提高对课堂改进的决策力。

最后，王陆总结说，在大数据时代，知识发现是让数据从简单的决策辅助品转变为创造力之源的关键环节。知识产生的方式不只是权威思辨出的结果，知识的产生、获取、传播、转换和评价正在发生变化。基于大数据的知识发现过程是一种新的知识创新与创造的过程。