教育要面向未来，如何培养适应和引领未来发展的新一代人才是教育工作者一直思考的问题。11月25日，在由中国教育科学研究院与海淀区教育委员会联合主办的第四届中国未来学校大会上，国内外专家学者、校长等围绕“数据驱动的课堂革命”，辨方向、论趋势，探索未来教育发展创新的新趋势、新模式。

中国教育部基础教育课程教材发展中心主任田慧生表示，将信息技术、大数据以及智能化的学习环境与教育改革的核心目标相结合，促进课程统整、改进教学方式、变革教学组织形式、改革学生评价方式，或者说通过未来学校的变革，促进课堂革命的深化，是中国未来学校建设的核心任务。

天津和平区教育信息化中心主任卢冬梅：信息化不为教师添负担

卢冬梅表示，在信息化推进过程中遇到最大的问题是感情问题。部分学校在信息化过程中如果不加注意，容易伤到教师的信息化热情。她认为信息化工作应该坚持三个原则:一是帮忙不添乱。教师工作很辛苦，不能让他们更辛苦。二是优化不革命。革命是推翻过去重新来过，优化则是帮助教师、提升教师。三是引领不指挥。信息化过程中不以上帝视角指挥教师。

在这三个原则的指引下，天津和平区教育信息化管理中心基于微信设计了一款产品，将学校、教育局、信息中心都接入微信端口，同时开发学校所需的多个功能板块。教师打开微信应用即可找到集合多种产品的入口。

功能板块中有一个素质评价板块，里面包括学校的活动列表，采集与学生相关的数据。设计的核心在于控件台，采用自由组合的控件方式，包括文本控件、图片附件、视频、日期等内容。

此外，针对部分老师不适应网络阅卷、部分学生习惯通过试卷直观了解批改内容等情况，和平区教育信息化管理中心特地设计了批改试卷环节，即教师线下批改试卷后，再通过电脑扫描识别规定区域来同步到网络上。未来，这一设计还将增加分析报表等功能。

产品将搜集来的数据同步到数据仓库中进行清洗和挖掘，它将产生两个结果，一是提供给学校作为决策的依据；二是将结果发送给家长和教师。这些搜集到的多维度数据会融合在学生身上，形成学生的成长报告。这一报告对学生未来发展、素质评价乃至未来规划都能起到作用。

英国驻华大使馆刘静：大数据是怎样在英国课堂应用的？

据刘静介绍，英国大部分学校都会应用学生、教师画像概念。学校通过学生入学前测试和学习过程中的测试，形成学生画像。画像能够帮助教师得出多方面的结论，如学生更适合什么样的学科、教学方式和考评方式等。同样，针对每一名教师，也会有一个定制的画像。

在学生、教师画像中，存在部分类似的地方，这时需要采用群体画像的方式。如结合教师画像中类似的内容，就可以制定整个学校和教师的培训方案以及整个区域的教育培训重点。

“根据大数据分析，英国的科目体系永远在调整。”刘静说，英国教育标准办公室每年都会进入各个学校，对学生、教师和家长的意见进行反馈、收集。根据意见反馈收集的结果，再不断地调整在每个学校的具体科目。

此外，刘静还介绍了大数据在教师考核、教师培训方面的应用。对于教师要求和考核，学校设教师技能框架体系。这个框架体系非常繁杂，约有一百多条标准考核教师不同技能、不同品质等。而考核后的评估结果会影响三个层次的问题，一是教师个人层面，对于适合什么课程，评估结果会给出非常好的建议；二是学校层面，学校会根据评估结果制定教师培训的课程；三是英国教育部、教育标准管理办公室层面，他们会根据教师评估结果进行分析，判断到底是个体现象，还是整个区、市的整体现象，从而制定培训方案。

从个体到群体，再到整个国家教师培训体系的改革，实际上整个大数据是一个标准评估跟踪体系。

最后，刘静分享了英国在课堂上运用大数据时的经验。一是正确有效地分析数据；二是尊重隐私，要非常严格地界定数据使用标准；三是非功利性的数据收集。

芬兰Pekka Peura：让学生成为自己的老师，自我评估

据Pekka Peura介绍，芬兰不对学校和校长进行评估，因为芬兰教育认为每一所学校都是好学校。

芬兰有一个针对如何使学生学习效果最大化的研究，其中一项成果是让教师成为自己教学的学习者。芬兰教育虽然不对教师进行评估与监测，但教师需要自我监测、自我评估。学生在芬兰师范大学的学习时间至少是五年，整个教育系统都比较注重教师教育，提升教师的学习能力。此外，教育学生成为自己的老师，也是影响学生学习效果的关键。

技术在芬兰的应用更多是对学生进行评估。工具在学校和教室最重要的功能是创造协作性学习的环境，让学生从彼此交流中学习。在Pekka Peura看来，评估对学生行为有直接的引导作用，如何评估学生则取决于学校的价值观。

尽管人工智能已经成为很多现实，但芬兰更强调BI——生物智能。“学生的大脑正在发生哪些变化、有哪些成长的契机。” Pekka Peura说，“芬兰教育现在处于的阶段是，在教育方法、理论、理念发展中，研究教学中最重要的因素是什么。”他举例道，如果教室里一个教师教授30个学生，那么教师很难给予每个学生平等的注意力，更难做到因材施教。而技术工具要做的工作就是激发学生的主动性，教导学生自学，提升自学能力。芬兰在基础教育法中提及，对学生评估的目的是引导并鼓励学生学习、开发学生自我评估的能力。

Pekka Peura还指出，技术在培养学生与老师自我评估方面的具体应用包括根据一个学习主题和学习内容，对学生进行分组、采用合作学习的方式等。在这个步骤完成后，技术工具会提供一些评估指南，告诉学生如何做自我评估、用不同颜色显示学习掌握的程度。如果完全掌握了学习内容，学生可以用绿色做标记；如果只是部分理解，就用橙色；需要更多时间练习的内容，则用红色。此外，小组讨论时，如果学生能够向其他学生清楚讲明题目，也用相应的颜色来标记。 

这样的评价机制，让课堂气氛变得非常活跃，互动交流很频繁。学生知道了如何寻求帮助，完全理解学习内容的学生也知道如何向同学提供帮助。 

Pekka Peura强调，无论学生在学习哪一门课程，都需要有自我思考、自我评估和自我提问。以英文授课的课程为例，学生需要从毅力、小组合作能力、英语听力、阅读、语法和读写等方面给自己打分，然后告诉教师总分是多少。自我打分之后，学生之间还有互相评分。最后，教师会用15分钟的讨论时间，对学生总分进行评估，判断学生打分是否客观。

海淀区教科院吴颖惠：十年学习品质评价研究发现了什么？

学习品质能够全面概括学习能力、学习素养，以及学习方法等整个学习的过程。吴颖惠说，学习包含动力体系，学习能力、方法体系、学习维持体系（即学习到底能持续多久）和学习结果体系等。以前，学习结果往往单指学业成绩和学习成效，但这显然不够完善。

在这复杂的学习体系中，有一项学习态度。项目组单独将它细分，直到拆分到它能够被测量、被测评的程度。学习态度在心理学上有自觉性学习态度、说服性学习态度、强迫性学习态度。学生有很多行为表现，只有将学习态度经过层层拆分，才能对应到具体行为表现，最后达到可以测评的阶段。

对学习动力体系中的学习兴趣研究也类似，“学习有求知的需要、有自我完善的需要、获得认可和欣赏以及对学习担当的需要。”因此，不同年龄段的乐趣、志趣出现的时间点等学习兴趣研究也需要不断细化和拆分，才能进行测评。

将学习这个整体不断进行拆分，直到成为可测量的阶段，是项目组主要的工作。项目组希望把它不断具体化，细化成三级指标、四级指标，甚至一直划分下去，“我们想无穷尽接近学习的本质。”

当某一年龄段的数据采集完后，项目组需要基于数据做一个基本判断，这一年龄段的学生学习品质达到良好的占比多少，还有多少没有达到良好水平，这部分学生就需要特殊的关注。“比如学习品质优秀达到74.5%，其实这表示，今后学生学习能力比较强，还有再继续深入学习的潜力。而学习品质是43.6%的学生需要被激发。”吴颖惠说。

最后，吴颖惠总结道，影响学生学习品质的仍然是学习方法和学习能力以及学习意志力三个因素。数据分析还发现，年级越高，学习意志力对整个学习品质的影响越大。同时，她也提醒道，对学生学习品质的评价并不是要对学生进行区分，而是通过这样的评价让学生更好地学习。