杨现民   江苏师范大学智慧教育学院副院长，教育部教育信息化专家，中央电教馆培训专家，江苏省教育信息化工程技术研究中心副主任，教授、博士。

二、未来学校是一所尊重生命成长的学校

有这样一群特殊的受教育群体，他们沉浸在由数字0和1组成的世界里，他们伴随着技术成长，他们有全新的认知和学习方式，他们被称为“数字土著”。笔者的小女儿今年一岁半，每天自己拿着手机和iPad跟着“叽里呱啦”App学习英语，还不时蹦出一些新的单词。她就是天生的“数字土著”，她能够在没有任何指导的条件下学会并爱上这种学习方式。国外有研究者提出了“数字土著”的五个认知特质，即多任务并行、视觉化表达、随机性思维、快速处理和多元交互。他们擅长多任务并行，喜欢视觉化的表达。

何为最好的教育？北京师范大学顾明远教授曾说：“给学生提供适合的教育才是最好的教育、最公平的教育。”那么大数据如何支撑顾教授所谓的“适合的教育”？笔者认为，大数据可以帮助教师、家长发现学生的优势与不足（查优鉴短），挖掘学生的潜在兴趣。大数据还可以帮助教师开展个性化的精准教学，使学生从题海战术中解脱出来。教师通过精准化的教学设计、精准化的教学组织、精准化的教学评价，诊断出学生究竟需要什么样的教育，让学生发现最真实的自己，用技术促进自主而有个性的学习。
 

例如，美国纽约市教育局做过一项初中教学教改的实验，这个实验以大数据为基础，为每个学生制订一张课表。个性化课表的制订，首先需要了解学生的学习历史和背景，并对前一天学习情况进行评估，其次一定要有可用的内容、教师、人员和技术。有了这两项内容之后，可调整、可变化的课表才能够生成。江苏省徐州市第三十一中学也在利用大数据开展数据驱动的适应性学习，每个学生课后只需要完成三道根据自己实际情况量身定制的题目，真正实现了减负。上海市闵行区平南小学利用大数据进行体质健康监测，用智能手环动态监测学生的身体状况，体育课时教师会进行分层差异化教学。通过两年的实践，效果非常明显，肥胖率直线下降。江苏省南京市北京东路小学开展的基于大数据的学生成长过程评价，记录学生的学业、品行、健康、才能等数据，对学生做综合素质的评价，而这些评价数据对小升初、中考、高考来说都是非常重要的参考依据。这也吻合了新高考改革中的一项基本原则，就是要把以前认为不太重要的综合素质评价变成重要的参考依据，要求我们一定要重视学生在学校的过程性表现，重视综合素质的评价。未来，数据或许真的能够代替考试，成为入学的新规则。

三、未来学校是一所尊重创意、虚实融合的学校
 

丹麦哥本哈根的Φrestad Gymnasium中学地处热闹的城市中心，是一种与我们传统教育观念相违背的学校。学校面向街道，学生可以随时看到外面的世界，与城市生活保持着亲密的联系。学生们在开放的楼层空间中任意形成的教室里上课，在会议室的顶层平台抱着抱枕讨论交流，甚至可以在巨大的中庭楼梯上停下脚步远眺城市街景……世界上还有许多这样开放的学校，例如：英国Dame Bradbury’s School采用森林为主题搭建学校，学生就像小鸟进入森林一样，很自由，很开放；以色列King Solomon学校通过科学的颜色搭配装饰学校，虽然看着很花哨，其实是有科学道理的，它能够激发学生的创新思维，同时有助于学生的视觉发育。
 

此外，随着VR、AR技术的发展，学校里的空间逐渐从现在物理的、纯现实的空间转变成了一个虚实融合的空间。在这样的空间下有一种很重要的学习方式——入境式学习。笔者父辈的时候，他们的学习是真实入境的，天天去田间地头，到真实的场景里去体验，体验生活，体验学习；到笔者这一代，年轻教师会带学生出去参观、考察、学习；但是到了笔者的下一代，出于安全的考虑，出去的机会越来越少了，这时候靠什么？这就要靠技术来帮忙。
 

入境有三种渠道：第一种，常规地带着学生进入真实情境。第二种，利用VR技术，将学生带入一个完全虚拟化的，但是又逼近真实的场景，让学生去体验模拟情境。第三种，以远程直连现场的方式入境，这也是笔者非常推崇的一种入境方式。比如英特尔未来教室里面的桥梁设计，在教室里面就可以直连桥梁专家，桥梁专家背后就是一座真实的大桥，给学生讲桥梁的架构，每个地方该怎么去做。这就是把外部的社会资源、真实资源引入到课堂里的一种入境形式。又如美国哈佛大学的ecoMUVE课程，台湾科技大学的情景感知学习。再如，土木工程专业怎样进行情境教学？笔者去年到贵州交通职业技术学院试点评估时看到他们做的大数据实训中心。贵阳市所有的工地都安装了摄像头，这样做的目的有两个：第一，可以将工地实时情况远程反馈到学校的教室里，去做实地（教学）；第二，贵阳市所有建筑工程的管理局都可以监控到工地的情况。这就实现了教学和行政管理双受益。

四、未来学校是一所高度智能的学校
 

人类智能发展有三个阶段：计算智能、感知智能、认知智能，我们目前处于第二阶段。第二阶段的发展已经相对成熟，最典型的例子就是智能家居。例如美的的智能家居产品叫“小美”，“小美小美，请打开灯光。”“小美小美，请放一首张学友的歌。”这就是感知智能，也可称为“能听会说”。还有一种智能叫“能看会认”，例如利用人工智能批改学生作文，而且批改得比教师还详细。但是这种智能还处于比较低级的层面，没有达到能理解、会思考的层面，所以很多企业也在向这个方面突破。
 

关于人工智能对教育的变革，主要体现在三个层面：第一个层面，补偿性教育，面对的对象是特殊人群，满足特殊人群的学习需求，提升特殊人群生活的便利性，辅助特殊人群进行康复训练，等等。第二个层面，替代式教育，帮助教师完成一些常规业务，例如阅卷、作文批改、口语发音练习、纠错、测评等。第三个层面，即最高层面，适应性教育，包括学习分析、人机交互问答、学习资源精准推送等。这就是我们目前所讲的个性化的适应性教育，它真的懂你，做你的伴侣，做你的导师。
 

关于人工智能教育大数据的机器人，笔者认为它在学校场景的应用现在基本可以全球覆盖。在这个基础下，机器人和人一定要有分工协作，机器人可以做教书的工作，而人要做的是育人的工作；机器人做的是机械性、重复性的劳动，而人要做的是创新性、设计性的工作，这是人机协同的分工。
 

关于智能管理，有七个方面的管理业务（如图1）。目前已经有一些实际运用的案例，例如：清华大学的智能运维服务，清华大学的教室里有很多设备都是集中智能管控的。美国康涅狄格大学的校园IT安全，人们将所有的硬件和软件运行所产生的日志数据全放到日志大数据中心，通过系统的一套算法去识别是否安全，这也是通过日志大数据做校园管理的一个非常典型的例子。辽宁省交通高等专科学校利用大数据实现招生决策，利用大数据进行精准定位，选择出那些重点的、有可能报考他们学校的生源。然后通过数据分析出学生招来之后的成绩怎么样，经过专业培养之后，他的发展怎么样，然后去评价学校的培养质量，从入口到出口全过程监控。相关的例子还有华东师范大学的学困生餐饮预警系统，电子科技大学的学生画像系统，等等。　

五、未来学校是一所敬畏学习的学校
 

笔者认为，目前的教学范式基本可以分为三代。在农业、工业时代为经验模仿的教学范式，知识单向传递。上世纪四五十年代后，随着多媒体技术、电教技术的发展，我们进入了计算辅助教学范式，这种范式目前在国内基本上是常态化的。到了大数据时代，基于数据，我们可以做更加精准化的教育，也就迈向了数据驱动教学范式。在这样一种教学范式下，我们的学习总的走向是从浅层走向深层。但很多教师反映，现在的学生虽然擅长多任务并行处理，但他们对信息处理的深度远不如以前的学生。他们面对的世界是丰富多彩的，更多的是浅层学习。
 

关于深层学习，我们应该怎样去识别？笔者认为，有一个很重要的指标叫作行为。我们团队从课堂行为、认知行为和在线行为三个层面做了一个行为的编码，我们发现，深层学习与浅层学习在行为上是有显著差异的。首先，课堂环境下，深度学习者主动提问的频次要远远高于浅层学习者。浅层学习者被动地去应答，而一些深度学习者主动提问的意识是很强的。其次，在线行为中，深度学习者参与到课程教学当中评论文本的数量、发帖的评述、知识建构的层次，都远远高于浅层学习者。这种行为的差异，恰恰是导致学习结果差异的一个非常关键的要素。
 

关于深度学习，我们如何去评判？我们除了可以采集各种各样的数据去评判之外，还可以用传统的测量方法——做量表。我们团队研发了一个深度学习结果评价量表，大概有26道题（扫描右侧二维码）。该量表与Biggs等人编制的学习过程量表R-SPQ-2F相关系数为0.928，但题目却减少了很多。学生快速做完该量表，教师就可以发现学生知识层面深度怎么样，思维层面怎么样，情感层面怎么样，更有利于教师改进教学。

在教育研究方面，教育实证研究是很有必要的。教育实证研究怎么去做？重点关注哪些数据？笔者认为有三类数据需要大家关注：知识掌握数据、思维能力数据、交互情况数据。（如图2）如果能将这三类数据积累到用社会网络分析、独立样本T检验、行为模式分析等多种分析方法去做，教育工作者的研究一定会很棒。尤其对中小学教师来说，如果在给予教育实证研究的基础上去申报课题，那么你的论文录用率一定会大大提升，你的课题中标率一定会大大提升。　　

最后，笔者希望，教育工作者能够一起携手，用数据魔力共同塑造未来教育。