劉寧　余勝泉

[摘? ?要] 常態(tài)教學往往只關注學習者已有能力的差異，忽視學習者的發(fā)展?jié)撃埽灰讓崿F真正的因材施教。維果斯基提出最近發(fā)展區(qū)的概念，正是解決教學與發(fā)展的關系，并由此衍生出動態(tài)能力評估。然而，評估最近發(fā)展區(qū)需要采集大量學習者的數據作為支撐，傳統(tǒng)教學中由于缺乏對學習過程中的數據采集和分析手段，難以對學習者的最近發(fā)展區(qū)進行有效評估，也就難以支持精準教學。利用大數據技術對學習者在線學習數據有效采集和分析，為診斷最近發(fā)展區(qū)，促進精準教學提供了技術支持。文章提出學習者在學科概念理解過程中的最近發(fā)展區(qū)表征模型;結合動態(tài)能力評估理論，以學科素養(yǎng)—能力表現—核心概念為統(tǒng)一的編碼體系，計算學習者在不同能力維度的發(fā)展區(qū)間與能力表現的認知狀態(tài);結合一線教學實踐，歸納出基于最近發(fā)展區(qū)的精準教學之主要環(huán)節(jié)，以期為基于大數據分析與改進教學的實踐與研究提供借鑒。

[關鍵詞] 大數據; 精準教學; 最近發(fā)展區(qū); 智慧學伴; 個性化學習

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 劉寧（1983—），女，北京人。博士研究生，主要從事信息技術與課程整合、教育大數據、人工智能教育應用研究。E-mail：nini.mail@163.com。

一、引? ?言

聯合國發(fā)布《大數據促發(fā)展：挑戰(zhàn)與機遇》白皮書指出：“大數據時代已經到來，大數據的出現將會對社會各個領域產生深刻影響?！逼洹巴Α币矎娏业貨_擊著整個教育系統(tǒng)，正在成為推動教育系統(tǒng)創(chuàng)新與變革的顛覆性力量[1]。教育大數據的出現，必將對教學方式、學習方式甚至教育研究范式產生深遠影響。

教育大數據聚焦于每一位學生的微觀表現，記錄學習過程中產生的各種數據[2]。學生主體可量化，學習服務可定制，“因材施教”“個性化教育”，將在大數據時代迎來實質性進展;大數據背景下實現新型教與學方式，構建新型教學模式，將在參與真實的教學實踐中，為改進教學效果，變革課堂教學結構，發(fā)展學生的學科能力起到革命性影響。

二、常態(tài)教學問題缺失與歸因

教育系統(tǒng)包含學校教育、家庭教育、社會教育、終身教育等多個組成部分，但其最重要、最核心的是學校教育?！罢n堂教學”作為學校教育的主陣地，成為“學校教育”最重要、最核心的內容[3]。多年來的教育改革，使得教學理念、教學方式都產生了一定的改觀。然而，以班級為單位的傳統(tǒng)教育，教師面對人數眾多的學生群體，往往由于缺乏足夠的精力和時間去解答所有學生的問題，依然不能滿足對每個學生進行個性化的學習指導。當前教育存在的關鍵問題，即：教學過程往往忽略學生個性差異，忽視學生“最近發(fā)展區(qū)”的問題依然沒有從根本上得以解決，并最終反映在學習成績的缺失上[4]。

學習是如何發(fā)生的？由索耶教授主編的《劍橋學習科學手冊》開宗明義地指出：學習是在原有知識背景下發(fā)生，是對原有知識的利用。同時，學習科學研究得到的一些具體成果表明，提供有效的教學支持可以促進學習者更好地學習[5]。由此可見，在教學過程中，診斷學生的知識水平，并為之提供有效的教學支持是促使學習發(fā)生的兩個關鍵條件，何其重要。

從課堂教學視角進一步分析，全面了解學生的知識水平，不僅是教學得以展開的起點，更是教學目標制定、教學策略選擇、教學活動設置的重要依據。隨著課堂教學的逐步深入，學生的知識水平不斷變化，提供適當的支持可以幫助學生填補已知和未知之間的空缺。對于促進深層學習需要提供哪些支持，伍德（Wood）等引用的支架概念（Scaffolding），描述兒童如何在更有知識的人的幫助下分享和解決問題，有效的腳手架通過提供提示與線索來幫助學生自己解決問題。這一思想借鑒了維果斯基（Vygotsky）學習發(fā)生在最近發(fā)展區(qū)（Zone of Proximal Development， ZPD）的觀點。維果斯基認為最近發(fā)展區(qū)是學習者獨立解決問題的實際發(fā)展水平，與在教師指導下或與能力更強的同齡人合作的潛在發(fā)展水平之間的距離[6]。因此，要使教學有的放矢，瞄準教學的“靶心”，在學生最近發(fā)展區(qū)內提供滿足學生真正需求的教學支持，是實現因材施教的關鍵（如圖1所示）。

要使教學有的放矢，還需考慮影響教學的若干因素，比如：已有知識水平、知識遺忘、學習風格，認知與元認知技能、情感態(tài)度等。那么，在一定學科領域，如何表征、計算學生在理解學科核心概念的過程中，其能力發(fā)展水平的最近發(fā)展區(qū)或教學敏感區(qū)？如何把握最佳的教學時機，為學生提供最佳的學習指導？成為基于學生最近發(fā)展區(qū)開展精準教學的關鍵問題。

三、最近發(fā)展區(qū)的意義及診斷

1930年前后，維果斯基首次提出最近發(fā)展區(qū)這一概念，為揭示學生認知發(fā)展過程及個性差異提供理論基礎，為教學促進學生發(fā)展提供重要啟示。

（一）最近發(fā)展區(qū)及其對教學的意義

1. 對診斷個體當前及潛在認知水平的差異具有明確指導意義

維果斯基提出最近發(fā)展區(qū)概念時，正值歐洲智力測量的流行時期。維果斯基認為靜態(tài)的智力測量僅僅顯示智力發(fā)展已有水平，忽視智力潛在發(fā)展過程，沒有顯示能夠表征潛在發(fā)展的敏感指數（Sensitive Index）。對于一個處于特定領域的兒童來講，最近發(fā)展區(qū)可能非常狹窄，這表明兒童還沒有準備好達到更高的水平。對于同一領域的另一個兒童，或者在另一個領域的同一個兒童，這個區(qū)域可能會更廣泛，表明在適當的輸入下，兒童的表現會比他目前的水平要高得多。因此，這一思想對兒童當前和潛在水平之間差異的診斷具有明確的指導意義[7]。

2. 基于最近發(fā)展區(qū)開展教學的啟示

維果斯基曾說，好的教學是走在發(fā)展的前面。教學目標的制定應關注兒童發(fā)展區(qū)域的上界（Upper Bound），關注學生在外界幫助之下能夠達到的水平，學生才能在恰當的引導下取得先前沒有預見的成功。傳統(tǒng)的智力測試，沒有直接提供測試者所能達到的最佳水平（Optimal Level），這正是教學設計者非常感興趣的。教學依賴于學生從“不成熟”到“成熟”的過程，而這些過程的整個區(qū)域都被學生的ZPD所包圍，因此，在每個年齡段，小組和每個孩子的最佳學習時間都是由他們的最近發(fā)展區(qū)決定的[8]。Ferrara等人提出，設計特定領域的動態(tài)學習檔案，包括系統(tǒng)分級提示和遷移任務控制，會很有效果。因此，教師在教學敏感區(qū)或最近發(fā)展區(qū)發(fā)揮作用，不僅需要提供最佳的學習情境，還要設置恰當的促進學生理解的活動[9]。

3. 最近發(fā)展區(qū)對教學實踐的重要意義得到腦科學證實

在特定領域內，基于認知能力的最近發(fā)展區(qū)進行及時、及早干預有利于兒童的認知發(fā)展[10]。在教學過程中，根據最近發(fā)展區(qū)的思想，教師需要依據學生已有認知水平和潛在認知水平確定適宜的教學目標，學生通過適當努力能夠得以實現。目前，這一教學假設得到腦科學的實證研究[11]，該研究提出教學過程的“預測—傳遞”模型，在師生互動的過程中，教師如果能夠對學生的知識水平進行動態(tài)、實時的預測，以此形成恰當的知識表征，然后師生間再進行有效的知識傳遞，當這些過程成功進行時，知識將從教師傳遞給學生，否則，傳輸將會失敗?？梢姡處煂W生潛在認知過程的預分析更有助于知識的傳遞。

（二）最近發(fā)展區(qū)的診斷

1. 由最近發(fā)展區(qū)診斷衍生動態(tài)評估

自比納1905 年編制世界上第一個標準化智力測驗起，智力測驗就一直備受關注并存有爭議，它只是“靜態(tài)地”反映個體發(fā)展的結果[12]。動態(tài)評估（Dynamic Assessment）是由維果斯基的同事Luria（1961）基于“最近發(fā)展區(qū)”理論提出的用以探查兒童潛在發(fā)展水平的測驗方法[13]，又稱學習潛能評估（Learning Potential Assessment）、交互測試/評估、最近發(fā)展區(qū)域的測量[14]等。該測試方法是在評價過程中通過評價者和學生的互動，探索和發(fā)現學生潛在發(fā)展能力的一系列評價方式的統(tǒng)稱[15]。

2. 動態(tài)評估的兩種取向

依據對最近發(fā)展區(qū)概念的不同理解，將其歸納為兩種動態(tài)評估觀[16]：整合教學的評估和整合評估的教學（見表1）。第一種觀點認為最近發(fā)展區(qū)作為學習者的個體特征可以測量，并在不同的教學情境保持一定的穩(wěn)定性。第二種觀點認為，評估發(fā)生在最近發(fā)展區(qū)內，學習者與教學情境的相互作用創(chuàng)造了最近發(fā)展區(qū)。

3. 基于動態(tài)評估分析最近發(fā)展區(qū)的問題

對上述動態(tài)評估的兩種取向進行批判性的審視：第一，動態(tài)評估僅僅提供了最近發(fā)展區(qū)的寬度，需要基于大數據分析，進一步探究最近發(fā)展區(qū)的表征及其影響因素。第二，區(qū)域測量以及方法論上的困難[17]，需要實證研究的支持，通過匯聚與學習者相關的認知過程信息，選取數據建模方法計算最近發(fā)展區(qū)，對構建與驗證評價的效度更有意義。第三，動態(tài)評價需要在評價過程中與學習者進行互動、干預，人力成本和時間成本相對較高。如何借助大數據將自然學習過程自動嵌入動態(tài)評估過程，將對教學實踐產生更大的研究價值。第四，目前，動態(tài)評估大部分應用在認知的特殊領域，如何應用到真實的教學場景，使其成為評價、改進教學的重要依據，需要引起教育研究領域的極大關注。此外，上述動態(tài)評估的兩種觀點盡管存在著差異，但在教育實踐中，應該將兩種觀點相互融合。

（三）大數據支持下嵌入學習過程的動態(tài)評估

大數據技術的介入為破解動態(tài)評估的問題提供更多可能，使得嵌入學習過程的動態(tài)評估將成為一種新的評估取向。主要體現在以下四個方面：

1. 評估數據從單一樣本類型轉向多模態(tài)數據融合

評估數據突破傳統(tǒng)教學中缺乏對數據進行采集和分析的手段，難以對學習者學習過程的最近發(fā)展區(qū)進行有效評估。大數據技術的發(fā)展，可以采集學生有效、全面的多模態(tài)學習過程數據，融合多種學習行為數據對學習者的認知結構進行分析和評估，為診斷學習者最近發(fā)展區(qū)提供數據樣本。

2. 評估目的從結果導向轉向優(yōu)化教學過程

評估目的從學習結果向分析與優(yōu)化學習過程轉變，突破學情分析關注學習者已有認知水平單一維度的靜態(tài)分析，促進對學生潛在認知發(fā)展過程的動態(tài)分析，對學習者認知過程的問題發(fā)現與甄別。為教學提供諸如合理安排課程進度、難度等更多認知過程信息，發(fā)揮動態(tài)評估在課堂教學情境中更大的功能與價值。

3. 評價內容從知識技能的質性描述轉向認知結構的多元量化表征

評價內容不僅是學習者認知結果的一般性描述，還包括學習者認知結構的精準診斷;不僅是學習者學科知識技能的質性描述，還包括學習者學科能力素養(yǎng)的多元量化表征。對學生認知特征的精準刻畫，突破教師提供的學習支持憑借主觀臆斷，實現學習支持的科學、有據。

4. 評價過程從標準化線性評價轉向嵌入課堂學習過程評價

隨著課堂教學逐步展開，師生交互過程將產生異于課前預設的學習效果，形成生成性課堂教學的新形態(tài)[18]。大數據技術改變評估內容和干預模式標準化、腳本化程式，將評價嵌入教學過程，教學評價指向學生知識理解、應用實踐、創(chuàng)新遷移的整體認知結構，如圖2所示。識別學習者處于信息加工不同階段（輸入、加工、輸出）的最近發(fā)展區(qū)，隨后針對性干預、檢驗，如此循環(huán)，實現“評—學—教”相互融合與統(tǒng)一。

四、最近發(fā)展區(qū)的表征與計算

當學習者置身于特定的教學場景與任務中，需要精準定位其個體能力發(fā)展的可能區(qū)間才能為其提供最有效的學習支持。在學科領域，探討學習者基于核心概念學習的最近發(fā)展區(qū)的表征、量化及可視化，為教師選擇最佳教學時機提供適宜教學干預提供重要依據。北京師范大學未來教育高精尖創(chuàng)新中心研發(fā)智能交互公共服務平臺智慧學伴，平臺構建了學科素養(yǎng)與能力表征模型，依據學科素養(yǎng)—能力表現—核心概念的統(tǒng)一編碼設計學科能力診斷工具，為刻畫個性化的動態(tài)學習過程，量化學習者學科領域最近發(fā)展區(qū)提供重要的診斷框架和數據支撐。

（一）學科素養(yǎng)與能力表征模型

學科素養(yǎng)與能力表征模型，為開展學科能力發(fā)展的過程性、常態(tài)化的追蹤研究以及為評估學習者最近發(fā)展區(qū)提供診斷框架。

1. 基于學科核心素養(yǎng)構建學科知識圖譜

智慧學伴基于學科核心素養(yǎng)厘清了若干核心概念，構建了各個學科的知識圖譜。核心概念是指在學科知識體系中占有核心地位的“大概念”，統(tǒng)攝了若干密切相關的子概念群，并且核心概念之間通常具備知識鏈接的邏輯關系[19]。如圖3所示，呈現的是數學學科核心概念知識圖譜及編碼。其中，數與代數為一級知識主題，數與式、方程與不等式、函數為二級知識主題，在數與式中，創(chuàng)建了有理數、實數等7個核心概念，各個層級的知識主題和相應的核心概念都進行統(tǒng)一編碼。

五、基于最近發(fā)展區(qū)的精準教學實踐

基于最近發(fā)展區(qū)開展精準教學，聚焦學習者的最近發(fā)展區(qū)這一核心問題，全面收集學習者學習過程數據，精準評估學習者潛在能力范圍的學科能力與素養(yǎng)。依據學習者最近發(fā)展區(qū)，在課堂教學過程設計精準的教學與干預策略;通過檢測階段性學習成果，精準反饋學習者能力素養(yǎng)的達成情況，針對處于最近發(fā)展區(qū)內卻未能達成的能力素養(yǎng)，開展精準補償學習與個性化輔導;最終促進學習者跨越能力素養(yǎng)的最近發(fā)展區(qū)達到潛在發(fā)展水平?；谧罱l(fā)展區(qū)的精準教學包括以下幾個核心環(huán)節(jié)：

（一）精準診斷學生最近發(fā)展區(qū)

教師根據所講授的核心概念及教學內容，依據“學科素養(yǎng)—能力表現—核心概念”為表征與統(tǒng)一的編碼體系編制微測題目，通過收集、分析學生測試數據及學習過程數據，診斷學生個體與群體在學科領域基于概念理解的最近發(fā)展區(qū)，分析出學生已經達到的能力表現、潛在發(fā)展的能力表現、尚不能達到的能力表現。

（二）基于最近發(fā)展區(qū)確定課堂教學問題

基于學習者最近發(fā)展區(qū)精準確定教學問題，將診斷結果作為教師確定教學目標、教學重難點及教學內容的客觀依據。避免因教學目標制定過低而脫離學習者的實際水平，以及因教學目標制定過高而超過學習者潛在發(fā)展水平的無效學習。分析學生潛在的知識水平與能力表現，不僅是對學生已有知識與能力的了解，更是對學生能知、潛知、未知的知識與能力范圍具有清晰的認識。

（三）課堂上采取適宜的教學策略

教師在課堂教學中依據學生的發(fā)展點設計適宜的教學策略。對于創(chuàng)新遷移等較難突破的教學內容，可以采取探究活動的形式，依據群體與個體ZPD考慮情境性和復雜性，基于學生ZPD進行異質分組，在同伴間協作解決問題過程中，教師適時給予必要的學習支架。依據支架策略提供一對一支架和群體支架，以解決學生個體與班級群體的問題。

（四）課堂結束前診斷最近發(fā)展區(qū)達成情況

在課堂教學結束之前，教師依據教學內容以及學科素養(yǎng)—能力表現—核心概念表征與編碼體系編制相應的測試題，對學習者概念學習過程中，其能力素養(yǎng)的最近發(fā)展區(qū)達成情況進行學習檢驗，反饋結果作為下一階段精準教學輔導的依據，實現將診斷評價嵌入課堂教學，促進教—學—評深度融合。

（五）課后進行精準補償性教學

針對學習者最近發(fā)展區(qū)內未達成的能力表現進行精準補償性學習，促進學習者潛在發(fā)展。可以采取教師面對面的針對性輔導、雙師在線輔導、利用智能學習平臺推薦適應性學習資源等不同補償性學習形式，以激發(fā)學習者概念理解過程中，在知識理解、應用實踐、創(chuàng)新遷移多維度縱深發(fā)展。

六、總結和啟示

因材施教不僅關注學習者已有認知能力，更要關注學習者認知發(fā)展過程，尊重個體差異和個性化需求，遵循教育規(guī)律和學習者認知發(fā)展規(guī)律的課堂教學，在大數據時代被賦予新內涵。最近發(fā)展區(qū)的重要思想很好地闡述了教學與發(fā)展的關系。以往的研究較多聚焦于最近發(fā)展區(qū)的意義及應用，結合教育學、心理學與計算機科學，探索最近發(fā)展區(qū)的表征與計算，將是對現有研究范式的一種創(chuàng)新?；谧罱l(fā)展區(qū)的評估，以學習者認知發(fā)展的視角，從對學習者現有能力的靜態(tài)評價，轉向對學習者發(fā)展?jié)摿Φ膭討B(tài)評價;對學習者能力單一片面的評價方式轉向多元全面的評價方式?；谧罱l(fā)展區(qū)的精準教學，為教師設計、調整及改進精準且有梯度的教學，滿足因人而異的學習提供一種新思路：從注重學習者的知識獲得，走向注重學習者的學科素養(yǎng)發(fā)展;從基于相對孤立知識點的講授，走向基于主題的系統(tǒng)教學觀的建立;從基于學習者已有靜態(tài)水平的知識建構，走向基于學習者動態(tài)發(fā)展區(qū)的知識建構。教師在學習者最近發(fā)展區(qū)內，搭建適宜的學習支架以最大化激發(fā)學習者的發(fā)展?jié)撃堋Ｍ瑫r，期望基于最近發(fā)展區(qū)的精準教學能夠從多方面展開實證研究，對課堂教學實踐產生有意義的影響。

[參考文獻]

[1] 楊現民. 發(fā)展教育大數據：內涵、價值和挑戰(zhàn)[J]. 現代遠程教育研究， 2016（1）：50-61.

[2] 余勝泉， 李曉慶. 基于大數據的區(qū)域教育質量分析與改進研究[J]. 電化教育研究， 2017， 38（7）：5-12.

[3] 何克抗. 如何實現信息技術與學科教學的“深度融合”[J]. 教育研究， 2017（10）：88-92.

[4] 姜強. 個性化自適應學習研究——大數據時代數字化學習的新常態(tài)[J]. 中國電化教育， 2016（2）： 25-32.

[5] KEITH S R. The Cambridge handbook of the learning sciences[M]. London： Cambridge University Press， 2006.

[6] VYGOTSKY L S. Play and its role in the mental development of the child[J]. Play： its evaluation and development， 1976， 7（3）： 6-18.

[7] CAMPIONE J C， BROWN A L， FERRARA R A， et al. The zone of proximal development： implications for individual differences and learning[J]. New directions for child & adolescent development， 2010， 1984（23）： 77-91.

[8] GUK I， KELLOGG D. The ZPD and whole class teaching： teacher-led and student-led interactional mediation of tasks[J]. Language teaching research， 2007， 11（3）：281-299.

[9] VYGOTSKY L S. Critical assessments[M]. London and New York： Routledge， 1999.

[10] HAYWOOD H C， TZURIEL D. Applications and challenges in dynamic assessment[J]. Peabody journal of education， 2002， 77（2）： 40-63.

[11] ZHENG L， CHEN C， LIU W， et al. Enhancement of teaching outcome through neural prediction of the students' knowledge state[J]. Human brain mapping， 2018， 39（7）：3046.

[12] 張麗錦， 陳亮， 方富熹. “兒童認知發(fā)展水平診斷工具”動態(tài)測驗的初步編制與應用[J]. 心理學報， 2011，? 43（9）： 1075-1086.

[13] POEHNER M E， LANTOLF J P. Bringing the ZPD into the equation： capturing L2 development during Computerized Dynamic Assessment（C-DA）[J]. Language teaching research， 2013， 17（3）： 323-342.

[14] GRIGORENKO E L， STERNBERG R J. Dynamic testing[J]. Psychological bulletin， 1998， 124（1）： 75-111.

[15] GRIGORENKO E L. Dynamic assessment and response to intervention： two sides of one coin[J]. Journal of learning disabilities， 2009， 42（2）： 111.

[16] ALLAL L， DUCREY G P. Assessment of-or in-the zone of proximal development[J]. Learning and instruction， 2000， 10（2）：137-152.

[17] MINICK N. Implications of vygotsky's theories for dynamic assessment. dynamic assessment： an interactional approach to evaluating learning potential[M]. New York：Guilford Press， 1987

[18] 劉寧， 王銦. 生成性學習支架設計與實施[J]. 中小學信息技術教育， 2017（3）： 51-55.

[19] 王磊， 支瑤. 化學學科能力及其表現研究[J]. 教育學報， 2016， 12（4）： 45-45.

[20] 綦春霞， 何聲清. 基于“智慧學伴”的數學學科能力診斷及提升研究[J]. 中國電化教育， 2019（1）： 46-52.

[21] GREDLER M E， Understanding vygotsky for the classroom： is it too late？[J]. Educational psychology review， 2012， 24（1）： 113-131.

[22] POEHNER， MATTHEW E. Dynamic assessment： fairness through the prism of mediation[J]. Assessment in education： principles， policy & practice， 2011， 18（2）：99-112.

[23] KOZULIN A， GARB E. Dynamic assessment of EFL text comprehension[J]. School psychology international， 2002， 23（1）： 112-127.

[Abstract] Normal teaching usually only focuses on the differences of learners' existing abilities and ignores their development potential， which makes it difficult to teach students according to their aptitude. Vygotsky has proposed the concept of the Zone of Proximal Development， which addresses the relationship between teaching and development and leads to dynamic ability assessment. However， to assess the Zone of Proximal Development requires the acquisition of a large amount of learners' data as support. In traditional teaching， due to the lack of data collection and analysis tools in learning process， it is difficult to effectively evaluate learners' Zone of Proximal Development and then to support precision teaching. Using big data technology to effectively collect and analyze learners' online learning data provides technical support for diagnosing the Zone of Proximal Development and promoting precision teaching. This paper proposes a presentation model of the zone of proximal development in the process of learners' understanding of subject concepts. In combination with the theory of dynamic ability assessment， the development interval and cognitive states of learners' competence performance in different competence dimensions are calculated based on the unified coding system of subject accomplishment， competence performance and core concept. Based on the front-line teaching practice ， this paper summarizes the main steps of precision teaching based on the zone of proximal development， in order to provide reference for the practice and research of teaching based on big data analysis and improvement.

[Keywords] Big Data; Precision Teaching; Zone of Proximal Development; Smart Learning Partner; Personalized Learning