德威洞见｜以数据赋能我们的学生

上周，我们探讨了有关学生能动性在促进其身心健康方面所能够产生的积极作用，以及技术在提升这些机会方面所蕴含的潜力。本周，我们将探讨有关于技术在帮助师生以数据赋能学生这方面所扮演的角色，并理解学生在课堂之外的生活世界。

打破数据孤岛

通过将相关数据进行汇集，技术可以影响能动性以及共同能动性。这样的话，所有需要它们的社区成员都可以使用到这些数据，从而实现另一种可信赖的成年人与学生合作的方式。

能够连接数据是很有价值的，因为除了将 “外部”世界与学校隔开的物理围墙之外，数字系统之间通常还有虚拟隔墙。这些隔墙阻止了家长等相关群体有意义的访问，也阻止了不同资源之间的数据协同。

打破数据孤岛可以带来的好处就像是确保老师可以看到跨学科的学生数据一样显而易见。而这也可以是使用大数据以及机器学习技术进行更复杂的分析，以识别到人类难以观察到的模式。而这些由技术带来的新的洞察可以在后续的时间里开放给任何相关者在合适的情况下进行访问，然后大家可以借助这些洞察来造福学生。

通过他们自己的学习数据来进行学生赋能

通过数据，我们还有其他技术方式来增强学生的能动性。一种是通过更多的努力将学习数据交回学生自己的手中，这样他们就可以思考这些学习资料究竟是在教授什么。而通过这种方式，技术可以帮助学生从学习社区的被动成员转变为主动成员。

例如，许多学校通过给定一系列的输入，来使用标准化考试的数据来预估学生在未来几年内的进步。而老师与学校领导们通常会使用这些数据来跟踪学生的发展。而如今，学校可以通过构建简单的工具来将这些数据交到学生手中。我们可以通过帮助他们进行变量实验，来说明这些结论并不是确定性的。在做这样的事情时，学生会明白他们自己的行动可以对最终结果产生怎样的影响。我们可以帮助他们对变量进行实验，并反思这些结论如何不是确定性的。通过这样做，学生们了解到他们有能力通过自己的行动来影响这些结果（Bowen 2020）。而值得注意的是，在这个过程中，学生需要得到教育工作者和家长的支持和合作，才能够更好地理解这些数据的意义，并更好地进行思考。

相比这些，还有更多可以被立即获取的数据。比如说，我们可以考虑一下像微软PowerPoint中的Presenter Coach这样的简单工具，它可以“听”到教室里的讲话，并可以帮助学生和教师的演讲者学习。Presenter Coach目前已经成熟到可以识别所使用的语言中存在的性别偏见的情况，而这可能会影响学生如何接受他们所被教授的内容。还有一些工具可以分析整个课程记录。这些工具向教师提供反馈（有时是实时的），去复盘课堂所使用的语言的复杂性或某位发言者的发言时间。这些工具还可以反馈到哪些学生是最常进行互动或者回答问题的。我们如果能够把这样的数据很好地整合下来，并提供给并老师和学生，就很有可能对课堂反思、成长以及大家的自我效能感产生积极影响。

而在这里的共同主题是，我们是在持续产生数据的。我们应该认识到这一点，并利用技术帮助释放其中的价值，以造福于学生社区。

联结现实生活和学术世界

让我们再次回到关于消除障碍这个话题，在我自己作为一名教育工作者的职业生涯中，我已经不知道有多少次为了孩子们在超越课堂或者学术生活的——现实生活中的成就、兴趣、或技能感到大吃一惊。用我的两位偶像Cope教授以及Kalantzis教授（2009）的话说， “现实生活的差异属性构成了不同身份以及主观性的基础。这些属性是学生在每天的生活以及正式学习环境中的归属感以及其互动性的根本基础。“

这些重要的文化和个人因素有多少次是被留在了课堂之外？而这又对学生的学习、自我感知、能动性以及学生身心健康会产生怎样的影响？我并不是说，我们需要面面俱到。但目前我可以很确定地知道，一些浅显的有关于个人根本的科技已经出现鉴于此，作为教育工作者，我们应该去询问如何能够最好、最大程度地使用这些科技。

一种比较容易地可以使学校对学生的真实生活有所认知的方法是构建一些可以快速反馈学生身心健康的应用程序。这些方式开辟了新的、并且不怎么令人害怕的渠道，使学生可以在其中将他们对于很多话题的感受与可信赖的成年人进行分享。（Salakis, B. 和 McTaggart, R. 2020）。应用自然语言处理和情感分析可以获得比人类可以处理的数据量更多地数据；然后，自动化通过将需要仔细研究的潜在问题通知适当的人来触发关键的人工输入。如果学生在某个科目或课程中感到落后，可能是因为他们在之前一周中课程所使用的语言上遇到了困难，或者他们被老师不知道的“现实生活”中的事件分心了，这种方法可以识别出在其他情况下不能被识别出的学生的烦恼。然后，我们就可以进行相关干预。如果对于这个方面很感兴趣，我想要推荐播客AI in Education的第38集给你。

使用技术来促进个性化学习

考虑到这些现实生活的因素对在教育环境中学生身心健康的重要性，我们如何在有20 位或更多学生的班级中识别、整合并且适配这些不同的学生是一个很现实的挑战。如果不这样做，学生们可能会被看作是同样的人。而这，就可能导致参与感不强的学生感到自己并不被他们的老师看见或者知道。

在这种情况下，我们依然可以借助技术来实现更好的教学——比如说，老师和学生现在可以使用许多工具中常见的自动翻译或自动实时字幕功能。想想YouTube或Microsoft Teams，这对那些母语不是教学语言的学生来说很有用，同时它们也可以帮助那些有听力障碍的人。而不管是在上述哪一种情况下，技术都会对相关的学习机会和进展提供支持，并助力提升大家的自我效能感。

老师还可以将关键的知识录制下来，或以视频内容进行教学，使学生可以在课后对相关知识进行温习，并更好地理解他们在当时没有完全掌握或者忽视的内容。而智能机器人的“视频内搜索”这一功能可以对这一优势进行强化：学生可以直接跳转到录制内容中讨论某个特定概念的准确时点，以节省时间，并减少对错过重要资料的焦虑。技术不是灵丹妙药，但它可以帮助我们在一定程度上更好地适应学习者的变化，而这在以前是不现实的——我们想象一下，一群人类翻译站在每间教室里，准备好为三十种语言的学生提供支持，这会是一种怎样的场景！

但我们不能停步于小小的胜利。我们可以使用技术来建立更全面的学生档案，以帮助我们更好地了解我们的学生，以在最合适他们的地方与他们进行沟通。我们可以收集并汇总有关学生性格、兴趣和成长的信息，以减少我们对他们零散或者不全面的理解。学生能动性的关键是不仅老师可以看到数据，以代表学生作出决定；并且学生自己也可以看到这些数据，并据此作出选择和行动。毕竟，这是他们自己的数据和人生。当我们作为值得信赖的成年人将自己定位为学生们旅程中共同能动性的一部分时，这为个性化学习体验提供的潜力是巨大的。

同时，技术可以帮助我们超越个性化学习时面临的实际限制。我们并不是要批评那些在缺乏工具和数据的情况下没有选择的教师，而是鼓励大家要认识到，技术正在改变这样的情况。比如说，我们有工具可以在新学期或新学年开始前收集、总结并向每个伙伴细致地展示学生情况。然后，我们可以将这些学生与更有可能激发他们兴趣的主题和课题相匹配，从而为他们提供可能会更好地引起他们共鸣的选择。在这种情况下，我们不需要为此而创建全新的内容，而是可以使用工具来摘取内容、主题和相关资料，以最大化原有资料的效果。而这就意味着，教师不必在每个学期或每年从头开始重新编写新的、更相关的内容。

机器人还可以被用来整合个性化的学习资源和复习指南。这种指南是建立在学生与课程材料及评估的互动之上的，而这与我在学生时代收到的 "一刀切 "的复习指南大相径庭。如果实践得好，能够反馈学生学术能力以及个人生活世界的个性化经验，能够对学生能动性如果实现得好，我们有理由相信，这些既能反映学生学术经历又能反馈他们个人生活经历的个性化经验，能够对他们的能动性产生有意义的积极影响。

参考文献：

Bowen, D & Hickin, L. (2020). An Educators Perspective. AI in Education. Available at: AI Education Podcast:An Educators Perspective (aipodcast.education) (Accessed November 2021).

Bowen, D. (2020). AI, Security and Scale. AI in Education. Available at: AI Education Podcast: AI, Security and Scale with guests Mike Reading and Blake Seufert (aipodcast.education) (Accessed November 2021).

Cope and Kalantzis. (2009) On the Complexities of Diversity. Available at: https://newlearningonline.com/new-learning/chapter-5/supproting-materials/kalantzis-and-cope-on-the-complexities-of-diversity#:~:text=It%20is%20intuitive%2C%20instinctive%20and,bring%20to%20a%20learning%20setting.&text=The%20underlying%20attributes%20of%20lifeworld,basis%20of%20identity%20and%20subjectivity. (Accessed November 2021).

Cope and Kalantzis. (2020). The Digital Learner – Towards a Reflexive Pedagogy. Available at: https://www.researchgate.net/publication/343136868_The_Digital_Learner_-_Towards_a_Reflexive_Pedagogy (Accessed November 2021)

Cope and Kalantzis. (2020). The Digital Learner – Towards a Reflexive Pedagogy. Available at: https://www.researchgate.net/publication/343136868_The_Digital_Learner_-_Towards_a_Reflexive_Pedagogy (Accessed November 2021)

Gafney, L. and P. Varma-Nelson (2007), “Evaluating Peer-Led Team Learning: A Study of Long-Term Effects on Former Workshop Peer Leaders”, Journal of Chemical Education Research, Vol. 84/3, pp. 535-539, https://cpltl.iupui.edu/doc/Gafney%20and%20VarmaNelson_2007.pdf. (Accessed November 2021)

Greig, A. (2000), “Student-Led Classes and Group Work: A Methodology for Developing Generic Skills”, Legal Education Review, Vol. 11/81.

Hogan, K., B. Nastasi and M. Pressley (2000), “Discourse patterns and collaborative scientific reasoning in peer and teacher-guided discussions”, Cognition and Instruction, Vol. 17, pp. 379-432, http://dx.doi.org/10.1207/S1532690XCI1704_2. (Accessed November 2021)

Kellerman, D. (2020). Building a Community of Learners. Feb 5, 2020. Available at: Microsoft Innovate | Building a Community of Learners (Accessed November 2021)

OECD, The OECD Learning Compass 2030. Available at: Learning - OECD Future of Education and Skills 2030 (Accessed November 2021)

OECD, Student Agency for 2030. Available at: https://www.oecd.org/education/2030-project/teaching-and-learning/learning/student-agency/Student_Agency_for_2030_concept_note.pdf (Accessed November 2021)