首页 > 应试教育

20所中小学校入选！市教委公布教育大数据创新应用案例名单

应试教育 2024-03-25 14:00:14 56

近日，经单位申报、区级推荐、专家评审等环节，北京市教育委员会遴选出37个教育大数据创新应用案例，包括高校案例6个，市区级案例11个，中小学学校案例20个，具体内容一起来看——

附：经典案例

基于大数据的精准教

与个性化学实践

（首都师范大学附属中学）

向上滑动阅览

一、数据采集与个性化手册

学校在构建数据互联互融的个性化教学支持服务环境方面借助大数据和人工智能，实现随堂练习、课后作业、测验联考等多场景下学业数据的采集。自2017年3月至2023年11月，学校采集了3971场考试、作业的学业数据。其中期末考试232次、期中考试494次、月考737次、周考2894次。特别是部分年级学科实现了日常作业常态化使用以积累教学过程性数据。全学科多维度评价分析报告，精准展开教学分析。通过对教学数据的应用为我校教育管理者、教师、学生及家长提供基于知识点的教育评价服务，自动生成相应数据报告，大幅度提升了考后统计分析的效率。自2017年3月学校使用以来，累计生成3482份校级报告、3482份班级报告以及近31万份学生报告，用于教学指导。基于知识点的精准分析和资源推送，减轻老师负担。根据学生考试及练习数据，精准分析班级、学校知识点掌握情况，积累了具有附中特色的校本题库，并且能依托大数据和人工智能自动推荐推送相关的知识点拓展资源，大幅减短老师找寻举一反三资源的时间。个性化学习手册帮助学生少做题、做好题，有效提升学习效果。

并且值得一提的是现在不仅是附中本部，在北校区学业数据的采集和分析工作也已做到了不错的应用。我校北校区多学科都在没有任何行政命令的要求下，自发的运用自由出题、题库练习、学习任务等多种方式布置每天的作业和练习，并依托系统的大数据分析对每天的作业情况进行分析，及时得到从整个年级、学科的学习情况到每一名学生的知识点掌握情况的精准分析。这些学科不仅有数学、物理等传统的理科，也有英语、政治、历史、地理等文科。我们认为教师的自发使用说明了他们从中得到了实实在在的帮助，并且他们对这种决策支持在实际教学中产生的作用是认可的。

2023-2024学年第一学期北校区部分学业数据分析报告

目前个性化作业已经在初一到高三全面实现，老师布置考试作业500余次，建立校本卷库近1500卷，个性化学习手册已经为同学们推送近20000道题。已经形成了周三进行大练习、周四讲评试卷、周五布置个性化作业的完整学习闭环，真正实现因材施教与减负增效并行。从2019年至今校本题库共加工2148套，覆盖初高中全学段。自2018年10月使用个性化学习手册以来，由18年五个班级增加到目前初一和高三年级的全年级覆盖，期间帮助学生消灭了近8000道错题，帮助学生针对性掌握知识点近4000个。在2019届以来高三部分使用的学科，对成绩的提高产生了一定的帮助。

个性化学习手册

2022-2023学年学业数据评估数据

2022-2023学年学业数据采集情况

2023-2024学年第一学期部分学业数据分析报告

校本资源数据

二、精准课程与线上线下融合

在利用大数据探索新型教学模式以推动信息技术与教育教学实践的深度融合方面学校现有课程平台，初步实现附中特色四修课程体系即“基础通修”、“兴趣选修”、“专业精修”、“自主研修”有传统的线下教学模式向常态化线上线下相融合的教学模式的转变。学校结合原有的四修课程体系方案，结合线上平台的优势，综合进行整体方案设计，实现资源、课程与教学相统一。解放师生的时间、空间，促进学生个性化学习，提高师资复用率，扩大优质资源共享覆盖面，探索实践常态化、有深度的在线教学。尤其疫情期间加速了融合的速度，充分运用信息化手段开展线上学习，完成日常学校教学任务及学校教学管理工作，保障学校“停课不停学”，学校的线上教学整体方案走在了北京市的前列。自2016年学校开展在线教育教学探索以来，到目前为止学校已实现在线教育教学的有深度、成规模常态化应用，已初步积累了涵盖附中四修课程和成达教育全体系的在线课程。覆盖初中和高一年级、高二年级17个学科的基础通修课程200余门，覆盖高中所有学科的兴趣选修课程100余门，覆盖全校所有年级、学科的专业精修课程100余门，面向全校所有学生的自主研修和成达教育课程200余门，共计近800门各类课程，累计10000余章节、数十万小时，涉及500余名教师，4000余名学生。上传相关资源35000余个，时长12000余小时，开展在线课堂活动9000余次，师生讨论10000余次，在线参与选课学生140000余人次。学校现在已实现团课、选修课、竞赛课的常态化线上线下融合教学。

学校课程统计相关数据

数据监测

以高一年级红楼梦专业精修线上教学为例，《红楼梦》是古代经典名著，也是高考必考书目之一。高一学生是初读这部名著，其阅读难度也是可想而知。语文组老师共同商讨，决定线上录制《红楼梦中人》人物欣赏品评课程引领学生的阅读，激发学生的阅读动力和兴趣，陪伴学生坚持读完这部鸿篇巨制。

语文老师每人领一个专题，借助老师的力量，在学生和专家之间找一个契合点，利用平台数据分析，老师有选择的把专家的东西降低，达到学生的水平，和学生的兴趣以及认知进行勾连。

红楼梦专题阅读人物品评

学生利用慕课平台进行线上听课学习，系统有详细记录、并有笔记、讨论、考试，充分记录学习过程性数据，为教师掌握不同学生的精修程度提供支撑，以便更加精准的进行下一次的资料选择和制定学习计划。

线上阅读学习具体安排

《红楼梦》虽为北京高考名著，但绝大部分学生阅读的主动性并不强，如何引领学生走进《红楼梦》，似乎是摆在每个老师面前的难题。为了解决这一难题，语文组的老师通过设计系列活动激发学生自主阅读，取得了很好的效果。

学生讨论区留言互动

线上专业精修教学激发了学生分享阅读感受的热情，他们纷纷要求走上讲台，讲解自己心中的《红楼梦》，应学生要求，老师从每个班级各选了一名学生代表，录制《红楼梦》微课，在慕课平台展示，课程一经推出，收到震撼的效果，为《红楼梦》整本书阅读学习画上了完美的句号。

《红楼梦》之学生讲坛

课程学完后，通过图书馆中《红楼梦》一书的借阅量对比，2020年第一学期，比2019年第一学期，仅《红楼梦》上册这一种书的借阅量增长了3倍多。

《红楼梦》借阅量前后对比

随着大量成体系的教育教学课程线上开展，首都师大附中进行了部分线上教学平台学生学习行为数据采集，初步进行了线上教学平台学生行为数据与学习成效关联分析相关尝试，并最终实现线上教学平台学生行为数据分析结果的可视化，为学校的精准化教学和个性化学习奠定数据基础。

学习成效的关联分析主要是指根据线上教学平台用户的行为数据来分析学习者成效。利用大数据技术分析学习者在过往课程、在学课程上的表现，例如出勤、任务完成率、任务正确率等，归纳出学习者整体的学习成效以及存在的问题，并确定以后的改进方向。老师通过平台数据记录中的学生课程页面访问情况、视频观看情况、作业完成情况、讨论情况等四个方面与平时作业及格率、视频任务完成率及最终考核通过率之间进行关联分析。

初二语文学生观看情况

初二语文学生作业情况

初二语文学生成绩情况

首都师大附中通过在线平台涵盖“教、学、练、考、评”的学习全过程，每门课程都有学科教研组、备课组集体精心制作并不断完善的课程资源和题库，教师可以利用这些资源进行课堂活动、开展话题讨论、布置作业和考试，学生利用这些有针对性的资源既可以独立进行在线学习、完成作业和考试，也可以和教师或其他学习本门课程的学生一起参与课堂活动、开展讨论研究，从而实现在线教学的真正闭环。

高一语文学习全过程概况

科技赋能基础教育

探索朝阳数智教育应用

（北京市朝阳区教育科学研究院）

向上滑动阅览

（一）场景1：利用大数据生成学生个人学情画像，助力教师个性化辅导、因材施教

1.研究目标

教师在针对学生进行个性化辅导、因材施教时往往发现实施起来比较困难，原因如下：

（1）学生差异性大：每个学生的能力、学习中存在的问题、各章节知识掌握情况都会有差异，因此，需要花费更多的精力去理解每个学生，才能够进行因材施教和个性化辅导。

（2）规模性问题：在大规模的教学中，要做到精细化的个性辅导是非常困难的。如何在有限的时间和精力下，满足大量学生的个性化需求，是个很大的挑战。

（3）系统和技术支持：个性化辅导需要强大的系统和技术支持，包括学生信息管理系统、学习资源库、学习分析系统等。否则，教师的工作量会非常大，难以实现个性化辅导。

基于这一现状，通过智慧作业系统的大数据分析功能，希望能帮助教师做好学生个性化指导的同时，还保证不增加教师大量的时间和精力，真正实现帮老师减负，帮学生增效的双赢智慧。

2.实践内容

通过每次作业的提交，智慧作业系统会记录学生历次作业中的学情数据，为每位学生生成专属的知识图谱，为班级每个学生生成专属的个人学情档案。首先，教师可根据系统提供的数据分析，将学生进行分层，进而实施分层教学指导；其次，教师可以通过实时查看每个学生的专属学情，利用课后服务时间进行一对一个性化的培优或补差；第三，系统会根据学生的实际能力，通过大数据分析，为其生成个性化的指导手册，手册中对学生各章节知识掌握进行详细的说明，为学生找出薄弱知识点，并制定好专属的学习计划和学习内容，并配以知识切片视频作为学生的自主学习手段，帮助学生进行知识巩固。

3.系统截图

（1）学生分层

（2）学生个人知识图谱

（3）学生知识图谱底层数据

（4）个性化练习册

（二）场景2：利用大数据统计，助力教研组单元教研

1.研究目标

在进行各教研组的集体教研中发现，由于数据的不足，教研组很难对本年级或多年级的作业实施情况有具体清晰的了解，如典型错题，基础知识正答率，易错点分布等就导致教研组难以把控整体的教学质量，不能清晰反映出学生核心素养的落实情况，大单元教学教研活动难以高频开展。此外，由于缺乏有效的保存和共享机制，即使在教研活动中取得了一些成果，这些成果往往被忽视或遗失，更难形成连续性的动态参考。

基于此，鼓励教师常态化地使用智慧作业系统，不断积累学生学情数据，开展数据支持下的教研活动，以促进教研组活动的有效性，助力教研组单元教研。

2.实践内容

通过智慧作业系统，无需教师和教研组在教学过程中特意进行数据的收集和统计，系统可以将各班各科作业进行统计，按单元归集，进行完成度、正确率等信息的分析，为各位教师形成阶段性的学情数据报告，可用于组内的单元教研。从而将历次教研的成果能够有效地保存下来，可供组内共享。

3.系统截图

（1）各年级作业完成情况

（2）各班单元掌握度

（3）各单元知识点掌握情况

（4）各单元年级共性错题

北京联合大学数据服务

平台建设及创新

应用案例

（北京联合大学）

向上滑动阅览

一、成果案例一：服务于校园综合治理

学校的“联大e事通”平台（校园12345平台）是解决学生实际困难和思想困惑的重要渠道，是建设“有温度的大学”的重要体现。学生各类诉求通过该平台反馈，但以文本方式留存的诉求记录，不利于问题的回溯、诉求分析和整改。2023年以来，信息网络中心技术团队、学生处相关老师、“联大e事通”学生团队代表多次商讨，以数据化方式将学生接诉即办信息积累沉淀，在校大数据平台构成学情民意数据集。在此基础上，利用数据服务平台开发了诉求“统计报表”、“接诉工单”等丰富应用。同时在数据分析研判方面进行了智能化，开发了e事通运行监测报告（周报、月报）、运行监控中心数据大屏，直观提供各校区、处理小组接诉情况，展现热点问题，及时准确收集、反映学生诉求，形成不同类型的周报、月报，实现“用数据说话、用数据分析、用数据决策”，为学校治理精准化、精细化赋能。

学生事务服务中心的“联大e事通”

2023年9月“联大e事通”数据大屏截图

在数据服务平台上自动生成的“工作月报”

二、成果案例二：服务于学生管理

学生管理工作经常需要根据上级要求或学校管理要求报送各种统计表，每类报表计算指标不尽相同，涉及学生管理的人员、班级、奖惩、助贷、参军入伍、辅导员工作等多方面。近2-3年内学生处和信息网络中心共同探讨数据指标，定制报表样式，在数据服务平台上累积了100余张报表。2023年上半年，经过去重、精简和提升，报表数量浓缩至60余张，同时增加数据看板4套，基本满足辅助学生管理的需求。数据报表的快速准确呈现，提高了管理效能，打通了学生数据纵向贯通。