运用大数据构建“互联网+教学测评管”家校共育新机制

近年来,促进县域义务教育均衡发展,进一步提高教育质量,一直是教育改革的热点和难点问题,也是促进教育公平的关键所在。如何推进城乡一体化优质均衡发展?如何推动教与学模式变革?如何解决学生学习低效、学习深度不够、主动性不高等问题?如何依托教育信息化减负增效提高质量……为有效探索上述问题的解决路径,在全面调研、综合分析的基础上,按照理念引领、试点先行、以点带面、整合推进的方式,淄博市教育局提出了运用大数据理论构建“互联网+教学测评管”家校共育新机制。

一、“互联网+教”:构建网络教研新模式,实现智慧资源共建共享

淄博市教育局在推进教育信息化过程中,着力于信息技术与学科的深度融合,借助技术解决教学难点和重点问题,有效激发了学生的学习兴趣和积极性。课堂由教师主导的教转变为学生自主的学,变革了传统的教学流程、教学策略和教学模式。

教学模式变革对教师专业素养提出了较高的要求。为整体提高教师专业水平,推进数字资源共建共享,从2008年开始,淄博市制订了学科网络教研系统建设方案,明确提出将“网络视频教研”系统建设作为加快教育信息化、推进城乡教育优质均衡发展、提高基础教育质量的一项重要举措。“网络视频教研”有效解决了研修、异地互动交流等问题,将各类教学研究、培训等活动进行整合,参与人员可以通过视频系统清晰地看到教研员现场讲座的情景,即时提问、即时交流研讨,使偏远学校教师不出校门就可以参与各类活动,做到教研、教学两不误。

张店区教研室成立了历史青年教师研修团队,采取“个人研修、小组研修、集体研修三个层次互相支持,现实研讨与网络交流相互结合”的研修策略,以网络平台为载体,对教研活动进行深度改造,开展了一系列团队研修活动。网络教研使一对多、多对多的及时研讨、头脑风暴、资源共享成为可能,使教研活动介入教学全程,贯穿在教师教学设计、教学实施、教学反思、教学评价的各个环节,可以长流水不断线地与教学同步进行,也增强了教师参与教研的自主性、回应解决问题的及时性和实现互动交流的广泛性,是教师专业发展的有效助推器。

为保障网络教研运行效果和质量,淄博市教育局逐步建立完善了网络信息发布的层级审核制、市学科教研员负责制、网络视频教研主讲教师资格审查制、教研内容预审制、网络教研工作规划反馈机制以及网络教研三级落实机制等一系列规章制度,确定了制订计划、确定主讲人员、互动讨论、资源共享、动态完善的网络教研流程,确保了网络教研常态化、规范化和高水平、高质量运行。

据统计,义务教育段每学年组织网络教研40余次,100多位教师担任主讲教师,近6万人次参与网络教研活动。网络教研实现了全员参与,提高了教研成效,教研引领作用显著增强。义务教育阶段形成了涵盖21个学科共122个视频教研资源,加上学前与高中,共有538个视频教研资源,而且资源数量每年都在稳定增长,最终实现知识体系全覆盖。

二、“互联网+学”:探索具有特色的全域性BYOD数字化学习模式

自2006年开始,淄博市中小学不断探索“一对一”数字化学习、BYOD数字化学习等课堂教学实施策略。2014年,BYOD数字化学习已拓展到中小学各个学段和所有学科。目前,全市173所中小学595个班30000余名学生开展BYOD数字化学习。我市中小学探索形成的BYOD数字化学习课堂主要流程如图1所示。

图1BYOD数字化学习课堂流程

(一)以真实问题情境引发学生主动获取知识

(二)搭建多种“脚手架”,促进知识的深度理解

(三)以创意作品的方式完成学习迁移,实现知识增量

创作的本质是学生用自己的方式组织外在信息,表达自己的观点与思维方式;作品是学生思维和知识水平的外在表现,因此学生创作的作品是对知识理解和应用的直观体现。在BYOD环境下,学生可以利用平板电脑的绘画、照相、视频录像和编辑等功能收集和处理材料,创作较为复杂和完整的作品,展示其对所学知识的二次加工和创造的成果,完成增量学习。淄博市每个假期都会组织学生进行绘本阅读与创作活动,我们为学生免费提供线上阅读资源,让个性化阅读和创作随时发生。仅2017年,全市小学生绘本阅读量达330多万本,创作的优秀创作作品共4563件。其中,柳泉小学郝思嘉创作的绘本《我爱平底锅》,点击量超过3.65万次。

三、“互联网+测”:区县加强作业管理、优化作业设计

中小学生课业负担过重,城乡之间、校际间作业质量不高不均衡,如何通过作业了解学生知识点的掌握程度等问题一直是困扰教师的老大难问题。鉴于此,2016年淄博市教育局启动了“基于‘互联网+’环境下的中小学优化作业设计与管理研究”,以课题研究为载体,以区县为单位组建了各学科作业研究团队开展研究活动。

这项研究的目标是控制作业数量,提高作业质量,减轻学生过重课业负担,实现作业大数据分析和可视化精准指导。在研究过程中,我们采取严格的质量监控及评价反馈跟踪机制,由各区教研员牵头组建骨干团队,通过优胜劣汰的方式,建成了覆盖小学语文、数学,初中语文、数学、外语、物理、化学等各学科分单元、分课时的优质作业资源库。借助移动终端实现作业审核、推送、提交、批改的网络化和学生作业的大数据分析,学生在线提交作业,教师在线批改作业、在线数据分析、统计作业质量,精准把握学情,极大提高了学习成效。2016-2017学年度第一学期,优化作业项目就有3686名教师布置3.7万次线上作业,总题量近40万道,7.8万名学生提交作业数92万次。

同时,该项目实现了对学生学习进行过程性评价与管理,通过网络及时将信息数据传送给家长,让家长了解学生知识点的掌握情况,以家校合作的方式对学生进行个性化指导。学生还可以在网上建立错题集,及时发现知识结构中的薄弱环节,对错误较多的知识点进行有针对性的矫正与补偿。优化作业设计项目实现了作业布置和管理的科学性、多样性、发展性,促进了课程资源开发与建设,提高了教师作业开发设计能力,对于减轻学生过重课业负担,促进城乡教育均衡发展起到了积极作用。

四、“互联网+评”:中小学学生家长教师全员参与教育满意度测评

测评是进一步深化全市教育质量评价改革,优化区域教育质量和学校教育质量评价内容体系的重要措施之一。为完善区县教育现代化建设测评系统,充分尊重学生这一教育主体和家长、教师对学校教育发展的知情权、参与权和监督权,淄博市教育局借助移动终端,连续三年开展了面向淄博市中小学生、家长和教师的全员化教育满意度测评。

测评工作按照信息化、全员化、可视化、准确化的要求组织开展,努力凝聚共识,办好人民放心满意教育,形成家校共育合力,促进全市教育科学、健康和可持续发展。测评范围为全市普通中小学在籍在校学生及其家长、全体教师。测评对象为全市所有普通中小学校(含民办学校)。测评问卷分为学生问卷、家长问卷和教师问卷三类,学生和家长问卷涉及对学校、班级、学科教学、师德水平、课业负担、宿舍食堂等方面的评价;教师问卷涉及对学校办学水平、办学思想、考核评价和专业发展等方面的评价。2017年,全市家长、学生参评53万人次,参评率达99.82%。小学、初中、高中满意度分别达89.87%、92.36%、97.24%。

为深化结果运用,市区教育部门及学校对测评结果进行数据挖掘分析和可视化呈现,分析到每一个区县、每所学校、每个班级、每个学科,形成中小学分析报告574份,梳理出学生、家长和教师等不同层面的各类问题5200余个。我们坚持问题导向,制订了整改方案,责成限时整改,实现了对区县和学校教育的科学评价和精准指导,切实发挥了教育满意度测评的导向和督促作用。

图2精彩纷呈的3D打印课堂

五、“互联网+管”:实现教育管理、教学、学生综合发展的科学评价和精准指导

我们系统构建了教、学、测、评、管各类数据库,通过大数据分析和可视化呈现实现对区域基础教育管理、学校教育教学和学生综合发展的科学评价和精准指导,促进家校共育系统化、常态化。目前,我市已初步构建起了学籍大数据、教师队伍大数据、调研大数据、活动大数据、评教大数据、评价大数据、课堂大数据、阅读大数据、作业大数据、质量数据等数据库。在教学测评管新机制的建立过程中,每个环节都以家校共育为途径、渠道、手段、目标,以求实现每个过程每个环节的家校共育。我们进一步完善以区县教育现代化建设测评、高中优质特色发展考核、中小学满意度测评为重点的“互联网+”教育管理评价项目应用,继续深入探索推进“互联网+”德育、“互联网+”家庭教育等工作,逐步探索完善“互联网+”教学测评管家庭共育新机制,努力凝聚家校共育合力,促进形成学校、家庭、社会密切配合、协同育人的良好格局。

在“互联网+教学测评管家校共育”新机制的引领下,我们通过平台建设、教育资源建设、网络教研实现城乡教师智慧、资源共建共享共成长,网络化作业设计与管理实现城乡学生作业均衡,实现城乡优质资源共享,有力地促进了城乡教育优质均衡发展。淄博市教师的信息化素养、专业化素质得到整体快速提升,学生综合素质全面提高,开创了全市基础教育健康、和谐发展的新局面。

THE END
1.增量学习~~先前绝大多数增量学习方法均高度依赖于标签数据集,这必然会限制增量学习技术在实际生活中的应用。因此,本文将从高效标签的角度出发,以一种崭新的视角,带领大家从零开始踏入增量学习领域。 在本文的开始,我们会向大家介绍的介绍下引入增量学习的必要性,继而引出最新的三种能够有效利用有效标签数据范式的增量学习方法,包括https://blog.csdn.net/weixin_30219613/article/details/141005356
2.万文长字总结「类别增量学习」的前世今生开源工具包类别增量学习旨在从一个数据流中不断学习新类。假设存在B个不存在类别重合的训练集 , 其中 表示第 b 个增量学习训练数 据集, 又称作训练任务 (task)。 是来自于类别 的一个训练样本, 其中 是第 b 个任务的标记空间。不同任务间不存在类别重合, 即对于 https://cloud.tencent.com/developer/article/1972629
3.概念:增强学习增量学习迁移学习增量学习技术(incremental learning technique)是一种得到广泛应用的智能化数据挖掘与知识发现技术。其思想是当样本逐步积累时,学习精度也要随之提高。 增量学习(Incremental Learning)是指一个学习系统能不断地从新样本中学习新的知识,并能保存大部分以前已经学习到的知识。增量学习非常类似于人类自身的学习模式。因为人在https://www.jianshu.com/p/0b874af3e4da
4.增量学习美国计算机科学家罗比·波利卡给增量学习算法给出的定义十分精准,他认为一个理想的增量学习算法应该具备以下五个特征:1.能够从新数据中学习新知识;2.以前处理过的数据无需重新处理;3.每次学习过程中只需处理一个训练观测样本;4.能够在学习新知识的同时,保留已学到的大部分旧知识;5.一旦学习完成,处理过的训练样本https://www.xakpw.com/single/33704
5.增量学习机器之心增量学习早在1986年就已经存在,但是直到2001年,Kuncheva对增量学习的定义进行了规范,并被普遍接受。在接下来的几年,增量学习被广泛的应用到不同的领域,包括图像,视频跟踪等。在2009年和2011年,两种增量学习的改进算法:Learn++.NSE和Learn++.NC被提出,进一步提高了增量学习算法的应用范围。 https://www.jiqizhixin.com/graph/technologies/09134d6a-96cc-409b-86ef-18af25abf095
6.当小样本遇见增量学习,智能如何实现,超详细最新综述来袭!基于传统机器学习的小样本类增量学习方法从监督方式、统计优化和函数优化等角度出发,具有较高的模型可解释性。这些方法通常有较少的超参数,因此更容易理解和调整。如Cui等人将半监督学习方法引入到FSCIL中,基于前人研究,他通过在每个增量阶段加入了50个未标记的数据,而训练过程中将无标签数据与有标签数据协同训练来提高https://www.cvmart.net/community/detail/8256
7.基于元学习的小样本增量攻击识别模型不幸的是,这些方法很少考虑小样本学习,它们几乎仅在有足够新类数据的情况下才会生效。但是,当只有极少量有标注的新类数据可用时,可以有效检测所有攻击的模型在入侵检测中会更有现实意义,因为它能够尽快响应新型入侵的出现。因此,应该考虑小样本增量学习情景。https://www.51cto.com/article/678578.html
8.武汉大学夏桂松团队:面向遥感图像解译的增量深度学习面向多模态遥感数据、不同类型解译任务,武汉大学夏桂松教授团队(一作翁星星博士生)撰文全面调研了遥感图像智能解译增量学习方法,从遗忘问题解决思路、解译模型进化应用两个层面梳理了现有研究工作。在此基础上,从促进遥感图像解译模型进化研究的角度,展望和讨论了遥感领域增量学习的未来研究方向。 https://www.myzaker.com/article/66d80289b15ec052091c4f18
9.学习到底应该怎么学?(学习这回事)书评学习的本质是什么?想要明白学习怎么学,我们就得先闹明白学习的本质是啥?影响我们学习的关键因素是啥?在《学习这回事》这本书中,作者说“所谓的学习就是记住最重要的部分”。我对这句话不是百分百赞同,我认为,记忆是理解和使用的基础,也是我们实际影响世界的基础。只理解而没有被记忆的内容没有价值,相当于不存在https://book.douban.com/review/8811822/
10.神经网络有哪些快速增量学习算法?神经网络的快速增量学习算法是一种可以在不需要重新训练整个网络的情况下对其进行修改和更新的技术。这些算法对于处理实时数据和动态环境非常有用,并且可以大大降低计算成本和时间。以下是几种流行的神经网络快速增量学习算法: 增量学习(Incremental Learning):增量学习是指通过不断添加新的训练样本来扩充神经网络的能力。它https://www.cda.cn/bigdata/201736.html
11.机器学习中在线学习批量学习迁移学习主动学习的区别电子online learning包括了incremental learning和decremental learningincremental learning增量学习,是指一个学习系统能不断地从新样本中学习新的知识,并能保存大部分以前已经学习到的知识。增量学习非常类似于人类自身的学习模式。因为人在成长过程中,每天学习和接收新的事物,学习是逐步进行的,而且,对已经学习到的知识,人类一般http://eetrend.com/node/100016949
12.CMAP1《学习曲线分析》知识点:增量单位时间学习模式CMA备考就像马拉松,获胜的关键不在于瞬间的爆发,而在于途中的坚持。你纵有千百个理由放弃,也要给自己找一个坚持下去的理由。正保会计网校整理了CMA-P1《增量单位时间学习模式》知识点:回归分析,希望能对大家有所帮助。 增量单位时间学习模式 产量每翻一倍,通过学习率计算得到的是倒计时一个新增产品的生产时间。 https://www.chinaacc.com/cma/bkzd/ya20190830093524.shtml
13.人工智能中小样本问题相关的系列(四):知识蒸馏增量学习二、增量学习:补充介绍 【说在前面】本人博客新手一枚,象牙塔的老白,职业场的小白。以下内容仅为个人见解,欢迎批评指正,不喜勿喷![握手][握手] 【再啰嗦一下】本文衔接上两个随笔:人工智能中小样本问题相关的系列模型演变及学习笔记(一):元学习、小样本学习 https://m.nowcoder.com/discuss/353156472483815424
14.机器学习顶刊汇总:EESNat.Commun.EnSMACSAMIES&T等成果(<14个月)和来自基于物理模型的模拟数据来实现电池容量和退化模式的晚期寿命估计(2~4年),其不同之处在于如何利用廉价且现成的物理模拟数据:1)方法1是一种数据增强方法,将早期实验老化和模拟数据组合成一个增强数据集,用于训练机器学习模型以估计三种退化模式的容量和状态;2)方法2是一种增量学习方法,首先使用模拟https://www.shangyexinzhi.com/article/5029661.html
15."支持视觉Transformer增量学习的元注意力机制"论文被国际顶会如何避免深度模型的灾难性遗忘 (catastrophic forgetting)一直是增量学研究的重点。视觉Transformer(ViT)最近开始挑战CNN在计算机视觉领域的统治地位,而传统的针对CNN的增量学习的方法已不适用ViT,因此我们在这篇论文中提出一种基于mask的增量学习的方法(MEAT),将一个已经预训练的好ViT适用于各种新任务,同时完全不损失在https://azft.alibaba.com/newspage/?id=209
16.联想人工智能平台——EdgeAI主要思路仍然是通过在网络中融入记忆模块实现增量学习特性。它的特点是每个记忆模块代表一个类别的特征原型集合,增加新类别相当于增加记忆模块的数量。 4. 跨芯片异构推理加速引擎 异构推理加速引擎是联想边缘智能Edge AI平台自研的,在多样性边缘设备上运行AI推理的统一引擎。通过对不同种类AI芯片的深入研究,结合对模型的https://research.lenovo.com/webapp/view/ResearchNews.html?id=401
17.DeepMind综述深度强化学习:智能体和人类相似度竟然如此高!虽然 Episodic deep RL 学习更快速,但归根结底,它仍然依赖于缓慢的增量学习。这些状态表示本身是通过增量学习而得,使用了相同类型的增量参数更新,才形成了标准深度强化学习的主干网络。最终,通过这种较慢的学习形式实现了快速的 Episodic deep RL ,这表示快速学习的基础正源于缓慢学习。「快速学习的基础是缓慢学习」并https://www.leiphone.com/category/academic/KL44ZdUGhZ6lOz3o.html
18.个人简历工作经历(通用7篇)研究增量: 学习并建立了人民币的研究框架;从全球宏观角度对公司黑色、股指等交易提出有效建议;技术面策略和基本面观点的综合运用在实践中逐渐成熟;逐渐形成股债商(黑色)汇大类资产逻辑对照,基本面+技术面共振的研究和策略体系。 2016年10月开始实盘交易,交易根据品种和定位大概分为3个阶段(附件里有净值曲线和参数表https://www.ruiwen.com/gongwen/jianli/201543.html
19.找对学习方法,让你的团队脱胎换骨大多数组织都承诺帮助其成员学习,但只有那些同时提供上述两种空间的组织才能真正兑现这一承诺。 不过,即使组织认识到学习的两重性,并为增量式学习和转变式学习提供了空间,仍然无法保证提高效率和推动变革。归根结底,学习是一种实践。我们需要真正付诸行动,充分利用获得的空间——向专家讨教、从经验中学习,这样的学习本身https://36kr.com/p/1103537880451584