7.4 KiB

Raw Blame History

LEAP 学情智能领航系统建设蓝图 V1.0

1. 系统愿景与核心理念

LEAP (Learning Engagement & Aptitude Profile) 旨在构建一套轻量级、伴随式、强落地的学情分析系统。

我们不追求全量数据的“上帝视角”，而是致力于捕捉影响学生学习效能的关键变量。系统通过连接学业表现（成绩）与心理状态（认知），将原本模糊的“学情”，转化为可被教师理解并执行的SPGM（教学协同成长）策略，最终实现因材施教。

核心原则：
- 低摩擦接入：不增加师生额外的录入负担，利用现有作业流与微交互采集数据。
- 学科特异性：承认文理科的学习逻辑差异，提供分科画像。
- 元认知优先：将归因的权利还给学生，培养学生的反思能力。

2. 基础设施层：双轨制锚点与组织基座

(Infrastructure Layer)

这是系统的物理容器与逻辑坐标系，是智能分析运行的前提。

2.1 基础组织架构

在进行任何分析前，必须在系统中确立最基础的“物理容器”：

数字化校务关系：建立标准的 学校-班级-教师-学生 关联树。这是画像归集和策略推送的寻址基础。

2.2 双轨制知识/能力锚点

针对不同学科属性，采用不同的“坐标系”来定位学生的学业水平（L - Level）：

理科轨（数学/物理/化学等）—— 教材目录索引树
- 逻辑：基于强逻辑结构，直接复用主流教材的“章-节-知识点”目录结构。
- 作用：将题目与错题挂载到具体的目录节点，形成知识掌握度的“红绿灯”地图。
文科轨（语文/英语等）—— 能力素养评价模型
- 逻辑：基于弱逻辑结构与螺旋上升特性，复用已有的《课程质量标准》评价模型（如：作文评分维度、阅读理解能力层级）。
- 作用：不强求细分知识点，而是定位学生在“语言建构”、“思维发展”等维度上的能力层级。

3. 数据采集层：低摩擦探针系统

(Data Acquisition Layer)

摒弃“全量扫描”的笨重模式，聚焦于高价值、低成本的数据源。

3.1 探针A：高价值学业数据流 (聚焦 L - Level)

主观题/作文智能评测流：
- 策略：充分利用现有的主观题（语文作文、英语作文、文科简答）智能评分数据。
- 价值：这类题目比客观题更能反映学生的高阶思维能力与表达逻辑，且数据采集流程已在现有评分系统中跑通，无额外负担。
客观题/作业数据流（按需接入）：
- 策略：若学校具备全流程阅卷机或平板作业环境，则自动接入；若无硬件环境，不强制教师手动录入客观题数据，避免因工作量过大导致系统停摆。

3.2 探针B：学科化心理/状态扫描 (聚焦 E - Emotion & A - Approach)

冷启动：分学科 SPGM 风格量表
- 逻辑：学习风格具有“领域特异性”。学生在数学课可能是“畏难者”，在英语课可能是“探究者”。
- 实施：学期初或期中，通过数字化问卷进行分科测评（如《数学学习风格自查单》），确立学生在该学科的基础SPGM坐标。
过程采集：伴随式微型反思 (Exit Ticket)
- 逻辑：嵌入在作业或考试流程的末尾。
- 实施：在主观题作业/作文的最后，增加一个极简的“数字反思区”（例如：一个心情表情包 + 一句自我评价）。无需额外收发纸质卡片，随作业提交自动采集。

3.3 探针C：交互式归因反馈 (聚焦 A - Approach)

逻辑：放弃AI猜测学生“为什么错”，改为引导学生自我诊断。
实施：系统识别到错题或低分项时，向学生推送简单的归因选择（如：A.概念未掌握 B.审题不清 C.粗心计算）。此数据是判断学生“认知模式”的核心依据。

4. 智能分析层：LEAP 动态建模引擎

(Intelligence Layer)

本层负责将零散数据汇聚为LEAP模型，并映射到SPGM矩阵。

4.1 LEAP 模型定义

L (Level of Competence - 能力层级)：
- 基于探针A，计算理科的“目录树掌握率”或文科的“能力模型得分”。
- 处理策略：对于数据缺失的节点，利用知识关联性进行适度推断，并标注“低置信度”。
E (Emotional State - 情绪状态)：
- 基于探针B（反思卡/量表），分析学生的学习动力（内驱/外驱）与情绪能级（焦虑/愉悦）。
A (Approach to Learning - 认知/学习路径)：
- 基于探针C（归因反馈），分析学生是“死记硬背型”、“策略型”还是“元认知反思型”。
P (Position - 社会/课堂定位)：
- （预留接口）基于教师的课堂观察标记，补充学生在课堂互动中的角色数据。

4.2 核心输出：SPGM 策略映射

个体映射：将学生的 LEAP 状态（如：低能力+高焦虑）映射到 SPGM 矩阵的具体格子（如：A1-安全港时刻），生成针对该生的辅导建议。
班级聚合：汇总是全班数据，生成班级学情热力图（例如：全班60%的学生处于“依赖型”阶段），直接服务于教案设计。

5. 业务交互层：场景化价值交付

(Interface Layer)

5.1 教师端：教学决策支持

个案辅导：点击学生头像，不只看分数，而是看到“画像+策略”。
- 示例：“李雷（数学）：基础薄弱且畏难。建议：暂停布置难题，优先面批基础题，建立信心。”
教案设计助手联动：
- 在教师备课时，系统自动调取班级聚合学情。
- 示例：“检测到本班大部分学生在‘立体几何’模块存在‘空间想象力（L）’短板，且畏难情绪（E）较高。建议本节课导入环节增加实物模型演示（A1策略），降低认知门槛。”

5.2 学生端：元认知成长镜像

归因引导：在查看错题时，强制进行简单的自我归因，培养反思习惯。
成长周报：
- 去排名化：不显示“年级第几名”。
- 重归因：显示“本周你的审题习惯（A）有待提升”、“你在议论文逻辑（L）上取得了突破”。

6. 典型业务流程示意 (User Journey)

作业提交：学生在系统完成一篇作文，并在末尾选择了“😟（感到困难）”的表情（探针A+B）。
智能分析：
- 系统评分模型判断作文“论证逻辑”得分为低（L）。
- 系统记录学生情绪为“低能级”（E）。
- LEAP引擎更新该生的语文画像：[困难-焦虑态]。
策略生成：
- 系统识别该状态对应 SPGM 的 [依赖型学习者] 阶段。
双向反馈：
- 给老师：在作文批改界面提示：“该生对论证逻辑感到焦虑，建议提供范文仿写（搭脚手架），而非直接批评。”
- 给学生：推送：“这周作文有些挑战？试试先画一下思维导图再下笔。”

7.4 KiB Raw Blame History Unescape Escape