1、基于大数据驱动精准教学的通用模式探索与实践打开文本图片集 问题的提出随着信息技术在教育领域的普及，基于大数据的精准教学迅速兴起。以大数据技术为手段，在精准分析学生学业现状的基础上，对教学目标精准定位、对教学内容精准定制、对教学活动精准设计、对学生学习表现精准评价进而做出精准教学决策，使教学过程和教学结果可量化、可监测、可调控，即为大数据驱动的精准教学，其基本操作框架如图 1 所示。1对高中生来说，教学内容很难从线上获取，主要依靠学科教师在课堂上的实时灌输，而平台对大数据的收集则是主要来源于常态化练习和阶段性测试，这种在教学测评活动中获得的学习数据集合，被称为测评大数据。2因而对高中生来讲，如何
2、日常化以大数据驱动精准教学，关键有两点：一是收集并分析测评大数据的平台;二是教师利用平台产生的报告集优化线下课堂。目前国内已有多种平台可以收集分析测评大数据，进而实现对学生学业现状的精准分析。例如，方万生3等人利用成绩云系统精准分析学生考试成绩，只要上传原始文件，选择分析模板，就能为班级每个学生提供详细的个人分析图表;郑林4、罗莹5等人使用“智慧学伴”采集学生学习过程中各个学科的全部学习数据、通过微测试题和总测试题对学生的学习情况进行全面的诊断与测评，还可有针对性地推送微课资源;管小庆6等人使用的极课系统可以收集测试题中每小题得分等。虽然各种功能完备的平台或系统大量涌现，但许多教师却没有有效利
3、用这些平台的分析报告数据，在平台收集并分析完测评大数据后，只是简单地以推送同类型错题或微课等方式进行机械式训练，实现精准教学。笔者认为，这种精准教学模式在短期内确实会对学生有帮助，但其本质仍然是题海战术，要想学生真正弥补某一知识点在知识网络中的丢失或者某一种思维能力上的缺乏，还是要从课堂教学来完成。所以，如何利用好平台生成的数据对教学目标精准定位、对教学内容精准定制、对教学活动精准设计、对学生学习表现精准评价进而做出精准教学决策，优化课堂教学效果，弥补学生知识网络的部分缺失，进而提高学生学习成绩才是目前教师需要深思的问题。探索与实践1.行政推动，搭建平台2012 年 8 月，浙江省启动省数字化
4、校园示范建设工作，笔者所在学校开始思考如何对传统进行改革，并着手建立数字化校园，2014 年 12 月，申请了第二批浙江省数字化校园示范建校，通过借鉴他校成功经验，结合本校实际情况，完成了数字化校园建设，并于2017 年下半年通过验收。在此项目中，有一塊非常重要的模块建设，即信息化软件，其突出的亮点是“智慧学习平台”，主要应用于四个模块，分别是智慧管理、智慧互联、精准教学和精准学习。其中，精准教学这一模块主要有以下功能：建设校题库，为每道题目贴上知识点、能力、推理、难度标签;记录学生练习和考试情况，通过网络阅卷积累学生的平时练习和大型考试数据;产生学生的个人错题集、个人学情报告、班级学情报告等
5、图表集合;建设全面的数据分析功能，统计个人、班级、校及各班的对比数据，如基本成绩、平均分、标准差、最高分、最低分等图表集合。2.课题驱动，确定模式笔者所在学校信息技术组的教师紧跟时代步伐，通过教学实践，提出建立一套将大数据与教育教学实践进行深度融合的通用模式，使教师能够切实利用平台产生的报告为优化课堂教学服务，实现大数据与信息技术学科课堂教学实践的融合，达到精准教学的目的，以此为研究内容的课题于 2018 年 9 月获全国教育信息技术研究课题领导小组办公室批准立项。为确定通用模式，课题小组采取“三步走”策略。（1）理论准备阶段此阶段主要依靠实验教师的自主学习和专家培训。（2）模式确定阶段经过讨
6、论，课题组决定以陈明远团队构建的基于测评大数据的有效教学框架7（如图 2）为基础，结合本校无法实时获取上课数据等实际情况，确定通用模式如下：精准把握学习起点。此环节对应传统教学中的学情诊断，教师对学生起点、学生进程和学习问题进行查探，并判定其状态、性质、类别、原因和发展趋势。8在此环节中，平台分析测评大数据后生成的图表报告集，试验教师阅读后，确定班级和个人的学习起点。个性化定制学习目标。试验教师将课程标准、教材和学情与平台产生的班级学情报告等数据结合，调整教学目标，再根据学生个人情况制订个人学习目标。动态组织教学内容。教师根据平台提供的班级学情分析报告等数据，可以对课堂内容的重难点进行调整，选
7、择还未达到教学目标的知识点着重复习。学生个性化反馈。复习课完成之后，学生再次进行相关知识点内容的测试，教师获得平台生成的反馈报告集，通过对比两次的结果得到对课堂教学效果的客观反馈。（3）模式验证与完善阶段自 2018 学年第二学期始，课题组成员致力于验证相较于传统教学模式和传统精准教学模式，此通用模式驱动的精准教学的效果更为显著这一观点。在实验过程中，课题小组结合本校实际情况，不断地完善、强化此通用模式的应用。3.试验拉动，验证模式试验对象为学校高二全体选考学生，共包括 6 个班级，学习进度为第一轮复习阶段。课题组共进行了四次对比试验，每次实验均按照相同的步骤进行：获取初始报告集。全体学生进行
8、测试或者周练，平台分析测评数据后产生班级、个人知识点得分情况，班级对比得分图等图表。选定试验知识点。试验教师结合学习进度、平台的知识点得分情况等因素选定试验知识点。进行对比试验。试验教师按照通用模式流程优化课堂教学设计，试验班的复习课采用此设计进行精准教学，对照班的复习仅靠根据平台数据选取的对应的错题进行巩固练习。除试验教师外的其他教师不采用平台的初始数据，自行制订复习课教学计划，按传统教学方式进行复习。获取所有班级反馈报告集。复习完成之后，全体学生再次对该知识点的内容进行测试，平台分析测评数据后产生图表等报告集，对比各班初始报告集和反馈报告集。从四次试验的结果可看到，试验班和对照班较原始成绩
9、均有进步，说明两种精准教学的效果都有效，再进一步观察发现，试验班的进步程度大于对照班，说明通用模式驱动的精准教学效果显著。4.教研带动，强化模式在试验期间，市教研员和信息技术组全体教师实时观摩授课教师在试验班的教学并给予指导和建议，不断对通用模式的应用做强化改进，使之更适应学校学情。结论与反思通过实验，课题组认为采用通用模式驱动的精准教学模式能通过课堂教学帮助学生修补知识网络图，从内在出发掌握知识点，帮助学生以不变应万变。但此模式也存在需要改进的地方：两次考试的难度值差异。由于是两次不同的考试，题目不可能完全一样，再加上受到教学进度、当次考试学校整体要求等外界因素的影响，所以考试的难易度会有差
10、异并导致试验结果有偏差。为了减小偏差值，在挑选第二次考试题目时，应最大程度地让两次考试的难度系数保持一致。知识点不够细化。由于受平台的功能限制，目前对知识点的划分还不够细，如在多媒体的应用中，对于 Photoshop 软件的应用，就只能划分到图片素材的加工，但在这一知识点下，还可以继续细化，如图片的修饰、图片的修改等，图片的修饰又可分为滤镜、图层样式等。后续希望能通过对平台进行升级的方式来解决此问题。参考文献：1万力勇，黄志芳，黄焕.大数据驱动的精准教学：操作框架与实施路径J.现代教育技术，2019，29（01）：31-37.2陳明选，王诗佳.测评大数据支持下的学习反馈设计研究J.电化教育研究
11、，2018，39（03）：35-42+61.3方万生，谢松兴，莫重生.基于大数据与云计算技术的学生成绩处理平台实践应用J.中国信息技术教育，2019（Z3）：117-120.4郑林，刘微娜，王小琼，等.“智慧学伴”促进初中历史精准教学的探索J.中国电化教育，2019（01）：65-69.5罗莹，谢晓雨，董少彦.初中物理精准教学课堂的构建及实践J.中国电化教育，2019（01）：48-53.6管小庆，桑芝芳.基于极课大数据下的物理学情诊断和教学优化策略J.物理教师，2016，37（12）：70-73+78.7陈明选，耿楠.测评大数据支持下的有效教学研究J.远程教育杂志，2019，37（03）：95-102.8胡志金.远程教学学情诊断研究J.中国远程教育，2009（08）：41-46.