大數據分析在教學實踐中的應用策略

李戈春 潘斌 豐雷

【摘要】在教學大數據背景下，教學工作的創新，教學質量的提高，智慧教育、智慧課堂的打造，必須注重對多元化數據的收集，重視對教學大數據分析，以探索教學大數據背后的關聯價值，指導教學改革決策和提升教學質量。闡述了教學質量的內涵及提高課堂教學質量的重要性，分析利用大數據技術實現精準教學和智慧教學提高教學質量的優勢，通過大數據挖掘和智能終端的使用，找出影響教學質量的因素，改進影響課堂質量的各個細節，以對精準督導、精細化改進教學質量提供重要的技術支撐。

【關鍵詞】大數據分析 精準高效教學 智能終端 智慧課堂教學 信息技術

【基金項目】市級課題：學校義務教育質量監測數據化的策略研究。

【中圖分類號】G64 【文獻標識碼】A 【文章編號】2095-3089（2017）44-0213-02

1.引言

教學活動作為一個整體，其教學質量是教學過程和教學結果的質量的有機統一，教學質量圍繞教學過程展開，而教學過程又是生成教學質量的主體，教學結果進一步反映教學過程的質量[1]。課堂教學不僅傳授知識和能力培養，同時也是價值觀塑造和品行養成的主要途徑。學生在校學習期間的知識、素養以及人生觀、價值觀的形成，正是由課程授課積累一步步形成，因此，教師的教育教學、課堂教學質量直接影響著學生未來的發展，關系著立德樹人。

隨著大數據技術的迅速發展及其在教育教學中的不斷應用，早期的數據分析輔助手段逐漸向與各學科教學活動的深度融合發展，傳統課堂教學活動開始向著信息化、智能化課堂發展，提高教學質量，特別是課堂教學過程的質量，是提高教育教學質量工作的重中之重[2]。

教學過程中的數據無處不在，如何充分利用這些常態化數據，并通過統計和挖掘技術分析潛規律，找準關鍵問題，從而形成共性教學策略與個性化學習建議相結合的教學模式，讓數據為教學服務，實現精準化教學，從而提高教學的有效性。

2.利用大數據分析技術實現精準高效教學

教學大數據是教學的基礎和核心，只有充分整理學習過程中產生的常態化數據，教師才能盡可能的“掌握”學生的學習發展動態，從而進行學情的理性分析和學生學業水平的客觀評估。但一方面，常規的統計如每個班平均考試成績、各分數段分布等，無法滿足大數據下教師、學生的教學需求；另一方面，常態化的教學數據是海量的，而且很零碎，需要根據相關的數學模型并應用數據挖掘等機器學習手段，科學的進行大數據聚類，以提取對學習、教學，甚至學校層決策等有價值的精準大數據信息。

2.1精準科學的大數據分析

為充分利用教學大數據提高教學質量，教學大數據分析應該根據學校不同層級提取相應的指導數據。對于學校決策層，其更關注學校、年級和學科的整體發展，教學數據分析應體現出教師之間、班級之間以及每次考試之間的整體差性等，需要提取并對比各班級、教師及學科之間數據，以全覆蓋學校的教學現狀，并有針對性調整教學管理；對于教師教學，尤其是作為班級管理者的班主任，其需要關注班級學習的整體表現、學生的學業以及跟蹤考試成績、關注優勢學弱勢學科狀況等，而任課教師針對某一門學科需要更多地關注知識點和重難點掌握的情況，因此精準數據分析需要精準每位學生的數據并追蹤每一位學生的學情，以找準教學的重點和學生的薄弱點，開展高效教學，如圖1所示；而對于學生學習，通過對自己學習現狀的精準分析和學校教學安排對比，制定個性化的復習和作業計劃。

2.2精準大數據分析提高教學有效性

教學大數據分析輔助高效教學，可以幫助教師更準確了解學生學習表現，也幫助學生準確把握解自己，從而實現有的放矢、因材施教。

（1）適宜的教學起點和明確的教學重點

教學的起點過低、過高都直接影響到教學效果，至關重要，基于教學大數據的精準分析，可以擺脫對教師個人以往經驗的依靠，使得教學起點的選擇更加準確、科學。

如圖2所示為關于數學教學中“指數函數”歷年數學前的數據挖掘分析得到的反饋數據分析圖表?？梢钥闯觯哼x中全部5個選項的只有29%，正確率較低，而A、B選項絕大多數學生都選擇（85%），說明在新授課前，大部分學生經過前期的學習對指數函數概念（A項）和底數限制（B項）基本掌握，但靈活運用能力（D項）及函數的具體細節（C項自變量限制、E項單調性）掌握不夠。在精準數據分析下，新授課教學把指數函數的變量限制條件作為起點，逐步到靈活應用及單調性分析，從而實現有針對性的教學。

精心設計課堂重點，展開突破性教學，是課堂教學成敗的關鍵。教學重點要根據班級、學生的基礎和能力，通過對已有數據分析適時調整，擯棄完全照搬教參的機械做法，更好地服務于課堂教學。通過對學生作業和考試情況的分析，并結合以往教學大數據的分析結果，教師可以對整份試卷以及作業題目的解答情況和錯題歸因情況心中有數，講評時，可以隨時調看題目的解答、錯誤分類和值得推薦的題型等，突出重點，有效開展后續練習。

（2）有效的補償教學和個性化的課后習題

學生的差異客觀存在，因此，要根據學生的學習能力個性化的輔導答疑和激勵提升。借助大數據分析提取的精準信息，教師可以快速掌握學生的學習狀態，主動跟進補償教學，如推送知識點或典型疑難題目的講解微視頻給相關學生，結合以往學生學習方法指導學生自主學習，并及時進行答疑。

通過教學累積大數據分析得到的差異性數據，老師可以快速了解當前教學內容的特點，了解學生對知識的掌握程度以及不同學習能力的學生對知識的掌握狀態，進而指導教師對學習能力不同的學生提供個性化的課后習題練習，布置不同層次類別和不同難度糊糊的課后題目，因材施教，避免所有學生做同一份作業，重復“不必要”的練習，減少當前學生的學業負擔。

3.利用大數據分析技術實現智慧課堂

智慧課堂是當前教育信息化的熱點，其核心思想是用大數據、云計算、物聯網等新信息技術變革教學理念，提高教學的高效智能化，其目的是通過教學大數據分析及數據挖掘，實現教學決策有數據支撐、評價客觀反饋即時、交流互動立體、資源使用推送全智能，改進教學的形式和內容，構建教學大數據形勢下的信息化教學模式。

3.1利用大數據分析技術構建智慧課堂

智慧課堂的核心理念是通過數據分析改變教學模式，課堂教學大數據的行加工、挖掘和分析離不開大數據技術和方法的支撐?；诖髷祿治黾夹g，智慧課堂教學從依賴于教學經驗轉向依賴于海量數據的分析挖掘結果，通過直觀的數據進行判斷和制定教學決策，通過教室內多種信息化終端的無縫連接和智能運用，打破黑板、講臺的時空概念被，動態采集和即時分析學習數據，實現教與學的立體溝通與交流。

傳統課堂上教師很難顧及學生的個體差異，而智慧課堂基于全過程動態大數據評價，課前發布預習材料，通過預習測評和反饋，明晰學情，進而指導優化教學設計；課中提供隨堂測驗，通過實時檢測數據分析，調整教學策略和進程；課后推薦個性化作業，實施針對性輔導，實現個性化的學習支持。大數據信息技術的全面支持，使智慧課堂教學從“先后教學”、“先學后教”逐漸轉變為“以學定教”，從傳統意義上的課堂教學控制轉向為基于海量數據的動態分析和即時反饋。

3.2 大數據分析技術架構智慧課堂信息平臺

智慧課堂的實施依賴于大數據云計算等相關技術，通過“云+端”的服務方式，部署和應用信息化平臺，如圖3所示，其功能由從下至上主要由四個層次構成：（1）資源管理層主要管理教學資源和提供服務；（2）評價支持層形成教學質量評價，包括總結性評價和診斷性評價；（3）端應用層對智能終端管理和應用；（4）用戶層為教學和學習提供相關應用程序，最終實現對課前、課中、課后的教學信息支持。

3.3大數據分析技術提高智慧教學有效性

基于動態大數據分析的智慧課堂，通過最新信息技術手段的深度應用，對傳統教學產生革命性的影響，智能終端提供的新的認知工具與環境，為師生更為開放的課堂活動提供支撐。大數據背景下，智慧課堂教學從強調知識傳授的“教師為中心”傳統模式轉變為強調能力培養的“學生為中心”模式；從“望屏解讀”的多媒體教學方式向交流立體化方式轉變，師生共同使用智能終端新技術即時交流互動；學習資源智能碎片化，并根據學習教學進程按需實時推送，從“先教后學”到“先學后教”、“以學定教”；課前智能評測，教師依據測評數據分析結果，有的放矢組織教學，精講點評，課中動態實時的學習評價和反饋，教師及時調整教學進程和策略，突出重點，課后根據學生的個體差異的個性化作業，教師依據課后作業數據分析和反思評價，進行個性化的輔導和教學的持續改進。

4.總結

教學是目的性和意識性很強的系統性活動，通過教學使學生掌握知識、習得技能、發展智力，形成態度和相應的品質。教學質量是整個教育工作的重中之重，隨著教學工作信息化建設進程的推進，教學數據逐漸積累成為“大數據”。在教學大數據背景下，教學工的要前進、創新，教學質量的提高、變革，智慧教育、智慧課堂的打造，必須注重對多元化數據的收集，重視對教學大數據分析，以探索教學大數據背后的關聯價值，指導教學改革決策和提升教學質量。因而教學大數據的分析研究及應用對教學過程中教學質量的提高顯得尤為重要。利用大數據技術分析改進學習行為，變革傳統教學模式，構建基于大數據分析的智慧教學模式，提高教學質量，具有重要的現實意義。

參考文獻：

[1]李福華.高等教育質量：內涵、屬性和評價[J].現代大學教育，2001，（3）：36-38.

[2]楊叔子，吳昌林，吳波.再論要真抓課堂教學質量[J].高等工程教育研究.2008，（2）：5-8.

[3]劉英，任慶泰，許延飛.高校本科教學質量關鍵影響因素探析[J].高等建筑教育.2012，（6）：5-9.

[4]王盛之，毛沛勇.基于數字化教學案的智慧課堂互動教學系統實踐研究[J].教學月刊（教學管理）中學版.2014，（4）：51-55.

[5]陳池，王宇鵬，李超，張勇，邢春曉.面向在線教育領域的大數據研究及應用[J].計算機研究與發展.2014，（51）：67-71.

[6]方海光，侯偉鋒，王曉春，楚云海.基于PADClass模型的數字化課堂學習過程數據挖掘與分析研究[J].電化教育研究. 2014， （18）：110-113.