大数据分析在教学实践中的应用策略

打开文本图片集

【摘要】在教学大数据背景下，教学工作的创新，教学质量的提高，智慧教育、智慧课堂的打造，必须注重对多元化数据的收集，重视对教学大数据分析，以探索教学大数据背后的关联价值，指导教学改革决策和提升教学质量。阐述了教学质量的内涵及提高课堂教学质量的重要性，分析利用大数据技术实现精准教学和智慧教学提高教学质量的优势，通过大数据挖掘和智能终端的使用，找出影响教学质量的因素，改进影响课堂质量的各个细节，以对精准督导、精细化改进教学质量提供重要的技术支撑。

【关键词】大数据分析 精准高效教学 智能终端 智慧课堂教学 信息技术

【基金项目】市级课题：学校义务教育质量监测数据化的策略研究。

【中图分类号】G64【文献标识码】A 【文章编号】2095-3089（2017）44-0213-02

1.引言

教学活动作为一个整体，其教学质量是教学过程和教学结果的质量的有机统一，教学质量围绕教学过程展开，而教学过程又是生成教学质量的主体，教学结果进一步反映教学过程的质量[1]。课堂教学不仅传授知识和能力培养，同时也是价值观塑造和品行养成的主要途径。学生在校学习期间的知识、素养以及人生观、价值观的形成，正是由课程授课积累一步步形成，因此，教师的教育教学、课堂教学质量直接影响着学生未来的发展，关系着立德树人。

随着大数据技术的迅速发展及其在教育教学中的不断应用，早期的数据分析辅助手段逐渐向与各学科教学活动的深度融合发展，传统课堂教学活动开始向着信息化、智能化课堂发展，提高教学质量，特别是课堂教学过程的质量，是提高教育教学质量工作的重中之重[2]。

教学过程中的数据无处不在，如何充分利用这些常态化数据，并通过统计和挖掘技术分析潜规律，找准关键问题，从而形成共性教学策略与个性化学习建议相结合的教学模式，让数据为教学服务，实现精准化教学，从而提高教学的有效性。

2.利用大数据分析技术实现精准高效教学

教学大数据是教学的基础和核心，只有充分整理学习过程中产生的常态化数据，教师才能尽可能的“掌握”學生的学习发展动态，从而进行学情的理性分析和学生学业水平的客观评估。但一方面，常规的统计如每个班平均考试成绩、各分数段分布等，无法满足大数据下教师、学生的教学需求；另一方面，常态化的教学数据是海量的，而且很零碎，需要根据相关的数学模型并应用数据挖掘等机器学习手段，科学的进行大数据聚类，以提取对学习、教学，甚至学校层决策等有价值的精准大数据信息。

2.1精准科学的大数据分析

为充分利用教学大数据提高教学质量，教学大数据分析应该根据学校不同层级提取相应的指导数据。对于学校决策层，其更关注学校、年级和学科的整体发展，教学数据分析应体现出教师之间、班级之间以及每次考试之间的整体差性等，需要提取并对比各班级、教师及学科之间数据，以全覆盖学校的教学现状，并有针对性调整教学管理；对于教师教学，尤其是作为班级管理者的班主任，其需要关注班级学习的整体表现、学生的学业以及跟踪考试成绩、关注优势学弱势学科状况等，而任课教师针对某一门学科需要更多地关注知识点和重难点掌握的情况，因此精准数据分析需要精准每位学生的数据并追踪每一位学生的学情，以找准教学的重点和学生的薄弱点，开展高效教学，如图1所示；而对于学生学习，通过对自己学习现状的精准分析和学校教学安排对比，制定个性化的复习和作业计划。

2.2精准大数据分析提高教学有效性

教学大数据分析辅助高效教学，可以帮助教师更准确了解学生学习表现，也帮助学生准确把握解自己，从而实现有的放矢、因材施教。

（1）适宜的教学起点和明确的教学重点

教学的起点过低、过高都直接影响到教学效果，至关重要，基于教学大数据的精准分析，可以摆脱对教师个人以往经验的依靠，使得教学起点的选择更加准确、科学。

如图2所示为关于数学教学中“指数函数”历年数学前的数据挖掘分析得到的反馈数据分析图表。可以看出：选中全部5个选项的只有29%，正确率较低，而A、B选项绝大多数学生都选择（85%），说明在新授课前，大部分学生经过前期的学习对指数函数概念（A项）和底数限制（B项）基本掌握，但灵活运用能力（D项）及函数的具体细节（C项自变量限制、E项单调性）掌握不够。在精准数据分析下，新授课教学把指数函数的变量限制条件作为起点，逐步到灵活应用及单调性分析，从而实现有针对性的教学。

精心设计课堂重点，展开突破性教学，是课堂教学成败的关键。教学重点要根据班级、学生的基础和能力，通过对已有数据分析适时调整，摈弃完全照搬教参的机械做法，更好地服务于课堂教学。通过对学生作业和考试情况的分析，并结合以往教学大数据的分析结果，教师可以对整份试卷以及作业题目的解答情况和错题归因情况心中有数，讲评时，可以随时调看题目的解答、错误分类和值得推荐的题型等，突出重点，有效开展后续练习。

（2）有效的补偿教学和个性化的课后习题

学生的差异客观存在，因此，要根据学生的学习能力个性化的辅导答疑和激励提升。借助大数据分析提取的精准信息，教师可以快速掌握学生的学习状态，主动跟进补偿教学，如推送知识点或典型疑难题目的讲解微视频给相关学生，结合以往学生学习方法指导学生自主学习，并及时进行答疑。

通过教学累积大数据分析得到的差异性数据，老师可以快速了解当前教学内容的特点，了解学生对知识的掌握程度以及不同学习能力的学生对知识的掌握状态，进而指导教师对学习能力不同的学生提供个性化的课后习题练习，布置不同层次类别和不同难度糊糊的课后题目，因材施教，避免所有学生做同一份作业，重复“不必要”的练习，减少当前学生的学业负担。

3.利用大数据分析技术实现智慧课堂

智慧课堂是当前教育信息化的热点，其核心思想是用大数据、云计算、物联网等新信息技术变革教学理念，提高教学的高效智能化，其目的是通过教学大数据分析及数据挖掘，实现教学决策有数据支撑、评价客观反馈即时、交流互动立体、资源使用推送全智能，改进教学的形式和内容，构建教学大数据形势下的信息化教学模式。

3.1利用大数据分析技术构建智慧课堂

智慧课堂的核心理念是通过数据分析改变教学模式，课堂教学大数据的行加工、挖掘和分析离不开大数据技术和方法的支撑。基于大数据分析技术，智慧课堂教学从依赖于教学经验转向依赖于海量数据的分析挖掘结果，通过直观的数据进行判断和制定教学决策，通过教室内多种信息化终端的无缝连接和智能运用，打破黑板、讲台的时空概念被，动态采集和即时分析学习数据，实现教与学的立体沟通与交流。

传统课堂上教师很难顾及学生的个体差异，而智慧课堂基于全过程动态大数据评价，课前发布预习材料，通过预习测评和反馈，明晰学情，进而指导优化教学设计；课中提供随堂测验，通过实时检测数据分析，调整教学策略和进程；课后推荐个性化作业，实施针对性辅导，实现个性化的学习支持。大数据信息技术的全面支持，使智慧课堂教学从“先后教学”、“先学后教”逐渐转变为“以学定教”，从传统意义上的课堂教学控制转向为基于海量数据的动态分析和即时反馈。

3.2 大数据分析技术架构智慧课堂信息平台

智慧课堂的实施依赖于大数据云计算等相关技术，通过“云+端”的服务方式，部署和应用信息化平台，如图3所示，其功能由从下至上主要由四个层次构成：（1）资源管理层主要管理教学资源和提供服务；（2）评价支持层形成教学质量评价，包括总结性评价和诊断性评价；（3）端应用层对智能终端管理和应用；（4）用户层为教学和学习提供相關应用程序，最终实现对课前、课中、课后的教学信息支持。

3.3大数据分析技术提高智慧教学有效性

基于动态大数据分析的智慧课堂，通过最新信息技术手段的深度应用，对传统教学产生革命性的影响，智能终端提供的新的认知工具与环境，为师生更为开放的课堂活动提供支撑。大数据背景下，智慧课堂教学从强调知识传授的“教师为中心”传统模式转变为强调能力培养的“学生为中心”模式；从“望屏解读”的多媒体教学方式向交流立体化方式转变，师生共同使用智能终端新技术即时交流互动；学习资源智能碎片化，并根据学习教学进程按需实时推送，从“先教后学”到“先学后教”、“以学定教”；课前智能评测，教师依据测评数据分析结果，有的放矢组织教学，精讲点评，课中动态实时的学习评价和反馈，教师及时调整教学进程和策略，突出重点，课后根据学生的个体差异的个性化作业，教师依据课后作业数据分析和反思评价，进行个性化的辅导和教学的持续改进。

4.总结

教学是目的性和意识性很强的系统性活动，通过教学使学生掌握知识、习得技能、发展智力，形成态度和相应的品质。教学质量是整个教育工作的重中之重，随着教学工作信息化建设进程的推进，教学数据逐渐积累成为“大数据”。在教学大数据背景下，教学工的要前进、创新，教学质量的提高、变革，智慧教育、智慧课堂的打造，必须注重对多元化数据的收集，重视对教学大数据分析，以探索教学大数据背后的关联价值，指导教学改革决策和提升教学质量。因而教学大数据的分析研究及应用对教学过程中教学质量的提高显得尤为重要。利用大数据技术分析改进学习行为，变革传统教学模式，构建基于大数据分析的智慧教学模式，提高教学质量，具有重要的现实意义。

参考文献：

[1]李福华.高等教育质量：内涵、属性和评价[J].现代大学教育，2001，（3）：36-38.

[2]杨叔子，吴昌林，吴波.再论要真抓课堂教学质量[J].高等工程教育研究.2008，（2）：5-8.

[3]刘英，任庆泰，许延飞.高校本科教学质量关键影响因素探析[J].高等建筑教育.2012，（6）：5-9.

[4]王盛之，毛沛勇.基于数字化教学案的智慧课堂互动教学系统实践研究[J].教学月刊（教学管理）中学版.2014，（4）：51-55.

[5]陈池，王宇鹏，李超，张勇，邢春晓.面向在线教育领域的大数据研究及应用[J].计算机研究与发展.2014，（51）：67-71.

[6]方海光，侯伟锋，王晓春，楚云海.基于PADClass模型的数字化课堂学习过程数据挖掘与分析研究[J].电化教育研究. 2014， （18）：110-113.