基于数据分析的“一维数组”精准教学案例设计.pdf

针对传统教学精准度不高，不能“因材施教”的问题，提出“数据分析、精准教学、实施改进”的精准教学理念，以一维数组为教学案例，探讨如何在精准分析学生学情的基础上，实现教学目标的精准定位、教学内容的精准定制、教学活动的精准设计，精准地评估和预测学生学习表现，介绍课前、课中、课后的精准教学过程。关键词：精准教学；挖掘分析；案例教学文章编号：1672-5913(2023)08-0201-060引 言精准教学是一个外来名词，有些专家提出，它就是通过对数据的跟踪、记录和分析，在信息化的支撑下进行精准的教学，还有一些研究者则提出，精准教学可以帮助教师进行个性化、差异化的教育，简言之，精准教学就是用大数据和智能技术所开展的因材施教1-3。本案例对应计算机程序设计基础课程中数组的教学内容，案例包含一维数组的定义、初始化以及数组元素的引用相关知识，利用“雨课堂”和“Educoder 实训平台”，采集学生学习数据，进行数据分析，从课前、课中、课后设计精准的教学流程，通过该案例，学生能够感受到量身定制的个性化教学服务，增强学习动力。1案例设计思路要实现以数据为导向的精准教学，就需要建立一套切实可行的操作规程，并根据教学实践的总体流程来建立操作程序，包括教学目标的设定、教学内容的组织与传递、学习活动的设计、对学生的评价和反馈4-5。以数据分析为基础，精准的教学操作流程从课前、课中、课后 3 个阶段展开。1.1课前精准教学设计（1）教学目标的设定：根据学生目前的学习情况，结合教学大纲要求，为所有学生确立共性和个性化的学习预期。（2）学生层次分析：对课前数据进行采集，利用学情分析技术对学生特征进行分析，将学生划分为不同层次。（3）组织教学材料：根据精准化的教学目标组织适合的教学材料，如 MOOC、微课、测试题、拓展资料等，这些材料可以用于学生课前预习，也可以用于授课中或者课后复习。（4）确定教学方法：通过学情进行分析一是了解不同学生个体之间的差异，二是了解班次之间的差异，所以，教学方法的选择，可以根据授课对象的不同或者教学内容的不同来进行。1.2课中组织精准教学过程（1）知识引入：此环节属于“热身”的阶段，一个充满吸引力的“引入”可以激发学生的学习兴趣，产生探索新知识的欲望，在这样的兴趣驱动下，学生思维活跃，学习质量就会提高。（2）讲授新知：在这个环节，除了正常讲授新的知识点，还可以加上一些信息元素，例如可以通过随机点名回答问题、通过雨课堂的投票、基金项目：2022 年海军大连舰艇学院教育科研项目“基于数据挖掘技术的精准学情分析研究”（海舰教 2022 400 号）第一作者简介：王辉，女，副教授，研究方向为数据挖掘、机器学习，。2023202计 算 机 教 育Computer Education发弹幕等方式互动，这些方式一方面能使课堂变得更活跃、智能，学生能够深度地参与到课堂活动中，做课堂的主人，另一方面可以记录学生的行为数据，包括学生的参与行为、互动行为、学习态度等，以便于更好地进行学生的学习行为分析和学生特征分析。（3）课堂评测：在这个环节中，主要为了检验学生的学习效果和教师的教学效果，在授课的过程中针对教学目标中对知识点的学习要求，推送测试题给学生，学生在学生端进行作答并提交。本课题主要利用雨课堂的课堂答题和Educoder 实践平台的闯关训练。在雨课堂中，学生通过投票、单选、多选、主观题等方式完成对所学知识点的检测；在 Educoder 实践平台，学生完成从简单到复杂、阶梯式的练习，一关一关闯，每一关都是对知识点的测试，每闯一关，都会赚取经验值，对学生来说是很大的激励。（4）数据分析：这个环节主要是针对课堂评测的结果，包括学生回答的正确率，每个人的作答情况，错误人数以及正确人数，进行数据分析。例如，在雨课堂的测试题中，可以很清楚地看到每道题，每个人的答题情况，在 Educoder实践平台中，也能看到每个学生的闯关情况和经验值的多少。通过分析这些数据，再结合之前的学情数据，评测出学生本节课的问题在哪里。（5）教学干预：这个环节是利用上一步骤的数据分析结果，针对学生的知识薄弱点，在后续教学活动中，对学生进行教学干预。例如，在雨课堂中，通过现场可视化的方式，直观感受学生的知识掌握情况，针对学生具体的掌握情况，有选择性地进行题目讲解。例如，基本掌握的知识点可以不讲，错的较多的问题要深入讲。在Educoder 实践平台，教师可以通过教师端直接打开学生端的编程窗口，帮助学生调试程序，以实际演示操作的方式解决问题，把实验室搬到普通教室。教学干预不是一次性的工作，需要反复地进行，将教学评测、教学分析与教学干预合在一起，构成了一个反复的过程，这个反复要直到所有学生达到了教学目标才会停下来。1.3课后总结与评价该阶段放在课后完成，主要是对课后作业进行布置推送、针对性答疑辅导和评价预测。（1）推送作业：根据学生课前、课中的学情分析，有针对性地向学生推送作业，满足学生的个性化学习需求，例如推送不同层次的课后练习题、拓展 MOCC、拓展微课、同类型习题等。（2）课后辅导：通过数据分析，对学生在学习过程中产生各种行为数据进行深入挖掘，分析出每个学生出现的问题以及薄弱点，以此对学生进行精准地施策，具体可以采用一对一辅导、线上答疑等方式进行课后辅导。（3）评价与预测：精准教学最大的精准来自于教学评价。评价主要依赖于技术手段，通过数据采集、处理、分析学生的学习情况，建立学生学情档案，并进行实时反馈。预测是对每个学习阶段中，不同学生的学习表现数据进行综合分析，对该学生以后的学习行为进行预测，并且针对预测结果提出改进策略和学习建议。每个阶段有对应的实施方案，从一开始的确立精准化的教学目标到最后的评价与预测，处处将数据分析技术与精准化教学相融合，有助于教学的精准化，学生学习的个性化，实现了教学活动的智慧化。2“一维数组”精准教学案例2.1课前精准教学设计课前精准化的教学设计主要从教学目标的设定、学生特征的分析、教学材料的组织、教学方法的选择 4 个方面实施。实施的前提来自于课前对学生预习情况数据的分析。首先，课前设计了教学资源，包括一维数组知识点思维导图和一维数组预习课件。思维导图如图 1 所示。图 1 一维数组知识思维导图教育与教学研究第 8 期203将预习的资料以思维导图的形式通过雨课堂平台推送给学生，学生能够更加精准地了解即将学习的知识要点。学生完成课前的测试，收集学生的观看页数、观看时长、完成时间和每道题的得分情况等信息。根据预习结果可知，课前能够进行预习的学生比例为 59.5%，表明有将近一半的学生，如果没有强制要求，是不愿意主动预习的。测试成绩平均分为 8.3（10 分满分），表明学生已经有了一定的知识基础，对本次课的内容也有所了解。根据预习结果分析，本次课做了如下课前教学设计。（1）教学目标设定。制定精确、具体、可度量的教学目标（见表 1）。表 1 教学目标设计教学目标描述数组定义学生能够说出数组和普通变量的不同；学生能够写出数组的定义、初始化和引用形式数组应用学生能够使用数组解决数据的批量处理问题（2）学生特征分析。对学生进行分层，分为3 个层次。第 1 层是前测成绩在 7 分以上的学生，占比为 54%，第 2 层是前测成绩在 7 分以下的学生，占比为 40%，第 3 层是没有开展预习活动的学生，占比为 6%，在课中授课的时候，重点关注第 2 层和第 3 层的学生。（3）组织教学材料。一是制作了直播课堂课件，选择了 5 道课上的练习题对学生知识点掌握情况进行测试。知识点覆盖数组的定义、初始化、引用以及应用数组解决问题。二是选择了 5个编程题，由易到难，作为 Educoder 平台的闯关测试题。（4）选择教学方法。根据前测得知，部分学生已经有了很好的知识基础，部分学生比较懒惰，需要有强有力的学习动力，因此，本节课采用以学生为主体的深度教学方式，从有兴趣、知规则、搭思维、拓思维、解决问题 5 个阶段完成知识的学习和对学生的计算思维能力训练。2.2课中组织精准化教学过程课中阶段，以学生的深度学习以及教学的效率、效果、效益作为目标，通过知识引入、新知传授、课堂评测、数据分析、教学干预 5 个步骤组织精准化教学过程。（1）知识引入。课前，通过雨课堂推送给学生主观题测试：如何存储 100 个单兵实弹射击学生成绩，并找到低于平均成绩的学生成绩？在授课时，展示一个学生提交的答案，其他学生讨论、点评，教师总结，引出本次课一维数组内容。这样的引入方式，是以讨论、点评的方式进行的，能够激发学生的学习兴趣，使其产生探索新知识的欲望。（2）传授新知。本次课教学内容是一维数组的语法规则和应用。课上使用雨课堂直播教学，并以 Educoder 实践教学平台作为辅助。在直播教学过程中，设置了五道课堂测试题，分别出现在定义、初始化、下标引用、地址引用和数组应用之后，每道题完成对应知识点的检测。在Educoder 平台上设计 5 个关卡，分别完成知识从简单到复杂、从零散知识点到整合应用的训练，其中，课中进行的是第1关和第2关的闯关训练，以编程的方式，完成对知识点的检测，可以看出绝大多数学生已经完成了这两关的任务挑战。（3）评测、分析、干预。根据课堂测试和闯关情况，及时进行学情评测和干预。在直播课中，雨课堂发布的每道题都对应一个知识点，学生在完成知识点测试之后，教师根据测试情况实时进行学情分析和干预。例如，其中一道关于数组元素地址引用的练习题，答题情况如图 2 所示。可以看出，答题的正确率很低，只有 28%，说明学生对数组元素的地址引用法掌握的不太好，这时就要对这个知识点进行深入的讲解。2.3课后，总结和评价综合雨课堂、Educoder 平台学生的课前、课中表现数据，教师可以客观地掌握本次课的授课情况，为课后辅导学生、辅导内容提供了依据。（1）根据不同层次的学生，个性化地推送不2023204计 算 机 教 育Computer Education同的课后作业。主要是通过 Educoder 平台推送课后实训作业，满足不同层次学生的需求。（2）课后辅导。课后辅导主要是针对“一维数组”学习中学生所反映出来的问题，有针对性地进行学习巩固活动。在本次实践中，根据学生的雨课堂的习题答疑情况和 Educoder 的闯关情况，可以看到学生对知识点的掌握水平，这里以答题正确率作为衡量标准（见表 2）。图 2 雨课堂测试答题情况表 2 学生知识点答题正确率%第 1 题第 2 题第 3 题第 4 题第 5 题闯关第 1 题闯关第 2 题闯关第 3 题闯关第 4 题闯关第 5 题28974597969898989894可以看出，雨课堂第 1、3 题，学生答题的正确率较低，第 1 题和第 3 题涉及数组元素的地址引用和指针引用；Educoder 闯关题第 5 题，有少数学生没有通关，涉及选择排序算法，因此需要针对学生学习的薄弱环节进行课后辅导。一是在自主学习时，针对数组元素引用的普遍性问题，进行深入讲解，并辅助相似的练习题；二是通过微信进行一对一答疑辅导。辅导中，重点关注雨课堂的“预警学生”和 Educoder 平台中“未通关学生”；三是将选择排序算法的动画演示视频，传到 FTP 文件服务器中，让学生可以下载，了解具体的排序思想。评价。根据雨课堂、Educoder 实训平台课前、课中、课后收集的学习数据，对本次课进行学生学习效果的评价。选取“一维数组雨课堂前测数据”“一维数组雨课堂课中情况数据”“一维数组Educoder 平台课后闯关情况数据”作为初始样本，将初始样本数据进行预处理。预处理之后，样本见表 3。继续将每个属性值规格化处理，得到每个学生的学习态度、学习资源使用以及学习结果的情况（见表 4）。表 3 学习行为初始样本姓名作业提交率/%课上参与答题率/%题目正确率/%阅读时长预习题目正确率/%课中题目正确率/%课后题目正确率/%张俊峰10010080510080100刘森宇1001008068080100汤凯淳10010080110080100王新宇10010080910080100张航诚801006011006080教育与教学研究第 8 期205续表 3姓名作业提交率/%课上参与答题率/%题目正确率/%阅读时长预习题目正确率/%课中题目正确率/%课后题目正确率/%张凯1001001001100100100吴沛桓10010080110080100金昊纬10010080110080100苗汇100100801110080100屈欣哲1008080110080100张志杨1008060810060100招鄂100100802080100黄涛涛100100100180100100金子琨100100202010020100褚立森100100801080100表 4 学生 3 个维度情况姓名作业提交率/%课上参与答题率/%题目正确率/%阅读时长预习题目正确率/%课中题目正确率/%课后题目正确率/%学习态度学习资源学习结果张俊峰100100805100801001009093刘森宇10010080680801001009087汤凯淳100100801100801001006593王新宇100100809100801001009093张航诚801006011006080935593张凯1001001001100100100837587吴沛桓100100801100801001006593金昊纬100100801100801001006593苗汇100100801110080100836593屈欣哲1008080110080100936593张志杨1008060810060100938087招鄂1001008020801001006560黄涛涛1001001001801001001007593金子琨1001002020100201001003573褚立森10010080108010010065602023206计 算 机 教 育Computer Education最后，根据学习态度、学习资源和学习结果3 个维度生成每个学生的学习能力雷达图，作为图 3 学生学习能力雷达图学生的本次课的学习档案。部分学生学习能力雷达图如图 3 所示。参考文献：1 祝智庭,彭红超.信息技术支持的高效知识教学:激发精准教学的活力J.中国电化教育,2016(1):18-25.2 付达杰,唐琳.基于大数据的精准教学模式探究J.现代教育技术,2017(7):12-18.3 彭红超,祝智庭.面向智慧学习的精准教学活动生成性设计J.电化教育研究,2016(8):53-62.4 唐雄艺.基于大数据驱动精准教学的通用模式探索与实践J.中国信息技术教育,2019(24):3.5 朱秋霞.精准教学中反思性学习活动的设计与应用研究D.金华:浙江师范大学,2020:17-18.（实习编辑：欧 阳）从图 3 中可以看出，大部分学生的学习态度比较积极，一些学生 3 条曲线比较吻合，证明这些学生从学习态度到学习结果都是正向的，也有一些学生，学习资源使用和学习结果低于其他人，这类学生需要教师和学生的关注。经过课前、课中、课后的精准化教学流程，学生完成了“一维数组”的精准化学习。案例根据课程标准、教学内容和学生的认知水平制定精准的教学目标、设计适应性的学习内容、推荐个性化的学习路径，并在教学过程中借助信息技术收集学生学习过程的信息，实时生成学习评价，从而调整教学策略，实现课堂优质高效教学的教学模式。3结 语基于数据挖掘的“一维数组”精准化教学案例从根本出发，遵循教育规律，不断地进行理论创新，并且以应用到课堂教学实践中去为最终目标，切实将研究成果应用到课堂中，取得了良好的教学效果，促进与完善了计算机课程教学改革，取得了一定的成果，并且有效地改善了计算机程序设计基础课程的实践教学，大大提高了课堂授课质量，实现教师精准教、学生个性学、教学资源有效推的精准教学，可以推广至相似课程课堂教学中，也可应用于更多学科。