基于数据驱动的大学计算机基础精准教学模式探究
时间：2022-10-19 10:02:01 来源：达达文档网 本文已影响 人 
基于数据驱动的大学计算机基础精准教学模式探究
0 引 言
教育部印发《教育信息化 2.0 行动计划》，提出发挥技术优势，变革传统模式，推进新技术与教育教学从融合应用阶段迈入创新发展阶段。同年，教育部印发《关于加快建设高水平本科教育全面提高人才培养能力的意见》，指出大力推动互联网、大数据、人工智能等技术在教学中的应用，探索实施网络化、数字化、智能化、个性化的教育。在当前“互联网 + 教育”新形态下，信息技术赋能教育成为教育教学的新理念，实施精准教学是技术融合教育的必然结果。基于数据驱动的精准教学通过学习数据的记录分析，以数据精确测量学习效果、精选教学内容、改进教学方式、开展多维教学评价，促进有效教学。
1 问题提出
大学计算机基础作为高等学校非计算机专业的公共必修课程，是学习其他计算机相关技术的基础，承担着提升学生的信息素养、培养计算思维的重要责任。当前大学计算机基础教学存在以下主要问题。
（1）教学目标模糊，难以实现个性化。教学目标往往是笼统的文字概述，不能量化成具体的要求，也无法精确检验目标的达成；学生基础差异大，教学目标无法满足学生的个性化需求。
（2）教学内容滞后。传统内容跟不上新的知识体系，由基础差异引发的学习需求与教学内容不匹配也成为教学中迫切要解决的问题；传统教学资源种类少，往往是课本和 PPT 课件，缺乏创新型、前沿、优质资源。
（3）教学模式单一。传统课堂，往往是一种以教师为主导的灌输式教学，学生被动接受知识，课堂中师生交流受限，缺少沟通，学生参与度低，导致教学效率低；缺少协作学习活动，存在分组活动难以开展、合作学习形式化、互评互学差强人意等问题。
（4）考核评价单一。课程考核方式只是期末的总结性评价，只以最终的成绩定论，这种评价过于强调对理论知识学习结果的评价，而忽视了对学习者学习过程中知识掌握和能力发展的评价，对学生学习的积极性、主动性、创造性等的评价重视不够。
2 精准教学的内涵与特征
精准教学是美国心理学家Lindsley根据Skinner的行为主义学习理论提出的，即通过对学生的日常学习行为连续追踪收集，使用标准变速图表记录数据并对数据结果进行评估，做出基于数据的决策来加速行为改变和学习成果。精准教学的 4 条指导原则：①根据学习者的表现来决定教学内容；②学习成果的测量使用“频率”来衡量；③使用标准变速图显示测量的频率；④作为指导与实践的依据——测量集中在能直接可观察的学习行为上。精准教学用流畅度（Fluency）衡量学习行为的达成程度，流畅度的评价包括准确度与速度，不仅要求学习者能够精确掌握，还要保证速度。精准教学认为流畅的学习行为即是达到了对知识的精通。
3 数据驱动对精准教学的影响
现如今，我们已由IT（Information Technology） 时代迈入 DT（Data Technology）时代 ，随着大数据技术在教育领域的深度应用，大数据拓展了精准教学的可操作空间，给其带来了如下影响：①数据采集的便捷，相较于传统的手动收集、记录学习行为，技术带来的是更为便捷、高效的收集数据的能力；②数据分析更全面、客观。大数据背景下，基于学习过程中的各种学习行为都能以数据的形式被记录下来，数据种类的多元化也为学习分析提供充分的支撑，每个人都能生成自己独特的“学习画像”，便于实施个性化教学；③分析结果呈现方式多样，大数据通过数据可视化能够动态、多维度查看分析结果，能更简明、直观地反映学习情况。
4 基于数据驱动的精准教学模式构建
针对当前大学计算机基础课程教学存在的问题，以数据为驱动构建精准教学模式
大学计算机基础课程以线上线下混合式运行，通过线上自学，线下教师辅导的模式，线下开展一系列教学活动检验、巩固、强化、应用线上知识的学习，将问题基于项目导向型解决，让每位同学都能将线上自学过程中遇到的疑惑，带到线下课堂中解决，提高课堂教学有效性。整个模式通过数据为支撑整个学习过程，课前以学习者的学情数据为支撑，科学分层制订教学目标；线下课程中根据学习者的线上学习数据，精选教学内容，设计教学活动，通过对学习者全过程行为数据分析，多维度多元量化教学评价；并依此实施精准化的教学干预，确保干预的有效性和个性化；最后以教学干预检验教学目标的达成，形成一个循环的过程。
5 大学计算机基础课程的精准教学模式实施路径
5.1 精准设定教学目标
传统的教学目标中突出的主体是教师，往往考虑的是教师怎么教。在新课改的教学理念下，教学的主体应当是学生，要考虑学生的需求与需要。精准教学目标能够让学生直观认识到学习之后能够具备什么样的能力。
5.1.1 精准目标分层
由于大学计算机基础课程面向的学生的计算机基础参差不同，对于不同基础的学生应当进行分层教学，因此教学目标也要进行分层划分。通过课前发放问卷，精准诊断学情，了解学生的知识掌握程度，科学合理地制订教学目标，如通过数据分析学生的学情、需要，对大学计算机基础教学可进行 3 个层次的划分：基础薄弱的完成现有教学目标即可；基础扎实的以通过计算机二级考试为目标；水平较高的以能参加大学生计算机大赛为目标。
5.1.2 精准目标树构建
大学计算机基础课程的目标分为知识、能力、素质 3 个层次的要求，精准教学模式中，每个目标应是具体的、可量化的、可拆解的。据此，精准教学目标的构建可以是一棵根目标位于顶端、底层由多个子目标逐层联立起来的树，用每个子目标映射具体问题的教学，反之，通过具体的问题解决检验教学子目标的达成。每个子目标应设置相应的资源库，知识目标节点应设置相应的测试题；能力目标节点除了配备案例实训题外，还应该配置操作微视频对照练习；素质目标的子节点对应的则是综合实训题、 PBL 小组作业、科学家案例学习。图 2 为电子表格章节对应的精准目标树。
5.1.3 精准定位短板
根据目标树可遍历的性质，采用后序遍历的方式能够精准定位到学生的短板。对于一个目标子树，若已经达到要求，则无需向下遍历，若尚未达到要求，则需向下遍历其子节点，同时检验子节点的目标是否达成，以此层层递进就能定位到短板所在。定位到短板后，已达成的目标将脱离精准目标树，只保留短板目标及其子节点，其成为新的精准目标树，文献中提出采用回归的方式，对教学过程多次循环，逐步解决短板目标，并最终实现精准目标树的根目标。
5.2 精准教学过程设计
课堂信息化正推动着课堂教学革命，通过技术支持下的空间扩展与教学重构，混合式教学成为如今教学的新标杆。通过对线上线下学习数据的分析，实施精准教学，教学过程的精准贯穿于课前、课中、课后 3 个阶段。
5.2.1 课前线上预习
教师基于网络教学平台构建线上课程，上传丰富多样的学习资源，如微课视频、 PPT、文本资料、慕课资源、实训操作等。学生线上登录学习通平台先行预习，把能够自我掌握的知识先行消化，通过学习通平台进行讨论、留言反馈，列出预习过程中遇到的问题和难以理解的知识点，教师通过分析这些讨论、留言，了解学生对于新课内容理解的难点问题，将这些反馈内容作为课程教学的有效依据，以达到精准教学。
5.2.2 课程中精选内容与活动
课程中学习应充分创设情境式学习，精选能吸引学生的内容，多元设计教学活动，让学生充分参与课堂以达到主动学习，课程中由以下流程展开：
（1）课程导入。教师以学生感兴趣、关心的方向入手进行课程导入，如在学习 Word 文稿编辑这章时，引入制作个性化简历的案例，让学生对新知识的学习充满期待，也契合学生的现实需求。
（2）教授新知。在系统教授新知识之前，教师对线上课程学习中学生存在的问题进行面授答疑，接着进行新学习内容的授课，进行重难点剖析。
（3）课堂互动。结合当前信息技术热点主题设计教学活动，激活课堂，通过投屏教学，开展签到、讨论、投票、选人等一系列教学活动，引导学生积极参与课堂，主动学习，提高参与度。同时通过网络教学平台将参与活动的数据记录下来，作为学习考核的依据，调动学习的积极性。
（4）测验新知。知识讲解之后，进行实时练习，检测掌握情况。对于随堂练习的结果，可以在网络教学平台迅速分析结果，分析错选的选项分布，对整体错误率高的题目着重讲解。
（5）汇报展示。通过投屏展示 PBL 小组作业成果，由小组依次汇报完成情况，通过小组自评、不同组之间互评、教师评价对小组汇报进行评价，学生通过不同评价能够正确地、全面地认识自己。
5.2.3 课后练习与反馈
课后布置作业，建立 PBL 小组。以解决具体问题为导向，通过小组协作，在学生主动参与学习的过程中培养团队合作能力，树立学科素养，培养计算思维。如在数字视频技术这一章节，以小组为单位，综合应用数字媒体技术创作一个主题为传统节日的数字视频作品，鼓励学生提交微课、微电影、 vlog、纪录片等类型的作品。
鼓励学生对课堂内容进行评价，在移动学习平台留言，分享学习心得，对仍然存在的问题发帖反馈，教师通过反馈数据及时做出教学策略的调整，促进有效教学。同时，教师对模块测试的结果进行数据分析，精准短板所在；将错误率较高题对应的知识点记录下来，下次课程着重强调；统计答错的学生进行再次推送，巩固学习。
针对课堂中无法解决的问题，教师可以通过直播讲解难点，直播教学这种高交互性的方式，能够随时随地帮助老师了解学生的问题所在，也能及时反馈。
5.3 精准化教学评价
教学评价是对教学过程及结果进行价值判断并为教学决策服务的活动，评价主要是为了检验教学目标的达成以及学生的学习效果。以数据为驱动的精准教学评价，通过对整个学习过程中数据的处理分析，对学生的学习状态实时跟踪、评价，进而实行个性化指导，同时也能为教师接下来的教学进行决策，形成一套过程性评价。
（1）教学评价个性化。精准教学评价的优势在于能够对学生的学习行为数据进行全方位的追踪记录，生成每位同学的“个性化画像”，分析参与讨论的次数、发帖回帖内容、练习题正确率、章节学习时长等数据与成绩的关系，准确了解学习者的学习状况，找出影响成绩的因素，关注每个学生的成长，因材施教。
（2）多维度教学评价。对于平时作业不再局限于教师的评价，增加学生之间互相评价，让学生懂得评价也是一种学习，这样不仅有利于学生更多地参与教学过程中，更能让学生取长补短，加深对知识的理解。
（3）多阶段教学评价。每学完一个模块，都在网络教学平台进行生成阶段性评价，同时这种评价不只有教师可见，学生也可以查看各自的学习数据与评价，及时了解自己的学习状况，查缺补漏。
（4）多元量化成绩。最终期末成绩不单以考试成绩作为评价标准，将签到、讨论、课程视频、直播、作业等多项指标纳入评价体系综合评价，对成绩进行基于学习分析的过程化评价。
5.4 精准实施教学干预
教学干预是精准教学过程循环的关键一环，以教学干预促使教学目标的达成是精准教学模式运行的保证，对学生学习过程中存在的一系列问题，及时采取干预措施，帮助教师及时调整教学策略、优化教学过程。基于数据驱动的教学干预是对整个学习过程的数据测量之后的决策，数据的解析使得教师执行的干预策略更为真实、可靠。
精准实施教学干预依据学习过程中数据的分析，对未能达成教学目标实施干预，如通过线上任务点完成情况、阶段测试成绩、小组作业完成效果等对教学目标的检验，对未达成相应目标的同学及时干预。若能达成预期的教学目标则推送易错题、重难点知识，加以巩固学习效果。其次，对学生不良学习行为也需进行干预，如学习过程中对作业随意提交，视频观看时长过短、随意讨论发帖、学习进度远低于班级其他同学等行为进行干预。干预不止存在于总结性评价之后，更存在于教学过程中的各个环节。
通过分级进行教学干预，层层深入，确保精准实施。从整体干预到小组干预再到个体干预，强度逐渐加大，个别干预的对象学习风险最高，因此需选择针对性最强的干预措施，进行一对一干预。同时，根据下一阶段的学习情况、作业、成绩的对比分析，对照教学目标，判断干预是否有效，实行有效干预.
6 结 语
数据驱动下的精准教学以线上线下学习数据为支撑，通过目标分层、优化过程、多元评价、精准干预实现精准化、差异化、个性化的教学。精准教学对教师在信息素养、课程设计、资源开发方面提出要求 : 具备数据处理与分析能力，依据学习数据做出教学决策，以学定教；将技术与教学法结合，懂得如何凭借数据分析结果优化教学策略使得教学成效最佳；将技术作用于内容，懂得如何运用技术表征内容，创作出吸引眼球的优质资源。
随着人工智能、物联网、大数据、云计算等技术与教育教学的深度融合，为精准教学提供了新的契机。技术支持下的空间扩展与教学重构，将物理空间与网络空间互联，通过图像识别、语音识别等技术能采集更为丰富的学习数据；机器学习技术能够依据学生的学习习惯、学习风格推荐适合的学习资源；学习分析技术能够对学习过程的行为进行监督与预测，为教师提供恰当的干预措施。未来精准教学将为学生提供更为个性化、智能化的教学，构建“以学习者为中心”的教育生态，促进人才的全面发展。
