大数据支持下的高中化学精准教学实践

徐宾

[摘   要]大数据支持下的精准教学以全样本的数据采集、多层面的数据分析为基础，以精准化的数据应用为核心。依据大数据改善教学的三大核心要素（反馈、个性化和概率预测），结合高中化学教学，提出精准教学必须体现在教学目标精准、教学起点精准、教学方法精准、作业设计精准、补救措施精准等方面。

[关键词]大数据;精准教学;高中化学

[中图分类号]   G633.8        [文献标识码]   A        [文章编号]   1674-6058（2019）17-0064-03

提高教学质量是教育永恒的主题，是一个日积月累、不断进取的过程。对教学质量及效果进行正确的评价是提高教学质量的关键。在以往的高中化学教学中，除了各种考试有相关数据可供量化评价之外，教师基本上都是凭个人的经验和感觉做出判断的。而在大数据时代，基于学业大数据的精准教学，可以对每一节课乃至每一个教学环节中学生知识或技能的习得做出数据化的精准判断。

一、精准教学的内涵

精准教学是由奥格登·林斯利于20世纪60年代基于著名心理学家斯金纳的行为学习理论提出的教学方法，是一种通过记录、分析学生的学习行为、学习表现等方面的数据及其变化，从而精准调整教学活动以补救学生学业技能不足的有效策略。它兼容各种教学策略，可对任何学科、任何学段的教学进行评估[1]。随着大数据时代的到来，数据的记录、储存、计算与共享日益便利，必将激发精准教学的活力。

大数据支持下的精准教学是指基于数据决策对教学的各个环节提供有力的支持，帮助教师对学生的发展情况进行数据化的精准研判，对教学目标的设定、教学内容的整合、教学方法的选择、教学时机的把控、教学结构的优化、教学缺失的补救及作业试卷的编制、分層教学、个性化学习、家校配合等方面提出以数据实证为依据的更为准确的评估方法和更为合理的教学决策。可以说，学业大数据使“经验式”的教学模式变为“基于数据”的精准教学模式，这有利于转变学生的学习方式，有利于教师因材施教和学生个性化学习，也有利于减少教学过程中不必要的机械重复训练，从而减轻学生的学业负担，提高学生学习的质量和效率。

二、大数据支持下的精准教学实践

利用学业大数据平台，开展“大数据支持下的精准教学”研究，重点包括三个方面：一是全样本的数据采集;二是多层面的数据分析;三是精准化的数据应用，并由此形成了环环相扣、循环递进的大数据支持下的精准教学模型（如图1）。

1.全样本的数据采集

数据采集是学情反馈的重要渠道，是日常教学工作的一个重要环节，也是精准教学的基础。全样本就是必须面向全体学生。只有采集了全体学生在学习过程中常态化的海量数据，才能看到学生发展进步的动态过程，才能了解学生的真实学情。

数据采集从是否“在线”的角度可以分为“线上数据采集”和“线下数据采集”两种方式。线上数据采集主要通过数字化在线课堂教学平台以及学习终端设备，由教师向学生智能推送有关学习任务，学生通过在线选择、讨论、抢答、拍照上传等方式提交自己的学习成果，平台实时记录、反馈学生在线作业情况，生成相关学习数据。

线下数据采集主要通过记录学生每一次作业、练习、考试的解答痕迹来实现。线下数据采集有两种模式，一种是对于日常大量的作业采用“先批改后扫描”的数据采集模式，在不改变学生和教师原有的作答和批改模式的基础上，通过高速扫描仪采集学生作答情况以及教师批改痕迹并保存至云端，教师可通过手机、电脑等终端APP随时查看教学诊断云平台上收集生成的学生数据，如每个学生的作业完成情况、每个题目的做错学生名单等，学生或家长也可以通过手机、电脑等终端APP随时查看作业反馈情况，系统还会自动形成个人错题集，并给出个性化的补偿学习建议;另一种是通过网上阅卷系统在不改变学生原有作答模式的基础上，对学校的大型考试采用“先扫描后批改”的方式，实现集中的网上阅卷，同步实现考试数据的采集分析，其缺点是改变了教师的工作方式，同时学生试卷上也没有留下任何痕迹[2]。

2.多层面的数据分析

数据分析是精准教学的关键，让教学决策变得有据可依。多层面的数据分析就是利用学业大数据平台对学校层面、班级层面和学生个人层面进行全面的数据分析。对学生平时的作业、练习和阶段考试卷进行全样本数据采集，分析呈现各班级学生近一个星期或一个月以来的知识薄弱点和高频错题，对考试卷的难度、信度、区分度、难易题的比例、知识点的权重、每小题的得分率，以及班级的平均分、班级各分数段的人数等进行统计分析，形成联考报告、校级报告和班级报告，形成学科学情和学生学情分析报告，呈现成绩分档统计，及大幅进步生、大幅退步生、临界生和波动生的名单以及每个题目做错的学生的人数和名单等。有了这些数据，教师的后续教学就有了更加清晰精准的判断：哪些内容是学生已经掌握的，哪些是学生没有理解的，哪些还需要进一步巩固加强;对于未达成的目标，后续的教学应做怎样的调整，提供什么样的学习机会，课后如何提供针对性的训练。这些都是实施精准教学的基础和依据。

3.精准化的数据应用

数据应用是精准教学的核心，数据采集和数据分析都是在为数据应用做准备。大数据领域公认权威维克托·迈尔-舍恩伯格教授在《与大数据同行：学习和教育的未来》一书中提出：大数据改善学习的三大核心要素是反馈、个性化和概率预测。大数据帮助教师确定最有效的教学方式，这使得我们第一次拥有了强大的实证工具，让我们既能了解如何教，又能了解如何学。因此，精准化的数据应用就是基于数据分析所采取的精致准确的教学措施，既包括纠错纠偏的补救性措施，更包括具有前瞻性的对于促进学生目标达成所必需的干预性措施。教师的智慧就体现在预测的准确性和补救的精致性上。基于此，我们在化学教学中应特别关注以下几个方面。

（1）教学目标精准

教学目标是学生学习所要达到的预期结果，是课时教学的出发点和归宿，应贯穿于备课、上课、评价等各个教学环节，是检验教学成败的重要依据。教学目标精准表现在，符合化学课程标准的总体要求，体现化学学科的育人价值;符合学生的现实水平，体现目标的可达成性;符合学生的认知规律，体现教学的科学性、人文性和艺术性。可以说，大数据支持下的化学精准教学，教学目标越明确、具体、可检测，教学的精准度就越高，教学效果就越好。

例如，《气体摩尔体积》一课的认知目标可设置为：通过对相同条件下不同物质的体积的探究，从微观上了解决定物质体积的内在因素，从宏观上了解决定气体体积的外在因素;知道气体摩尔体积的含义，记住标准状况下的气体摩尔体积;能进行标准状况下气体体积和物质的量、粒子数目之间的换算。在这样的目标指引下，为了检验学生课堂学习的效果，教师可编制一组检测题，通过Pad向学生智能推送，让学生在规定时间内完成并提交答案，同时结合学生答题的正确率和速度，即时诊断学生课堂学习的效果，并采取必要的措施及时纠正学生认识上的偏差和错误，提高学生课堂学习的质量。

（2）教学起点精准

教学起点精准对教学的重要意义毋庸置疑。起点过高，学生接受不了，容易造成“夹生饭”;起点过低，大多数学生不感兴趣，造成教学时间的浪费。大数据支持下的精准教学，教学起点的选择可以不完全依赖于经验，而是通过学业大数据平台对课前预习反馈、基础测试等环节进行在线数据分析，从而使教学起点的选择更加科学合理。

例如，《金属矿物的开发利用》一课，课前布置学生写出自己熟悉的制取金属的有关化学方程式，课堂伊始在线提交。从在线反馈的情况来看，学生对初中学过的金属置换反应、C（CO或H2）还原CuO、CO还原Fe2O3的化学方程式都比较熟悉，所以笔者放弃了原先准备的以“湿法炼铜”为教学起点的选择，把准备用来做课堂小结的“金属冶炼的原理”提前，并引导学生思考“结合书写的化学方程式，分析金属从化合态转变为游离态是被氧化还是被还原”。学生都知道“是被还原”，笔者接着追问：“化合态的金属原子（离子）被还原，它得到的电子从哪儿来？”以此作为教学的起点，既可以节约教学时间，又可以激发学生的思维。学生经过讨论，认为还原剂可以提供电子，金属化合物中的其他原子（离子）也可以提供电子。学生的思路被打开，教学顺利进行。

（3）教学方法精准

精准教學不但要求教师精心考虑学生“学什么？（教学内容）从哪儿开始学？（教学起点）学到什么程度？（教学目标）”的问题，还要根据“概率预测”原则，精心设计教学方法，即“怎么学？”的问题。什么方法能帮助学生突破学习难点？什么方法能纠正学生认识上的偏差？什么方法能发展学生的化学学科核心素养？什么方法能促进学生学习目标的达成？等等。总之，精准的教学方法是体现“以学习为中心”的方法。

例如，在“苯分子的结构”教学中，用问题链引导学生发现问题，激发学生去思考、想象、观察苯分子结构模型，并以科学实验获得的数据为证：从苯的分子组成看，碳原子处于高度不饱和状态，苯分子中碳原子是以双键、三键连接的吗？（ 通过实验证明答案是否定的）苯分子中碳原子如何连接才能使碳的化合价得到满足？（凯库勒对苯分子结构的想象，模型展示苯分子的结构）哪些证据可以证实苯分子的结构？（1HMR 共振谱以及苯在一定条件下可以和H2发生加成反应生成环己烷）

在这一学习过程中，学生不仅能建立起苯分子结构的概念，也能领悟到学习过程所运用的学习方法和思维形式，更能完整地领会学习的目标。反之，如果在学习苯的结构之前，直接向学生说明认识苯的结构要从实验获得证据，通过想象、运用模型做分析、推理，由于学生缺乏感性认识，所以就算他们听了（看了）也难以理解[3]。

（4）作业设计精准

作业设计精准包括精准到“知识点”和精准到“人”。课后作业通常包括两类，一类是面向全体学生的“纸质作业”，另一类是适合学生个性化学习需要的“电子作业”。纸质作业上标有扫描定位点，以低中档题为主，旨在巩固课堂学习的重点、消解学习的难点、强化化学学科的特质思维，进一步促进学生课堂学习目标的达成，体现“教—学—评”的一致性。电子作业则是通过平台进行预设，选择好推送的对象定时推送，充分体现了因材施教和个性化学习。电子作业分为两类：一类是向基础较好的学生推送较高要求的习题，另一类是向基础较差的学生推送其近期的纠错题。每一类电子作业的题量控制在1～3题，学生在线提交，教师在线批阅，结果在线反馈。

（5）补救措施精准

针对学生学习过程中出现的错误进行订正以及学生答题时的思维缺陷进行补救，其实是“再次教学”，具有学习辅导的性质，但它并非简单地重复教学，而是基于大数据的分析，找到问题背后的“结症”所在而采取的对症下药的补救性教学活动。

例如，某次作业中出现了这样一道题：

在某100 mL混合酸中，HNO3的物质的量浓度为0.4 mol/L，H2SO4的物质的量浓度为0.2 mol/L。向其中加入2.56 g铜粉，微热，待充分反应后，溶液中Cu2+的物质的量浓度为（）。

A. 0.15 mol/LB. 0.3 mol/L

C. 0.225 mol/LD. 无法计算

全班54名学生中只有11人选择了正确答案B，竟有38人误选了答案A，而这正是命题者为了考查“根据离子方程式计算”而巧妙设计的“陷阱”。讲评时，教师没有就题讲题，而是先请学生计算混合酸液中H+和NO3-的物质的量浓度，再写出Cu与稀HNO3反应的离子方程式。有了这样的铺垫，学生恍然大悟。原来不能简单地认为Cu与稀H2SO4不反应，而应将稀H2SO4中的H+理解为整个混合酸液所共有。

无论是新授课还是习题讲评课，对于学生的共性错误，教师应找准学生认识的模糊处、易混处，重新进行教学设计，改变原来的授课方式，引导学生换一个视角去思考问题、认识问题，增加学生的新鲜感。当然，对于学生高频错误点，教师要集中“火力”深刻剖析;对于新颖性、思考性强的题目要重点讲解，同时还要引导学生举一反三、触类旁通，增强补救教学的深度和厚度;对于学生个性化的错误，教师可以采用个别辅导的方式解决，也可以用Pad录制简单实用的微课推送给学生，以增强补救性教学的针对性和实效性。

总之，有效利用大数据，达到了人机合理分工、功能优势兼收的目的，教学质量明显提升。2017年，我校成功入选“教育部基础教育信息化应用典型案例名单”。我们还将继续推进Pad、学业大数据平台和课堂教学的融合，让信息技术与课堂教学的科学性、艺术性和人文性交相辉映，进一步提升学生的学业质量，培养全面发展的人才。

[  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]  林厚从.基于大数据分析的精准化教学[J].上海教育科研，2017（2）：63-67.

[3]  王云生.发挥课时教学目标的教学导向作用[J].化学教学，2017（9）：9-12.

（责任编辑 罗   艳）