小学数学精准教学实施效果分析

张宁 徐锦婵 张烨 杨莹

摘要：依據大数据背景实施精准教学的教学实验是对教学方发和方法的一次革新。本次精准教学是借助智慧教学系统和学生学习风格类型量表进行科学诊断后实施的，教师在原教学方式上增加一种授课方式，该方式主要是针对某种学习风格类型学生设计。结果表明：教师依据学生学习风格类型进行教学设计是有效的，有利于全面诊断，为优化教学策略提高依据。该理念下的教学活动设计而话备课，教师的工作量比之前明显增加，建议教研组建立教学策略和教学活动设计库。

精准教学起源于20世纪60年代，最初由美国奥格登林斯利提出，用于追踪小学生的学习表现和支持数据决策。精准教学在促进学生阅读、数学教学等方面已经取得了一定研究成果。从20世纪70年年代开始，欧文怀特White1998通过6项教学研究项目有效证明了精准教学在缩短学习者学习时间、促进学习效果等方面具有促进作用;他认为精准教学是一种以教授知识与技能为主的高效教学方法，有利于促进学习者取得学习成就，是弥补学习者学习能力不足的有效策略。格里芬、默塔等人（Griffin &Murtagh2015）证明了精准教学有助于提升学生的阅读准确率、流畅度和综合语言运用能力。在数学方面，加拉格尔（Gallagher2006）组织一些“困难生”学习乘法表，结果表明，精准教学对促进数学方面具有一定的积极作用，遗憾的是没有针对优秀学生和中等生情况进行研究。本文拟以大数据背景，以学习风格类型为切入点，关注学生学校行为，精准实施学情分析和构建教学策略以及活动设计，实施进展教学，为提高教学质量进行探索。

1、大数据分析对教学优化提供了有效依据

与传统备课相比，基于大数据和互联网知识进行备课，改变了更多依赖个人经验、直观判断的传统的实证教研方式走上寻求更多数据、采用科学诊断的现代实证新教研方式之路。

教师利用教育数据挖掘和学习分析技术，可以对学习者的知识掌握程度及其可能达到的潜在水平形成更清晰的认识、对学习者的学习过程和学习路径具有更精准的把握，这些信息为教师优化教学方法与策略、合理安排教学活动与顺序提供了依据。利用大数据分析结果，教师能够及时发现问题、进行有效干预并作出全面客观的评价，从而显著提高教学的质量与效率。

美国教育发展中心（Education Development Center）和儿童与技术中心（Center for Children and Technology）对如何利用数据帮助教师进行教学决策开展了研究，77%的教师表示通过对学习过程进行数据化采集和分析，了解学习者的强项与弱项，可及时改进教学策略，能够提高教学效果[1]

2、结合学习风格类型进行学情诊断更加有效

学生学生风格是一种稳定的学习方式的反映，对学习活动具有直接的调控作用。20世纪70年代以后，学者们偏重于用科学实验的方法对学习风格中的影响因素进行研究，并制定出相应的学习风格测量工具。大量研究结果显示：个体的学习风格与其学业成绩有关联，与学生学习风格类型相适应的教学措施不仅有利于学生学业成绩的提高，还能改善低学业成就的学生对学习和学业成就的态度。

因此，本实验在基于大数据背景下的学情诊断也融入了学习风格类型，并结合智慧教学系统和手工方式建立其关系，为精准设计教学活动奠定基础。教学实验表明：传统的需求诊断主要是依据教师教学经验和教师的值观了解。而现阶段在学情分析之前首先依据学情诊断模型，先分析学生的学习风格类型，让后在分析学生对知识点的掌握状况，并且通过大数据进行相关分析，发现不同学校风格类型学生的学习掌握状况。通过队实验教师的访谈，利用该方式学情分析时候，教师可以做到对所有学生共同存在的问题和不同学习风格类型学生存在的问题。之后依据学习风格类型进行教学策略选择和教学活动设计。同时，教师反馈，依据学生学习类型进行进行设计有利于提高学生学习效果，但是教师备课的工作量偏大，为了提高教学效果，教师应习惯依据不同学习风格类型特点进行教学设计和教授，同时建立不同学校风格类型教学设计库，方便教师的备课。

3、精准教学有利于纵横了解知识掌握情况

通过大数据和智慧教学系统的应用，利于教师精准化和量化发现教学中存在的的问题，同时为教师的教学设计提供了多种可能性和方式手段。我们的做法主要是两个方面，一是通过学校的智慧教学系统进行习题练习和测试，及时获取学生对知识点掌握情况。二是通过线下测评把答题情况通过系统在数据化直观化分析，具有滞后性。通过以上方法能够做到 ：一是对学生对数学学科知识点的了解程度，通过平常教学、作业反 馈、阶段检测等数据，掌握学生的现 实水平和现实需要，制定帮助策略。二是对环节的多维比较和历史数据纵向追踪可以发现学生掌握知识点的轨迹和存在的问题，为提升学习效果奠定基础。三是利于结合学生的认知方式选择教学策略，对不同类学习风格类型学生选择用什么方式来呈现、演示 教学内容更加有效，同时优化认知过程为因材施教提供了可能。

4、结合学习风格的精准教学使教学行为与目标更匹配

与传统的教学相比，基于大数据背景的精准教学实施，增加了全时段的日常数据的采集与分析，为教师提供了实时和全面的学生学业信息，教师能够感知班级学生的整体学习需求，以及不同学习风格类型学习状况，为教师预测教学重点、难点，以及小范围实施精准因材施教提供了基础。学校的智慧教学系统，会对班级测评情况进行报告，包括错误人数统计，还记录了做错的学生学习风格及解答情况;不仅统计得分率还给出选择题的高频错误选项。不足指出没有结合学生的学习行为情况，即学习风格类型，因此，需要教师结合学生情况进行手工分析。只有这样才能更加 准确的提供教学策略。建议我学生的学习风格了些作为常量与学生的错误题型型建立相关关系，方便教师实施分析，减少教师工作量。

5、精准教学让让闭环式教学更加有效

通过测评试卷和学习风格类型相关分析，发现对不同学习风格类型学生人数和成绩均值比较发现，言语型和综合性成绩最高分别为86、86，但是这两类学习风格人数占比较少，占比分别为言语型平均成23.26%、25.58%。另外，感悟型和序列型成绩均值最第分别为76、78，其占比为37.21%、55.81%。视觉性占比学生达到76.74%，成绩均值为81分，略低于班级平均成绩81.91。

大于班级成绩均值的学习风格类型有，综合性、言语型、直觉型和沉思型。一般而言，言语型擅长从文中或语言中获取有用的信息。综合型的学习者个按照全局理解内容，大步走。直觉型的学习者喜爱抽象复杂的事物，比较粗心，擅长掌握新概念。而沉思型的学习者更擅长梳理知识点，偏爱独自思考和解决问题，或与固定搭档学习交流。

小于班级成绩均值的学生风格类型有活跃性、感悟型、视觉型和序列型。一般而言，活跃型的学习者通常会积极的参与学习活动，乐于和善于与同伴讨论和交流。感悟型学习者比较细心，善于记忆，偏爱简单的事物。视觉型的学习者需要视网膜的刺激，擅长记住看过的东西。序列型的学习者喜欢按部就班，分析知识点，按照逻辑理解内容，小步走。

通過以上理论分析后，当前教师教学方式高分孩子较少，因此改变教学方法，从学习者角度出发设计教学方式。首先对于疑难点采用最少两种授课方式，在老师原有授课方式基础上在增加一种授课方式，第二中授课方式关注的学生群体是是感悟型和序列行学习方式为主的学生。教师依此进行教学设计。通过一段时间的教学再次进行测评，改变和优化教学与方式。该理念是依据小群体进行教学干预，探索促进学生发展的方式和提高低分学生的学习成绩和学习效果。

由于这两两种学习类型的学生特点分别是是善于记忆偏爱简单事物和按部就班小步走的学习。因此教师设计时，依据知识点和学生没有理解的部分，需要再次进行教学设计。教学设计需要把复杂的问题简单化，并且按照逻辑顺序，直观化、按部就班的分析，引导学生学习 掌握。通过教学一个月的教学实验，这两类孩子的成绩有有了明显提高，感悟型和序列型学生评价成绩仅仅低于平均分1和2分。因此，该教学方法，有助于实施小群体教学干预和提高班级整体成绩，促进学生充分发展。另外，教师备课的工作量明显偏大，故需要教研组集体备课，尤其是针对不同学习类型学生备课。

6结束语

利用大数据背景实施精准教学的理念可以做到科学诊断学情，比传统的学情分析更加有效。

依据学生学习风格类型制定教学策略是行之有效的教学方法，但是教师备课工作量明显增加。

对于教学设计，建议在教研室进行群群备课，依据不同下学习风格类型进行相应知识点的群体备课，建立教学策略和教学活动设计库，方便教师选择，同时增强教师依据不同学习风格学习方式改变自身的教学方式的能力。

参考文献：

[1]刘宁、王奇等，育大数据促进精准教学与实践研究——以“智慧学伴”为例[J].现代教育技术，2020.4

[2]汤向明，基于数据分析的高中数学精准教学实践[J].教育纵横，2020.7

[3]陈岚，基于学业数据开展的小学数学精准教学的实践研究[J].教育界，2020.3

基金项目：陕西省教育科学“十三五”规划2020年度课题（SGH20Y0134）