大数据背景下的精准教学策略研究9篇大数据背景下的精准教学策略研究 ２０２１年第８期高教探索ＨｉｇｈｅｒＥｄｕｃａｔｉｏｎＥｘｐｌｏｒａｔｉｏｎ大数据背景下高校精准教学的实践困境及对策研究&lowast下面是小编为大家整理的大数据背景下的精准教学策略研究9篇,供大家参考。
篇一：大数据背景下的精准教学策略研究
２１ 年第 ８ 期高 教 探 索Ｈｉｇｈｅｒ Ｅｄｕｃａｔｉｏｎ Ｅｘｐｌｏｒａｔｉｏｎ大数据背景下高校精准教学的实践困境及对策研究 ∗姜 倩 刘 智收稿日期：２０２１－０３－０３作者简介：
姜倩， 浙江大学教育学院博士研究生； 刘智， 杭州电子科技大学党委组织部副研究员。
（杭州／３１００１８）∗本文系 ２０１９ 年国家自然科学基金面上项目 “基于智能教学系统的精准教学模式与发生机制研究” （６１９７７０５７）
的成果之一。摘 要：
伴随智能信息技术和个性化学习理念在高等教育领域的不断渗透， 大数据驱动的精准教学逐渐成为高校教育关注的热点。
本研究从资源问题、 素养问题和伦理问题三个层面探讨了高校大数据精准教学可能面临的实践困境， 并提出了相应的对策建议， 以期为高校开展基于大数据的精准教学实践研究提供经验和借鉴。关键词：
大数据； 高校； 精准教学 教育信息化 ２．０ 时代， 伴随大数据、 人工智能、云计算、 物联网等新兴技术的发展， 数字化学习环境正在飞速生成和累积海量的教育数据。
合理利用教育数据开展科学化、 精细化的过程性评价， 对个性化教育教学具有重要意义。在高等教育领域开展大数据精准教学， 不仅有助于推动高校教学活动在个性化、 精细化的路径上深入发展， 也有助于促使高校管理工作朝科学化、系统化的方向不断创新。
但由于受到教学资源、 数据素养和伦理道德等方面问题的掣肘， 高校大数据精准教学工作的顺利开展仍然面临着不少的困难。 一、 精准教学的经典内涵２０ 世纪 ６０ 年代， 美国学者奥格登·林斯利（Ｏｇｄｅｎ Ｌｉｎｄｓｌｅｙ）
将操作性条件反射理论迁移至教育教学情境中， 发展出一种数据驱动的教学评估和决策程序——— “精准教学” （Ｐｒｅｃｉｓｉｏｎ Ｔｅａｃｈｉｎｇ， ＰＴ）。“精准教学” 旨在通过监控日常表现、 记录行为频率、 绘制行为表现等一系列活动， 驱动及时有效、科学严谨的教学决策。
早期精准教学主要遵循四条基本原则：
第一， “学习者最清楚”， 即以学习者的学习表现为教学决策的唯一依据； 第二， 持续监测可直接观察的学习行为； 第三， 使用 “频率” 对行为表现进行测量和评估； 第四， 使用标准变速图表（Ｓｔａｎｄａｒｄ Ｃｅｌｅｒａｔｉｏｎ Ｃｈａｒｔ， ＳＣＣ）
绘制行为表现的频率和趋势。
［１］ 精准教学的关键特质在于对行为 “流畅度” 的关注， 即以单位时间内目标行为出现的“频率” 为学习表现的关键度量指标。
［２］ 从评价层面出发， “频率” 兼顾了准确率和响应速度， 突破了“无量纲量” （如正确率百分比）
的壁垒， 提升了行为评估的严谨性和精确性。
从目标层面出发， 精准教学强调培养流畅的基础技能 （或称 “子技能” ），原因在于基础技能不足会阻碍相关复合技能的发展，并可能引发学习过程中的 “马太效应”， 进一步扩大学生之间的差距； 只有当基础技能相应的认知处理过程达到准确、 即时、 自动、 轻松的水平， 学生才有可能突破能力的天花板， 掌握并应用更高阶的复合技能。
作为一种数据驱动的系统教学程序， 精准教学兼容于不同学段和不同学科， 并可与其他教学方法相辅相成。
［３］ 根据已有研究， 精准教学已经在常规教育和特殊教育领域取得了积极成效。
尽管如此， 受种种因素限制， 例如技术水平有限、 教师意愿不足等， 精准教学并没有得到大力推广。 二、 精准教学的时代新解教育信息化 ２．０ 时代， 在大数据、 云计算、 物联网等新兴技术的推动下， 精准教学开始朝智能化、精细化的方向逐步转型。
大数据技术极大地拓展了数据的规模和类型， 提升了数据收集和处理的速度。由大数据驱动的精准教学是指以大数据技术为手段，· ４ ５ ·
· 课程与教学 · 大数据背景下高校精准教学的实践困境及对策研究在精准分析学情的基础上精准定位教学目标、 精准定制教学内容、 精准设计教学活动、 精准评价学习表现， 进而驱动精准的教学决策， 使教学过程和教学结果可量化、 可监测、 可调控。
大数据精准教学承继了传统精准教学强调的 “学习者最清楚” 原则， 同样以学习者的表现为唯一的决策依据。
［４］ 但在智能信息技术的支持下， 学习行为已不再停留于“可直接观察” 的层面， 如借助生物识别技术 （面部识别、 虹膜识别、 情绪识别等）， 可以实现对学习者生理和心理状态的捕捉和分析， 从而为过程性评价和预测性分析提供更多可参考的依据。
与此同时，教育数据的用途也呈现出多样化的特点， 如学习管理系统中的学习型数据可以用于分析和预测学习者的发展趋势， 及时发布学习预警并促进有针对性的教学干预； 而借助射频识别技术或生物识别技术收集的管理型数据 （如食堂消费、 图书借阅、 自习打卡、 体育锻炼等）
则可以用于分析校园生活的现状和问题， 继而帮助学校提升教育管理工作的科学性和实效性。 三、 高校大数据精准教学可能面临的实践困境（一）
配套教学资源难以满足实际教学需求高校开展大数据精准教学， 首先需要配置符合教学需求的信息化教学设备。
但在构建教学环境的过程中， 受经费、 时间和人力等因素的限制， 部分高校或在软硬件设备方面投入不足， 或缺乏对已有设备的定期维护和及时更新， 影响了大数据精准教学的顺利开展。
并且由于高校的学科专业和课程种类较多， 具体的评价指标和评价方法也各有不同，要在所有学科、 专业和课程中构建相应的教学环境，需要架构庞大的资源配置和管理体系， 由专业技术团队开展深入的前期调研， 进而根据不同的课程类型、 教学模式和教学需求配备合适的教学系统、 分析工具， 予以一定的技术支持。
此外， 由于职责和权限的不同， 校内各部门可能会使用不同的系统平台， 对数据的认知和定义也可能存在差异， 各部门之间的数据难以实现有效整合； 同样， 各高校之间由于缺乏统一的数据采集和管理平台， 也难以实现数据的流通共享。
因此， 学校还须考虑部门之间、高校之间的数据标准化和规范化问题， 积极应对可能出现的 “数据孤岛” 现象。
［５］ 解决上述问题需要投入大量的时间和人力， 对于学校而言无疑是巨大的挑战。除信息化教学设备外， 大数据精准教学也离不开配套教学材料的支持。
精准教学着眼于个性化的学情分析和资源推送， 不同类型的学习者对教学材料的数量和质量有着不同层次的需求。
对于高校教学来说， 要在类型多样的学科、 专业、 课程和活动中实现个性化、 精准化的资源推送， 实际所需的教学材料的数量和类型是相当庞大的。
同时， 由于从各种途径 （如企业提供、 网络检索等）
获取的教学材料在质量上参差不齐， 有时难以直接匹配实际的教学需求， 因此， 教师还要基于课前、 课中和课后的学情分析， 结合具体的教学目标、 教学内容和教学方法， 在教学过程中的各个阶段及时筛选、 改编、补充或自制相应的精准教学材料， 以满足学生对于该课程的个性化学习需要。
但由于学情分析和材料创建并非只停留在课前阶段， 还需要结合教学过程中的学情变化不断变换， 整个过程耗时耗力， 容易给教师造成额外的工作负担， 尤其在课程进度较为紧凑的情况下， 如果学情分析相对迟滞， 即使补充创建了教学材料， 也难以与预设的教学活动同步融合。纵观精准教学的发展历程可以发现， 传统精准教学未被推广的原因之一， 即在于难以满足教师对现成教学模式的需求。
作为一种兼容性较强的教学程序， 精准教学本身并不包含具体的教学设计和课程内容， 因此， 需要在实践中不断探索和总结适应不同学科、 不同课型的精准教学模式， 由此增加的工作负担在当时也令很多教师望而却步。
传统精准教学中的模式欠缺问题， 在技术进步的今天依然存在。
尤其对于高校而言， 精准教学仍处于探索阶段，很多教师由于不清楚如何利用大数据驱动教学活动的各个环节， 同时也缺乏适应具体课程的评估标准和分析指导， 在实际的教学过程中可能并不愿意改变现有的教学模式； 部分教师尽管将大数据技术引入了教学过程， 但在缺乏教学模式指导的前提下，这种引入也更多地表现为机械灌注而非深度融合。因此， 多样化的大数据精准教学模式和教学实践案例， 对于高校开展精准教学至关重要。
只有在丰富的教学模式和教学案例中不断学习、 借鉴、 总结和创新， 才有可能找到各类教学模式与大数据精准教学模式之间的过渡区和融合点， 才有可能合理利用数据驱动决策的作用机制更好地开展面向具体问题的个性化教学。
然而， 教学模式的设计、 开发、 应用和迭代， 离不开持续深入的理论研究和实践探索，· ５ ５ ·
· 课程与教学 · 大数据背景下高校精准教学的实践困境及对策研究由此产生的学习和工作压力， 可能会降低教师对大数据精准教学的接受意愿和参与程度， 从而对教学工作的深入开展造成一定的阻碍。（二）
缺乏必备的理论素养和数据素养高校教师的学科背景和教学理念是多样化的，对精准教学的态度和认知也存在差异。
大数据精准教学并不是技术和教学的简单叠加， 要使大数据真正发挥驱动作用， 必须要结合精准教学理论设计结构化的教学策略和教学模式， 不能认为应用大数据技术就等于开展精准教学。
由于缺乏精准教学的专业理论知识， 加上主观经验或教学习惯的影响， 部分高校教师在教学过程中对大数据技术生搬硬套，本质上已经偏离了精准教学的意义和宗旨。
教师在理论素养方面的欠缺， 可能也会影响学生对精准教学的正确认知， 甚至引起 “为数据而数据” 的错误倾向。
例如， 当教师将在线学习中的发言数量和阅读时长作为考评指标并明确告知学生时， 学生有可能为了获得更高的分数， 刻意追求发言数量而不注重发言质量， 刻意累积阅读时间而不开展真正的阅读学习。这种迎合学习数据， 营造学习假象的现象， 干扰了信息的真实性和有效性， 不仅可能导致错误的教学决策， 也容易对学生的习惯培养产生不利影响。随着大数据应用的逐渐深入， 数据素养引起了教育界的广泛关注。
数据素养是指在符合伦理要求的前提下， 批判性地理解、 分析、 评价和应用数据的意识和能力。
良好的数据素养， 是大数据精准教学的内在动力和必要前提。
在高等教育领域， 数据的来源复杂多样， 面对面学习、 慕课学习、 混合式学习、 移动式学习等各种情境都在不断累积教育教学数据。
但对于高校发展而言， 并非所有数据都是有用的， 只有高质量的数据才能满足精准教学的需求。
正确区分数据的质量高低和适用领域， 必须具备较强的数据思维和分析能力。
部分高校由于缺乏专业的数据处理人员， 或者现有管理者的数据素养较为薄弱， 因此难以高效率地对复杂的数据信息进行准确合理的规划和管理。
同样地， 由于缺乏数据素养， 部分师生难以客观辩证地理解教育数据的意义和价值， 难以科学合理地规划数据和应用数据，具体表现为以下几个方面：
第一， 对大数据技术缺乏正确的认知， 或盲目依赖， 或主观排斥； 第二，信息化设备利用率低或利用方式存在误区； 第三，对数据缺乏主动的使用意识和相应的分析技巧； 第四， 对系统生成的数据和诊断缺乏批判性的思考。在大数据精准教学活动中， 教师、 学生、 管理者和决策者在不同环节中各自承担重要的职能， 任何一环出现问题都有可能导致精准教学活动无法顺利运行。
然而， 数据素养的不足， 可能会降低参与者的参与意愿和参与效率， 影响教学环节的有序联动和教学活动的整体效果。
这种隐性的问题往往正是制约精准教学发挥作用的重要原因， 并且这类问题也难以在短期内得到解决， 因为素养的提升无法一蹴而就， 需要充足的时间和科学的指导。（三）
“量身定制” 容易引发伦理道德争议大数据精准教学强调以多维数据为教学决策的科学依据， 这就需要对个体和群体的学习过程展开持续的追踪和监控， 进而收集大量数据并从中挖掘有价值的教育信息。
尽管这种方式极大地提升了数据收集和处理的效率， 但由于涵盖了个体和群体的大量信息， 其中涉及的数据安全和信息隐私等问题亦引发了伦理争议。
对于高校而言， 加强数据安全防护， 防止隐私信息泄露， 是开展大数据精准教学的底线要求和前提保障。
但部分高校由于缺乏专业的数据管理技术部门， 所收集的教学型数据和管理型数据仍存在暴露的风险， 一旦数据被非法用于其他途径， 就会对学校和师生造成不利影响。
同时，大学生通常不直接参与数据收集和管理活动， 也无从了解数据收集和应用的具体细节， 一旦其个人隐私和敏感信息被泄露和滥用， 可能会引发学生对数据安全的担忧以及对学校管理能力的质疑。
此外，由于高校课堂时间的有限性和教学活动的延展性，数据收集有时并不局限于课堂教学， 而是逐渐延伸到校园生活的各个方面， 尽管这在一定程度上有助于学校及时发现和处理问题， 但是无处不在的数据收集对于学生而言可能也是一种潜在的监控压力。 四、 问题思考及对策建议（一）
科学开展教学资源的配置和管理工作不同高校的信息化建设水平是存在差异的。
在设备资源和人才资源方面存在一定困难的高校， 可以积极寻求各方力量的帮助， 通过自主开发、 校企合作、 校际交流、 校友支持等多种渠道， 建立和完善学校的大数据精准教学环境。
学校应组建专业的技术部门， 帮助各院系设计和创建适应学科特点和专业要求的精准教学环境。
同时， 为避免 “数据孤岛” 可能造成的数据断裂和信息冗余现象， 高校应组织技术部门制定数据规范， 定义数据标准， 深入· ６ ５ ·
· 课程与教学 · 大数据背景下高校精准教学的实践困境及对策研究研究部门工作的内容和师生群体的需求， 整合各个信息端口， 建立统一的数据收集和管理平台， 加强部门之间或学校之间的信息互联， 尽可能降低信息碎片化造成的干扰， 从而提高数据管理的效率， 促进数据信息的流通共享。与此同时， 高校可通过多种方式积累和完善教学材料。
第一， 循环更新教学材料。
高校...
篇二：大数据背景下的精准教学策略研究
：浙江省基础教育课程改革重点研究项目 “大数据背景下的精准教学”子课题一览表
序号 地区 课题名称 申报单位 课题 负责人 精准学习
1 杭州 高中学生个别化深度学习的实践研究 杭州市富阳区场口中学 孙志军 2 杭州 基于 ipad 的小学数学个别化深度学习实践研究 杭州市富阳区富春第八小学 夏杭英 3 杭州 初中学生个别化深度学习研究
杭州市余杭区临平第五中学 江贵生 4 杭州 学生差异化学习的实践研究 浙江省杭州第十一中学 莫若虹 5 杭州 自适应学习系统促进精准教学的实践研究 杭州市余杭区临平第一中学 唐建强 6 宁波 个性化作业布置及反馈的实践研究 宁波市北仑区教育局教研室 范东晖 7 宁波 高中数学个性化作业实践研究 浙江省余姚市第四中学 鲁建桥 8 宁波 普高英语写作个别化学习方式实践研究 宁波市第二中学 王淑娅 9 宁波 高中数学精准作业的实践研究 宁波市鄞江中学 徐春波 10 温州 个别化深度学习策略设计及实施研究 浙江省瑞安中学 蔡昌慧 11 温州 基于个性化学习手册的习题讲评课实践研究 温州市第二十一中学 徐海龙 12 温州 初中科学实验导学的实践研究 温州市第二中学 陈孟笛 13 嘉兴 乐课平台深度学习策略设计及实施研究 浙江师范大学附属秀洲实验学校 黄水林 14 绍兴 基于智慧终端的生物有效学习方式研究 绍兴市阳明中学 卓铭阳 15 金华 课堂个性化教学模式实践研究 金华市宾虹高级中学 丰红宾 16 丽水 高中生深度学习行为方式研究 浙江省丽水中学 叶咏梅
17 衢州 自适应学习系统促进精准教学与提升学习效果的应用研究 浙江省衢州第一中学 张未华 18 衢州 小学生个性化作业新模式研究 开化县华埠镇中心小学 胡永红 19 衢州 基于学生微课制作的初中数学精准学习研究 江山市教育局教研室 姜志根 20 衢州 基于大数据平台的初中科学单元自主学习的策略研究 江山市城北中学 刘子阳 21 舟山 农村初中个别化深度学习研究 浙江省舟山市定海区第六中学 张
平 22 丽水 个性化作业推进历史与社会学科精准教学的实践研究 丽水市实验学校 陈建英 精准教学
23 杭州 “智慧+”背景下精准教学课堂模式构建与实施路径研究 杭州市保俶塔申花实验学校 金
戈 24 杭州 初中英语课堂精准教学模型建构与实施路径研究 杭州市保俶塔实验学校 汤珏弘 25 杭州 学科个性化教学模式设计及实践的研究 杭州市余杭实验中学 方建胜 26 杭州 小学数学概念精准教学实践研究 杭州市时代小学 朱元华 27 杭州 “立意素养 基于测评”的课堂教学实践研究 杭州市富阳区教育发展研究中心 应佳成 28 杭州 智慧课堂精准教学系统实践研究 杭州市大成实验学校 王盛之 29 杭州 不同学科个性化教学模式设计及实践 杭州市丁兰实验中学 赵
骎 30 杭州 动态分组教学范式研究 桐庐县城关初级中学 杨伟军 31 杭州 初中数学和英语学科的精准教学实践研究 杭州市行知中学 付国阳 32 杭州 数据驱动的幼儿个性化教学实践研究 杭州市余杭区闲林中心幼儿园和睦分园 李
玲 33 宁波 小学科学个性化教学模式研究 宁波市惠贞书院 严静丽 34 宁波 基于电子书包的高阶思维课堂教学模式的实践研究 余姚市子陵中学教育集团子陵校区 胡玲君 35 宁波 高中函数微专题的开发和实践 浙江省宁波第二中学 孙
鋆 36 温州 高中生物学科精准教学方式变革的行动研究 浙江省温州中学 黄
华 37 温州 基于大数据和 AI 分析的精准教学模式实践与探索 温州市第十二中学 彭来桂
38 温州 基于三大平台的个性化教学模式的实践研究 温州市实验小学 谢作长 39 温州 基于“四库”建设的个性化教学架构与实践 温州市第二外国语学校 吕俊杰 40 嘉兴 基于学科能力测评数据的教学改进研究 嘉兴市辅成教育集团 姚江峰 41 嘉兴 义务教育段学科不同课型精准教学的实践研究 嘉兴教育学院 张志松 42 湖州 “一乐二型三学四策”式精准教学模式的探索与实施 湖州市织里镇中学 徐培江 43 湖州 基于学习监测数据的精准助学模式的研究与实践 长兴县实验中学 董
成 44 湖州 学科个性化教学典型案例研发与实施 湖州市吴兴实验中学 金凯民 45 金华 高中数学个性化教学模式实践研究 浙江省金华市第六中学 叶晓森 46 金华 基于个性化作业的高中物理精准课堂实践与研究 磐安县第二中学 傅宝林 47 金华 基于移动学习终端的小学语文精准阅读教学研究 金华市环城小学教育集团第二小学 姚晓芳 48 衢州 高中生物个性化教学模式实践研究 衢州市教育局教研室 李惠新 49 舟山 初中学科个性化教学模式的实践研究 舟山市普陀第二中学 张鹏恩 50 丽水 小学个性化教学模式的实践研究 青田县城西实验小学 詹勇芬 51 丽水 小学英语精准教学模式的探索与研究 丽水市实验学校 孙
洁 52 丽水 高中生物、化学科个性化习题教学模式的实践研究 浙江省丽水中学 韦松英 53 丽水 大数据背景下智慧课堂实践与研究 云和县实验小学 吴广武 54 丽水 思想政治学科个性化教学模式实践研究 松阳县第一中学 叶仙梅 精准评价
55 杭州 初中数学“六维学研”的实践研究 杭州市天杭实验学校 董贵虎 56 杭州 基于学习力提升的个性化学业评估报告研究 华东师范大学附属杭州学校 马
骉 57 宁波 以靠谱 COP 项目为载体的实证性区域教研模式研究 奉化区教师进修学校 周道义 58 宁波 基于“知识社区”的校本研修管理的实践研究 宁波市江北区洪塘中心小学 储明岳
59 宁波 通用技术课堂师生对话研究 宁波市北仑中学 王伟隆 60 宁波 基于预学作业数据分析的精准教学的实践研究 宁波市镇海区中心学校 杨万勇 61 温州 “五层面精准分析”教研模式实践研究 平阳新纪元学校 许益权 62 嘉兴 “智慧型”教师专业发展实证研究 海宁市文苑小学 张建光 63 嘉兴 初中数学区域教研模式创新的实践研究 嘉兴市南湖区教育研究培训中心 顾建锋 64 嘉兴 依托数字化观课平台的教师教学行为改进研究 嘉善第二高级中学 石
斌 65 嘉兴 基于多元交互式课堂观察平台的区域校本研修创新模式研究 平湖市教师进修学校 宋水观 66 嘉兴 基于达美嘉平台的初中数学试卷精准讲评策略 上海外国语大学附属浙江宏达学校 徐石房 67 湖州 基于学生作业错误分析提升教师精准教学能力 浙江省长兴中学 杭伟华 68 衢州 基于数据诊断的校本教研模式研究 衢州市柯城区书院中学 童丽君 69 衢州 完善考试评价机制 促进科学精准教学的实践与研究 衢州市衢江区教育局教研室 任桂良 70 衢州 文学作品阅读精准教学设计研究 浙江省江山市第二中学 叶志盛 71 舟山 智能化教学系统融入学科教学实施研究 浙江省岱山中学 江爱国 72 丽水 网络精准教研模式研究
丽水市教育教学研究院 郑丽丹 精准教研
73 杭州 寻点、制课、编本：精准学习反馈的实践研究 杭州市大成岳家湾实验学校 鲍争志 74 杭州 高中语文个性化作业行为分析实践研究 临安区教育研训中心 舒永建 75 宁波 学生学习数据可视化分析及应用研究 宁波市鄞州区江东外国语小学 张瑶华 76 温州 区域性精准教学实施和评价研究 温州市鹿城区教育研究院 沈根法 77 温州 初中科学教学目标精准化制定的实践研究 乐清市虹桥镇第一中学 项晓宇 78 嘉兴 基于大数据的公开课模式创新与实践研究 浙江省平湖中学 丁红明 79 湖州 基于大数据的课堂提问行为评价的研究 长兴县太湖高级中学 俞志荣
80 湖州 个性化精准学情诊断的实践研究 浙江省吴兴高级中学 严忠俊 81 衢州 大数据背景下的初中科学作业设计与评价研究 开化县第二初级中学 方宏杰 82 舟山 考试数据分析和学情诊断的研究 南海实验初中 金可泽 83 舟山 基于学业诊断大数据的初中数学精准教学实践研究 浙江省嵊泗县教育局 刘建军 84 丽水 运用阅读测评系统促进课外阅读精准化的实践研究 浙江省丽水市景宁县民族小学 梅景怡 85 丽水 小学精准教学实践研究 丽水市莲都区教育局教研室 桑丽虹 精准管理
86 杭州 基于大数据的“美好作业”设计路径与管理实践研究 萧山区新围初级中学 倪李松 87 杭州 文溪课堂：分层走班教学的实践研究 杭州市文溪中学 李胜建 88 杭州 提高小学二年级数学概念型判断题正确率的实践研究 萧山信息港小学 吴
桑 俞加利 89 杭州 校本资源库的建设与使用研究 杭州师范大学东城中学 伍小斌 90 嘉兴 基于选考数据挖掘的高中生个性化选课模式设计研究 桐乡市高级中学 陆国良 91 嘉兴 基于“交互式”观察平台的信息技术计算思维培育研究 平湖市东湖中学 俞达峰 92 湖州 大数据背景下高中历史“史料实证”核心素养的策略培养 浙江省吴兴高级中学 方建华 93 湖州 普高数学学困生实施精准教学的实践与探索 湖州市双林中学 徐剑威 94 绍兴 学校智能化教学管理研究 绍兴市阳明中学 吴万胜 95 金华 基于用户体验的教育大数据平台应用研究 金华市第八中学 余彩贵 96 衢州 基于纸笔智慧课堂的精准教学应用与实践 常山县教育局教研室 符水禄 97 台州 智慧课堂的生物精准分层教学的研究 天台育青中学 褚姣娇 98 丽水 中小学“精准教学”区域推进的实验研究 缙云县教育局教研室 姚岳飞 99 丽水 基于移动学习终端的个性化课堂检测策略研究 丽水市莲都区花园中学 梁一波 100 丽水 大数据助推小学语文教与学的实证研究 丽水市实验学校 叶莉莉
篇三：大数据背景下的精准教学策略研究
3 期2021 年 3 月 10 日计 算 机 教 育Computer Education中图分类号：G6421280引
言教育大数据是大数据的一部分，即教育领域的大数据，是在整个教育活动过程中，根据需要采集的、用于教育发展并可创造出巨大价值的数据集合，而精准教学则通过设计测量过程来追踪学生的学习表现并提供数据决策支持[1] 。近几年，教育大数据与精准教学的联系日益紧密。教育部在 2016 年《教育信息化十三五规划》中明确指出：要“实现对学生日常学习情况的大数据采集和分析，优化教学模式”和“教师利用信息技术增强学情分析、个性化教学的能力” [2] 。在互联网 + 教育发展的大趋势下，大数据分析与教育的结合是未来发展的趋势，利用互联网技术，对教学对象进行线上线下学习数据的采集分析，以此得到教学对象的行为习惯，依据研究结果对教学流程、教学对象进行提升改进，为教学指导和教学评价提供依据，实现信息技术和教学改革深度融合的精准教学。在互联网时代，学生在学习过程中会留下学习痕迹。利用雨课堂工具采集学生学习过程的全过程数据，利用聚类分析方法，挖掘数据之间的联系，以此分析数据背后的规律，将学生划分为 “积极型”“常规型”“消极型” 3 类，并根据不同类的特点提供个性化的学习和指导计划，可以最大限度地促进学生的学习和个性化发展，提高教育的意义。1
国内外研究现状当前，大数据在教育领域的应用价值日益引发广泛关注与重视。美国教育部 2012 年 10 月发布了《通过教育数据挖掘和学习分析促进教与 学 》（Enhancing Teaching and Learning though Educational Data Mining and Learning Analytics）报告，目的在于促进大数据在教育领域的应用，实现信息技术与教育教学的融合[3] 。文献 [4] 将教育大数据的来源分为国家层面、区域层面、学校层面、课程层面、个体层面 5 个方面，自上而下收集教育数据。文献 [5] 认为教育大数据库包括学校概况、师资队伍、校园校舍等数据群组信息，用数据库可以达到教育质量全面监控的目的。学习分析是教育大数据背景下的一个重要应用领域，在 2011—2017 年期间，连续召开了 7 届“学习分析和知识国际会议（LAK）”，其中，2017 年“学习分析和知识国际会议”提到了基于教育大数据的学习者行为建模、学习者知识建模、教学过程挖掘模型等与学习分析有关的最新研究进展[6] 。目前，大多数研究都集中在基于教育大数据的学生课堂学习行为的分析和应文章编号：1672-5913(2021)03-0128-04第一作者简介：王辉，女，讲师，研究方向为数据挖掘，110590638@.qq.com基于教育大数据的精准教学研究王 辉，杨 健，赵 玮（海军大连舰艇学院 基础部，辽宁 大连 116000）摘 要：针对传统教学活动针对性和精准性欠缺的教学实际，分析大数据在教育领域的国内外研究现状，提出基于教育大数据的精准教学，从课前预习完成时间、课后试题的成绩、课内过程考核成绩及完成时间 4 个指标介绍结构化处理及聚类分析过程，最后针对每类中的样本数据特点给出相应的教学建议。关键词：雨课堂；教育大数据；聚类分析；精准教学
第 3 期 129教育与教学研究用，而将学生课下的学习行为数据与课上学习行为数据整合研究，并据此进行个性化精准教学研究则很少。2
基于教育大数据的精准教学设计2.1 常态化数据采集教育大数据为教学研究提供了全新的机遇和思路，教学过程的数据分析是教育信息化的基础和条件。借助清华大学“学堂在线”发布的一款免费智慧教学工具——雨课堂，利用雨课堂的微信公众号沟通课堂教学和线下教学，采集学生学习过程的全过程数据，经过规格化处理后生成待分析数据，运用聚类分析深度挖掘数据之间的联系，最终生成学习情报，为精准教学提供支撑。课前，教师将 MOOC 视频、预习课件、微课等材料推送到学生手机，学生利用课前推送进行学习准备，并与教师及时沟通、实时反馈；课堂上，学生通过发弹幕等方式与教师互动，而教师发布实时测试，并有针对性地进行知识点的讲解；课后，教师发布课后测试、讨论题目及公告，让线上与线下教学有机结合，实现课前、课上、课后的动态学习和全过程学习数据采集和分析，使教和学更加明确。数据来源于 2018 级计算机程序设计基础课程雨课堂试点班学习数据，具体全过程数据包括学生课前预习课件完成时间、学生课后试题成绩、学生课内过程考核成绩及完成时间。2.2 数据挖掘，全面分析2.2.1 数据结构化处理研究对原始数据预处理：第 1 步，在雨课堂原始数据学习数据库中选取 4 个进度的课堂测试成绩，进行百分制的平均值处理，得到每一个学生的课堂平均成绩；第 2 步，计算出每个学生的课后测试平均成绩；第 3 步，将学生课前预习、课后测试完成时间规格化处理；第 4 步，将学生提交课后测试的时间点规格化处理。经过 4 个步骤的处理后，得到结构化的预处理样本集，共计588 个样本。样本属性分别为课堂平均成绩、课堂测验平均完成时间、预习平均时间、课后测验平均成绩。2.2.2 聚类分析采用 K-Means 聚类算法，其基本思想是根据实际样本选取适当的聚类个数 k，按照最邻近原则把原始样本划分到各个类，求出每类中所有样本到所在类质心的距离均值，并将计算出的均值作为该类的新质心。重复以上操作，直到类或者类的质心不再发生变化或在某个较小的范围内变化，则认为达到预期值。分析所用软件为 IBM SPSS，设置聚类分析变量为“课堂平均成绩”“课堂测验平均完成时间”“预习平均时间”和“课后测验平均成绩”，聚类中心 k 的数目是 3，迭代 50 次，得到聚类结果见表 1、表 2、表 3。表 1 最终聚类中心聚类分析变量聚类中心1聚类中心2聚类中心3课堂平均成绩 12.5 54.1 70.1课堂测试平均完成时间 10 10 8课后测试平均成绩 40.0 72.3 86.8预习平均时间 7 6 7由表 1 可以看出，样本被分为 1、2、3 三类，4 个属性变量分别在其中对应不同的聚类中心值。表 2 与最终聚类中心的距离聚类观察值数聚类中心1聚类中心2聚类中心 31 0 52.653 74.2282 52.653 00 21.7013 74.228 21.701 0由表 2 可以看出，聚类中心之间的距离较大，分类较明显，表明 k 值设置为 3 合理，迭代次数合理。表 3 每个聚类中观察值数目聚类 1 聚类 2 聚类 3 有效 遗漏5 289 294 588 0由表 3 可以看出，第 1 类包含 5 个样本，第2 类包含 289 个样本，第 3 类包含 294 个样本。
2021 130计 算 机 教 育Computer Education在样本的 4 个属性中，进一步考察，考虑每一个属性变量是否对最终的聚类有贡献。通过方差分析，得到结果见表 4、表 5。通过表 4 和表 5 可以看出，课堂测试平均完成时间和预习平均时间在每个类中差别不大，而课后测试平均成绩和课堂测试平均成绩在每个类中差别较大。因此真正对分类有贡献的是课后测试平均成绩和课堂平均成绩。可能原因如下：①课堂测试中，教师已经规定了测试时间的最大值，所以测试完成时间的区别度不大；②军事院校时间不自由，预习时间大多集中在某一个时段，并且时间有限，因此区分度也不大。真正区分度高的是课堂测试和课后测试的成绩，课堂测试分数和课后测试分数高低能够反映出学生对知识点的掌握情况，进而反映出学生的学习态度。类别 1 学生的课堂测试成绩和课后测试成绩指标数值均低于其他两个类别，表明这一类学生学习积极性很差，把这类学生称为“消极型”，结合表 3 可知，样本中只有 5 名学生属于消极型学生；类别 2 学生的课堂测试成绩和课后测试成绩指标数据处于样本数据的中间水平，这一类称为“常规型”，共包括 289 个样本数据；类别 3 学生的两项指标均高于样本数据平均值，这一类称为“积极型”，共包括 294 个样本数据。由此可见，在 2018 级 588 个样本数据中，积极型和常规型学生各占了一半比例。2.3 精准教学
对学生学习行为数据采集、处理与分析之后，则是学习行为数据的应用。积极型学生共294 人，常规型学生共 289 人，消极型学生共 5人。针对不同类别的学生，实施不同的干预手段，有针对性地进行学习指导，提高学生的学习积极性，达到精准教学的目的。首先，在教学目标上要精准。设置明确的、可度量的教学目标，该教学目标应该覆盖 3 个层次的学生，每个层次的学生要完成自己的基础目标，并积极实现高一表 4 单因素方差分析聚类分析变量 平方和 df 平均值平方 F 显著性课堂测试平均完成时间群组之间 96.451 2 48.225 2.075 .131在群组内 2 347.078 101 23.238总计 2 443.529 103预习平均时间群组之间 13.260 2 6.630 12.065 .000在群组内 55.500 101 .550总计 68.760 103课后测试平均成绩群组之间 7 011.059 2 3 505.530 51.633 .000在群组内 6 857.162 101 67.893总计 13 868.221 103课堂平均成绩群组之间 8 975.712 2 4 487.856 71.098 .000在群组内 6 375.356 101 63.122总计 15 351.068 103表 5 平均数聚类观察值数 课堂测试平均完成时间 预习平均时间 课后测试平均成绩 课堂平均成绩1 9.67 6.50 40.000 12.5002 9.71 6.10 72.250 54.1193 7.78 6.81 86.824 70.065总计 8.77 6.45 79.087 61.538
第 3 期 131教育与教学研究阶段的目标。其次，教学内容要精准，满足 3 个层次学生的需求。按照教学目标，在教学内容上，设置基础掌握类和拓展类知识。对于消极型和常规型学生，要求他们掌握基础类知识，并鼓励他们进行高一阶段的学习；对于积极型的学生，对他们的知识要求更高一些，希望能进行深层次学习。最后，教学方法要精准。对于积极型学生，一是要给予表扬，肯定他们的努力，并期望其继续取得成绩。例如，可以在授课过程中点名表扬、在雨课堂中发红包或奖励小红花，为其他学生树立学习榜样；二是可以课后布置一些高阶作业让他们完成，可以在雨课堂或者 FTP 将一些比较经典的算法推送给他们，学生自己下载、修改，完成能力的提升。对于常规型学生，应该足够重视，关注他们学习状态的变化，因为他们处于中间地带，向上或向下走都很容易，教师要充当领路人，授课过程中多提问他们，让他们充当课堂的主角，使他们获得“存在感”。针对消极型的学生，可以采取课上课下联动的方式，课上把相对简单的问题留给他们，多鼓励；课下可以面对面沟通，了解他们学习懈怠的原因，帮助他们走出学习困境。从分析数据来看，在军校学生当中，积极型和常规型是主流。针对不同类型学生采取个性化的教学方式，从而实现教学流程标准化、教学内容个性化、优质教育资源可复制化，最终实现以信息技术为手段的精准教学。3
结
语通过教育大数据的挖掘、分析，开展精准教学，学生得到的不再是一张只有分数和排名的成绩单，而是一份“学习评估报告”，使学生能够清楚自己所处的层次。数据生成的反馈，改进了教研活动效率低、不客观及时效性差的缺点，通过清晰、准确的数据进行传递，驱动教师执行正确高效的教研标准，打通了教与学的脉络。“同一个套路”教学方式将得到革命性改变，参照学习评估报告，能更加精准地为学生提供教学服务。参考文献：[1] Griff i n C P, Murtagh L. Increasing the sight vocabulary and reading fl uency of children requiring reading support: The use of a precision teaching approach[J]. Educational Psychology in Practice, 2015(2): 186-209. [2] 顾明远. 学习和解读《国家中长期教育改革和发展规划纲要(2010-2020)[J]. 高等教育研究, 2010, 31(7): 1-6. [3] BienKowsKi M, Feng M, Means B. Enhancing teaching teaching and learning learning through educational educationaldata data mining mining and learning learning analyticsanalytics: An issue issue briefbrief[J]. US Department of Education Off i ce of Educational Technology, 2012(1): 1-57. [4] 杨现民, 王榴卉, 唐斯斯. 教育大数据的应用模式与政策建议[J]. 电化教育研究, 2015, 36(9): 56-61. [5] 徐勇. 大数据时代观下的教育质量监控(下)[J]. 师道, 2014(5): 31-33. [6] 吴永和, 李若晨, 王浩楠. 学习分析研究的现状与未来发展: 2017年学习分析与知识国际会议评析[J]. 开放教育研究, 2017, 23(5): 42-56. （编辑：孙怡铭）
篇四：大数据背景下的精准教学策略研究
21 年 3 月（下旬）<投稿邮箱：sxjk@vip.163.com数学教学通讯>教学改革作者简介：兰勇 ( 1981- ), 本科学历 , 中学高级教师 , 从事高中数学教学工作 , 曾获市级教学成果一等奖 , 市级骨干教师 , 区级高中教学先进个人.高中数学精准教学策略的实践研究—— — 基于大数据视角下的思考兰 勇重庆市江津中学校 402260［摘 要］精准教学强调教学要能够精确地满足每一个学生的学习需要,这一点与中国传统教育中的因材施教理念一脉相承. 在当前的高中数学教学中,要实施精准教学,可以遵循的策略应当是：以数学教学内容为载体,结合对数学学习过程与结果的评价,借助于信息技术与大数据思想,通过一定的信息技术手段,对学生的学习过程与结果进行精细评价,并对后续教学过程形成有益的指导. 精准教学作为一种宏观要求,追求的是对学生学习的精准把握,追求的是精准的学习过程与精确的学习结果之间的呼应.［关键词］高中数学；精准教学策略；大数据；实践研究精准教学成为近年来基础教育界的一个热门概念,对于高中数学教学而言,如何在具体的数学知识教学的过程中理解精准教学?如何在精准教学的理念之下实施高中数学知识教学?这些基本问题都值得思考,众所周知,学科教学无非预设与生成两种情形 . 大量的事实表明,预设的教与学活动无法较好地满足智慧教育境域中精准教学的需求, 这是因为精准教学追求的是精准,而所谓精准往往指的是能够精确地满足每一个学生的学习需要 . 这一点与中国传统教育中的因材施教理念一脉相承, 当然两者之间也存在着区别：因材施教是一种教学理念,更多的也是面向教学过程的；精准教学是同时面向教学的过程与结果的,其强调过程的精准与结果的精准,过程的精准是指教师所设计并实施的教学过程符合学生的认知需要,结果的精准是指教学的目标符合课程标准的需要,符合学科核心素养培育的需要 . 通过这一比较可以发现,在高中数学教学中实施精准教学,是非常必要的 . 从理论上认同这一点是简单的,在实践中实施精准教学,则需要具体的策略支撑 . 那么如何才能做到精确呢? 利用传统的教学手段,很难对每一个学生的学习情况做到精准把握,而没有这个前提, 也就谈不上精准教学 . 因此要实施精准教学,教师应当开辟新的教学手段,可以借助于大数据的思想去生成教学策略 . 从笔者的实践来看,这一思路是可行的 . 现结合“函数单调性与最值”的教学,谈谈笔者的实践与探究 .■ 高中数学精准教学策略的实施必要性要达到精准教学的目标,必须寻找有效的精准教学策略 . 从这个角度讲,寻找高中数学精准教学的策略,是实现精准教学的前提 . 大量的研究表明,随着大数据在各个行业和领域的应用,基于数据思维,挖掘数据价值,进而开展精准教学逐渐成为教育工作者的重要研究方向 . 应当说借助于大数据思想来生成精准教学的策略,是对传统教学手段与现代教学手段的综合运用,是面向精准教学需要而形成的策略性选择 .现笔者基于自己的实践经验,先阐述高中数学精准教学策略,再阐述其必要性 . 笔者以为, 在当前的高中数学教学中,要实施精准教学,可以遵循的策59万方数据> 2021 年 3 月（下旬）投稿邮箱：sxjk@vip.163.com数学教学通讯略应当是：以数学教学内容为载体,结合对数学学习过程与结果的评价,借助于信息技术与大数据思想,通过一定的信息技术手段,对学生的学习过程与结果进行精细评价,并对后续教学过程形成有益的指导 . 这是高中数学精准教学策略的概述,而之所以确定这样的教学策略,主要是考虑到这两点必要性 .一是精准教学追求的是对学生学习过程的精准把握,教师对学生学习过程的把握来自课堂观察,更多的则来自对学生学习结果的研究与判断 . 前者虽然直接,但是由于判断依据往往是教师自身的教学经验,因此很难保证绝对准确；后者虽然间接,但只要对学生的学习结果有准确的把握,再借助于自身的教学经验,更借助于信息技术与大数据思想,所以有可能对学生的学习过程有比较精确的把握,从而为因材施教打下真正坚实的基础 . 通过教学中的比较研究,可以发现,上述教学策略是实现这一目标的不二之选 .二是从学生学习的角度来看,精准教学有一个重要的目标,那就是让学生对自己的学习形成准确的判断,判断的主要内容之一, 就是自身的学习方法 .上述精准教学策略能够帮助教师把握学生的学习过程,所得到的结果也容易为高中学生所认同,尤其是在高中数学教学中,当相当一部分学生感觉到高中数学难学时,基于精准教学所得出的研究成果,可以成为高中学生学好数学的重要动力 .理解了上述两点必要性,在实际教学中教师的主要任务就是结合上述精准教学的策略,实施具体的数学知识的教学 .■ 基于精准教学需要的高中数学教与学实践精准教学其实有两层含义：一是精准的教, 二是精准的学 . 教与学是一对主体与受体的关系,又是一个教学相长的关系,今天的教学高度追求以学生为本,因此高中数学教学要想做到精准有效,就要从学生立场出发,站在学生的困惑点上探求解题的突破口,从学生已有的知识经验现状出发展开探究活动,从学生理解能力发展变化的不同阶段出发,循序渐进地推进变式探究,提高数学核心素养 . 基于这样的描述, 这里可以来看一个教学案例：在“函数单调性与最值”的教学中,笔者注意到传统的教学,会让学生对这一知识产生比较僵化的理解 . 他们认为函数的单调性就是在一个区间内,函数值一直变大或变小, 除此之外再无其他 . 在进行精准教学研究的时候,笔者做了一个渐进式的教学研究：
首先采用传统的教学方式,让学生建构起关于 “函数单调性与最值”的初步理解,然后让学生对这些知识进行基本的运用—— — 主要的运用方式就是解答一些基本习题或者问题 . 笔者向学生提供的问题有：物理学中的波意尔定律 p=kV（ k 为正常数）告诉我们,对于一定量的气体, 当它的体积减小时, 压强就会增大 . 请用函数的单调性给予证明 .这个问题虽然来自教材,但是笔者在设计的时候将其设计为学生的自主作业,强调在解答习题的过程中充分思考,同时借助于微信中的问卷星,设计了这样一些问题：
首次阅读完题目之后,你能否将这个问题与函数的单调性联系起来?（选项“能”或“不能”）在建立了这个问题与函数单调性的联系之后,你想到用什么方法来解决问题?（选项是“用数学关系进行符号推理”和“用图像”）
. 限于篇幅, 其他的选项这里不再一一赘述 .在学生答题之后对学生的选项进行统计,结果发现对于第 1 个问题,选择“能”的学生比例是 58% ,而第 2 个问题选择“用数学关系进行符号推理”和“用图像”的比例分别是 38% 和 46% ,另有 16%的学生没有选择 . 这样的结果出乎笔者意料,这也坚定了在高中数学教学中实施精准教学的信心—— — 只有真正从学生的学习感觉出发, 去选择教学策略,才能真正做到精准教学,才能精准地实现教学目标 . 第 1 个问题的调查结果,让笔者注意到学生在学习了函数的单调性之后,要培养学生运用这一知识解决问题的良好直觉,关键在于让学生发现问题中的单调性变化关系 . 第 2 个问题的调查结果,让笔者意识到不同学生在解决同一问题时的第一选择往往是不一样的,这与学生的思维方式有关,也与学生的思维水平有关,选择“用数学关系进行符号推理”的学生,更多地擅长于逻辑推理；选择“用图像”的学生,有着良好的直观想象能力,认识到这一点,后续的教学针对性就会很强 .■ 精准教学本质是精准指向学生的教学在笔者的研究过程当中,只要真正能够借助于大数据思想,并对学生的学习结果进行精确的调查,对学生的学习过程与结果就能做到精准的把握,有了这样的把握,教学的针对性与教学结果也都能得到保证 .这里笔者想强调两点：一是精准教学作为一种宏观要求,追求的是对学生学习的精准把握,追求的是精准的学习过程与精确的学习结果之间的呼应,运用精准教学的策略,首先坚持这一理念；其次精准教学必须依赖于现代教学手段, 依赖于信息化思想 . 随着教学信息化不断推进, 智慧课堂也开始进入学校,只有将学生的自主学习和智慧课堂无缝对接,把课上学习延伸到课前预习和课下拓展,才能将学情转化为教学资源, 实现智慧课堂环境下的精准教学 .其实所谓的智慧课堂,在笔者看来只有精准地把握了学生的学习,才能让学生的学习过程变得更有智慧 . 在人们的生活当中,大数据已经体现出其精准的一面,对用户进行有针对性的推送,常常让用户有着良好的生活体验 . 很显然,学习也应当如此,尤其是面对有一定难度的高中数学,只有坚持精准教学的思路,实施精准教学的策略,才能保证精准教学的效果 .归根到底,精准教学本质上是指向学生的, 只有抓住了学生这个主体,真正研究学生并把握学生,才能让精准教学彰显出其应有的含义,从而为推动学生的有效学习以及数学学科核心素养的落地做出应有的贡献 .> 教学改革60万方数据
篇五：大数据背景下的精准教学策略研究
据背景下的精准化初中英语教学顾娟（ 南通市海门区能仁中学江苏南通
226100 ）摘要 ：
高速发展与广泛普及的计算机技术和互联网技术 ， 为学校教育插上了腾飞的翅膀 ， 尤其是大数据的信
息交流和分析共享更是为课堂教学注入了强劲的活力 。
大数据背景下的精准化初中英语教学 ， 要求教师具备以
学生的学情数据为精准化教学设计依据 、 以教材的知识分布为精准化教学设计环节 、 以课堂的测试情况为精准化
教学优化参考这样三大教学思路 。
充分运用云端资源自主教学 、 特定资源个性教学 、 课外资源拓展教学策略 ， 促
进英语教学效率和质量的全面提升 。关键词 ：
大数据
精准化
初中英语
教学思路
教学信息技术的发展与应用已然变得越来越快速与
普遍 , 当前我们正置身于大数据时代 , 可量化 、 可计
算 、 可搜集 、 可对比 、 可读取的数据成为日常决策的
依据与来源渗透在各行各业 ， 其中就包括了教育教
学行业 。
在条件比较好 、 教学理念先进的学校 ， 大数
据在教师的教学设计中出现的频率越来越高 ， 对于
指导教师的日常教学活动有着重要的意义 。
基于
此 ， 本文将研究的焦点聚焦于初中英语的精准化教
学 ， 以期利用大数据的优势来为学生提供更具有针
对性和匹配性的英语教学 。一 、 大数据背景下的精准化初中英语教学思路（ _ ）
以学生的学情数据为精准化教学设计依据
每个学生的英语基础能力都各不相同 , 有些学
生基础好 ， 有些学生基础薄弱 ， 这些都可以通过学生
过往的成绩数据来进行分析 , 这也是大数据背景下 ，
教师以学生的学情数据为精准化教学设计的依据 。
以译林版初中英语七年级上册第一单元 《 This
is
me 》 为例 ， 教师可以利用大数据来分析学生的单元
测试卷 ， 从单词的拼写准确率 、 词组搭配的准确率 、
语法书写的准确率 、 常用口语对话方式 、 常用自我介
绍逻辑思维方式等多个维度 , 去生成一份基于学生
个人的学情数据报告 。
比如有的学生单词 、 词组都
拼写准确 ， 但是在语法上如动词的变形等还有欠缺 ,
则说明该学生的语法部分还需要加强 。
比如有的学
生在应用领域上表现良好 , 则要在英语文化理解 、 英
语日常应用上去发展等 。
通过对学生进行大数据摸
底 , 教师在教学设计时就会精准聚焦 。（ 二 ）
以教材的知识分布为精准化教学设计环节
每一个单元的知识点一般都可以分为词汇 、 句式 、 语法 、 英语文化几大方面 ， 以词汇为例 ， 又可以分
为高频词汇和低频词汇 。
教师在进行精准化英语教
学时,应当合理地安排好各个知识点的教学时间 ， 而
这同样可以借助于大数据来实现 。
以译林版八年级
上册第三单元 《 A
day
out 》 为例 ， 仅仅是常用词组这
一项 ， 就可以整理出八十几个来 ， 这个体量不容小
觑 , 如果每一个词组都要掰开来揉碎了讲显然不现
实 ， 教师就可以根据词汇的出现频率 、 出现场景来进
行教学时间的管理。
比如" forget
to
do
sth 与 for get
doing
sth ” 这组词汇具有迷惑性 ， 前者表示 “ 忘
记要去做某事" ， 后者表示 “ 忘记已经做过某事 ” 。
与
之类似的还有 "remember
to
do
sth
与 remember
doing
sth w 0 这些知识点在考卷中出现的频率比较
高 ， 值得教师着重提醒学生进行对比辨析 。
教师可
以借助于大数据对各种试题试卷的考点进行评测分
析 ， 并延伸到教材中 ， 从而进行合理的教学时间管
理 ， 让学生能够在有限的课堂时间里实现效率最大
化学习 。（ 三 ）
以课堂的测试情况为精准化教学优化参考
在同一堂课中 ， 不同学生对知识的吸收程度不同 ， 教师可以在每一堂课的最后五分钟进行堂测 ， 并
分析读取出堂测情况 ， 以作为精准化教学优化的参
考依据 。
以译林版初中英语八年级下册第四单元
93。
。. .。
。
2021 年 10 月中第 29 期 （ 总第 93 期 ）《 A
good
read 》 为例 ， 这个单元的语法知识主要有两
个, “ 疑问词+动词不定式 ” 的用法以及 must 和
have
to 的异同用法,教师可以设计填空题 、 选择题 、
判断题题型等让学生来完成 。
如果整个班级在这两
个语法知识上的准确率都非常高 ， 只有极个别学生
的准确率比较低 ， 则侧面反映出大部分学生都理解
掌握了 ， 对于个别还理解不充分的学生 ， 教师可以有
针对性地为其进行查缺补漏 。
反之,如果整个班级
的准确率都比较低 ， 只有极个别学生的准确率比较
高 ， 则侧面反映出大部分学生对这一知识点的理解
还比较模糊 , 教师需要在下一堂课就此进行再次地
分析与讲解 。
总的来讲 ， 大数据可以帮助教师更好
地了解到班级学生的学习吸收程度 ， 以设计出更为
精准的教学内容 。二 、 大数据背景下的精准化初中英语教学策略（ 一 ）
云端资源自主教学策略学习是一项需要学生充分发挥主观能动性的活
动,考虑到课堂时间的有限性而学习边界的无限性,
在大数据背景下 ， 教师可以采用云端资源自主教学
策略来组织开展精准化教学 。
以译林版八年级下册
第二单元 《 Travelling^ 为例 , 这个单元里面有一个知
识点叫 “ 否定前移 ” — — T
don^t
think
itTl
be
a
holiday
for
me.
主句中的否定词实际否定的是从
句中的内容 ， 它与我们母语思维中表达否定的用法
不一样 ， 这是中西方语言思维差异以及中西方文化
差异的一个小小缩影 。
当主句中含有 think 、 be-
lieve^see^say 等时 ， 常会用到否定前移 ， 而这刚好又
是口语中的高频句式 , 经常会在生活中运用到 ， 教师
就可以将更多的例句 、 生活场景举例发布到班级的
云平台 、 学生家长的微信群里,鼓励与提醒学生们在
课余时间里自己去下载后查看学习 。
通过将教材的
知识点锁定并围绕其制作特定主题材料包的方式,
可以让学生精准聚焦到特定的知识点并不断提高学
习深度与广度 ， 提高学习效率 。（ 二 ）
特定资源个性教学策略本文在开篇提到,教师可以利用大数据来对学
生进行学习情况的分析和摸底 ， 找出每位学生所擅
长和存在薄弱的地方 。
针对此 ， 教师就可以采用特
定资源个性教学策略 ， 对于学生擅长的部分进行强
化 , 使其成为个人能力优势;对于薄弱的部分进行补
94充 ， 避免成为个人能力短板 。
比如 ， 时态是英语知识
中非常重要的板块 , 假如有的学生在时态这个板块
一直表现得不是很好 ， 那么教师就可以为其设计一
个针对时态的学习材料包 , 将一般现在时 、 现在进行
时 、 现在完成时 、 一般过去时 、 过去进行时 、 过去完成
时 、 一般将来时 、 将来进行时等八种时态都置放在一
起 ， 为学生进行异同点的区分和辨析 , 从结构构成到
时态场景等多方面为学生进行细致化教学 ， 可以微
课特辑的方式呈现出来 。
学生在课后的时间里 ， 可
以利用这个材料包来进行强化学习 ， 并与教师形成
有效的互动 。
通过这种精准的查缺补漏 ， 学生可以
得到适配于个人学习需求的教学资源 。（ 三 ）
课外资源拓展教学策略课外资源拓展教学策略,指的是教师可以根据
教材内容的关联知识点或者文化背景来进行有关内
容的补充 。
以译林版九年级 （ （ Teenage
problems 》 为
例 , 这个单元介绍的是青少年遇到的问题 ， 这是一个
非常容易引起共鸣的话题 。
但是由于中西方在教育
体制和课程设计上等有不少的区别 ， 可能中国青少
年遇到的问题与西方青少年遇到的问题有一样的也
有不一样的 ， 教师就可以对这个文化点进行课外内
容的补充 ， 借助于大数据的力量进行分析 , 将更多的
文化内容共享到班级平台上 ； 同时鼓励学生们在线
上或者线下对这部分内容进行探讨 , 让英语学习从
表面的知识点深入到内在的文化背景中 ， 加深学生
对英语的理解和认知 。三 、 结语英语作为人文类学科 ， 其学习方式非常灵活和
多样 ， 学生对语言的感知能力和应用能力也各不相
同 。
如果可以得到更契合于个人实际的教学指导无
疑会有助于学生提升英语能力 ， 而这恰恰是大数据
的优势 。
因此 ， 教师可以从多个角度入手 ， 采用多样
化的策略 ， 来开展精准化英语教学 , 帮助学生实现更
好的发展 。参考文献 ：［ 叮邵春兰.大数据下精准初中英语教学策略 ［ J ］ . 名师在线 ，
2019 （ 30 ）
:53-
54.［ 2 ］ 张丽.大数据背景下的初中英语课堂教学 ［ J ］ . 新课程 ：
上 ， 2014 （ 9 ）
:110-111.责任编辑:黄大灿。
。. .。
。
篇六：大数据背景下的精准教学策略研究
２２ 卷 第 ５ 期２０２０ 年 １０ 月 辽宁科技学院学报ＪＯＵＲＮＡＬ ＯＦ ＬＩＡＯＮＩＮＧ ＩＮＳＴＩＴＵＴＥ ＯＦ ＳＣＩＥＮＣＥ ＡＮＤ ＴＥＣＨＮＯＬＯＧＹ Ｖｏｌ. ２２ Ｎｏ. ５Ｏｃｔ. ２０２０文章编号:１００８ －３７２３(２０２０)０５ －０５３ －０２ ｄｏｉ:１０. ３９６９/ ｊ. ｉｓｓｎ. １００８ －３７２３. ２０２０. ０５. ０２１大数据背景下高校英语精准教学的质量评价方法研究杨琴琴ꎬ张晓世(山西大同大学 外国语学院ꎬ山西 大同 ０３７００９)摘要:作为培养实践型、应用型与创新型英语人才的重要载体ꎬ高校借助各种移动智能终端设备应用优势基础上ꎬ针对高校英语精准教学进行了优化改进ꎬ并不断增强精准教学质量评价方法的构建研究和完善ꎮ 如此ꎬ如何发挥出大数据技术优势ꎬ提高高校英语精准教学质量评价效果也就成为高校教学研究的重点ꎮ 文章首先介绍大数据背景下高校英语精准教学的相关概念和其教学质量评价方法模式的种类ꎬ分析了当前大数据背景下高校英语精准教学的现状ꎬ并结合大数据背景下高校英语精准教学质量评价方法构建原则针对如何进行精准教学质量评价的构建与实践做出简要的探讨ꎮ关键词:大数据ꎻ高校英语ꎻ精准教学ꎻ质量评价中图分类号:Ｇ６４２. ０ 文献标识码:Ａ 随着现代人才需求的不断增长ꎬ人才培养标准也不断提升ꎬ高校不断推进教学模式和教学质量评价方法的创新与改进ꎮ 但由于受到传统教学思想的影响ꎬ高校在信息化技术与大数据技术方面的应用仍然停留在表面ꎬ不能真正意义上掌握学生的学习状态和个性需求ꎬ无法做到差异化教学改进ꎮ 通过大数据技术的应用ꎬ高校教师可以在线上和线下对学生的问题进行采集ꎬ能够更加方便地获取学生更多的学习问题ꎬ从而进一步为学生量身定做一套更加精准的教学设计方案ꎮ 从数据中发现问题ꎬ通过数据分析明确对学生的教学方向ꎬ为教师能够高效地进行教学活动做出了充足的准备工作ꎬ使高校英语教学更具个性化、人性化和多元化以及形象化、具体化ꎬ使教学更加精准ꎮ 笔者认为ꎬ大数据背景下高校英语精准化教学质量的评价不仅仅要重视教师对先进教学技术的运用水平ꎬ还要从学生角度、教学设计角度和实际课堂教学效果角度去考虑ꎬ以此来凸显出精准教学质量评价的精准性ꎮ１ 高校英语精准教学质量评价方法概述１ １. . １ １ 高 高 校 英 语 精 准 教 学 概 述高校英语精准教学是教师根据课程标准ꎬ以学生和教材内容实际出发ꎬ遵循学科教学规律、学生成长规律、认知规律ꎬ聚焦课堂教学价值ꎬ做到教学目标和教学内容精准的把握ꎬ构建出科学合理化的教学结构并细化教学流程ꎬ 在学习目标上促进学生获收稿日期:２０２０ －０８ －２１基金项目:２０１８ 年山西大同大学教学改革重点创新项目“大数据背景下大学英语视听说精准教学及有效评价模式研究”( ＸＪＧ２０１８１０８).作者简介:杨琴琴(１９８２ － )ꎬ女ꎬ山西大同人ꎬ山西大同大学讲师ꎬ硕士. 研究方向:二语习得ꎬ英语教学.得整合、协调、可持续地进步与发展ꎬ实现预期教学目标和完美教学效果的活动过程ꎮ最初的精准教学是基于斯金纳行为主义学习理论基础上所提出的ꎬ其主张学习即操作条件作用ꎬ以流畅度为衡量学生学习发展指标ꎬ而运用信息技术的发展为其提供技术支持ꎬ从而达到把握精准、精确的时间概念和空间位置的目的ꎮ 反应在课堂教学上ꎬ精准也是课堂存在的必要条件ꎬ是其精华与价值所在ꎻ体现在效率上ꎬ是教与学、知识与技能、思维与习惯、内容与形式、目标与结果的匹配与契合ꎮ 课堂教学是否精准直接决定了教学是否优质、是否是高境界的教学ꎮ大数据化是新时代教育发展的必然趋势ꎬ是通过对平时教学过程中容易被忽略和不容易得到的数据进行有效的采集ꎬ并对这些收集到的与教学直接相关的数据加以分析ꎬ能够有效地、准确地为教学提供相关反馈信息ꎬ从而为教师提供教学设计基础的最客观的表征信息之一ꎬ进一步推动了师生间的课堂互动ꎬ有效地实现了大数据对教师教学对象、教学内容、教学目标的精准调整 〔１〕 ꎮ１ １. . ２ ２ 高 高 校 英 语 精 准 教 学 质 量 评 价 模 式第一ꎬ大数据教学支持中心汇总学生数据进行初评ꎮ 主要利用三种模式进行ꎬ即电子学习阶段性数据搜集、提交自评反馈表以及在线测试模式ꎮ 其中电子学习阶段性数据搜集是大数据时代下评价模式的最新应用ꎬ其宗旨是为了详实和细化记录学生的学习情况ꎬ其中具体包含学生的各种作品演示以及学习过程的心得ꎬ同时标注教师各阶段的评价意见ꎬ将学生生涯的学业和综合素质数据进行汇总并做出评价ꎬ再根据学生不同情况布置个性化作业ꎬ以此代替原有的雷同作业ꎬ使学生的学习更加精准、高效ꎬ实现对评估对象的进准化ꎮ推荐访问:大数据背景下的精准教学策略研究 精准 教学策略 数据
