基于学情数据的化学教学实践.docx

基于学情数据的化学教学实践

【摘要】评价热是“双新”背景下的衍生词，教师如何在教学过程中进行过程性评价，改进评价观值得探索。本文旨在对学生学习过程中的数据进行收集、分析及应用，形成学情数据，在教学中应用，改善教与学效果，实现教学相长。

【关键词】学情；数据；化学教学

《义务教育化学课程标准（2022年版）》在课程理念中强调：“引导教师合理运用评价结果改进教学，实现以评促学，以评促教，发挥评价的育人功能”。[1]反观教学的真实现状是，依然有很多教师将评价结果作为对学生本人学习能力的评价，而非自身教学行为的反馈及学生阶段学习效果的诊断。当前改变教师的评价观迫在眉睫。

学情分析与数据的基本定义

学情分析在广义上是指对学生的所有情况的分析，狭义上是指对学生在学习方面有何特点、学习方法怎样、习惯怎样、兴趣如何、成绩如何等方面的分析。数据（data）是事实或观察的结果，是对客观事物的逻辑归纳，是用于表示客观事物的未经加工的原始素材。大数据具有海量存储、高效处理和个性化分析等特点，能够满足学生的个性化学习和精细化学习的需要[2]。学情数据指的是可以代表、描述和反映学生学习情况的素材。本研究中学情数据主要指学生学习结果（作业、考试）的数据。学情数据的主要来源是作业和智能化分析平台（包括智学网、极客大数据及星立方数据分析平台等）呈现的数据。

教学实践过程

自2020年初，笔者开始探索学情数据融入教学的策略，作为新入职教师，在无教学经验支撑的情况下，尝试以智能化分析平台呈现学情数据作为教学反思的抓手，探索分析学情数据，应用学情数据，改善教学现状的实践。实践后形成了学情数据融入化学教学的应用模型（图1）。

图1学情数据融入化学教学模型

1.学情数据的采集

数据是教师掌握学情的抓手，只有掌握学生学习过程的真实数据，教学才能有的放矢。学情数据采集的方式包括“线下采集”和“线上采集”两种。一线教师使用最多的是线下采集的方式，如对学生的练习、作业及小测试进行批改后的共性问题统计。线上采集主要是应用智能化分析平台将学生在考试中的学业表现进行统计及分析，生成相应的学情数据。

2.学情数据的分析

学情数据分析是对已采集的学情数据的进一步加工及挖掘，也是整个学情数据融入教学的重点和难点。当今学界研究较多的学情数据分析是应用智能化分析平台提供的数据统计结果，如提供给学科教师的数据分析结果一般包括总成绩、单项成绩、知识点正确率、知识结构、错误原因、核心知识掌握情况变化、成绩变化和排名变化等。教师可根据数据快速了解学生本阶段真实的学习情况。

笔者不否认相应的数据分析思路，但始终觉得并未从根本上解决问题，即没有真正发挥数据分析的深层含义。笔者认为拿到数据分析结果后应从两个维度思考：一是自身教的层面，在教学本部分知识时，是采取哪些策略突破重点和难点的；二是学生学的层面，学生面对重点和难点时，是通过何种证据说明学生已突破重点和难点的。教师的“教”直接会影响学生的“学”。因此，数据分析思维模型（图2）是教师学情数据分析的重要抓手。

图2数据分析思维模型

智能化分析平台提供的数据分析是专业人员根据实际需要建立数学模型，再由软件开发人员应用数学统计、机器学习、数据挖掘等技术手段实现的，同时需要满足学校多群体的需求，如以校长为代表的学校管理者，教师群体中的班主任、学科教师以及学生[3]。这也使得数据分析结果相对宏观，很多数据分析结果并没有在该系统呈现出来。这既是空白，也是可探索的空间，因此开展基于智能化分析平台的数据加工变得更有意义。

3.学情数据的应用

教师获取分析后的学情数据后，可采取直接数据应用或间接数据应用方式融入教学。直接数据应用即将分析后的学情数据直接应用到作业讲评、试卷讲评及个性化辅导上，针对学生数据反馈出的共性问题进行针对性讲解。此种数据应用方式适用于日常作业讲评、试卷讲评课及个性化辅导。

作业讲评时，教师可以在课堂上根据数据反馈结果对错题学生进行提问，了解学生做题时的真实思维过程，由此确定学生的问题点，同时可以请其他学生进行点评。应用此种方法实践后发现，学生听错题更认真，记忆也更深刻；应用数据分析结果进行个性化辅导更便利、更高效。教师可在数据分析平台上下载学生历次知识点失分情况统计表，了解学生具体的知识掌握情况，通过失分情况确定个性化指导内容，实现精准指导。教师为学生提供数据指导后，学生进步显著，学习兴趣也会有所提升。

试卷讲评课上，笔者往往采取如下环节进行。第一步从智能化分析平台下载学生的得分小条，打印发给学生。第二步给学生几分钟时间，在试卷上圈画出所有的错题。学生快速锁定自己的错题。第三步是学生先自己改，再小组讨论解决。最后由教师讲解剩下的共性问题。该模式（图3）为学生自我改进及同伴合作留出了空间。

图3直接数据应用讲评课模式流程

间接数据应用模式是将智