大數據應用：敷衍者增加學習負擔，善用者事半功倍

黎東

[摘 要]大數據在教育領域的應用實踐是目前的熱點.文章主要研究學生平時作業和測試大數據采集后的使用效果，探討師生如何善用大數據開展教與學活動.面對大數據應用，教師需轉換應用思路，學生亟須關于大數據應用方面的指導.

[關鍵詞]大數據應用;錯題本;教育知識管理;思維導圖

[中圖分類號]? ? G633.6? ? ? ? [文獻標識碼]? ? A? ? ? ? [文章編號]? ? 1674-6058（2020）29-0008-03

一、大數據錯題本面臨的尷尬局面

錯題本是數學學科教學中，教師經常建議學生整理的筆記之一.傳統的錯題本整理，學生會花費大量時間和精力，所以能堅持做好錯題本整理的學生并不多.

而信息技術的介入，為錯題本的整理帶來了便利.

目前，很多閱卷平臺都提供這樣的服務：將學生歷次段（期）考做錯的題目自動整理并推送類似的題目，包含解析一并整理成冊，打印出來后提供給學生自主復習.

有觀點認為，一年四次左右的大考，數據量太小.學生答題出錯，有可能是偶然事件或由非智力因素導致，不代表學生存在知識缺陷;同時，學校大考出題的覆蓋面有限，沒有考查的內容，并沒有證據能證明學生就一定掌握了.持有這種觀點的教師主張將平時的作業和小測，都納入數據采集的范圍，通過大數據采集對學生學科學習情況進行真實的、全面的了解.

本文觀察的對象為七年級走讀制學生.學校在每間教室安裝了無線路由器并可支持120人同時在線;教室網絡與學校行政辦公一起共享100 M的互聯網出口帶寬;學生以BYOD（Bring Your Own Device）的模式自帶“系統受管控”的平板電腦在校內外開展學習.

悠數學APP（后面統稱數學學習工具）在學校的應用，為學生日常作業和每周小測進行大數據采集提供了技術支持.

每學期開學前，數學教師會與技術員合作，將校本的作業內容提前錄入數學學習工具，平時布置作業時，學生在作業習題冊上作答，寫完后將作答內容拍照上傳到平臺進行批改.

對于數學每周的小測，教師就在數學學習工具自帶的系統題庫中選題組卷，打印試卷讓學生做題，學生拍照上傳到平臺進行批改.

通過對平時作業和小測的常態化數據采集，只要是學生做錯的題，就由系統自動歸入學生個人錯題本并按章節知識點進行歸類，數據量夠大，知識點實現了全覆蓋，初步具備了大數據錯題本的雛形.

參與實驗的教師認為，錯題本大數據是學生珍貴的財富，在平時的教學中他們也多次提醒和鼓勵學生認真做題，將自己真實的數據反饋給系統，而系統也會回饋學生一份“珍貴禮物”——大數據錯題本.

事實上，“禮物”是因人而異的，對于部分學生來說，它可能是定時炸彈.在期末總復習時，數學教師為檢驗錯題本對學生的促進作用，布置學生利用數學學習工具完成重做錯題的任務.但是，個別學生打開錯題本時卻傻眼了，里面居然有一千多道錯題需要他重做和整理，而離考試不到一周了，如何能寫完？面對海量錯題本，學生直接忽視了這項任務.

這就是大數據的尷尬，當大數據面對一位對它敷衍的學生時，它根本無法給予學生相關幫助，甚至會打擊到學生.學生會如何敷衍大數據呢？我回想起一次見聞.

一天中午放學后，我見到數學教師正在教室里“教育”兩位學生，于是上前詢問原因.學生A說是他上數學課時偷偷使用平板電腦不聽課，所以被老師留堂了.

“那你們用平板電腦做了什么呢？”我問.

學生說：“參加數學PK賽.”

“這是好事呀！可以給我看看你們PK賽的成果嗎？”我說道.

學生A快速地將其平板電腦打開，讓我看了他們的PK賽結果：累計做題539題，正確率56%.我感嘆道：“你寫了這么多題啊！”

“老師，我還不是寫得最多的，他才是.”學生A指了指旁邊的學生B說道.

當我要求學生B展示自己“PK賽成果”給我看時，證實了我悲觀的預測：累計做題735題，正確率43%.

這就是基于日常并大量采集數據的結果.教師在努力解決數據采集量的時候，卻面臨了數據嚴謹性的問題.仔細反思后發現，在正式的段（期）考中，在考場的環境中，數據的嚴謹性相對于日常數據采集而言，是能得到較大保障的，但是如何在二者之間尋求平衡呢？

二、具有主動權的大數據應用

我們將學科學習工具自動歸類整理的大數據錯題本稱為被動式大數據應用.主動式大數據應用又應該是怎樣的呢？下面通過一個實證研究的案例展開說明.

（一）案例的目標、工具

1.目標：我自學七年級數學上（下）冊教材，并取得測試好成績.

2.工具：平板電腦、數學教材PDF文件、悠數學APP（數學學科工具）、XMind （思維導圖工具）、百度.

（二）關于案例的說明

發現大數據錯題本的尷尬處境后，我計劃在2020年寒假期間，讓數學學科學習工具為自己整理一份大數據錯題本，通過行動研究方式，尋找日常大量采集數據與數據嚴謹性的平衡點.

“知識管理（Knowledge Management）”概念產生于20世紀90年代初，最初出現在管理學領域.教育知識管理作為知識管理的衍生，在教育領域獲得了廣泛應用.上海師范大學黎加厚教授認為，從社會和教育信息化發展的角度來看，教育知識管理是研究人類獲取、傳播、共享、利用和創造新知識的活動規律.

相比學生的實踐，本實驗新增了一個工具：思維導圖.加入這個工具是因為我們希望通過教育知識管理的方式，實現主動式大數據應用.以下是每個章節學習實踐預設的流程.

首先，以章節為單位，熟讀電子課本;其次，在思維導圖工具軟件中繪制出章節知識關系框架圖;再次，到學科學習工具中做章節練習，做錯的題目系統自動歸入錯題本;最后，將典型題目截圖到思維導圖中.實踐中，很快發現了一些平時沒有關注的問題.

1.學習時僅僅關注錯題是不完整的

例如，在概念性較強的章節學習中，簡單的一個知識點，命題人可以從多個角度進行表述，學生如將多維度表述的例題都記錄下來，才真正有利于學生對知識點的全面認識，如果僅僅依靠學習工具記錄錯題，將出現信息不完整的情況，所以我在思維導圖中對這些概念性題目，不論自己是否答對，只要有獨特的表述，都主動做了詳細記錄.

2.整理知識點思維導圖，并不能使自己成為解題高手

在章節練習中，只有最簡單的題目才能僅用該章節的知識解決問題，復雜一些的，往往是考查靈活運用或是含有跨章節知識點的題目.在特定章節做錯的題目，不能單純判定是該章節沒有學透，實際上很多情況是多知識點融合后產生的問題.換言之，知識缺陷有可能不是單一知識點問題，而是多知識點融合問題.

數學學習工具自動保存的錯題就無法幫助我提升了，因為它反饋的是知識點問題，而不是知識點融合問題.基于這樣的認識，我重新調整了思維導圖的內容，除了整理課本章節知識框架結構外，還新增整理了另一個知識框架結構：知識點融合框架結構，這個框架完全是依據我做過的題目歸納整理的，包含出題者喜歡用怎樣的跨章節知識點與現有知識點融合命題、解題的思維模式、某些類型題網上都有哪些很好的歸納整理等，這些都是新知識框架的主要內容.雖然總結的內容沒有如章節知識點那樣的規范性表述，卻能主動地與原有的知識體系產生互動，更能啟發自己的高階思維.

3.面臨著對數據嚴謹性的挑戰

在做練習時，不可避免地會遇到類似的題目，剛開始時，秉承保證數據嚴謹性的態度，對于每道題我都認真地做，讓系統僅僅記錄我真不會做的錯題.但是時間一長，越來越覺得是在浪費時間，明明解題思路與方法我已很清楚，為何還要花時間去認真運算和證明每一題呢？我面臨了來自數據嚴謹性的挑戰！最終，我敗下陣來.對于類似題，我選擇了猜答案，有趣的是我猜的答案多數是錯的，并被數學學科學習工具順利歸入了錯題本.

（三）關于案例的反思

實驗進行到后期，數學學科學習工具整理的大數據錯題本已有一定的量，但對我似乎已沒有參考意義，因為其中夾雜著我當時真不會做的和猜錯的題目，已無法區分.可喜的是，我擁有了思維導圖，其內記錄了單一知識點N維度的表述，記錄了跨知識點融合的案例，記錄了網絡上知識達人分享的精辟總結，當然也記錄了我當時真正感到困惑的題目，這樣的筆記不是更有價值？

總之，大數據錯題本筆記，是個人通過學科學習工具，不經過人工干預，自動生成的，其記錄的是錯題，稱之為被動式大數據應用.而思維導圖筆記卻有明顯的人為干預特征，筆記內容的生成具有更多的個人特質，但其記錄的是典型題，稱之為主動式大數據應用.之所以稱它們為大數據應用，皆因二者成果產生的過程，同樣都離不開大量題目訓練.

三、實踐建議

發現主動式大數據應用與被動式大數據應用的區別后，我們更希望通過辨識二者的差異，在教學實踐中去應用大數據來提高學生的學習成績.現提出如下建議：

1.大數據錯題本數據自動采集，適用于較為正式的考試場合

被動式大數據錯題本應用，因其對數據嚴謹性要求較高，適合用在段（期）考等大型考試，即使為了提高數據采集量，最多將數據采集范圍拓展到月考已足夠.這樣的錯題本，對學生的學習有一定的借鑒意義.

2.建議教師重視建構知識融合框架結構和收集相應的典型例題

學生利用教材，其實是有能力建構知識框架的，對學生而言，難點是知識融合框架的建構.

教師的作用是搭橋，即在授課時，教師結合自己整理的知識融合框架講解典型例題.課后作業是要求學生用整塊時間結合典型例題建構自己的知識框架結構.學生寫作業的題量會大幅度下降，但是獨立思考的時間卻會大幅度增加，有利于讓學生去頓悟，去培養自己的歸納、綜合等高階思維能力.

3.建議學生用整塊時間整理思維導圖，用碎片化時間去驗證和完善思維導圖

學生首先構建好自己的思維導圖（關注數據的嚴謹性）;其次，利用碎片化時間到學科學習工具中做自測題（不必太關注數據嚴謹性）;最后，通過做題不斷完善自己的思維導圖（關注數據嚴謹性）.只有這樣，才能在大數據的日常采集和數據嚴謹性中找到平衡點.

本案例中，數學學習工具的錯題本筆記“被動”歸類的是錯題;思維導圖筆記“主動”整理的是典型題.二者的生成過程都借助了大量的訓練題和詳細的解析，都屬于大數據采集的范疇，而信息技術的進步，使得典型題的整理和分享提高了效率.

當然，學習過程的大數據采集類型非常豐富，不僅局限于錯題和典型題，但在這一分支的應用中，想提醒大家的是：面對大數據應用，敷衍者增加學習負擔，善用者事半功倍！

[? ?參? ?考? ?文? ?獻? ?]

[1]? 黎加厚.知識管理對網絡時代電化教育的啟迪（上）[J].電化教育研究， 2001（8）：54-57.

[2]? 黎加厚.知識管理對網絡時代電化教育的啟迪（下）[J].電化教育研究，? 2001（9）：23-26+39.

[3]? 牛敏娜.基于大數據視角分析學習變革[J].時代教育，2017（4）：105.

[4]? 李佐軍.教育大數據的應用探討[J].科技創新導報，2019（9）：232-234.

（責任編輯 陳? ?昕）