提高大數據環境下個性化生物作業有效性的研究

李常德

【摘要】大數據環境需要應用者對數據的價值進行挖掘和運用。筆者認為，大數據系統應做到精準定位、科學分析、優化推送，才能充分發揮大數據環境優勢，提高大數據環境下個性化生物作業有效性，真正滿足學生個性化學習的需要。

【關鍵字】大數據 個性化生物作業 優化

【中圖分類號】G633.91

【文獻標識碼】A

【文章編號】1992-7711（ 2020） 06-155-03

2017年的《普通高中生物學課程標準》再次提到，教育要“遵循學生身心發展規律，充分反映學生的成長需要，促進每一位學生主動地、生動活潑地發展”。個性化作業是按學生的個性特點和能力水平而科學制定的一種練習策略。大量的研究表明，個性化作業尊重學生的個體差異，有利于激發學生的學習動力，幫助學生提高知識和能力的水平，促進個人成長和發展。提高個性化作業的有效性，是提高教育質量的重要途徑之一。

大數據是指一類具有海量的、多樣化的信息數據集合。大數據技術在教育領域中，將學生的學習情況進行數據化，具備分析和記錄的可能。依賴于大數據環境針對學生的個性特點推送個性化作業，解決了個性化作業設計和布置所面臨的學生人數眾多與教師精力、時間有限之間的矛盾等難題，改變了憑教師經驗主義的模糊性，提高了個性化作業設計的科學性，滿足學生的個性需求。

本校應用數據平臺在多次的共性練習中采集學生的得分情況作為個性數據，實現自動推送個性化作業的功能。筆者著眼于大數據環境對學生學習表現情況的采集分析記錄，以及個性化作業推送等環節的不足之處，對提高個性化生物作業有效性的具體方法開展探究。

大數據環境的個性化作業與普通的個性化作業一樣，都是基于學生在學習上的知識水平和能力等情況進行推送。學生個性數據的采集方式會影響所得數據的精準性和有效性，推送的策略會影響個性化作業的質量。

一、精準分析有利于提高目標定位的精度

精準分析學情是借助現代信息技術，以課程標準為基礎，精準測量學生的表現，并以數據化形式呈現。精準分析學情能為個性化生物作業提供精準的推送方向。

平臺系統通過平時的共性作業、測驗或考試，進行采集學生的表現情況的相關數據。一般是以學生在練習題中的得分率作為對應知識點的分析數據。但高中生物大部分練習題具有知識覆蓋面廣、信息量大等特點，僅以整道題目的得分率為單位來采集數據的方式，并不能準確反映學生知識點存在的問題。以高三級進行綜合測驗的兩道題目為例：

【2016年全國乙卷理綜生物，1】

下列與細胞相關的敘述，正確的是：

A核糖體、溶酶體都是具有膜結構的細胞器

B.酵母菌的細胞核內含有DNA和RNA兩類核酸

C.藍藻細胞的能量來源于其線粒體有氧呼吸過程

D在葉綠體中可進行CO2的固定但不能合成ATP

本題主要考查細胞結構和功能的相關內容，四個選項依次是細胞器的種類和結構，核酸的種類和分布，原核細胞的結構，以及光合作用主要過程等四個知識點，正確答案為選項B.錯選選項C的同學既不了解“核酸的種類和分布”，也受“線粒體是有氧呼吸的主要場所”的影響而忽視“藍藻細胞不具有線粒體”的生物知識。而以整道題目來說，只能模糊地描述為該生對細胞結構和功能的某些內容不掌握。

【2016年全國乙卷理綜生物，29】

在有關DNA分子的研究中，常用32P來標記DNA分子。用a、β和γ表示ATP或dATP（d表示脫氧）上三個磷酸基團所處的位置（A-Pa～Pβ～Pγ或dA-Pa～Pβ～Pγ）。回答下列問題：

（1）某種酶可以催化ATP的一個磷酸基因轉移到DNA末端上，同時產生ADP。若用該酶把32P標記到DNA末端上，那么帶有32P的磷酸基團應在ATP的一一一（填“a“、“β”或“γ”）位上。

（2）若用帶有32P的dATP作為DNA生物合成的原料，將32P標記到新合成的DNA分子上，則帶有32P的磷酸基團應在ATP的一一一（填“a”、 “β”或“γ”）位上。

（3）將一個某種噬菌體DNA分子的兩條鏈用32P進行標記，并使其感染大腸桿菌，在不合有32P的培養基中培養一段時間。若得到的所有噬菌體雙鏈DNA分子都裝配成噬菌體（n個）并釋放，則其中含有32P的噬茵體所占比例為2/n，原因是一一一一一。

本題的第（1）小題考查學生對ATP的結構和轉化的認知，第（2）小題考查學生對dATP和作為DNA基本單位的脫氧核苷酸的聯系。第（3）小題考查學生對DNA復制特點的相關知識以及語言表述能力。通過ATP（或dATP）的結構為情境考查了三個知識內容。

上述例子可以看到，對于生物綜合性練習，以選擇題的選項、非選擇題的填空項作為學生能力水平分析的數據依據，所得到的數據價值遠高于僅以整道題目得分率為依據的數據價值，更好地反映學生的能力水平和發展趨勢。改“面”為“點”，精準細化地分析學情，準確評價學生，為個性化生物作業提供推送精準依據。

二、科學分析有利于提高個性數據的效度

在常規的試題分析中，除了考慮試題的難度（得分率）外，還要從區分度、信度和效度等方面進行分析。單項選擇題難度系數（P=平均值/滿分值）低于0.2、試題區分度（D=（XH-XL）/W）低于0.3或信度系數（R=ST2/SX2）低于0.7的題目，一般認為該題沒有考核上的意義，教師可以不對學生進行講評。這種數據分析方法對于個性數據分析也起重要作用。

難度過高的題目，其區分度、信度一般較低。特別是對于單項選擇題，學生可能是“蒙對”答案，結果具有隨機性。因些，學生的得失分情況難以反映其學習水平和能力，相關的個性數據應直接淘汰，避免降低個性數據的信度和效度。如下例：

【2014年全國乙卷理綜生物，5】

下圖為某種單基因常染色體隱性遺傳病系譜圖（深色代表的個體是該遺傳病患者，其余為表現型正常個體）。近親結婚時該遺傳病發病率較高，假定圖中第Ⅳ代的兩個個體婚配生出一個患該遺傳病子代的概率為1/48，那么，得出此概率值需要的限定條件是

A.I-2和I-4必須是純合子

BⅡ-1、Ⅲ一1和Ⅲ-4必須是純合子

C.Ⅱ一2、Ⅱ-3、Ⅲ一2和Ⅲ-3必須是雜合子

DⅡ-4、Ⅱ-5、Ⅳ-1和Ⅳ一2必須是雜合子

該題考查基因的自由組合定律的分析和計算能力，在考試說明中屬于Ⅱ類的要求。在平臺中顯示該題作答人數超過23000人，參試者平均得分率為31.18%，缺乏該題區分度和信度等數據顯示。從大數據的題目難度來說，本題屬于難題，有一定的測量價值。而在本年級理科班的測驗中，355人有49人本題得分，年級得分率13.8%，區分度為0.16。調查過程中，學生普遍反映在考試過程中時間有限，不值得在該題上耗費時間來演算，得分的同學絕大多數是“純屬幸運”。說明這道題目并不能很好地區分本校學生層次，對分析本校學生是否掌握基因的自由組合定律的知識水平毫無意義。

另外，雖然同一知識點在不同試卷中呈現方式必然有所差異，但學生個體在歷次練習中知識點得分率的記錄，一定程度上也反映出個體的綜合表現，可看作是重測法所建立的信度指標，對分析學生當次練習中的表現的有效性也有一定的幫助。

【2019年廣州理綜一測，32】

小鼠毛色由x染色體上的一對等位基因（ B/b）控制，基因B控制黑色，基因b控制白色，同時含有基因B和b的個體表現為黑白鑲嵌。小鼠的尾長性狀由常染色體上一對等位基因（ T/t）控制，T對t完全顯性。現一長尾黑斑雌鼠與另一短尾白斑雄鼠進行雜交獲得F1，其中無論雌雄都有長尾和短尾個體。

（1）根據F1的結果，一一一（填“能”或“不能”）判斷出長尾與短尾的顯隱性，親本長尾黑斑鼠的基因型是一一一一一，F1中短尾白斑雄鼠所占比例是一一一一。

【答案】

（1）不能（1分）TtX8XB或ttXBXB（2分） O（1分）

該非選擇題第（1）小題在2019年廣州市第一次綜合測試中有較高的區分度和信度。在高三年級測驗中，得分率53.25%，區分度為0.31，題目具有測量記錄的價值。本班的學生關某在本小題中得3分，得分率為75010。關某雖然不屬于個性化作業的推送對象，系統中仍保留有他的表現數據，在基因的分離定律和自由組合定律的推理和計算方面，歷次有關得分率分別為0%、25%、0%、33.33%、0%、33.33%，平均得分率15.79%，表現不佳但比較穩定。筆者單獨和關某談心，在表揚了他的成績變化后，再讓他描述分析過程，從中得知關某的推斷過程混亂，他的得分具有偶然性而非具備相應的解題能力。從科學角度來說，關某本題的表現情況不應該納入到他的學情記錄中。

科學采集和分析個性數據，對效度低的數據直接淘汰，對信度低的數據有所保留，提高個性數據的有效性，也是提高大數據環境下個性化生物作業有效性的重要原則。

三、優化推送策略有利于提高個性化作業推送的質量

多位學者在研究中都提出個性化作業設計應遵循分層原則。以學生的能力水平為準則分層推送個性化生物作業，滿足學生的個性需求，是因材施教原則的發展和延伸，適應素質教育的要求。

分層推送個性化作業，既要求“穩”的，也要求“進”，滿足學生發展的需求。從心理學角度來考慮，查爾迪尼指出人們由“低”開始逐步接受更高要求;斯金納認為學習反應會隨刺激的增強而強化;維果斯基認為學生需要主動積極地學習具有一定難度的知識，激發潛能，逾越“最近發展區”而進入下階段的發展水平。因此，階梯式分層原則是優化個性化作業推送的重要原則。充分發揮大數據環境的題庫處理優勢，對實施階梯式分層推送起到重要作用。

以下面高三學生王某在綜合性測驗一道遺傳錯題的推送內容為例。

【共性練習題】

某白花傳粉植物紅花（E）對黃花（e）為顯性，高莖（D）對矮莖（d）為顯性，兩對性狀獨立遺傳，當花粉含有DE基因時花粉管不能萌發而不參與受精。用植株DdEe自交產生子一代的表現型之比為

A.5：3：3：1

B.1：1：1：l

C.9：2：2：1

D.7：2：2：1

本題考察基因自由組合定律的基本運算能力，正確答案為選項A。在平臺中顯示該題作答人數超過17000人，參試者平均得分率為64.19%，難度屬于適中。年級測試中本題平均得分率為0.52，區分度為0.43。推送對象王某的“基因自由組合定律的計算能力”綜合得分率為0.16。推送的三道題目如下。

【推送題目1】

設基因A控制視網膜，基因B控制視神經，是視覺正常所需。兩對基因分別位于不同的同源染色體上。都為AaBb的雙親的后代中，視覺正常的概率為

A 9/16

B.4/16

C.1/16

D. 7/16答案為選項A，難度86.68%。

【推送題目2】

某學習小組以紫花豌豆與白花豌豆為親本進行雜交，F，全為紫花。F1自交，F2中紫花：粉花：白花=9：6：1。下列敘述錯誤的是

A.豌豆的花色可能由兩對等位基因控制

B.F，代紫花測交，后代出現紫花的概率為1/4

C.F，代粉花與白花豌豆雜交，后代不會出現紫花

D.F，代紫花中純合子占1/16

答案為選項D，難度74.48%。

【推送題目3】

某生物個體減數分裂產生的雌雄配子種類和比例均為Ab：aB：AB：ab=3：3：2：2，若該生物進行自交，其后代出現純合體的概率是

A.l/4

B.1/16 C.13/50

D. 1/100答案為選項C，難度62.22%。

三道推送題目都與基因的自由組合定律的知識點有關。推送內容的難度分為基礎層次，發展層次和目標層次等三個層次，難度逐步遞增，符合學生王某的知識水平層次。推送的題目精準針對同一知識點，有利于深化題組中蘊含的知識通性，幫助學生鞏固知識。題目難度以階梯方式遞增，在學生完成現有水平的任務后再增強刺激，讓學生有效地進行知識的遷移和轉化，進入并逐步超越自己的“最近發展區”，對學生的學習積極性與求知欲望。因此，這種推送策略能有效提高個性化作業推送的質量。

大數據對當今各個行業領域都有重大影響，也逐漸滲透到教育教學的不同環節。但任何事實都存在利弊的兩面性，海量數據中存在價值密度低的問題，需要應用者對數據的價值進行挖掘和運用。充分發揮大數據環境的優勢，優化個性化作業推送系統，更系統地滿足學生個性化學習的需要，更好地培養、塑造不同的素質化人才。大數據環境在個性化生物作業的應用上還有待進一步的深入研究，在日后的研究中需要不斷補充和改進，使其能夠得到進一步的推廣與使用。

“本文為廣東教育學會2019年度教育科研規劃小課題“大數據環境下個性化生物作業高效性研究”（ GDXKT20474）的階段性成果之一。

[參考文獻]

[1]張忻忻，牟智佳.數據化學習環境下面向個性化學習的精準教學模式設計研究[J].現代遠距離教育，2018，179（05）：66-73.

[2]楊雪，姜強，趙蔚大數據學習分析支持個性化學習研究——技術回歸教育本質[J].現代遠距離教育（4期）：71-78.

[3]徐存杰，個性化作業的設計原則和實施策略[J].教育研究與評論：課堂觀察，2016（4）：15-17.

[4]莊曉蕙，劉慶歡，何雪萍，蔣玲我國個性化作業：現狀、問題與展望——基于讀秀學術搜索數據庫與中國知網（ CNKI）期刊全文數據庫的實證研究[J].教育學術月刊，2014，（10）： 104-111.