基于極課大數據的高中生物作業分析與精準教學

曾滿霞

摘 要：分析學生作業，讀懂學生在學習過程中存在的問題、錯誤、進步等信息，及時調整教學策略，是促進學生學習的一條有效途徑。本文基于極課系統收集的作業信息，從典型錯題、班級薄弱知識點、個人錯題集三方面例舉如何進行精準教學，以提高教學效率，促進學生學習的過程。

關鍵詞：大數據;作業分析;精準教學

作業是學生學習過程的重要組成部分，通過對作業的分析研究，可以有效地了解學生學習的進展情況，從而獲得教學反饋[1]。以往的作業分析只能大概估計學生在學習上存在的問題，不能做出精準判斷。極課大數據是一個軟件平臺，它通過掃描儀全樣本收集學生作業或考試數據，自動生成每題的正確率、錯誤選項人數及名單、學生錯題集等。下面從三個方面談談本人利用極課大數據進行作業分析、精準教學的幾點做法：

1.基于典型錯題，精準設置針對性提問

每次作業批改掃描后，都能得到高錯題、易錯題的信息數據，教師將這些題目提取出來，分析錯解原因，在復習課或作業講評課中針對這些知識點設置針對性的提問，提高學習效率。

例如“下圖中白色圈表示蛋白質，灰色圈表示酶，能正確表示蛋白質和酶二者關系的是（ ）”這道題，大數據顯示班級得分率只有7.9%，其中錯選B的人最多。說明大部分學生沒搞清酶和蛋白質之間的關系，因為我們平時列舉的酶都是蛋白質，他們就認為酶都是蛋白質組成的，或者認為蛋白質就是酶。關鍵原因是對酶的化學本質和蛋白質的功能沒有理解透徹，缺乏相互關聯的深度思維。所以在后續講評課中，我設置了這樣的提問：（1）絕大多數酶由什么組成？少數酶由什么組成？（2）蛋白質的功能有哪些？（3）酶和蛋白質之間的關系是相交還是包含于？第一個問題先理清學生對酶本質的認識，絕大多數酶是蛋白質，少數酶是RNA。第二個問題學生知道蛋白質不僅組成酶，還可以組成激素、抗體等。將前兩個問題的答案關聯起來深入思考后，就不難得出酶和蛋白質是相交關系這個結論。通過這樣的有序思考后，學生對酶和蛋白質之間的關系有了清晰的認識，順利解決了這個高錯知識點。

2.基于班級知識薄弱點，精準選擇教學重難點

準確把握一節課的教學重難點，精心設計并開展突破性教學，是教學成敗的關鍵之一。[3]教學重難點不能完全照搬教參，而是應該根據具體的班級水平做適當調整。

我們通過極課系統可以了解每個知識點的班級得分率和年級得分率，通過對比分析就能精準地分析出每個班級的薄弱知識點，從而為班級精準地選擇教學重難點。例如某班在完成“生物體內的化學反應”這一節內容的作業后，通過各知識點的班級得分率可以看出，該班在“酶的概念”（班級得分率2.89%）、“ATP的化學組成和特點”（班級得分率26.32%）、“ATP在生命活動中的作用和意義”（班級得分率35.53%）等知識點較為薄弱。

所以我們在設計復習課和以后的新課時就會針對這些知識薄弱點做重點設計，深化概念學習。如“ATP的化學組成和特點”，我們從學生的作業分析中發現，他們能寫出ATP的結構簡式“A-P～P～P”，但無法說出ATP具體由哪幾個基團組成，更無法將AMP和RNA的基本單位之一聯系起來。所以在組織這個知識點的復習教學時，我將ATP各組成部分名稱設置為填空：A代表，由和組成，T代表，P代表。結合教材“ATP的結構”圖，讓學生說出各部分基團名稱。然后讓學生對比觀察ATP的結構圖和腺嘌呤核糖核苷酸的圖，通過對比發現AMP就是腺嘌呤核糖核苷酸這個事實。通過后面的練習發現，該班學生這個知識點的得分率為89.32%，較之前有了很大的提高。

通過極課大數據及時捕捉班級學生的知識薄弱點，由此制定相應的教學策略，能有效地提高班級課堂教學效果，縮小各班差距。

3.基于個人錯題集，精準實施個性化補償教學

學生之間的差異是客觀存在的。對于學習能力弱的學生，課后需要個性化的輔導答疑，對于學習能力強的學生，課后需要個性化的激勵提升。[2]極課系統能給每個學生形成個性化的錯題集。通過對個人錯題集的分析和跟蹤，老師能精準掌握每個學生的學習情況，從而為學生提供個性化的補償教學。

例如關于光合作用這個知識點的答題情況，從學生作答可以看出，該生知道光合作用兩個階段的名稱、發生的場所，但對兩個階段中發生的物質變化和能量變化沒有掌握。說明該生需要重新理清光合作用的過程，因此我錄制了光合作用過程講解的微視頻，推送給該學生，指導他自主學習，并及時進行答疑。該生后來在光合作用的過程這一知識點的測試上答題準確率大大提高。

作業分析的目的，是促進和深化學生的有效學習。通過極課平臺，我們能及時獲取作業數據、練習數據等過程性信息，通過對相關數據的分析可以準確地了解學生對哪些內容存在認知困難、哪些因素影響了其知識建構，因而能有的放矢地制定相應的教學策略，進行精準教學，幫助學生進行有效學習。隨著大數據與教育教學的不斷融合，我們對每個學生的學習情況的數據收集以及細致化的分析和精準化的輔導的要求也在不斷地提高。后期會繼續對作業相關因素進行研究，如通過數據挖掘，分析、診斷學生在能力、態度等方面存在的問題，發現其行為偏好、學習風格，來指導學生調整自己的學習策略，實現自主化地高效學習。

參考文獻

[1]李萍.基于作業分析的高一運動學學習困難的研究[J].湖南中學物理，2018，（1）：24～27.

[2]林厚從.基于大數據分析的精準化教學[J].上海教育科研，2017，（2）：63～67.