智慧教育環境下高職“數據結構”課程精準教學模式設計與實踐

程鴻芳，宋平平，汪瀟瀟，秦曉安

(1.蕪湖職業技術學院 信息工程學院，安徽 蕪湖 241000；2.蕪湖職業技術學院 教學督導與質量監控處，安徽 蕪湖 241000；3.蕪湖職業技術學院 黨委宣傳部，安徽 蕪湖 241000；4.安徽商貿職業技術學院 電子信息工程系，安徽 蕪湖 241002)

0 引言

近幾年，國家教育部相繼出臺了一系列關于職業院校教學工作診斷與改進的文件，[1]旨在充分利用信息技術和各學習平臺記錄的學生學習的行為數據(課前、課中、課后)，掌握學生的學習狀態，及時調整教學安排，提高高職院校技術技能人才的培養質量，滿足新形勢下對高職院校所提出的新要求。上世紀60 年代，美國教育學家Ogden Lindsley提出精準教學理念，[2]即通過精準地記錄學生的學習行為數據來決策教學。由于受當時技術條件的限制，該理念無法有效實施。當今，隨著信息技術的發展，智慧教學環境在高校普及，為精準教學的實施提供了技術支持，也為高職教學診斷與改進工作提供了數據依據。本研究立足于智慧教學環境，結合高職教育特點，圍繞崗位需求、1+X認證需求、大賽要求“三維度”，探索高職院校“數據結構”課程精準教學模式，以期為高職教學改革提供思路。

1 精準教學的內涵

精準教學是一種高效的知識與技能的教學方法，可促使各類學習者取得學業進步。[3]精準教學的理論來源于 Skinne的行為主義學習理論，[4][5]由美國教育學家Ogden Lindsley提出。[6][7]教師通過智慧學習環境，利用各教學平臺(如雨課堂、騰訊課堂等)，查看學生的學習行為痕跡，記錄學生學習過程中的數據(學習時間、學習的活躍度、學習行為的分析)，用以檢測課程的教學目標是否達標、了解學生對知識或技能掌握熟練程度，以及時采取干預措施，提高學生的學習效率。[8]

2 “數據結構”課程精準教學模式設計

本研究從高職線上“數據結構”教學現狀調研，以及疫情環境下“停課不停教，停課不停學”的教學狀況入手，從教學質量診斷與改進的視角出發，結合高職教學的特點，圍繞崗位需求、1+X認證需求、大賽要求三個方面，研究高職“數據結構”精準教學模式，以提高技術技能人才的培養質量。該模式包含“數據結構”設立精準教學目標、開發學習材料、組織教學過程和診斷評價預測四個維度，如圖1所示。

圖1 智慧教學環境下的高職院校精準教學模式

3 “數據結構”課程精準教學模式實踐

3.1 精準教學目標

傳統人才培養方案提倡知識與能力、過程與方法、職業素養三個子目標，但是這三個子目標定義模糊，且課程未與崗位、“1+X證書”及比賽相結合。傳統人才培養方案普遍出現“熟練掌握”“了解”等程度詞語，這與“1+X證書”認證、比賽對學生的要求存在差距。精準教學目標要求確立精準化的教學目標。教師需要根據專業特點，利用爬蟲技術從各招聘網站采集并分析數據，詳細分析專業的崗位需求、“1+X證書”考試需求，以及課程相關的大賽要求，增強課程與崗位、 證書、比賽的匹配度。“數據結構”課程是計算機及相關專業的專業基礎課程，在專業建設中起著舉足輕重的作用。研究結合對知識或技能的準確掌握程度，以及運用知識或技能的熟練度將“數據結構”課程知識目標進行細化與量化。如“線性表”中單鏈表操作的傳統教學目標是“熟練掌握單鏈表的插入操作”，其中“熟練掌握”是一個模糊的程度詞。在精準教學中，可以轉化成“在15分鐘內完成在遞增序列中插入一個元素，正確率95%”。

3.2 制訂學習材料

根據精準教學目標，教師要結合崗位需求、學歷證書和職業資格證書(1+X認證)、技能大賽三個方面，準備學習材料。這個過程應結合學生的興趣、所教授科目在招聘崗位中的最新技能要求，以及“1+X證書”融入和比賽對課程的要求等。現在的學習材料已經從紙質材料擴展到數字化材料。近幾年來，網絡資源(微視頻、微課程、MOOCs等)的廣泛應用，深受廣大師生的喜愛。蕪湖職業技術學院“數據結構”課程為省級MOOC課程，已在安徽省網絡課程學習中心(e會學)上線。該平臺上教師團隊建立大量的動畫、視頻，生動有趣，易于學生理解知識、掌握技能點。在物聯網技能大賽中，“數據結構”中Dijkstra算法起著重要作用。在開發學習材料過程中，教師首先要錄制操作視頻，隨后發布在e會學平臺上，如圖2所示：

圖2 開發學習材料

3.3 組織教學過程

“數據結構”整個教學過程包含六個環節：課前預習、課中學習、課后反思、測試環節、知識拓展、評價階段。教學平臺選用雨課堂和qq群。

1)課前預習

教師結合崗位、證書、大賽對課程的要求，通過智慧學習平臺(雨課堂)發送學習任務(如預習Dijkstra算法)，讓學生明白需要學習的知識或技能，學生課前充分思考，可以通過個人學習、小組討論等方式，完成預習任務。

2)課中學習

教師講解Dijkstra算法思想、內容，可以提出“如何有效的實現村村通，使得公路造價最少”問題，讓學生討論。教學方法可靈活多樣，嵌入個別形式、小組形式和班級形式，討論Dijkstra算法計算過程。拓展“自主式、討論式、研究式”等教學組織形式，如小組學習、個別學習、討論、問題解決、發現學習、范例學習、情景教學等。學生在接受的過程中自我發現、自我歸納、自我創新，在智慧學習平臺上留下學習痕跡和記錄。

3) 課后反思。學生可以反復觀看學習平臺的視頻，教師給出的知識要點文檔，完成對新知識的內化和吸收。

4) 測試環節。教師依托智慧學習平臺，根據之前所采集的學生學習的數據，個性化設置測試環節，設置闖關考試，由簡到難，為不同的學生提供難度不同的測試題目和實驗任務，從而更全面地診斷學生知識的掌握程度，為教學診斷提供數據支持。

5) 知識拓展。教師以生活案例、實際應用，引導學生靈活使用知識解決實際問題，最終實現知識應用的教學目的。

6) 評價階段。評價階段包括教師對學生的評價、學生互評以及智能教學環境(雨課堂)的數據統計與分析評價。這些數據為學習診斷提供數據支持。

3.4 診斷評價預測

傳統教學環境下的教學評價或為模糊的經驗判斷(如通過期末考試成績、平時成績、實驗成績加權求和所得總分)，或者通過五級制“優”“良”“中”“及格”“不及格”等程度詞來評價，而在智慧教育環境下，教師通過智慧平臺獲取學生在課堂的一系列表現狀態大數據(如到課情況、思想集中情況、課堂活躍情況等)，再結合考試成績，可以進行全過程、全方位的實時評價。

4 結語

本研究圍繞崗位需求、1+X認證需求、大賽要求“三維度”，以智慧教學環境為平臺，為高職院校“數據結構”課程探索更高效的精準教學模式提供思路。該模式為學生和教師共同服務，提高課程的整體學習效果。一方面，智慧學習平臺提供的學生學習數據，有利于教師反思自己的教學過程，及時采取措施改進教學方法，提高教師指導的準確度和有效性；另一方面，學生在學習過程中受到來自智慧學習平臺和教師推送的精準教學服務，可以個性化學習，從而提高學習效率。