大數據支持下的高中地理復習轉變

蔡葉斌

(江蘇省昆山中學 江蘇昆山 215300)

大數據（BigData）指的是海量數據的集合，其特征是單一的數據價值不大，但是將數據進行整合和篩選后即可以為目標群體畫像，描摹其行為特征，甚至預判未來的行動軌跡。

目前大數據在各行各業中均得到了充分的滲透與應用，如金融、電商、醫療、交通等場景。然而在教育領域，大數據的應用仍處于起步階段，特別是在高中學段由于教師在教學過程中更多側重學生知識與能力的演練，而忽略課堂和教學過程中個性化、精準化教學的優越性與重要性，使大數據教學參與度與存在感略顯不足，應用場景欠豐富。

對于高中地理復習課程而言，其不可回避地涉及學生成績、得分點、知識點等數據的統計，以及復習講解過程中的詳略拿捏、個性輔導。在以“智學網”為代表的大數據教學輔助系統（CAI）的支持下，以上環節將變得更加簡練和高效。

一、大數據介入地理復習課程的環節

大數據滲透至地理復習課程的各個環節，可以有效改變學習與教授形態，讓課程的難易、優劣用數據“說話”，增強地理復習教學的客觀性。其應用的主要環節包括以下六個部分：

（一）前測設計

前測設計指在上課之前或課堂復習開始之前對學生進行的測試，通過結果來收集學生之前的知識和能力水平，其相當于科學實驗中的一個參照值。

前側設計的案例來源多樣，可以來自于學生的作業或測試結果，也可以來源于課堂預習的練習。在傳統教學過程中，教師受制于時間往往無法獲得班級及年級完成練習或測試的準確情況，如果需要將學生的錯題進行統計，往往需要耗費較多精力。大數據的介入可以快速獲取學生的成績，讓教師獲得每位學生每道題得分的情況，從而對題目的難易程度進行簡單的判讀，用以指導課堂復習。

（二）知識點匹配

學生在作業或試卷中每一題的得分情況稱為原始數據。對于教師而言其參考價值僅限于一般的試卷講評，如果需要對學生進行診斷的話則需要將原始數據與知識點進行匹配。

傳統的知識點匹配過程一般采用教師自行歸類識別的方法，效率低下、錯誤率高。而通過大數據進行匹配，教師可以在幾秒鐘之內迅速找到這道題目的使用頻次和來源，通過“共享”獲取題目所匹配的知識點，省時省力。

在大數據的支持下，教師可以快速獲取整張試卷所對應的知識點體系，了解整張試卷所覆蓋的知識范圍和考察難易程度。此外，教師在了解學生每道題的正確與否的基礎上還可以掌握其對于知識點體系的了解程度，幫助教師進行精準化的教學。

（三）數據串聯

數據串聯是整個大數據教學的核心數據。在獲得了知識點的匹配之后以某一個知識點為原點向各個維度進行發散比較從而獲取學校、班級、個體存在的差距及問題。

例如教師判讀出學生“中國地理概況”這一知識點相對薄弱后，可以向各個方向拓展思考，如該知識點在之前的幾次測試與練習中得分率如何、與其他知識點相比得分率存在怎么樣的差異、在整個年級不同班級中得分率存在什么樣的差異以及在所任教班級不同學生中得分率存在什么差異。從而幫助教師在復習過程中明確重點和講解方向，并能夠為教師對不同的學生和班級制定教學策略起到輔助提示的功能。

（四）策略制定

策略制定關鍵詞在于個性、精準與高效。通過了知識點匹配與數據串聯的環節，確定了每一位學生欠缺與不足，在復習策略制定過程中就應當秉持千人千面。

仍以知識點“中國地理概況”為例，教學過程中可以先將前測中學生該知識點得分率偏低的原題定位，然后識別出學生主要存在如區域認知和綜合思維能力欠缺、審題能力欠缺、知識遷移能力欠缺等問題，在教學過程中就可以針對其問題來進行精準教學，避免“一人不會，全班拖累”的情況。

（五）補救教學

補救教學指的是幫助學生根據不同情境來選擇不同的地理學習策略以糾正錯誤。通過大數據的推演可以將學生存在的知識能力欠缺進行列表比較。

教師在復習教學中就可以側重某些認知能力相對欠缺的學生進行精確化的輔導。例如針對地圖識別、區域認知等問題可以采用一對一指圖說明、區域定位等教學形態；多角度思維欠缺則可以采用變換題型或問答形式，審題能力較弱則強化讀題、找關鍵詞的訓練；記憶背誦存在偏差則強化基本知識、觀點的記憶與背誦。

（六）后測設計

后測設計也就是收集課堂結束之后學生矯正的情況，通過課后作業、課堂鞏固練習來與前測進行對比的教學活動。其相當于檢測整節課學生整體學習狀況以及對于補償教學的效果，通過整堂課大數據幫助下的精準高效教學，可以有效地幫助學生在相對短的時間內，提升學習過程中的薄弱環節。

后測設計還可以與前測設計有機結合，本節課程的后測設計可以作為下節課程的前測設計，從而形成大數據教學的閉環，對學生掌握情況進行量化評價，讓教學有“據”可尋。

二、大數據在地理教學中運用的優勢

與傳統復習教學方式相比，大數據教學在教學前期備課準備、中期補償教學和后期評價反饋階段都具有一定的優越性，具體來說有以下幾個優勢：

（一）利用大數據快速研判學生學情

復習教學階段往往是一個查漏補缺的過程。判斷學生對于某個知識點的掌握情況是一個較為困難的過程。傳統的教學過程中，教師一般通過作業、考試、課堂問答等情況了解學生對于某個知識點的掌握情況。即使掌握某位學生對某個知識點不甚了解，在進行了大量的補救教學之后往往發現“無功而返”。

通過將學生多次測試與練習得失分情況進行交叉對比，可以快速串聯學生每次測試存在的問題，并且輸出可視化信息，幫助教師在課堂上進行差異化教學。

對于時間寶貴的復習課程，教師在紛繁復雜的題海中必須做到有的放矢，因此利用大數據對學生學情進行研判則異常重要，對于某一些個人和年級得分率高的案例可以適當加快教學節奏，而得分率偏低的案例則需要精講精練。

（二）利用人工智能深挖答題盲區

大數據系統可以通過判讀題目的關鍵詞將題目歸入某個或多個知識點，方便教師和學生的選題及錯誤率統計。

對于主觀題而言，人工智能的加入也可以幫助識別學生手寫筆跡，可以在幾秒之內批閱整個年級的主觀題，而教師只需要在批閱過程中進行監控，就能大大地提升作業流轉效率。（圖1）

圖1 利用大數據和人工智能批閱主觀題

通過大數據和人工智能的加持，使教師不再拘泥于分數的判斷而更注重問題的解讀，通過主觀題中學生失分情況可以判斷其主要存在的問題并加以統計和歸類，形成某個學生或者某個知識點在失分中重要的影響因子。

（三）利用數據云拓展知識建構體系

通過云端海量的數據體系，可以幫助教師和學生獲取更多的資源儲備，無論是教學的案例、題庫和資源還是學習的論壇、課程等，不同層次的師生均可以找到與自身認知水平相適應的資源為己所用，從而轉變原有的“以教為中心”的一元教學理論，形成一個多元、開放和個性的教學“社區”。

三、結束語

對于大數據進行合理的處理，可以幫助家長和教師甄別出孩子的學習差距和有效的學習方法。通過使用大數據幫助學生評估他們已有的知識和達標測驗所需程度的差距，進而指出學生有待提高的地方。

目前在大數據運用過程中，要將學生的文字轉變為標準化的字符因此題目與作答是分離的。當答題紙交給老師進行批改后，答題紙與成績之間又是分離的。學生無法在原卷和答題紙上查看得分情況，也就無從知曉錯在哪里，阻礙了學生查看作答情況并依據錯誤和欠缺進行修改的渠道。

筆者認為地理學科重視在題目中尋找信息的能力，因此大數據不應僅側重于云端而且需要兼顧傳統課堂、紙質教學案的現狀。例如學生作答完成之后可以通過實時打印將得分情況打印在試卷上交還學生，將匹配的知識點與得分情況上傳云端，這樣既可以讓學生在傳統課堂中了解自身的欠缺，又可以通過大數據幫助教師進行診斷。

大數據教學具有的獨特優越性使其能“友好”地滲透入地理教學的各方面，也能使地理教學與復習過程變得簡練和高效、個性和精準。