數據可視化賦能學情分析

張聚 廣東省深圳市龍華區第三實驗學校

孫瀟楠 華南師范大學中山附屬中學

● 引言

《中國教育現代化2035》《教育信息化2.0行動計劃》中強調義務教育階段需要深化信息技術與教育教學的融合發展，推動信息技術在教學中深入、廣泛應用，這就要求教學過程中的教學手段和教學方法要適應新的教學環境?；ヂ摼W與云端技術的發展，提升了在線教育平臺的易用性和穩定性，加速了在線教育的發展。新冠肺炎疫情的暴發再次推動在線教育的普及與應用。在線教育在迅速擴張的同時，也暴露出了諸多問題，其中，如何及時掌握學生的學情信息變得尤其重要。

本研究通過梳理數據可視化在教學過程中的相關研究，從數據賦能學情分析的角度出發，采用數據分析與可視化技術，基于在線課堂后臺數據，從廣度和深度上挖掘隱藏在數據背后的信息，刻畫學生學習情況，達到學情可量化、學情可視化，助力教師精確診斷學情。

● 相關研究

數據可視化，是關于數據視覺表現形式的科學技術研究。劉歡等提出數據可視化具有直觀展示數據、增強理解數據、輔助探索數據的應用價值。劉迎春等通過對學生考試數據的分析，構建學生學習數據可視化反饋模式，提高了數據的可解釋性。郭世豪使用FineReport工具制作了50種類型的數據圖表，用于展示智慧課堂統計數據。張雷借助visdom工具和Python機器學習庫，實現學生成績的可視化。針對學生的可獲取數據維度越來越豐富，近期的研究嘗試引入數據挖掘技術，實現多維度刻畫學生畫像，從而進行精準教學。翟鳴宇等人采用K-protype聚類的方法，針對高效教育大數據，構建學生群體畫像。劉思宇和那達林構建學生數據獲取流程，采用K-means聚類方法，分析首都醫科大學19級學生的U校園學習數據，刻畫學生畫像。秦爭妍對教學系統中的學生行為進行數據分析，依據數據的時變性，建立學生動態畫像。

學情分析，是指教師對學生學習情況的分析，在新課程改革下，學情分析逐漸走入教育教學實踐。學情數據是在課堂實踐中產生的，其來源主要分為行為數據和結果數據。行為數據是學生參與教學活動的數據，如學習時長、答題次數等；結果數據是學生階段性取得的成果，如作業正確率、答題正確率等?，F有研究探索了學情的不同方面，張維霞提出了分層學習、趣味課堂、預習和遙控管策略。黃香花和高忠信探索針對性的練習講評，提升學生興趣，夯實知識點掌握度。趙煜等人基于學生為中心，構建混合式教學模式，提升學生核心素養。潘華萍關注學生個體間的差異，以案例分析的方式提出有效的教學過程，彌補差異提升教學有效性。劉煒和張林通過課程學習平臺數據構建評價體系對學生學習效果進行評價。

● 數據來源與介紹

本文數據來自小學三年級數學在線教學過程。直播教學采用的平臺為Classin，作業收集與統計來自微信小程序班級小管家。通過對兩個平臺導出的數據進行歸類，將采集到的數據來源時段分為課前、課中、課后三個環節（如下表）。

收集的學生在線學習數據可進一步劃分為考勤、參與度和效果評測。課堂考勤，課前在平臺的花名冊中可以快速看到出勤和遲到名單，課后可在平臺中導出每位學生具體的考勤情況和在線時長課堂數據。學習參與度包含課堂中獎杯發放、每位學生具體的舉手次數、搶答次數、發言時長、攝像頭開放時長等，課后通過具體的數據對學生的學習參與度進行量化。

來源時段 數據具體情況課前 在線人數統計課中答題情況統計獎杯排行榜課后在線時長統計舉手次數、攝像頭打開時長等作業情況統計

學習效果評測數據包括課堂中答題器的使用，通過發布、收集學生答案、獲取全班的正確率，從而了解在規定時間內提交答案的人數和正確率（此數據在課后可導出）；課后作業的完成情況在微信小程序班級小管家中進行統計與發布。

● 可視化設計

可視化界面采用Python3.7開發環境，使用streamlit庫編寫數據可視化界面腳本，完成數據文件上傳、文件自動解析、時間序列可視化和對比可視化。其中，時間序列可視化是指可以篩選學生在多節課中不同維度學情數據的可視化。通過時間序列數據可視化，實現學情精準追蹤，挖掘學生狀態的時變性。對比可視化是指可以篩選不同學生在不同維度的學情數據比較。通過對比可視化，挖掘學生間學情差異。此外，對于課堂表現數據采用K-means聚類方法，實現學生課堂表現的粗略分類統計，可視化頁面數據處理流程如圖1所示。

圖1

針對多維度特征可視化設計，筆者采用特征集成的方式來刻畫學生，拋棄了離散化的數據可視化方式，避免了單一特征可視化的孤立感，豐富了學生的數據維度，使可視化結果變得更加豐滿，如圖2所示是數據整合可視化策略示意圖。

圖2

● 結果展示

1.數據上傳

在數據可視化前端頁面運行之后，點擊“Browse files”按鈕搜索整合后的在線教學數據文件，同時實現數據上傳和加載過程。在數據加載完成之后，通過顯示數據文件的前5行數據來校對文件，如圖3所示是上傳數據后可視化頁面展示結果。

圖3

2.數據對比

對比數據可視化可以顯示出某一節課部分學生在某些維度中的具體比較，筆者以第4節課的8、25、38三位學生為例進行詳細說明。以實際上課時長和攝像頭打開時長進行比較，圖4中橫坐標表示8、25、38三位學生，縱坐標表示具體的數值，可以看出，在實際上課時長相似的情況下，25號學生攝像頭打開時長明顯低于另外兩名學生（不打開攝像頭不易及時觀察學生注意力是否集中），因此，教師可在課后與學生進行深度溝通，了解其不愿打開攝像頭的原因，認真傾聽其情感需求，在有困難時給予適當的幫扶。

圖4

從篩選舉手次數、搶答次數、發言時長和獲得獎杯數四個特征得到的圖5來看，8號學生在課堂上的表現較為積極，說明其積極參與課堂活動，學習積極性較高；38號學生較8號學生而言，在搶答、發言時長、獲得獎杯數方面稍微少了一些，后期應加大表揚力度，鼓勵其更加積極地參與課堂互動，同時也應該反思此節課預設的教學活動設計是否能成功激發學生積極參與的熱情；25號學生在此節課中表現情況不太理想，僅僅搶答了一次，參與課堂互動的積極性較低，教師應該在課后了解學生不愿意積極參加互動的原因，同時根據學生的差異性，設計分層、有梯度的問題，使學生體會到答對問題、積極參與課堂互動的滿足感。

圖5

篩選出課堂答題正確率和作業情況統計后得到的數據如圖6所示，課堂答題正確率是根據課堂練習統計得出的，此堂課設置了4道選擇題，要求學生在規定的時間內作答，并根據結果統計出正確率。答對4道正確率為100%，答對3道正確率為75%，即0.75，以此類推。作業情況統計為對當天提交的作業情況進行統計記錄，分為優、良、中三個等級，其中優為1，良為0.67，以此類推?？梢钥闯?，25號學生并未參加課堂的答題，課后作業的完成情況較其他兩名學生也不理想，教師需要在課后了解其未參加課堂答題的原因。8號學生和38號學生整體表現差距不大，但8號學生的課堂答題存在錯誤，可以根據具體題目判斷其是否在本節課的學習重難點上存在障礙，并增加類似的題目進行鞏固。

圖6

3.時序數據顯示

時間序列可視化可以顯示出某位學生在連續的課節中某一個特征或多個特征的變化，以17號學生在連續5節課的變化為例（如圖7），篩選出舉手次數、搶答次數等特征。隨著時間的推移，17號學生在線上學習的表現有所進步，每個特征變量都有所增加。搶答和舉手及獲得的獎杯數增長較為明顯，可以推斷出此學生逐漸適應了線上教學的授課模式，學習的積極性逐漸增強。其作業完成情況進步幅度較小，教師可以對學生作業進行細致分析，同時給予有效反饋。

圖7

4.數據分類

可視化界面可以實現對某一節課學生的分類，以第一節課為例，選擇類別數為3，可以將50名學生分成三類，如圖8所示。圖中橫坐標與縱坐標沒有實際的含義，圖中的三個粉色五角星表示三類的中心點，綠色為一類，紅色為一類，藍色為一類；1～49號表示此班49名學生。可以看出，綠色與紅色兩類的邊界較為明顯，而藍色和紅色的邊界模糊，說明此兩類中臨界學生較多，如20、33、44號三位學生。結合此三位學生的具體表現來看，這三位學生在各維度的表現差距較大，不是很穩定。例如，20號學生在課堂表現方面十分積極，但在作業完成情況方面卻不盡如人意。33號學生課堂很少舉手搶答問題，但是在課堂答題和作業完成情況方面都較為優異。此類學生教師應該針對性地進行幫扶，促進其多維度均衡發展。

圖8

● 總結

本文通過設計在線課堂數據可視化界面，整合多維特征刻畫學生，助力教師分析學情。在線上教學中，每位教師都應該具備數據意識，掌握在線平臺學習數據的獲取與分析方法，意識到數據對日常教學的促進作用，將學生的課堂表現、作業和測評的完成情況作為評判學生的具體數據來源，實現對學生學習情況的精準分析，及時調整后續教學。