基于大數據的“信息技術”課程學情分析

摘要：大數據時代，教育領域利用大數據可以改變傳統的教育理念以及教學模式，實現更高效、有針對性的教學策略。以解決“信息技術”課程中的學情分析為目標，依托大數據技術，探討如何通過構建學生學習數據庫，分析教育數據，了解學生真實學習情況，形成學習數據評價體系，有效挖掘教學信息，實現精準教學診斷評估，進而制定針對性的教學計劃，為大數據技術與教育領域結合提供思路。

關鍵詞：大數據；學情分析；“信息技術”課程；計算機等級

一、前言

隨著大數據、云計算、人工智能等新興信息技術的高速發展，現代教育與信息技術將進一步深度融合。早在2015年國務院發布的《促進大數據發展行動綱要》，已將大數據發展上升到國家戰略層面，大數據產業蓬勃發展，教育領域也廣泛將大數據技術服務于教學全過程，本文旨在探索大數據背景下的教學模式創新，在“信息技術”課程上實現精準學情分析，以學生為主體，切實把握并歸檔學生學習情況，以數據分析為依托，針對性為每位學生個體制定教學策略，精準助力學習，有效提升教師的課堂教學效率。

二、傳統學情分析的不足

專業教師要制定教學設計，提高自己課程的教學效果，首先要分析學生的實際情況，這就是學情分析。學情分析既要考慮學生整體普遍具有的共性，也要認識到學生間的個體差異，所以分析學情既要考慮把握全局，又必須有所針對。畢竟不同特點的學生，對知識的興趣點、接受度不同，教師要加以理解，并有意識多角度、多維度、多切入點地開展學情分析工作。學情分析對學生的智力因素和非智力因素兩方面考量，當前主流的學情分析主要是通過對學生的作業完成情況和測試成績實現的，這樣往往對學生的學習習慣、學習策略、學習能動性等因素的掌握不夠準確[1]。以“信息技術”課程為例，該門課程是中職必修的計算機基本應用技術課程，上課方式為課堂講授與機房實訓相結合，需要在不斷的練習中，找出教學盲點，幫助學生實現知識點深度鞏固。在以往的教學中，老師通過學生每一次練習或測試來分析了解學生知識點掌握情況，完成學情分析，為后續課程制定相應的教學策略。這個過程中存在著以下幾個方面問題：

（一）需要分析的數據量巨大

數十個班級，上千名學生每一次練習或測試都會形成巨大的數據量，對于閱卷老師來說工作量已經很大，何況還要從這些電子試卷中統計和總結得分失分情況，對學生們的知識點掌握情況進行分析，不僅要花費很多時間和精力，也難以做到精確，即使是教學經驗十分豐富的老師都會感到吃力。

（二）分析滯后性

課堂教學反饋是提升教學質量的重要指標，及時準確的教學分析不僅能幫助教師掌握學生即刻接受知識情況，同時對學生還具有糾正作用，能強化記憶，提供激勵等正反饋的作用。“信息技術”課程上的知識點較多，考點涉及面大，內容綜合跨度大，如果無法在第一時間內給予學生準確的分析反饋，隨著時間推移，學生逐漸遺忘以前完成的任務細節和思路，待到下一次授課時再給予教學分析反饋，教學效果必將大打折扣。

（三）無法兼顧具體個體

受限于當前教學環境及條件，同樣的學習時間，每位學生個體對知識的掌握是參差不齊的，以往“信息技術”課上老師總是只能按平均水準安排課程任務和訓練量，一旦具體到學生個人，由于個人能力的差異，這種教學安排總是不盡如人意。

三、大數據學情分析對課程教學的意義

基于大數據基礎上的學情分析不再局限于對作業和測試的單一檢查，而是對學生整個學習過程進行綜合的考查，相比于傳統學情分析具有先天上的技術優勢，能夠很好解決傳統學情分析的不足，極大減少教師的繁重統計性工作，及時、準確給予授課教師教學反饋。始終以學生為主體，兼顧每一個學生學習情況。

（一）基于數據，精準還原學情

基于大數據的學情分析能夠實時跟蹤學生的學習行為、記錄其學習痕跡，并自動收集學習數據，智能分析出具學生學習狀況監測報告，為老師提供參考數據，為個性化教學提供有力支持，可以彌補常規學情分析的不足。根據學生的問卷調查、線上討論等預習內容可以了解學生現有的知識結構、興趣點、認知狀態、學習動機、生活環境等個性化因子。根據學生的學習痕跡，如對特定知識點的完成時間、學習頻率和復習次數，可以深入地了解學生的學習難點、學習策略、心理狀態，學習目標性。有效利用學生的成功感，共情、發展目標等都是很好的學情分析切入點，使教師可以多角度地了解學生，發現學生學習策略是否適合、學習方向是否有偏離，進而有所針對調整教學組織，為學生提供需要的學習資源和幫助，協助其修正學習行為。

（二）基于數據，教研活動有針對性

以學生能力大數據為依托，教師可以準確發現學生共性的優勢與薄弱處，進而實施準確的教學干預，有目的地開展后續教學安排[2]。通過教研活動對數據的差異性和連續性進行解讀，診斷教學現象，透過學習缺漏點分析，發現教學進程中存在的問題與不足，針對本質共性問題開展集體備課，聚焦為教研主題，確定改進計劃，讓教研活動更切合教學實際，改進措施精準解決教育問題。

（三）基于數據，實施改進，提升教學品質

基于大數據背景下的課堂教學，教與學雙方不再是知識與技術的單向輸出，而是轉為強調知識共享，激發思維火花，培養創新意識，注重知識的二次加工。因此教師要轉變以往教學觀念，形成新型教學模式，用數字方式記錄學生個體的學習歷程，與學生分享不斷獲取知識后的進步喜悅感，進而調動學生學習熱情，激發學生參與課堂教學活動的主動性，教學中有效引導學生使用互聯網獲取知識，提升學生獲取信息和分析信息的能力。學習者與教育者都能意識到數據在學習中的重要性，可以不斷促使更多數據融入課堂教學，為后續學習和交叉學科提供海量數據支持。同時也促使學校增強大數據系統的投入力度，提供大數據相關知識的培訓和技能實踐活動，提升整體教學品質。

四、基于大數據的學情分析實踐

（一）數據采集

利用大數據進行學情分析的目的是精準了解每位學生的學習情況和狀態，因此首先要獲得大量學生學習相關數據，就需要進行數據采集。當前常用的數據采集方式有數據庫采集、系統日志采集、網絡數據采集以及感知設備數據采集等方式。

如圖1所示，結合學校實際授課環境和學生學習規律，在“信息技術”課程上采用系統日志采集的方式。例如，通過部署數據采集工具Flume來實現數據采集，Flume是Cloudera公司開發具有海量日志采集、聚合和傳輸功能的系統，Flume可以在日志系統中定制數據發送服務，收集匯總數據。通過部署數據采集工具Flume來確保學生的學習相關數據能及時準確地到達HDFS（Hadoop分布式文件系統）。

數據獲取來源于課前、課中及課后三個階段。在課前階段，授課教師通過“超星”“學習通”等線上學習平臺布置預習任務，結合微信小程序問卷調查、留言板及QQ群上學生的討論等了解學生的學習行為和學習痕跡，包括但不限于學生的任務完成率和準確率、學生關注點、預習時長、提取關鍵字等。后續將學生線上學習過程形成數字化記錄，生成數據表和可視化圖表，追蹤學生的學習路徑和知識能力屬性，深度了解每個學習個體的識別與記憶能力、學習習慣、規律、自律性與探索求知欲等隱性標簽，如圖2所示。

授課過程中，對課程常用教學平臺，如“計算機等級考試模擬軟件” “學業水平測試仿真軟件”中的日志數據進行實時采集，通過對學生答題情況正確率、完成時間與效率等的分析，動態了解學生的知識掌握情況，讓教師可以根據需要隨時調整教學策略。課后評價由學生的形成性考核、階段考核和期末考核成績數據組成。形成性考核包括學生的上課出勤率、課堂紀律分數、課堂提問回答及討論的主動性、正確率等。階段考核成績來自單元測試成績，課后作業完成分數。最后，結合期末考核成績，形成客觀準確的學生知識掌握評價體系。

（二）數據處理與分析

數據處理就是對收集到HDFS中的數據進行加工整理，從大量無序的數據中提取對制定教學策略有價值的數據，形成適合數據分析的格式，需要經過數據清洗、加工、轉換、計算、分組等一系列操作來生成分析數據。不同的數據集體現不同的薄弱點的判別方式，利用這些數據集可以細化分析的維度，形成豐富的分析結果，通過定制數據分析算法，體現全面立體的學習效果，讓分析結果更加準確，并對后續教學思路和方向提供針對性建議[3]。

1.整體分析

整體數據分析方便教學人員發現問題，形成教研，改進教學策略。整體分析可以基于測試評析，對所有參與學習的學生有一個匯總分析，不但可以統計出每個細化知識點的整體學習效果，還可以對每部分學習內容有獨立的分析數據，哪些知識點可以激發學生的學習興趣，哪些內容學生的掌握度較好，通過不同知識點得分率的正向分布圖分析出知識點的難易分布，掌握學生實操總體完成率和優良率等。

整體分析還可以對不同班級生源形成橫向對比，基于數據診斷學習，尋找差異性數據并開展有效的教學反思[4]。以圖3為例，通過對教學平臺的練習與形成性考核數據進行分析，某任課教師發現當涉及Excel章節中“VLOOKUP”函數的應用部分，自己授課的班級在該部分習題中平均分和準確率都明顯低于年級其他班級，此類型題目班級準確率低于30%時觸發知識薄弱點警示信息，于是引起重視，第一時間提出教研活動，通過備課組的集體討論分析后，發現該教師在教學過程中對于參數“Range_lookup”的運用在解釋上存在一定的歧義，導致部分學生運用該函數時設置了錯誤的參數。因此在規范參數定義之外，教研組根據以往的數據反饋結果提出了改進建議，如關注學生形成自我檢查的策略，培養學生懂得獨立閱讀和理解文檔的習慣養成，學生學會在不同情境下靈活運用所學函數的能力。

2.個體分析

個體分析基于數據診斷學習，聚焦學生個體。大數據分析最顯著的特點就在于對每個學生個體都有獨立的分析數據，對于每個學生個體來說，從他/她在課前預習階段的調查問卷、線上學習情況等數據可以大致了解每個學生的學習習慣和主動性、知識儲備、興趣關注點等，便于授課教師制定相應的導學策略。在學習過程中，通過解讀學生的學習軌跡及出錯點，準確還原每一個學生的學習狀態，橫向對比學生學習共性，利用多平臺多來源實證數據，精準進行教學診斷和分析，及時發現課堂教學的偏差與不足，為后續調整提供充分的數據依托[5]。個體分析還對學生不同階段的學習數據進行記錄備份，縱向對比直觀形成學生個體學習評價，以形象生動的大屏展示方式與學生一起分享學習收獲，展示成就，總結不足，激發每位學生學習熱情與主動性，真正實現基于大數據的個體精準學習助力，如圖4所示。

五、結語

大數據技術在教學領域的應用，解決了課程教學時間與人員不足的困難，從學生的學習數據中，幫老師發現教學問題，改進教學策略，利用個體數據樣本與整體數據樣本的自然比對，為實際教學效果實現精準解讀，并為調整教學行為提供數據支撐，促進校本教研的變革[6]。同時教師也要從中職學生特點和“信息技術”課程的學科特點出發，不斷轉變教學理念，接受新技術、新思路、新方式，激發學生對課程的學習興趣，讓學生始終保持探究精神，主動學習和掌握信息技術知識，鍛煉信息技術應用能力，促進學生綜合學科素養的形成。這一過程也是在不斷提高信息技術學科的教學質量。

參考文獻

[1]楊浩，付艷芳，楊陟卓.教學資源庫建設存在的問題及對策探析[J].職業教育研究，2017（02）：55-60.

[2]劉錦，王振平，高福根.基于大數據的數學關鍵能力精準教學研究[J].現代中小學教育，2023，39（05）：34-39.

[3]陳瑞輝，李冬青，吳婷婷.基于大數據的學情分析系統設計[J].信息技術與信息化，2021（09）：57-60.

[4]巫雪琴，陳銀萍.面向未來的信息技術課程教學設計[J].江蘇教育，2022（44）：11-15+38.

[5]陳果.基于大數據的學情分析和教學干預現狀[J].辦公自動化，2021，26（17）：18-19.

[6]陳華.基于學習數據分析的精準教研[J].現代教學，2021（Z1）：58-59.

基金項目：支架式教學在中職VB程序設計的應用研究（項目編號：XMXDJT202306036）

作者單位：廈門信息學校

責任編輯：王穎振、楊惠娟