概括
大數據技術的發展重新激發了精準教學的活力，本文通過大數據驅動下高中物理精準教學的實際應用，介紹了學業數據的采集方法以及學前測試數據、課堂反饋數據、實踐形成性數據、階段診斷性數據在教學過程中的具體應用。
關鍵詞
大數據 ； 物理學 ； 精準教學
精準教學（）是由美國學者奧格登·林斯利基于心理學家斯金納的操作性條件作用理論創立的。林斯利創立的精準教學主要由教師和學生記錄、分析和評估學生的課堂學習行為和表現高中物理 隔離法，通過測量課堂上的學習行為和表現來完成。它要求準確記錄學生學習行為的次數和持續時間，并繪制圖表。然后通過不斷的試錯，找到能夠最大限度提高學習表現的行為和材料。在統計學生的錯誤率時，經常使用“積極”這個詞，并標記出典型的錯誤和優秀的解決方案。在批改作業時，錯誤率高的題目會得到詳細批改，突出典型錯誤，并標記出優秀的解決方案。介紹和表揚。這些其實都是精準教學的一個方面。事實也證明這樣的作業批改更有針對性，能更好地提高教學效果。但依靠人工準確記錄和評估所有學生數據顯然是困難的，繁瑣且難以實現，因此精準教學的推廣一度受到阻礙，失去了活力。但近年來，隨著大數據技術的發展以及在教育領域的應用，精準教學又重新煥發出了生機，數據的采集、分析和應用變得更加便捷，因此大數據驅動的精準教學也越來越受到人們的青睞，借助一些智慧教育平臺回歸學校、回歸課堂，并且取得了很好的效果。下面我將我校大數據驅動高中物理精準教學的實踐與大家分享，希望能夠引發進一步的討論。
一
數據收集
數據驅動發展離不開數據采集，每個學校都有相應的技術平臺支撐。中學學業數據的采集主要基于學生日常練習數據，我校的數據主要來源于課前診斷練習和課堂反饋練習、課后鞏固練習和階段性測試。其中，課堂反饋練習直接在線完成，可通過平板電腦或答題機在線提交，及時反饋結果和數據；課前診斷或課后鞏固練習采用“先審閱后掃描”的方式，即先對紙質試卷進行答題和批改(客觀題采用機器批改)，學生和老師無需改變平時的作業處理習慣，練習上會留有批改的痕跡，可通過高速掃描儀掃描進紙質試卷系統(掃描一堂課大約需要3分鐘)獲取數據并進行數據分析;階段性測試采用“先掃描后審閱”的方式，即學生在答題紙上答題，然后掃描進系統進行自動分頁，再分發給相應的審閱老師，老師可以在不知道學生姓名、班級的情況下在電腦或移動設備上盲批試卷，每個老師只批改一道或幾道題，這樣有利于統一評分標準，保證評分的公平性。
因為不同的題目可能考查的是同一個知識點或方法，也可能一道題目考查多個知識點或能力，為了使系統采集的數據能夠體現數據背后的信息留學之路，教師在編寫練習或測試作業時，應將關鍵詞按照知識點所屬的章節體系進行輸入，如知識體系中的“粒子的運動”、“牛頓第二定律”、“科學史”等；處理方法中的“整體法”、“孤立法”、“形象法”、“分步法”等；典型問題中的“動態問題”、“極值問題”等，這些關鍵詞就像錨點一樣存在于題目信息中，可以被系統采集，形成重要的數據，從而從關鍵詞維度對學生的答案進行分析。此外，學生的答題時間（一道練習花了多長時間）、答題時長（什么時候答的，是否來得及，影響休息）等信息也會被采集。結合學生的學業成績，為將來的數據分析和應用奠定良好的基礎。
二
數據分析與應用
1. 預習測試數據有助于確定教學起點
物理知識來源于生活，生活中物理現象很多，學生會形成自己的判斷，在學習新知識之前，學生心中一般都會有一些關于物理的先入之見，有的對，有的錯。以往依靠教學經驗來確定教學的切入點和重點；現在有了平臺的支持，可以對所有學生進行預測試，準確了解學生對相關概念的掌握情況，再根據教學要求確定教學的切入點和重點。
例如，在磁場的教學過程中，由于初中階段已經學過一些磁場分布的知識，老師通常會對磁場分布進行簡單的復習，然后再進行電流周圍的磁場分布的教學。但通過課前測試發現，有近六成的學生對磁場分布并不了解，部分學生已經忘記了一般磁場的性質，因此有必要對這部分內容進行復習。
例如，在高一開學時，教師通過預測發現，很多學生在初三畢業后就提前學完了高一物理運動學和部分力學內容，因此在教學過程中要注意調整教學的切入點和重點。
2. 課堂反饋數據有助于調整教學策略
課堂反饋數據包括課內反饋數據和作業反饋數據。在課堂教學過程中，可以對所學內容進行實時課堂反饋練習，并根據反饋數據實時調整教學策略、節奏和方法。對概念題的理解和分析可以通過選擇題或判斷題等形式進行測試，反饋給全體學生，除了準確率，還可以看到學生答題時間等信息。在反饋過程中，學生的答題信息會呈現在大屏幕上，每個答案都可以展開顯示選擇該選項的學生姓名，老師可以讓學生展示自己對于某一選項的思考過程，以起到啟發和交流的作用。答案在大屏幕上展示，學生的注意力和學習效率普遍提高，大大激發了學生的學習興趣，增加了學生的參與度。對于正確率低于70%的題目，建議老師調整教學策略，換個角度和方法來“重新教”。
課后作業是對課堂學習內容的鞏固和反饋，教師批改后可掃描進系統，根據數據分析調整復習策略。圖1為“安培力的應用”相關作業班級整體反應情況。可以看出，該練習完成度一般，難度系數為0.73，分數分布具有一定的離散性，該班作業成績在6個班級中排名第一。
圖1 全班整體答題情況
圖2是作業批改的界面，批改是從得分率低到得分率高的順序進行的，得分率低的題目是常見的“學習痛點”，從“痛點”開始批改更能激發學生的興趣和好奇心。另外，上課初期學生注意力比較集中，批改效果更好。批改過程中，可以重點關注正確率在70%以下的題目；正確率在70%-90%之間的題目給予適當的點評。問題量大的時候，可以采用異質分組的方式，讓學生互相討論幫助，交流解決問題的思路，畢竟大多數學生的答案都是正確的，討論可以提高課堂效率。正確率在90%以上的題目，就不需要集體批改了，可以通過自學、課后輔導，或者對答對的學生進行個別輔導來解決。所有答案數據均可精準展現到每個人、每個選項，為教學過程中點面結合、分層教學提供了有力的數據基礎。
圖2：學生作業復習
3. 練習形成性數據以促進個性化教學
精準的教與學建立在精準的測評數據基礎之上，單次練習中學生的知識測評與能力表現可能會有一些偶然因素，但對某一或某幾個知識點或能力進行多角度、多角度的測評，才能客觀反映學生的掌握程度與能力。學習過程中產生的數據，可以幫助教師了解學生的進步與不足，進行個性化的學習輔助指導，推送相關的學習資源。學生還可以通過圖3展示一段時間內某班學生的部分練習數據，各知識點的得分率，直觀的展現出學生這段時間的學習表現。知識薄弱之處（分數越低，線越短，各分數段也以顏色區分）。例如，第二名的學生，有“爆炸”、“動量定理”、“光的衍射現象”等知識點比較薄弱，需要及時鞏固，教師可以根據學生情況推送相關資源高中物理 隔離法，或提醒學生自行復習相關知識，教師可以進行抽查。從圖3的縱向視角，教師還可以發現班級整體對“光的衍射現象”、“能量量子化”等內容掌握得不夠好，教師可以從學生身上了解情況或者進行有針對性的小測試，查找原因，及時處理。
圖3：學生學業狀況
教師可以從時間序列、得分率、與年級平均得分率對比等角度對學生數據進行分析。圖4上半部分是某學生幾個月的班級排名曲線圖，可以看出數據在一定范圍內，測試內波動較大，說明該學生應該復習鞏固成績不好的“墊底”部分，然后再重新測試。圖4下半部分是該學生的薄弱知識點得分率與年級平均得分率對比。在更大的數據庫上進行分析，按照得分率從低到高排列，可以發現該學生這些知識點的得分率均低于年級平均得分率，這確實是他的薄弱環節。有了這些數據，教師可以在教學過程中對相關內容進行精準指導，學生也可以有針對性地提高學習成果。
圖4 學生個人學業數據
4.階段性診斷數據有利于準確檢測和填補空白
日常作業或小練習的數據是在教學過程中每日采集的，具有常態化的特點，但也存在很多偶然因素，如學生的認真程度、作業時間、是否獨立完成等，這些都會影響數據的準確性和一致性。月考、期中考試、期末考試等階段性考試是測試和診斷學習狀況的重要手段，教師和學生都十分重視。試卷由專人出題，學生在限定的時間內獨立完成，教師和學生往往有充足的時間準備考試，由于學生有更多的時間復習和準備考試，考試結果具有良好的信度。分析這些數據有助于準確發現差距，把握未來的教學方向，除了程度等信息外，還可以提供每道題的分數、與學校全班的差異對比等。形式可以是詳細的清單（見圖5），也可以是清晰的圖形（見圖6）。
圖5 數據列表呈現
圖6 雷達圖呈現數據
教師可以分析年級與橫向數據的得分差異，然后通過備課小組討論找出原因，取長補短，調整課堂教學節奏。從圖6中可以看出，學生得分整體分散度不大，但1班各年級之間差異不明顯，兩個實驗知識點表現良好。5班在第6、10、12題上得分較低，整體有待提高。從圖7中知識點分布情況看，兩個實驗知識點得分均較低，可以看出平行四邊形力的合成定律和速度隨時間變化定律兩個實驗都是基礎內容，得分率與預設難度相差較大，可見教師和學生要重視實驗教學，愿意花時間做實驗，讓學生耐心處理實驗數據。
圖7 知識點分布雷達圖
三
結論
在信息時代，教師不應回避技術帶來的變化，而應更加深入地思考如何將信息技術與教育教學相結合，使后者更加高效。大數據技術使教師能夠根據每個學生的數據，準確掌握每個學生的學業數據，為準確定位教學目標、準確設定教學內容、準確設計教學活動、準確評價學習成績、準確制定教學決策提供了數據基礎。大數據使課內課外部分題型的自動批改成為可能，在一定程度上解放了教師，使教師能夠對教學內容、教學狀況、學習狀況進行更加深入的研究，并進行個性化的微課、練習等資源的推送。這為精準指導、精準教學提供了保障，幫助學生成為知識和能力的自主建構者。
歡迎訂閱《中國現代教育裝備》雜志！
參考
[1]雷云鶴,朱志婷.基于學前數據分析的精準教學決策[J].中國電化教育,2016(6):27-35.
[2]郭黎明,楊獻民,張瑤.大數據時代精準教學的新發展及價值取向探析[J].電化教育研究學報,2019(10):76-81,88.
[3]段莎,周毅.精準教學研究綜述[J].英語教師,2017(24):64-70.
作者簡介：吳志山，碩士，高級教師，江蘇省南通市第一中學