谈高中地理教学中的精准学情分析

朱来军

一、问题背景

精准教学是Lindsley于20世纪60年代根据Skinne的行为学习理论提出的一种教学方法。起初，精准教学面向小学教育，旨在通过设计测量过程来追踪小学生的学习表现并提供数据决策支持，以便“将科学放在学生和教师的手中”。后来，精准教学发展为用于评估教学方法的有效性和教学效果的实效性。今天，随着智慧校园、智慧课堂的推行，这使得精准学情分析的数据采集更为精准可行。

二、精准学情分析与地理教学

传统的学情分析主要侧重对学生已有知识、技能的结果性评价。如通过“优”、“良”、“中”、“及格”、“差”等程度词来评价学生的学习表现，或为简单的分数判断，如通过期末考试成绩、期中考试成绩、总分、平均分等来评价学生的学习结果。而基于大数据的学情评价主要依赖于技术手段（包括大数据采集、教育数据挖掘、学习分析和数据可视化技术），通过各类智能教学系统自动监控、自动分析学生的学习情况，并实时反馈给所需要的人。教师、学生、家长等可以根据自身的需求，查询并生成可视化的评价报告。

1.面向学习过程的学情分析

在传统的班级授课制中，课堂要素包括：教师、学生、教材、教学目的（或学习目标）、教学资源、教学方法、教学流程、教学评价和教学反馈等。课堂组织框架一般是[导入]—[资料1-结论1]—[资料2-结论2]—[资料3-结论3]……[课堂小结]—[作业]。在此模式中，学生主要通过课堂获得知识和技能，课堂是学生获得知识和技能的场所。

但是，這些只有这些还不够，这些我们仅仅获得了学生的学习结果的数据，我们还要了解的上课、读书、回答问题、作业、考试、个人努力程度等情况。我们可以这样设计：

（1）预习环节：通常采用能够量化的词语来表述，如“能说出”、“能画出”、“能举例”等等。这种表述能够让学生一看就知道通过学习要达到的具体要求。

（2）课前环节：给每个学生一个账号，在统一的平台下或者统一的资源库中进行查阅。通过关键词能够看出学生是否抓住了问题的关键，同时能够看出学生对信息的筛选能力。进入信息化社会后，同一问题的信息量很大，学生需要能从海量的信息中快速、筛选、提炼出关键内容

（3）课堂环节：此环节的典型代表是杜郎口模式，他让每个学生都动了起来。但是缺乏实时记录，没有形成个性化的学习记录和学习情况分析。在信息化、电子化、网络化的今天，这一环节得到了很好的完善，如利用点阵数码笔和平板电脑进行教学。这两种设备都能够实时反馈学生的答题过程，让教师了解到每个学生的答题、书写、画图情况，都能够实时投影到大屏幕上，能够分析和比较他们的解题情况。实际中，笔者发现在有限的45分钟内是不能够判断每个人的具体答题情况。虽然每个人都完成了，但还需要通过学生自评、小组互评。同时要把每个人的具体情况记录下来。

（4）检测反馈环节：此环节需要即时了解学生的情况。虽然借助点阵数码笔、平板电脑能达到即时效果，但缺少了实时分析。如果一个学生解决一个问题所花费的时间远多于其他同学，系统会自动分析并及时提示，促进其进行再训练，再练习。这种动态的、及时的提示和分析在过去是不可能完成的任务。

（5）数据分析环节：是大数据时代区别于信息化时代最关键的部分。借助于科技，我们可以获得一个学生高中三年的情况，一个学校的群体情况，一个区或市的平均情况。通过大数据的分析，我们可以找到一个学生在搜索资料、课堂表现、问题理解、语言表达能力、课堂参与度、专注度、画图能力、正确率等要素间的相关性。

这种学习历程数据在系统的管理和分析下，能够给学生及指导者（老师或家长）提供更有效的参考信息。

2.面向学习过程的教学评价

传统的教学评价是经验式的，是教师凭借自己的主观判断或考试成绩来选择教学内容的呈现次序、呈现方式，是通过多次的反复实践来验证和改进的。现在我们可以大量记录学生的学习行为数据：回答问题的学生姓名、正确率、语言表达能力、课堂参与度、专注度、画图能力等。借助学习分析技术，分析学生个体的日常学习行为。根据学生个人的学习行为数据，制定个性化的学习计划和辅导内容;根据学生群体的学习数据，判断教师的教学方法是否有效。

不仅如此，教师的教学数据也会被大量记录，包括教学环节、课堂提问效果、课堂节奏、案例选择、练习讲评、试卷命题、作业批改、引导讨论和个别辅导等。

在日常的教研活动中，我们喜欢这样评价一节课：教学环节设计是否层层递进，提问是否有效，环节设计与学习目标是否契合，学生课堂的参与度是否高等等。这些都是听课者根据自己的经验来假设学生的体验，是专家审美型的评价。而学生真正的体验如何，却没有强大的技术与数据源可供分析与实证，我们需要借助大数据进行分析。教师不仅是课堂教学的组织者、解惑者，还是个人分析师。

三、精准学情分析对教学评价的影响

王同学最近的学习效果如何？这次测试，学生对哪些问题比较模糊，哪些问题掌握比较好？这次测试，李同学进步比较明显的原因是什么？成绩为80分的同学，他们之间知识的掌握肯定不完全相同，他们之间的差异在哪里？这位教师，比较擅长哪块知识点的讲授？这些问题是我们在实际教学过程经常遇到的评价问题。我们需要挖掘一些数据，来做出合理的评价，不能简单依靠一些传统的经验。

这种建立在大数据基础上的评价系统，能够分析从年级、班级、学科、学生个体四个维度做综合分析。纵向上，我们可以跟踪一个学生进入学校后发展情况，阶段性的学习状态;横向上，我们可以比较某个学生与其他学生在学习状态、学习效果上的差异。都是80分的试卷，我们可以分析知识模块上的得分差异;都是80分的学生，如果我们考虑到他的家庭背景、努力程度、学习方式、智力发展水平等要素就能系统的、全面的了解到一个学生的发展情况。

此外，还可能改变我们的教育环境。现在的教学模式兴盛于工业化时代，学校的模式反应了工业化集中的、物流式的批量模式：铃声、班级、标准化的课堂、统一的教材、按照时间编排的流水线场景。这种教育工业时代标准化地制造了众多可用的人才。而大数据教育将呈现另外的特征：弹性学制、个性化辅导、社区和家庭学习。教育环境的设计、教育实验场景的布置、教育时空的变化、学习场景的选择、教育管理数据的采集和决策，这些过去靠拍脑袋或者理念灵感加经验的东西，在大数据的背景下，都将变成一种由数据支撑的行为科学，促进教育由艺术走向科学。