智慧教育环境下高职“数据结构”课程精准教学模式设计与实践

程鸿芳，宋平平，汪潇潇，秦晓安

(1.芜湖职业技术学院 信息工程学院，安徽 芜湖 241000；2.芜湖职业技术学院 教学督导与质量监控处，安徽 芜湖 241000；3.芜湖职业技术学院 党委宣传部，安徽 芜湖 241000；4.安徽商贸职业技术学院 电子信息工程系，安徽 芜湖 241002)

0 引言

近几年，国家教育部相继出台了一系列关于职业院校教学工作诊断与改进的文件，[1]旨在充分利用信息技术和各学习平台记录的学生学习的行为数据(课前、课中、课后)，掌握学生的学习状态，及时调整教学安排，提高高职院校技术技能人才的培养质量，满足新形势下对高职院校所提出的新要求。上世纪60 年代，美国教育学家Ogden Lindsley提出精准教学理念，[2]即通过精准地记录学生的学习行为数据来决策教学。由于受当时技术条件的限制，该理念无法有效实施。当今，随着信息技术的发展，智慧教学环境在高校普及，为精准教学的实施提供了技术支持，也为高职教学诊断与改进工作提供了数据依据。本研究立足于智慧教学环境，结合高职教育特点，围绕岗位需求、1+X认证需求、大赛要求“三维度”，探索高职院校“数据结构”课程精准教学模式，以期为高职教学改革提供思路。

1 精准教学的内涵

精准教学是一种高效的知识与技能的教学方法，可促使各类学习者取得学业进步。[3]精准教学的理论来源于 Skinne的行为主义学习理论，[4][5]由美国教育学家Ogden Lindsley提出。[6][7]教师通过智慧学习环境，利用各教学平台(如雨课堂、腾讯课堂等)，查看学生的学习行为痕迹，记录学生学习过程中的数据(学习时间、学习的活跃度、学习行为的分析)，用以检测课程的教学目标是否达标、了解学生对知识或技能掌握熟练程度，以及时采取干预措施，提高学生的学习效率。[8]

2 “数据结构”课程精准教学模式设计

本研究从高职线上“数据结构”教学现状调研，以及疫情环境下“停课不停教，停课不停学”的教学状况入手，从教学质量诊断与改进的视角出发，结合高职教学的特点，围绕岗位需求、1+X认证需求、大赛要求三个方面，研究高职“数据结构”精准教学模式，以提高技术技能人才的培养质量。该模式包含“数据结构”设立精准教学目标、开发学习材料、组织教学过程和诊断评价预测四个维度，如图1所示。

图1 智慧教学环境下的高职院校精准教学模式

3 “数据结构”课程精准教学模式实践

3.1 精准教学目标

传统人才培养方案提倡知识与能力、过程与方法、职业素养三个子目标，但是这三个子目标定义模糊，且课程未与岗位、“1+X证书”及比赛相结合。传统人才培养方案普遍出现“熟练掌握”“了解”等程度词语，这与“1+X证书”认证、比赛对学生的要求存在差距。精准教学目标要求确立精准化的教学目标。教师需要根据专业特点，利用爬虫技术从各招聘网站采集并分析数据，详细分析专业的岗位需求、“1+X证书”考试需求，以及课程相关的大赛要求，增强课程与岗位、 证书、比赛的匹配度。“数据结构”课程是计算机及相关专业的专业基础课程，在专业建设中起着举足轻重的作用。研究结合对知识或技能的准确掌握程度，以及运用知识或技能的熟练度将“数据结构”课程知识目标进行细化与量化。如“线性表”中单链表操作的传统教学目标是“熟练掌握单链表的插入操作”，其中“熟练掌握”是一个模糊的程度词。在精准教学中，可以转化成“在15分钟内完成在递增序列中插入一个元素，正确率95%”。

3.2 制订学习材料

根据精准教学目标，教师要结合岗位需求、学历证书和职业资格证书(1+X认证)、技能大赛三个方面，准备学习材料。这个过程应结合学生的兴趣、所教授科目在招聘岗位中的最新技能要求，以及“1+X证书”融入和比赛对课程的要求等。现在的学习材料已经从纸质材料扩展到数字化材料。近几年来，网络资源(微视频、微课程、MOOCs等)的广泛应用，深受广大师生的喜爱。芜湖职业技术学院“数据结构”课程为省级MOOC课程，已在安徽省网络课程学习中心(e会学)上线。该平台上教师团队建立大量的动画、视频，生动有趣，易于学生理解知识、掌握技能点。在物联网技能大赛中，“数据结构”中Dijkstra算法起着重要作用。在开发学习材料过程中，教师首先要录制操作视频，随后发布在e会学平台上，如图2所示：

图2 开发学习材料

3.3 组织教学过程

“数据结构”整个教学过程包含六个环节：课前预习、课中学习、课后反思、测试环节、知识拓展、评价阶段。教学平台选用雨课堂和qq群。

1)课前预习

教师结合岗位、证书、大赛对课程的要求，通过智慧学习平台(雨课堂)发送学习任务(如预习Dijkstra算法)，让学生明白需要学习的知识或技能，学生课前充分思考，可以通过个人学习、小组讨论等方式，完成预习任务。

2)课中学习

教师讲解Dijkstra算法思想、内容，可以提出“如何有效的实现村村通，使得公路造价最少”问题，让学生讨论。教学方法可灵活多样，嵌入个别形式、小组形式和班级形式，讨论Dijkstra算法计算过程。拓展“自主式、讨论式、研究式”等教学组织形式，如小组学习、个别学习、讨论、问题解决、发现学习、范例学习、情景教学等。学生在接受的过程中自我发现、自我归纳、自我创新，在智慧学习平台上留下学习痕迹和记录。

3) 课后反思。学生可以反复观看学习平台的视频，教师给出的知识要点文档，完成对新知识的内化和吸收。

4) 测试环节。教师依托智慧学习平台，根据之前所采集的学生学习的数据，个性化设置测试环节，设置闯关考试，由简到难，为不同的学生提供难度不同的测试题目和实验任务，从而更全面地诊断学生知识的掌握程度，为教学诊断提供数据支持。

5) 知识拓展。教师以生活案例、实际应用，引导学生灵活使用知识解决实际问题，最终实现知识应用的教学目的。

6) 评价阶段。评价阶段包括教师对学生的评价、学生互评以及智能教学环境(雨课堂)的数据统计与分析评价。这些数据为学习诊断提供数据支持。

3.4 诊断评价预测

传统教学环境下的教学评价或为模糊的经验判断(如通过期末考试成绩、平时成绩、实验成绩加权求和所得总分)，或者通过五级制“优”“良”“中”“及格”“不及格”等程度词来评价，而在智慧教育环境下，教师通过智慧平台获取学生在课堂的一系列表现状态大数据(如到课情况、思想集中情况、课堂活跃情况等)，再结合考试成绩，可以进行全过程、全方位的实时评价。

4 结语

本研究围绕岗位需求、1+X认证需求、大赛要求“三维度”，以智慧教学环境为平台，为高职院校“数据结构”课程探索更高效的精准教学模式提供思路。该模式为学生和教师共同服务，提高课程的整体学习效果。一方面，智慧学习平台提供的学生学习数据，有利于教师反思自己的教学过程，及时采取措施改进教学方法，提高教师指导的准确度和有效性；另一方面，学生在学习过程中受到来自智慧学习平台和教师推送的精准教学服务，可以个性化学习，从而提高学习效率。