基于大数据分析的“问题跟踪”实施机制及策略研究——以初中英语教学为例

戴界蕾

江苏省常州市明德实验中学

熊川武先生倡导的“自然分材教学”提出了“让教学任务随学生差异自然分化”的设想。“自然分材教学”包含以下三项内容：①学习任务不再通过人为分配，而是按照学生的学力等因素分层赋予；②学生能主动进行反思性学习，主动针对自己存在的学习问题进行研究；③形成自然分材教学的理论系统。［1］十多年来，“自然分材教学”在全国各地的实验说明，这是一种有利于减轻教学负担，提高教学质量的先进教育理论与方法。为此，从2013 年起，笔者一直致力于“自然分材教学”的英语课堂教学实践。但是，学生英语学力的检测和判别是一个浩大的工程，用人工计算的方法实在难以应对海量数据。为此，研究常常受到数据分析问题的困扰。随着数字化教学技术的突飞猛进，基于数字化平台的学习检测与反馈技术臻于成熟。2018 年12 月起，笔者应用基于大数据分析的多学科智能教学平台（以下简称“教学平台”），以“自然分材教学”理论为指导，开展了“基于大数据学习分析的精准教学案例研究”行动。在近两年的研究中，课题组应用数字化平台和专用学生终端相结合，研究基于大数据分析的“问题跟踪”学习改进策略，形成了较有价值的研究成果。

一、 基于大数据分析的“问题跟踪”现实迫切性

学者刘天认为，学习问题指学生学习特定内容时遇到的或提出的需要回答或解释的有较为确定答案的疑惑（是“question”不是“problem”）［2］。而“问题跟踪”中的“问题”特指学生个体尚未理解的学习内容。由于学生的学力差异，每一位学生的“学习问题”各不相同，教师以学生的“学习问题”为起点展开教学，以“解决问题”为学习终点，实施强针对、高效率的教学活动。据此，提出了“问题跟踪”的“一三三策略”：一套习题，三类题册（试题册、解题册、纠错册），三重跟踪（自我跟踪、同伴跟踪、教师跟踪）。

“问题跟踪”在常态课堂的实施绩效如何呢？作为数字化学习研究的行动前研究，笔者等人在2018 年11 月，以当时八年级两个班的一百多位学生为对象，进行过抽样调查。“问题寻踪”的过程包括“学生自主完成作业—教师批改—教师选取作业中的错题二次讲解—学生订正—教师选取二次讲解订正过的错题重新组卷—学生参与检测—教师分析统计检测结果”等七个环节。研究获取的数据如图1、图2 所示。

图1 学生做过的错题的正答率

图2 学生正答率分布部分情况

如图1所示，1为学生的平均正答率，2为通常意义上的不及格学生的正答率，3 为及格以上学生的正答率。总体正答率平均值为0.68，其中三分之一学生的正答率不到0.6；正答率低于0.6 的学生的正答率为0.44，三分之二学生的正答率高于0.6，这部分学生的正答率为0.80。图2 所示为学生的正答率分布情况。由图2 可知，有相当一部分的学生已经做过的错题的正答率只有0.44，这反映出本校离“考后100 分”还有一段距离。这组数据还给了我们明确的判断概念：如果是学生没有做过的题目，则此结果属于可接受；但这些数据都是来自学生已做过的题目，且经教师批阅过，那这样的结果当然不在可接受范围内了。

对检测结果的分析发现：由于人工统计数据有限，对学生学习问题的分析不够精准，因此，在教师已经重新讲解、学生自行订正过的前提下，仍然有三分之二的学生在二次检测中错题率达到56%，其中有80%的同学两次检测错题原因相同。这次抽样调查让我们深刻地认识到：教师手工统计错题，再进行全部纠错的讲解效率太低了，必须引进技术支持，采用基于大数据的问题跟踪策略，以提高教育教学成效。

二、 基于大数据分析的“问题跟踪”策略的实施机制

2018 年12 月，本研究采用了基于大数据分析的多学科智能教学平台积极探索基于大数据分析的初中英语学习改进策略。在加入数据分析要素后，我们将“问题跟踪”的“一三三策略”转化为基于大数据分析的“问题跟踪一四四策略”：一个平台（AI 教学平台），四类数据（正确率、失误率、翻转率、订正率），四重跟踪（AI 跟踪、自我跟踪、教师跟踪、同伴跟踪）。

一个平台，指基于大数据分析的多学科智能教学平台及其对应的一对一学生专用智能学习终端。平台内部包括以下几个主要模块：①一个覆盖全国各地各学科的超级题库；②一套基于AI 技术的习题检测、分析、订正系统；③一套分别面向学生、教师、教学管理者的数据反馈系统；④一个细分为具体知识点的微视频、微音频资源库；⑤一个师生、生生互助共享的展示讨论空间。

四类数据，指对学生习题进行混合评判（客观题系统评判、主观题教师人工评判）并进行数据分析，形成正确率、失误率、翻转率、订正率四类数据推送的AI 数据。其一，“正确率、失误率”是AI 系统对学生解题情况的智能分析。这一分析功能，将试题册、解题册、纠错册合并为一个可视化数据窗，教师依据教学目标命制分层试题，系统根据数据积累，直接推送给学生最贴近其学力水平的试题。学生答题后，系统同步分析出正确率、失误率反馈给学生，学生可以按照系统分析数据，持续跟踪自己的“学习问题”，并努力解决问题。其二，“翻转率”是应用微课，为学生解决学习问题提供个别辅导，并统计分析学生自学效能的数据。这是教学平台在“问题跟踪”学习中的灵活应用。在“自然分材教学”中，有一个关键环节——“释疑”，就是教师针对学生在自学与互帮中提出的带有普遍性的问题有重点地讲解，启发学生自解疑难。在真实教学情境中，受课堂容量限制，教师的“释疑”很难惠及每一位学生。而基于知识点的微课，能实现应对学习问题的一对一“释疑”。例如，A 同学在现在完成时时态的检测中出现错误，如 “He learned（learn） two thousand new words since 1990.（错误）”，在学生接到系统“你因为没有理解一般过去时这一知识而导致错误”的提示后，可以双击题号后面的链接，打开与试题有关的微课进行翻转学习，也会有时态对比训练题，针对该题会给出一般过去时进行对比，促其思考，如“He learned（learn） two thousand new words in 1990.（正确）”。如果感觉弄懂了，可以申请再次检测，系统依据申请，推送平行试题，通过变式训练强化理解。学生二次检测，如果订正成功通过，系统会自动记录订正率，如果依然出错，系统会提示学生继续跟踪问题，直至解决问题。其三，“订正率”是记录学生解决问题的数据。教师可以通过系统提示，跟踪每一个学生“学习问题”的解决情况，持续保障学生学习成功。

四重跟踪分为：AI 跟踪，是智能教学平台对学生学习的全面跟踪；自我跟踪，是学生在平台支持下对自我学习问题的个别化跟踪；教师跟踪，是教师在平台支持下对学生学习问题的全面跟踪，包括学生的学力分组、个别化学习问题跟踪等；同伴跟踪，是在组内同伴之间互相帮助，共同学习。

三、 基于大数据分析的“问题跟踪”的教学改进

基于大数据分析的“问题跟踪”的实施，旨在在精准分析学生学习数据的基础上，提高教与学的针对性和有效性，同时让学生更加自主学习、有效学习。具体内容如下：

（一） 基于数据结果，提高教学针对性

图3 平台上对于答题情况的大数据分析

通过平台能直观地看到课堂上学生们的习得情况，快速准确和真实全面地呈现现场分析（图3）。教师根据平台上的数据反馈，如每道题目的正答率、错误率，针对共性问题，集中解惑；对于个性问题，课后进行分层推送，使问题跟踪更有效。学生在平台上学习，完成检测并提交，可自我监管习题时间，并查看错题的归因分析，进行自主学习，独立思考，逐步培养良好的自我认知能力。平台还可以定期为学生分层推送训练项目，形成量身定制的错题集，为学生自我分析与自主诊断搭建平台。

尤为需要指出的是，基于大数据分析的问题跟踪策略对弱生的帮助最为明显。若发现弱生比例达到三分之一，则这将成为制约学生发展与教学改革的短板。如何设法提高弱生错题的正答率，教师可以及时跟进，根据教什么、练什么的原则精心设计选题。除原有的学科问题外，还要加上元认知问题，并在实施相互监督的前提下，引导弱生监控自己的解题过程，有针对性、有步骤地培养其解题策略和纠错能力，不断提升其元认知水平。

我们英语教研组分工合作，在教材两个单元内容的教学之后，根据对学生日常作业练习和学习检测评价的数据分析，深入研究这一阶段学生的学习情况，然后就这一阶段的学习重点、学生出错率比较高的练习和试题，设计编制一份以变式题为主、全新题为辅的综合试卷，或作为练习发给学生限时完成，或安排时间组织学生集中进行规范测试，我们称之为跟进式练测或问题跟踪性练测。开展这样的跟进式练测，对学生进一步巩固这一阶段所学的知识与技能，进一步解决这一阶段学习中存在的疑点难点发挥了重要作用，同时引导学生掌握“问题跟踪”的学习方法，有助于增强学生自主学习和勤于总结反思的意识与能力。

根据数据统计，教师发现共性问题，有针对性地集中释疑解惑；对于学生的个性化问题，则在课后进行分层推送习题，对不同层次、不同问题的学生进行线上精准指导，使“问题跟踪”发挥效用。

教师根据数据反馈，了解全体学生完成情况，并对个别问题进行进一步了解。教师端呈现每道题目的正答率、错误率，可查看学生名单与试卷，结合个别学生近期的答题反馈情况，分析其薄弱问题，提出改进方案。学生完成平台分层推送的习题或训练项目并提交，可进行自主学习，培养良好的自我分析与自主诊断能力。

基于大数据对每个知识点的掌握过程和反馈情况的分析，教师可以进行针对性的辅导和讲解，使师生互动方式更加灵活和多元，自适应学习促进素养提升。

（二） 强化过程检测，让学习的每一步都扎实展开

我们习惯的结果性测试，似乎学生得分率越高越好，而过程性测试则恰恰相反，学生考的分数越高，越是意味着做这些试卷的题目是白白浪费了时间。过程性测试的目的在于查漏补缺，如果从题目反馈上没有发现学生的学习漏洞便是低效。要想提高过程性测试的效果，最好的方法就是采取“问题跟踪”策略。应当指出，安排学生只做自己出错的那些题目，这样的测试针对性最强，学习的成效也最高。对于学业优等生而言，基础性内容出错的概率较小，教师应在有限的时间内给予他们快速提高的机会和指导。教师要给学优生选择难度较大、带有参考答案与解题方法的资料，比如阅读理解难度大、单词量要求高的阅读理解材料。这样，一旦他们熟悉了难度大的阅读材料以后，参加低难度的测试就可以更加自信，增强胜任感；而对于基础相对薄弱的学生而言，可以更多地增加基础性检测的题目，发现问题，及时修正，让每个知识点都得以掌握。

笔者一般是在每个单元小测验后，结合一个阶段以来学生的作业练习情况以及日常教学中对学生的观察，对任教班级学生的学习情况进行数据分析，逐个分析学生在学习态度、学习方式、学习成效等方面的变化，比如有些学生进步了，有些学生解决了旧问题后又出现了新问题。笔者根据学生学习的新情况，以个别交谈、在作业本上作注等方式，对有些学生提出新要求或新期待，给有些学生以新任务或新建议。

在每个单元的教学结束后，笔者根据单元小测验后数据分析获得的信息，组织学生开展相互出“问题跟踪”试卷的学习活动。让学业水平差不多的学生自由结对，先了解对方在本单元练习和测试中存在的问题、出现的差错，然后针对这些问题和差错为对方设计一份“问题跟踪”试卷，每份试卷至少有5 个试题。在交换试卷各自作答之后，再以交流研讨的方式相互批阅，经交流研讨仍有疑义或困难的问题，在试题旁边写上说明。笔者建议英语学习水平较高的学生，设计的“问题跟踪”试卷可以适当拓展加深，可以有一两个开放性试题；而学习基础较差的学生，可以仅就本单元练习和测试中出现的错题设计“问题跟踪”变式试题。在学生交互设计、批阅“问题跟踪”试卷后，笔者逐份阅读分析，整理出一些有创意的试题和需要进一步予以指导的共性问题，在全班进行分析评点。开展这样的活动，不仅有利于激发学生自主学习、主动发展的积极性，有利于帮助学生及时解决本单元学习中存在的问题，而且能引发学生的学习需求，激励学生在深度学习和探究中创意创新、动态生成。

（三） 更深入地分析问题的原因，真正做到因材施教

以前，在学习经过一个阶段后，如遇到两位在测试中获得同样分数的同学，一般会认为他们处在同一认知水平。然而基于大数据分析发现，两位同学虽卷面测试分数相同，但他们在语言知识、语法功能、综合运用等方面表现不一，甚至差距甚大。针对这种同分异质现象，借助学习平台的数据，进行深层次的分析和数据的比对分析，精准锁定问题，针对不同学生的具体问题，列出知识强化清单，并与学生共同讨论制定进阶提升的训练方案，进而提供分层、个性化的教学指导，如图4 所示。

图4 “问题跟踪”个性化教学策略实施图

教师根据“问题跟踪”记录，就学生存在的普遍性问题和一个阶段内知识的重难点问题，给出“问题跟踪”卷与单元互测单，并辅以专题讲座，对全体学生进行跟踪检测，督促那些没有做到“每周一清”和“每单元一结”的学生，及时帮助他们查找和修正学习上的错漏之处，从而加深对重难点知识的理解。这样，在教师的督促和引导下，每个学生都学会和掌握了自己进行“问题跟踪”的学习方法，真正做到融会贯通、学以致用，学习质量和成效有了明显提高。

“基于大数据学习分析的精准教学案例研究”实践表明，数字化平台为“问题跟踪”的实施创设了一个良好的教学环境，师生关系更加密切和融洽，教与学形成良性循环，知与行和谐统一，新课改之路越走越宽广。今后，我们将与时俱进，继续开拓创新，真正成为“实践的思考者”和“思考的实践者”，成长为符合新时代要求的探索型、研究型的名副其实的教育工作者。