明确学业要求，实现测评价值——数据与数据结构的教学测评建议

李维明

《普通高中信息技术课程标准（2017年版2020修订）》（简称《标准》）中，“选择性必修课程”共设六个模块，它们分别是：“模块1：数据与数据结构”“模块2：网络基础”“模块3：数据管理与分析”“模块4：人工智能初步”“模块5：三维设计与创意”“模块6：开源硬件项目设计”。其中，前三个模块是为学生升学需要而设计的课程，后三个模块是为学生个性化发展而设计的课程。“数据与数据结构”是“选择性必修课程”的第一个模块，教学完成后，则需要进行评价。由于这是选择性必修内容的首次评价，所以，认真学习《标准》相关内容，弄清该模块的学业质量水平的要求是测评开展的必要前提。

学业要求 学业质量水平3 学业质量水平4学生能够运用生活中的实例描述数据的内涵与外延，能够将有限制条件的、复杂生活情境中的关系进行抽象，用数据结构表达数据的逻辑关系（信息意识、计算思维）能够从数据结构的视角审视基于数组、链表的程序，解释程序中数据的组织形式，描述数据的逻辑结构及其操作，评判其中数据结构运用的合理性；能够针对限定条件的实际问题进行数据抽象，运用数据结构合理组织、存储数据，选择合适的算法（如排序、查找、迭代、递归等）编程实现、解决问题（计算思维、数字化学习与创新）能够分析数据与社会各领域间的关系，自觉遵守相应的伦理道德和法律法规（信息社会责任）了解数据管理和分析的基本过程与方法，认识数据的有效管理与处理对提高信息价值的重要意义，能够按照给出的数据分析方法分析数据并进行可视化呈现，提取有用信息，形成结论；知道数据结构对数据处理的重要性，能够辨别简单的基于线性表的程序设计中的数据组织形式，描述数据的逻辑结构、存储结构和运算能够描述数据、数据结构及其相关概念，说明数据对信息社会的重要性；能够针对模型较为直观的实际问题，合理选用字符串、队列、栈等数据结构组织、存储数据，并能运用排序、查找、迭代、递归等算法编程解决问题能针对数据分析案例，认识数据准确性和可靠性的重要作用；有数据备份与还原意识，能按照要求进行数据备份与还原掌握数据管理和分析的基本过程与方法；能够根据特定问题解决的需要，在较为复杂的信息情境中，利用多种途径对数据进行采集和分类；认识数据的准确性、可靠性、真伪性对解决数据业务问题的关键作用，并能对此进行评估；能够甄别不同的数据分析与表达方法的优劣，选用合适的方法对数据进行分析与可视化表达，提取有用信息，形成结论；能够评判线性表等数据结构使用的合理性能够针对学习和生活中的特定数据业务问题，运用系统思想和结构化思维，对数据业务进行需求分析和问题求解，提出明确的数据管理与分析解决方案并进行优化；能够针对模型较为隐蔽的实际问题进行数据抽象，运用线性表等数据结构合理组织、存储数据，选择合适的算法编程实现，解决问题

● 模块学业质量水平考量

《标准》中对学业质量水平设立了四个等级，每级水平主要表现为学生整合信息技术学科核心素养，在不同复杂程度的情境中运用各种重要概念、思维、方法和观念解决问题的关键特征，且不同水平之间具有由低到高逐渐递进的关系，而学业质量水平4是学业水平等级性考试的命题依据。这里就出现了一个问题：修习完成“数据与数据结构”模块后，应当以哪一级水平来衡量？

从上表可以看到，“数据与数据结构”模块“学业要求”与学业质量水平3的要求更为接近，其原因在于学业质量水平3强调基础，学业质量水平4更关注综合。所以，在完成该模块教学后，按照学业质量水平3进行测评应该更为合理。

● 模块学习评价建议

由于“数据与数据结构”模块学习完成后还不具备学业水平考试的条件，所以适时进行过程性评价是较为合理的选择。

从评价的内容来看，“数据及其价值”“数据结构”“数据结构应用”三部分内容都应纳入测试范围，其中“数据结构应用”应作为测试重点。这主要是从基于问题解决项目式学习的要求考虑，教学中普遍采用这类教学方法，以项目活动为载体，驱动知识技能的学习，项目学习的评价也在活动中得以体现，这也正是模块学习评价所需要的，可以将其有机融合，开展基于项目活动的模块学习评价。这个评价也可以看成是模块学习完结后的单元测试，是用来衡量是否完成模块内容学习、是否达到相应的学业要求、是否能够取得本模块修习的学分等各项考量的依据。

基于项目活动的模块学习评价的形式，是一种能测试学生问题解决和实践能力的形式，既可以穿插于项目学习的活动之中，也可以根据实际需要，开展纸笔测试或上机测试。无论哪种形式，只要设计合理，都可以达到检测的质量目标和素养目标。

“数据与数据结构”模块的测评，虽是选择性必修模块学习的一次过程性评价，但也是选择性必修模块学习的第一次测评，所以需要高度重视。在测评前要科学地制订测评计划、确定测评策略、确定测评形式，合理设计检测方式和检测内容，结合项目教学活动的开展，阶段性地评估教学目标达成情况、学科学业目标达成情况，为衡量学生学科核心素养水平提供真实的数据支撑。