高中信息科技学科混合式教与学策略初探

敖 培

（上海市晋元高级中学 上海 200333）

多年来，晋元高级中学根据新高考的实际需求，打造了网络学习走班平台，构建了“一体两翼”走班教学育人新模式。在晋元高级中学网上走班学习平台上，无论学生身处何地，都可以观看作业辅导微课程，查看配送的微资源，和老师同学交流学习心得，解决学习难题，在自学自管中选择学习内容、学习方式。根据上海市“停课不停学”的相关要求，我校信息科技学科结合“2234”导学制课堂教学模式，探索了混合式教与学的策略，以期为后续教学方式变革提供有益参考。

一、科学比对选择教学平台组合

此次在线教育的特点是时间紧、时空范围广、终端类别多、网络环境繁杂、并发量高，参与师生信息素养参差不齐，这给教学平台的选择提出了较高的要求。为此，我们针对五种上海市教委推荐的平台进行了教学功能分析。从平台运行的稳定性、运行环境的兼容性和平台操作的易用性考虑，最终我们选择了“腾讯课堂（主平台）+QQ群（备用平台）+网班（备用平台）”作为在线教学平台，选择QQ群进行信息发布和课后答疑平台，选择“问卷星”作为课堂检测、作业布置和批改平台。

二、双方案并举确保线上授课有序进行

由于网络直播授课存在很多不确定因素，我校信息科技学科教学主要采用了两套线上授课方案，用于解决由于平台故障、网络拥堵等造成的问题。

（一）“网络直播+互动”模式

基于“腾讯课堂”的直播，可以使用“PPT授课模式”“分享屏幕模式”“播放视频模式”和“摄像头模式”进行授课，可以使用“画板”功能进行计算演示和重点标注。为了提高课堂互动氛围，授课过程中利用“举手”功能邀请学生参与互动交流和小组讨论，也可以使用答题卡功能组织课堂即时测试。这种模式与在机房上课很相似，学生适应度也较高。另外，通过直播课程结束后24小时，安装客户端的学生可以回看课程内容，教师也可以分享回看课程链接给未安装客户端的学生，供学生课后巩固复习。

（二）“视频资源+答疑”模式

为了防止网络卡顿、平台调整等突发性情况的出现，我们设计了“视频资源+答疑”模式。该模式主要是在课前录制好视频，课上地精准掌握每个视频的播放时间。其间，穿插对视频重难点内容进行总结和答疑。在遇到平台故障的突发状况时，可以将视频资源上传到QQ群或者百度网盘，让学生下载或缓存观看，利用QQ群聊天功能进行沟通、答疑。

三、“2234”导学制课堂教学范式提高教学质量

“2234”导学制课堂教学范式是我校近两年来积极推行的一种教学设计和实施模式[1]。“2234”中第一个“2”是指教学设计应“准起点”夯实学生基础，“高视点”培养学生核心素养。第二个“2”是指应通过“问题化”认知支架让学生掌握“结构化”的知识。“3”和“4”指的是教师要通过任务和活动的“导读”“导思”“导研”“导行”让学生“动口”“动脑”“动手”。这里以《因特网接入方式》一课为例，介绍基于“2234”导学制课堂教学范式的在线教学实践路径。

首先，课前使用“问卷星”平台进行了有针对性的前测，根据前测结果确定教学的难点。

然后，以提升学生信息意识为目标，基于探究性学习理念和合作学习理念设计并实施教学，教学路径如图1所示。

图1 教学路径

课前教师使用“QQ群”中“作业发布”功能布置课前探究任务“那些年上网的故事”。在线探究活动环节，教师采用“PPT”授课模式播放学生课前完成的探究成果，学生使用“举手”功能分小组上台交流汇报探究过程和探究成果。在分析调查结果的基础上，学生通过质疑，会自主发现网速与因特网接入方式之间的关系，以及各种因特网接入方式的特点。

在竞赛环节，学生在“讨论区”上传组网图片，教师利用“分享屏幕”授课模式展示学生搭建结果。师生利用“举手”功能和“讨论区”进行互动、交流、点评。学生在小组中共同合作、交流讨论，互相促进对各种因特网接入方式知识的理解，并在此基础上掌握根据需求将各种信息技术工具接入因特网的方法。

四、数据挖掘释放在线教学效能

（一）教师画像赋能智慧的“教”

基于网络的教学方式变革，使得整个教学流程的每一个环节都会留下数据的“印迹”。学校和教师均可以依据这些数据“印迹”，从如图2对教学进行评价和自评价，从中发现教学流程中存在的问题，以便及时调整教学策略。

图2 教师画像维度

从教学资源建设的维度，通过数据“印迹”，不仅可以知道教师建设资源的种类、数量和频度，同时也能分析出资源使用的效度。例如，从“QQ群”上传资源的下载量中，可以看出学生作业作答情况和正确答案下载量较多，教学课件次之，答疑视频下载量最少。根据以往经验，在课堂教学有效性得到保证的前提下，大多数学生比较关注自己的作业作答情况，在与正确答案对比和回看课件后能够自行解决问题，少数学生对无法解决的问题需要观看答疑视频。因此，能够初步判断教学资源的有效性。

从教学设计与实施的维度，由于使用平台提供了录播功能，一定程度上解决了由于课时冲突带来的听课矛盾。从管理角度，校领导可以随时抽查每个教师的每一堂在线课程，提高管理效能。从教研角度，教研组所有教师可以听评所有组内教师的每一堂课，然后有针对性地教研，提高教学质量。从自我提升的角度，每位教师也可以通过回看，找到教学中存在的问题，及时调整教学策略。

作业的在线布置与批阅无疑对教师是一种挑战。实践表明，基于平台的客观题目虽然可以提高批改效率，但由于不确定性因素，无法反映学生对知识的真实掌握程度，如图3所示。因此，衡量教师教学有效性有必要配合主观题目的布置和批阅，如图4所示。另外，对教师答疑的考量除了依据教学资源外，还可以从平台中教师与学生交流的记录中反映出来。

图3 基于“问卷星”的客观题作业布置

图4 基于“QQ群”主观题作业布置与批改

（二）学生画像赋能智慧地“学”

基于学生学习过程产生的数据，利用适当的数据分析和挖掘方法对学生学习行为进行画像，可以较为准确地把握各类学生学习情况，进行有针对性的分层教学和分类指导。同时，也可以将分析结果反馈给学生，帮助学生查找自身薄弱环节，改进学习方法。

对于学生的评价，我们根据学校高一年级对学生学习进行过程性评价的相关要求，结合学科和班级特点，制定了过程性评价细则，评价结果每周周五前反馈到学校“学生学业发展与指导系统”平台上，让学生和家长及时了解相关情况，调整学习策略。评价从作业质量、课堂表现、课下答疑和信息特色项目四个维度对学生进行考察。其中，信息特色项目和课下答疑评价主要参照学生课堂检测情况；课堂表现评价主要借助“腾讯课堂”中的“考勤”功能，结合学生课堂参与度给出，如图5所示。

图5 学生学习过程性评价

此外，我们还可以使用一些数据挖掘算法对学生学习行为进行细致的分析。K-Means聚类算法[2]是一种基于划分的聚类方法，是十大经典数据挖掘算法之一。该算法的基本思想是：以空间中K个点为中心进行聚类，对最靠近它们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。在对学生分类时，可以根据已有数据，选择合适的特征，采用K-Means聚类算法将学生分为3～5类。然后，从信息科技学科合格性水平考试要求出发，重点关注底部学生。图6为经过聚类分析后筛选出的典型顶部和底部学生案例，聚类过程选择每次课堂检测正确率排名和作答时长排名为特征。从图中可以看出，顶部学生和底部学生的特征都非常明显，顶部学生正确率稳定，作答时间随着试题难度变化而有所变化。底部学生呈现两种特征：一种特征的学生如底部学生1，作答时长较长，但正确率却极低，说明学习态度没有问题，需要提高学习能力。一种特征的学生如底部学生2，作答时长极短，正确率极低，这类学生除了学习能力亟待提高外，学习态度改进可能是最大的问题。

图6 基于数据的学生特征分析