Page 14 - 中小学数字化教学第5期
P. 14
大数据专题
解答，并做计划管理，全程陪伴学生。在这一过 验组学生都要比常规组学生少，效率更高。主要
程中，在线系统所呈现的学生数据为线下教师“照 原因在于，对于实验组学生而言，系统基于学生
方抓药”创造了条件，让教师针对每个学生的知 学习行为与知识点掌握情况等数据，准确地判断
识盲点，提供真正个性化的辅导。对于学生而言， 学生的认知能力，进而推送难度恰当的问题（符
在线教育确保每个学生能得到同样高品质的教学 合学生的认知水平），因此多数问题能被学生准
内容和满足个性化需求的学习产品，而线下教师 确回答（不必放弃）。
的服务则让学生在学习中遇到的问题得以及时解 每个学生创造的数据就是“大数据”的一部
决。数据互通共享的“线上线下混合学习模式” 分，每个学生都是大数据的生产者和消费者。应
的应用使得线下授课不再是简单重复线上教师的 用大数据分析学生的学习过程具有较强的实用价
教学内容，而是真正为每个学生提供基于大数据 值，在大数据技术支持下，学习资源的个性化推
的个性化指导。 送、学习质量分析等都将有可行的解决方案。个
笔者选取实验中学的 40 名七年级学生作为 性化学习诉求在大数据时代有新的实现途径。
研究对象。在数学教学时，将 40 名学生随机分 目前，对于大数据在教育教学中应用的相关
为两组，即常规组（非个性化学习）和实验组（个 研究仍然不够深入，也缺乏足够的实践经验。笔
性化学习）各 20 人，两组学生认知能力没有明 者提出的基于大数据的个性化教学应用已基本上
显差异。同时，根据前测成绩又将各组学生分 得到实证。借助大数据技术，揭示数据隐藏的关
为学困生（0—80 分）和优等生（81—100 分）， 系、模式和趋势，了解学生学习轨迹和现状，有
经过 1 个月的学习，教师安排常规组与实验组 助于教师掌握学生的学习规律，进而更全面地评
学生进行知识点后测，部分数据分析结果如表 1 价学生并给予个性化指导，优化学习过程，提供
所示。 个性化的服务，做到因材施教，让教学回归本质。
表 1 非个性化学习与个性化学习成绩对比
常规组 实验组 参考文献
学困生 优等生 学困生 优等生 ［1］孙玉桦，唐章蔚 . 基于大数据的个性化学习环境构建研究［J］.
中小学电教，2017（Z2）：51-53.
前测 70 分 88 分 68 分 89 分 ［2］龙虎，李娜 . 大数据背景下网络教学中的智能学习诊断研
究［J］. 凯里学院学报，2017（6）：87-91.
后测 86 分 92 分 91 分 94 分
［3］李宝，张东红 . 教育大数据下个性化资源推送服务框架设
学习时间（分钟） 1 145 分 856 分 873 分 699 分 计［J］. 中国远程教育，2017(9):62-69.
抛弃问题数量 24 分 14 分 9分 5分
（作者系四川省成都市教育科学研究院院长、教授，
由表 1 可以看出，实验组中的后进生学习成 四川省特级教师，四川省十大杰出青年之一）
绩提升最为明显，成绩由前测时的 68 分提高到
后测时的 91 分，比较而言学优生学习成绩提升 责任编辑：祝元志
不明显，实验组与常规组中的优等生学习成绩没
有显著提高。原因在于后进生完全按照系统推荐
的个性化学习路径与恰当难度的学习材料进行学
习，而优秀学生自主性比较强，可见应用个性化
学习分析模型对后进生进行指导更有作用。
此外，在学习时间、抛弃问题数量方面，实
12 | 基于大数据分析的个性化教学应用研究
