大数据背景下信息技术精准教学模式实践研究(上).docx

大数据背景下信息技术精准教学模式实践研究（上）王蕾教学现场随着大数据在教学中的应用，信息技术教学中有关合理融合大数据的研究初见端倪。大数据与精准教学相辅相成，大数据在教学中提供了相关的数据背景，能够通过客观的数据解决原本模糊的概率问题;精准教学提供了教学的指向，能够给信息技术教学提供理想的认知目标。问题分析精准教学模式是深度学习的重要方式，关注学习过程的精准性，强调学习效能的优化。在大数据背景下，精准教学有了技术背景和支持材料，能够对目标以及教学评价提供具体的启示。通过具体的案例分析，可以对原有的教学过程进行必要的修订，为实现精准教学提供参考。本文针对如何将精准教学与大数据有机结合，如何在信息技术学科教研活动中，体现相关要求，以提升信息技术学习力等培养需要的相关问题，展开探讨。●精准教学的理论界定及与大数据的关联精准教学模式起源于20世纪90年代的美国，是由林斯利（Lindsley）在斯金纳（Skinne）的行为学理论基础上总结归纳出来的教学方法。最早期的精准测试曾应用于未成年人的康复治疗，随后精准测试应用于教学实践，借助适当的工具对学生学习变化进行测量。[1]这种教学方法的主要目的是针对不同的人群，设计不同的目标，精选不同的教学内容，通过测量过程来追踪学生的学习表现和学习效果，并提供数据决策支持，进一步分析后为后续教学提供数据参考，精准指导教学工作。随着课程改革的深入，这一内容渐渐引起了一线教师的关注。精准教学既是教学目标，又是达到目标的方法和过程。随着教学改革的深入，精准教学逐步引入中小学课堂，目前已经被多个西方国家在教育领域运用，我国对此专题的研究尚处于起步阶段。对于精准教学来说，认识精准是前提，设计精准是基础，评价精准是保障。也就是说，首先要了解学生的个体状况，精准掌握目标需求，然后在课前精准备课，接着就是在课堂上精准实施教学活动，最后进行精准评价。精准教学采用“流畅度”来衡量学生掌握知识和技能的状况，流畅度具有五大属性：持久性、耐久性、稳定性、应用性和生成性。其中，持久性是指在无额外练习的情况下，学生根据需求执行任务的能力;耐久性是指为了满足真实需求，学生在长时间内持续执行任务的能力;稳定性是指在有干扰的情况下，学生能够继续实施一项技能的能力;应用性是指学生将知识或技能应用于新情境的能力;生成性是指在没有明显的指导的情况下，学生出现复杂行为技能的能力。[2]●现有教学模式的困惑在传统教学模式下，信息技术教师对学生的知识掌握情况常是通过长时间的观察来了解，无法进行个性化数据分析，如果借助问卷等测试方式获取结果分析，则需要大量的时间和精力。即使获取了学习结果，学习过程中的生成性状态也无法记录，难以进行准确的个性化数据分析。在传统教学中，达成率是考查教师教学成果的重要数据。如果通过纸质试题检测学生知识掌握情况则不符合信息技术学科学情，且收集的反馈信息准确度不高;如果通过Web页面获取提交信息，因受网速或广告的影响，难以达到既定目标。长期以来，信息技术教学中只关注总结性评价，以学生对技能的掌握程度及最终的电子作品的达成率来考查学习效能。在此过程中，学生对技能的掌握程度成为评价的重点内容，忽视了对学生思维过程的评价，以至于部分学生照抄教师范例，没有自我创新，依据传统标准，却得分较高;反之，部分学生产生较为丰富的思维过程，却无法通过技能作品直接体现出来，影响了教师对其学习结果的评价。因此，信息技术教学需要针对思维的评价。●精准教学在教育大数据下的应用1.大数据为精准教学提供即时数据支持在信息技术教育领域中，大数据的渗透必然会带来技术与课堂的高度融合。通过与精准教学的融合，由大数据提供精準决策，成为信息技术教学未来发展的新趋势，对教育领域的深刻变革产生着巨大的影响。2.大数据统计实现个性化分析在大数据背景下，通过设定学习平台，可记录下每个学生课堂内外的学习活动情况，生成准确的个性化数据源。通过即时的数据分析，获取学生在教学各环节中自主学习能力和知识应用能力提升的量化数值。教师及时通过数据对学习效果进行评估和预测，有针对性地提出干预意见和改进措施，根据学生特征和行为表现制订精准教学方案，为学生量身打造适合自身发展的学习方法，以适应学生的个性化发展。3.大数据确保精准教学的流畅度精准教学中的最大“精准”在于教学评价，而衡量教学是否达到目标、学生是否真正掌握知识或技能，关键在于检测学生学习的行为过程及其反应。基于此，精准教学引入流畅度指标，用于衡量学生的学习质量。流畅度涵盖了“准确度”和“速度”两个方面，也就是说，学生的学习质量既包括对知识或技能的准确掌握，也包括运用知识或技能的速度。[3]本文据此展开相应的研究，因受篇幅限制，本篇为研究文章的上篇，重点关注目标精准化和学习预设数据的精准挖掘外。●信息技术学科精准化教学模式理论实践途径途