大数据应用：敷衍者增加学习负担，善用者事半功倍

黎东

[摘 要]大数据在教育领域的应用实践是目前的热点.文章主要研究学生平时作业和测试大数据采集后的使用效果，探讨师生如何善用大数据开展教与学活动.面对大数据应用，教师需转换应用思路，学生亟须关于大数据应用方面的指导.

[关键词]大数据应用;错题本;教育知识管理;思维导图

[中图分类号]    G633.6        [文献标识码]    A        [文章编号]    1674-6058（2020）29-0008-03

一、大数据错题本面临的尴尬局面

错题本是数学学科教学中，教师经常建议学生整理的笔记之一.传统的错题本整理，学生会花费大量时间和精力，所以能坚持做好错题本整理的学生并不多.

而信息技术的介入，为错题本的整理带来了便利.

目前，很多阅卷平台都提供这样的服务：将学生历次段（期）考做错的题目自动整理并推送类似的题目，包含解析一并整理成册，打印出来后提供给学生自主复习.

有观点认为，一年四次左右的大考，数据量太小.学生答题出错，有可能是偶然事件或由非智力因素导致，不代表学生存在知识缺陷;同时，學校大考出题的覆盖面有限，没有考查的内容，并没有证据能证明学生就一定掌握了.持有这种观点的教师主张将平时的作业和小测，都纳入数据采集的范围，通过大数据采集对学生学科学习情况进行真实的、全面的了解.

本文观察的对象为七年级走读制学生.学校在每间教室安装了无线路由器并可支持120人同时在线;教室网络与学校行政办公一起共享100 M的互联网出口带宽;学生以BYOD（Bring Your Own Device）的模式自带“系统受管控”的平板电脑在校内外开展学习.

悠数学APP（后面统称数学学习工具）在学校的应用，为学生日常作业和每周小测进行大数据采集提供了技术支持.

每学期开学前，数学教师会与技术员合作，将校本的作业内容提前录入数学学习工具，平时布置作业时，学生在作业习题册上作答，写完后将作答内容拍照上传到平台进行批改.

对于数学每周的小测，教师就在数学学习工具自带的系统题库中选题组卷，打印试卷让学生做题，学生拍照上传到平台进行批改.

通过对平时作业和小测的常态化数据采集，只要是学生做错的题，就由系统自动归入学生个人错题本并按章节知识点进行归类，数据量够大，知识点实现了全覆盖，初步具备了大数据错题本的雏形.

参与实验的教师认为，错题本大数据是学生珍贵的财富，在平时的教学中他们也多次提醒和鼓励学生认真做题，将自己真实的数据反馈给系统，而系统也会回馈学生一份“珍贵礼物”——大数据错题本.

事实上，“礼物”是因人而异的，对于部分学生来说，它可能是定时炸弹.在期末总复习时，数学教师为检验错题本对学生的促进作用，布置学生利用数学学习工具完成重做错题的任务.但是，个别学生打开错题本时却傻眼了，里面居然有一千多道错题需要他重做和整理，而离考试不到一周了，如何能写完？面对海量错题本，学生直接忽视了这项任务.

这就是大数据的尴尬，当大数据面对一位对它敷衍的学生时，它根本无法给予学生相关帮助，甚至会打击到学生.学生会如何敷衍大数据呢？我回想起一次见闻.

一天中午放学后，我见到数学教师正在教室里“教育”两位学生，于是上前询问原因.学生A说是他上数学课时偷偷使用平板电脑不听课，所以被老师留堂了.

“那你们用平板电脑做了什么呢？”我问.

学生说：“参加数学PK赛.”

“这是好事呀！可以给我看看你们PK赛的成果吗？”我说道.

学生A快速地将其平板电脑打开，让我看了他们的PK赛结果：累计做题539题，正确率56%.我感叹道：“你写了这么多题啊！”

“老师，我还不是写得最多的，他才是.”学生A指了指旁边的学生B说道.

当我要求学生B展示自己“PK赛成果”给我看时，证实了我悲观的预测：累计做题735题，正确率43%.

这就是基于日常并大量采集数据的结果.教师在努力解决数据采集量的时候，却面临了数据严谨性的问题.仔细反思后发现，在正式的段（期）考中，在考场的环境中，数据的严谨性相对于日常数据采集而言，是能得到较大保障的，但是如何在二者之间寻求平衡呢？

二、具有主动权的大数据应用

我们将学科学习工具自动归类整理的大数据错题本称为被动式大数据应用.主动式大数据应用又应该是怎样的呢？下面通过一个实证研究的案例展开说明.

（一）案例的目标、工具

1.目标：我自学七年级数学上（下）册教材，并取得测试好成绩.

2.工具：平板电脑、数学教材PDF文件、悠数学APP（数学学科工具）、XMind （思维导图工具）、百度.

（二）关于案例的说明

发现大数据错题本的尴尬处境后，我计划在2020年寒假期间，让数学学科学习工具为自己整理一份大数据错题本，通过行动研究方式，寻找日常大量采集数据与数据严谨性的平衡点.

“知识管理（Knowledge Management）”概念产生于20世纪90年代初，最初出现在管理学领域.教育知识管理作为知识管理的衍生，在教育领域获得了广泛应用.上海师范大学黎加厚教授认为，从社会和教育信息化发展的角度来看，教育知识管理是研究人类获取、传播、共享、利用和创造新知识的活动规律.

相比学生的实践，本实验新增了一个工具：思维导图.加入这个工具是因为我们希望通过教育知识管理的方式，实现主动式大数据应用.以下是每个章节学习实践预设的流程.

首先，以章节为单位，熟读电子课本;其次，在思维导图工具软件中绘制出章节知识关系框架图;再次，到学科学习工具中做章节练习，做错的题目系统自动归入错题本;最后，将典型题目截图到思维导图中.实践中，很快发现了一些平时没有关注的问题.

1.学习时仅仅关注错题是不完整的

例如，在概念性较强的章节学习中，简单的一个知识点，命题人可以从多个角度进行表述，学生如将多维度表述的例题都记录下来，才真正有利于学生对知识点的全面认识，如果仅仅依靠学习工具记录错题，将出现信息不完整的情况，所以我在思维导图中对这些概念性题目，不论自己是否答对，只要有独特的表述，都主动做了详细记录.

2.整理知识点思维导图，并不能使自己成为解题高手

在章节练习中，只有最简单的题目才能仅用该章节的知识解决问题，复杂一些的，往往是考查灵活运用或是含有跨章节知识点的题目.在特定章节做错的题目，不能单纯判定是该章节没有学透，实际上很多情况是多知识点融合后产生的问题.换言之，知识缺陷有可能不是单一知识点问题，而是多知识点融合问题.

数学学习工具自动保存的错题就无法帮助我提升了，因为它反馈的是知识点问题，而不是知识点融合问题.基于这样的认识，我重新调整了思维导图的内容，除了整理课本章节知识框架结构外，还新增整理了另一个知识框架结构：知识点融合框架结构，这个框架完全是依据我做过的题目归纳整理的，包含出题者喜欢用怎样的跨章节知识点与现有知识点融合命题、解题的思维模式、某些类型题网上都有哪些很好的归纳整理等，这些都是新知识框架的主要内容.虽然总结的内容没有如章节知识点那样的规范性表述，却能主动地与原有的知识体系产生互动，更能启发自己的高阶思维.

3.面临着对数据严谨性的挑战

在做练习时，不可避免地会遇到类似的题目，刚开始时，秉承保证数据严谨性的态度，对于每道题我都认真地做，让系统仅仅记录我真不会做的错题.但是时间一长，越来越觉得是在浪费时间，明明解题思路与方法我已很清楚，为何还要花时间去认真运算和证明每一题呢？我面临了来自数据严谨性的挑战！最终，我败下阵来.对于类似题，我选择了猜答案，有趣的是我猜的答案多数是错的，并被数学学科学习工具顺利归入了错题本.

（三）关于案例的反思

实验进行到后期，数学学科学习工具整理的大数据错题本已有一定的量，但对我似乎已没有参考意义，因为其中夹杂着我当时真不会做的和猜错的题目，已无法区分.可喜的是，我拥有了思维导图，其内记录了单一知识点N维度的表述，记录了跨知识点融合的案例，记录了网络上知识达人分享的精辟总结，当然也记录了我当时真正感到困惑的题目，这样的笔记不是更有价值？

总之，大数据错题本笔记，是个人通过学科学习工具，不经过人工干预，自动生成的，其记录的是错题，称之为被动式大数据应用.而思维导图笔记却有明显的人为干预特征，笔记内容的生成具有更多的个人特质，但其记录的是典型题，称之为主动式大数据应用.之所以称它们为大数据应用，皆因二者成果产生的过程，同样都离不开大量题目训练.

三、实践建议

发现主动式大数据应用与被动式大数据应用的区别后，我们更希望通过辨识二者的差异，在教学实践中去应用大数据来提高学生的学习成绩.现提出如下建议：

1.大数据错题本数据自动采集，适用于较为正式的考试场合

被动式大数据错题本应用，因其对数据严谨性要求较高，适合用在段（期）考等大型考試，即使为了提高数据采集量，最多将数据采集范围拓展到月考已足够.这样的错题本，对学生的学习有一定的借鉴意义.

2.建议教师重视建构知识融合框架结构和收集相应的典型例题

学生利用教材，其实是有能力建构知识框架的，对学生而言，难点是知识融合框架的建构.

教师的作用是搭桥，即在授课时，教师结合自己整理的知识融合框架讲解典型例题.课后作业是要求学生用整块时间结合典型例题建构自己的知识框架结构.学生写作业的题量会大幅度下降，但是独立思考的时间却会大幅度增加，有利于让学生去顿悟，去培养自己的归纳、综合等高阶思维能力.

3.建议学生用整块时间整理思维导图，用碎片化时间去验证和完善思维导图

学生首先构建好自己的思维导图（关注数据的严谨性）;其次，利用碎片化时间到学科学习工具中做自测题（不必太关注数据严谨性）;最后，通过做题不断完善自己的思维导图（关注数据严谨性）.只有这样，才能在大数据的日常采集和数据严谨性中找到平衡点.

本案例中，数学学习工具的错题本笔记“被动”归类的是错题;思维导图笔记“主动”整理的是典型题.二者的生成过程都借助了大量的训练题和详细的解析，都属于大数据采集的范畴，而信息技术的进步，使得典型题的整理和分享提高了效率.

当然，学习过程的大数据采集类型非常丰富，不仅局限于错题和典型题，但在这一分支的应用中，想提醒大家的是：面对大数据应用，敷衍者增加学习负担，善用者事半功倍！

[   参   考   文   献   ]

[1]  黎加厚.知识管理对网络时代电化教育的启迪（上）[J].电化教育研究， 2001（8）：54-57.

[2]  黎加厚.知识管理对网络时代电化教育的启迪（下）[J].电化教育研究，  2001（9）：23-26+39.

[3]  牛敏娜.基于大数据视角分析学习变革[J].时代教育，2017（4）：105.

[4]  李佐军.教育大数据的应用探讨[J].科技创新导报，2019（9）：232-234.

（责任编辑 陈   昕）