让教学决策有据可依

罗明 陈映晖 杨平展

摘 要 教学数据分析是教学决策的重要依据，教师需要具备一定数据素养，掌握一定的教学数据分析方法，才能从教育目标和受教育者的知识背景、个体特征出发，选择有效的教学方法，使受教育者身心发生预期的发展和变化。本文基于班级教学数据，讨论建立学生个体与知识点学习关系数据表，为教学决策提供一个有用的分析工具。

关键词 数据分析 教学决策 S-P表

中图分类号：G623.5文献标识码：A

教学过程是一种信息过程，针对其过程中产生的各种数据进行采集和分析，得到的信息可以用于评价和指导后续教学活动。教学数据分析的结果是教学决策的重要依据，它对指导教学、准确评估学生学习能力进而提高教学质量具有重要意义。当前，数据分析在教学中的运用大多还停留在浅层次和传统方法上，很多教师只是在每次考试后进行简单的名次排序和求平均分，并且这项工作还多是请班上学习委员或课代表手工完成，费时费力。其实教学数据分析与处理的方法有很多，特别是发生于技术平台上的学习活动数据的采集非常便捷，甚至很多平台本身就具有功能很强大的分析工具，通过对处理结果的分析可以规划、设计和评价各类教学系统，以期实现对教学系统要素的控制决策。本文基于班级教学数据，讨论建立学生个体与知识点学习关系数据表，精细分析教学活动状况，供教师评价日常的教学和进行实时的教学决策。

1教学数据分析与教学决策

教学数据分析是基于信息科学、系统科学、数理科学的理论和方法。通过教学系统采集的数据进行分析，其结果可以有效应用于完善教学系统的设计、控制和决策。教学数据的采集与分析能力应该成为大数据时代教师的信息素质培养的重点内容，教师需要更多的采用教学数据分析的理念和技术方法，帮助自己的教学决策，促进教育教学效率和效果的提高。

教学是一个可以实现控制的复杂的动态系统，该系统中，教师是控制主体。由于教学系统运动的多维性和多变性，在对该系统施加控制时，决策显得尤为重要。决策需要依据，现代教育广泛依托各类平台，通过提取或挖掘可以获得丰富的平台数据，基于数据的分析可以获得决策依据。教学数据分析的过程可分为以下四步：

（1）确定教学决策数据需求;（2）确定采集与分析方法;（3）实施数据采集与数据分析;（4）根据分析结果进行教学决策。

大数据技术风靡全球，人们都在普遍关注通过分析和挖掘全量的而非抽样的大数据来辅助决策。大数据分析可以揭示教学系统及其要素作用的普遍性特征或趋势，为一线教师的教学决策提供有效的参照。但因大数据很难使用常规软件工具进行捕捉、管理和处理，教师们可能更需要通过获取班级教学小数据，并基于班级教学数据的分析来有针对性的解决教学活动中产生的决策需求。目前，班级教学数据分析主要关注测试成绩，且大都是半自动的手工录入和计算机辅助计算相结合的处理方式，不仅低效，且数据容易发生错误或丢失。为帮助教师教学决策，实现精准教学，我们向一线教师推荐一种通过建立二维数据表，借助相关分析策略以解决教学决策问题的基于S-P表的数据分析方法。

2 S-P二维数据表的构建

教学效果很大程度上取决于学生对关键知识技能的掌握情况，使学生掌握所学知识技能的重要方式是在群体教学中辅以每个学生频繁的反馈和矫正性帮助，通过不断反馈矫正，使大多数学生都能达到教学大纲所规定的学习目标。如何及时地提取课堂教学数据，并对提取的数据进行诊断分析，为矫正学习的决策提供依据，这是教学中值得研究的课题。

日本庆应义塾大学藤田广一教授根据广义信息论的观点提出了用于课堂教学数据分析的S-P表（student problem score table），在改进教学，分析教材和掌握学生学习情况等方面取得了较好的成果。S-P表是以图表形式表示学生个体与知识点测试关系的数据表，在该数据表中，以学生解答知识点测试问题的得分為S数据，以测试问题被学生正答的得分为P数据，并按得分由高到低对S和P进行排序之后，根据一定规则建立S曲线和P曲线、标示S警告系数和P警告系数。S曲线和P曲线是根据基本统计结果从测试得分表中提取出来的反映知识点学习时有关学生到达度（分数）水平和测试题质量特性的2个特征参量的变化和分布状况，警告系数直接反映值得关注的学生个体和测试问题。通过观察S曲线，每个学生的到达度、全班学生的到达度分布以及班级平均水平一目了然。通过观察P曲线，每个测试问题的难易程度、全部测验问题的答对率分布情况一目了然。这样，根据S-P表，分析者就可以将每一个学生的答对、答错的模式与全班的学习倾向和所达到的水平进行对照，从而获得有关学生学习状况和教师教学效果的信息，也可以通过测试问题得分分布和相应警告系数大小，分析每一个知识点的教学内容决策水平与执行效果。下面我们来具体阐述S-P二维数据表的构建。

2.1原始得分矩阵转化为布尔矩阵

某题正确答案为D，若学生答案为D，记为1，若学生答案非D则记为0。其他类型类似处理，只有0和1两种选择。以此规则标记学生答对测试问题情况和每个测试问题的正答情况，原始得分矩阵即转化成了布尔矩阵。以某测试结果为例，由15位参与测试的学生得分情况和10个测试问题被解答情况所构成的布尔矩阵如图1所示：

2.2重排

（1）将学生按得分从高到低排列，得分最高者在最上。

（2）将问题按得分从高到低排列，答对人数最多的在最左。

2.3画出S曲线和P曲线（如图2）

S线（粗线）左边的格数等于该学生的得分总数。

P线（细线）上方的格数等于该问题被正答总数。

2.4确定学生警告系数和问题警告系数

学生警告系数和问题警告系数分别表示学生和试题在测试过程中出现异常的程度，应通过编程由平台去执行警告系数计算公式求得（见图2），因计算过程比较复杂，不适于一线教师用普通计算工具实现，我们推荐直接观察S-P表中得分数据的分布状况，对警告系数进行评估，以确定值得关注的学生或测试题。评估的原则是：