数据化助力高中政治课堂

严旭春

摘要：陶行知先生提出了“行—知—行”的教育模式，而利用数据化平台，以教学的行为数据为依据所形成的“知”，反过来时刻影响着我们的“行”。在高中政治课堂中，我们也能以学生的行为数据为基础，在适当的时机给每个学生推送适合他们的学习方法、课外拓展、学业规划、心理辅导，甚至预测学生未来的学习。文章将从数据化的这三大优势来进行探讨，研究其对高中政治课课前预习、课中教习、课后复习的三个教学环节的促进作用。

关键词：数据化 高中政治课堂 “行—知—行”

唯有“真知”才能促进实践，而传统教学则是经验性的“知”，是一种感性认知。高中政治课因其特殊的学科定位，理论化的學科知识，庞杂的教学内容，似乎与数据化相去甚远。针对传统高中政治教学的不足，数据化以其量化性、具象性、归纳性等特点，完善高中政治课堂课前预习、课中教习、课后复习的三个教学环节，提高教学效果。

一、数据化的优势

近年来，通过对数据积累精确分析、预测用户的行为，早已司空见惯。这也就是数据化在高中政治课堂中最大的应用，通过海量而深入的数据真正了解每个学生，获得“真知”，并以此解决数千年来困扰人类的教学问题——因材施教。数据化的优势主要有量化性、具象性、归纳性。

第一，量化性。数据化的量化性解决了高中政治教学的痛点。在课前预习时，每个学生花了多少时间，提出了什么问题；在课中教学时，哪些学生积极参与课堂，在平台上发表了什么样的感想；在课后练习中，每个学生的错误率、优秀率、合格率是多少等。这些一一在案的定量化的数据，让高中政治教师能够更加了解每个学生，能深刻了解每个学生的学习习惯、薄弱环节、兴趣点，甚至是思维方式，也就能对症下药了。

第二，具象性。传统的教学中，因为每个教师都精力有限，不可能关注到每个学生，但是数据化之后，每个学生不同阶段的学习情况都能够被清晰地提取出来，再对这些收集的数据进行分类。如错误的原因是对基础知识的理解不到位，还是对材料的把握不准确；习题中是更关注主观题还是客观题；每一个知识模块的错误率分别是多少等，能够建立每一个学生的数据模型。此外，所谓的教学其实就是将书本知识以每个学生特有的理解方式呈现出来。因此，即使是相同的错误，每个学生的理解也都不尽相同，而大数据的具象化，将改变以往“满堂灌”的方式。变成为面对一个个具象化的学生，进行点对点的教授。

第三，归纳性。具象性是手段，归纳性才是目的：通过归纳学生的学习特点，获得“知”，对其学习进行引导，影响学生的“行”。教学中的数据化则是将学生过去的答题数据、行为数据等进行归纳，并与学科知识、考试大纲进行匹配，由此得出每个学生知识点的薄弱处，并有针对性地进行点对点的辅导。归纳性，还在于对学生学习情况的预测，通过对学生过往数据的分析，预测学生可能在学习上会遇到的问题，提前进行设计与规划。

二、基于数据积累的课前预习

数字化的教学平台中，记录着教师与学生的每一个数据，针对这些数据反映出来的问题，教师可以有针对性地安排教学计划与课程内容，以适应不同的学生和班级，实现课堂的最优选择。例如，在教学《影响消费的因素》时，笔者会补充“生产力是影响消费的根本因素”，但每个学生的掌握程度并不同，在课后布置的有关这一知识点的两道习题中，分别有36%和23%的学生并没有将其作为正确选项，那么在之后学习《发展生产满足消费》这一内容时，就可以根据之前这个班的学生的学习情况来设计课前预习。课前先预设一个思考题，“为什么生产力是影响消费的根本因素”，在知识架构中起到承上启下的作用，让掌握该知识点的学生“知其然而知其所以然”，让未掌握该知识点的学生加深印象。在上课时将之前的错误率呈现给大家，让选择错误的学生来阐述自己当时的想法，也当作本节课的导入，通过这节课的学习来解决上述问题。

三、基于行为数据的课中教习

传统课堂是以学生真正集中注意力到课堂上为开始，而学生何时集中注意力又取决于教师是否富有吸引力、是否具有高超的班级管理能力。但是，通过数据化平台，当学生点开“开始课堂”，找到教师这节课的内容等这一系列操作时，学生的注意力就已经集中了，而且这些操作都是可视化的，教师能够观察到学生的行为。数据平台又能实时显示课堂的在线人数，课中完成练习的时间、进度和正确率，让教师对每个学生的行为、整堂课的推进有一个更准确的把握。

传统政治课堂中，虽然也有分组讨论，但是不够深入，讨论往往是两极分化，活跃的越来越活跃，沉默的越来越沉默。对于讨论的结果，教师也不能一一呈现，从而导致学生产生付出而没有回报的失落感。但是在数据化的平台中，教师可以实时查看每个研究小组、每个学生的回复情况，这些参与情况教师也能随时通过数据平台同步到投影仪上。平台也会记录每个学生所回复的内容，在课后教师可以进行筛选，对部分学生再进行课后的激励与辅导。

四、基于过程数据的课后复习

以往在布置课后练习时，学生收到的都是相同的作业，属于“大水漫灌”。在数据化下，面对学生在课前预习、课中教习的表现，教师就可以用针对性的方式来选择习题。根据学生的学习习惯、记忆能力，适时地提醒学生进行及时复习。

过程数据的另一方面在于，任何在数据平台上的行为都会被记录，所有的互动过程都更为多元、实时和个性。如在“生产与消费”的关系一课中，不同班级的错误并不相同，其中一个班在“生产决定消费的对象”与“生产决定消费的方式”这两个知识点中出现了较大错误，于是笔者在课后作业中就布置了相应的题目去加深这种理解。而另外一个班，问题主要出现在“消费对生产的调整和升级起着导向作用”与“消费能带动一个产业的出现和成长”，那么在课后练习中，笔者将更多的题集中于这些知识点。

数据化为因材施教提供了工具上的可能，符合陶行知先生所倡导的“行—知—行”的教学模型，从学生的“行”获得数据，也就是对学生的“知”，再以此为依据，落实到教学实践中，再形成“行”。通过对每个学生学习数据的积累和分析，将学生还原成一个有独特经历的具象化的人；通过数据化的量化性、具象性，并与政治学科的学习要求进行匹配，对每个学生的学习行为进行归纳，形成每个学生所特有的数据模型，以实现对学习的三个环节的科学安排，在课前预习时提出符合该学生学习经历、兴趣爱好的思考题，带着问题去预习；在课后复习阶段，根据每个学生的记忆规律、适合题型，适时地提供复习资料，从而改变传统高中政治教学的经验性活动。

参考文献

[1]韩晗.“数据化”的社会与“大数据”的未来[J].中国图书评论，2014，10（5）：26-32.

[2]王良周，于卫红.大数据视角下的学习分析综述[J].中国远程教育：综合版，2015（3）.

[3]钟瑛，张恒山.大数据的缘起/冲击及应用[J].现代传播，2013（7）：104-109.

[4]陈然，杨成.量化自我：大数据时代教育领域研究新机遇[J].现代教育技术，2014（11）：5-11.