在日常数据挖掘中读懂学情

2020-12-28 06:50苏海燕陈国才
中小学管理 2020年11期
关键词:大数据思维学情分析数据分析

苏海燕 陈国才

摘要北京师范大学附属实验中学基于对日常教育教学数据的挖掘进行学情分析与学业指导。面向群体的数据分析,主要聚焦不同阶段学生共性问题的存在与解决;面向个体的数据分析,重在聚焦学生个性化问题的诊断与指导,主要通过分析学生成绩变化数据和导师辅导记录数据等方式进行。学校基于学情数据分析进行学业指导,需要不断提升学情数据分析水平,保证数据收集的有效性和连续性,同时做到用数据而不唯数据。

关键词 学情分析;大数据思维;数据挖掘;数据分析;经验分析;学业指导

中图分类号G63

文献标识码B

文章编号1002-2384(2020)11-0048-04

注释:① 本文系北京市教育科学“十二五”规划2015年度重点课题“基于教育大数据挖掘的初中学生学情分析及教学指导的模式探索”(课题编号:ABA15015)的阶段性研究成果之一。

学生的学业表现和学情密切相关,因此基于学情分析采取有效指导非常必要。学生进入初中阶段,学习内容增加、难度增大,家长亲自辅导和“督战”的时间大大减少,采用填鸭式课外辅导的效果下降,[1]这时来自学校的学情分析和指导就尤为重要。那么在大数据时代,在传统的经验分析外,我们可否借鉴商业领域的做法,通过对学情数据的采集和分析实现对学生的精准指导呢?近年来,北京师范大学附属实验中学基于日常教育教学数据挖掘持续进行学情分析,取得了一定的实践效果。

一、借鉴大数据思维,确定基于数据挖掘的学情分析方向

学情是指学习者在某一单位时间内或某一项学习活动中的学习状态,具有客观性、开放性、动态性等特点,其内涵包含学生的起点水平和生活经验、学习动机、学习兴趣、学习风格等。把握学情基础是开展学生学业指导的必要前提。目前中小学普遍采用的学情分析方法主要有经验分析法、问卷法等,我校原来也只是在开学初对学生进行简单的问卷调查,并结合长期的经验积累进行学情分析,但这些方法主观性强,无法全面客观地反映学生的学业情况。2011年,受到经济领域关于大数据应用的启发,我校开始尝试基于对日常教育教学数据的挖掘进行学情分析与学业指导。

实践中,我们的工作主要围绕两方面展开:一是针对学生群体开展学情分析,如挖掘并分析一个年级学生的学情数据,这样就可以找到学生的一些共性特点,解决一些共性问题;二是挖掘并分析学生的个体数据,这样对学生的诊断更为详细具体,指导效果更明显。在2011年7月到2020年7月的9年时间里,我们持续追踪了学校三届初一到初三的学生,跟踪记录1890名学生的成长数据,针对每届学生开展12次问卷调查,分析15次成绩数据,开展2次心理测评。在此过程中,我们使用了心理健康诊断测验(MHT)、[2]学习适应性测验(AAT)[3]等专业量表,自编了阶段性总结与反馈问卷,同时开发了学生成绩记录与数据分析平台等。

二、面向群体的数据分析:聚焦学生共性问题的存在与解决

1. 通过数据分析摸清不同阶段学情特点

学生刚入学时处于陌生环境,是最需要他人帮助的阶段,也是教师对学生了解最少的阶段。因此,我们的群体学情分析在新生刚入学时即展开,在此过程中主要使用学生学习适应性测评量表,从学生基本情况、心理健康诊断、学习适应性诊断三大方面进行学情数据收集和分析。学习适应性是指学生克服种种困难取得较好学习效果的一种倾向,也是一种学习适应能力,是初一新生刚入学时迫切希望得到指导的类别。

例如:通过对2011年、2014年、2017年入学的三届初一学生的学习适应性指导需求数据分析,我们发现,三届学生在“胜任学习”这一项的数据比例较高,分别为41.5%、46.6%、43.4%。为进一步了解学生需求,我们又提取“胜任学习”中的“学习态度”和“学习技术”两项指标进行分解,并对相关数据进行分析。其中“学习态度”包括学习热情、学习计划和听课方法三方面,数据显示:在“学习计划”和“听课方法”方面,三届初一学生中,中等水平的学生各自占比和总比差异不大,但优秀水平的学生比例随着时间变化出现明显递减,偏下水平学生明显递增(详见表1)。这一方面说明受推进教育均衡的影响学校优质生源数量在减少,另一方面偏下水平学生比例增多会直接影响到年级的整体教学进度,因此在进行学业指导时要确保抓两头、促中间。

我们又分析了学生对“学习技术”的指导需求数据,发现在“读书和记笔记”中,优秀和中上水平学生比例逐年递减,中等、中下和偏下水平学生比例逐年递增;特别是2017届初一学生较之前两届数据变化更明显,其中中下和偏下水平学生比例之和较之2011届增加接近20%(详见表2)。“读书和记笔记”是保证学生能够持续学习的一个基本技能,在初中阶段至少要达到中等以上水平,而优秀学生更应该保持在中上或优等,因此从服务于学生的角度考虑,应该在此方面给予学生更多指导。此外,从“应试方法”的数据来看,三届学生的分层数据变化不大,其中优秀和偏下水平的数据分别以固定比例递减和递增,但变化幅度不大(详见表2)。考虑到应试能力是每个学生都要具備的基本学习技能,因此这方面的指导极为重要;当然应试指导只是表象,最终还要回归到对学习态度、学习技术和方法的指导上。

猜你喜欢
大数据思维学情分析数据分析
大数据思维下教学过程数据分析及应用研究
在线学习过程管理大数据的建设与应用
会计师事务所审计工作挑战及应对策略
浅谈高职数学素质教育
学情分析不准对教学质量影响的例析
学情分析: 有效教学的核心和关键
新常态下集团公司内部审计工作研究
浅析大数据时代对企业营销模式的影响