基于大数据可视化技术的精准教学研究与应用

张娜 杨秋叶 王磊

摘要：随着大数据、人工智能技术的高速发展，混合式、翻转课堂等教学理念和模式应用的日趋成熟，“精准教学”有了更丰富的概念和内涵，即精准分析教育数据，精准反馈教学效果，精准改进教学措施。应用大数据可视化技术助力精准教学研究可以从学生群体和个体进行成绩、态度、人数占比、阶段学习特点等方面进行可视化数据分析呈现，以辅助教师精准发现学生不良学习习惯、知识技能漏洞、学习环节缺失、学习态度变化等，并据此修改完善教学设计，制定個性化帮扶计划等，以提升教学效果，使个体学生学有所获，群体学生共同进步。

关键词：大数据可视化技术;精准教学;数据分析;教学反馈

中图分类号：G712    文献标识码：A

文章编号：1009-3044（2022）10-0021-04

传统的“精准教学”，是基于斯金纳的行为主义学习理论提出的，是教师根据教学标准、教材、学情等，遵循学科教学规律、学生成长和认知规律，聚焦课堂教学价值，准确把握教学目标和教学内容，构建科学教学结构，细化教学流程，实现教学目标的活动过程[1]。但随着大数据、人工智能技术的高速发展，混合式、翻转课堂等教学理念和模式应用的日趋成熟，“精准教学”有了更丰富的概念和内涵，即精准分析教育数据，精准反馈教学效果，精准改进教学措施。

大数据可视化技术起源于20世纪60年代的计算机图形学，是关于数据视觉表现形式的科学技术研究。大数据可视化技术主要是通过计算机图形图像手段展现数据的基本特征和隐含规律，辅助人们更好地认识和理解数据，进而支持从庞杂混乱的数据中获得需要的领域信息和知识[2]。以大数据可视化技术呈现教育数据的分析、建模结果，可以直观精准发现群体学生的共同特征，个体学生的习惯特点，并据此修改完善教学设计，制定个性化帮扶计划等，使个体学生学有所获，群体学生共同进步。

1 研究思路

以某校某专业学生教育数据为基础，采用混合式教学模式，制定适宜的教学计划，进行合理的教学活动设计、实施。通过数据采集、数据预处理、可视化建模分析过程得出客观结论，并依据结论分析学生群体特征，以精准调整教学策略、修改完善教学资源和教学设计，提高教学效率和质量;同时针对学生个体研究其学习行为习惯，改正其不足或陋习以提高个人学习能力和专业技能。研究思路如图1。

由图1所示，研究实施过程主要分为四个阶段——“制定研究计划→进行研究准备→实施精准教学研究→总结研究成果”。第一阶段制定研究计划，主要完成各项基础工作，并准备教学资源和设计教学方案;第二阶段进行研究准备，根据研究目标采集教育数据、对数据进行预处理、特征构建、标准化、数据分析及建模;第三阶段实施精准教学研究，主要从学生群体和个体进行成绩、态度、人数占比、阶段学习特点等方面进行可视化数据分析呈现，以辅助教师精准发现学生态度、习惯的不足，知识技能的漏洞，学习环节的缺失等;第四阶段总结研究成果，包括数据资源、程序和图表资源以及研究方法等。

2 研究应用

2.1 大数据可视化技术助力学生群体精准教学

学生群体的精准教学是指将学习习惯特点相似度较高的学生划分在一个群体中，精准分析这个群体的共同特征，并提出的对群体共同进步有益的精准教学策略、措施、方法等。

学生群体的差异性对比分析是实现其精准教学的重要途径。通过对不同群体学生的学习行为、习惯、效果等数据对比分析，找到良好行为习惯与良好学习效果的内在联系，从而制定相应的行为习惯培养策略，指导不良习惯学生逐步改进，逐步提升学习效果及成绩。

对学生某阶段学习行为及成果数据，经过采集、预处理、特征构建、标准化、分析建模之后，利用大数据可视化技术呈现结果，辅助教师精准分析学生学习效果、习惯、态度以及教学资源的适宜性，以采取相应措施补缺巩固本阶段学习，辅助提升下一阶段学习，修改完善教学资源和设计。

2.1.1 通过成绩分析实现精准教学

依据特征数据，采用K-means算法对学生进行聚类建模，将学生划分为3个群体，依次标记为学生群体1、学生群体2、学生群体3。以特征数据中的作业平均成绩、测试平均成绩、综合成绩三列特征按群体绘制三维散点图，查看不同群体学生的分布情况。如图2所示。

从图2可以看出，3个学生群体中各群体内学生的作业、测试及综合成绩存在共性特点。

【学生群体1】三项成绩均分布在75到100的分数区间，可以判断这类学生学习态度端正，能及时完成作业，课程学习较为优异。

【学生群体2】作业平均成绩、综合成绩均不超过60，测试平均成绩不超过70，初步可以判断，这类学生存在多种学习障碍，是需要改进学习态度、方法，提升学习能力和效果的重点人群。要对这类学生进行精准教学，还需结合其他分析结果进一步精准研究。

【学生群体3】三项成绩在40到80之间浮动，是位于及格线边缘的学生。这类学生存在某项成绩偏低的现象，作业成绩偏低的可以考虑是没有按时提交作业或作业质量不佳;测试成绩偏低的可以考虑是知识技能掌握不好;都需要结合其他特征数据进行进一步精准分析。

2.1.2 通过态度分析实现精准教学

提取学生学习态度及习惯的特征数据，按学生群体分别计算出特征数据的平均值来绘制雷达图，查看不同群体学生的平均表现[3]。如图3所示。

由图3可以看出，3个学生群体的学习态度确实存在较大差异。

【学生群体1】出勤率、测验参与率和非视频资源学习率达到了100%，作业提交率、视频资源学习率超过了95%。这些说明该群体整体学习态度端正、学习习惯良好，有较好的学习自律性。他们的其他活动参与率大约在80%，这可能与学习活动中某些活动属于随机抽选参与有关。

【学生群体2】作业提交率、其他活动参与率20%左右，视频资源学习率50%左右，出勤率、测验参与率刚过60%。该群体的出勤、作业提交及资源学习都存在严重不足的问题，充分说明学生的学习态度不端正，学习活动及任务不能及时完成，应该有“不在乎”的心理存在。

【学生群体3】出勤率和非视频资源学习率超过90%，其他活动参与率不足40%，其余各项在70%到90%之间。该群体学生可能存在一定的知识技能漏洞，有“能过就行”的心理。

2.1.3 通过人数分析实现精准教学

通过群体学生的人数占比分析，可以对班级整体的学风有所了解，可以根据不同群体人数占比的多少精准制定阶段性辅导辅助措施，更高效地提升班级整体学习质量。群体学生人數占比如图4所示。

由图4可以看出，学生群体1占比56%，结合图2、图3可视化分析，说明过半的学生有较好的学习态度，班级整体学风趋于正向;学生群体3占比28%，这些学生虽然存在一定的知识技能漏洞，但有着要课程考试及格的目标，有一定的学习动力;学生群体2占比16%，这些学生存在较严重的态度、习惯问题，甚至不在意考试是否及格，是否能顺利毕业等问题，在思想态度和行动上都存在较大改进困难。

2.1.4 通过性别分析实现精准教学

通过群体学生的性别差异分析，可以探索性别与学生学习态度、习惯、效果的内在联系。群体学生性别占比差异如表1。

由表1可以看出，班级整体女生占比38.2%。但具体到3个群体中，女生在不同群体的占比与原始数据存在较大差异——学生群体1的女生占比达到46%，比总人数占比多了近8个百分点;学生群体2和群体3的女生占比均在28%，比总人数占比少了近10个百分点。由此可以看出有“能过就行”和“不在乎”思想的学生主要是男生，这是否与男生更喜欢玩网络游戏、宿舍整体学风、学习生活作息习惯等存在较大关联，还可以进一步采集相关数据进行分析。

综上四个方面的学生群体分析，可以精准了解各群体学生特点，制定精准帮扶措施。

（1） 学生群体1普遍有较好的学习态度，自律性较强，能按时完成各项学习活动及作业，学习效果较好。该群体人数占班级总人数的56%，教师只要适时关注，让他们保持现有的学习状态，即可保证班级整体正向的学风、班风。

（2） 学生群体2普遍存在学习态度不佳、习惯不好、能力不足等众多问题。鉴于其中有71.4%是男生，建议与班干部或导员沟通，了解这些学生的宿舍生活状态，看是否存在小团体同玩不学、互相影响的现象，再结合学生个人情况进一步进行个体精准分析制定个性化精准辅导辅助措施。

（3） 学生群体3，有一定的知识技能学习漏洞，这可能与有的学生存在“能过就行”的思想有关，也可能与有的学生学习能力还有一定欠缺有关。教师可以结合个人学习行为分析学生属于改进态度需要进行思想教育还是能力不足需要固基强训，再制定精准教学措施。

2.2 大数据可视化技术助力学生个体精准教学

学生个体的精准教学是指精准分析学生个人的习惯特点、认知能力，提出个性化的精准辅导辅助措施和方法。

学生个体特征的精准分析可以从即时教育数据和阶段教育数据两方面进行可视化分析。

2.2.1 即时可视化实现精准教学

即时可视化即第一时间对数据进行可视化效果呈现，能实时看到学习效果的情况，对教师精准了解学生瞬时掌握某一知识技能点的情况有很大帮助。学生可以了解自己的学习状况，激发内在学习动机，使学生更清楚地发现自我、发展自我及规划自我，提高学生自我效能与认知[4]。

近几年，云班课、超星学习、雨课堂等线上学习平台、教学辅助平台发展迅速、功能趋于完善，能够对学生完成相关活动的过程及结果采集数据，并生成相应的分析报告，是较为理想的即时可视化工具。教师和学生都可以借助这些平台的即时可视化功能，直接在电脑端网页或手机端APP精准反馈教学效果[5]。

以云班课为例，如需要对学生进行当堂测试等，只要在平台发布测试任务，学生按规定完成测试后，平台就会即时生成成绩排名、分数段分布柱形图和每道客观性试题的正确率饼图，如图5、图6所示。教师可以第一时间精准定位学习困难学生，精准发现知识漏洞。学生也可以第一时间正确认知自己本次学习知识技能的掌握程度及薄弱点[6]。

由图5可以精准判断学生个体所处的分数区间、成绩水平;由图6可以精准推断学生个体是否存在知识漏洞——unique函数的两个功能只掌握了“去重”一个，而忽视了“排序”功能。

这里需要强调的是，即时可视化的即时性对学生个体学习信心和满足感有较大影响，好的学习效果会对学生形成正反馈，有助于学生后续正向学习状态的形成，从而提高学习效率和成绩;不好的学习效果会打击学生的学习热情，形成负反馈。教师在教学过程中要用正反馈激励学生，抑制负反馈对学生造成的不利影响。

2.2.2 阶段可视化实现精准教学

阶段可视化是对学生个体某一阶段学习的数据分析及可视化，要实现精准教学还应结合学生所在群体特征进行综合分析。

（1） 个体态度对比分析实现精准教学

通过前述学生群体的分析过程可以发现，不同行为特点反映出了不同学习态度和习惯，直接影响课程学习效果和成绩[3]。学生个体如果有较多不良学习行为，其学习成绩也必不理想，如图7所示。

根据图7，教师可以精准发现，学号尾数为434的学生各项指标优异，学习态度积极，效果较好。学号尾数为420的学生出勤率较低，几乎不进行课堂以外的任何学习活动，学习态度不端正，成绩很不理想。教师可以先从线上学习资源的学习入手，督促该学生改进资源学习行为，逐步克服学习短板提升成绩。学号尾数为444的学生表现中等，其他学习活动的参与是这个学生的明显弱项，教师可以与学生单独交流，进一步了解学生的性格特点，有意识地安排、鼓励其主动参与其他学习活动。

（2） 个体多阶段学习对比分析实现精准教学

以章节为单位对学生的学习行为进行分析，教师可以精准了解学生章节学习的难易程度，学习态度转变效果等。

由图8所示，学号尾号420的学生两个章节学习有较大进步表现，作业成绩由41提升到82，作业提交率由62.5%提升到100%。而学号尾号444的学生却出现了明显退步，作业提交率也由87.5%下降到36.7%。教师可以通过图8，精准发现学生的进步、退步表现，尤其是从作业提交率中看到学生的学习态度变化，可以对进步学生予以奖励，促进其保持;对退步的学生进行警示甚至干涉其学习行为，以督促其改正。

（3） 个体环节学习对比分析实现精准教学

对课前、课中、课后三个环节学生的学习行为及成果进行对比分析可以精准发现学生的环节缺失或不足，有助于教师从不同环节改进教学策略和资源，采取精准辅导措施，提升学生学习效果。如图9所示。

由图9可以看出，三位学生的课后环节成绩占比均较少，这是由于教师分配课后学习活动及任务较少造成的。但学号尾号为420的学生课前学习成绩占比远远低于其他两位同学，说明这位学生课前学习环节的学习活动参与缺失较为严重。教师可以根据这一情况，精准制定督促策略、辅导计划，有意识地增加对这位学生课前学习的检查，以警醒该生重视课前环节的学习。

3 小结

以大数据可视化技术辅助精准教学，从教育数据精准分析、教学效果精准反馈、教学措施精准指向三个方面入手，通过各种图表呈现教育数据分析建模的结果，可以使教师更直观、全面、高效地发现学生学习行为所反映出的学习状态、效果及内在联系。实践证明大数据可视化技术对于精准教学的开展有较好的助力作用，能辅助提升个体学生学有所获，群体学生共同进步的教学目的。

参考文献：

[1] 乐英小栈.精准课堂教学的要义及课堂标准，http：//www. 360doc. com/content/18/0408/21/54267676_744011177.shtml，个人图书馆，2018.4.

[2] 何光威.大数据可视化[M].北京：电子工业出版社，2018.

[3] 张娜，刘晓丹.学生画像技术在教学中的研究实践与应用[J].计算机时代，2021（9）：70-73.

[4] 王琼.数据可视化在混合式教学形成性评价中的应用[J].江苏科技信息，2019，36（3）：67-70.

[5] 吳海娜，公卫江，易光宇.基于雨课堂的大学物理学习行为可视化分析[J].物理与工程，2019，29（S1）：4-7.

[6] 张娜，邸小莲.基于云班课的翻转课堂教学模式在大数据专业的应用研究——以陕西工商职业学院大数据技术与应用专业教学为例[J].电脑知识与技术，2020，16（10）：169-172.

【通联编辑：梁书】

收稿日期：2021-12-02

基金项目：陕西开放大学2021年度教育教学改革研究项目“基于学生画像技术的精准教学研究与应用”（sxkd2021yb05）

作者简介：张娜，硕士，副教授，研究方向为大数据技术与应用;杨秋叶，硕士，高级工程师，研究方向为数据挖掘、数据库技术;王磊，硕士，副教授，研究方向为大数据技术与应用。