指向深度学习的高中信息技术学科在线教学交互实践

敖培 上海市晋元高级中学

● 时空分离情境下在线教学面临的问题与挑战

与传统的线下师生面对面直接互动的教学不同，教与学行为的时空分离是在线教学的本质特征，时空分离情境下在线教学的师生互动需要借助媒介实现。如今的在线教学基础技术问题已经鲜少发生，但是教学时空分离带来的交互障碍却愈发凸显，成为新一轮在线教学面临的最大挑战。

一是，在线下设计的面对面交互学习活动中，时空分离情境下的在线实施明显受到技术环境局限、原有资源或工具不匹配、学生参与低、学情反馈延时等因素影响，无法按照原有教学计划直接、实时、连续、有效地开展。二是，在在线教学过程中，学习资源的交互往往是基于班级即时通信工具的。但是，由于各学科海量信息频频刷屏，资源的无序组织和管理，使得原本系统化的学习资源被迫时空碎片化，学习资源效能大打折扣。三是，学生在多平台间的学习交互，使得学习过程数据分散，直接导致学情分析变得烦琐复杂，无法对学生学习过程进行有效的监督、支持和评价。

● 指向深度学习的在线教学交互实践路径

深度学习是培养学生学科核心素养的重要途径。从同质等效的实施维度看，线上教学和线下教学追求通过深度学习实现学科核心素养的培养目标是一致的。从教学交互理论视角审视时空分离情境下在线教学面临的问题，可以发现从教学系统观出发，以学生为中心，解决学生与教师、学习资源、学习活动、学习环境之间有效互动问题，是促进学生在线深度学习，进而形成学科核心素养的关键。笔者参照陈丽教授提出的教学交互层次塔模型[1]，构建了指向深度学习的在线教学交互实践路径，如下页图1所示。

图1 指向深度学习的在线教学交互实践路径

整个在线教学的起点是学科核心素养。通过操作交互、信息交互和概念交互三层从低级到高级的交互，促进深度学习的发生，进而达成学科核心素养培养目标。

● 按需优选组合平台，营造适切在线学习环境

线上教学首要解决的就是网络学习环境问题。笔者所在学校综合考虑免费开放平台运行的稳定性、运行环境的兼容性、平台操作的易用性，多平台安装、切换人机负担，便捷听评课等问题，推荐“腾讯会议”作为在线教学平台、“QQ群”作为课后作业布置与批改平台。基础型课程行政班建号建群，校本课程教师建号建群，营造与线下教学类似的时空环境，便于师生快速适应线上教学。在此基础上，信息备课组结合学科教学特点，选择“腾讯会议”作为在线教学平台。根据师生统一账号多类型终端登录，能够有效记录和统整教学全流程数据和资源的要求，选择“学习通”作为信息发布、课堂检测、课后答疑、作业布置和批改平台。

● 众筹共享学习资源，保障高质量教学供给

为了满足师生在线教与学的个性化、差异化需求，备课组在“学习通”平台上建设了网络课程。通过学校的“主备研讨课”，备课组整体规划单元项目学习，在明确教学进度、教学目标、教学内容和教学策略后，由备课组长按章节上传章节学习要求、“空中课堂”视频、学历案、课后作业、阶段性反馈测试等公共资源，组内教师上传录制视频、教学PPT、课堂检学测试、课后作业等个性化资源，确保高质量的教学资源供给。截至目前，该课程资源每个班级学生的章节总学习次数均达到三千余次。

● 关注在线信息交互，激活“二二三四”课堂教学架构潜能

以在线学习环境为中介的信息交互是教与学的再度整合，促进深度学习发生的重点。“二二三四”课堂教学架构是笔者所在学校近年来积极推行的一种教学设计和实施模式。[2]基于“二二三四”课堂教学架构，可以将教师精心设计开发的、多种媒体呈现的学习资源和学生的学习活动有效融合，突破教与学再度整合瓶颈。

1.关注学科本质，厘清教学设计起点

在线教学设计应该立足学科整体，在分析课程标准和教材内容的基础上，明确单元落实主要学科核心素养和学科大概念的对应关系，解析学科大概念的涵义并将其解构，围绕单元核心概念和单元重要概念，利用图形化工具梳理形成单元知识网络，进而从知识网络中洞察学科科学本质。以枚举算法单元为例，利用鱼骨图工具梳理形成知识网络（如下页图2）。学生在以往数学学科学习过程中对枚举算法思想已有所涉及，在日常学习生活中也有应用。那么，为什么在高中信息技术课程中还要继续学习枚举算法呢？从这一问题出发，就不难发现计算机在利用枚举算法解决问题中发挥的作用是教学过程中要抓住的学科科学本质，是教学设计的逻辑起点。

图2 枚举算法知识网络

2.唤醒学生已有经验，结构化设计学习活动

为了促进深度学习的发生，需要通过“联想与结构”[3]，设置符合学生认知水平和认知规律的、具有逻辑性和层级性的问题串或问题链，引导学生合理使用学科方法，循序渐进地将系统性的学科知识与学生个体经验相互转化。以《初识枚举算法》一课为例，“三线”融合结构化设计教学，围绕知识线设置学生熟悉的古典名著《三国演义》相关内容为情境的问题线，编程解决问题一般过程的方法线贯穿两个问题解决。从学生已有生活学习经验出发，基于认知序有机串接各类线索，在问题解决过程中不断唤醒、改造学生经验，使学生的原有经验进入新的结构化，从而逐步加深对枚举算法的认识，在问题解决中落实计算思维学科素养培养。

3.活动中动脑动嘴动手，技术加持下逐步理解知识

与线下教学相比，在线教学过程中如何突破虚拟时空带来的互动障碍，让学生积极“动”起来，显得尤为重要。笔者认为，依据信息技术学科不同教学内容的特点，采用不同的在线教学模式，可以有效激发学生在线教学期间课堂参与热情。

（1）基于网络直播的学习活动组织方式

该模式采用课前预学、对话式研学、进阶式检学“三段式”活动组织方式，适用于理论性较强的内容教学。在课前预学环节，教师使用“学习通”中“作业”功能布置探究任务。在对话式研学环节，由教师主持课堂探究和竞赛活动，学生使用“腾讯会议”中的“共享屏幕”功能，分小组交流汇报探究过程和成果，师生利用“互动批注”功能进行互动、交流、点评。在进阶式检学阶段，学生通过“学习通”平台完成测试内容，巩固本节课所学知识。

（2）基于录制视频的学习活动组织方式

该模式采用微视频导学、反馈式检学、对话式助学“三段式”活动组织方式，适用于实践性较强的内容教学。在视频导学环节，教师将提前录制好的上机操作视频和教学PPT资源上传至“学习通”平台中，学生自主学习相关内容。在反馈式检学环节，学生通过平台中基础性题目的测试，检验对上机操作关键环节的掌握程度。在对话式助学环节，学生使用平台中教师提供的学习资源进行上机操作，通过“腾讯会议”中的“共享屏幕”功能向教师寻求个性化指导，促进知识的内化和迁移。

● 关注概念建构，面向学科核心素养优化作业设计

1.运用思维导图促进知识体系重构

完整的知识体系建构是形成学科核心素养的重要前提。基于问题解决的知识结构组织和学科知识体系结构组织差距较大。这种以最小知识集解决一个主题问题的教学组织方式，在一定程度上虽然可以培养学生解决问题的能力，但是对于学生自主建构学科知识体系是有一定困难的。为了解决以上问题，可让学生在课时学习结束后，结合课堂笔记和教材自主整理本节课知识点，将其填写到单元知识结构学科思维导图对应位置上，填写方式可以是文字，也可以是流程图和表格。在整个单元结束后，一张完整的学科思维导图就呈现了完整的单元学科知识体系。

2.编制综合类型作业促进学科核心素养发展

随着“双新”的推进，信息技术学科的命题也将有所调整，学科核心素养和问题解决能力成为考查重点。为了适应这一变化，需根据新课标学业水平考试命题建议要求，围绕真实生活情境，设置能够评估学生知识、技能和问题解决能力的综合类型题目。以《中国城市空气质量数据分析与可视化》作业为例，题目以地理学科AQI环境知识为情境，主要考核学生计算思维水平1“按照问题解决方案，选用适当的数字化工具或方法获取、组织、分析数据，并能迁移到其他相关问题的解决过程中”。作业代码和数据分析报告最终通过学习通平台上传。通过平台的师生和生生互动，不同的学生选择不同渠道、采用不同方法解决了作业中遇到的问题。

● 释放在线教学数据效能，智慧反馈干预教与学

1.多维度教师画像，调整优化教学策略

基于网络的教学方式变革，使得整个教学流程的每一个环节都会留下数据的“印迹”。学校和教师均可以依据这些数据“印迹”，从不同维度对教学进行评价和自评价，从中发现教学流程中存在的问题，及时调整教学策略。

从教学资源建设的维度，通过数据“印迹”，既可以知道教师建设资源的种类、数量和频度，同时也能分析出资源使用的效度。例如，从“学习通”资源使用情况中，可以看出作业答案解析浏览量较多，答疑视频浏览量较少。根据以往经验，在课堂教学有效性得到保证的前提下，大多数学生比较关注自己作业的作答情况，在与正确答案对比和回看课件后能够自行解决问题，部分学生对无法解决的问题需要观看答疑视频。因此，能够初步判断教学资源的有效性，并及时调整资源类型。

从教学设计与实施的维度，平台统整后的课程囊括了凸显备课组集体智慧的公共资源，也整合了凸显教师个人教学智慧的个性化资源，能够清晰反映备课组教学系统架构和个人创新应用路径。通过这种共建共享的方式，组内教师可以取长补短、相互借鉴，共同发现教学中存在的问题，及时调整教学策略。

作业的有效性是影响在线教学质量的重要因素。以“数据分析常用工具”部分作业为例，教师设置了5道选择题、1道排序题和1道编程简答题，通过平台作业反馈结果可知，学生客观题目反馈较好，但主观编程简答题目反馈效果极差。笔者通过问卷调查，发现部分学生由于设备和软件环境等问题未能安装Python软件是引发问题的因素之一，同时，对于代码修改题目，学生缺乏解题思路技巧是引发问题的又一重要因素。综合以上因素，笔者在后续调整了作业类型，将编程题目改编为多道选择题目和填空题目，不仅可以为学生思维搭建阶梯，还可以缓解学生因缺乏编程环境带来的学习困扰。

2.多维度学生画像，个性化干预学习过程

基于学生学习过程产生的数据，利用适当的数据分析方法对学生学习行为进行画像，可以较为准确地把握各类学生学习情况，及时对学生学习过程进行个性化干预。根据学校高一年级对学生学习进行过程性评价的相关要求，结合学科和班级特点，笔者依据学习通平台课程章节任务点、课堂测试、作业、考试等环节，设置评价指标和权重。综合考量平台反馈的数据和学生课堂表现，教师可以利用平台“教学预警”功能及时提醒学生完成相关学习任务，提示学习过程中需要注意的问题。

此外，还可以基于平台数据进行进一步的挖掘，根据分析结果进行有针对性的分层教学和分类指导。例如，从信息技术学科合格性水平考试要求出发，可以采用K-Means聚类算法[4]筛选出底部学生。底部学生呈现两种特征：一种是作答时长较长，但正确率却极低，说明学习态度没有问题，需要关注学生学习能力的提升；另一种是作答时长极短，正确率极低，这类学生除了学习能力亟待提高外，可能学习态度改进是最大的问题，需要通过班级教学共同体和家校共同体合力转变学生学习态度。