指向深度学习的高中信息技术新课程教学困境与对策分析

摘要：深度学习教学改进已成为促进学科核心素养落地生根的有效途径。高中信息技术教师在面临大数据等全新内容时，需立足《普通高中信息技术课程标准（2017年版2020年修订）》和教材内容，明确目标导向，认清开展大数据教学的困境，结合深度学习教学改进寻求方法与策略。本文以“城市空气质量数据的分析和可视化表达”主题教学实践案例为例，总结了大数据教学的实施策略，并给出了建议与思考。

关键词：深度学习；高中信息技术；大数据教学；困境；对策

中图分类号：G434  文献标识码：A  论文编号：1674-2117（2024）11-0035-05

新一轮基础教育课程改革的核心直指发展学生的学科核心素养，从发展核心素养到发展学科核心素养，这正体现了基础教育改革落实到具体学科的育人目标。自2019年实施普通高中“新课标·新课程·新教材”以来，高中信息技术学科结合信息技术变革的前沿知识与国际信息技术教育的发展趋势，调整和优化了信息技术课程的内容模块，特别是将大数据、物联网、人工智能等新技术、新工具融合到课程内容中，全新的课程内容的组织与设计对教师提出了新的挑战。

开展大数据教学的教学内容分析

1.新课标关于大数据教学的要求

新一轮高中信息技术教育改革回归了以信息为核心、数据为基础的范畴。纵观《普通高中信息技术课程标准（2017年版2020年修订）》（以下简称“新课标”）的内容，虽然没有单独提到“大数据”，但相关内容均以“数据（包括大数据）”呈现。大数据内容主要集中在必修1“数据与计算”、选择性必修1“数据与数据结构”、选择性必修3“数据管理与分析”三个模块。必修模块的要求是：在感知数据与信息、描述数据特征、知道数据编码的基础上，掌握数据采集、分析、可视化表达的基本方法，选用恰当的工具或平台完成数据分析报告和数据保护。它对应学业质量水平二和学业水平合格性考试要求。选择性必修模块的要求是：在问题解决的过程中形成数据抽象、数据结构的思想与方法；有效管理与分析数据，形成对数据特征、数据价值、数据管理思想与分析方法的认识等。它对应学业质量水平三、四和学业水平等级性考试要求。必修模块与选择性必修模块对应的课程内容、内容要求、学业要求、学业质量水平、学科核心素养等均呈现层次递进关系，如“数据管理与分析”主体部分，必修模块中只需掌握基本数据管理与分析的方法和工具，但选择性必修模块出现“噪声数据、不同结构化程度数据、数据挖掘”等要求，难度不断深化。

2.新教材关于大数据教学的内容

在“数据与计算”模块中，除教科社的教材没有直接将“大数据”一词纳入章节栏目外，上海版、浙教版、粤教版、人教-中图版都将其纳入章节栏目，但都将大数据与数据进行对比分析，也将大数据的内容融入到数据中展开。而在选择性必修中，对大数据的相关内容呈现较多的是“数据管理与分析”模块，强调运用大数据视角对大数据进行管理与分析，运用大数据技术对数据进行挖掘和运用，甚至涉及人工智能、机器学习等内容。

在高中信息技术教材中融入大数据概念、特征、处理、应用等方面内容，用数据说话，不仅仅是因为数据的客观特征，更是因为大数据下的全样本的数据能够看得更全面，大数据分析可以看清复杂现象背后的内在逻辑。

开展大数据教学的困境

1.需全面解读大数据的基本内涵

数据是现实世界客观事物的符号记录，是信息的载体，是计算机加工的对象。大数据是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合。从“数据”到“大数据”教育，两者除了概念表述不同，在大数据的产生和处理上也不同。开展大数据教学需要理清大数据的产生方式、发展过程、基本特征、类型特点、应用价值，进而全面解读大数据的基本内涵，但当前很多教师只从数据量上单纯性讲解大数据，或从不同种类上分析大数据，导致在教学上存在一定偏差。

2.需系统理解大数据的应用价值

随着物联网信息技术的发展，数据的来源变得多样化，大数据的类型也更加复杂，大数据的应用价值是要从海量庞杂的数据中挖掘出有价值的信息，从而运用于管理、农业、金融、医疗和教育等各个社会领域，为社会发展服务。但在目前的教学实践中，没有将大数据的应用价值有效落实到对社会发展服务变革的影响上，只是针对数据分析的某一项技术功能或某些工具应用方法进行学习，没有建立从数据到信息，再到知识，从而上升到智慧的DIKW模型的大数据观，学生对大数据的应用价值缺乏系统性理解。

3.需规范大数据的教学流程

在教学实践中，应在认识大数据的基础上从大数据的采集、整理、分析、可视化表达、分析报告等维度构建基本的教学体系，但更要关注其背后作为学科核心素养的流程，理解数据与信息、知识、智慧之间的转变关系。而大部分教师已习惯用单一数据或平台本身结构化的数据作为教学内容，导致一些实时、非结构化数据的教学流程和方法不够规范，对数据处理、计算思维、思维提升三级流程缺少规范性指导。

4.需创新使用大数据平台或工具

目前可以直接利用或体验的大数据平台及数据资源较为缺乏，不能依据教学需要在大数据平台开展创造性教学。例如，教学中只是让学生登录到某些大数据平台进行体验，或直接利用Python等数据挖掘和分析软件工具进行部分环节的教学，没有从数据实时处理、智能化环境、大数据对社会发展的影响等方面去探究大数据教学，从而导致无法达到深度学习的教学效果。

开展大数据教学的方法策略与教学实践

1.高中信息技术深度学习教学实施策略

深度学习是指向学生的学习，让学习真实发生，同时也指向教师的教学，让教学更有深度，明确“为什么学、学什么、怎样学”和“为什么教、教什么、怎样教”的问题。深度学习提倡单元式学习，教学实践模型共包括四个核心要素（素养导向的学习目标、引领性学习主题、挑战性学习任务、持续性学习评价）和两个支持要素（开放性学习环境、反思性教学改进），它是一个螺旋式循序渐进的过程，上页图1所示为高中信息技术深度学习教学实践模型示意图。

2.开展大数据教学的深度学习教学实践

（1）落实以素养导向的学习目标

深度学习教学实践以学习目标为起点。在界定学习目标时，应结合学科核心素养表现，分析学生理解和应用大概念时需要思考的问题，确定单元学习完成后应该达成的所知、所能和所成，形成单元目标体系。例如，在界定“城市空气质量数据的分析和可视化表达”单元学习目标时，笔者立足“数据与大数据”的概念，通过“学科核心素养—标准内容要求—大概念—概念群—单元目标”的一致性来实现学习目标的界定。图2所示为主题单元学习目标界定示意图。

（2）选择以真实情境引领的大数据学习主题

真实的情境可以从学生的真实需求和经验出发，激发学生的学习兴趣。城市空气质量是学生一直关注的环保问题，通过确定广州一整年的空气质量数据，试图分析数据如何（现状）、为什么（原因）、会怎样（预测），可以挖掘出数据背后的价值。因此，笔者结合学生情境与“数据与计算”“数据处理与应用”模块内容，选择“城市空气质量数据的分析和可视化表达”为学习主题，让学生经历大数据认识、采集、整理、分析、可视化、分析报告的整个过程，从而挖掘数据价值。

（3）坚持以问题导向的学习任务设计

“问题”是引发学生认知冲突、联接既有认知结构与新知识技能的“节点”，问题与问题组成的“问题链”可以更好地支持学生逐步深入学习。因此，笔者通过分析单元学习主题以及学习目标产生学科的基本问题，并将问题情境化，形成问题链，以明确每个问题对应的挑战性学习任务，上页表1所示是主题单元的挑战性任务设计。

在完成单元学习主题的挑战性学习任务后，将其联接成不同的学习活动，形成“学习目标—学习单元主题—学习活动—学习任务—学习评价”的一体化流程，并结合“数据采集、整理、分析、可视化、分析报告”的数据处理流程，形成单元学习活动过程设计，表2为主题单元的活动过程设计表。

（4）开展持续性大数据学习评价

在指向深度学习的大数据教学中，应细化主题探究过程和活动成果，把握主题单元教学实施过程中学生学习结果的表现形式，进而确定持续性学习评价的证据，并借助一系列问题，如“什么样的证据能表明学生可以根据解决问题的需要设计数据处理的方案”“什么样的表现能表明学生具备数据采集、分析和可视化的能力”“什么评价指标能表明学生的数据分析报告是合理和有意义的”等设计持续性学习评价。

“城市空气质量数据的分析和可视化表达”主题单元依据学习目标，针对单元主题活动任务，设计作品评价工具、过程性评价工具以及知识技能评价试题等，结合在线学习行为记录、课堂提问交互、学习作品展示、小组讨论等过程性评价方式，以“持续化学习证据和数据分析报告作品”来呈现评价结果，表3为主题单元的数据采集活动持续性评价表。同时，学生探究学习活动成品应从作品“证据”中提出想法和分析结果。

（5）选用专业的数据探究方法与工具

学生在学会基本的电子表格分析的基础上可以利用Python工具开展数据处理，以此来体验大数据分析的过程与方法。“城市空气质量数据的分析和可视化表达”学习主题选用集成化Anaconda的Jupyter Notebook平台进行数据整理与分析，支持学生在数据采集的基础上开展数据整理、分析、可视化表达。同时，学生可以利用Moodle工具完成数据分析报告，体现新课标“选用恰当的软件工具或平台处理数据（包括大数据）进行整理、组织、计算与呈现”的相关要求。

开展大数据教学实施的建议与思考

1.把握大数据教学的难度

大数据的“大”不仅体现在数据量大，还体现在数据的复杂度和类型的多样性上，反映出大数据的教学难度。在大数据教学中应注意大数据教学内容之间的上下承接关系，既要体现与“数据与信息”内容中数据、数字化、编码等内容的连接，也要体现与人工智能等内容的关联。教师可借助适当的教学资源，如学习微课、导学案、学习网站等，依据“最近发展区”学习原理，帮助学生达到预期学习目标。

2.注重学生思维能力的提升

指向深度学习的高中信息技术教学旨在提升学生的高阶思维，发展学生学科核心素养。在大数据教学中应注重大数据背景下“数据—信息—知识—智慧”的认知发展主线，关注界定问题、问题分解、模式识别、绘制模型、优化迁移等的计算思维学科核心素养培养路径，让学生经历“数据采集、整理、分析、可视化、分析报告”的整个过程，促进学生学科三条主线合一的思维发展。

3.关注学习的过程性评价

在大数据教学中，教师应关注过程性评价，借助网络技术工具伴随式、全过程追踪记录学生学习过程中的表现，并通过课堂观察、学习行为分析、作品评价、档案袋资料采集等方式对学生知识、技能、能力及情感态度等方面进行“四体三维”立体化过程性评价。

4.开展大数据教学的思考

在实施大数据教学时，应从数据产生角度思考大数据的“大”是否要定量或定性，是否同时兼顾三种类型，是否要从多种技术获取等角度去考虑大数据的“大”。同时，要从大数据思维角度把握大数据样本趋于总体、精确让位模糊、相关性重于因果这三个基本特征，思考大数据分析的价值意义。另外，还要从技术的两面性角度思考大数据安全中的数据存储和数据保护等问题。

参考文献：

[1]刘月霞，郭华.深度学习：走向核心素养（理论普及读本）[M].北京：教育科学出版社，2019.

[2]熊璋，李锋.信息时代·信息素养[M].北京：人民教育出版社，2019.

[3]中华人民共和国教育部.普通高中信息技术课程标准（2017年版2020年修订）[S].北京：人民教育出版社，2020.

[4]庄小云，尹睿.深度学习理念下人工智能课程单元教学设计与实践[J].教育导刊，2023（03）：65-73.

[5]彭丽欧.指向深度学习的高中信息技术课程过程性评价研究[J].中国信息技术教育，2022（10）：31-35.

作者简介：彭丽欧（1983.2—），男，汉族，硕士研究生，高中信息技术高级教师，研究方向为中小学信息技术学科教育教学、计算机教育应用。

本文系广州市教育研究院2022年度科研课题“素养导向的高中信息技术深度学习教学实施策略研究”的阶段性研究成果。