基于大数据的“信息技术”课程学情分析

摘要：大数据时代，教育领域利用大数据可以改变传统的教育理念以及教学模式，实现更高效、有针对性的教学策略。以解决“信息技术”课程中的学情分析为目标，依托大数据技术，探讨如何通过构建学生学习数据库，分析教育数据，了解学生真实学习情况，形成学习数据评价体系，有效挖掘教学信息，实现精准教学诊断评估，进而制定针对性的教学计划，为大数据技术与教育领域结合提供思路。

关键词：大数据；学情分析；“信息技术”课程；计算机等级

一、前言

随着大数据、云计算、人工智能等新兴信息技术的高速发展，现代教育与信息技术将进一步深度融合。早在2015年国务院发布的《促进大数据发展行动纲要》，已将大数据发展上升到国家战略层面，大数据产业蓬勃发展，教育领域也广泛将大数据技术服务于教学全过程，本文旨在探索大数据背景下的教学模式创新，在“信息技术”课程上实现精准学情分析，以学生为主体，切实把握并归档学生学习情况，以数据分析为依托，针对性为每位学生个体制定教学策略，精准助力学习，有效提升教师的课堂教学效率。

二、传统学情分析的不足

专业教师要制定教学设计，提高自己课程的教学效果，首先要分析学生的实际情况，这就是学情分析。学情分析既要考虑学生整体普遍具有的共性，也要认识到学生间的个体差异，所以分析学情既要考虑把握全局，又必须有所针对。毕竟不同特点的学生，对知识的兴趣点、接受度不同，教师要加以理解，并有意识多角度、多维度、多切入点地开展学情分析工作。学情分析对学生的智力因素和非智力因素两方面考量，当前主流的学情分析主要是通过对学生的作业完成情况和测试成绩实现的，这样往往对学生的学习习惯、学习策略、学习能动性等因素的掌握不够准确[1]。以“信息技术”课程为例，该门课程是中职必修的计算机基本应用技术课程，上课方式为课堂讲授与机房实训相结合，需要在不断的练习中，找出教学盲点，帮助学生实现知识点深度巩固。在以往的教学中，老师通过学生每一次练习或测试来分析了解学生知识点掌握情况，完成学情分析，为后续课程制定相应的教学策略。这个过程中存在着以下几个方面问题：

（一）需要分析的数据量巨大

数十个班级，上千名学生每一次练习或测试都会形成巨大的数据量，对于阅卷老师来说工作量已经很大，何况还要从这些电子试卷中统计和总结得分失分情况，对学生们的知识点掌握情况进行分析，不仅要花费很多时间和精力，也难以做到精确，即使是教学经验十分丰富的老师都会感到吃力。

（二）分析滞后性

课堂教学反馈是提升教学质量的重要指标，及时准确的教学分析不仅能帮助教师掌握学生即刻接受知识情况，同时对学生还具有纠正作用，能强化记忆，提供激励等正反馈的作用。“信息技术”课程上的知识点较多，考点涉及面大，内容综合跨度大，如果无法在第一时间内给予学生准确的分析反馈，随着时间推移，学生逐渐遗忘以前完成的任务细节和思路，待到下一次授课时再给予教学分析反馈，教学效果必将大打折扣。

（三）无法兼顾具体个体

受限于当前教学环境及条件，同样的学习时间，每位学生个体对知识的掌握是参差不齐的，以往“信息技术”课上老师总是只能按平均水准安排课程任务和训练量，一旦具体到学生个人，由于个人能力的差异，这种教学安排总是不尽如人意。

三、大数据学情分析对课程教学的意义

基于大数据基础上的学情分析不再局限于对作业和测试的单一检查，而是对学生整个学习过程进行综合的考查，相比于传统学情分析具有先天上的技术优势，能够很好解决传统学情分析的不足，极大减少教师的繁重统计性工作，及时、准确给予授课教师教学反馈。始终以学生为主体，兼顾每一个学生学习情况。

（一）基于数据，精准还原学情

基于大数据的学情分析能够实时跟踪学生的学习行为、记录其学习痕迹，并自动收集学习数据，智能分析出具学生学习状况监测报告，为老师提供参考数据，为个性化教学提供有力支持，可以弥补常规学情分析的不足。根据学生的问卷调查、线上讨论等预习内容可以了解学生现有的知识结构、兴趣点、认知状态、学习动机、生活环境等个性化因子。根据学生的学习痕迹，如对特定知识点的完成时间、学习频率和复习次数，可以深入地了解学生的学习难点、学习策略、心理状态，学习目标性。有效利用学生的成功感，共情、发展目标等都是很好的学情分析切入点，使教师可以多角度地了解学生，发现学生学习策略是否适合、学习方向是否有偏离，进而有所针对调整教学组织，为学生提供需要的学习资源和帮助，协助其修正学习行为。

（二）基于数据，教研活动有针对性

以学生能力大数据为依托，教师可以准确发现学生共性的优势与薄弱处，进而实施准确的教学干预，有目的地开展后续教学安排[2]。通过教研活动对数据的差异性和连续性进行解读，诊断教学现象，透过学习缺漏点分析，发现教学进程中存在的问题与不足，针对本质共性问题开展集体备课，聚焦为教研主题，确定改进计划，让教研活动更切合教学实际，改进措施精准解决教育问题。

（三）基于数据，实施改进，提升教学品质

基于大数据背景下的课堂教学，教与学双方不再是知识与技术的单向输出，而是转为强调知识共享，激发思维火花，培养创新意识，注重知识的二次加工。因此教师要转变以往教学观念，形成新型教学模式，用数字方式记录学生个体的学习历程，与学生分享不断获取知识后的进步喜悦感，进而调动学生学习热情，激发学生参与课堂教学活动的主动性，教学中有效引导学生使用互联网获取知识，提升学生获取信息和分析信息的能力。学习者与教育者都能意识到数据在学习中的重要性，可以不断促使更多数据融入课堂教学，为后续学习和交叉学科提供海量数据支持。同时也促使学校增强大数据系统的投入力度，提供大数据相关知识的培训和技能实践活动，提升整体教学品质。

四、基于大数据的学情分析实践

（一）数据采集

利用大数据进行学情分析的目的是精准了解每位学生的学习情况和状态，因此首先要获得大量学生学习相关数据，就需要进行数据采集。当前常用的数据采集方式有数据库采集、系统日志采集、网络数据采集以及感知设备数据采集等方式。

如图1所示，结合学校实际授课环境和学生学习规律，在“信息技术”课程上采用系统日志采集的方式。例如，通过部署数据采集工具Flume来实现数据采集，Flume是Cloudera公司开发具有海量日志采集、聚合和传输功能的系统，Flume可以在日志系统中定制数据发送服务，收集汇总数据。通过部署数据采集工具Flume来确保学生的学习相关数据能及时准确地到达HDFS（Hadoop分布式文件系统）。

数据获取来源于课前、课中及课后三个阶段。在课前阶段，授课教师通过“超星”“学习通”等线上学习平台布置预习任务，结合微信小程序问卷调查、留言板及QQ群上学生的讨论等了解学生的学习行为和学习痕迹，包括但不限于学生的任务完成率和准确率、学生关注点、预习时长、提取关键字等。后续将学生线上学习过程形成数字化记录，生成数据表和可视化图表，追踪学生的学习路径和知识能力属性，深度了解每个学习个体的识别与记忆能力、学习习惯、规律、自律性与探索求知欲等隐性标签，如图2所示。

授课过程中，对课程常用教学平台，如“计算机等级考试模拟软件” “学业水平测试仿真软件”中的日志数据进行实时采集，通过对学生答题情况正确率、完成时间与效率等的分析，动态了解学生的知识掌握情况，让教师可以根据需要随时调整教学策略。课后评价由学生的形成性考核、阶段考核和期末考核成绩数据组成。形成性考核包括学生的上课出勤率、课堂纪律分数、课堂提问回答及讨论的主动性、正确率等。阶段考核成绩来自单元测试成绩，课后作业完成分数。最后，结合期末考核成绩，形成客观准确的学生知识掌握评价体系。

（二）数据处理与分析

数据处理就是对收集到HDFS中的数据进行加工整理，从大量无序的数据中提取对制定教学策略有价值的数据，形成适合数据分析的格式，需要经过数据清洗、加工、转换、计算、分组等一系列操作来生成分析数据。不同的数据集体现不同的薄弱点的判别方式，利用这些数据集可以细化分析的维度，形成丰富的分析结果，通过定制数据分析算法，体现全面立体的学习效果，让分析结果更加准确，并对后续教学思路和方向提供针对性建议[3]。

1.整体分析

整体数据分析方便教学人员发现问题，形成教研，改进教学策略。整体分析可以基于测试评析，对所有参与学习的学生有一个汇总分析，不但可以统计出每个细化知识点的整体学习效果，还可以对每部分学习内容有独立的分析数据，哪些知识点可以激发学生的学习兴趣，哪些内容学生的掌握度较好，通过不同知识点得分率的正向分布图分析出知识点的难易分布，掌握学生实操总体完成率和优良率等。

整体分析还可以对不同班级生源形成横向对比，基于数据诊断学习，寻找差异性数据并开展有效的教学反思[4]。以图3为例，通过对教学平台的练习与形成性考核数据进行分析，某任课教师发现当涉及Excel章节中“VLOOKUP”函数的应用部分，自己授课的班级在该部分习题中平均分和准确率都明显低于年级其他班级，此类型题目班级准确率低于30%时触发知识薄弱点警示信息，于是引起重视，第一时间提出教研活动，通过备课组的集体讨论分析后，发现该教师在教学过程中对于参数“Range_lookup”的运用在解释上存在一定的歧义，导致部分学生运用该函数时设置了错误的参数。因此在规范参数定义之外，教研组根据以往的数据反馈结果提出了改进建议，如关注学生形成自我检查的策略，培养学生懂得独立阅读和理解文档的习惯养成，学生学会在不同情境下灵活运用所学函数的能力。

2.个体分析

个体分析基于数据诊断学习，聚焦学生个体。大数据分析最显著的特点就在于对每个学生个体都有独立的分析数据，对于每个学生个体来说，从他/她在课前预习阶段的调查问卷、线上学习情况等数据可以大致了解每个学生的学习习惯和主动性、知识储备、兴趣关注点等，便于授课教师制定相应的导学策略。在学习过程中，通过解读学生的学习轨迹及出错点，准确还原每一个学生的学习状态，横向对比学生学习共性，利用多平台多来源实证数据，精准进行教学诊断和分析，及时发现课堂教学的偏差与不足，为后续调整提供充分的数据依托[5]。个体分析还对学生不同阶段的学习数据进行记录备份，纵向对比直观形成学生个体学习评价，以形象生动的大屏展示方式与学生一起分享学习收获，展示成就，总结不足，激发每位学生学习热情与主动性，真正实现基于大数据的个体精准学习助力，如图4所示。

五、结语

大数据技术在教学领域的应用，解决了课程教学时间与人员不足的困难，从学生的学习数据中，帮老师发现教学问题，改进教学策略，利用个体数据样本与整体数据样本的自然比对，为实际教学效果实现精准解读，并为调整教学行为提供数据支撑，促进校本教研的变革[6]。同时教师也要从中职学生特点和“信息技术”课程的学科特点出发，不断转变教学理念，接受新技术、新思路、新方式，激发学生对课程的学习兴趣，让学生始终保持探究精神，主动学习和掌握信息技术知识，锻炼信息技术应用能力，促进学生综合学科素养的形成。这一过程也是在不断提高信息技术学科的教学质量。

参考文献

[1]杨浩，付艳芳，杨陟卓.教学资源库建设存在的问题及对策探析[J].职业教育研究，2017（02）：55-60.

[2]刘锦，王振平，高福根.基于大数据的数学关键能力精准教学研究[J].现代中小学教育，2023，39（05）：34-39.

[3]陈瑞辉，李冬青，吴婷婷.基于大数据的学情分析系统设计[J].信息技术与信息化，2021（09）：57-60.

[4]巫雪琴，陈银萍.面向未来的信息技术课程教学设计[J].江苏教育，2022（44）：11-15+38.

[5]陈果.基于大数据的学情分析和教学干预现状[J].办公自动化，2021，26（17）：18-19.

[6]陈华.基于学习数据分析的精准教研[J].现代教学，2021（Z1）：58-59.

基金项目：支架式教学在中职VB程序设计的应用研究（项目编号：XMXDJT202306036）

作者单位：厦门信息学校

责任编辑：王颖振、杨惠娟