概括
大数据技术的发展重新激发了精准教学的活力，本文通过大数据驱动下高中物理精准教学的实际应用，介绍了学业数据的采集方法以及学前测试数据、课堂反馈数据、实践形成性数据、阶段诊断性数据在教学过程中的具体应用。
关键词
大数据 ； 物理学 ； 精准教学
精准教学（）是由美国学者奥格登·林斯利基于心理学家斯金纳的操作性条件作用理论创立的。林斯利创立的精准教学主要由教师和学生记录、分析和评估学生的课堂学习行为和表现高中物理 隔离法，通过测量课堂上的学习行为和表现来完成。它要求准确记录学生学习行为的次数和持续时间，并绘制图表。然后通过不断的试错，找到能够最大限度提高学习表现的行为和材料。在统计学生的错误率时，经常使用“积极”这个词，并标记出典型的错误和优秀的解决方案。在批改作业时，错误率高的题目会得到详细批改，突出典型错误，并标记出优秀的解决方案。介绍和表扬。这些其实都是精准教学的一个方面。事实也证明这样的作业批改更有针对性，能更好地提高教学效果。但依靠人工准确记录和评估所有学生数据显然是困难的，繁琐且难以实现，因此精准教学的推广一度受到阻碍，失去了活力。但近年来，随着大数据技术的发展以及在教育领域的应用，精准教学又重新焕发出了生机，数据的采集、分析和应用变得更加便捷，因此大数据驱动的精准教学也越来越受到人们的青睐，借助一些智慧教育平台回归学校、回归课堂，并且取得了很好的效果。下面我将我校大数据驱动高中物理精准教学的实践与大家分享，希望能够引发进一步的讨论。
一
数据收集
数据驱动发展离不开数据采集，每个学校都有相应的技术平台支撑。中学学业数据的采集主要基于学生日常练习数据，我校的数据主要来源于课前诊断练习和课堂反馈练习、课后巩固练习和阶段性测试。其中，课堂反馈练习直接在线完成，可通过平板电脑或答题机在线提交，及时反馈结果和数据；课前诊断或课后巩固练习采用“先审阅后扫描”的方式，即先对纸质试卷进行答题和批改(客观题采用机器批改)，学生和老师无需改变平时的作业处理习惯，练习上会留有批改的痕迹，可通过高速扫描仪扫描进纸质试卷系统(扫描一堂课大约需要3分钟)获取数据并进行数据分析;阶段性测试采用“先扫描后审阅”的方式，即学生在答题纸上答题，然后扫描进系统进行自动分页，再分发给相应的审阅老师，老师可以在不知道学生姓名、班级的情况下在电脑或移动设备上盲批试卷，每个老师只批改一道或几道题，这样有利于统一评分标准，保证评分的公平性。
因为不同的题目可能考查的是同一个知识点或方法，也可能一道题目考查多个知识点或能力，为了使系统采集的数据能够体现数据背后的信息留学之路，教师在编写练习或测试作业时，应将关键词按照知识点所属的章节体系进行输入，如知识体系中的“粒子的运动”、“牛顿第二定律”、“科学史”等；处理方法中的“整体法”、“孤立法”、“形象法”、“分步法”等；典型问题中的“动态问题”、“极值问题”等，这些关键词就像锚点一样存在于题目信息中，可以被系统采集，形成重要的数据，从而从关键词维度对学生的答案进行分析。此外，学生的答题时间（一道练习花了多长时间）、答题时长（什么时候答的，是否来得及，影响休息）等信息也会被采集。结合学生的学业成绩，为将来的数据分析和应用奠定良好的基础。
二
数据分析与应用
1. 预习测试数据有助于确定教学起点
物理知识来源于生活，生活中物理现象很多，学生会形成自己的判断，在学习新知识之前，学生心中一般都会有一些关于物理的先入之见，有的对，有的错。以往依靠教学经验来确定教学的切入点和重点；现在有了平台的支持，可以对所有学生进行预测试，准确了解学生对相关概念的掌握情况，再根据教学要求确定教学的切入点和重点。
例如，在磁场的教学过程中，由于初中阶段已经学过一些磁场分布的知识，老师通常会对磁场分布进行简单的复习，然后再进行电流周围的磁场分布的教学。但通过课前测试发现，有近六成的学生对磁场分布并不了解，部分学生已经忘记了一般磁场的性质，因此有必要对这部分内容进行复习。
例如，在高一开学时，教师通过预测发现，很多学生在初三毕业后就提前学完了高一物理运动学和部分力学内容，因此在教学过程中要注意调整教学的切入点和重点。
2. 课堂反馈数据有助于调整教学策略
课堂反馈数据包括课内反馈数据和作业反馈数据。在课堂教学过程中，可以对所学内容进行实时课堂反馈练习，并根据反馈数据实时调整教学策略、节奏和方法。对概念题的理解和分析可以通过选择题或判断题等形式进行测试，反馈给全体学生，除了准确率，还可以看到学生答题时间等信息。在反馈过程中，学生的答题信息会呈现在大屏幕上，每个答案都可以展开显示选择该选项的学生姓名，老师可以让学生展示自己对于某一选项的思考过程，以起到启发和交流的作用。答案在大屏幕上展示，学生的注意力和学习效率普遍提高，大大激发了学生的学习兴趣，增加了学生的参与度。对于正确率低于70%的题目，建议老师调整教学策略，换个角度和方法来“重新教”。
课后作业是对课堂学习内容的巩固和反馈，教师批改后可扫描进系统，根据数据分析调整复习策略。图1为“安培力的应用”相关作业班级整体反应情况。可以看出，该练习完成度一般，难度系数为0.73，分数分布具有一定的离散性，该班作业成绩在6个班级中排名第一。
图1 全班整体答题情况
图2是作业批改的界面，批改是从得分率低到得分率高的顺序进行的，得分率低的题目是常见的“学习痛点”，从“痛点”开始批改更能激发学生的兴趣和好奇心。另外，上课初期学生注意力比较集中，批改效果更好。批改过程中，可以重点关注正确率在70%以下的题目；正确率在70%-90%之间的题目给予适当的点评。问题量大的时候，可以采用异质分组的方式，让学生互相讨论帮助，交流解决问题的思路，毕竟大多数学生的答案都是正确的，讨论可以提高课堂效率。正确率在90%以上的题目，就不需要集体批改了，可以通过自学、课后辅导，或者对答对的学生进行个别辅导来解决。所有答案数据均可精准展现到每个人、每个选项，为教学过程中点面结合、分层教学提供了有力的数据基础。
图2：学生作业复习
3. 练习形成性数据以促进个性化教学
精准的教与学建立在精准的测评数据基础之上，单次练习中学生的知识测评与能力表现可能会有一些偶然因素，但对某一或某几个知识点或能力进行多角度、多角度的测评，才能客观反映学生的掌握程度与能力。学习过程中产生的数据，可以帮助教师了解学生的进步与不足，进行个性化的学习辅助指导，推送相关的学习资源。学生还可以通过图3展示一段时间内某班学生的部分练习数据，各知识点的得分率，直观的展现出学生这段时间的学习表现。知识薄弱之处（分数越低，线越短，各分数段也以颜色区分）。例如，第二名的学生，有“爆炸”、“动量定理”、“光的衍射现象”等知识点比较薄弱，需要及时巩固，教师可以根据学生情况推送相关资源高中物理 隔离法，或提醒学生自行复习相关知识，教师可以进行抽查。从图3的纵向视角，教师还可以发现班级整体对“光的衍射现象”、“能量量子化”等内容掌握得不够好，教师可以从学生身上了解情况或者进行有针对性的小测试，查找原因，及时处理。
图3：学生学业状况
教师可以从时间序列、得分率、与年级平均得分率对比等角度对学生数据进行分析。图4上半部分是某学生几个月的班级排名曲线图，可以看出数据在一定范围内，测试内波动较大，说明该学生应该复习巩固成绩不好的“垫底”部分，然后再重新测试。图4下半部分是该学生的薄弱知识点得分率与年级平均得分率对比。在更大的数据库上进行分析，按照得分率从低到高排列，可以发现该学生这些知识点的得分率均低于年级平均得分率，这确实是他的薄弱环节。有了这些数据，教师可以在教学过程中对相关内容进行精准指导，学生也可以有针对性地提高学习成果。
图4 学生个人学业数据
4.阶段性诊断数据有利于准确检测和填补空白
日常作业或小练习的数据是在教学过程中每日采集的，具有常态化的特点，但也存在很多偶然因素，如学生的认真程度、作业时间、是否独立完成等，这些都会影响数据的准确性和一致性。月考、期中考试、期末考试等阶段性考试是测试和诊断学习状况的重要手段，教师和学生都十分重视。试卷由专人出题，学生在限定的时间内独立完成，教师和学生往往有充足的时间准备考试，由于学生有更多的时间复习和准备考试，考试结果具有良好的信度。分析这些数据有助于准确发现差距，把握未来的教学方向，除了程度等信息外，还可以提供每道题的分数、与学校全班的差异对比等。形式可以是详细的清单（见图5），也可以是清晰的图形（见图6）。
图5 数据列表呈现
图6 雷达图呈现数据
教师可以分析年级与横向数据的得分差异，然后通过备课小组讨论找出原因，取长补短，调整课堂教学节奏。从图6中可以看出，学生得分整体分散度不大，但1班各年级之间差异不明显，两个实验知识点表现良好。5班在第6、10、12题上得分较低，整体有待提高。从图7中知识点分布情况看，两个实验知识点得分均较低，可以看出平行四边形力的合成定律和速度随时间变化定律两个实验都是基础内容，得分率与预设难度相差较大，可见教师和学生要重视实验教学，愿意花时间做实验，让学生耐心处理实验数据。
图7 知识点分布雷达图
三
结论
在信息时代，教师不应回避技术带来的变化，而应更加深入地思考如何将信息技术与教育教学相结合，使后者更加高效。大数据技术使教师能够根据每个学生的数据，准确掌握每个学生的学业数据，为准确定位教学目标、准确设定教学内容、准确设计教学活动、准确评价学习成绩、准确制定教学决策提供了数据基础。大数据使课内课外部分题型的自动批改成为可能，在一定程度上解放了教师，使教师能够对教学内容、教学状况、学习状况进行更加深入的研究，并进行个性化的微课、练习等资源的推送。这为精准指导、精准教学提供了保障，帮助学生成为知识和能力的自主建构者。
欢迎订阅《中国现代教育装备》杂志！
参考
[1]雷云鹤,朱志婷.基于学前数据分析的精准教学决策[J].中国电化教育,2016(6):27-35.
[2]郭黎明,杨献民,张瑶.大数据时代精准教学的新发展及价值取向探析[J].电化教育研究学报,2019(10):76-81,88.
[3]段莎,周毅.精准教学研究综述[J].英语教师,2017(24):64-70.
作者简介：吴志山，硕士，高级教师，江苏省南通市第一中学