课堂大数据分析汇总十篇

时间:2023-05-24 16:48:02

课堂大数据分析

课堂大数据分析篇(1)

一、课堂教学质量的内涵及提高课堂教学质量的重要性

人们对质量有不同的理解,一是物理学意义上的质量,即是量度物体惯性大小的物理量、产品的优劣程度等;二是社会学意义上的质量,即客观价值或主体感受的质量,如管理质量、学习质量等。在实际的课堂教学中,教学活动是作为一个整体存在着的,因此,就其内涵而言,课堂教学质量是以课堂教学过程质量为主的教学过程质量和教学结果质量有机统一体。这是因为,教学质量的高低是围绕教学过程展开的,教学过程是生成教学质量的主要内容,教学结果是教学过程的自然结果,因此,基于对课堂教学质量的整体认识,相对于课堂教学结果质量而言,课堂教学过程质量居于核心地位。

课堂不但是传授知识的殿堂,而且是价值塑造、能力培养、品行养成的主战场。学生在校期间所获得的知识、能力、专业素养甚至人生观、价值观的形成,正是由一门一门的课程、一节一节的授课积累而成的。大学之间水平的差距,最根本的不是大楼和实验室,而是教师的教育教学活动,课堂教学质量的好坏直接关系到每一个学生未来的发展,关系着立德树人的重大职责。

当前,我国正处于高等教育大众化快速发展的历史阶段,就提高高等教育质量而言,抓教学质量,特别是课堂教学质量,极为紧迫,非常关键,是提高高等教育质量工作的重中之重。

二、欧美国家提高大学课堂教学质量的举措

英国教育管理部门和高校为保证人才培养质量,历来重视教学管理,在国家层面和学校层面上形成了对教学质量进行管理的制度和传统,在世界上享有良好声誉。英国高校的本科课堂教学基本上采用的是一种导师制下的精英教学模式。在这一过程中,学生可以选择导师,课堂是一种见面制度的安排,师生共同制订研究性学习计划,课堂的核心是学生汇报,教师的作用是“诊断”与引导,教师的提问甚于答案,课堂结束时学生不是带着知识而是带着一系列有待研究的问题离开。

美国大学的课堂教学强调以学生学习与发展为中心,强调学生全程参与教学,提倡小组活动式教学等方式,课堂教学形式丰富多样,教师不再是知识的提供者,而是学术活动的组织者、学习与研究活动的指导者以及学术水平的鉴定者。

就整体而言,欧美大学的课堂教学强调学生独立思考、自由探索精神的培养,强调学生对知识的重构而非直接获取,强调以学生学习与发展为中心,强调教师通过引导调动和激发学生的学习积极性等,这些都是十分有益的经验,符合教学认知的规律。加州大学洛杉矶分校(UCLA)副校长Cindy Fan教授在参加我国某高校的审核评估时曾指出,大学课堂教学可以分为“五重境界”,即“沉默”(silence),“回答”(answer),“互动交流”(dialogue),“提问质疑”(critical)和“辩论”(debate)。中国大学的课堂往往是“单声道”的,由老师讲,学生听,多数属于“沉默”的境界,少部分处于“回答”的境界,“互动交流”很少,“提问质疑”和“辩论”则更为稀缺。她认为中国一流大学与世界一流大学在教学质量上的差距,很可能就是这种“单声道”的课堂教学模式导致的,这是我国大学课堂教学的最大短板。此外,随着互联网技术全面渗透至教育教学,世界一流高校都在积极倡导并探索MOOC/SPOC方式开展翻转式、启发式、探究式课堂教学,不仅极大地丰富和拓展了课堂教学的内涵,而且也提出了混合式教学等新的课堂教学模式,值得我们学习和实践。

三、我国大学提升课堂教学质量所面临的内外部因素

要提高课堂教学质量,不调动一线教师的积极性和创造性,是很难取得实效的,因为教师是课堂教学过程的组织者、实施者,直接影响课堂教学质量。由于教学工作是一项复杂的智力活动,教师的教学质量受多种因素的影响:(1)教师的职业素养、师德水平、育人观念。有研究表明,教师自身素质对其教学质量的影响最大。在教师自身素质中,教学设计这一子因素影响最大;其次是教师风范,主要表现在教师的教学热情、敬业精神、教书育人等方面。(2)教师的教学态度、能力、经验和水平。研究发现,教师的教学态度、责任心、教学内容、教学方法及教学能力等对教师的课堂教学效果具有重要影响。(3)教学方法和手段。教师传道、授业、解惑,依赖于合适的教学方法与手段,单纯的“满堂灌”已经不适应当今的课堂教学,必须综合运用多种方法、方式。(4)创新理念和能力。教师是否具有创新理念和创新能力不仅影响其自身发展,而且也直接影响着其教育教学的水平和质量。教育教学活动本身就是一个创新的过程,作为教师首先应更新自己的教学观念,教师的创新理念是培养学生创新意识、创新能力的首要条件。

提高课堂教学质量,没有学生的积极参与,是不可能实现的。从学生自身的角度看,影响课堂学习质量的因素主要包括:(1)学习态度和能力。有研究发现,学生的学习态度、学习主动性和学习能力对课堂教与学的质量起着非常重要的作用。(2)学习动机、目标、兴趣及价值取向。学习动机是学习活动的根本动力,它极大地影响和制约着学生的学习效果和学习的积极性。而明确的学校目标和学习兴趣是激发学习动机的重要因素。(3)考核及评价体系。单纯以学生学业成绩为主进行的考核方式对学生的学习与发展是非常不利的,要改革考核和评价体系,着力引导学生关注过程,发展个性,促进综合素质发展和提高创新能力。

影响大学提高课堂教学质量的外部因素也有很多,主要包括:(1)社会环境和校园文化。校园文化作为社会文化的一个组成部分,与其所处的社会环境有着密切关系。现阶段我国大学受社会大环境中功利主义的影响比较大,缺乏文化品质、精神气质、理想特质,难以专心致志、聚精会神地办学。大学从“思想引领、文化引领、科技引领”等社会进步的引领者逐步转变为“追随者”,从而使大学生在选专业、选修课程、择业和社会交往中,出现了一定程度的功利主义倾向。(2)教学管理制度。没有一流的教学管理,就没有一流的教学水平和课堂教学质量。加强教学管理,形成以学生为本、以学生的学习和发展为中心的教学管理,是改进课堂教学、提高课堂教学质量的重要保障。(3)教学条件及资源投入。教学资源是为教学有效开展提供的各种可资利用的条件,课堂教学的各项条件和各项资源的合理使用是影响课堂质量的重要因素之一。(4)评价体系和奖惩办法。社会和高等教育管理部门如何评价大学,也是影响大学课堂教学质量的非常重要的因素。目前的一些评估与排名,重显性指标,轻内涵品质,重科研轻教学,造成教学中心地位的严重漂移,课堂教学质量和秩序严重受损。(5)技术手段的制约。目前很多学校尚未建立起目标导向、过程可监督的大规模课堂教学质量监控体系,对课堂教学质量的评价只能是定性的、宏观的。急需建立一套来自学生、督导、同行专家、管理人员甚至开放学习者等的评教大数据及其质量分析系统。

四、建立基于大稻莸目翁媒萄е柿考嗫赜

评价系统,保障和提升课堂教学质量

1.建立基于信息技术和大数据分析的课堂教学质量分析模型

为了充分利用现代信息技术和大数据分析手段,有效提升课堂教学质量,西安交通大学近年来本着“质量驱动、问题导向、实证研究、成效评价、模式推广”的思路,在“高等数学”和“大学物理”等典型大面积基础课程教学试点的基础上,实现全校第一课堂的大面积覆盖。基于课堂教学数据采集、智能教室系统,建构了涵盖课堂大数据、教学模式和方法、教师培训、学习环境、育人环境等要素的综合评价模型,形成了“分类建模一指标设计一实证课堂一数据采集一效果评测一反馈改进”的可推广的课堂教学质量保障模式、案例和实施办法(见图1)。

2.利用基于大数据的课堂教学质量监控与评价系统促进教学质量管理

学校通过建设基于大数据的课堂教学质量监控与评价系统,形成了一套学生课前、课中、课后一体化的“互联网+”的教学体系。通过课程视频随堂录制、监控,实时统计学生出勤率,教师到课率,使教师能够更加关注教学本身,努力提升教学水平;建立了严格、多维的学生、督导、同行专家、领导和管理人员甚至开放学习者等评教的大数据教学质量监督评价体系;基于物联网技术,可以动态感知学生状态,为学校制订和完善各类人才培养方案提供了大量信息依据。系统的基本框架如图2所示。

基于课堂教学质量的评价数据源、课堂教学运行状态数据源,在我校现有的智能教室控制系统以及学生、督导等综合评教系统等信息系统的基础上,进一步研制出不同类型课堂教学质量的综合评价信息系统。以西安交通大学近3000门课程为实例,建立课堂教学质量大数据采集与分析平台及其质量常态监控体系,用事实和数据说话,支持同一课程的纵向历史比对,同一课程不同教师之间、同类课程不同教师之间甚至不同类课程之间的横向关联比较,进一步建立课堂质量评估结果的反馈机制。在此基础上,建立优秀课堂教学的评价模型,为建设和开发精彩课堂提供典型案例参考。

基于课堂教学质量分析评价结果,实现正面激励、负面惩戒、精准督导,以提升课堂教学质量。

(1)正面激励。质量监控系统为有效发现优秀课堂、优秀教师,培育教学名师提供了重要依据;为建立精品课堂、示范课堂,进行表彰奖励等也提供了量化的基于大数据质量分析的依据;此外,为不同利益相关者多维度评价教学质量提供了技术手段,例如教师职称晋升,年度最喜爱老师的评选。这些功能有效地发挥了课堂教学质量监控与评价的正面激励的作用。

(2)负面惩戒。同样依托这一系统,对评教结果为“中”或以下的教师,进行诫勉谈话;对第一次评教为“差”者,进行培训,连续两次评教结果为“合格”或以下的教师,暂停其授课资格,培训达标后再允许其上讲台;两次评教不合格的教师取消授课资格,从而发挥课堂教学质量监控与评价的惩戒功能。

(3)精准督导。原来的督导,需要到课堂现场听课,现在既可随堂听课,也可实时采集每堂课的到课率,通过网上点播或回放视频录像,实现质量问题的准确定位和精准督导,帮助教师改进教学。

课堂大数据分析篇(2)

中图分类号:G434 文献标志码:B 文章编号:1673-8454(2015)22-0021-04

智慧教育、智慧课堂是当前教育信息化研究的一个新的热点问题,是信息技术与教育教学深度融合的产物。智慧教育的核心在于用最新的信息技术变革和改进课堂教学,打造智能、高效的课堂。当今社会进入大数据时代,大数据的出现将会对社会各个领域产生深刻影响。在教育领域也不例外,美国许多高校和基础教育领域十分重视大数据的应用,2012年美国国家教育部了《通过教育数据挖掘和学习分析促进教与学》的报告,我国也有不少学校和教育软件企业进行教育大数据和学习分析技术的探索。因此,利用大数据技术分析和改进学习行为,变革传统课堂教学,构建基于动态学习数据分析的智慧课堂模式,具有重要的现实意义。

一、智慧课堂的提出及发展

人们对智慧课堂的理解总体上有两类,一类是从教育视角提出的,另一类是从信息化视角提出的,本文所使用的概念是后一类。在英语中,关于“智慧”的表达有三种,即Smart、Intelligent或Wisdom。2008年,IBM最早提出“智慧地球(Smart Planet)”,随后出现了智慧城市、智慧教育、智慧课堂等概念。IBM使用及广泛推广的“智慧地球”是“Smart Planet”。因此,现在人们所说的“智慧课堂”是智能化课堂(Smart Class),主要是从信息化的视角理解的,即使用先进的信息技术实现教育手段和课堂的智能化,进而实现教育教学的智慧化。

基于信息化的视角来分析,随着信息技术迅速发展及其在学校教育教学中的广泛应用,从早期的辅助手段向与学科教学的深度融合发展,传统课堂向信息化、智能化课堂发展,对智慧课堂的认识也在不断深化。目前对智慧课堂概念的定义也有多种类型。比如:有的学者定义“智慧课堂”是物联网和教育云端等新技术于一体的智能课堂;[1]有的认为“智慧课堂”重点在课堂中的应用,是通过云计算、网络技术、应答系统等技术手段来支持个性化学习的有效展开;[2]有的学者提出建立基于电子书包的“智慧课堂”系统,具有课前多媒体电子教材预习、课中互动教学、课后微课程作业辅导等功能,为实现“颠倒的课堂”和学生随时随地碎片化学习提供了全面支撑[3]等等。

实际上,智慧课堂的概念是随着信息技术在教学中的不断应用与融合而逐步发展的。当今社会进入教育大数据时代,基于大数据技术分析和改进学习行为、变革传统课堂已成为一种必然趋势。这里我们结合自己的研究,提出基于动态学习数据分析的智慧课堂概念。

二、智慧课堂的概念

所谓“智慧课堂”,是以建构主义学习理论为依据,利用大数据、云计算、物联网等新一代信息技术打造的智能、高效的课堂。其目的是基于动态学习数据分析和“云+端”的运用,实现教学决策数据化、评价反馈即时化、交流互动立体化、资源推送智能化,全面变革课堂教学的形式和内容,构建大数据时代的信息化课堂教学模式。智慧课堂的提出与发展既是信息技术在教学领域应用的产物,同时也是课堂教学不断变革的结果。

对上述智慧课堂定义的理解,应重点把握以下几个方面的内涵:

1.智慧课堂的构建依赖于大数据学习分析技术

数据改变教育是智慧课堂的核心理念。对于具体的课堂教学来说,数据是反映教学效果的最为显著的指标,比如:学生识字的准确率、作业的正确率、多方面发展的表现率――积极参与课堂教学的举手次数,回答问题的次数、时长与正确率,师生互动的频率与时长等。在课堂教学中生成了海量的数据,对这些数据进行加工、挖掘和分析离不开大数据技术和方法。基于大数据的学习分析,智慧课堂从依赖于存在教师头脑中的教学经验转向依赖于对海量教学数据的分析,一切靠数据说话,依靠直观的数据对学生的学习行为进行判断和制定教学决策,实现了基于数据的课堂教学。

2.智慧课堂基于全过程动态学习评价和智能推送

传统课堂上每位教师常常要面对几十个学生,很难及时把握和照顾到每个学生的个体差异。智慧课堂基于全过程动态学习评价和智能推送,有效地改变了这一状况:通过课前富媒体预习材料和作业,进行预习测评和反馈,深化学情分析,优化教学设计,便于精准教学;通过课中推送随堂测验,进行实时检测数据分析和即时反馈,改进教学策略,调整教学进程;通过课后作业数据分析,实施针对性辅导,为学习者即时推送合适的个性化学习资料,实现个性化的学习支持。

3.智慧课堂采取“云+端”的教与学服务方式

智慧课堂的实施基于云计算技术、采取“云+端”的服务方式,部署和应用智慧课堂的信息化平台――智慧教室,其主体由微云服务器、端应用工具、云平台等组成。智慧课堂信息化平台提供学习资源管理与服务、教育信息管理、多元化评价等功能,通过教室内多种终端设备的无缝连接和智能化运用,打破了传统意义教室的黑板、讲台和时空概念,具备动态学习数据的采集和即时分析功能,实现了教与学的立体沟通与交流,使传统课堂发生了结构性变革。

4.课堂是翻转课堂进入2.0时代的最新成果

翻转课堂的基本要义是基于教学视频的应用将传统教学流程颠倒过来,从“先教后学”转变为“先学后教”。大数据时代强调数据分析和应用,基于大数据等信息技术的全面支持,从一般性观看视频转变为课前预习、测评分析及反馈,从“先学后教”转变为“以学定教”,从对课堂的控制转向基于数据的动态学习分析、即时反馈及据此实现的教学机智,已经从早期的“流程颠倒”的翻转课堂1.0转变为“结构性变革”的翻转课堂2.0,从而实现了大数据时代的“智慧课堂”。(传统课堂、翻转课堂与智慧课堂的关系见表1)

三、智慧课堂的信息化平台架构

智慧课堂常态化应用的前提是具有先进、方便、实用的工具手段。为此,需要构建基于学习动态数据分析和“云+端”应用的智慧课堂信息化平台。智慧课堂信息化平台应用功能的基本架构如图1所示:

在图1中,智慧课堂信息化平台的应用功能由从下至上的四个层次构成,主要包括:

(1)资源管理与服务层:主要是进行学习资源的管理和提供服务,包括课程标准、全科电子教材、各类题库系统、教学动态数据和教育管理信息。

(2)多元评价支持层:提供对学习和教学质量的形成性评价、总结性评价和诊断性评价服务,包括测试系统、GPA综合评价系统、教学质量评价系统和动态评价分析系统。

(3)端应用服务层:提供智能终端的学习、管理和应用功能,包括微课制作与应用、学习资源推送、端应用工具、第三方APP应用等。

(4)用户实现层:提供教师的“教”与学生的“学”的应用程序和方法,最终实现对课前、课中、课后的教学信息支持。

四、智慧课堂的教学结构模型

智慧课堂是基于动态学习数据分析实现的智能、高效的课堂,是利用现代信息技术对传统课堂不断改进的结果。大数据及学习分析等技术的应用,使得课堂教学结构发生了重要的变化,我们从与传统课堂教学结构的对比来分析智慧课堂的教学结构模型。

1.传统课堂的教学结构

传统课堂教学采用的是“5+4流程”结构,即包括教师“教”的5个环节和学生“学”的4个环节以及相互之间的联系方式,共同组成课前、课中、课后的完整课堂教学过程,构成了教学持续改进的过程循环。传统课堂的教学结构理论模型如图2所示:

课前环节

(1)教师备课:教师依据上一次课学生作业和教学经验进行备课。

(2)学生预习:学生对上一次课堂上布置的预习内容进行预习,但预习结果的反馈要到上课时间。

课中环节

(1)授课实施:教师依据备课方案进行讲授,学生跟随老师的思路进行听课。其间,老师根据学生的学习情况进行提问,部分学生代表回答问题,实现了部分互动。

(2)布置作业:教师布置课后的作业和预习任务。

课后环节

(1)完成作业:学生在课后完成作业,第二天或下一次上课时递交给老师。

(2)批改作业:老师在收到作业后完成作业批改,批改的情况往往难以及时反馈到下一节的备课中。

(3)评价反馈:老师将作业批改结果反馈给学生,通常需要两三天之后。

2.智慧课堂的教学结构

智慧课堂教学采用的是“8+8流程”结构,即包括教师“教”的8个环节和学生“学”的8个环节以及它们的互动关系,共同组成课前、课中、课后的完整课堂教学过程,构成了教学持续改进的过程循环。智慧课堂的教学结构理论模型如图3所示:

课前环节:

(1)学情分析:教师通过智慧教学平台提供的学生作业成绩分析,精确地掌握来自学生的第一手学情资料,确定本节课的教学目标;

(2)资源:根据教学目标和学情,教师向学生推送富媒体预习内容(微课、课件、图片、文本等),同时推送预习检测的内容;

(3)学生预习:学生预习教师推送的富媒体内容,并完成和提交预习题目,记录在预习过程中的问题;

(4)课前讨论:针对预习中的问题,学生在论坛或平台上进行相关讨论,提出疑问或见解;

(5)教学设计:教师根据学情分析结果,教学目标、教学内容,学生预习检测统计分析和讨论的情况,修改教学设计方案。

课中环节

(1)课题导入:教师采取多种方法导入新课内容,主要通过预习反馈(对学生提交的预习检测统计分析)、测评练习和创设情景等方式导入新课程,提示或精讲预习中存在的问题;

(2)展现与分享:学生展现课前自学成果,围绕新课导入进行演讲展示、分享观点,并重点听取在预习中理解不透的知识,积极参与课堂教学;

(3)新任务下达:教师下达新的学习探究任务和成果要求,并下达任务完成后的随堂测验题目,推送到每个学生终端上;

(4)合作探究:学生开展协作学习,主要包括分组合作探究、游戏教学等方式,教师设计活动,为学生分组,进行互动讨论,学生开展小组协作后提交成果并展示;

(5)实时测评和反馈:学生课上完成课程导入和新任务后,进行诊断服务,完成随堂测验练习并及时提交,得到实时反馈;

(6)精讲与点评:基于数据分析,教师根据测评反馈结果对知识点难点进行精讲,对薄弱环节补充讲解,重点进行问题辨析,通过多样化的互动交流解决学生在新任务中遇到的问题;

(7)巩固提升:学生针对教师布置的弹性分层作业和任务,对所学习的新内容进行运用巩固,拓展提升。

课后环节

(1)个性化推送:教师依据学生课堂学习情况,针对每个学生个性化的课后作业,推送学习资源;

(2)完成作业:学生完成课后作业并及时提交给老师,得到客观题即时反馈;

(3)批改作业:教师批改主观题,并录制讲解微课,推送给学生;

(4)总结反思:学生在线观看教师所录解题微课,总结所学内容,在平台或论坛上感想与疑问,与老师、同学在线讨论交流,进行反思。

五、智慧课堂的主要应用价值

基于动态学习数据分析的智慧课堂,对传统教学产生了革命性的影响,在教学实践中具有重要的特色和应用价值,主要体现在以下几个方面:

1.有利于构建建构主义理想学习环境

建构主义学习理论是现代教育技术领域的核心理论,为智慧课堂的构建奠定了坚实的理论基础。建构主义认为,知识是学习者在一定情境下借助他人(包括教师和学习伙伴)的帮助,通过意义建构的方式获得。理想的学习环境包括情境、协作、会话和意义建构四大要素。智慧课堂依据建构主义理论设计课堂教学模式,能够非常好地满足建构主义学习理论对学习环境所提出的较高要求。智慧课堂按照知识建构螺旋上升的特点,围绕课前、课中、课后的教学闭环,利用多种新媒体、新技术和智能设备,基于动态学习数据分析和“云+端”的运用,能够创造和展示各种趋于现实的学习情境,增进师生间、生生间的立体化沟通交流,有利于开展协作、探究学习,实现学习者知识意义的建构。

2.促进课堂形态的重大变革

智慧课堂教学中现代信息技术手段的深度应用,使课堂形态发生了重大变革。新技术、新媒体和智能终端为学习者提供了丰富的认知工具与支撑环境,为师生建立了更为开放的教室和课堂活动。例如,云端智慧教室无传统的讲台与黑板,课桌以分组讨论方式摆放,在教学过程中采取多元的交互协作方式,教师面向学生教学并直接融入小组讨论;教师可以通过手中的任意移动终端设备(手机、PAD)实现书写并向教室内大屏幕投射,教师常用的PPT不仅仅可以一帧一帧展示用,而且可以进行任意的手写、标注、推演等,传统的课堂已经变成了数字化的“体验馆”、“实验场”。

3.创新课堂教学结构和模式

大数据背景下的智慧课堂教学,在教学观念、教学内容、教学方式和教学流程上都发生了重大变化,课堂教学模式得到了“颠覆”。从以教师为中心强调知识传授的传统教学转变为以学生为中心强调能力培养;从传统多媒体教学的“望屏解读”向师生共同使用技术转变,师生、生生之间的沟通交流更加立体化,无障碍地进行即时交流互动;学习资源实现富媒体化、智能化、碎片化,按需推送、实时同步。课堂结构发生了变革,教学进程从“先教后学”到“先学后教”、“以学定教”,学习与智能测评在前,教师依据课前测评分析,有的放矢,分层教学,通过微课吧、分组讨论、精讲点评、分层练习等方式组织更加个性化的课堂教学,课后教师能够给每个学生个性化的作业,真正实现了个性化教学和因材施教。

4.构建全过程学习评价体系

基于动态学习数据分析的智慧课堂,其核心是对学生的学习全过程进行动态、实时的诊断评价和反馈。利用大数据学习分析技术提供测评练习,教师能够快速地对学生的学习全过程做出诊断评价。例如,通过智能评测系统实现数字化作业或预习预设的问题评测,收集、判断学生已掌握的知识和技术,自动数据分析与反馈,为教师的备课提供了及时、准确、立体的信息,据此实现有的放矢的备课,选择适应的教学策略。通过随堂练习及评测系统,进行实时测评、统计,快速分析与反馈学生的课堂学习效果,及时调整课堂教学进度与内容,体现了教师的教学机智,展示了教学艺术。基于数据的分析成为引导学生学习的依据,通过课后作业数据分析和反思评价,对学生进行个性化的辅导和实现教学的持续改进。

5.实现智慧课堂的常态化应用

智慧课堂取得实际成效的前提是常态化应用,常态化应用的前提是具有先进、方便、实用的工具手段。通过开发应用智慧课堂信息化平台,提供“微课”制作与推送功能、动态学习评价与数据分析功能、灵活方便的智能终端应用功能等,实现常态化教与学的应用。例如,“微课制作与应用平台”相对于传统的教学视频制作和应用工具来说,更加简单、方便、实用,使得智慧课堂的实现,不再只是表演阶段,因为技术足够的简单与方便,教师能快速融入到日常教学之中;随堂录制的微课,因为其足够的“小”、足够的方便,让微课的制作与应用实现了常态化。师生“端应用工具”是具有即时通讯功能的教学工具,支持包括苹果、安卓、windows在内的多应用平台,可以实现师生在课堂教学中的立体沟通,同时师生间可以实现课前、课后的随时随地问答、讨论与教学交流,保证了基于“端”的教与学应用常态化。

参考文献:

课堂大数据分析篇(3)

1.需求分析

当前,教育研究者和教育实践者们都在探究新的课程变革。教育者们越来越深刻地领悟到:在这一场新的教学变革中,教育到底能不能革新,改革能不能深入,一线教师们在其中起到至关重要的作用。这是一场“自下而上”的教育变革,作为教育一线的教师们,既被认为是改革的重要力量而被寄予厚望,也被要求不断学习和改造。而教师们在跟随课程改革的步伐,不断完善自身的课堂教学时却普遍感到缺乏专业指导。由于大批教师出省或出国学习,各高校面临教学师资紧缺、教学经费超支等的压力和困难,因此公开课、观摩教学、研讨课等在各高校成为最常见的教师培训和考评的途径。但这种只有同事间的横向支持,缺少更多来自纵向专家的专业性引领,并缺少较为先进教学理念引导的同僚文化,特别容易造成低水平的不停重复,而得不到实质性的进步。

由于公开课、教学观摩、研讨活动……在评价课堂教学时,结论往往会掺杂很多主观的感觉因素,因此只有定量的、客观的指导性意见,才能使教学人员不断反思,并研究发现完善教学的方法。而像S-T教学分析法、Flanders互动分析法这样较其他课堂教学评价方法而言更为细致、客观,更具指导性专业的课堂教学分析方法又由于分析过程较为耗时、分析难度大等问题不适于一般教师使用和评价。鉴于对教师课堂教学质量提高过程中暴露出的相关问题的思考,我希望可以运用VB可视化编程语言开发一个实现影象数据采集、数据导入及数据分析功能,从而解决S-T教学分析法和FlandersXf动分析法在课堂教学分析中不能得到广泛运用这一问题的课堂教学评价辅助软件。

2.课堂教学评价辅助软件的理论依据

此次课堂教学评价辅助软件的开发将主要以S-T教学分析法和Flanders互动分析法为理论依据。

2.1S-T教学分析法

S-T教学分析法是一种可以将教学分析数据以图形的方式来直观表现教学情况的教学分析方法。该教学法将实际教学过程中所发生的行为分为两大类:学生行为(s)和教师行为(T)。这样一来大大降低了教学过程中行为分类的难度,减少了采样者分类的失误,增加了教学评定的客观性;最后将整堂课的教学行为以图形表示,让老师可以更加形象、直观地研究教学的特点。

通过观看教师课堂教学的录像资料,首先确定视频采样频率(通常为20秒),然后按照确定的采样频率对该课堂教学过程进行采样,并根据教学中的行为类别,以符号s或T记入表格,形成s-T数据;然后根据该数据绘制出本次课堂教学的S-T曲线、计算出课堂教学中教师行为占有率Rt、行为转换率Ch,并根据本次课堂教学中的“教师行为占有率”和“行为转换率”绘制出Rt-Ch图,最终确定课堂教学模式。

在整个采样过程中,教学行为的采样总数为:N;T行为数为:Nt;s行为数为:NS;相同行为的连续,将记为数据中的连续数g;教师行为占有率Rt:Rt=Nt/N;学生行为占有率Rs.Rs=Ns/N:师生行为转换率(即师生互动)Ch:Ch=(g-1)/N。

2.2 Flanders互动分析法

Flanders interaction analysis system,简称FIAS,是教学语言互动观察分析方法。该分析法用于记录教学中的师生互动情况;了解教学互动情境对整个课堂教学的影响,帮助教师了解、改进其教学行为。

Flanders将课堂教学中所有的教师和学生产生的话语互动情况大致分为10个类别,如表1所示。表格中的1-7类记录的是教师对学生的语言情况;8-9类是记录学生对老师的语言表达;在实际课堂教学进行中,除了人们熟悉的教师与学生的话语情况以外,还有第10类状况,就是记录教室有可能发生的其他情况。课堂教学观察者首先需要熟悉表格中的十大分类,然后根据课堂教学中每次发生的语言互动,选择最适合的代码记录下来。课堂教学观察员大约每3秒钟客观记录一次课堂教学的话语互动情况。

Flanders互动分析方法主要包括3种分析:互动分析矩阵法、时间线标记法、变项分析法,本次课堂教学评价辅助软件开发运用到其中对课堂教学分析最为细致的变项分析法:Flanders(19701利用互动分析矩阵所得到的数据进行分析,并利用13项较为科学的指标来解释所采样到教学行为背后的深层含义。Flanders称这些指标为变量(variable)。这些变量通过计算可以得到相应的值,把这些值和Flanders计算出的常规值相比较,就可以把该堂课的优良情况以量化的方式表示出来。采样者根据经过严谨处理的采样数据,依次将一前一后的两个数据组成一组坐标(见图1),然后利用这些坐标在10×10的矩阵上划记并予以加总后,制作出矩阵分析,如图2所示。

3.课堂教学评价辅助软件的总体规划设计

由于所开发的课堂教学评价辅助软件主要以s―T教学分析法和Flanders互动分析法为理论依据,所以我对整个软件进行了以下规划。

3.1模块设计

基于以上理论及需求分析,把该软件分为以下模块,如图3所示。

3.2模块功能

(1)观看录像及数据采集模块:无论是s-T教学分析法还是Flanders互动分析法,首先都要观看录像并进行数据采集。

(2)数据分析模块:数据采集完毕后,用户需根据所采集数据的类型选择分析方法进行下步分析。

(3)s-T教学分析法模块:此模块包括s-T曲线图和Rt-Ch图两部分。导入Excel中的s-T原始采样数据后,根据该数据绘制S-T曲线、计算教师行为占有率Rt、行为转换率Ch并绘制Rt-Ch图确定教学模式。

(4)FlandersX动分析法模块:此模块包括矩阵分析图和变量计算两部分。导入Excel中的Flanders原始采样数据后,由系统自动生成矩阵分析图,或对Excel中的矩阵分析图直接导入并显示;系统得到矩阵分析图后,根据计算公式,计算并显示各变量的值。

3.3模块特点

(1)自带定时播放器:由于S-T和Flanders的采样频率比较高,用其他的播放器难以控制时间,所以软件自带播放器,该播放器的特点是可以根据用户所输入的采样率,定时暂停播放,并提醒用户在Excel中录入数据,待用户确定后方可继续影片播放。

(2)实现智能客户端:本软件并不开发数据录入功能,而是直接提供Excel倒入功能,这样既让用户使用起来得心应手又不会让软件操作过于繁琐。

(3)软件可以满足不同需求的用户:S-T教学分析法一般用与对课堂教学的初步分析,让教师了解自己的课堂教学是否达到自己所期望达到的教学模式,此采样及分析占用时间较短使用于一般的课堂教学分析,而FlandersHk动分析法对于课堂教学的分析则比较细致,但采样及分析占用时间比较长,适用于课堂教学的高精度分析,所以软件设计了数据分析的选择界面。

(4)简化分析过程:由于S-T和Flanders对于数据的处理比较复杂,以致研究者使用及分析较为不易,因此辅助软件最主要的功能即为简化复杂的数据处理及转化的过程,让使用者只需输入观察的原始资料,其余的数据处理及转化皆由辅助软件来协助。使用者只需根据最后呈现的信息一变量及图表,加以解释及分析即可。

4.软件的开发

通过对软件进行需求分析及总体规划设计,以下开始运用VB可视化编程语言对整个课堂教学评价辅助软件进行编程并实现功能。

4.1封面

考虑到用户使用软件的视觉舒适度,此软件主要以蓝色为背景主色调。添加图片控件,导入图片,实现较为简洁的启动界面,如图4所示。对鼠标事件进行编程,使用户单击鼠标左键时,软件从启动界面跳转至主界面。开发主界面如图5所示时,添加图片控件,导入背景图片;导入按钮控件,并编写程序,实现各窗体之间的交互。

4.2定时播放器的编程

将播放器控件、定时器控件、通用对话框控件添加到窗体中,并对其相关属性进行设置;利用各控件画出定时播放器界面,编写程序实现播放器功能,如图6所示。根据输入采样率定时暂停播放功能,如图7所示。

4.3数据分析编程

利用各控件画出选择分析方法界面,如图10所示,利用编程实现分析方法的选择及窗体之间的切换。

4.3.1S-T教学分析法编程

利用各控件画出s-T坐标图显示界面,如图11所示。编程实现窗体之间的切换并绘制坐标网格;编程建立对象,实现对Excel的导入,并根据Excel中的数据在坐标格中描点绘制出s-T坐标图。

利用各控件画出ch-Rt图显示界面如图12所示;编程实现Ch-Rt图的绘制并使软件根Excel中的数据计算出Rt及Ch的值,最后以Rt,Ch的值为横纵坐标在Ch-Rt图中描点。用户可根据程序给出的附录得出这堂课的师生互动行为模式。

4.3.2Flanders互动分析法

利用各控件画出Flanders互动分析法显示界面,如图13所示,编程建立对象,实现Excel中原始数据的导入或己处理数据的导入(所谓导入采样原始数据就是Excel中的数据仅仅只是10个数据为一行,需通过程序将其生成互动分析矩阵图。而导入己处理数据是指Excel中的数据已经为互动分析矩阵图,无须程序再次生成,直接导入);根据各参数的计算公式编写程序,计算并显示各参数的值(在计算13个分析参数的同时对公式的分母进行是否为0的判断,防止在计算过程中出现数据溢出的错误,为程序健壮性提供可靠保障),用户可根据这些数据参照附录,如表3所示,得出参考性评价。

5.利用软件实例分析

5.1实例分析

以吉林省付军老师所讲授的《法拉第的发现》一课为例,利用所开发的课堂教学评价辅助软件进行分析。

(1)观看影片后,得到S-T原始采样表,如图14所示。

(2)导入软件后生成S-T,如图15所示。

(3)生成的Ch-Rt图,如图16所示。

(4)观看影片得到Flanders原始采样表如图17所示。

(6)参考性评价。

①由s-T教学分析法得出本堂课师生互动行为模式为对话型。而从Flanders互动分析法得出的参数值:TT(教师话语比率)=70.24%,较接近常模68%;PT(学生话语比率)=29.76%,大大超过常模20%来看,也可以看出学生话语比例较高,是对话型师生互动行为模式的一大特点。对话型师生互动行为模式可以很好地促进师生之间的沟通交流,让教师及时得到学生的反馈信息,为教师进行下一步教学提供很有价值的参考。

②由s-T教学分析法得出Rt(教师行为占有率)=52%,也就是说Rs(学生行为占有率)=48%,这是一个比较高的比例,这说明教师已建立了以学习者为学习活动主体的学生观。

③在整个课堂教学中,一旦学生停止说话,教师立即称赞或整理学生观念和感觉,所以TRR89(教师实时话语一学生驱动比率)为89.74%,远远高于常模中的60%比例,而这一数据比例占越高,表示教师越能主动引导学生进行话语行为。这样的课堂教学风格较能激发学生的学习兴趣、进一步提高学生学习的积极性,更加确立学生的学习当中的主体地位。

④PIR(学生话语一学生主动比率)=0%,也就是说本堂课学生话语中由学生主动引发所占的比例为零。说明虽然学生行为占有率较高,但都是学生为了回应教师所讲的话、教师指定学生答问或是引发学生说话,而缺乏学生主动表达自己意见的行为。SSR(稳定状态区比率)=0.4%,也就是说师生言谈停留在同一行为类别达3秒以上的情况很少。

⑤Flanders的其他参数值和常模较为接近,说明这是一个比较优秀的课堂教学实例,说明授课教师具有比较先进的课堂教学理念,在课堂教学中能较好地实现师生互动。但在今后的教学中也需要多引导学生主动开启对话,自由地阐述自己的见解和思路,鼓励学生发散思维;并适当延长学生对重点知识的重复记忆时间。

5.2实例分析后对软件的补充

(1)人工采样时间过长。

虽然此软件已经简化了比较复杂的数据处理过程,但是人工数据采集所花费的时间仍不可小觑,不过能得到如此细致的课堂教学数据,在对课堂教学方面有较高要求的教师眼里,时间上的花费也是比较值得的。

(2)对用户采样的熟练程度要求较高。

由于采样时的数据是用户自行判断并记录,不可排除有判断错误的时候。

课堂大数据分析篇(4)

中图分类号:G622.0 文献标志码:A 文章编号:1674-9324(2016)16-0163-02

一、问题的提出

随着多媒体在课堂教学中的应用,课堂教学结构也在发生着潜移默化的变化。信息技术与课程的整合使教学结构从单一的教师讲解型课堂逐渐向多种类型的课堂结构转变。1997年何克抗教授根据教改实践,在对以教为主的教学设计模式和以学为主的教学设计模式深入剖析的基础上,将两种模式结合起来,取长补短,提出了“主导―主体”(教师为主导,学生为主体)的教学设计模式,也就是我们所说的双主教学模式在国内产生很大影响,促进了教学设计理论的发展,也对课堂教学结构的形式提出了新的要求。然而双主教学模式在延边州的小学课堂教学上开展得如何、哪种课堂教学结构属于双主教学模式则是我们需要探讨的问题。

二、视频分析法

1.S-T分析法。S-T分析法是一种能够直观表现教学性格的教学分析方法,它可用于对教学过程进行定量和定性的分析和评价,判断课堂教学模式,获取具有共识的、客观的信息。S-T分析法中的行为类别仅有教师行为T和学生行为S两类,能大大减少对教学活动进行分类记述的模糊性,提高客观性和可靠性,有利于教师使用这一方法逐步把握和完善教学,实现自身的专业发展。但在一些文献中提到了另一种行为D(如表1)。D是指教师与学生交互对话的行为(我们认为在化学教学中师生合作完成的教学实验也应该标记为D)。文中两种S-T分析法都有使用,由于误差较小,因此没有对结果产生影响,并指出在绘制S-T图时,S、T、D有所区别,但计算Rt、Ch时D当作T处理。

2.S-T数据的收集。S-T分析法的数据收集方法是通过对教学过程的实际观察和观看课堂教学过程录像资料,以一定的时间间隔进行采样,并根据采样样本点的行为类别,以相应的符号S或T计入到规定的表格中,由此便构成了S-T数据序列,再由得到的S-T数据序列做出S-T图,S-T图可以看出教学过程中教师行为与学生行为是如何随着时间变化的。制出S-T图后,我们要通过计算教师行为占有率和学生行为占有率得出师生行为转化率,制出Rt-Ch图,由此可以看出本堂课的课堂类型。其中,Rt是指课堂教学中的教师行为占有率,Ch是指师生行为转化率。Rt=NT/N,其中NT表示一节课中T行为的次数,N表示一节课的采样总次数;Ch=(g-1)/N,其中g表示相同行为的一个连续。课堂类型分为练习型、讲授型、对话型、混合型(如表2)。艾伦在他的文章中提出了D行为,即教师与学生交互对话的行为,刘立新等人在《S-T分析法在高中化学教学分析中的应用研究》中将教师与学生合作完成的教学实验也标记为D,并根据D行为的出现,将S-T分析法中Rt的算法做了改进,Rt=(Nt+0.5Nd)/N,并新增了一种课堂类型板块型,已经将混合型更名为平衡型(如表3)。

本文将2012―2015年的延边州优质课大赛小学组语文课的一等奖的课堂视频以30秒为一个时间间隔对行为类型进行了采样,将采样点记录在S-T数据序列表(序列表如表4所示)中。

三、实例分析

根据2012―2015年的语文课课堂视频的S-T数据序列表计算得到的Rt-Ch如图1所示。

本文采用的是新改进的S-T算法,并将学生与教师的共同行为标记为D行为。根据算出的数据可以看出四节课课堂结构模式均落在混合型即平衡型这一区间。分析的四个视频中有两个视频(2012年和2014年)可以根据新改进的Rt算法得出新的数据,但与原数据差异不大(2012年Rt的值由0.54变为0.56,Ch值没有发生变化;2014年Rt的值由0.47变为0.46,Ch值由0.38变为0.39)。可见这四节课都比较符合学生为主体、教师为主导的课堂教学模式。它区别于以学生为中心的练习型,以教师为中心的讲授型,“满堂灌”式的对话型,是一种平衡的教学类型,既能够把学生看作课堂的主体,也没有忽视教师对于课堂的导向作用。但是从准确的数据中可以看出,低年级(一年级,二年级)的课堂,教师行为占有率要比高年级(五年级)相对高一些,这说明低年级的课堂仍然需要教师的及时引导,帮助学生正确地掌握课堂知识;而高年级的学生有着较好的自控能力,能够通过教师适当地指导完成课堂任务。由于2015年的课堂视频为习作指导课,所以该节课的行为转化率就较其他三节课低,这样可以达到学生通过自主练习获得课堂知识的良好效果。

由此可见,优质课大赛的课堂教学都能较好地把握课堂,坚持以学生为主体、教师为主导的课堂模式,并根据教学目标进行完整的教学设计,把握课堂节奏,调整教学进度与教学方案。教师能够与学生进行积极的互动,从学生那里得到良好的反馈,使学生的观点同教师达成一致,最后达到教学目的。

参考文献:

[1]傅德荣,章慧敏.教育信息处理[M].北京师范大学出版社,2001:94-104.

[2]艾伦,艾霁野.基础教育质量监测与评价的测量工具研究[J].中国教育技术装备,2008,(6):1-7.

[3]单迎杰.以S-T分析法分析教育技术专业课课堂教学问题[J].现代教育技术,2008,(10):29-31.

[4]刘飞,刘雁,黄成云.基于S-T分析法的教学过程对比分析――以网易视频公开课为例[J].中国教育信息化,2012,(11):58-60.

课堂大数据分析篇(5)

一、研究方法

本研究采取课堂实录法,以评价理论为基础,对高中数学教师的课堂教学行为进行评价,结合《数学教师课堂评价行为观察表》(此表将教师的课堂评价行为分别从评价主体,评价内容,评价方式,评价类型四个维度进行统计)对当前高中数学教师的评价素养进行了研究.

二、研究过程

研究从芜湖市的四所学校选取了四位资深的数学教师,教学基本功都相当扎实,在此分别称为Y1,Y2,Y3,Y4,重点听取了他们的四节公开课.我们在研究的时候为了还原课堂,在听课时,我们用录音笔记录下了整堂课,课后对原始材料进行了整理和分析,再用数据统计软件进行了统计分析.

三、数据的整理和分析

结合课堂的初始资料,利用SPSS对数据进行了统计分析,通过横向和纵向的比较,以进一步说明当前数学教师的课堂评价素养现状.由于篇幅限制,在结果分析中对原始数据呈现的图表略去.

四、研究结果分析

1.评价主体形式化:教师评价为重心

评价主体主要分为学生自评,学生互评,教师评价,师生互评四个部分,对数据进行了整理和分析:从分析结果可以清晰的看出,四位数学教师在课堂教学评价中,教师评价占据很大的比重,其次是学生自评,学生互评,最后是师生互评.

通过数据分析可知当前数学教师的课堂评价素养仍然是以教师评价为主体,但值得肯定的是学生自评和学生互评也占有一定的比重,在师生互评环节相对较薄弱.这表明新课程理念下的“以教师为主导,学生为主体”得到一定程度的推广,但仔细分析课堂原始数据,会发现教师“一言堂”的现象较为严重,学生互评,师生互评形式化倾向严重.

2.评价内容功利化:侧重知识技能

评价内容主要分为三个部分:首先是知识与技能,过程与方法,情感态度价值观.通过数据分析得:数学教师在评价内容的选取上主要选取三维目标中的“知识与技能”,其次是过程与方法,最后是情感态度价值观.值得肯定的是当前数学教师在教学过程中关注学生的“情感态度”,注重学生正确数学观和人生观的建构.比如,Y2教师在讲高一“对数与对数运算(第一课时)”时,引入对数概念之后,介绍了对数的发明史,以及数学家纳皮尔和布里格斯等人的感人故事,让学生感受到数学家们之间的真挚感情.Y4教师在讲解高一“指数与指数的性质”时,也向学生介绍了“指数爆炸”和“百万富翁破产”的具体生活实例,引导学生感受数学的用处以及数学的严谨性.相对欠缺的是在“过程与方法”部分,可能是由于课堂时间限制,给学生探索提出问题和总结思想方法的时间相对较少,学生少了探索,也就少了创新.

3.评价方式单一化:口头评价为主

评价方式主要分为五种:口头,手势,体势,声调,书面.对数据的整理分析得到:评价方式主要以口头评价为主.其次就是声调,手势,最后是书面和体势.数学教师在评价方式上相对单一,口头评价占据了大部分的比重,其他对学生评价大部分就是学生到黑板上做题,然后对其进行评价.利用“声调”进行评价的频率相对“手势”“体势”较高.而利用声调进行评价几乎是教师的无意识行为.例如Y4教师在讲“指数函数的性质”时,在课堂引入部分,提供了一个情境:一张A4大小的纸最多可折几次?正确答案应该是7次,当学生回答8次时,Y4教师的声调明显提高说:“你能折出8次?”(声调逐渐上升)随即向学生解释最多折七次.

4.评价类型效率化:“无评价”过多

评价类型主要分为三类:判断型评价,解释型评价和无评价.(这里的判断型评价时指数学教师对于学生的回答仅仅是判断对错;解释型评价是教师不仅判断对错,还对问题进行一定程度的剖析,对数学思想方法和解题策略进行归纳;无评价主要指以下四种情况:重复学生的话语过程;引导学生自我修正;教师打断,让其他学生代答,教师打断修正.),数据分析得到:数学教师在评价是以判断型为主,其次是解释型,一般教师是在判断的基础上,结合学生具体的需求进行解释.但是有一个普遍的现象,数学教师在学生回答问题之后“无评价”的比例过高,占19%,这可能是受数学理性思维的影响.对学生的回答“无判断”在一定程度上会挫败学生的学习积极性,应尽量避免.比如,教师Y3在讲“对数的运算”时,引导学生推导对数运算法则,让学生思考一段时间后,问学生S1对“logaM+logaN=logaM・N”推导的思路,生S1只回答了如下过程后就开始犹豫:

课堂大数据分析篇(6)

文章编号:1005C6629(2017)4C0006C06 中图分类号:G633.8 文献标识码:B

课堂教学行为是课堂教学活动的中心,是影响课堂教学质量的重要因素。研究课堂教学行为具有积极作用,有助于教师课后反思,还有助于教师分析学生课堂表现,从而提高课堂教学效率。

1 FIAS课堂互动分析系统解析

研究课堂教学行为工具多种多样,如贝拉克教学分析、梅汉对话分析、卡兹顿社会语言学分析、弗兰德斯互动分析法,其中弗兰德斯分析系统是最经典、最著名[1]、最成功[2]、操作性较强的课堂分析技术之一[3]。

1.1 FIAS课堂互动分析系统简介

上世纪60年代,弗兰德斯提出语言行为是课堂中主要的教学行为,占所有教学行为的80%左右,因此评价一堂课的最佳方法是对课堂内的师生语言行为进行互动分析[4]。弗兰德斯通过大量实验建立了互动分析系统,简称FIAS(Flanders Interaction Analysis System)[5],该系统运用一套编码记录师生互动的重要事件,来分析研究教学行为,了解互动情境中事件的影响,以帮助教师了解并改进其教学行为。

FIAS主要包括三个步骤:(1)建立一套描述课堂言语互动行为的编码系统,将教室中所有师生语言互动情况分为10个类别。(2)设计标准,该标准用于规范观察和记录编码。(3)将记录到的言语行为录入到编码系统中,并通过矩阵表格形式表示出来。将每一个代码分别与前一代码和后一代码结成一“序对”(orderpair),10类语言行为纵横组成10×10阶矩阵(matrix),每一序对的前一个数字表示行数,后一个数字表示列数。例如,(1,5)表示在第1行、第5列的方格中计入一次。数据分析利用改进的计算机软件进行矩阵分析和曲线分析[6,7]。

1.2 FIAS迁移矩阵

迁移矩阵见表1,各区域代表的意义为:区域D表示学生课堂沉寂;区域E表示教师在课堂上表扬学生、接纳学生情感、接受学生意见;区域F代表课堂教学过程中教师对学生行为的控制;区域G表示教师以间接影响终止学生讲话;区域H代表教师以直接影响终止学生讲话;区域I代表教师哪些行为促进学生参与课堂;区域J代表学生发表意见和交流;内容十字区域表示教师提问和讲授[8,9]。

1.3 FIAS互动分析系统的优势与不足

FIAS互动分析系统在许多方面都作了革命性的突破。一方面,FIAS分析系统从课堂教学结构、教师教学风格倾向、学生活动主动性三方面对课堂教学行为进行分析,科学而真实地展现课堂教学全貌,丰富了课堂教学行为的研究方法;另一方面,在观察范畴上,它是一种系统的(Systematic)、有结构(structured)的观察,对每类语言行为都下了操作性定义,便于观察者对课堂语言行为进行甄别、归类;在记录方式上,它用“代码”客观地记录下了课堂内所发生的事件及其序列,这些“代码”基本上反映了课堂教学的原貌,为随后进行的评价奠定了扎实的基础,克服了传统课堂教学评价的主观性,大大地提高评价的客观性和科学性;在处理方法和结果使用上,它把复杂的课堂教学现象转化为相对简单的数学问题,采用矩阵和曲线分析,形成一定的数学结论,然后把数学结论还原为教学结论,及时反馈教师在教学中存在的问题,提出改进方案,具有较强的诊断性。它既是一份评价的清单,也是一张改进的处方,是一种比较理想的定量评价法。如果教师借助于录音机、摄像机,还可以运用弗兰德斯课堂互动分析系统记录、分析自己的课堂教学,无须外来的评价者,为教师提供一种很好的反思自己教学的工具[10,11]。

就像所有的课堂语言行为分析法一样,FIAS互动分析系统仍存在以下不足:(1)该系统只反映口语行为,不能反映出实验、板书、教学媒体等非口语行为,不能真实地反映课堂教学全貌;(2)该分析系统重视教师在教学中的行为表现(有7类别),忽视学生在课堂教学中的行为表现(仅有2类别);(3)该分析系统所转化后的量化数据虽然能较好地反映教师教学风格,但无法回溯分析到底是哪些话语而得到此数据[12,13]。

2 研究工具设计

2.1 改进思路

化学实验是一门以实验为基础的学科,而研究发现板书和多媒体技术也是影响课堂教学行为的重要因素[14]。基于以上FIAS互动分析系统的不足和已有研究,在原始FIAS互动分析系y中增添了实验、板书、教学媒体等非口语行为(增添了10-14、15类编码),将原始FIAS互动分析系统由三维度增添为五维度、10个编码细化为16个编码。改进后的互动分析系统简称为3C-FIAS(FIAS Based On Contenporary Chemistry Class)互动分析系统(见表2)。与原始的FIAS互动分析系统相比,3C-FIAS互动分析系统具有以下优势:(1)编码系统包括语言行为和非语言行为2大类,可以较好地反映化学课堂上教师与学生的实验操作行为、多媒体技术在化学课堂教学中的运用、课堂上不同含义的“沉寂”行为和“学生讨论”情形,更符合化学课堂教学实际,更全面;(2)直观的动态曲线分析法。以课堂教学行为比率动态特性曲线来呈现,可更清晰、直观地分析化学课堂教学行为;(3)与国内此前已有关于化学课堂教学行为研究分析系统相比,3C-FIAS可以在一定程度上解决国内改进中存在的化学课堂教学行为编码分类不全面或编码个数过多的问题,更好地体现化学实验、技术操纵在师生课堂教学中的运用情况,全面地观测学生在课堂教学中的参与度[15,16]。

2.2 3C-FIAS互动分析系统操作步骤

3C-FIAS互动分析系统操作步骤沿用了原始FIAS互动分析系统步骤。具体步骤为:

(1)数据采集。对课堂记录进行描述性分析,以3s为单位将有效课堂片段分离出来;

(2)数据统计。根据3C-FIAS编码原则对分离出的有效课堂记录进行编码,并形成序列对;

(3)数据分析。将得到的序列对根据迁移矩阵的原则汇编成3C-FIAS迁移矩阵,对于获得的3C-FIAS迁移矩阵,可以采用2种方法来分析研究,分别是互动分析矩阵法、动态特征曲线分析法。

2.3 3C-FIAS分析方法

2.3.1 矩阵分析法

3C-FIAS互动分析系统1~9编码沿用了原始FIAS矩阵分析结果,新增的编码区域意义具体如下:区域K表示通过多媒体操作促进学生参与课堂的行为;区域L表示师生进行实验操作;区域M表示课堂沉寂;区域N表示课堂师生教学过程中使用多媒体辅助技术和实验[17]。

2.3.2 比率动态特征曲线分析法

宁虹、武金红等人提出动态特征曲线,并指出通过绘制主要参数的动态特征曲线能更细致、客观、真实地挖掘课堂教学行为背后所隐藏的教学行为[18]。比率动态特征曲线的绘制方法为:纵坐标代表师生语言行为,分别由行为代码1、2、3、4……来表示;横坐标代表时间,以3秒钟为时间单位,依次为3、6、9、12、15……,两者构成一个坐标系,将行为与时间的交点用线段连接起来,构成曲线,它基本可以反映出师生语言行为持续、衔接和变化情况。各行为比率计算方法见表4[19,20]:

3 3C-FIAS互动分析系统应用案例

3.1 研究对象

本研究以高中化学必修二第一章第三节“化学键”第一课时“离子键”为例,分别选择3位新手教师和3位专家型教师,对课堂教学行为进行对比研究。

3.2 研究假设

反复比较新手教师和专家型教师六节课堂实录,初步感知新手教师和专家型教师在提问模式、多媒体技术应用、实验操作等方面存在明显差异,具体如下:

(1)提问模式:专家型教师偏向于使用驱动问答,新手教师采用“满堂灌”或形式上的“讨论式”和“启发式”。

(2)多媒体技术应用:新手教师在六节课堂实录中都借助了多媒体辅助教学,专家型教师六节课中大多数采用板书。

(3)实验操作行为:新手教师大多数采用演示实验或视频,专家型教师多采用学生操作实验。

专家型教师和新手教师在这三方面的差异只是初步感知,究竟是否存在这样的差异就需要一个量化工具,而3C-FIAS互动分析系统作为一种现代课堂教学行为分析工具,能从提问模式、多媒体辅助技术和实验操作等方面对课堂中师生行为进行更细致分析。

3.3 结果分析

3.3.1 迁移矩阵分析结果

一位专家型教师的迁移矩阵见表5(为节约空间,省去新手教师的分析结果),从提问、技术与实验等层面对两类群体进行比较。

(1)提问方式结果分析:迁移矩阵中(4,4),(4,8),(8,4),(8,8)四个序列对代表教师提问驱动学生回答[21];(9,9),(9,3),(3,3),(3,9),(8,3),(4,9),(8,9),(4,3)八个序列对表示教师通过接受或采纳学生意见引导学生主动发言的情况,代表创造性提问的程度[22]。分析专家型教师和新手教师这些序列对,发现专家型教师与新手教师在问题驱动学生回答和创造性提问程度两方面序列对频数为105、48和107、59,专家型教师显著高于新手教师。也就是说专家型教师更偏向借助驱动力和创造性提问调动学生,而新手教师看似采用了“启发式”和“问答式”,实则是“强加”式和“灌输”式[23](当代表提问驱动和创造性提问程度序列对频数低于常模频数63时为“强加”和“灌输”式[24])。

(2)技术和实验操作结果分析:区域G(教师对学生间接制止影响学生讲话)这一序列对专家型教师和新手教师频数为43和67,说明新手教师偏向间接制止学生,这一结论是初期未预测到的;区域K(多媒体技术)专家型教师和新手教师序列对频数为121和147,也就是新手教师善于运用多媒体辅助技术,区域L(师生实验操作)专家型教师和新手教师序列对频数为139和73,区域L中专家型教师和新手教师课堂(14,14)序列Γㄑ生操作实验)频数为66和12,说明专家型教师注重培养学生独立实验操作能力;M区域(沉寂)序对频数为32和59,其中新手教师课堂中(16,11)序列对(教师实验操作引起学生无效行为)频数为37,进一步研究发现实验视频播放是造成学生课堂无效行为的主要原因。

3.4.2 比率分析法分析专家型教师与新手型教师课堂教学行为

比率分析结果见图1,从左到右四个点依次代表技术比率、教师操作占技术比率、学生操作占实验比率和实验比率。这四项中只有技术比率新手教师(0.185)大于专家型教师(0.127),其余三项专家型教师均大于新手教师,这与之前的序列对分析结果相一致。进一步分析发现基本在技术应用比率高峰后都会有教师较小的语言比率高峰出现,说明教师在整堂课中,先使用技术呈现教学内容,再对教学的内容进行分析;新手教师在17min和40min左右各有一个沉寂比率高峰,这个高峰期是学生在观看视频、做练习。可以看出,随着技术的使用,学生语言也不断提高,说明了技术的应用能够带动学生积极参与到课堂教学中,积极回答问题,这一结论与初期的猜想相吻合。

3.4.3 动态特征曲线分析专家型教师与新手教师课堂教学行为

根据课堂实录和行为比率计算结果,以时间为横坐标,行为比率为纵坐标绘制动态曲线,专家型教师(如图2所示)和新手教师动态曲线。

通过动态曲线图分析发现新手教师教学一般流程中,教师与学生的语言基本呈“T(教师)-P(学生)-T-P-T-P”模式分布,这种模式属于“传递中心教学”,其特点是教师与学生一问一答,教师主导教学过程,其实质是教师向学生单项的传递知识,学生被动的接受知识的教学。而专家型教师的教学流程多表现为“T-P-P-P-P-T-P-P-T-P-PP-T”模式,这种模式属于“对话中心的教学”,也叫做“师生共同探究式教学”,其特点在于:“学习的过程体现在教师与学生反反复复的对话中,体现在探究和发现真理的过程里”。

4 总结展望

3C-FIAS互动分析系统从提问方式、实验操作和多媒体辅助技术等方面分析了专家型教师和新手教师课堂教学行为差异,分析结果与初期猜想结论相符。研究分析得出新手教师制止学生行为时多采用间接制止学生行为方式,产生这一现象的原因可能是新手教师处于成长初期,渴望得到学生的认可和配合。

3C-FIAS互动分析系统对于实验操作中专家型教师与新手教师差异性结果验证需要选择实验课进一步验证。动态特征曲线不仅能用于分析课堂教学过程中师生情感交流、师生提问互动情况,也能分析课堂教学模式,这是本研究得出的新的结论。

3C-FIAS互动分析系统不仅能从教师行为、学生行为、课堂沉寂实验、实验多媒体辅助技术等方面对新手教师和专家型教师课堂行为进行分析,而且从学生实验操作、教师实验操作、教师使用多媒体辅助技术、学生使用多媒体辅助技术等维度对专家型教师和新手教师课堂教学行为进行差异性分析,能更加科学而真实地反映课堂教学行为。

总之,3C-FIAS互动分析系统具有一定的科学性、实用性,为课堂教学行为的分析提供了量化工具,也为教师相互学习和借鉴提供了工具。但由于课堂活动是一个动态的、变化的活动过程,要分析这种复杂的、多变的课堂教学活动,任何一种方法都存在一定的局限性,这就需要研究者根据自己的研究目的,结合多种课堂行为互动分析方法进行分析。在应用3C-FIAS互动分析系统分析课堂教学行为时要考虑影响课堂活动行为的多种复杂因素和学科特征,再根据研究目的结合描述性观察、访谈等尽可能地使课堂教学行为得到真实的反映。

参考文献:

[1][6][10]肖锋.课堂语言行为互动分析――一种新型的课堂教学研究工具[J].辽宁师范大学学报(社会科学报),2011,(6):40~44.

[2]杨玉琴,倪娟.基于FIAS的化学课堂师生言语行为个案研究[J].化学教育,2013,(5):31~35.

[3]刘立新. FIAS互动分析系统的改进及在中学化学课堂分析中的应用[J].化学教育,2015,(3):47~51.

[7][8] Flander Ned A. Analysis teaching behavior. Addsion-Wesley Publishing Company,1997.

[9] Silverman, Stephen & Buschner, Craig. Validity of Cheffers Adaptation of Flanders Interaction Analysis System. Journal of Classroom Interaction, 1990, 25(1~2): 23~28.

[12][14][18]宁虹,武金红.建立数量结构与意义理解的联系――弗兰德互动分析技术的改进运用[J].教育研究,2003,(5):23~27.

[11][13][15]高巍. Flanders课堂教学师生言语行为互动分析系统的实证研究[J].科学教育,2009,(5):36~42.

[16]韩美珠,赵晓云,辛鑫.基于ITIAS工具的高中英语课堂教学语言行为量化分析[J].山西师范大学学报(社会科学版),2014,(5):3~42.

[17][21]周莉.视频公开课教师课堂教学行为研究――以哈佛《公正》课为例[D].南京:南京师范大学硕士学位论文,2013.

[19]杨承印,龙彦达,杨帆.专家型中学化学课堂教学个案研究[J].化学教育,2016,(11):43~46.

[20]高瑛,马宏佳,林康丽.研究现代化学课堂教学行为的量化工具- 3C-FISA [J].化学教育,2016,(5):37.

[23] Peace, Sandra DeAngelis & Sprinthall, Norman A.. Training School Counselors to Supervise Beginning Counselors: Theory, Research and Practice. Professional School Counseling, 1998, 1(5): 2~8.

[22][24] Freiberg, H. Jerome. Three Decades of the Flanders Interaction Analysis System. Journal of Classroom Interaction, 1998, 16(2): 1~7.

[10]u琴,张家华,尹艳芳.改进型弗兰德斯互动分析系统及其应用[J].技术应用,2015,(10):93~95.

课堂大数据分析篇(7)

中图分类号:G434 文献标志码:B 文章编号:1673-8454(2016)06-0031-03

近二十年来教育领域发生了许多重要的变化,包括教学内容的多元化、教学方法的现代化,这些变化得益于计算机、互联网等信息技术的长足发展。目前,信息技术的另一个制高点――大数据应用领域已经取得了突破性的进展,一个大规模生产、分享和应用海量数据的时代正在开启。

如何有效利用这些数据,使其服务于教育领域,优化教学过程,是教育工作者们亟待解决的问题。本文阐述了数据分析在英语翻转课堂教学中的应用,将标准化学习为主的教学方式转变为以学生为主体的个性化教学。

一、数据分析的概念

本文应用的数据分析技术包括数据挖掘和数据呈现两个方面。

数据挖掘,是数据库知识发现中的一个步骤。一般指对收集来的大量数据进行分析,提取有用信息和形成结论,并对数据加以详细研究和概括总结的过程。

数据呈现,是指经过数据挖掘以后形成的复杂信息,通过技术手段,以直观、清晰的方式呈现给用户,近年来数据可视化是数据呈现的一大热点。

数据可视化技术通过计算机图形图像和数据技术,将数据中隐藏的信息,以交互方式形象生动地展示给用户,辅助用户分析数据,发现数据中隐藏的特征、关系和模式,进而发现其中蕴含的规律。

在本文中,数据分析的对象主要包括:在翻转课堂教学过程中,教师的学习资源内容和组成成分、学生的个体学习特征库和整体学习特征库,以及学生在学习过程中产生的状态数据库。

二、英语翻转课堂的特点

“翻转课堂”源于美国的“Flipped Classroom”,是指重新调整课堂内和课堂外的教学模式。传统教学模式是课堂上教师讲授,课后学生通过练习消化;而翻转课堂则以学生为主体翻转过来,其模式是课前学生自主学习,课堂上教师引导学生内化知识。

翻转课堂将学习的主动权从教师转移给学生。学生在课外时间完成自主学习知识,而教师不会利用课堂的时间讲授知识。教师采用任务驱动法和协作法,引导学生学习的兴趣,让学生通过实践获得更牢固的知识和自主的学习能力。

英语教学与翻转课堂的完美融合,主要表现为以下几个方面:

1.课前自主学习环节

互联网为翻转课堂的课前教学提供了大量的优质教学资源。教师根据教学大纲和学生的学习水平确定知识目标、能力目标和素质目标,然后通过对互联网教学资源进行筛选形成课程学习资源库,之后在教学平台上,同时鼓励学生自主查阅资料。

学生学习资源后,通过教师的系统化知识自测题,了解自己对知识的掌握程度,检测自主学习的情况,教师也能获得学生整体的课前学习状态情况。

2.课上内化环节

教师对学生群体具有的共性问题进行讲解,课上侧重学生的语言实践,利用团队协作、分组对抗等生动灵活的教学方式,促进学生在课上活学活用,对知识内化。

3.课后拓展环节

教师根据课程要求和学生学习情况设计符合素质目标的课程作业,目的是让学生把所学知识和语言练习融会贯通,巩固学习效果。

三、基于数据分析技术的英语翻转课堂教学

1.可用工具:Excel、Infogr 与大数据魔镜

Excel作为常用的分析工具,可以实现基本的数据分析工作,包括数据排列、分类筛选等。同时Excel能够完成基础的数据可视化工作,特别是其擅长通过曲线图、雷达图、散点图等多种直观的分析图来呈现数据中蕴含的信息。

Infogr就是信息(information)和图像(graphic)的有机融合。在其官方网站infogr.am,教师可实现通过图像让繁琐并且令人无法直接获得结论的数据生成色彩丰富、形式直观的信息图,其不仅使用门槛低,而且能够使教师和学生在短时间内获得有效的学习状态信息。

在本文中,主要使用Excel和infogr来制作和呈现学生个体学习特征库,并给予个性化指导与建议。学生在阅读自己的图像档案时,会用一种欣赏的态度观看,通过仔细咀嚼启动脑中图像分析的成份,对自己的优点和缺点理解更深刻。

大数据魔镜是集数据挖掘和数据呈现于一体的综合性数据分析服务站点,主要提供数据整合、探索、挖掘、分享、控制多个角度的数据服务。教师可以利用魔镜站点通过整合多种数据,将不同数据联动分析出结果。通过一个直观的拖放界面就可创造交互式的图表和数据挖掘模型。在本文中,使用大数据魔镜来分析教师资源的内容和组成成分,以及以时间轴为基准的学生学习行为数据库。

课堂大数据分析篇(8)

中图分类号:G650 文献标识码:B 文章编号:1671-489X(2013)06-0090-03

1 研究背景

我国正在大力推进基础教育课程改革,面向信息化的教师专业发展成为教育发展的关键点。而课堂实践本身蕴涵着教师专业成长的丰富资源,通过对课堂教学的案例研习和反思,教师能够更加了解和反思自己的行为,提高专业技能。

本研究应用借鉴了由“国际教育成就评估协会”主持的TIMSS项目所采用的方法,利用录像带进行研究。与传统的课堂观察或者调查问卷相比,录像带观察具有不受人数、时间限制,多人、多角度重复观察,可复制性等特点,能为课堂的客观评价提供有力依据,运用数字化技术分析课堂教学过程,改变了以观察为主要手段而进行的实验研究。通过质与量的互补,帮助教师全面反思教学和客观评价,提高教师课堂教学的能力。

2 量化研究程序与分析说明

研究程序为:确定课堂信息处理的数据发生源选择样本课现场摄录录像带的数字化处理课堂教学信息编码统计分析。

本研究主要立足于对教师教学过程的分析,通过对教学过程的分解,明确构成教学的各种成分、要素、侧面,以对教学系统有一个明确的认识、理解和评价,包括教师在教学过程中与信息技术的整合程度、师生互动情况、学生主体性的是否得到发挥等方面。基于此,本研究随机选取一个应用多媒体计算机辅助教学的案例进行分析、评价,以此说明课堂教学的评价方法。

通过使用录像设备摄录教师整节课的教学现象,从时间与动作两个维度,对教师的教学做客观细致的分析与评价,即课堂教学的归类分析。目的在于建立相对稳定的课堂教学分析与评价体系,并力求使得这一体系具有较强的可操作性和较高的可信度,以弥补以往靠主观回忆的经验感觉型评价方式的不足,提高课堂教学分析与评价的客观准确性。

3 课堂信息数据编码及分析

在课堂教学行为的量化分析研究领域,比较成熟的是1970年美国学者弗兰德(Flanders)的互动分析系统FIAS。FIAS分析的要素是教学情境中师生双方的对话,利用一套编码系统把师生语言互动的情形记录下来,据此作具体的分析。

因此,FIAS包括3个部分:

1)一套描述课堂互动行为的编码系统;

2)关于观察和记录编码的标准;

3)一个用于显示数据,进行分析,实现研究目的的矩阵表格。

3.1 数据归类

根据弗兰德的互动分析系统FIAS的行为分类,结合教学的当前实际,增加能够反映学生行为的内容,以及能够反映技术与师生互动的内容。将沉寂进行进一步的分析,使其行为的反映更加合理。具体分类见表1。

根据此表,对教学过程中的行为记录按一定的时间间隔进行采样。选取一节40分钟的课,通过采样,得到教学过程的分类行为数据序列。此序列实际上是将教学过程以一定的编码方式转换成代码序列。这种编码方式是由分类表决定的。从此分类数据序列,可以看出整个行为的迁移过程、行为的分布和变化过程。

3.2 数据处理

对分类行为数据序列进行处理,迁移矩阵的纵向表示单元行为组中前面的数字(类别号),横向表示后面的数字(类别号)。矩阵中各个元素表示对应行为组出现的次数。通过行为组出现的次数统计,得出迁移矩阵。

通过迁移矩阵分析教学过程中两相邻项目间的迁移关系,得出本节课教师所呈现的教学设计的常规为:④③教师讲解后向学生提问;⑦④学生应答后教师总结;①⑦通过教师学生主动应答。

3.3 时序列分析

根据课堂教学行为迁移矩阵,利用统计工具,可以绘出教学过程的时序列图,如图1所示。这里只截取了教学过程开始部分的30个采样点。从图中可以分析教学过程中多个项目间的关系,即随时间的变化、教与学双方侧重点的转移。通过此图的分析,教学者可将其与事先的教学设计进行对比,进一步反思自己的教学过程。

从图中可以看出,教学过程的前7分钟,教师行为较多;随后的13分钟内,学生活动有所增加。这说明在教师的讲解引导后,学生主动参与了学习活动或问题的讨论。通过将教学过程截取为若干时间序列,可以在其基础上进一步考虑多个项目组成的序列间的相互关系。

3.4 交互分析

根据课堂教学行为迁移矩阵,利用统计分析软件SPSS统计出教师、学生在课堂各种行为的频度分布关系,见表2课堂交互行为比例统计表。

1)教师语言61%、学生语言30%,教师、学生语言比例适当,说明教师并没有成为课堂的主宰,造成“满堂灌”的现象,较好地反映了课堂中积极的学生行为。

2)教师通过指示期望学生回答与通过鼓励的方式促使学生回答的比例为14%,说明本节课的教师较好地运用了激励引导的策略,以一种不具威胁性的方式帮助学习者指向学习目标,使学生能够积极主动而非被动地思考和回答问题。

3)沉寂比例为6%,说明学生有部分沉寂思考和做练习的时间。由于采样频率的关系,没有出现课堂混乱情况。

4)学生讨论与应答比率为7.14%,比率较低,说明在学生回答问题过程中,经过讨论得出结论的较少,通常都是独立学习思考后的结果,学生的协作学习效果较差。这也是当前教育改革所强调的,要培养学习者的协作学习精神,从不同角度、不同侧面共同建构完善知识体系。

5)技术使用比例为3%,这是在FIAS中未体现的。随着科技的发展和教育的需求,各种信息技术手段不可避免地出现在课堂教学中,它们为优化课堂教学效果提供了保障。因此,技术的使用在研究中必不可少。

4 结论与反思

本研究主要运用归类分析对课堂教学过程进行分析、评价,为面向过程的教育评价提供思路和方法。但在实际实施中,还要注意三个方面。

1)与质性评价相结合。在量性评价的基础上组织教师、教研组、观察者进行讨论,把自评互评相结合,对讲课教师的教态、肢体语言、组织教学的能力等无法测量的信息进行评价、反思。

2)考虑研究的信度问题。在进行教学分析时,研究者要组成研究小组,小组成员在独立分析的基础上,要与同伴进行讨论,对研究过程和条件等进行清晰的界定。

3)采样间隔会对课堂教学分析有一定的影响,对于其具体采样时间间隔没有统一的规定,可以视具体教学案例的长度和师生行为持续的平均时间来定。在比较有影响的分类系统VICS和FIAC中,都推荐采样间隔为3秒。

参考文献

课堂大数据分析篇(9)

《商务智能》课程属于信息管理与信息系统专业必修课程之一。目的在于使学生掌握决策的基本原理、决策过程建模、决策支持系统的基本构成、决策支持系统的实施过程,以及通过商务智能技术解决实际的半结构化决策问题,同时加深对有关管理科学、统计学和数据挖掘技术应用的理解。该课程所涉及的软件相对来说困难一些,而且书中涉及到的软件过多,学生容易忘记,短时间不易掌握。为解决上述问题,我们准备采用“翻转课堂式”教学模式。

为了将《商务智能》课程做成一个翻转课堂,应事先把每节课相关的理论知识介绍和实验操作指南上传到在线课堂。然后学生在上课之前,去在线课堂平台提前预习这些知识,并且希望学生能够在上课之前,就能按照在线课堂上的指导,自己先做实验。学生课下提前做实验的过程中,会遇到很多问题,而且各个学生因为程度不同,各自遇到的问题也不同。对学生的这些问题的解答,安排在课堂上进行。上课时间就是用来帮助学生解决他们之前自己做实验所遇到的问题。并且在这种新的教学模式下,学生在课堂上会主动问很多问题。这种新的授课方式,可以提高学生自己做实验的积极性,以及增强他们对这门课的学习兴趣。计算机学科的专业课的特点是动手做实验很重要。很多理论知识、算法和操作技巧,如果只是课堂讲,学生没有实践操作,那么学生学到的知识会大打折扣。以前的教学模式是课堂上给学生讲很多实验操作方法,课堂留给学生做实验的时间很少,很多学生要利用课下时间来做实验。那么课下学生自己做,做的过程中遇到问题,如果不能及时获得解答的话,时间长了,学生自己也就忘记要问哪些问题了。还有一些学生刚开始做实验时,兴趣很高,做着做着,遇到的问题都没人帮助解决,时间长了,学生对实验操作也会失去兴趣。所以设计翻转课堂的目的,是改变传统的老师一个人在讲台上讲的教学方式,让学生在课堂上占据主动性,让他们主动问问题,老师的角色是帮助他们解答问题。

本课题组进行教学模式改革的第二项工作就是对期末考试方式进行一些改革。将传统的试卷考试转变为上机考试。本课题组的老师构建题库,通过学校提供的在线课堂平台来完成期末考试。考试时,学生登陆在线课堂,系统随机为学生组卷,每个学生的试卷都不同。考试结束后,系统自动评卷打分。这种上机考试的方式使得测试的知识点覆盖面更广,要求学生要全面复习。另外,由于各个学生的试卷都不同,就避免了考试作弊,还可以增强考试的公平公正性,也提高了效率。目前这个考试题库已经建成。后期课题组的老师将采用交叉检查的方式,对题库中的题目进行再检查,对一些有错误的题目进行修改。

此外,我们在讲授《商务智能》这门课时,结合大数据技术应用领域常用的数据分析技术进行讲解。如ID3分类算法和FP-Tree关联规则算法,在真实的数据集合上给学生安排课程实验,另外让学生课下自己从网上收集整理数据集,来完成以上算法的运行。为了突出我们教研室在进行此次教学模式改革中的创新性,我们在教材的最后添加了基于隐私保护的数据挖掘技术,强调在进行数据分析时,一定要考虑到不能挖掘出用户的敏感属性值。虽然我们拿到的实验数据,之前已经进行了数据清洗和预处理,但是如果挖掘分析算法不恰,那么也会从预处理后的数据中挖掘用户隐私。随着用户越来越重视个人敏感信息的保护,相关研究人员必须对传统的数据挖掘分析算法进行改进,添加数据安全和隐私保护技术,从而实现既能从大量的、模糊的、不完全的源数据中分析出隐藏在其中的、用户不知道的规则和知识,又能防止分析人员挖掘出用户的隐私信息。

为深化决策支持与商务智能课程的教学改革,我们将和 IBM、SAP 等企业的相关机构深入合作,共同讨论制定商务智能方向的专业课程,将企业应用商务智能的成功案例和项目实施过程,补充进课堂教学内容,使学生能够在项目实训中了解实际的项目环境并培养分析实际项目的能力,从而把先进的技术、方法以及企业的最佳实践项目引入决策支持与商务智能教学中,以满足学生对知识和能力培养的需求。

参考文献:

[1]Jian Wang, Le Wang. A New Anonymity-based Protocol Preserving Privacy Based Cloud Environment, Computer Modelling and New Technologies, Vol. 18, Issue:9, pp.139-144,2014.

[2]Jian Wang. A Novel K-NN Classification Algorithm for Privacy Preserving in Cloud Computing. Research Journal of Applied Sciences, Engineering and Technology, Vol. 4, Issue: 22, pp. 4865-4870,2012.

课堂大数据分析篇(10)

利用数字化平台从不同角度全方位立体式获取学校教学反馈数据,为教务教学部门分析学情、实训部门掌握学生实习状况、政教部门获取班级情况提供丰富、真实的一线数据,从而为学校规范课堂教学、决策判断提供数据参考。

数字化教学反馈平台包涵四个子模块:课堂日志平台、实习反馈平台、试卷分析测评平台、最受学生欢迎的老师(课)评选平台。

一、课堂日志平台

该平台采集每一位教师每一堂课的数据,实时反映全校每个班级每一堂课的基本情况。每一位老师上完课之后当天会对这堂课的基本情况做反馈,内容包括:上课满意度、学生考勤、听课教师等信息。同时,每个班级有指定的学生对这堂课做反馈,内容包括:上课纪律、上课老师是否提前侯课等信息。教务部门在一定的时间段对全校各班级和任课老师的数据进行统计和分析,并给出相应的统计数据和相关图表。

功能模块分为:教师课堂日志和学生课堂日志。教务部门根据课堂日志数据,定期反馈给全校教师,从各个班级一段时间以来的数据变化可以判断各个班级的教育教学状况,并及时给出对策或意见。

考核内容分为:a、学生考勤分析;b、课堂纪律分析;c、教师对课堂纪律满意度统计;d、教师听课节数统计;e、辅导课统计。

二、实习反馈平台

该平台以固定的时间采集每个实习班级每位实习学生的相关数据和实习班主任的反馈数据。功能模块分为:实习学生反馈表和实习班班主任统计表。

实习学生反馈的内容包括:①实习单位、部门、岗位及中途转岗的情况。②实习的具体工作时间、工作内容和实习津贴。③实践体会和实习中的偶发事件。实习班班主任的反馈内容包括:班级实习人数、就业情况、学生去向和联系方式等。

三、试卷测评分析平台

要使试卷的分析和讲评高效且落到实处,而且能给每位学生列出相应的提高学科学习的“处方”,真正做到因材施教,实施个性化学习,那么围绕试题及学生的答题情况进行统计分析是不可或缺的。以年段或班级为样本背景,真正关注学生个体,做到点对点分析。这种统计原则上以全班学生为样本,分三步进行。第一步是统计分析考点及题型。第二步是统计考试结果:对全班的成绩分布情况(及格率、平均分、优秀率)进行统计,并且要有个纵向比较,发现成绩进退情况或差距,以便加以及时督促或鼓励。第三步是统计各题的得失分情况:通过统计,能够发现学生对哪部分知识掌握较好,哪部分失分较严重,并能有针对性地分析学生的错误情况,了解其思维过程,找出错误根源所在,以便讲评时有的放矢、对症下药。整个统计过程如果是“手工”劳作,无疑是一项繁杂而艰苦的工程。该平台采集每一个班级每一位同学针对某次考试、测试中的反馈数据。为任课老师分析班级学情,更重要的是学生个体学习,提供了最完整最直接的数据,为老师的试卷分析课和点对点指导,采集了丰富的数据,并给出初步汇总和分析,从而提高老师的工作效率。试卷分析平台,包括课前分析和课后分析,使老师的每次测试发挥其最大的教学功效,同时有助于提高学生学习的针对性和质量提升,这将极大地促进课堂教学的良性循环。

功能模块分为:课前分析和课后分析。

数据内容:各科目试卷的学生考试数据和课后分析结果。

四、最受学生欢迎的老师(课)评选平台

这是一个小结性的评价反馈平台。我校目前在每学期的期中和期末各做一次“最受学生欢迎的老师和课”的评选活动,这是全校学生参与的对每一位任课老师的阶段性综合评价,从一定层度上反映了任课教师的教学成果和在学生心目中的位置。这是一项激励教师提高自身教学水平和修养的制度,学校将排名靠前的老师张榜公布,这也是对这些老师精神奖励。

功能模块分为:最受学生欢迎的老师评选和最受学生欢迎的课评选。

数据内容:学生对老师、课程欢迎度的数据获取,已经留言。

从课堂日志平台和实习反馈平台对日常教学的每一节课、学生实习的每一个时间节点的反馈,到试卷分析测评平台对单元测试或期中考试这样的阶段性反馈,再到最受学生欢迎的老师(课)评选平台期末总结性的反馈,体现了数字化教学反馈平台覆盖的全方位;从课堂日志平台对每一堂课的教学管理反馈到试卷分析测评平台对学科教学内容的反馈再到实习反馈平台对学生实习的反馈再到最受学生欢迎的老师和课评选平台对学科老师综合性评价的反馈,体现了数字化教学反馈平台构建的立体式。

笔者通过近一个学期的实践,已经在规范日常教学过程、试卷分析等方面取得一定成效。下一步将深化研究,完善数据反馈平台各个功能模块,为学校教学、德育、实训提供更有利的数据支撑。

参考文献:

[1]袁利,谢佳丽.《教学日志对语音课堂中师生互动的启示》,2009.11

上一篇: 科技的人工智能 下一篇: 护理业务学
相关精选
相关期刊