小學數學作業平臺個性化作業支撐力分析

張海　王年超

[摘 要] 統一的作業布置，實質就是把諸多變化因素都歸納到一個大而全的作業體系中。雖然面面俱到，具體到每一個學生身上卻是低效的。學生完成的作業并不有效針對自己的問題，費十力而不得一效。所以，構建個性化作業體系，讓每一個學生完成適合自身學情的作業，是現在作業改革的一大研究方向。

[關鍵詞] 大數據;作業平臺;個性化學習;支撐力

艾賓浩斯遺忘曲線揭示：如果不復習，一周后知識記憶率只能達到13%;而恰當進行復習，則可保持在86%。可見，作業是學生學習過程的一個重要環節。適當地通過作業復習鞏固，是促進學習連貫性的重要保障。這正是我國教育長期以來重視學生作業的一個原因。然而，每一個學生的學習能力都是不一樣的。隨著學習活動的進行，學生學習狀態也處于一個動態變化的過程中，對新授知識的掌握水平也相應變化。統一的作業布置，實質就是把這些變化因素都歸納到一個大而全的作業體系中。雖然面面俱到，具體到每一個學生身上卻是低效的。這就造成了作業負擔重等現象屢禁不止。所以，構建個性化作業體系，讓每一個學生完成適合自身學情的作業，是現在作業改革的一大研究方向。為了確保作業布置的及時、有效，基于大數據信息收集處理的作業平臺構建迫在眉睫。下面本文將以理想模型為基準，對我國運用范圍較廣的A、B兩個平臺進行分析（A、B為代稱），探討現有作業平臺對個性化作業布置的支撐力度。

一、個性化作業布置系統理想模型的建構

個性化作業布置系統要實現作業的精細化、針對性推送，需要注意兩點：第一，不同學生的學習能力各不相同;第二，同一學生的學習狀態是有起伏變化的。所以，我們認為，應對學生個體學習能力有一個整體評估，然后不斷根據學生情況變化進行微調。具體實施過程是：通過大數據方式以中長期為時段系統收集學生學習狀況信息，進一步加以分析，最終形成學生學習能力預期。在學生完成某一特定知識作業時，根據學生學習能力預期，精細化推送個性化作業，提供針對性的作業指導意見。然后根據作業完成反饋情況，及時進行反饋，指導學生修改，形成學習實時反饋體系小循環。小循環系統的反饋進一步形成了大循環系統的新的數據，使學生學習狀況大數據信息及時更新，實現對學生學習能力預期的動態調整，從而對學生實際學習情況能有更為精確的把握，最終實現個性化作業的精準推送。

二、對現有小學數學作業平臺的對比分析

受制于信息技術實力，目前作業平臺顯然無法達到理想模型狀態。但是，有研發基礎與無研發基礎在后續平臺改進過程中所需要消耗的人力物力資源是不同的。若平臺功能可以支持理性模型的簡化形態，則可認為是便于實現的，也就是對個性化作業支撐力較高。若平臺功能難以支持理想模型的簡化形態，則可認為是難以實現的，也就是對個性化作業支撐力較低。將理想模型簡化后，可重點考察以下三點。

（一） 動態化分組

1.作業平臺動態化分組功能需求

要對學生布置個性化作業，需要盡可能多地對班級學生進行分層，以求趨近理想模型。劃分越細，越容易對應學生的個性化學習特質。同時，為了適應學生學習情況的變化，應當根據反饋及時對學生進行不同能力層次作業小組間的調換。所以，對于作業平臺來說，一要滿足盡可能多的分組的需求，二要滿足在不同小組間靈活調整的需求。

2.作業平臺動態化分組功能分析

A平臺設計有分組選項。可以通過“學生分組”功能，根據學情將學生分成若干小組。經過測試，分組沒有上限限定，可以做到一人一組。但是要在不同小組間調換，需要教師賬號操作。

B平臺中沒有設計分組選項。可以通過“創建班級”功能，創建多個班級來變通實現分組功能。經過測試發現，教師賬號沒有權限對學生班級進行調整，只能由學生進行轉換操作，而學生不能同時加入多個班級，需要退出后再申請加入新的班級。轉換班級后，原有作業數據也會丟失。同一老師對多個班級也只能布置同樣的作業。

3. 作業平臺動態化分組功能評析

對比兩個作業平臺，A平臺對分組功能支持較好，也具備一定的動態調整分組能力，在一定程度上能達到理想模型狀況。但整個過程尚需人工操作，操作過程較為煩瑣，還需要進一步改進，實現自動化處理。B平臺只是將傳統紙質作業實現電子化，對個性化作業領域尚未涉及。

（二）多層次作業布置

1.作業平臺多層次作業布置功能需求

要實現個性化作業布置，在多樣化分組基礎上，還應有對相應層次的作業題目布置。這就要求平臺題庫題目不僅數量要豐富，難易度還要有區分。最低限度應確保有簡單、困難兩個層次。通過從兩個層次選取不同比例數量的題目來實現個性化作業布置。如優等生甲可采用困難題目80%、簡單題目20%這一模板，學困生乙則可采用簡單題目80%、困難題目20%模板。同時，為了確保分組數量眾多情況下的個性化作業布置的切實可行，應以節省教師工作量為導向，布置過程應盡量實現自動化，通過平臺分揀題目。

2.作業平臺多層次作業布置功能分析

A平臺在智能組題功能中，題目類型有基礎訓練和分步解題兩個分類。基礎訓練有填空、判斷、選擇題三個類型。分步解題則是將復雜應用題分成數個步驟，引導學生逐步解決。無論是基礎訓練還是分步解題都有對應的全國平均正確率數據，可以用做題目難易度判斷標準。布置過程可選課內鞏固、拓展提高、易錯題專練等3個場景，綜合難度可選基礎、進階、培優等3個層次，總體來看可實現9種不同層次的作業布置。

B平臺在布置日常作業功能中，題目類型有課后鞏固、口算訓練、紙質口算、綜合拓展、單元復習等幾個類型，所有題庫題目均有平臺評定的難易等級，分為容易、困難兩個層次。課后鞏固部分智能組題選項有5個難度的選擇，對應5個層次的作業布置。另外，平臺注重口算練習，可通過口算訓練從平臺題庫中選取口算訓練題，也可識別紙質稿計算題，判斷題目對錯，并配有相應教學微課以供題目錯誤時對學生進行講解。綜合拓展分為趣味練習與重難點專練兩部分。趣味練習是運用數學繪本將一課知識進行串聯，引導學生讀繪本解決問題。重難點專練是將易錯題目組成3至5道一組的專項練習題，可供進行強化訓練。后面幾項與課后鞏固功能配合可實現作業布置靈活化這一目標。

3.作業平臺多層次作業布置功能評析

從作業平臺的主要功能來看，兩個作業平臺各有千秋，其亮點均趨向理想模型。A平臺設置的全國平均正確率數據，正是大數據運用的體現，可以實現動態調整題目難度。其分步解題功能，有利于學生學習復雜類型問題。B平臺數學繪本運用較好，題目類型多樣，能突出基礎口算訓練與重難點訓練，適合靈活布置作業。

（三）大數據信息收集與存儲

1.作業平臺大數據信息收集與存儲功能需求

要想實現個性化作業體系，離不開大數據信息的收集與存儲。需要收集學生一段時間的作業完成情況數據才能形成較為科學的學習能力預期。新的作業完成情況數據不斷以加權值形式歸入中長期學習數據庫，從而使學生學習能力預期數值不斷調整，最終形成個性化的動態作業體系。為了避免初學單元新課不適應使預期值劇烈變動，數據保持時段應不低于一個單元學習周期，數據收集內容應盡量豐富化，比如正確率、用時、錯誤題型等。

2.作業平臺大數據信息收集與存儲功能分析

A平臺在教師端練習預覽功能中可以找到學生的正確率、完成作業用時以及名次數據。在題目詳情中，可以找到每一道作業題的錯誤答案。而在布置作業選項中的單元復習鞏固功能，可以對通過平臺大數據分析得出的本區縣出錯率高的題目再練習。

B平臺在教師端作業詳情功能中可以找到學生完成作業用時、訂正正確率、平均分等選項。在題目正確率功能中，有班級完成特定單元模塊正確率數據。平臺的作業列表功能，可以查看作業日報、作業周報以及考試報告，班級題目完成情況數據與個人具體完成情況數據均可查到并且有對應的總成績分析、成績分布及題目成績分析報告。

3.作業平臺大數據信息收集與存儲功能評析

兩個平臺大數據信息收集能力較強，能夠對學生作業完成細節有詳細記錄。經過測試，兩個平臺數據存儲時間均可達到半年，能夠支持建構中長期學習數據庫。其中B平臺對學生作業完成情況以一定時間段為單位進行評析，接近理想模型的學習能力預期，進一步研發所需消耗資源較少。

三、對目前作業平臺個性化作業支撐力的總評

通過對比分析發現，目前A、B作業平臺在大數據信息收集與存儲方面已符合理想模型框架。在作業布置與動態分組方面尚處于探索階段，表現在：1.具體可選用的分層作業模型數量有限;2.教師更改布置作業過程煩瑣;3.已有作業數據不能直接利用于新作業的布置;4.只有A平臺能靜態分組，B平臺尚不能分組。所以，可將這兩個平臺歸位于從傳統統一作業向分層作業（個性化作業簡化形式）轉變階段。綜上所述，對于個性化作業體系，這兩個平臺均具有一定的支撐力，但是距理想模型尚有不少差距，需要投入大量資源進一步研發升級。

參考文獻

[1]付達杰，唐琳.基于大數據的精準教學模式探究[J].現代教育技術，2017，（07）：12-18.

[2]史寧中.大數據與小學數學教育[J].人民教育，2014，（23）：36-39.

[3]騰珺，朱曉玲.大數據在美國基礎教育中的運用[J].人民教育，2014，（01）：74-76.

[4]凌霄.國內外大數據教育應用研究的對比研究[D].深圳大學，2017.

[5] 曹美陽.基于極課大數據精細化高中數學分層分類教學[J].數學學習與研究，2018，（01）：86-87.

[6]萬榮根.個性化作業設計遭遇的困境及突圍[J].教學與管理，2008，（06）：70-71.

[7]陳芳. 淺談小學數學個性化作業設計[J].學周刊，2011，（03）：87.

[8] 莊曉蕙，劉慶歡，何雪萍，蔣玲.我國個性化作業研究：現狀、問題與展望——基于讀秀學術搜索數據庫與中國知網期刊全文數據庫的數據分析[J].教育學術月刊，2014，（10）：104-111.

責任編輯 王 慧