測評大數據支持下的高中生物答題障礙分析

摘?要：高中生物科學教學中的練習題、測試題是培養學生問題解決能力的重要載體，常態化的測評大數據能夠有效地支持高中生物答題障礙分析，從而更好地培養學生的生物學問題解決能力。

關鍵詞：測評大數據;答題障礙;高中生物

一、 答題障礙的原因與分析價值

問題解決是一項基本的人類活動，R·M·加涅在《學習的條件》中將其作為學習的最高形式，問題解決也已成為當前教學實踐中不可或缺的組成成分。

（一）答題障礙的產生原因

基于教學現實，高中生物學科問題解決主要指的是各種層面的生物練習題、測試題的解答，包括選擇題與非選擇題的解答。認知心理學認為，問題解決的一個完整的過程包括：理解與表征問題、設計方案、執行方案和評價結果，受不同因素的制約，當學生在問題解決的某一階段出現錯誤時，就會遇到答題障礙。

問題表征說明問題在頭腦中是如何呈現、如何表現出來的。雖然高中生物學問題解決符合一般問題解決模式，但問題表征所占時間較長，說明問題表征是問題解決的中心環節，對問題的解決具有極其重要的作用。許多答題障礙不在于解決問題的策略不當，而是在關于問題性質的認知表征的建立上存在問題，因此分析學生對生物學問題的表征是了解學生答題障礙的重要途徑。問題表征需要解題者根據自己的知識經驗感知問題外部特征，揭示問題的內在實質，這一過程受各自內外因素影響，如專門知識、學習風格等。根據問題表征過程與實踐需要，本文對答題障礙歸因為：

（二）答題障礙的分析價值

優化學生的認知結構，從而強化學生能力的培養是形成核心素養的重要內涵。學生在問題解決過程中表現的不同障礙，正是認知結構中需要優化的環節的具體展現。因此，進行答題障礙分析是實施精準教學的需要，有利于教學決策從主觀推測走向實證分析，優化教學目標設定和教學策略選擇。通過答題障礙的分析，還可以培養學生的元認知能力，讓學生在問題解決過程中獲得成就感。

二、 測評大數據的來源與局限性

測評大數據是基于測評活動獲得的學習數據的集合。金生鈜在智能化教育測評的思想實驗中，說明了數據化測評未來發展的可能性，“以數據為本的教育測評的大數據化趨勢已經明顯”。但受限于技術發展水平、智能設備的普及情況和教育評價現實，廣義的大數據還難以深入到日常教育活動，而常態化的練習與測試為過程性學習數據的采集提供了可能。

（一）測評大數據的來源

周測、月考和期中期末考試是常態化的教學活動，也是測評大數據的主要來源。以智學網、極課大數據平臺等為代表的教育大數據分析平臺，為常態化、智能化的數據采集與分析提供了可能。當前已有平臺主要借助標簽技術，采集、分析試題特征和學生的答題情況。

從試題特征看，主要有試題的題型、試題考查的知識點和難度系數等。從學生的答題情況看，主要有得分與得分率、個體總分與排名、班級平均分與排名等。值得一提的是，階段性的班級學情分析與學生個體知識點掌握情況分析功能也逐漸完善，測評數據的挖掘逐漸深入，對教與學的反思更具指導意義。

（二）測評大數據的局限

基于已有平臺采集的測評大數據使得學習評價更加及時、精準，但由于技術和應用條件限制，測評大數據也存在明顯的不足。一方面，測評大數據能夠提供基本的成績信息和知識點信息，也采用了可視化方法方便老師了解相關信息，但關于答題障礙的原因信息就相對比較匱乏，能了解答題障礙的結果，卻基本無法指出答題障礙的原因;另一方面，通過為試題標注考查的知識點以判斷知識點的掌握情況，忽略了試題本身的能力水平要求，側重知識評價而忽視能力評價，使得階段性的知識點掌握情況分析的準確性有所不足，制約了其實際的運用價值;再次，高中生物試題通常為選擇題與非選擇題，測評大數據對客觀題的分析較為詳細，可以了解到對學生的強干擾選項，但對非選擇題的分析就相對不足，僅能反映試題的得分情況，而答題的具體情況就相對較少。

三、 測評大數據支持答題障礙分析

測評大數據由于其智能化的特點，能夠極大地提高分析學生答題障礙的效率，同時由于測評大數據存在的局限性，其使用過程中還需結合教師的工作經驗。

（一）支持障礙統計，全面分析答題障礙

目前，基于試題的錯誤率高低確定需要講評的試題，是測評大數據在教學實踐中最基本，但也是重要的利用方法，試題的錯誤率能夠幫助老師較為客觀地確定學生的學習障礙，從而使得課堂教學更有針對性，提高課堂效率的同時也能夠讓學生認同課堂的價值，讓大多數學生能夠在問題的解構中獲得成長。

在通過測評大數據了解到學生普遍的答題障礙后，還可以基于答題障礙歸因，進一步統計分析學生的高頻錯題答題障礙原因，從而使得測評大數據的利用更加深入，更加接近學生答題障礙的真實原因，為教學設計與問題解決提供全面、深刻的數據信息。另外，學生進行答題障礙歸因的過程，也是促進學生進行反思的過程，有利于培養學生的元認知能力。統計表格設計如下：

學生基于答題障礙歸因，在相應一二級障礙處以寫“正”字方式記錄障礙頻次，相對方便直觀。與基于教師推測的標簽技術相比，該方法效率相對較低，且沒有可視化方法支持，但來自學生的自評數據會更加符合真實情況。

（二）支持精準面批，直接了解答題障礙

面批是以答題結果為中心的師生面對面交流以達到作業批改目的的教學行為。面批是中小學老師普遍采用的教學反饋策略，不僅可以較好地進行因材施教，而且有助于增強師生交流，拉近師生情感距離。數據化的外顯行為結果描述豐富復雜的人類思維與情感，事實上，任何答題障礙歸因模型都簡化了答題障礙分析，使得這一過程中的信息必然會有損失，只有在面對面的交流過程中，讓學生通過語言表達直接暴露其表征問題的過程，才能真正了解學生的答題障礙。

目前高中一個教學班的生數較多，而且每位老師通常需承擔多個班的教學任務，這使得面批難以大面積實施。在測評大數據的支持下，教師能夠更加高效地了解測評結果，區分哪些問題是普遍存在的，哪些學生存在共性的答題障礙，從而可以有針對性地篩選面批對象和面批試題，提高面批的針對性和效率，也從而能夠在面批過程中了解學生答題障礙的真實原因。

（三）支持障礙分析，精準推測答題障礙

教育大數據作為推動教育信息化的外生力量，正使得教學決策從經驗向實證方向發展，從哲學分析向數據說話方向轉變，但問題解決過程是復雜內隱的信息加工過程，無論是選擇題還是非選擇題的測評大數據，通常只能說明測評結果，而不能從個體和班級的層面說明導致這一結果的原因。因此，需要從測評大數據出發，結合教學經驗對答題障礙進行分析。如：

下列有關細胞的敘述，錯誤的是（?）

A. 藍藻細胞的DNA分子為環狀，復制時以一條鏈為模板

B. 吞噬細胞的溶酶體中含多種水解酶，有非特異性免疫作用

C. 洋蔥鱗片葉表皮細胞的細胞液滲透壓低于外界溶液時，會滲透失水

D. 人體成骨細胞每分裂一次，染色體的端粒DNA序列會縮短一截

本題實測難度系數為0.6，強干擾選擇為B項和D項。根據班情分析，學生能夠識記并理解溶酶體中含有多種水解酶、吞噬細胞能夠參與非特異性免疫，推測學生沒有理解吞噬細胞參與非特異性免疫的機理，因而沒有建立溶酶體與非特異性免疫的關系;D項的成骨細胞對學生而言是陌生的，由于練習中使學生強化了“能夠分裂的細胞核DNA才能復制”的觀念，使得學生在人體成骨細胞是否能夠分裂上過于糾結，同時由于端粒學說位于教材的小字部分，對于其具體的機理學生不甚了解，從而導致答題障礙。而正選項“復制時以一條鏈為模板”相比平時練習，少了“只”字，對學生的提醒不足，從而受干擾選項影響，導致本題的答錯率較高。

測評大數據使得答題障礙的分析更具針對性，更接近學生答題障礙的真實情況。

參考文獻：

[1]汪安圣.思維心理學[M].華東師范大學出版社，1992：58-71，98-112.

[2]孫瑞嫻.高中生物生物學問題表征特點的研究[D].山西師大教育，2004.6.

[3]賀迎飛.高中生生物學問題表征的理論與實踐研究[D].華東師范大學，2008.5.

[4]金生鈜.大數據教育測評的規訓隱憂——對教育工具化的哲學審視[J].教育研究，2019（8）.

作者簡介：

吳進強，福建省泉州市，泉州第一中學。