數據驅動下的生物教學改進

陳淼丹

(廣東省深圳市明德實驗學校 廣東深圳 518000)

在大數據背景下，隨著信息化在各行各業及人類生活中的滲透，人類社會將變得更小，更加智慧。而在教育行業中，教育教學活動也越來越依賴數據的科學性和客觀性。“智慧校園”“智慧教育”的概念亦在教育界盛行。而“智慧教育”的核心就是數據。鐘紹春、唐燁偉等在其文章中提及，學生學習行為的追蹤和學習結果的展示，應以學生學習的數據為依據，數據能為我們提供學生學習結果的反饋，同時可以作為我們調控教學的手段。通過學者的研究，我們可以總結，教育工作者能否科學采集和應用數據，并將其應用于教學工作，將決定教育教學的智慧程度。

在傳統日常的教學中，我們或許沒有能力創建數據平臺，但我們可以利用市區組織的各種質量檢測數據進行指導教學。接下來，本文將以深圳市福田區組織的生物教學質量檢測數據為例，闡述如何利用數據指導教學改進。

一、剖析數據，找出癥結

（一）總體分析，了解學生群體

本文以2017-2018年度第二學期本校七年級學生的生物成績為例，進行剖析。本次生物質量檢測，考查的是七年級下冊的內容，試卷難度適中，部分題目較靈活。本次考試參考人數54人，均分79.94，與區里最高均分82.94相比，相差3分。與福田區均分66.37相比，高出13.57分。具體見表1。我們的學生在整個區的學生層次中處于中等偏上水平，相對而言具有較大潛力，上升空間可觀。綜合圖1圖2數據發現，本校學生在生物方面的學習優生很少且不拔尖，后進生基礎十分薄弱且人員不少，兩極分化嚴重。70-80分的中間力量龐大，有待轉化。本校學生的情況呈“梨形”分布，急需提高優生率，轉化后進生。

表1 2017-2018年度第二學期生物成績基本數據

圖1 2017-2018第二學期生物成績分數段對比圖

圖2 22017-2018第二學期生物成績等級比率

（二）逐題分析，尋找疑難知識點

根據圖3反映，學生失分較多的選擇題有15題、24題、27題、38題（具體題目見下文），其考查的知識點分別是成分輸血、激素調節、中樞神經系統的位置、腎小球的相關血管。這些題目考查的內容都比較簡單，但其知識點比較細致，且均為識記內容，學生容易混淆或記憶不清。因此，在平時訓練和考查中要注意細致化，易混淆知識點要多交叉訓練。

附試題：

15.對于大面積燒傷、燙傷的患者，應有針對性的輸（ ）。

A.濃縮的血小板懸液 B.血漿

C.紅細胞和白細胞 D.白細胞和血小板

24.下列全是由激素分泌不足而引起的疾病的選項是（ ）。

①夜盲癥②糖尿病③巨人癥④呆小癥⑤先天性愚型病⑥侏儒癥

A.①②③ B.②④⑥ C.③④⑥ D.②⑤⑥

27.人體的總數神經系統包括（ ）。

A.大腦和脊髓 B.腦和脊髓

C.腦和腦神經 D.腦和脊髓以及它們發出的神經

38.出入腎小球的血管是（ ）。

A.入球小靜脈 B.出球小動脈

C.入球小動脈 D.出球小靜脈

根據圖3數據，我們可以發現學生的綜合題的失分點在42（3）題、43（1）題和43（5）題，其中42（3）題是讀圖分析題，反射弧的結構圖和耳朵的內部結構圖，要求學生能將反射弧的各部分對應上聽覺過程的各部分結構。這題要求學生必須熟練掌握反射弧的結構和聽覺過程，并且讀懂圖進行分析。此題對學生的記憶、分析能力要求均較高，也反映出學生在識圖分析能力方面較為薄弱，日后必須多加訓練。43（1）題考查蛋白質分解產物及“會厭軟骨”的作用。此題失分較多是學生出現大量的錯別字。（備注：答案“氨基酸、會厭軟骨”）因此，在日后的教學中要注意強調專業名詞的書寫。

圖3 生物小題難度分布圖

另外的43（5）題原題的是“肺泡壁、小腸絨毛壁、毛細血管壁和腎小囊壁結構上的共同特點是：壁薄，由上皮細胞構成。”這是十分簡單的內容，但有近一半的同學答錯。據學生反饋，說不敢相信這么簡單。說明，學生對于知識掌握不扎實，才導致答題時的不自信。

（三）個人剖析，因材施教

根據學生每個人的各小題得分情況，對異常或特例的學生進行當面指導，剖析問題所在，提出切合實際的建議。

二、實施舉措，改善教學

（一）課堂筆記，突破記憶盲點

通過以上數據分析，我們發現學生對基礎知識的掌握不牢固，層級知識梳理不清晰，導致邏輯推理分析題目無法施展。基于此，在2018-2019學年第一學期的教學過程中，我采用課堂筆記幫助學生掌握基礎知識，梳理知識框架。該課堂筆記是每一節內容的重點知識梳理和主要框架，教師以板書的形式在課堂中呈現，既是課堂總結，也是課堂概要，亦是學生自主復習梳理知識的好幫手。

以下是部分學生的生物課堂筆記。

圖5 學生生物筆記

（二）小組探究，提升分析能力

學生對識記性知識或一步到位的題目，得分率均比較高。但在需要分析推理的題目中失分嚴重。基于此，我后續選擇在課堂上開展適當的教學活動。對于需要探索分析的知識，我選擇讓學生小組合作進行探究，讓學生自己分析。在這一過程中，得出答案不是最終的目的。教師應走近學生，了解學生一步步的思維走向，對癥下藥。教學中，“試錯”比“正解”更重要。例如，在教授魚的主要特征時，我選擇讓學生以小組為單位對魚進行觀察，自主討論，得出魚的形態特點和呼吸特點。通過觀察，學生對知識的掌握印象會更加深刻[1]。

（三）專項訓練，逐一擊破

很明顯，數據分析發現，學生識圖能力較弱，繼而影響其對題目的分析。然而，生物學中識圖能力十分重要。因此，在后續的課堂教學中，我不時地利用課前5分鐘，訓練學生的識圖能力。我對教材的重要圖示進行標注，相應出幾道題，讓學生進行補充填寫。此舉能既鍛煉學生的識圖能力，又能檢測學生的專業名詞書寫，一舉兩得。

以下是我采用的圖示填空題。

圖6 圖示填空題

（四）分層作業，因材施教

本校兩極分化嚴重，若統一難度的作業，優生和后進生均得不到鍛煉和提高。因此，分層作業十分重要。課堂授課注重夯實基礎，課后作業注重分層訓練。后進生課后作業注重基礎知識的鞏固，優生注重知識能力的拔高訓練。

（五）考查細致化，突破易錯點

在平時的教學考查中，除了注重基礎，應多考查學生的記憶盲點和知識易錯點，起到鞏固提升的作用。

三、數據反饋，檢驗成效

2018-2019年第一學期期末質量檢測已經結束，而數據就是給予我教學舉措適宜與否最好的反饋。本次考試參考人數51人，均分91.5，福田區均分81.2，高出10.3分。具體見表2。從兩次成績的分數段占比對比和等級比率對比可以發現，A+率明顯提升，后進生變少，學生整體有明顯的進步。此次檢測數據表明，當前的教學舉措是比較適宜的。當然，我仍舊要依據次數據進行分析，對我的教學做出適當的改進，這里不加贅述。

表2 12018-2019年度第一學期生物成績基本數據

圖7 兩學期成績分數段比率對比

圖8 兩學期成績等級比率對比

四、對數據驅動教學改進的發展建議

數據已成為該時代的縮影，已開始逐步影響教育教學工作。在不久的將來，數據驅動的精準教學必然成為一種教學常態。那作為教育工作者的我們該如何應對數據大潮的席卷呢？我們應該變被動為主動，變經驗導向為數據導向，手握數據，揮斥教壇。

（一）提升教師的數據素養

教師具備一定的數據素養，才能挖掘教育教學數據中潛在的信息和隱藏的教育價值，利用數據來了解學生的學習進度，剖析學生的學習狀態，并能夠利用各種數據改變教學導向，提出教學舉措，改進教學。這一切都要求我們不斷學習。那么，如何提高教師的數據素養呢？本人認為可以從以下幾個方面入手。第一，開展職前數據課程。師范專業的課程體系中，可以開設數據課程，讓教師在職前就掌握處理、分析和解釋數據的能力。第二，開展職后數據素養提升培訓。通過培訓讓教師充分理解和認識教學數據的價值，掌握采集、分析、解讀和應用教學數據的方法與技巧，引導教師將數據管理的知識和技能與自己的教學實踐進行整合，鼓勵教師使用數據來解決教學中的具體問題[2]。

（二）開展數據教學的實踐

第一，推進數據教學常態化。一方面，可以建立數據教學試點，讓試點部分學校進行數據教學的實踐改革，而利用他們的改革經驗，指導大部分學校進行學習和變革，以點帶面，實現數據教學的常態化。另一方面，營造數據驅動教學的教學氛圍。嘗試將教學的各項要素與數據有機結合，實現數據指向的教學內容、教學目標或教學活動等。

第二，鼓勵學校構建線上、線下的數據采集模式。線上數據采集主要來自教學平臺，這就要求學校構建教學平臺，并同時重視線下數據的采集。目前已出現各種佩戴傳感器、嚴冬跟蹤器等配件，能掌握學生的學習興趣、學習參與度等。線上、線下數據的有機結合，能更全面地掌握學生的學習動態，更精準地指導驅動教學改進。