基于物聯網RFID技術與Excel宏語言應用的作業采集分析系統研究

摘要：本文運用物聯網RFID技術與Excel宏語言，采集學生日常作業情況并建立了學生學情分析數據庫，教師通過數據庫實現了快速分析班級情況、學生知識掌握情況。同時，建立的作業采集分析系統在幫助一線教師全面快速地了解作業情況的同時，還可以推動教學方法的優化提升，積極助力教學策略調整，重塑傳統教學流程，實現對教育教學的數字化監測，為教育教學提質增效。

關鍵詞：物聯網RFID技術；作業數據庫；數字化監測

中圖分類號：G434" 文獻標識碼：A" 論文編號：1674-2117（2025）03-0060-05

《關于加強義務教育學校作業管理的通知》要求，教師需強化作業批改與反饋的育人功能，對布置的學生作業要全批全改，并通過作業精準分析學情。有條件的地方，鼓勵科學利用信息技術手段進行作業分析診斷。而在批改練習冊的過程中，一線教師每天都能接觸到海量數據，那么如何將這些數據利用信息技術手段收集成冊，并在批改作業的過程中同步整理并輸出反饋結果，進而反哺教育教學？這就需要構建學生、班級的作業數據庫。

本文以深圳市福田區外國語學校（以下簡稱“學校”）初二年級數學練習冊的批改數據為例，介紹如何通過物聯網RFID技術、Excel宏語言建立學生個人、班級的學情分析系統，實現對教學質量的數字化監測，為教育教學提質增效。

作業采集分析系統介紹

如圖1所示，整個采集分析系統主要通過RFID射頻技術與Excel宏語言來實現作業數據的采集匯總，整理形成學生學情分析數據庫。最后，通過不同班級、學生、章節之間的橫向對比，以及同一個學生不同章節知識的情況對比全面了解學生學情，針對性地調整教育教學活動，為教育教學提質增效。

1.搭建數據收集模塊

學校初二年級學生的數學作業主要為一本同步練習冊，在作業統計、反饋過程中存在效率低下的問題，為了解決這一問題可以采用超高頻射頻識別技術（Radio Frequency Identification，RFID）。作為自動識別技術，它通過無線射頻方式進行非接觸雙向數據通信，對電子標簽進行讀寫，從而達到識別目標和數據交換的目的。由于它具有多次使用、無接觸、遠距離、易讀寫的特點，非常符合一線教師每天登記、反饋作業的實際需求。

首先，搭建數據收集模塊需要一人一碼的RFID標簽和讀寫模塊，將學生編號寫入電子標簽并張貼在學生練習冊上，練習冊就可以視為一份快遞包裹，每天的作業情況都是這個“包裹”的一個數據，由此實現物聯網輔助作業數據的收集。

接著，將讀寫模塊連接電腦，當練習冊貼近讀寫模塊約20～30厘米時，標簽數據會通過射頻識別輸入電腦。將所有學生對應的標簽數據登記在Excel表格中，會得到一份標簽編碼與姓名對應表。在實際批改作業的過程中，通過“感應識別編碼—輸入對應等級—回車”的方式，收集學生練習冊的等級情況，教師在批改作業的同時完成作業等級的收集。

2.設計數據整理模塊

在獲得班級作業數據后，標簽編碼與等級會以單雙行交錯的形式呈現，這就需要將這一列數據按類別整理為縱列，然后對數據按班級和學號排序，便于后續分析。這些操作都可以通過Excel宏設計出合適的數據的整理模塊。具體做法如下：

在Excel的工具窗口找到開發工具，點擊開發工具中的相對位置，點擊錄制新宏，將其命名為登記作業系統，對光標所在的第一個作業編碼（單元格A1）剪切至新一列（B列）中，再將該編碼對應的等級粘貼至另一列（C列）中，然后刪除空白單元格，使下方單元格上移，最后將光標點擊到下一個編碼上。這就完成了一次操作的錄制，這個操作可以將編碼和等級從單雙行排列變為便于統計的兩列。本例中的兩個班級共有100名學生，需要多次執行該任務，為了執行更便捷，點擊開發工具下的宏編輯器，把剛剛的宏加入一個for循環語句，即for（let i=1;ilt;=100;i++），使這個操作重復100次。再點擊開發工具中的命令按鈕，把剛剛的宏制作成一個按鍵“輸出作業情況”，雙擊按鍵，將宏代碼粘貼在按鈕代碼下（如圖2）。這樣，對于批改作業中收集到的作業等級，只需點擊按鍵，就可以一鍵將原始作業數據整理為按類分列的形式（如圖3）。

對于初步整理后的數據，為了將亂序編碼與學生進行一一對應，可以使用VLOOKUP函數。一般格式為：“=VLOOKUP（查找值，數據表，列序數，匹配條件）”。

在本案例中，將查找值選中為整理好的數據編碼，選中兩列姓名對應表，列序數為第二列學生姓名，匹配條件輸入0，表示精確匹配。如此就可以在運行宏處理數據的同時，把對應學生姓名從數據表中提取出來（如上頁圖4）。

在得到對應學生姓名后，使用XLOOKUP函數對這100個無序的姓名區分班級，按學號排序，并確定缺交作業的名單。XLOOKUP函數一般格式為“=XLOOKUP（查找值，查找數組，返回數組，未找到值，匹配類型，搜索模式）”，其中后三個數值可以省略。同樣是查找函數，該函數對不存在的數值，如沒交作業的情況，可以返回一個確定的結果，這是VLOOKUP函數所不能做到的。在同一個工作簿內新建一列學生姓名，按所需順序排列，旁邊對應XLOOKUP查找公式，設定未找到值為“沒有收到作業”（如圖5）。至此，借助RFID與Excel宏語言技術制作的數據收集和整理模塊已經基本完成。借助物聯網技術，教師可以將每個學生每天的作業情況高效收集匯總，大大縮短作業批改—登記—反饋的時間，重塑、提升了傳統作業批改效率。

作業數據庫的實踐應用案例

1.橫向對比班級間的學生作業總體情況

本例中涉及的兩個班級在學業水平上存在差異，他們對新知識的接納速度和作業完成的質量都有較大的不一致性。

為了更科學、更系統地優化作業講評流程，利用數據庫的反饋結果，可以輕松整理每日的作業數據，并按照班級進行分類，從而生成一份詳細的對比表格。這份表格不僅能橫向對比兩個班級學生的作業表現，還能夠從宏觀層面對某一特定章節內兩個班級學生的整體作業情況進行深入分析和對比。這種方法既提高了作業管理的效率，也增強了講評的針對性，有助于一線教師更好地指導學生的學習（如圖6）。

以北師大版八年級上冊《位置與坐標》章節的作業為例，可以看出兩個班級的作業情況：觀察前三次作業的數據，兩班均有超過半數的學生獲得了A級及以上評價。這一結果表明，前幾次作業的內容主要集中于基礎知識和教材概念的考查，學生對這些內容的掌握程度普遍較高，作業的整體質量相對優良。然而，從第四次作業開始，兩班在優秀學生的比例上出現了顯著的差異。無論是全對人數還是A級人數，B班均顯著多于A班。特別是在涉及坐標系與圖形結合的問題上，A班的優秀學生數量有所減少，中等生人數基本穩定，而臨界生和后進生的比例則有所增加。與此相反，B班的優秀學生比例與前半章基本持平，而臨界生的比例反而有所減少。

基于上述觀察，在實際的作業講評過程中，對于A班，教師會參考作業等級，更著重于中等難度題目的講解，并加強對重難點知識的總結和梳理，以便更好地幫助學生掌握相關知識。而對于B班，教師會更多地引導學生主動參與，發揮他們的主觀能動性，通過“兵教兵”的形式，鼓勵學生上臺分享解題思路和方法，從而提高他們的學習積極性。

2.縱向對比某個學生一段時間作業完成情況

把作業數據庫中的學生等級賦分，從9到1分別對應全對到沒交作業的9個等級，將表格中的原始等級批量替換成分值，可以獲得所有學生整學期每次作業的完成情況。這些數據反映在折線統計圖上，可以直觀地看到學生近段時間的新課掌握程度。

下面，筆者以八年級上冊《二元一次方程組》的作業完成情況為樣本，選擇三個不同層次的學生作比較（如圖7、圖8、圖9）。

（1）對優等生的作業分析

觀察A學生的作業數據，可以發現其整體作業質量表現出比較高的水平，展現出了較好的理解與應用能力。在整章節的作業中，A學生最低等級賦分為7，意味著所有作業均達到A等級或以上，顯示出其作業質量的穩定性。進一步觀察折線統計圖，可以發現A學生在方程組概念理解、計算技能以及基礎應用題等方面均取得最高等級，這反映出A學生的基礎扎實，學習態度認真。而在涉及含參數方程及方程與函數結合的綜合性問題時，其準確率有所下降。這可能說明A學生在處理復雜代數問題時，尤其是在方程與函數知識整合方面，存在一定的短板，需要進一步提升其綜合運用能力和解題策略。

針對這類學生的情況，教師可以建議在確保基礎知識準確性的前提下，加強其思維的開放性和發散性訓練，增加應用類題型的練習量，特別是在函數思想方面，鼓勵學生投入更多時間和精力，以提升其解決復雜問題的能力。

（2）對臨界生的作業分析

同樣是二元一次方程組的作業，B學生的作業質量表現出一定的不穩定性。在整章節的作業中，B學生的等級賦分波動范圍較大，從1分（未提交作業）到7分（A等級）不等，且存在三次作業僅獲得2分的情況。從分課時的折線統計圖來看，B學生在計算方面的表現呈現出明顯的進步趨勢，從使用代入消元法到加減消元法，其正確率逐漸提升，這也同樣反映在應用題的完成情況上。特別值得一提的是，B學生在解決雞兔同籠和里程碑問題時表現更佳，但在涉及商品價格增減關系的增收節支問題上，準確率相對較低，說明其對復雜等量關系的分析和獲取能力還有待于加強。此外，與A學生相似，B學生在運用不同知識點進行復雜應用時同樣面臨挑戰。

從以上分析中可以看出，盡管B學生的基礎有所不足，但學習能力較強，能夠在學習過程中及時發現并糾正自己的錯誤。針對B學生的這類型情況，教師在作業反饋中可以給予更多的表揚和鼓勵，以激發其學習動力。同時，建議學生回歸教材，加強對基礎知識和基本運算規律的掌握，以形成系統的知識網絡。此外，加強家校之間的溝通與聯系，共同形成教育合力，對臨界生的全面發展具有重要意義。

（3）對后進生的作業分析

C學生本章節的作業數據主要集中在2分左右，這揭示了學生在概念理解方面存在較大問題。具體來說，C學生明顯缺乏對方程基礎知識的掌握，并且在日常學習中沒有復習和總結的習慣。此外，學習態度較為消極，這在日常學習生活中也有所體現。在本章節的學習過程中，有一次小長假，值得肯定的是，在長假后的雞兔同籠作業中，學生取得了4分的評價，這在全班范圍內處于中等水平。這可能歸因于雞兔同籠問題本身的等量關系相對明確，以及長假期間學生對解二元一次方程組相關計算方法的消化和理解，這一變化可能說明了C學生的計算能力在一定程度上有所提高。

經過以上的數據分析，教師對后進生C有了更為全面和深入的了解。這類學生的基礎知識掌握程度較低，學習動力不足，相較于其他同學，他們在掌握知識時需要投入更多的時間和精力。因此，對于C學生這樣的后進生，教師應提供更多的鼓勵和支持，適當調整作業內容以適應他們的學習需求。

3.作業數據庫與考試結果的相關性分析

作業數據庫除了能對不同學生、不同章節的作業完成情況進行數字化監測，全方位掌握關于班級的整體學習情況之外，還可以對期中、期末調研的結果進行比較分析。為了能充分考慮平時的作業情況，教師可以對學期開始以來的學生作業等級賦分，然后取平均值，以平均值作為學生一段時間的作業平均質量。

具體做法是對兩個班級的作業平均質量與調研結果進行可靠性統計，結果顯示兩個班級的克隆巴赫α系數都大于0.7，屬于高信度，說明作業平均質量與考試成績存在比較強的外部一致性，數據的可靠程度高，具有相當高的統計學價值。

在具體教學中，教師可以對期中、期末調研的分數與作業平均質量再進行雙變量相關性分析。從結果中的皮爾遜相關性系數可以看到，無論是期中還是期末，其調研結果與日常的作業等級在線性上具有極強的相關性，在0.01級別上相關性非常顯著，A班為0.647、0.719，B班為0.740、0.746。即平時作業質量具有極強的參考價值，這不僅從情感感受上，更是從量化的數據上說明了平時作業水平和質量是影響學生考試成績的重要因素，能夠公平客觀地反映學生近期學習的真實水平。同時值得留意的是，A、B班期中與期末的相關性系數為分別為0.895、0.897，均高于等級與成績的相關性，以A班的差距更為明顯。即在皮爾遜相關性下，班級作業情況與調研成績相關性比調研成績之間的相關性弱，這可能說明兩個班級的日常作業質量的可信度在不同程度上均低于調研成績，這一點可以引起教師對班級作業質量和學習態度的關注。