利用教育大數據,建立學生個性化分析指導

這是互聯網+時代,這是大數據時代。但是“不得不承認,對于學生,我們了解的太少!”(卡耐基)

一,當前教育大環境

孔夫子講學


國內主流課堂

比較2500年前孔子時代的教育,和現今國內大部分中小學的教育模式,基本都是以教師主講,學生聽課,先進一些加上互助探究。課堂關注學生整體發展,對學生個體研究則少之又少。因材施教,有教無類,喊了2500年的教育口號,至今仍難實現。

二,教育大數據,讓教育變成實證科學

大數據支持的教育,是智慧教育,是結合教育經驗和大數據支持的全新教育教學改革。教育大數據具備以下特征:周期性強,復雜度高,價值高。中小學階段,教育大數據應用主要體現在反饋,個性化和概率預測三個層面。教育大數據可以全面反饋個體學習者的學習狀況,提供全方位的數據展示。從而根據每一位學生的實際,制定個性化的干預和指導,促進學生的自主成長和個性發展。提升對教育規律的認識深度、教育政策的制定方式,完善整個教育系統的結構,預測教育結果。通過大數據支持,現代教育將逐步成為一門實證科學,有據可依,有章可循的教育科學。

教育大數據的應用

三,教育大數據,建立學生個性化分析指導

利用教育局建立的教學發展性評價系統,可以更加直觀地發現學生的真實,真實學習狀況,生活狀況,甚至思想狀況。

1,建立數據驅動的新型學習流程

傳統課堂上,教師設計教學,引領、指導學生的學習活動,學生選擇參與學習活動。

數據驅動的新型學習模式,教師依據大數據設計教學活動,進行教學測評,挖掘學生學習數據,確立新的教學目標,調整教學策略,重新設計教學活動。學生依據自身學習狀況,確立學習角色,參與學習活動,在活動中調整學習策略,確立新的學習目標,投入到新的學習中。利用互聯網+的技術支持,記錄,分析,反饋,促進教、學進步。

數據驅動的新型學習流程

2,建立學生個人知識圖譜

傳統課堂上,教師的教學內容統一,教師講授什么,學生學習什么。對于學生個體而言沒有選擇性,有些同學基礎薄弱,對于先行知識還沒有掌握,學習新知困難重重,課堂一知半解。有些同學已經完全掌握相關知識,課堂上不得不亦步亦趨,浪費時間。教師對于每個學生的知識體系了解不足,教學針對性不足,教學效率低下。

大數據驅動下的智慧教學,提供給每一位學生相應科目,相應學習單元的知識圖譜,通過學習、檢測、反饋、應用等活動,記錄每個知識點的學習情況。教師依據學生個體知識圖譜,安排教學活動,布置個性化學習活動。課堂的教學,從圍繞時間展開,轉為圍繞學習進度展開,促進學生個體的進步發展。

學生個人知識圖譜

3,針對學生采取個性化分析指導。

大數據改善了學生學習的三個層次:反饋,個性化和概率預測。通過對教育大數據,建立學生成長模型,包括品德發展、學業發展、身心健康、興趣特長四個維度,使學生發展顯示可視化、數據化,探索各種變量之間的關系,形成診斷性的預測。

通過大數據的分析,建立學生個性化的學業診斷。依據大數據,觀察學生的出勤、課堂表現、平時作業以及考試等過程性評價的數據,就可以分析出學業成績和學習行為各要素的相關性,進而針對學生個體形成診斷意見,提出個性化分析指導。

四,案例

2014級有一學生,中考入學成績居年段20名,英語成績處于中上層次。在高一上學期期中考試和期末考試中,英語學習成績一路下滑,接近及格邊緣。班主任、科任教師發現情況,及時到教研室查閱該生的各項成長數據,發現學習作息時間正常,在單詞背誦、閱讀理解、以及英語學習總時間上與其他優等生一致,唯有課時練習完成不及時不主動。


學生個性化分析指導

與學生座談,分析英語成績下滑原因:在英語學習時間無差別的基礎上,由于時間分配存在差異,在同步練習上花時間偏少,導致成績與優等生差距拉大。引導學生改正學習習慣,課后及時復習,完成課時練習。

數據顯示,干預后,該生的英語成績穩步上升,達到高點。

學生的成長具有特異性,利用大數據觀察、記錄、分析學生的成長歷程,預測學生發展潛力,引導學生職業規劃,促進學生個性化發展和健康成長。

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 229,963評論 6 542
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 99,348評論 3 429
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 178,083評論 0 383
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,706評論 1 317
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 72,442評論 6 412
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,802評論 1 328
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,795評論 3 446
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,983評論 0 290
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,542評論 1 335
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 41,287評論 3 358
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,486評論 1 374
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 39,030評論 5 363
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,710評論 3 348
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 35,116評論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,412評論 1 294
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 52,224評論 3 398
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,462評論 2 378

推薦閱讀更多精彩內容