技术赋能学习过程数据分析与辅导案例探究

［摘要］新一代人工智能技术在教育教学中的广泛应用，使得采集学生学习过程数据成为可能，这是传统教学过程中难以实现的。随着数据的积累和数据模型的不断丰富，学生辅导方式逐步转向促进学生学科思维发展及学习习惯的培养。学生在学习过程中出错的原因复杂多样，教师在学情分析时可以借助人工智能技术分析学生学习过程中的变化，深入了解学生思维出错的真正原因，以帮助学生在学习过程中学会自我审视和调整学习策略，逐步养成勤于反思的学习习惯。文章从智慧教育平台的作答过程数据报告着手，通过具体案例剖析学生作答的准确度和速度，探究个性化学情诊断和辅导的可行性，助力学生学会反思和自我调节，缩小与他人的学习差距并确定下一步的学习计划和方法，从而达到思维素养提升的目的。同时，相关探究丰富了新技术在精准教与学中的应用实例，激发了教师进行个性化辅导的活力，进而提升了精准辅导的有效性。［关键词］学习过程数据；辅导；案例一、背景（一）国家政策指引教育教学改革2023年5月，习近平总书记在主持中共中央政治局第五次集体学习时明确指出：“教育数字化是我国开辟教育发展新赛道和塑造教育发展新优势的重要突破口。进一步推进数字教育，为个性化学习、终身学习、扩大优质教育资源覆盖面和教育现代化提供有效支撑。”《广州市教育信息化“十四五”规划》（以下简称《规划》）指出，要推广智慧课堂，探索规模教育下因材施教新模式，利用学科知识图谱进行知识单元拆分，实现对学生学习成效的精准测量，将学生的知识盲点正确归因。结合学情精准推送学习资源，开展个性化、差异化学习辅导，实施因材施教。课堂智慧水平的提升必然会促进针对学生学习的评价从总结性评价转为形成性评价，从判断转为描述。这种转变对于学生在进入下一阶段的学习前纠正其错误理解至关重要。《规划》还提出，试行基于人工智能技术的无纸化、自动化、智能化测评，强化大数据、人工智能支持的过程评价。从政策导向不难发现，基于技术赋能的个性化学情分析进行差异化学习辅导、因材施教、评价等，已成为发展方向。（二）传统学情分析及辅导存在不足传统的学情分析囿于学生数量多、作业繁多、技术手段支持有限等因素，较难采集到学生的学习过程数据，因此，教师难以分析学生的作答思维变化过程。即使有一定的技术手段支持，也更关注班级整体平均分等，而对每个学生的数据分析一般只有总分、均分、小题得分。在传统的教学模式下，教师会找出全班平均分较低的题目，以班为单位进行问题讲解，或比较关注知识点掌握差、总分较低的学生。实际上，学习评价应密切关注学生的思维发展，并参考学生现阶段的学习目标和学业水平，以促使学生通过反思和自我调节来缩小学习差距、培养学习习惯，并更好地确定之后的学习计划。因此，教师不仅是知识的传授者，而且是学生学习的引导者。教师应让学生体会自学的过程，帮助他们在学习中学会监控和及时调整。与此同时，传统的辅导更多的是依据学生自我反思，如时间分配、做题顺序、答题速度控制、检查错误是否有时间等。这种分析一般比较主观，很难精准还原学生学习过程中的误区。若误区分析不准，则辅导难以精细，进而便导致教与学的效能折损。（三）学习过程数据分析使学生学科素养发展成为可能衡量教师的教学是否达到预期目标、学生是否已经掌握了相关知识，关键之一就是分析学生在学习过程中的行为和做出的反应。基于这点，研究者采用流畅度指标来衡量学生的学习质量。流畅度主要包括准确度和速度两个方面。简而言之，检验学生的学习质量不仅要看学生对知识的掌握程度（即准确度），还要衡量学生对知识应用的速度。可简单理解为，流畅度指标需要学生具备依据要求执行任务的能力，且在长时间内保持具备能够将知识迁移应用在新情境中的能力。与此同时，随着科技的进步，越来越多的技术成果与教育教学深度融合，这为提高教师工作效率、优化传统教学模式创造了契机，也为研究学生学习过程中的个体行为、作答流畅度提供了有利条件。广州市第六中学为全校教师配备了智慧教学平台，还为每个学生配备了专属学习平板及特制的点阵笔、点阵本等，从而在得以不改变学生纸笔作答习惯的前提下，进行学生作答结果、过程等数据的采集。教师通过四年多的教学实践，研究学生作答行为、过程数据，综合分析学情，弥补了传统学情分析的不足，能更深层次地了解学生，进而进行精准辅导；学生通过学情报告、笔记回放等功能进行自我评价和反思，结合教师的个性化建议进行自我调整，发展学科素养。以某份随堂作业为例，利用专用智能笔和点阵答题卡，可以全过程记录学生各题型答题时间、用时占比等，所得报告如表1所示。这使得教师能更好地了解学生的流畅度信息。除了班级整体数据，教师还可以充分利用大数据分析技术，全面了解每个学生的答题时间。报告以可视化的形式展示学生针对不同题型的作答时间，并通过全班的横向对比，使每个学生在作答过程中的用时一目了然。教师可以进入学生报告页面查看学生的作答过程，标记出用时过长或过短的学生姓名。这样能更清楚地知道哪些学生存在问题。教师可以了解学生在作答过程中的行为细则，通过研究学生作答过程的流畅度，更好、更全面地分析学生的个性化需求和存在的问题，进而进行个性化辅导，辅助学生反思并调整学习策略。二、个性化学情分析案例探究在过去的四年多时间里，广州市第六中学积累了大量的智慧教学平台数据和使用经验。我们通过数据，发现了传统测试模式无法发现的问题。经过这些可视化数据的分析，可以精准找出学生在测验过程中存在的问题，特别是通过流畅度指标分析学生的学习习惯、作答策略、学习方法等，为个性化辅导提供了数据支撑，能促进学生进行学习反思与学习策略调整。下面通过典型案例进行分析。［案例1］“过分执着”某一题个性化辅导：助力学生明晰自己的作答策略不良问题，调整整体作答策略，学会合理分配时间，不过分纠结某一题，遇到一时难以理解的问题要果断做到下一题，提高作答流畅度。这样能让学生综合提升整体把控能力和时间管理能力。［案例2］作答顺序凌乱，毫无章法如图2所示，从整体上看，该生的作答顺序凌乱，毫无章法。他先做完第3题，再跳回做第1题且用了大量时间在该题上，虽然做对了，但直接影响到后面题目的解答。第6题难度相对较低，但该生作答速度慢，花了不少时间，却没有做对。数据显示，该生在最后15分钟时间分配显得杂乱无章，基本没有得到有效分，流畅度整体较低。整体分析来看，其作答的流畅度还有较大的提升空间。个性化辅导：通过流畅度信息让学生直观审视自己作答习惯的不足，并及时调整。第一，养成按顺序答题的习惯。一般按题号顺序作答，先易后难。遇到难题不要过度纠结，避免在做题时思考之前的疑惑。可以在做完所有题目后再回头思考未解决的问题，以免解题思路受到干扰。第二，养成按顺序检查的习惯。在作答过程中，检查时间往往有限。从流畅度角度来看，较优的方案是按顺序检查，直接跳过有把握的题目，重点检查似是而非的题目，并主动放弃完全不明白的题目。答题要有取舍。［案例3］粗心大意，简单题用时过短如图3所示，该生整体作答情况较好，但同样存在一些明显的问题。比如，答简单题第6题他用时虽短（读题时长仅为班级平均读题时长的3%），却将该题做错了（此题班级得分率较高）。从该生其他题目的作答情况看，其对知识的整体掌握是不错的，而在简单题上出错，很可能是因为简单而大意，只关注速度，没注意准确度。个性化辅导：学生需在自身对知识整体掌握良好的情况下，调整心态，反思不良习惯。测验时，即使是相对简单的题目也要仔细看清，弄清题意，而不能一味追求速度而影响了正确率。［案例4］基础知识未过关如图4所示，该生作答简单题、中档题的流畅度表现较好。但是简单题第1题修改为错误答案，又在作答第3题时反复纠结（在作答后面题目时仍多次回头重做），虽然最后做对了，但也表明该生对这道题目涉及的知识点掌握不牢固。个性化辅导：提醒学生对自己的学习状态进行反思、审视，根据自身实际水平，逐步加深对知识的理解程度。该生对相应知识点的理解停留在一知半解层面，应引导其调整学习策略，提升对基础知识的重视。［案例5］读题时间短，书写停顿多另外，典型的流畅度问题是专注准确性而忽略速度。读题时间较短，但书写过程停顿极多，解答过程中还有再次读题的情况表明读题后并未理解，对相应题目涉及的知识点、解题方法不熟悉，在没将问题弄明白就匆忙作答的情况下，边写边思考，导致答题书写总时长是班级平均时长的几倍。虽然题目作答正确，但作答时间超长，直接影响其他题目的时间分配，进而影响整体流畅度。个性化辅导：需要辅助学生总结经验、调整学习策略和作答方法。建议该生在平时练习时注意加深对知识的理解，同时多归纳常见题型的答题模式，并多次反复训练，提高熟练度，从而缩短书写时间。学生的整体作答流畅度对最终结果至关重要。要想有好的流畅度，不仅要求学生将题目做对，还要求学生对整体的作答时间有较好的掌控。因此，建议学生在作答时养成两到三轮分段作答的习惯；作答前5分钟阅读试卷，知道哪些题在首轮做题中要跳过；作答全程，大脑中要有两个“人”，一个负责知识作答，一个负责监督进度和时间。如图5所示，该生本次测验兼顾准确度和速度，整体时间分配合理，做到了难题（如第8题）不纠缠，所以作答完第一轮后还有时间检查，第3、7题通过检查进行了正确的修改。因此，该生的本次测验用时合理、正确率高、整体效果好。技术赋能下智慧教育平台的使用对教学主体关系有直接影响。在传统的教与学环境下，教与学的实施基本是由教师主导的。在技术赋能的环境下，教师的主导作用进一步强化，深化以数据为纽带、以学生为中心的教师个性化辅导的多元体系关系，让以前教师在课余时间一对一询问“学得怎么样”，变成基于数据的师生共同反思、改进，不仅效率提升，而且更精准。随着智慧课堂的常态化推进，学生基于数据的反思、改进能力也在提升，逐步养成了“看自己的学情报告、研究自己的学情、反思学习过程、调整学习状态”的好习惯。在传统的教学模式下，囿于技术条件的限制，单题作答速度、学生检查等过程数据不能很好地被采集，个性化的辅导由于缺少技术支持难以更好地深入。在技术赋能的环境下，学生作答过程中的速度、准确度被自动记录、高效分析，这使得教师的精准辅导突破了传统学情分析环境下的数据缺失的困境；可视化过程数据的使用，促进了