2025年中国大学慕课《中小学教师数据素养》课程期末考试题库及答案

2025年中国大学慕课《中小学教师数据素养》课程期末考试题库及答案一、单项选择题（每题2分，共30分）1.在“数据驱动教学”框架中，首要环节是A.数据可视化B.数据收集C.数据伦理审查D.数据存储答案：B2.某校期中考试后，教师利用Python的pandas库读取CSV成绩文件，若需仅保留“语文”“数学”两列，正确语句是A.df=df.drop(["语文","数学"])B.df=df[["语文","数学"]]C.df=df.loc[:,~"语文":"数学"]D.df=df.filter(regex="语文|数学",axis=0)答案：B3.教育数据挖掘中，常用于预测学生辍学风险的算法是A.K-meansB.AprioriC.随机森林D.PageRank答案：C4.教师对学生作文进行情感分析，属于哪类数据A.结构化数据B.半结构化数据C.非结构化文本数据D.时序传感器数据答案：C5.依据《个人信息保护法》，处理14岁以下未成年人个人信息应取得A.学生本人同意B.班主任同意C.监护人同意D.学校信息中心口头许可答案：C6.在PowerBI中，若需将“学生出生日期”自动计算为“年龄”，应使用A.快速度量值→年龄B.新建列→DATEDIFF函数C.新建表→CALENDARD.直接修改数据类型为“年龄”答案：B7.某班50人，数学平均分78，标准差8。依据经验法则，约95%学生成绩落在A.62—94分B.70—86分C.78±8分D.78±16分答案：A8.教师利用学习平台日志数据做聚类，发现“高交互—低成绩”群体，这最能体现数据素养的哪一维度A.数据意识B.数据伦理C.数据驱动决策D.数据可视化答案：C9.在Excel中，对“成绩”列做条件格式，标红前10%，应选A.项目选取规则→值最大的10项B.顶部10%C.数据条D.色阶答案：B10.下列关于“数据故事”叙述错误的是A.需冲突—转折—解决结构B.可加入叙事可视化C.必须省略所有统计量D.结尾常给出行动号召答案：C11.使用R语言tidyverse处理缺失值时，若仅删除含NA的整行，可用A.drop_na()B.fill()C.replace_na()D.na.omit(df,cols="x")答案：A12.教师对学生课堂答题语音进行转写，第一步应A.训练NLP模型B.语音活动检测(VAD)C.情感分类D.主题建模答案：B13.数据仪表盘设计原则中，“5秒原则”强调A.5秒内完成数据备份B.关键指标5秒内可被理解C.5秒刷新一次D.图表不超过5个答案：B14.某校想评估“双减”后作业时长变化，最适合采用A.横断面调查B.准实验设计C.随机对照试验D.案例研究答案：B15.在SQL查询中，统计每班女生人数，正确语句是A.SELECTclass,SUM(gender='女')FROMstudentGROUPBYclass;B.SELECTclass,COUNT()FROMstudentWHEREgender='女'GROUPBYclass;C.SELECTclass,COUNT(gender)FROMstudentHAVINGgender='女';D.SELECTclass,COUNT()FROMstudentGROUPBYgender;答案：B二、多项选择题（每题3分，共30分；多选少选均不得分）16.下列哪些行为可能违反教育数据伦理A.未经家长同意向第三方提供学生家庭住址B.将学生成绩张贴在班级门口C.使用匿名化数据做科研并在期刊发表D.用成绩预测模型标签学生并公开排名答案：ABD17.教师用Python进行数据清洗时，常用库包括A.pandasB.matplotlibC.jiebaD.requests答案：ABCD18.关于教育大数据特征，描述正确的有A.体量大B.产生速度快C.价值密度高D.多源异构答案：ABD19.数据可视化中，适合展示“学生每日在线时长”的图表有A.折线图B.箱线图C.雷达图D.散点图答案：ABD20.教师建立“预警—干预”闭环，需包含A.数据采集B.风险建模C.干预措施D.效果评估答案：ABCD21.在Excel中，实现动态图表可采用A.数据透视图B.切片器C.OFFSET+名称管理器D.3D地图答案：ABC22.下列属于形成性评价数据的有A.课堂小测B.期末卷面C.学习平台点击流D.教师随堂观察记录答案：ACD23.使用Tableau绘制地图时，需先完成A.地理角色分配B.经纬度数据或行政名称C.设置WMS服务器D.将度量拖至“颜色”答案：AB24.教师对学生作文进行LDA主题建模，可得到A.主题—词分布B.文档—主题分布C.词—文档矩阵D.主题间距离答案：AB25.数据素养校本培训评价指标可包括A.教师数据技能增值B.学生成绩提升幅度C.培训满意度D.数据伦理事件发生率答案：ACD三、判断题（每题1分，共10分；正确打“√”，错误打“×”）26.教育数据只要匿名化就无需再获同意。答案：×27.箱线图可直观展示成绩分布偏态与异常值。答案：√28.在SPSS中，Cronbachα系数低于0.3表示问卷信度良好。答案：×29.数据故事化强调用叙事降低认知负荷。答案：√30.教师个人可以任意下载学习平台后台数据库用于科研。答案：×31.描述统计比推断统计更适合小样本深度分析。答案：√32.词云图能准确反映词汇在文本中的频率差异。答案：×33.教育数据治理框架包含“标准—质量—安全—共享”四要素。答案：√34.在Python里，seaborn是基于matplotlib的高级可视化库。答案：√35.数据素养只与信息技术教师相关，学科教师无需掌握。答案：×四、填空题（每空2分，共20分）36.在Excel中，若A1=88，公式=IF(A1>=80,"优秀",IF(A1>=60,"合格","待改进"))结果为________。答案：优秀37.教师对学生答题音频提取MFCC特征，MFCC中文全称是________。答案：梅尔频率倒谱系数38.在SQL中，将“成绩”表中的“score”字段更新为原值加5分，语句为UPDATE成绩SETscore=score+________;答案：539.数据可视化三要素：数据、视觉编码、________。答案：交互40.学习分析领域常用“xAPI”规范，其中“x”代表________。答案：experience41.教师用Python进行中文分词，需导入________库。答案：jieba42.在R语言中，将字符型变量转换为日期型，常用函数是________。答案：as.Date43.描述数据离散程度时，方差单位是原单位的________次方。答案：244.教育数据治理国际标准ISO________提出数据质量维度模型。答案：IEC2501245.数据驱动教学反思的最后一步是________。答案：行动改进五、简答题（每题10分，共30分）46.简述“数据驱动教学”与传统“经验教学”在课前、课中、课后三阶段的差异，并各举一例说明。答案：课前：经验教学凭教师主观判断学生薄弱点，如教师认为“几何难”便多讲几何；数据驱动则利用平台预习数据，发现“三角形相似”正确率仅52%，据此调整教案。课中：经验教学按既定流程推进，提问随机；数据驱动使用即时反馈系统，当堂测显示仅30%掌握“勾股逆定理”，教师立即插入微课视频并分组讨论。课后：经验教学统一布置课后作业；数据驱动依据学生错题画像推送个性化练习，如给“相似”错题学生推送3道变式题，并跟踪二次正确率提升至78%。47.说明教育数据共享中“最小可用原则”的含义，并给出在成绩数据开放场景下的实施步骤。答案：“最小可用原则”指在满足既定目的前提下，仅提供完成任务所需最少数据、最少字段、最少人群、最短时长。实施步骤：1.明确目的：向家长反馈学生阶段学习情况。2.列字段清单：去除身份证号、家庭住址，仅保留“姓名、学号、学科、等级”。3.人群最小化：只向对应家长推送其子女数据，而非全班。4.技术脱敏：学号部分打码，如“202205”。5.时效控制：链接24小时后失效，并设置访问水印。6.审计记录：后台记录下载IP、时间，以备追溯。48.结合“双减”背景，阐述如何利用学习平台日志数据评估课后服务效果，并给出可操作的指标体系。答案：指标体系：1.参与度：课后服务时段登录率=参与学生/应参与学生；日均在线时长。2.完成度：任务完成率=提交作业/布置作业；微课完整观看率。3.互动度：提问次数、师生消息比、点赞数。4.满意度：课后服务问卷得分≥4分占比。5.成效度：单元测成绩环比提升值；错题重练正确率增幅。操作流程：A.数据抽取：从平台导出服务时段日志、测评成绩。B.数据清洗：剔除异常IP、空值。C.计算指标：用Python脚本自动计算上述5类指标。D.可视化：PowerBI仪表盘红黄绿灯展示。E.反馈改进：对登录率低于60%的班级，推送提醒并增加线下答疑；对成效度低于5%的学科，调整微课难度并增加互动题。六、案例分析题（每题15分，共30分）49.案例：某初中利用智慧课堂采集学生课堂举手、抢答、随堂测数据，期末发现“抢答次数多但成绩中等”群体占比23%。请回答：（1）该现象可能揭示的教学问题；（2）给出基于数据的干预方案；（3）说明如何评估干预效果。答案：（1）问题：①抢答题目过易，未触及高阶思维；②教师反馈不及时，学生未纠正错误认知；③课堂评价权重失衡，鼓励“速度”而非“深度”。（2）干预：①分层提问：将题目分基础、进阶、挑战三级，抢答仅开放挑战题；②即时反馈：学生抢答后系统推送解析，错误者自动加入“二次反思”任务；③评价改革：成绩构成加入“高阶题正确率”，抢答得分与正确率挂钩。（3）评估：对比干预前后两学期数据，目标指标：①该群体期末成绩均值提升≥8分；②高阶题正确率由45%提升至65%；③学生问卷“课堂挑战度”满意度≥4.2。使用t检验验证差异显著性，p＜0.05。50.案例：小学语文组对学生课外阅读打卡数据进行分析，发现“阅读字数与作文得分”相关系数仅0.18，请解释可能原因，并设计一个改进数据收集与分析的方案，以提升数据指导价值。答案：原因：①阅读“字数”非质量指标，可能含大量碎片化速读；②作文得分受审题、立意、书写等多因素影响；③数据未区分文体、阅读深度。改进方案：1.数据收集升级：a.引入阅读测评，每本书后附5道理解题，得分≥80%才计“有效字数”；b.增加过程性数据：阅读时长、笔记字数、提问次数；c.加入学生自评“阅读收获”5级量表。2.数据分析升级：a.构建“阅读质量指数”=有效字数×理解题均分×笔记系数；b.采用多元回归，控制性别、基础写作水平，观察质量指数对作文得分贡献；c.用结构方程模型检验“阅读质量→写作策略→作文得分”路径系数。3.结果应用：a.对质量指数低但字数高学生，推送精读策略微课；b.对质量指数高但作文低学生，增加写作支架训练；c.每月向教师反馈班级阅读—写作联动报告，调整推荐阅读书目。七、实操设计题（30分）51.请基于以下需求，完成一份“数据驱动精准作业”完整方案，要求包括：数据来源、技术路线、关键算法、可视化样例、伦理审查表、效果评估。需求：某高中数学教师希望在“函数单调性”单元结束后，利用一周时间，通过数据手段为不同学生推送个性化作业，目标为错题再练正确率提升15%，作业时长控制在20分钟内。答案：1.数据来源a.学习平台：学生微课观看时长、暂停次数、答题轨迹；b.课堂终端：随堂测5题得分、答题时长；c.教师端：批改结果、错因标注（概念、计算、审题）。2.技术路线采集→清洗→特征工程→知识图谱标注→学生画像→推荐算法→推送→回收→评估。3.关键算法a.错因分类：用BERT微调模型，将教师文本标注作为标签，F1=0.86；b.学生画像：构建“掌握度向量