您好, 访客   登录/注册

基于大数据的教学系统设计研究

来源:用户上传      作者:徐冰

  摘   要:文章主要研究了大数据背景下教学的路径,通过使用大数据信息处理技术对教学开展动态学习评价,介绍了智慧课堂的教学流程,通过智慧课堂在教学中的应用实例,证明了该系统能够提高学生学习的积极性,降低教师工作量,具备较高的实际应用价值。
  关键词:教学;智慧课堂;大数据分析
  随着物联网技术及信息技术在教学中的应用,智慧教室及智慧学习逐渐发展起来,增强了课堂的互动交流,以此为基础搭建的智慧课堂,充分运用云计算和网络技术,使课堂教学效率得以有效提升,大数据技术为动态学习评价的有效开展提供了技术基础。智慧课堂的建立以学习数据分析为依据,由于理论内容繁多,对其教学方法及途径的研究成为重点,伴随大数据的发展,为教学提供重要的技术支撑,促使教学目标及教学实效性的实现与提高,教学需对其带来的变革力量提高重视程度,主动适应并对其中的应用教学进行研究。
  1    智慧课堂的内涵
  与智慧课堂对立的是知识课堂(从“智慧”的语义学上定义),文章从信息化视角定义智慧课堂,随着学校教育教学中普遍融入信息技术,信息技术已不是简单的教学辅助手段,而是逐渐同各学科教学进行深度的融合发展,促使传统课堂的信息化、智能化程度不断提高,对智慧课堂的研究与应用不断深化。目前智慧课堂概念(基于信息化视角)主要包括:(1)以物联网智能化的感知特点为依据,基于物联网技术应用的课堂。(2)以移动化智能终端特点为依据,基于电子书包应用的课堂。(3)以个性化学习在课堂中的应用特点为依据,基于云计算和网络技术的课堂[1]。
  2    大数据背景下智慧课堂设计
  2.1  智慧课堂核心功能
  文章的智慧课堂主要采用“云+端”模式及动态学习数据分析手段,与传统课堂相比,在技术和教学应用上的重点在于:(1)教学课堂以数据为依据,利用大数据挖掘分析与决策技术对学生学习行为进行科学分析,教师主要通过直观的数据了解学生对知识的掌握情况,从而实现对来自学生的学情资料做到精准掌握。(2)注重课堂互动的高效,充分利用智能化的移动学习工具及平台,通过无障碍地即时交流和互动,实现师生间沟通与交流的立体化。(3)课堂更加动态开放,通过信息技术及智能终端的使用使课堂不受时空限制,实现更为开放的、融合课前、课中、课后为一体的教学活动。(4)提高合作探究能力,学习方式注重小组协商讨论、合作探究的作用,使具有相同学习需求和兴趣的学生自主组成学习共同体,通过系统平台,教师能够对小组合作完成实时的评价和反馈。(5)实现个性化学习,教师对课前预习进行测评分析,同时结合课中随堂测验完成即时分析,从而能够对每个学生的个性化学习能力进行评估,在此基础上完成对教学方案和辅导策略的针对性制定,以动态学习数据分析和即时反馈为依据,对课前的教学设计做出及时相应的调整,实现课堂教学进程的优化和改进,实现个性化教学[2]。
  2.2  智慧课堂的总体架构
  随着教育信息化研究的深入,智慧课堂已成为当前研究的热点问题之一,智慧课堂需具备先进、方便、实用的工具手段才能在教学过程中实现常态化应用,本文通过采用“云+端”模式及学习动态数据分析功能,实现智慧课堂信息化环境的构建,主要由微云服务器、端应用工具及云平台3大部分构成,各部分的主要功能在于:
  (1)云服务器负责本地网络、存储和计算服务的提供,当堂课程完成即时录制后,能够方便、快速地将其完成本地化存储;通过无线局域网的构建,减少对互联网的依赖,节省互联网资源占用,教师和学生即可借助多种移动设备实现通信与交互过程(任意点对点);连接互联网后即可完成各教室教学内容的跨空间直播。
  (2)端应用工具主要面向教师和学生,例如微课的制作(包括PPT的导入、动画及视频的插入等)、授课以及交流和评价工具的应用,提供电子白板以供教师书写教学内容,发布任务、批改作业、解答学生疑问等皆需在教师端完成;对课程内容、教学任务及相关资源的接收与管理需在学生端完成,学生可直接完成电子版的作业及课前预习或课后巩固,完成师生间的交流互动。
  (3)云平台主要负责云基础设施、资源及教学服务等的提供,促进教学资源管理平台的构建与完善,实现对各种教育教学资源(结构化与非结构数据)的管理,具备较好的可扩展性,各种教学资源能够实现二次开发与利用,从而综合应用多种教育教学资源。
  3    智慧课堂的教学流程
  文章的智慧课堂主要面向,应用于实际教学过程中,教学流程主要分为3个阶段和10个环节,包含了教师同学生整个教学过程中的共同活动及互动关系,其具体教学流程如图1所示。
  3.1  课前环节
  通过智慧课堂信息化平台,教师对学生提交的作业进行成绩分析,完成对学生学情资料的精确掌握及本节课教学目标的提前设定,同时能够将微课、预习及检测的内容推送给学生,从而完成学情分析;学生针对教师推送内容完成预习及预习题目结果的提交,同时记录在预习过程中的问题,通过论坛或平台学生可提出疑问、参加相关讨论及发表自己的见解,从而完成预习测评;在对学生预习检测结果进行统计反馈的基础上,以学情分析结果为依据,完成教学目标、内容、方法及方案设计等的制定,从而完成教学设计与优化。
  3.2  课中环节
  教师通过多种方法的使用,将新课内容导入智慧课堂信息系统,完成课题导入,主要采取创设情境、预习反馈、测评练习等方式,学生可对课前自学成果进行展示,按照导入新课的要求进行观点分享及讲解;教师根据教学需要将学习探究任务和成果要求下发给学生,学生通过小组协作等方式的开展,教师对活动进行设计,分组后学生以小组的形式进行互动讨论,在此基础上完成成果的提交及展示,完成学习过程的探究;每个学生的终端会接收到教师推送的随堂测验题目,学生完成练习并及时提交测验成果,教师据此对学生的掌握情况完成诊断和反馈,完成实时测评;以上一环节的测评反馈结果为依据,教师总结和点评教学内容涉及的知识点、难点等,补充講解薄弱环节,根据问题辨析结果教师可进行弹性分层作业和任务的布置,学生在此基础上完成对所学内容的运用、巩固及拓展提升,完成总结改进过程。   3.3  課后环节
  通过智慧课堂信息平台教师能够进行个性化的课后作业的发布,学生需根据教师要求及时完成并提交课后作业。教师获取学生对所学内容掌握情况的即时反馈,完成课后作业的布置;教师根据学生的学习情况,可通过微课录制完成内容的讲解并将其推送给对应的学生,实现有针对性的个性化教学,完成微课辅导;学生通过微课的在线观看,进一步巩固所学内容,在平台或论坛上同教师和同学进行讨论交流,完成反思评价过程。
  4    智慧课堂教学应用实例
  为检测本文智慧课堂(基于动态学习数据分析)的实用性,笔者在学校的马克思主义哲学专业的两个班级中进行实际应用,根据学生的课堂表现及期末成绩,应用结果基于大数据背景的智慧课堂,具有较高的实际应用价值。学生通过课前环节发放的资源随时随地完成相关知识的自主学习,通过完成教师布置的作业包可对所学内容进行巩固,两个班的学生普遍反映通过智慧课堂,对繁多的理论课内容的掌握情况比传统简单的课堂教学更好,更易消化吸收,以小组的形式与同学合作探究及个人展示更能发挥学生的积极性。
  借助数据分析平台所提供的学生测评练习的实时反馈图,教师能够有针对性地进行问题讨论及讲解,在确保个性化教学的同时降低教师的工作量,使教师能够将更多的精力投入到教学内容及环节等的设计和优化上。
  5    结语
  随着教育信息化研究的深入,智慧课堂已成为当前研究的热点问题之一,文章主要研究了大数据背景下的教学路径,在对智慧课堂的定义和特点进行分析的基础上,对智慧课堂的信息化环境构成进行阐述,通过使用大数据信息处理技术对教学开展动态学习评价,并以学习数据分析为依据,通过智慧课堂的建立完成专题探讨,介绍了智慧课堂的教学流程,通过智慧课堂在教学中的应用实例,证明了该系统能够提高学生学习的积极性,降低教师工作量,具备较高的实际应用价值。
  [参考文献]
  [1]王坤容.互联网背景下高职院校信息化教学改革探究[J].教育教学论坛,2018(40):51-52.
  [2]吴九占,郭宇.基于SPOC的思想政治理论课“翻转课堂”教学效果的多维分析[J].思想理论教育导刊,2018(8):110-115.
  Research on the design of teaching system based on big data
  Xu Bing
  (Shenyang Polytechnic College, Shenyang 110045, China)
  Abstract:This paper mainly studies the teaching path under the background of big data, through the use of big data information processing technology to carry out dynamic learning evaluation of teaching, introduced the teaching process of wisdom classroom, through the application of wisdom classroom in teaching examples, proved that the system can improve the enthusiasm of students to learn, reduce the workload of teachers, has a higher practical value.
  Key words:teaching; wisdom class; big data analysis
转载注明来源:https://www.xzbu.com/8/view-15182955.htm