计算机基础课程个性化教学研究

导语：计算机基础课程个性化教学研究一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要：随着社会的发展，包括云计算、大数据在内的诸多高新信息技术逐渐浮出水面，目前已在商业、农业乃至服务业等多个领域展露效能，近年来更与教育领域发生结合。基于大数据技术的大数据分析能够对教学过程、教学效果等多方面的因素形成有效把控，继而提高教学质量，实现教育的改革创新。而随着近年来教育水平的提升，我国教育部正式在《关于“十三五”期间全面深入推进教育信息化工作的指导意见》中提出了教学模式优化的必要性，个性化教学正是我国教育未来的不二方向。现为迎合这一趋势，本文将对大数据分析及个性化教学进行阐述，并以计算机基础课程为例对基于大数据分析的个性化教学方法做出探究。

关键词：计算机基础课程；个性化教学；大数据分析；概念；方法

大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产[1]。个性化教学是一类能够尊重学生个性、兴趣乃至特长并进行因材施教的教学方法。由于学生间存在素质差异，针对不同素质学生开展不同模式的教育可以使教育效率与质量得到显著提升[2]。大数据技术能够通过云数据分析与计算将结果直接呈现于教师面前，教师据此对学生实际学习状况做出实时追踪与评测，并依据其实际状况制定不同的个性化学习计划，精准地把握学生在学习中存在的弊病并予以补足，实现从传统的任务导向教学向数据导向教学的轻松转变，其应用意义不可谓不深远。

1大数据分析在个性化教学中的应用意义

1.1转“被动”为“主动”

在基于大数据分析技术的个性化教学模式下，学生以往的学习行为皆会以数据信息形式被大数据分析系统纳入数据处理范围内。借助该类数据的分析，教师可以轻而易举地发现学生与众不同的优势及潜力，这些优势及潜力或许学生自身都未曾发现，而教师发现后可以此为依据为学生设定学习计划，选择个性化教学方向，更好地适应学生的学习状况。在这种教学方式下，许多在过去认为“学习难”的学生能够真正发现学习的乐趣，从根本上来讲，这正是一种“授之以渔”的方式。通过此类大数据分析学生能够真正实现从“被动学习”转变为“主动学习”。

1.2帮助学生“查漏补缺”

大数据分析能够将学生以往的学习历程、学习状况尽数纳入至数据分析系统内，通过不同类型的数据分析，教师与学生自身皆可通过数据分析结果得出自身存在的欠缺，如学习过程中的不良行为等，此时教师便可据此作出及时有效教学干预，学生亦可据此对自身学习行为作出更正或完善。

1.3优化教育决策

传统教育模式下学生需要学习的课程皆由学校进行制定，无论教师还是学生在实际教学过程中皆无课程选择方面的“话语权”。然而教师作为教育的“一线工作者”，对课程的接触与了解比校方更深，所以在教学内容的调整方面应当给予教师一定的话语权[3]。而大数据分析在个性化教学内的应用能够在一定程度上改善这一现状，教师在教育决策中的地位能够得以显著提升，教师可以依据学生需求制定真正符合学生个性化特征的教育决策，如教育环境的优化、课时量的调整等等。

1.4完善教学评估及反馈

在传统教学模式下，教学评估与反馈多依赖于教师、班主任或辅导员与学生之间的交流与交互，这会存在一定的片面性和主观性。而大数据分析不仅能够为教师提供“实时数据”，更能够以固定模式对不同的学生做出分析，以此令教学评估得到合理完善。除此之外，在传统教学模式下多数教师习惯于使用标准考试及评测结果来对自身所采取的教学计划、方法做出调整，然而这种考试及评测多以阶段性模式存在，难以真正为教师带来实时数据反馈，而大数据分析则可令教师紧跟进度现状，随时随地为学生制定对其有益的学习计划或策略。

2基于大数据分析的个性化教学构建对策

在信息时代下，数据信息正是效率与质量的最根本保证，通过大数据分析，个性化教学不再是空谈，构建基于大数据分析的个性化教学不仅与新时代下“以人为本”的教学理念相合，更可推进我国教育事业的发展。由此可见，要构建个性化教学模式，大数据分析技术的融入正是其中关键[4]。以计算机基础课程为例，本文总结了如下基于大数据分析的个性化教学构建对策。

2.1通过数据收集建立数据库

要对大数据做出有效分析，数据获取是其最根本前提，且这里的“数据”并非以往的少量数据，而是包罗万象的海量数据。要实现数据信息的收集，对数据用户进行建模是最基础前提，即收集每个学生的基本信息，如参与计算机基础课程学生的班级、姓名、学号等等，这些信息可以归纳至学生基础信息库中。在教师真正开展计算机基础课程教学前应当对学生进行有关计算机基础的前测，发掘学生在相关知识方面的薄弱点，如计算机思维能力、计算机基础应用、计算机语言及MicrosoftOffice等软件的实际掌握情况等等。通过此前测获取第一批信息数据，从中发掘学生在以往计算机学习中存在的薄弱点并匹配最适合学生实际状况的学习方式等等。除此之外，教师还需在信息数据库内填充足量的学习资源，如与计算机基础课程相关的各类入门课程及微课，在学生得知自身存在的欠缺后可以依据欠缺内容获取补齐欠缺的学习资源。

2.2构建基因级知识图谱与知识树

所谓“知识图谱”，即一类将全部知识点汇总的结构图，这种结构图一般以“网络”形式存在，而一旦该类知识图谱构建完成，知识与知识间存在的关联性可以立时得到凸显，这一点对于在课程方面基础薄弱的学生尤为重要。以计算机基础课程为例，教师可以对知识点做出基因级的拆解与分析，如Windows系统操作、Word与EXCEL等Office软件的应用等等，每一个知识点都是一片“树叶”，而串联起这些知识的“枝干”便是计算机应用。通过计算机基础课程的前测及课堂小测、学生操作时间、娴熟程度等数据的获取，知识树便可在大数据分析中成型，知识树的每一片树叶代表着学生对计算机基础课程不同内容的学习状况，其中可以以绿色代表掌握状况良好、以黄色代表掌握状况一般、以黑色代表掌握状况较差等等，不同的树叶颜色对应着不同的补习策略。学生在后续复习过程中可以通过点击该知识树的树叶跳转至对相应的知识图谱内容进行复习及学习，而绿色树叶较多的学生则可以通过点击空白的树叶对后续内容做出预习等等[5]。

2.3基于数据算法实现分层学习

提供个性化的学习路径是构建个性化教学的关键，通过大数据分析，教师可以得到不同学生的不同学习需求，随后可依据学生不同的需求状况制定个性化“学习序列”。在此方面，教师应当以学生个体静态数据与动态学习行为数据为基础构建学生特征模型，如学生经常看课的类型、课程中不同内容的学习时间及浏览点击次数等等，这些内容都可以纳入至数据算法中以对学生的学习风格做出推算，其余诸如学生课程内的答题时间、错题类型、答题比例及正确率亦可纳入计算学生知识水平的算法范畴。在编制好算法后，学生便可以通过自主学习开展不同层次的学习，实现分层学习，系统会以学生实际状况为依据推荐相关内容，如相关的操作习题及学习视频等等。举例而言，当学生对计算机基础课程中《Excel操作》这一单元进行学习时，系统会依据学生的浏览时间及答题比例为学生推荐Excel公式操作题，如比较常见的“汇总”“平均数”公式设置等。当学生操作发生错误后，系统会于后续自动为学生推荐相关习题的短视频，后续更会数次推荐与之类似的Excel工作簿操作习题。当学生错题次数提升，系统亦会随之增加相关视频与习题的推荐次数，后续当学生遇到相关习题后操作时间控制于一定时间内，系统便会随之减少推荐次数，并为学生推荐后续学习内容的预习视频。如此一来，计算机基础课程的教学便实现了与学生特征相匹配的个性化教学。

3结语

综上所述，在个性化教学中，大数据分析的应用不仅能够激发学生学习兴趣、帮助学生查漏补缺，还能够优化教育决策、完善教学评估及反馈。而在个性化教学中实际应用大数据分析技术时，学校及教师首先需要通过数据收集建立数据库，后续则需要构建基因级知识图谱与知识树并基于数据算法实现分层学习。如此一来，大数据技术的效能方可得以有效与最大程度的发挥，从而真正实现“个性化教学”。

参考文献

[1]杨芳,孔伟,魏通,等.个性化研究性教学探讨——以中国民航大学物理教学为例[J].高教学刊,2021(04):89-92.

[2]徐燕玲,梁伟斌.基于混合学习的个性化教学模式的实践与思考——以中职农村医学专业病理学课程为例[J].现代职业教育,2021(16):94-95.

[3]程晗.基于OpenStack的高职大数据在线个性化教学平台研究[J].数码设计（下）,2021,10(3):154.

[4]盛骞莹,张文清,王燕,等.以学生为主体的混合式个性化教学模式在分析化学课程中的探索与思考[J].大学化学,2021,36(01):93-98.

[5]吴南中,夏海鹰,黄娥.课堂形态演进：迈向大数据支持的大规模个性化教学[J].电化教育研究,2020,41(09):81-87+114.

作者：王艳 冯娟 刘永立 单位：保定理工学院