“从“经验主义”到“数据主义” 六大教学范式助力教师新闻化素养提升”

本篇文章1818字，读完约5分钟

随着教育部3月发布的《高等学校数字校园建设规范》、人工智能、大数据等前沿科学技术的创新，我国的教育新闻化水平不断提高。 最近，为了促进中小学教师新闻化素养的提高，江苏省网络名师实验室组长施利伟教师通过直播开展了公开课，以极课大数据为例，通过实际教学示范展示了大数据软件与教学如何深入融合。 / br// h /

据悉，施伟任教的江苏省苏州市第三中学，很早就引进了大数据观察系统，是国内学校教育教学新闻化的先驱。 作为精准教学的深度实践者，施老师充分利用极课大数据等大数据软件提高教学水平的能力得到校方和当地政府的一致认同，获得苏州市高中课程和新闻技术考核优秀一等奖，常年担任苏州市大数据教学培训工作。

新闻化教育的范式是在考试后分解绘制地图，为了材料的教育切合实际

考试后的分解和纠错是日常教育的高频场景，正确把握学生的学习情况，有些是比较重要的。 以前流传的教学方法中，学情评价多依赖教师自身的经验，参考维度单一，难以满足不同学生的个性化教学诉求。

在网络直播课上，施老师提出了建立新闻化的范式，首先是横向，然后是纵向考试后解体的做法，实现了对学情的无死角扫描。 新闻化教育范式是指基于教育数据建立的大数据软件采用过程和做法进行总结，通过总结新闻化教育范式，可以充分利用软件数据，提高教育质量。

图片:新闻化教育的六种范式

施老师总结了六种新闻化教学模式，分别为报告横向检索、学生纵向跟踪、讲解分解、教学数据资源积累、个性化纠错、海量主题资源，涵盖了考试、纠正、练习三个应用场景。 考试结束后，教师首先通过横向查询报告了解全班情况，纵向跟踪学生之间可以进行横向应对以确定重要错题，从而快速找到后进生和成绩波动较大的学生，进行定向辅导纠错。 首先经过横向和纵向的解体，教师可以全面了解学情，根据作为课程评价一环已经定位的重要错题和重要知识点进行比较讲解，提高教学效率。 对于许多复杂的主观答题问题，极课大数据也支持学生答题屏，教师可以对典型的误解进行详细解答。

图片:课程评价分析范式

确立复合数据指标，应对越来越多的教育场景的挑战

实际教学工作中遇到的难题千变万化，沉淀的数据总量大，类型多。 建立复合数据指标，加强数据与数据的关联，可以大大提高教学数据的应用率，促进教学水平的提高。

在考试后的分解场景中，施老师以得分率与区分度的关联为例，介绍了如何利用复合数据进行关键问题判别。 得分率表示学生对考题的掌握能力，数字越大，证明学生对该考题的掌握情况越好。 区分度表示试题相对于考生实际水平的区分程度，也表示试题难度。 如果只看单一的数据，教师很容易陷入谈论很少得分的主题的要点，或者几乎不说得分好的主题的误解。 对此，施老师解释说:“得分率低、区分度小的情况下，证明题目是超难题，所有学生都做不到，需要用力说话。” 得分率高、区分度也大的问题，证明后进生掌握不足，有必要单独指导这部分学生。

为了更直观地表现得分率和划分度数据的应用场景，教师分为划分度+得分率综合评价四象限，支持教师制定科学的教学计划。 证明只有第一象限划分度大、得分率高、主题低的组学生回答不正确，才能比较弥补差距，帮助学生提高； 是第二象限问题得分率低、区分度大、有一定难度的好问题； 第三象限的主题区分度小、得分率低，实际上是个难题，应说明要点； 是第四象限划分度小、得分率高、学生正确率高的简单问题。 例如，每个学生的失分可以单独说明，不进行统一的评价。

照片:区分度+得分率综合评价四象限

在四象限的辅助下，教师可以更准确地定位关键问题，有人放箭展开讲课，将第三、第二、第一象限的问题实现向第二、第一、第四象限的转移，实现学生知识掌握能力的整体提高。

照片:区分度+得分率综合评价四象限迁移

随着教育新闻化政策的推行，我国已经基本实现了各级学校教育新闻的数字化改造。 但是，面对多样化的新闻化教育工具，大部分老师还是处于被动接受的状态。 施先认为，提高教师的新闻素养，用大数据软件结合教师的经验，反哺实际的教育工作，是推进教育变革的必由之路。 现在教育行业已经进入数据为王的时代。 通过对数据变得敏感，学会积累和收集数据，在业务中运用数据来指导教育，可以使大多数人不出错，使教育教学更加高效。

这次公开课是成功的经验分享，未来智慧教育公司也应该承担自己的社会责任，积极推进教师新闻化素养建设，促进教育教学质量的提高，帮助实现精准化教育、个性化教育。