導言：作為寫作愛好者，不可錯過為您精心挑選的10篇科學學科質量分析，它們將為您的寫作提供全新的視角，我們衷心期待您的閱讀，并希望這些內容能為您提供靈感和參考。

篇1

一是深化、補充教學內容。

從某種意義上說，教材畢竟只是教學內容的“提綱”，它對問題的闡述不可能詳盡具體，有些只側重某一個方面。因此，在授課過程中需要對教材內容加以深化和補充，使之更趨完善，才能真正達到“授業解惑”的目的。深化、補充教材內容又分為縱向開拓和橫向展開兩個方面。縱向開拓就是要深入剖析教材內容，精辟論述某些觀點，以加深學生對知識的理解。講課有無深度，是檢驗課堂教學質量的重要標準之一。橫向展開就是指老師講課要“放得開”，思路要寬，角度要活，必要時應旁征博引，加以發揮。課堂教學最忌只列條條，把豐富的教學內容變成純粹的注釋手段。課堂教學應做到既有深度，又有廣度。

二是介紹不同的學術觀點，以培養學生的辨別能力。

在教學過程中，要根據需要引入與書中內容有關的新材料、新觀點和新的研究動向，作為對書中內容的補充，供學生參考借鑒。如在對文學作品思想意義的認識上，歷來容易出現分歧，這種情況在語文教材中也不鮮見，如關于魯迅小說《藥》的主題，就存在著多種不同的看法，如“親子之愛”、“懷念革命先烈”等，教學時也可把這些不同觀點介紹給學生，使學生在接受一家之言的同時也對其他觀點有所了解。這種引進不同觀點的做法，不僅可以豐富學生的知識，還可以為學生提供思考辨析各種意見的機會，從而開啟學生的智慧，培養學生的辨別能力。需要注意的是，老師在介紹不同觀點和有關知識時，應作必要的分析，對學生作正確的引導。

三是舉例論證。

舉例不僅有利于說明問題，而且有利于充實課堂內容，提高學生興趣，活躍課堂氣氛。舉例應把握三點：第一，例子要新穎。舉例要著眼一個“新”字。首先內容要新，要避免引用那些人們已反復引用過的例子。其次，切入角度要新，如關于“春風又綠江南岸”的煉字故事，用來說明如何修改文章已落俗套，但換個角度，用其中的“綠”來說明想象在寫作中的作用，就頗具新意。第二，例子要豐富。豐富的實例，可使課堂教學變得充實而生動，能有效地改變由照本宣科所造成的沉悶狀況。學生之所以歡迎插有大量精彩實例的課，除了它在內容表述上有通俗明白的優點外，五光十色的外來信息帶給人們精神上的愉悅感和滿足感，也是一個不容忽視的因素。第三，舉例要適當，要緊扣所述問題。那種不著邊際的例子，看似熱鬧，實則大大降低了課堂教學的質量。

篇2

[中圖分類號] G434 [文獻標志碼] A

[作者簡介] 祝智庭（1949—），男，浙江衢州人。教授，博士生導師，主要從事教育信息化理論、系統架構與技術標準、教師專業發展、技術文化等方面研究。E-mail：。

一、引 言

隨著信息技術在教育領域的深入應用，智慧教育成為信息化教育應用的一個新范式。[1]智慧教育主張借助信息技術的力量，創建具有一定智慧特性（如感知、推理、輔助決策）的學習時空環境，旨在促進學習者的智慧全面、協調和可持續發展，通過對學習和生活環境的適應、塑造和選擇，以最終實現對人類的共善（對個人、他人、社會的助益）。智慧教育充分體現了“以學習者為中心”的思想，強調學習是一個充滿張力而又平衡的過程，揭示了“教育要為學習者的智慧發展服務”的深刻內涵。

智慧學習環境的一個基本特征是：基于學習者的個體差異（如能力、風格、偏好、需求）提供個性化的學習診斷、學習建議和學習服務；并記錄學習歷史數據，便于數據挖掘和深入分析，數據結果用于評估學術過程、預測未來表現和發現潛在問題。因此學習數據分析成為智慧學習不可或缺的條件。

學習分析學（Learning Analytics，簡稱LA）涉及科技和社會學科的多個學術領域，包括計算機科學、社會學、學習科學、機器學習、統計學，以及“大數據”。[2][3]LA的定義隨著相關研究的進展而演變，盡管研究方向不盡相同，大部分學者認同如下定義：“學習分析學是使用智能數據、學習者數據，以及分析模型來發現信息和社會性聯系，并以此為依據進行學習預測和提供建議。”[4]Siemens 于2012年對相關定義進一步提煉之后提出，LA是“關于學習者以及他們的學習環境的數據測量、收集、分析和匯總呈現，目的是理解和優化學習以及學習情境”。[5]

其他學者、機構也有一些類似的關于LA的定義。盡管各個定義在用詞和著重點上存有細微區別，但基本都反映了LA的本質，即首先發現特定用戶的需求，利用技術方法獲取數據，分析數據，幫助教師、學生、教育機構等解讀數據，并根據數據結果采取干預措施，從而達到提高學習和教學成效的目的。[6]同時這些定義也指出，LA所用、所處理的數據是已經存在的、機器可讀的“大數據”（Big Data），這些數據是不適合人工處理的。[7]

LA在國際上被稱為是“自從學習管理系統（Learning Management System，簡稱LMS）問世以來，教育技術大規模發展的第三次浪潮”。[8]2005年 EDUCAUSE的文章就預示了LA的出現。[9]此后與學習分析學相關的國際學術會議，例如學習分析學與知識國際會議（LAK，The International Conference on Learning Analytics & Knowledge）于2011年召開第一次會議，于2012年召開了第二次會議，而且會持續下去。學習分析學研究社會（SoLAR，The Society for Learning Analytics Research） 也于2011年夏天成立，一方面主持召開會議，同時致力于LA方面的研究和發展，并提供學者、教育專家、學生等進行信息交流和互相合作的機會。另外，教育技術和社會學術期刊（Journal of Educational Technology and Society）也與2012年出版了關于學習分析學的特刊。由此可見，學習分析學已經成為高等教育界尤其是以教育技術為基礎的遠程在線學習領域內的一個研究熱點。

LA 在教育領域內迅速發展有多種原因。下面我們將從它的出現、回答的問題、研究框架模型等方面加以詳盡介紹。

二、學習分析學研究的緣起以及相關技術

多位學者專家探討過LA出現并成為熱門研究課題的必然性，并且總結出幾個原因。

第一個原因是大數據（Big Data）的出現。[10]Greller和Drachsler認為學習分析學的起源在于網絡大數據的出現，包括政府類數據。[11]隨Web 2.0出現的社交網絡數據（Twitter、You Tube、Fliker，Facebook等）、移動終端數據，如GPS 定位數據等。隨著此類數據的出現，有些公司如Google、Amazon、Yahoo等，分析利用此類數據，并將其結果作為擴張市場的依據或者提供個性化服務的方向，因此公司得以快速成長。大數據的出現和潛在的價值也引起了各國政府的關注。例如，奧巴馬政府2012年宣布，每年將花費超過2億美元在大數據研究應用方面，以致力于科學探索、環境、生物醫學、教育和國家安全方面的研究。[12]在遠程教育領域LMS，如Blackboard 和 Moodle等的應用也越來越廣。這些系統每天都記錄大量的學生交互信息、個人數據、系統數據等。[13]如何從這些數據中獲取信息成為LA出現的一大契機。

第二個原因則可以歸結為在線學習或者教育技術的發展。[14]隨著教育技術的發展，在線學習成為傳統學校教育和終生教育的一個重要模式。在線學習提供給學習者不受時空限制的學習機會，同時也帶來一定的挑戰，例如學生有可能缺少與老師和同學的聯系，又可能遇到技術問題或者失去學習動機等。[15]此外，教師也由于網上學習環境中缺少視覺線索，因此難以判斷學生是否感到課業太容易、感到內容乏味枯燥或者學習上有困難等。因此，學者們認為，教師難以評判學生的參與度和學習質量，而攻克這個問題則成為LA的另外一個契機。[16]

第三個原因則與教育機構自身對數據的需求有關。很多國家，包括美國政府，都力圖提高整個國家人口的教育程度，比如如何提高學生的學習成績、入學率以及畢業率等，而這些都需要大量數據來發現和驗證。[17]傳統上，教育機構、學校獲得學生學習數據的主要方式為調查問卷及訪談等，由此帶來諸多方面的限制，如花費大、耗時多、規模小等。由于數據挖掘可以追蹤用戶的電子信息使用記錄，并且自動分析整體數據，而不需要選樣，因此新的數據經濟大潮使得學校在數據收集方面不再需要花費大量人力和財力；并且獲得的數據反映了所有用戶的全部信息，并非選取的一部分；同時數據在自然狀態下獲得，不需要利用訪談、觀察等方式，使得數據更加真實可靠。[18]

第四，LA起源于其他幾個已經相對成熟的領域，如商務智能（Business Intelligence）、網站分析（Web Analysis）、學術分析（Academic Analysis）、行動分析（Action Analysis）、教育數據挖掘（Educational Data Mining）、運籌學（Operational Research）[19][20]以及社會網絡分析（Social Network Analysis）等。這些研究領域已經相對成熟，對LA的迅速發展應用起到一定的促進作用。

Siemens認為，與LA密切相關的是學術分析學（Academic Analytics， 以下簡稱AA）和教育數據挖掘。[21]學術分析學是為了高等教育機構的運營和財務方面的決策而提供所需數據的過程，[22]如發現影響學生畢業率的影響因子等。教育數據挖掘是指為更好地理解學生以及他們所處的學習環境，從教育數據中獲取知識和發現，針對教育環境內獨特的數據類型而進行的獲取數據、整理數據、形成分析報告等研究方法方面的研究。[23]Siemens認為，教育數據挖掘是LA和AA的共通支撐技術。[24]他描述了三者之間的關系以及三者針對的層次和關注對象，如表1所示。

三、LA 回答的問題

LA 對智慧教育的重要性體現之一在于它可以使用大范圍數據，回答關于學習和教學的不同問題。Cooper采納了Davenport等對“Analytics ”能夠闡釋和回答的問題的總結，[25]并根據其時間線（過去、現在、將來）和回答的深度（信息型、洞悉型）對問題作了歸類。[26]我們認為其問題矩陣同樣適用于LA（見表2）。

Cooper總結歸納了LA可能回答的問題類型。[27]

信息和事實性問題：

發生什么了？LA產生報告并提供描述性數據（過去）；

正在發生什么？LA對現狀的提醒（現在）；

趨勢，走向如何？過去的數據被當作推斷的根據（將來）。

深度理解和洞察性問題：

這些為什么發生，如何發生的？LA可建立模型并加以解釋（過去）；

可以采取的最好措施是什么？LA提供一個或多個干預措施（現在）；

可能發生什么？LA可以預測、模擬其他措施的效果，確認最優舉措（將來）。

因此LA 可以描述和解釋過去的現象，例如為什么選同一門課的學生成績普遍偏低？原因可能包括缺乏相關基礎知識；可以預警和干預正在發生的學習，例如學生得到信息，他/她很可能某門課會通不過，教師可引導學生進行補救、提供學習材料等；LA還可以推斷發展趨勢和預測將來，例如由于以往某一學習活動對不同學習風格（Learning Style）的學生的影響有所不同，可以推斷針對不同學習風格設計的學習活動能提高學生成績；同時，不同學習風格、學習活動和成績之間的相關性分析和預測模型有助于發現最適合特定學習風格學生的學習活動。此外LA可以將各方面的關于學生的分散式信息整合梳理，提供給教師，使其對學生有更可靠、更清晰的認識，在此基礎之上采取的措施將更加有效。此外，LA 不止可以提供關于學生學習方面的信息，也可以用來評估某一課程、院系以及整個學校。它可以參與評估整個學校的教學，用于決定是否需要采取更先進的教學方法；它還可以提供信息給學生，以便學生自我評價學習過程和結果等。由此可見，LA的使用可以使得教育方法得以提升，促使教育向智慧教育方向發展。

四、LA的設計研究框架、資源

過程模型及重要環節

多位學者試圖從整體架構、所涉緯度、過程環節等方面描述LA，以基于對LA的整體認識，引導LA系統設計過程。本文主要討論兩個LA模型和LA的重要環節，目的是對如何設計開發LA系統有全面的、清晰的認知。

（一）LA通用設計框架

Greller&Drachsler根據他們對學習分析學現存文獻的梳理，提出了具有六個緯度的LA通用設計框架，即關益者（包括學生用戶、教師用戶等）、目標（包括使用數據的目的，如預測等）、數據（包括受限數據和公開數據等）、工具（分析數據的依據，包括教學理論等）、外部限制（如用戶隱私）、內部限定（包括分析解讀數據結果的能力等）。[28]這六個緯度反映了在應用LA研究學習、開發LA系統時應該考慮的基本因素。圖1反映了該設計框架，包括每個緯度的例子，以下我們對每一緯度進行說明。

1. 關益者

關益者包括數據使用者和數據提供者。使用者指應用數據并根據數據結果制定對策的人，如教師；提供者指以自己的系統瀏覽和互動行為產生數據的用戶，如學生。在特定情形下，使用者和提供者是一體的，比如學生本身的行為信息反饋給學生自己而不是老師的時候，這兩者是統一的。關益者除了包括學生、教師以及教育機構外，研究人員和政府機構等也可看作關益者的一部分。

關益者之間如何使用學習分析信息交流可以用層次模型來表示（如圖2所示）：最直接的途徑是通過LMS 獲取學生信息，提供給教師；教師可以根據此信息制定干預措施或者調整教學策略等；教育機構則可以根據學生和教師提供的信息進行教職工培訓或者制定措施保證教學質量等；研究人員盡管不直接參與學習過程，但他們可以利用學生和教師數據，評估教學質量或者學習服務措施是否到位；最后政府機關可以匯總、分析，并利用多所院校的學習分析數據來測評整個教育系統。此外，已有研究者們強調，在各個層次，關益者都可以利用本層數據進行自我反思，如學生可以根據自己的學習記錄、互動行為等來思考自己是否實現學習目標等。

2. 目標

學習分析學開辟了一個新的領域，可以發現并研究利用原本隱藏的教育信息，提供給各個層次的使用者。通過分析比較學習信息和社會互模式，為學習者提供新的視角，同時提高組織性效率和效益。也就是說，學習分析學提供的信息不僅有助于個體學生，對支持更高層次的知識流程的管理（如政府層次）也有所裨益。Greller和 Drachsler主要提出并討論了兩種目標：反思與預測。[29]反思是指數據用戶根據與自己相關的數據，獲取知識并進行批評性自我評價，有學者稱之為“量化自我”，也就是觀察測評自己的學習記錄數據，并根據數據結果進行自我修正等。[30]反思也可以根據別人的數據記錄進行，如教師可以根據學生的交互行為，反思自己的教學風格是否適合學生等。學習分析學同樣可以用來預測模擬學生的學習活動、行為等。如根據過往的學生反饋信息，可以預測某種教學設計有助于學生的學習，據此可以重新設計教學活動，提高學生學習成績；亦可降低或增加內容難度，從而降低學生放棄課程的比例。

3. 數據

學習分析學所用數據大多來自LMS以及其他教學系統，同時教育機構本身擁有大量學生數據。然而很多數據是非公開的，因此對教育數據公開化的要求越來越迫切。[31]

4. 工具

學習分析學通過信息檢索技術獲取數據，如教育數據挖掘、機器學習、傳統統計分析以及社會網絡分析等。同時，研究者將理論建構以及算法等處理數據、從數據中發現信息的概念工具也包括進來。

5. 外部限制

外部限制包括倫理、法律、社會、組織機構、管理以及LA過程方面的限制。如使用個人隱私數據有可能觸犯法律等。

6. 內部限定

內部限制與能力相關，指解讀數據、解釋數據，從而根據數據提高學習效果的能力。據調查，只有很少的學習者能夠解讀結果并據此采取有效的干預措施。

（二）LA資源過程模型

學者們認為，分析是人腦和機器的混合加工的過程，[32]LA具有認知性、技術性和社會性。[33]綜合多種看法，Elias認為電腦（軟硬件技術）、理論、人員和機構構成了LA的四種技術資源，同時也成為LA的核心。[34]四種資源以及數據運作的過程構成一個LA的模型。

1. 電腦技術

遠程在線學習的普及以及LMS 的應用，說明大量關于學生的數據已經被收集，如果這些信息可以和其他與學生有關的數據相結合，我們可以得到更詳盡的關于學生的學習體驗、教師的教學效果等信息。而隨著數據的收集，進行信息加工時，尤其需要用來做數據分析報告和預測結果的軟件工具。這類工具，Elias 列舉了資訊可視化（Visualization）、神經網絡、回歸分析、機器學習以及人工智能等。[35]Elias 尤其強調了可視化技術的重要性，并列舉了儀表盤（Dashboard）和社會網絡分析（Social Network Analysis）兩種常用的資訊可視化技術。

2. 理論基礎

Elias 認為，LA涉及的理論非常廣泛，包括與分析學相關的知識以及其他領域的知識。前者如推薦理論基礎協同過濾算法（Collaborative Filtering Algorithm）、貝葉斯神經網絡（Bayesian Network）、基于知識的推薦（Knowledge-Based Recommendation）等；后者則包括學習科學、教學法、學習動機學、學習共同體（Community）、學生畢業率（Retention）等。然而這方面的文獻很少，相關人士很難確認哪些變量對教學有參考意義。也就是說，很難分辨哪些測量學生網上活動的變量真正影響到他們的學習和成績。[36]

3. 人員

雖然現代技術的應用使得電腦軟件和硬件可以取代人的努力，但是在很多方面人類的知識、技能和能力是保證結果有效性的重要因素。雖然教師可以通過使用資訊可視化技術、回歸等來反思自己的教學設計和教學活動的有效性，評估是否達到教學目的，如學習共同體的建立。然而有效的后續干預很大程度上取決于教師本身解決問題以及決策方面的認知思考能力，而不是完全依賴LA技術以及統計軟件。

4. 機構

Elias 認為，LA過程中的社會資本（Social Capital）或者社會性最容易被忽略掉。然而LA本身不能回避這方面的問題，例如：誰參與了LA項目，他們的決策是如何被支持的，項目成員之間如何溝通和互動。同時，無論LA 項目如何成功，要使得其研究成果在現實中付諸實施，則需要教育機構，如大學的領導層采取措施，支持以LA結果為基礎的文化和教學模式方面的改革，從而達到LA提高學生學習成績和改善教學效果的目的。因此，機構資源顯示了LA的社會性。

在討論LA技術資源的基礎上，Elias 提出了LA的模型，其核心是電腦（軟件硬件技術）、理論（統計、算法、教學法、學習科學等）、人員（相關人員如教師等）、機構（社會資本屬性等）等四種科技資源。這四種資源參與并推動三個環節（收集數據、信息加工、結果應用），使之形成一個循環發展的過程，從而推動學習和教學的持續性提高（如圖3所示）。

（三）LA的重要環節

Brown在2012 年召開的ELI（EDUCAUSE Learning Initiative）兩次學術會議（ELI 2012 Spring Focus Session和LAK12）基礎上，總結討論了LA研究中出現的主題：數據指標的選取、資訊可視化技術，以及干預和反饋方式。[37]這些也可以看作是在實際研究中應該考慮的LA的重要環節。

他首先指出，LA定義的一個重要特點是對以下兩方面的區分：一是實現LA的技術，另一方面是LA的目的。也就是說，所有LA項目都要包括這兩方面，一方面要具備獲取并分析數據的技術，另一方面要根據分析結果制訂有效計劃進行決策。

數據分析方面，Brown 強調在LA中，指標數據的選取直接影響到預測結果的準確性和數據分析的有效性。他提出，在LA研究中經常涉及兩類數據指標：個性特點指標（Dispositional Indicators）和行為表現指標（Activity and Performance Indicators）。其中個性特點指標一般為事實性變量，可以量化，如年齡、性別、種族、平均分、學習經驗等；行為表現指標主要反映學生在網絡學習環境中的數字行為痕跡，如他們登錄LMS 的次數、在學習網站上的時間、發帖的次數、測驗分數等。鳳凰城大學使用這兩種指標預測學生是否能通過某一課程。比較有趣的是，他們發現有些指標不具備預測作用，如選修課程數量、性別、種族等。另外，密歇根大學的前期預測LA系統只選用了行為指標。Brown認為，大部分LA 項目都采用了混合指標來提高預測準確度。也有些學者認為分析學生作品（如作文、視頻作品等）可以作為LA的指標，但這種方法不太常見。

資訊可視化被視為LA 的重要組成部分，一般以兩種方式出現：一是呈現數據分析結果（圖表等），二是儀表盤。可視化面板也有不同的呈現方式，一種是多個小窗口并列，而各種數據結果呈現在小的窗口中；另外一種是只呈現一個數據窗口，用戶可以通過下拉菜單等獲取更詳細的數據。Borwn強調了可視化技術和用戶界面設計在數據呈現中的重要性。

LA的終極目的是提高學習和教學成效，因此根據數據分析結果進行有效干預顯得非常重要。Brown發現兩種干預方式：一是系統自動反應，不需要或較少需要教師參與，例如普渡大學的Signals[38]系統給學生簡單明了的紅、黃、綠信號；另一種是半自動反應，LA發現學習模式（不喜歡某些學習活動）或者癥狀（學生缺乏學習動機等），需要教師專家分析之后作出決策，進行干預。

五、LA過程維度模型

Greller&Drachsler的模型注重于LA的緯度，強調了在設計LA系統時應該考慮到的各方面的因素，如從關益者到數據等，但沒有突出設計LA的過程。Elisa 的LA模型突出了認知性、技術性和社會性（理論、電腦技術、人員和機構），同時強調LA過程的循環性和改進性，但是過程過于簡化，例如信息加工涵蓋了所有的數據處理分析過程以及數據結果呈現，沒有具體緯度。這兩個模型傾向于理論化，但對具體開發LA的指導性不強。Brown則著重強調了LA在實際應用中應該注重的兩個方面：LA技術本身以及其目的。同時他根據實際應用中的LA系統，總結出LA研究中的具體環節和因素，如不同的數據指標的選擇和應用、數據可視化技術以及干預的方式。

結合以上的兩個模型和Brown的見解，筆者認為LA設計模型應該明確其過程環節，每個環節涉及的緯度要素可能重合。LA設計過程應該包括三個環節：首先是LA目標的確立；其次是LA本身的開發，主要是針對數據的操作、分析、呈現等；最后是干預。將目標作為一個重要環節的主要原因是，在設計開發LA系統之前，必須要有明確的方向：是提高學生動機、提高學生參加學習活動的頻率，還是評估該教學活動是否適合所有學生等。有了主導方向，才能根據學習理論和相關研究等確定數據指標、預測模型等，明確數據來源（LMS或者其他數據庫）獲取數據；同時根據學習理論教學法等，確立統計分析方法，如描述性統計數據、相關性分析、回歸預測模型等。數據分析的結果同樣可以檢測理論基礎是否合理，如發現有些數據指標為非顯性因子，因此可以進一步簡化提煉理論基礎。數據結果一般用可視化技術呈現，如可視化面板等。干預措施則建立在整個數據分析結果之上。為確認采取的干預措施是否有效，可以與LA目標對照。而目的本身也將影響干預措施的選擇和實施。圖4 中LA過程模型呈現了我們對智慧教育中LA的過程、相關因子及其相互之間關系的理解。

以下我們基于Greller & Drachsler的六個緯度來說明LA設計開發中每一環節涉及的重要緯度（見表3）。

六、LA應用現狀及面臨挑戰

LA已成為教育領域，尤其是高等教育和遠程網絡教育的熱點。美國西部州際高等教育委員會教育技術合作部（WICHE，WCET，Western Interstate Commission for Higher Education，Cooperative for Educational Technologies）的教育LA大數據分析項目，其預測分析報告（PAR，Predictive Analytics Reporting）于2011年獲得比爾及梅琳達·蓋茨基金會資助。[39]PAR的主要目的是確認影響學生退學以及是否能夠畢業的因子。該項目目前已經涉及六所大學64萬學生，320萬門選課的數據分析，初步發現32個影響學生學習以及退學的普通變量（多為學生特點變量），包括性別、種族、學位種類、多種專業、課程數量、班級人數等。其他發現如學生的性別、年齡以及種族與該生是否會退出某門課沒有關系。該研究仍在繼續。

然而，盡管LA工具已經在世界各地一些大學被開發和應用，學者們認為，LA在教學應用方面的研究和相應的LA技術研發和系統開發尚處于初始階段[40][41]。Simens等認為教師缺乏可以用來評估多方面學生成績以及對學生進行對比分析的LA工具，學生也難以追蹤與自己的網上活動和成績方面的信息。[42]因此他們提出了開放性學習分析平臺項目，目的是開發集成的可擴展的LA工具集，以供教師和教育機構對學生的活動進行評估，并以此為基礎決定干預措施，從而提高學習效果。同時，學生也可以查看個人的學習進展。該平臺預期將開發四種工具和資源：（1）LA 引擎；（2）自適應內容引擎；（3）干預引擎，包括干預措施推薦和系統自動支持；（4）儀表盤、報告以及資訊可視化工具。

現有的已經開發出的LA系統大多是針對具體課程，目的是根據學生的表現、活動成績等實施干預措施，以提高學生成績，改善學習體驗等。類似LA系統如普渡大學的Course Signals、密歇根大學的M-Reports Dashboard、馬里蘭大學-巴爾的摩縣（UMBC，University of Maryland-Baltimore County）的Check My Activity，以及亞琛工業大學（RWTH Aachen ）的eLAT（Exploratory Learning Analytics Toolkit）等。

盡管有很多系統已經在使用中或者正在開發，但是LA的開發和研究同樣面臨著諸多挑戰。我們以Signals[43]和eLAT[44]為例，來說明這個問題。

與很多大學相類似，普渡大學開設了很多入門課程，這些課程往往有很多學生經常對他們的學習狀況不是很了解。為了能夠及時提醒和通知學生在某一特定課程中的表現和成績，普渡大學開發了Signals 系統。該系統通過數據挖掘和統計預測模型，根據多個變量（表現指標包括：現有平均分和努力程度，如學生LMS的交互頻率；個性特點指標包括學術準備，如高中平均分和各項標準考試成績，以及學生特點，如是否為美國居民、年齡和選修學分）來預測學生是否能夠完成/通過該課程。Signals 在課程進行的過程中，以交通信號指示燈的方式，讓學生了解自己的學習狀況：課業良好（綠色）、課業中度危急（黃色），或者課業嚴重危急（紅色）。同時教師可以給學生提供有效的反饋信息，引導學生使用合適的資源等來提高成績。[45]Signals 的使用取得了很多正面效果，如在使用Signals的班級，成績為A和B的學生比沒有使用班級的學生多，而成績為C 和D 的學生則少于對照班級。另外，研究還發現，參加至少一門使用Signals 的課程的學生比沒有使用Signals的課程的學生的四年畢業率高四個百分點。[46][47]

在RWTH Aachen 大學，Dyckhoff等[48]開發了eLAT ，幫助教師在使用L2P、網上教學學習系統時，更好地反思他們的教學方法和成效。通過eLAT，教師可以根據個人興趣探究內容使用，用戶特征、用戶行為、測評結果等是否相關以及相關程度等。他們強調LA 工具應該具有動態性和靈活性，這樣教師可以根據自己的興趣查看相關信息，確認教學方法是否有效，以及不同特點的學生對同一教學內容是否有不同反映等。eLAT 的主要目的是幫助教師自我評價他們的課程以及支持他們做相關研究，因此更多關注的是學生作為一個群體的表現、活動、成績等，而不是個體學生的信息。即便如此，該系統的設計非常注重保護學生個人隱私，以Hash 函數（注：一種用雜湊函數產生隨機數的算法）取代學生姓名。此外，他們認為LA 工具呈現的數據應該簡單易讀，因此資訊可視化非常重要。eLAT使用四類指標：文檔使用指標、成績測評指標、用戶活動指標和互動交流指標。每類指標包括多種具體指標，如最頻繁使用的10個文檔屬于文檔使用指標，教師可以根據指標信息發現學生最喜歡使用的文檔，如學生可能喜歡一個具體例子超過課堂講稿。另外，根據用戶活動，他們用不同顏色表示三組用戶類型：非常活躍用戶（藍色）、活躍用戶（紅色）以及非活躍用戶（黃色）。如果學生大部分都不夠活躍，那么教師可能需要發現原因，考慮如何改進教學內容及方法等。

Signals 的成功是顯而易見的，然而研發人員也提出了他們遇到的問題和困難。首先是數據。除了LMS 數據容易獲取，Signals 的預測模型需要的學生個性特點數據是分散的，由不同的相關學校部門分別持有。在開始階段，聚合匯編數據花了一年多的時間。其次是Signals 的使用方面。研究證明早期干預和頻繁干預對學生成績的影響最為正面，然而大部分教師工作負荷很重，多次干預會加重他們的工作負擔。最后，研發人員發現，他們很難向學生解釋如何得到他們的學習狀況危險指數。為此他們專門作了視頻，解釋了他們的算法和公式。

在挑戰和困難方面，eLAT研發人員提到了數據指標的選擇。他們選擇了用戶活動指標等，然而很難確認哪些對改進教學有指導意義，也很難確認它們是否包含了所有影響學生成功或失敗的指標，因此需要更多的實證研究來驗證。此外，研發人員認為數據指標過于簡單，只傳達一般信息和容易理解的信息，然而，加入一些教師們不熟悉的指標等，可能會給他們解讀數據帶來困難。

因此LA在實際的開發過程中，技術的、倫理的、人員有關的以及實際情況的限制等各方面的問題都可能出現。

七、LA與智慧教育

隨著技術的發展，人類社會進入數據化時代，計劃決策等無不以數據為依據。教育也將逐漸成為智慧教育模式，即以學習者為中心，進行個性化學習，為學習者提供各方面支持，將教和學的效果提升到一個新的層次。學習技術如電子課本和移動學習等正處于發展上升期，預計一到兩年之內會有廣泛應用[49]。這意味著更多的數據可以納入LA 研究的范圍。LA 以學習科學、教學理論、課程設計理論和已有研究結果為基礎，選擇學習者特點、網上交互活動頻率等變量，分析并監測學生學習情況，評估教學活動教學質量，及時發現學習中存在的問題，從而保證智慧教育的實施。因此，學習分析學應該成為我國教育技術研究者特別關注的新領域。

[參考文獻]

[1] 祝智庭，賀斌. 智慧教育：教育信息化的新境界[J].電化教育研究，2012，（12）：1～13.

[2] Learning and Knowledge Analytics[DB/OL].[2013-01-10].http：///？p=174.

[3] 顧小清，張進良，蔡慧英.學習分析：正在浮現中的數據技術[J].遠程教育雜志，2012，（1）：18～25.

[4] Siemens，G..What are Learning Analytics？[DB/OL].[2012-12-20].http：///blog/2010/08/25/what-are-learning-analytics/.

[5] Siemens，G..Learning Analytics a Foundation for Informed Change in Higher Education[DB/OL].[2013-01-17].http：///gsiemens/learning-analytics-educause.

[6] Verbert， K.， Manouselis， N.， Drachsler， H. & Duval， E.. Dataset-Driven Research to Support Learning and Knowledgeanalytics[J]. Educational Technology & Society，2011.

[7] [10] [14] [16] [17] [45] Ferguson， R.. The State Of Learning Analytics in 2012： A Review and Future Challenges[DB/OL].[2012-12-11]. http：//kmi.open.ac.uk/publications/pdf/kmi-12-01.pdf.

[8] [37] Brown， M. Learning Analytics： Moving from Concept to Practice[DB/OL].[2012-12-21].http：//educause.edu/library/resources/learning-analytics-moving-concept-practice.

[9] [20] [26] [27] Cooper， Adam. A Brief History of Analytics A Briefing Paper[DB/OL].[2012-12-15].http：//publications.cetis.ac.uk/wp-content/uploads/2012/12/Analytics-Brief-History-Vol-1-No9.pdf.

[11][18][28][29] Greller， W.& Drachsler， H..Translating Learning into Numbers： A Generic Framework for Learning Analytics[J]. Educational Technology & Society，2012，15（3）：42～57.

[12] White House Ostp. Obama Administration Unveils “Big Data” Initiative： Announces $200 Million in New R&D Investments[EB/OL].[2012-03-29]. http：//whitehouse.gov/sites/default/files/microsites/ostp/big_data_press_release_final_2.pdf.

[13] Mazza，R.，& Milani，C..GISMO： a graphical interactive student monitoring tool for course management systems[DB/OL].[2012-01-10].http：//linux3.dti.supsi.ch/～mazza/Web_area/Pubblicazioni/TEL04/TEL04.pdf.

[15] Mazza， R.&Dimitrova， V.. Visualizing Student Tracking Data to Support Instructors in Web-Based Distance Education[DB/OL].[2013-01-10].http：///WWW2004/docs/2p154.pdf.

[19] [34] Elias， T..Learning Analytics： Definitions， Processes， Potential[DB/OL].[2012-12-10].http：///LearningAnalytics DefinitionsProcessesPotential.pdf.

[21] [24] Siemens， G..Learning and Knowledge Analytics[DB/OL].[2012-12-28].http：///？p=131.

[22] Barneveld， A.， Arnold， K.E.& Campbell， J.P..Analytics in Higher Education： Establishing a Common Language[DB/OL].[2013-01-18].http：//net.educause.edu/ir/library/pdf/ELI3026.pdf.

[23] Siemens， G. & Baker， R.. Learning Analytics and Educational Data Mining： Towards communication and collaboration[A]. Simon， B.S.， Dragan， G. & Rebecca， F.. LAK’12 Proceeding of the 2nd International Conference on Learning Analytics and Knowledge[C]. USA： ACM New York，2012：252～254.

[25] Davenport， T. H.， Harris， J. G. & Morison， R.. Analytics at Work： Smarter Decisions， Better Results[M].Boston： Harvard Business Press，2010.

[30] Wolf， G..Know thyself： Tracking Every Facet of Life， from Sleep to Mood to Pain， 24/7/365. Wired Magazine[DB/OL].[2012-12-05].http：///medtech/health/magazine/17-7/lbnp_knowthyself？currentPage=all.

[31] Drachsler， H.et al. Issues and Considerationsregarding Sharable Data Sets for Recommender Systems in Technology Enhanced Learning[J]. Elsevier Procedia Computer Science，2010，1（2）：2849～2858.

[32] Dron， J.，Anderson，T.. On the Design of Collective Applications[A].Proceedings of the 2009 International Conference on Computational Science and Engineering - Volume 04（CSE’09）， Vol. 4. IEEE Computer Society[C]. Washington， DC， USA，2009： 368～374.

[33] Hackman， J.R.，Woolley， A. W.. Creating and leading analytic teams[A]. R. L. Rees & J. W. Harris， A handbook of the psychology of intelligence analysis： The human factor. Burlington[C]. MA： CENTRA Technology， in press.

[35] Corbitt， T.. Business Intelligence and Data mining[J].Management Services，2003，（12）：18.

[36] MacFayden， L.P. & Dawson，s..Mining LMS Data to Develop an “Early Warning System” for Educators： A Proff of Concept[J].Computers & Education，2010，54（2）：588～599.

[38] [43] [46] Pistilli， M.D.， Arnold， K.， & Bethune， M.. Signals： Using Academic Analytics to Promote Student Success[DB/OL].[2012-10-08].http：//educause.edu/ero/article/signals-using-academic-analytics-promote-student-success.

[39] Boulder，CO（PRWEB）.. WCET Predictive Analytics Reporting （PAR） Framework Project DeliversMillions of Course Records for Review and Analysis[DB/OL].[2011-10-17].http：///pdfdownload/8882165.pdf.

[40] [49] Johnson， L.， Smith， R.， Willis， H.， Levine， A. & Haywood， K.. The 2011 horizon report[DB/OL].[2012-05-09].https：//waynedev.uakron.edu/dotAsset/d252d696-2a99-4102-8010-4fc103846b0d.pdf.

[41] Johnson， L.， Adams， S.， & Cummins， M.. The NMC horizon report： 2012 higher education edition[DB/OL].[2012-05-09].http：//net.educause.edu/ir/library/pdf/HR2012.pdf.

篇3

隨著教育教學改革的不斷深入，新課標更加關注學生學習過程，努力提高課堂教學效率是數學教學活動永恒的主題。課堂教學是教師開展教學活動的主陣地，是學生獲取知識的主渠道。教師要在實施課堂教學過程中，積極利用各種教學資源，合理安排教學內容，設計適合學生發展的教學過程。尊重個體學生的差異，是學生都能體會到成功的喜悅，增強學好數學的信心；抓住小學生好動好奇的心理特點，合理有效地使用現代化教學手段，提高教學效益。只有通過這樣創設良好的課堂氛圍，激發學生對數學的學習興趣，才能提高課堂教學效率，實現課堂教學的有效性。作為一名從教幾年的數學教師，我來談談對如何營造良好的課堂氛圍，提高實現教學質量的幾點看法：

一、巧設問題情境，激發學生學習興趣，提高課堂教學質量

《小學數學課程標準》中明確提出：“讓學生在生動具體的情境中學習數學。” 蘇霍姆林斯基也曾經說過：“掌握知識和獲取技能的主要動因是――良好的情境。”所以，在數學課堂教學過程中，教師應該根據教材內容，為學生創設良好的問題情境，引導學生在創設的情境中去學習，主動去動腦去思維，培養良好的數學思維。古人云：“學起于思，思源于疑”。學生的思維都是以發現問題為前提，在解決問題中發展，巧設問題情境能激起學生的求知欲望，給學生提供主動參與的空間，打開學生思維的閘門，學生的課堂效率就會提高。例如，在對“有理數的混合運算”這一課程進行講解時，在進行新知識講解前我給學生出示一個思考題：有3個人去投宿，一晚30元，三個人每人掏了10元湊夠30元交給了老板，后來老板說今天優惠只要25元就夠了，拿出5元命令服務生退還給他們，服務生偷偷藏起了2元，然后把剩下的3元錢分給了那三個人，每人分到1元，這樣一開始每人掏了10元，現在又退回1元，也就是10-1=9，每人只花了9元錢，3個人每人9元，3 X 9 = 27 元 + 服務生藏起的2元=29元，還有一元錢去了哪里？問題一出，學生的思維頓時被調到起來，開始激烈的討論了起來，整個課堂的氛圍就被調動起來，學生也就會集中注意力在這一課程的學習，課堂效率也就提高，通過創設問題情境，能使枯燥乏味的數學課堂變得生動形象，激發學生濃厚的學習興趣，使數學課堂充滿生機和活力。

二、建立和諧融洽的師生關系，提高課堂教學的有效性

建立和諧融洽的師生關系是上好一堂高效數學課堂的前提，是學生樂于學勤于學的重要保障。在小學數學課堂教學過程中，教師應該尊重學生的個體差異，對不同的學生采取不同的教學方式，充分體現學生在學習中主人翁的地位，應當恰如其分地使用表揚性、鼓勵性、激勵性和幽默風趣性的語言來鼓舞推動學生學習的積極性。只有師生平等友好地相處，就能發生情感效應，學生體會到教師的關注和期待，學習就不會成為負擔，而會成為一種執著的追求；學生才會去積極探索，才能創造性地運用知識，變苦為樂。教師體會到學生學習的積極性，就會努力去創新挖掘新教學方法，改變傳統的教學模式，從而激發學生求知的欲望。良好的師生關系，是開啟知識大門的金鑰匙。例如，當學生在回答問題時自信心不足，我就鼓勵學生讓他鼓足勇氣回答問題；學生在回答問題時有自己的想法和意見，我就表揚他讓他說出自己的見解；當學生在解決問題時遇到難題，我就指引他給去發現問題的本質；當學生在順利完成問題時，我就會表揚他給予他肯定。總之，課堂教學中要讓學生充分體會到主人翁的地位，教師就要建立和諧的師生關系，營造一種民主和諧的課堂學習氛圍，使學生們不用擔心自己的見解、想法或做法會受到批評，使學生在數學課堂學習中產生愉悅感，從而提高教學質量。

三、培養學生良好的數學學習習慣，提高教學質量水平

學習習慣是指學生在學習活動中形成的固定態度和行為。俄國教育家烏申斯基曾經說過：“良好的習慣是人在他的神經系統中所儲存的資本。這個資本不斷增值，而人在其整個一生中，就享受著它的利息。”由此可說明，良好的學習習慣直接影響到他今后的發展。學生的學習習慣直接影響到學生的學習效果，良好學習習慣可以促進學生學習成績的提高。良好的學習習慣一旦養成，學生將受用終生，而良好學習習慣的培養應從小抓起，要不然一旦學生養成不良習學習慣，要糾正那將是一件很困難的事情。在數學教學活動中，應該培養學生哪些良好的數學學習習慣呢？在教學過程中，要注意培養學生認真、嚴格、刻苦鉆研的學習態度；自主探究，不向困難低頭的精神；培養學生勤于動腦，善于思考的習慣；培養學生認真獨立的完成作業和自覺檢查的習慣；培養學生認真書寫，字跡清楚，格式正確完整；培養學生養成良好的審題習慣”。只有通過這樣，學生的觀察、想象、理解、分析、判斷、推理、概括、記憶、創造等能力才會得到提高。同時重視思考教學，引導學生多角度思考問題，展開思維過程，培養創新精神和創新能力，全面提高數學教學的質量水平。

篇4

一、考試組織

這次考試由中心校統一組織安排，按照中心校要求考試時間、考場布置、學生座次、教師監考，學校嚴格把關和中心校要求完全一致，順利完成期中考試。

二、試題內容和難易程度

1、本次考試試題為各級各科單冊的一半內容。

2、試題難易程度符合新課標要求，適合中下等學生答題，試卷設計的目的考察了學生雙基能力的掌握情況。

3、語文側重于記憶、分析、判斷、口語交際能力的訓練。

4、數學側重于計算、判斷、分析能力和動手操作能力的訓練。

5.英語側重于學生聽力、判斷能力的訓練。

三、具體情況

本次考試我們學校共參加考試515人。語文全校人平87.8分，超過人平的有8個班級，最高五二班97.16分最低一二班70.09分相差27.07分；這里需要注明的是一二年級總分100分，三到六年級為120分。及格率全校為88.2，超過的有7個班級，最高的是五二班為100%，最低的是一二班63.04，相差36.96個百分點；優秀率全校為40.65，超過的有8個班級，最高的是二一班66.67，最低的是一二班19.57，相差47.1個百分點。

數學全校人平77.18分超過人平的有7個班級，最高的是一一班87.19分最低的是四一班59.26分，相差27.93分；及格率全校為85.28，超過的有7個班級，最高的是一一班100，最低的是四一班52.17，相差47.83個百分點，優秀率全校為41.69，超過的有7個班級，最高的是五一班67.39，最低的是四一班4.35，相差63.04個百分點。

英語全校人平71.39超過人平的有4個班級，最高的是三二班81.82，最低的是五一班61.43，相差20.39分，及格率全校為74.93，超過人平的有3個班級，最高的是四一班100，最低的是五一班54.35，相差45.65個百分點，優秀率全校為32.54，超過的有3個班級最高的是四一班56.52，最低的是五二班12.77，相差43.75個百分點。

在全鎮范圍內相比：

一年級語文平均分鎮平74.89，和鎮平相比一一班高1.29，一二班低4.81，和全鎮最高相比一一比全鎮最高低5.58分，一二比全鎮最高低11.67；及格率鎮平80.56，和鎮平相比一一比鎮平高7.53，一二比鎮平低17.52，和全鎮最高相比一一班比全鎮最高低5.24，一二班比全鎮最高低30.29，優秀率鎮平24.59，和鎮平相比一一班比鎮平低0.78，一二班比鎮平低5.02，和全鎮最高相比一一比全鎮最高低24.19，一二班比全鎮最高低28.43。

一年級數學平均分鎮平82.22，和鎮平相比一一班高4.98，一二班高3.72，和全鎮最高相比一一比全鎮最高低2.33分，一二比全鎮最高低3.58；及格率鎮平92.51，和鎮平相比一一比鎮平高7.49，一二比鎮平高5.32，和全鎮最高相比一一班全鎮最高，一二班比全鎮最高低2.17；優秀率鎮平38.41，和鎮平相比一一班比鎮平高2.07，一二班比鎮平高7.24，和全鎮最高相比一一比全鎮最高低33.72，一二班比全鎮最高低28.54。

二年級語文平均分鎮平87.47，和鎮平相比二一班高2.25，二二班低6.41，和全鎮最高相比二一比全鎮最高低5.05分，二二比全鎮最高低13.71；及格率鎮平93.08，和鎮平相比二一比鎮平高4.54，二二比鎮平低1.19，和全鎮最高相比二一班比全鎮最高低2.38，二二班比全鎮最高低8.11；優秀率鎮平66.29，和鎮平相比二一班比鎮平低2.01，二二班比鎮平低23.05，和全鎮最高相比二一比全鎮最高低29.83，二二班比全鎮最高低50.87。

二年級數學平均分鎮平78.35，和鎮平相比二一班高5.39，二二班高4.35，和全鎮最高相比二一比全鎮最高低4.91分，二二比全鎮最高低5.94；及格率鎮平88.62，和鎮平相比二一比鎮平高6.62，二二比鎮平高5.98，和全鎮最高相比二一班比全鎮最高低4.76，二二班比全鎮最高低5.41；優秀率鎮平30.8，和鎮平相比二一班比鎮平高9.67，二二班比鎮平高4.33，和全鎮最高相比二一比全鎮最高低18.35，二二班比全鎮最高低23.69。

三年級語文平均分鎮平86.83，和鎮平相比三一班低12.25，三二班高2.04，和全鎮最高相比三一比全鎮最高低19.74分，三二比全鎮最高低5.44；及格率鎮平83.94，和鎮平相比三一比鎮平低23.33，三二比鎮平高2.73，和全鎮最高相比三一班比全鎮最高低32.42，三二班比全鎮最高低6.36，優秀率鎮平20.36，和鎮平相比三一班比鎮平低22.63，三二班比鎮平低0.36，和全鎮最高相比三一比全鎮最高低25.06，三二班比全鎮最高低14.15。

三年級數學平均分鎮平75.71，和鎮平相比三一班高0.32，三二班高6.74，和全鎮最高相比三一比全鎮最高低6.42分，三二全鎮最高；及格率鎮平79.64，和鎮平相比三一比鎮平高2.18，三二比鎮平高8.7，和全鎮最高相比三一班比全鎮最高低6.52，三二班全鎮最高；優秀率鎮平41.4，和鎮平相比三一班比鎮平低8.07，三二班比鎮平高13.6，和全鎮最高相比三一比全鎮最高低21.67，三二班全鎮最高。

三年級英語平均分鎮平86.53，和鎮平相比三一班低14.62，三二班低4.88，和全鎮最高相比三一比全鎮最高低22.47分，三二比全鎮最高低12.42；及格率鎮平94.8，和鎮平相比三一比鎮平低22.07，三二比鎮平低1.46，和全鎮最高相比三一班比全鎮最高低27.27，三二班比全鎮最高低6.67；優秀率鎮平71.95，和鎮平相比三一班比鎮平低41.64，三二班比鎮平低20.28，和全鎮最高相比三一比全鎮最高低67.26，三二班比全鎮最高低45.89。

四年級語文平均分鎮平94.03，和鎮平相比四一班高4.88，四二班高2.87，和全鎮最高相比四一比全鎮最高低1.78分，四二比全鎮最高低3.8；及格率鎮平92.29，和鎮平相比四一比鎮平高5.54，四二比鎮平低4.29，和全鎮最高相比四一班比全鎮最高低2.17，四二班比全鎮最高低12；優秀率鎮平34.36，和鎮平相比四一班比鎮平高9.12，四二班比鎮平高17.64，和全鎮最高相比四一比全鎮最高低13.04，四二班比全鎮最高低4.52。

四年級數學平均分鎮平61.51，和鎮平相比四一班低2.25，四二班低0.83，和全鎮最高相比四一比全鎮最高低10.95分，四二比全鎮最高低9.53；及格率鎮平57.49，和鎮平相比四一比鎮平低5.32，四二比鎮平高2.51，和全鎮最高相比四一班比全鎮最高低26.4，四二班比全鎮最高低18.57；優秀率鎮平11.45，和鎮平相比四一班比鎮平低7.11，四二班比鎮平高0.55，和全鎮最高相比四一比全鎮最高低16.7，四二班比全鎮最高低9.05。

四年級英語平均分鎮平87.02，和鎮平相比四一班低3.26，四二班低4.46，和全鎮最高相比四一比全鎮最高低11.85分，四二比全鎮最高低13.05；及格率鎮平95.81，和鎮平相比四一比鎮平高4.19，四二比鎮平低5.81，和全鎮最高相比四一班全鎮最高，四二班比全鎮最高低10；優秀率鎮72.25，和鎮平相比四一班比鎮平低15.72，四二班比鎮平低20.25，和全鎮最高相比四一比全鎮最高低43.48，四二班比全鎮最高低48。

五年級語文平均分鎮平94.26，和鎮平相比五一班低0.87，五二班高2.9，和全鎮最高相比五一比全鎮最高低6.22分，五二比全鎮最高低2.46；及格率鎮平94.99，和鎮平相比五一比鎮平低1.51，五二比鎮平高5.01，和全鎮最高相比五一班比全鎮最高低6.52，五二班全鎮最高；優秀率鎮平55.66，和鎮平相比五一班比鎮平低1.31，五二班比鎮平高6.04，和全鎮最高相比五一比全鎮最高低22.58，五二班比全鎮最高低15.22。

五年級數學平均分鎮平72.1，和鎮平相比五一班高9.31，五二班高2.59，和全鎮最高相比五一全鎮最高，五二比全鎮最高低6.72；及格率鎮平79.22，和鎮平相比五一比鎮平高14.26，五二比鎮平高3.76，和全鎮最高相比五一班比全鎮最高低3.01，五二班比全鎮最高低13.51；優秀率鎮平40.82，和鎮平相比五一班比鎮平高26.57，五二班比鎮平高5.99，和全鎮最高相比五一全鎮最高，五二班比全鎮最高低20.58。

五年級英語平均分鎮平61.41，和鎮平相比五一班高0.03，五二班高2.2，和全鎮最高相比五一比全鎮最高低12.63，五二比全鎮最高低10.46；及格率鎮平56.59，和鎮平相比五一比鎮平低2.24，五二比鎮平高7.24，和全鎮最高相比五一班比全鎮最高低33.37，五二班比全鎮最高低23.89；優秀率鎮平17.44，和鎮平相比五一班比鎮平低0.05，五二班比鎮平低4.67，和全鎮最高相比五一比全鎮最高低32.61，五二班比全鎮最高低37.23。

六年級語文平均分鎮平88.75，和鎮平相比六一班高4.88，六二班高4.36，和全鎮最高相比六一比全鎮最高低0.43，六二比全鎮最高低0.96；及格率鎮平90.64，和鎮平相比六一比鎮平高5.1，六二比鎮平高5.28，和全鎮最高相比六一班比全鎮最高低1.03，六二班比全鎮最高低0.86；優秀率鎮平32.24，和鎮平相比六一班比鎮平高18.83，六二班比鎮平高10.62，和全鎮最高相比六一全鎮最高，六二班比全鎮最高低8.21。

六年級數學平均分鎮平70.18，和鎮平相比六一班高3.88，六二班高7.92，和全鎮最高相比六一比全鎮最高低4.04，六二全鎮最高；及格率鎮平75.04，和鎮平相比六一比鎮平高10.06，六二比鎮平高16.79，和全鎮最高相比六一班比全鎮最高低6.73，六二班全鎮最高；優秀率鎮平38.47，和鎮平相比六一班比鎮平高4.08，六二班比鎮平高18.67，和全鎮最高相比六一比全鎮最高低14.59，六二班全鎮最高。

六年級英語平均分鎮平61.82，和鎮平相比六一班高2.8，六二班低0.1，和全鎮最高相比六一比全鎮最高低9.22，六二比全鎮最高低12.12；及格率鎮平57.54，和鎮平相比六一比鎮平高10.55，六二比鎮平低0.4，和全鎮最高相比六一班比全鎮最高低17.33，六二班比全鎮最高低28.27；優秀率鎮平16.46，和鎮平相比六一班比鎮平高6.94，六二班比鎮平低0.14，和全鎮最高相比六一比全鎮最高低15.73，六二班比全鎮最高低22.8。

從以上數據分析可以看出學校范圍內語文學科較好的有四年級、六年級。其他年級語文學科綜合排名都比較靠后。數學學科一、五、六年級較好，四年級比較靠后。英語學科只有六年級比較考前。三四級比較靠后。和全鎮相比我校的的短板還是優秀率，各級各科在優秀率上差距都比較大。平均分相差都是幾分最高十分左右，但優秀率的差距有達到十幾分、二十幾分、最高相差六十多分.

四、存在的問題

語文學科存在的問題主要有：

1、學生基礎知識不過關，如學過的漢字不會書寫或寫錯別字。

2、部分學生書寫不夠規范，不認真。

3、能力題掌握不好。

4、學生對閱讀分析的得分率相對較差，究其原因：一是平時訓練材料少，二是沒有養成良好的閱讀習慣，沒有讀懂文章就開始答題

數學學科中的主要問題是：

1、計算不細心，沒有驗算的習慣。

2、學生審題不嚴謹。部分學生缺乏認真仔細的審題習慣，拿到題目后往往想當然，憑主觀意愿來解題。

3、部分學生學知識死不會變通，分析解決應用問題的能力低。

4、學生的動手操作能力有待加強。

英語學科中的主要問題是：

1、記憶性知識掌握不牢.

2、學生對語篇的理解能力、分析、歸納、整理的能力有待加強。

五、設想和建議我也不多說了，那都是套話，下面我想說的是

篇5

白居易在論詩時說：“感人心者，莫先乎情。”課堂教學更是如此，情感是開啟學生心靈的鑰匙，是溝通教師與學生之間的橋梁。筆者在進入教室時除了以美好的形象和飽滿的熱誠感染學生外，在進入課文時多以各種讀為旋律，融聲音、表情、姿態、手勢為一體，營造熱烈的情感氛圍，激發學生的學習欲望，使課堂教學有一個最佳開頭。

如《春》一課，在板題后我說：“同學們，《春》這篇課文老師學生年代就已學過，后來做老師又多次讀過、教過，現在老師已經能一字不落地把它背下來，你們信嗎？”學生聽此，一邊用質疑的目光看著我，一邊熱烈鼓掌。我要求學生聽一聽這部作品是一首抒情詩，還是一曲春的贊歌，或是一幅春的風景畫？我在配音下，聲情并茂地背誦，潛移默化地將學生引入課文，使他們個個神情專注地品味這篇優美的散文。

二、借助現代教學資源，激發學生學習興趣是重要條件。

《基礎教育課程改革綱要》明確提出：“大力推進信息技術在教學過程中的普遍應用，促進信息技術與學科課程的整合”，“充分發揮信息技術的優勢，為學生的學習與發展提供豐富多彩的教學環境和有力的學習工具”。我充分發揮多媒體及其網絡系統集聲、影、圖、文于一體的優勢，調動學生多感官，激發學生學習興趣，提高語文教學質量。

如《人民百萬大軍橫渡長江》是1949年4月20日政府拒絕簽訂國內和平協定后，人民百萬大軍于20日晚上發起。面對長江天險及苦心經營數十年長江防線，勢如破竹，飛一樣橫渡長江，同志滿懷豪情地為此寫下一則全面報道渡江戰況的新聞稿。這則新聞在當時來說是震驚中外的一個特大消息，然而時至今日已六十多年，學生未必關心。那么如何激發學生學習這則動態新聞的興趣，從中弄清新聞的基本要求及其五大部分的結構等呢？我巧妙利用多媒體再現當時情境，講解課文前，我就播放中國人民百萬雄師橫渡長江的壯闊場面，將學生帶入情境，同時配以這則新聞的錄音朗讀，讓學生精神為之振奮，甚至忘卻了這是視頻，情不自禁地向播放的場景中沖。然后呈現電子課文，借助多媒體制作的圖文并茂的“長江進攻路線圖”等幫助學生體會新聞的特點要求，理清新聞的結構，從而大大強化了教學效果。

三、采用靈活多變的教學方法，激活學生思維是重要手段。

教學有法，但無定法，貴在得法。教法靈活多變，就能使課堂教學如同磁石般地吸引學生，激發學生強烈的求知欲和濃厚興趣，激活學生思維，使課堂教學精彩紛呈。我在每課的教學中，綜合考慮教材內容、學生的認知水平、課堂教學類型等因素靈活采用各種教學方法，讓學生手腦并用，課堂學習氣氛生動活潑。

如《孔乙己》這篇課文，在學習之前學生已經讀過魯迅的作品《從百草園到三味書屋》，且該課文是魯迅回憶童年時的生活，容易激發初中學生學習的興趣。在學習《孔乙己》一課時，我由《從百草園到三味書屋》引入，并進行對比閱讀，這樣不僅復習了舊課知識，幫助學生了解了《孔乙己》的背景和主題，初感了兩篇作品的相同點與不同點，摸索出了魯迅作品的思想脈絡，而且調動了學生的情感。在分析課文時，我直接從孔乙己外貌入手，采取抓住主要矛盾引導學生分析的方法。要求學生閱讀課文，看看孔乙己長什么樣，并根據課文中外貌的描寫，說說孔乙己的遭遇與性格。而后引導學生重點分析孔乙己又破又臟的長衫不離身的原因，從而很自然地把學生的目光引向孔乙己所處的那個社會和他思想最深處的東西。在學生初步了解了人物悲劇的社會根源后，我就用多媒體手段呈現課文中表現孔乙己遭受人們嘲笑戲弄的四個片斷，讓學生在如臨其境之中感知孔乙己的不幸遭遇和封建社會毒害下人們的麻木狀態。這四個片斷的描寫同中有異，異中有同，有許多可比點，我采用對比教學方法，從人物的對話、動作等對比中深刻體會封建制度對整個社會的毒害。小說分析結束后，我還讓學生看《阿Q正傳》電影片斷，讓學生在拓展閱讀的比較中更深入地了解孔乙己這一人物……整節課，由于教法靈活多樣，學生始終處于積極的分析探究之中，極大地提高了課堂教學質量。

四、開展各種以學生為主體的教學活動，提高學生主動學習的積極性是重要保障。

篇6

中圖分類號：G647 文獻標識碼：A 文章編號：1672-4038（2012）06-0014-08

教育績效評價是西方國家評價高校辦學效益的常用方法。在我國，教育績效評價開始較晚，現仍處于起步階段。但隨著高等教育后大眾化階段的到來，教育績效評價已逐步被政策制定者所重視，也受到社會各界越來越多的關注。人們對高等學校的關注點由單一的培養產出擴展到教育的目標和效果以及其與社會要求的契合程度。教育過程的合理性以及教育的效率等各個方面。因此將西方績效評價的概念和方法引入我國高等教育績效評價中，是促使高等學校由外延擴展向內涵發展轉變的有力手段。本文基于“985工程”大學2010年度教學質量報告，對“985工程”大學本科教學質量工程建設績效進行分析。

一、績效概念的界定

目前，人們對績效這一概念的認識仍然存在分歧，就像Bates和Holton指出的那樣，“績效是一個多維建構，觀察和測量的角度不同，其結果也會不同”。國內外學者從不同的角度對績效的定義進行了不同的界定，總的來看，學者對績效的理解，主要從將績效看作結果，將績效看作個體行為，將績效看作素質這三種角度對績效進行界定。如Bernadin認為，“績效應該定義為工作的結果，因為這些工作結果與組織的戰略目標、顧客滿意感及所投入資金的關系密切。”Kane認為：“績效是一個人留下的東西，這種東西與目的的相對獨立存在”，是“在特定的時間內，由特定的工作職能或活動產生的產出記錄。”而Campbell認為：“績效是行為的同義詞，它是人們實際的并能觀察到的行為表現。”Brumbrach則認為：“績效指行為和結果。行為由從事工作的人表現出來，將工作任務付諸實施，行為不僅僅是結果的工具，行為本身也是結果，是為完成工作任務所付出的腦力勞動和體力的結果，并且能與結果分開進行判斷。”本文對我國“985工程”大學本科教學質量工程建設績效的分析是在將績效看作結果的前提下進行的，分析材料是以教育部“985工程”大學建設的本科教學質量工程項目為指標，以我國“985工程”大學2010年度的教學質量報告為依據。

二、“985工程”大學本科教學質量績效分析

（一）績效指標的確定

績效評價指標的確定有助于判斷高等學校本科教學質量工程建設的成效，本文以高等學校本科教學質量與教學改革工程的建設項目本科教學質量工程實施以來的國家級建設項目為依據，提出“985工程”大學教學質量工程建設的關鍵績效評價指標。包括教學隊伍建設、課程建設、實踐教學建設三個一級指標體系，其中教學隊伍建設包括國家級教學名師與國家級教學團隊建設，課程建設包括國家級特色專業、國家級精品課程及雙語教學示范課程，實踐教學建設包括國家級實驗教學示范中心和人才培養模式創新實驗區。

（二）分析過程

1 教學隊伍建設績效分析

高等學校由外延擴展向內涵發展轉變的重要路徑就是提高高等學校本科教學質量，教師隊伍水平的高低是制約高等學校本科教學質量的關鍵因素。2003年，教育部為切實提高高等學校的本科教學質量組織了第一屆高等學校教學名師評選活動，教學團隊評選活動也于2007年開始進行。對“985工程”大學本科教學質量工程教學隊伍建設方面的績效分析主要包括國家級教學名師和國家級教學團隊兩個方面。

由表1可知，截止2010年，我國39所“985工程”大學國家級教學名師共229名。其中以北京大學國家級教學名師人數最多，有15名：清華大學、武漢大學國家級教學名師人數均位居第二，有13名：中國海洋大學國家級教學名師人數最少，僅有1名。孤立地以國家級教學名師的人數判斷高等學校教學隊伍建設的水平高低有失偏頗，因為高等學校專任教師人數與國家級教學名師兩者之間在0.01水平上呈弱相關（P=0.586）。計算39所“985工程”大學國家級教學名師數與專任教師數的比率。發現中國科技大學的國家級教學名師比率最高，每1000名教師中就有6名為國家級教學名師。其次是北京師范大學，每1000名教師中有5名為國家級教學名師；清華大學、南京大學、南開大學和武漢大學，每1000名教師中有4名為國家級教學名師；中國人民大學、北京大學、四川大學、蘭州大學、哈爾濱工業大學、中南大學和復旦大學每1000名教師中有3名為國家級教學名師；東南大學等13所“985工程”大學每1000名教師中有2名為國家級教學名師：北京航空航天大學等12所“985工程”大學每1000名教師中有1名為國家級教學名師。對39所“985工程”大學國家級教學名師數和其相對專任教師的比率表進行交叉分析，可以發現北京大學、清華大學、南京大學、武漢大學、四川大學、南開大學、北京師范大學這7所大學的國家級教學名師人數與專任教師人數在0.01水平高度相關（P=0.875），教學名師占專任教師的比率也相對較高，都在0.003以上，這7所大學在國家級教師名師項目的建設過程中相應的位于39所“985工程”大學的前列，屬于第一梯隊高校。而華東師范大學、重慶大學、東北大學、華南理工大學、北京航空航天大學、中國農業大學、西北農林科技大學、電子科技大學、中國海洋大學這9所大學的國家級教學名師人數與專任教師人數在0.01水平上高度相關（P=0.921），但教學名師占專任教師的比率相對較低，都為0.001，這9所大學在國家級教師名師項目的建設過程中相應的位于39所“985工程”大學的后列，整體上比較落后，屬于第三梯隊高校。但研究發現這9所大學中包括了“985工程”建設的二期學校3所，即中國農業大學、華東師范大學、西北農林科技大學，這三所大學“985工程”建設較晚，因此可以剔除這三所大學，其他6所大學屬于第三梯隊高校。其余25所“985工程”大學（不包括國防科技大學）的國家級教學名師人數與專任教師人數在0.01水平上呈現弱相關（P=0.453），其教學名師占專任教師的比率為0.002或0.001，這25所大學在國家級教師名師項目的建設過程中相應的處于第二梯隊。

由表2可知，截止2010年，我國39所“985工程”大學國家級教學團隊共306個。其中以北京大學、清華大學和吉林大學國家級教學團隊數量最多，有14個；浙江大學和武漢大學國家級教學團隊數量均位居第二，有13個；北京航空航天大學與中央民族大學國家級教學團隊數量僅有1個，國防科技大學無國家級教學團隊。計算39所“985工程”大學國家級教學團隊數與專任教師數的比率，發現中國科技大學和南京大學的比率最高，每1000名教師中就有6個國家級教學團隊；‘其次是北京師范大學：復旦大學、清華大學和東南大學，每1000名教師中有5個國家級教學團隊；南開大學等8所“985工程”大學每1000名教師中有4個國家級教學團隊；大連理工大學等14所“985工程”大學每1000名教師中有3個國家級教學團隊；東北大學等8所“985工程”大學每1000名教師中有2個國家級教學團隊；中央民族大學每1000名教師中有2個國家級教學團隊，北京航空航天大學每1000名教師中只有幾乎不到1個國家級教學團隊。將39所“985工程”大學國家級教學團隊和其相對專任教師的比率交叉分析，可以發現清華大學、南京大學、武漢大學、華中科技大學、復旦大學、東南大學、北京師范大學、天津大學這8所大學的國家級教學團隊數與專任教師數在0.05水平上高度相關（P=0.713），教學團隊占專任教師的比率相對較高，在0.004-0.006之間，這8所大學在國家級教學團隊項目的建設過程中相應的位于39所“985工程”大學的第一梯隊。以同樣的方法對其余“985工程”大學國家級教學團隊和其相對專任教師的比率交叉分析，可以發現重慶大學、哈爾濱工業大學、東北大學、華東師范大學、電子科技大學、北京航空航天大學、中央民族大學7所大學屬于第三梯隊高校，其余23所“985工程”大學（不包括國防科技大學）的國家級教師團隊項目的建設則位于第二梯隊。

2 課程建設績效分析

課程作為高等學校最基本的單元，在提高高等學校本科教學質量，探索建立中國特色的人才培養國家標準方面起著決定性的作用。對“985工程”大學本科教學質量工程課程建設方面的績效分析主要包括國家級特色專業，國家級精品課程，國家級雙語教學示范課程3個方面。

由表3可知，我國39所“985工程”大學國家級特色專業共698個。其中以北京大學國家級特色專業數量最多，有37個；清華大學國家級特色專業數量位居第二，有33個；吉林大學國家級特色專業數量位居第三，有29個；國家級特色專業數量最少的3所大學分別為北京航空航天大學、中央民族大學、國防科技大學。其中國防科技大學無國家級特色專業。

由表4可知，我國39所“985工程”大學國家級精品課程共1344門。其中以北京大學和清華大學國家級精品課程數量最多，有90門：浙江大學國家級精品課程數量位居第二，有72門；武漢大學國家級精品課程數量位居第三。有71門；北京理工大學與蘭州大學國家級精品課程數量相對較少，有10門，中央民族大學國家級精品課程數僅有1門，這3所大學的國家級精品課程數量位于后三位。

對39所“985工程”大學的國家級特色專業數與國家級精品課程數進行相關分析，兩者在0.01水平上呈現線性正相關（P=0.828）。因此，我們可以將“985工程”大學的國家級特色專業數與國家級精品課程數進行交叉分析，發現北京大學、清華大學、浙江大學、武漢大學、南京大學、華中科技大學、上海交通大學、同濟大學、天津大學、山東大學的國家級特色專業數與國家級精品課程數在0.01水平上高度相關（P=0.891），因此這10所大學在國家級特色專業和國家級精品課程建設方面位列“985工程”大學的第一梯隊。而國防科技大學、重慶大學、東北大學、大連理工大學、電子科技大學、北京航空航天大學、西北農林科技大學、中國海洋大學、北京理工大學、中央民族大學這11所大學的國家級特色專業數與國家級精品課程數在0.01水平上呈現弱相關（P=0.446），但這11所大學的國家級特色專業數與國家級精品課程數都位于39所“985工程”大學國家級特色專業數與國家級精品課程數的后13名，因此這11所大學在國家級特色專業和國家級精品課程建設方面位列“985工程”大學的第三梯隊。其余18所大學的國家級特色專業和國家級精品課程項目的建設則屬于第二梯隊。

因39所“985工程”大學的國家級雙語示范課程數量與國家級特色專業數量、國家級精品課程數量的在0.01水平上相關性較弱（P=0.559/P=0.578）。因此對“985工程”大學的國家級雙語示范課程單獨分析，由表5可知，我國39所“985工程”大學國家級雙語示范課程數量共158門。其中以清華大學國家級雙語示范課程數量最多，有10門；武漢大學和華中科技大學國家級雙語示范課程數量均位居第二，有8門：中央民族大學、中國海洋大學、國防科技大學和中國科學技術大學無國家級雙語示范課程。39所“985工程”大學國家級雙語示范課程建設整體水平比較落后。對雙語示范課程建設的重視程度還不夠，其中浙江大學僅有2門國家級雙語教學示范課程，這與國家建設世界一流大學的目標不相符。對39所“985工程”大學的國家級雙語示范課程建設梯隊的劃分，依據表5中的39所“985工程”大學的國家級雙語示范課程門數而定，前14所大學位于第一梯隊，后13所大學位于第三梯隊，其余12所大學位于第二梯隊。

3 實踐教學建設績效分析

實踐教學建設是提高高等教育質量的重要途徑。對我國“985工程”大學本科教學質量工程實踐教學與學生科技活動建設方面的績效分析主要包括國家級實驗教學示范中心，國家人才培養模式創新實驗區兩項基本內容。但因39所“985工程”大學國家人才培養創新實驗區的數量缺失數據較多，且某些大學2010年度本科教學質量報告中的數據與教育部官方所公布的數據存在一定偏差，在分析實踐教學建設績效時不將39所“985工程”大學國家人才培養創新實驗區建設包括在內。

由表6可知，我國39所“985工程”大學國家級實驗教學示范中心數量共184個。其中以清華大學國家級實驗教學示范中心數量最多，有9個；北京大學、浙江大學和武漢大學國家級實驗教學示范中心數量均位居第二，有8個；國防科技大學無國家級實驗教學示范中心。對39所“985工程”大學的國家級實驗教學示范中心建設梯隊的劃分，依據表6中的各大學國家級實驗教學示范中心的具體數量而定。由SPSS17.0分析得出，我國39所“985工程”大學國家級實驗教學示范中心數量的平均數為4.72。方差為4.63，說明39所“985工程”大學國家級實驗教學示范中心數量波動較小。前8所大學位于第一梯隊，后14所大學位于第三梯隊，其余17所大學位于第二梯隊。

（三）39所“985工程”大學教學質量的整體績效分析

上述對“985工程”大學本科教學質量工程建設的績效評價指標，包括教學隊伍建設、課程建設、實踐教學建設三個一級指標體系，國家級教學名師與教學團隊，國家級特色專業、國家級精品課程、雙語教學示范課程。國家級實驗教學示范中心和人才培養模式創新實驗區7個二級指標，在對39所“985工程”大學教學質量工程建設的整體績效分析時，依據39所“985工程”大學教學質量工程建設二級指標的梯隊排名進行賦值，第一梯隊大學賦值3分、第二梯隊大學賦值2分，第三梯隊大學賦值1分。然后將39所“985工程”大學教學質量工程建設二級指標體系的得分進行相加，分數相等則為同一名次，經過7個二級指標體系得分的相加，最終結果如表7所示。

三、基本結論

篇7

意義互動就是不同主體在其意義建構的過程中，基于各自的理解而展開其意義解釋進而促進相互問的意義交流與溝通的過程。意義控制即在意義互動中占據優勢地位的一方對另一方所施加的信息意義制約，這一制約主要表現為對意義域的控制。意義域包括意義的廣度和深度。課堂教學信息的意義控制，具體到教學信息意義的廣度就是師生對內容或問題的理解范圍，它表現為知識或經驗聯想的豐富程度、動作技能的熟練程度；教學信息意義的深度則是指對課堂教學內容或問題理解的層次，反映教師、學生內心體驗的強度，深層次的理解，伴隨著的強烈的情感體驗。課堂教學信息意義控制主要表現為作為知識代言人的教師對學生的教學意義的制約。教師通過課堂教學實現其教學信息意義的傳遞，學生則通過接受方式對教師教學信息意義做出自己的理解，所有的這一切都與教師教學信息意義的傳遞直接相關。由于在中小學課堂教學信息意義傳遞的結果大都有其必然的標準答案與規則，這種教學信息意義溝通是學生以教師為中介間接地從教師那里獲得的教學信息意義，學生意義的建構是被教師加工與過濾的知識信息，于是他們不需要作太多思考也沒有多少時間來思考。可見課堂教學過程中教師通常處于教學信息意義發生與控制的中心，而學生處于受控點上，教師作為教學信息意義中介的作用實質就是控制課堂教學信息的意義。在課堂教學過程中教師的教學信息意義控制包括以下方面：

(1)教師對課堂教學效果的評價標準的控制。教師作為社會要求的代表自然而然地要按其所掌握的社會標準來評價學生從而賦予學生社會標準的意義。同時也賦予學生接受教學信息及結果以標準的意義，對于不符合這一標準的言行進行干預從而構成課堂教學效果的評價標準控制。

(2)課堂教學的計劃與安排控制。教師事先根據課堂教學的要求決定課堂教學的目標、內容及過程等，教師決定學生接受什么指示，如何接受、接受到什么程度等，這說明教師擁有教學信息的選擇分配的權力。

(5)教師對課堂教學過程及方法的控制。教師按預定的教育目標進行教學并要求學生不能偏離教學目標的軌道。盡管教師口頭上要求學生自我建構，但學生的思考對象仍然被限制在教師自己的教學信息意義范圍內，教師賦予學生的思維方式及標準化的教學信息內涵形成對學生的意義控制。

二、課堂教學過程中的規范控制及應用分析

課堂教學中的規范控制指在課堂教學中教師對學生進行規則與紀律的約束，以規范其行為、完成教學信息傳遞的一種控制策略。課堂教學中的規范控制主要存在以下方面：

(1)課堂教學的規則控制。首先，教師根據社會性要求及品德教育目標對學生言行進行或褒獎、或批評、或懲罰性的干預從而形成規則控制。其次，教師為了順利地完成既定課堂教學，也往往要對學生進行紀律約束和規則控制。在一些教師看來，如果學生能遵守規則與紀律，則無疑能促進教學信息的接受。因而，在課堂教學過程中，教師往往要將相當一部分精力放在對課堂教學規則、教學信息傳遞秩序及紀律的維護上，約束紀律、詢問、提醒、指令、評價等行為主要是圍繞學生在接受課堂教學的過程中的表現展開的。

(2)課堂教學的時間及教學環節的控制。首先，教師掌握、控制著課堂教學的時間。其次，教師掌控著課堂教學環節的控制。在課堂教學活動的過程中，教師對課堂教學活動環節有一種規范與權力控制，體現在課堂教學活動的各個環節，包括教育信息的選擇，加工，處理，對信息傳遞媒體通道的控制及課堂教學信息效果的預測等。在具體實施課堂教學時，教師還利用出勤情況、教學活動組織過程、檢查作業、小組活動成員的指定及分派任務等環節進行規范控制。

(5)課堂教學的空間控制。學生在接受課堂教學時與教師所處空間位置關系構成了課堂教學空間。比如，課堂教學空間作為教室空間的基本形式，體現了教師的空間控制。在學校里無論是教室的劃分，還是在這些教室中的空間安排，都體現出比較嚴格的控制。我國的課堂教學中學生座位一般呈現傳統的秧田型，這種空間構成有利于教師的系統講授及控制學生的課堂行為，成為一種最常見的課堂教學的空間控制方式。

(4)教師互動對象的選擇控制。教師對與其互動對象的選擇存在著差異性，教師更多地選擇成績好的學生、干部學生及人際地位高的學生作為互動對象，與成績差的及人際地位低的學生進行信息互動較少。這種差異現象盡管有其客觀原因，即受互動時間及互動對象人數的限制而使互動機會不可能太多，但教師究竟將這些有限的互動機會提供給哪些學生，并如何與其互動則說明了教師在對學生不同期望下的一種控制。

三 、影響課堂教學效果有效性的原因分析

課堂教學中教師的規范控制，既可以防止學生可能出現的違規行為，有助于維護正常的課堂教學秩序，也可以避免出現妨礙課堂教學的意外情況，為自己的教學信息傳遞減少一些變數或不穩定因素，教師從而可以順利地完成自己的課堂教學任務。課堂教學信息意義控制同樣如此，在教學信息意義控制下，一方面教師要求學生接受自己的或已有的教學信息意義，另一方面教師使學生對相關教學信息意義的理解、范圍與層次使其與既定的教學信息意義相一致。可以說，教學信息意義控制便于教師在單位時間內向學生傳授盡可能多的確定無疑的標準化的信息，從而在一定程度上能提高傳遞教學信息的效率。

課堂教學控制的有效性對學生的影響也是非常深遠的。但課堂教學過程中教師決定著教學信息從目標、內容到手段、途徑的傳遞活動。因為教師擁有規范控制的批評、獎勵、懲罰以及對評判的標準手段，所以，教師實際決定著整個課堂教學信息的意義。這種師生問的教學信息意義交流也被嚴格要求按課堂教學邏輯來進行，教師對學生的信息接受持單一的預期反應，即教師心目中的標準。結果學生對教學信息意義的建構實際也被決定了，這樣學生對教學信息的意義建構也僅限于教師已有的教學信息意義自身，于是在教師的課堂教學信息的意義控制下，教學信息接受的某種強迫性也就存在著，而這正是學生缺乏接受課堂教學信息的積極性的深刻原因。

四、提高教師對課堂教學信息控制有效性的策略分析及應用

課堂教學是一種有目的、有計劃、有組織的教育教學實踐活動，在課堂教學活動中教師對學生的控制在所難免，問題不在于教師要不要控制，而在于教師如何在依據社會要求，同時不至于以犧牲學生的信息意義建構或創造性為代價來實現其對學生的有效控制，這就需要教師積極調整自己的課堂教學控制策略。

篇8

本次考試平均分86分；24人及格，及格率70%；18人優秀，優秀率53%；特優12人，特優率35%，3人過差。這次考試試題相對比較容易，重點考查基礎知識，考查能力題目并不多。由學生得分情況來看，低分人數較多，特秀人數較少，說明學生對基礎知識掌握很不扎實。

存在的問題

教師的教學中存在的問題：

教師沒有對有希望的特優生把握準確，對他們要求不嚴格，導致好幾個有希望的特優生在基礎題上丟分。

數學本身比較枯燥，學生學起來興趣不高，教師也沒有花精力研究如何調動學生的積極性，讓學生主動學習。

課堂管理不到位，導致部分學生在課堂上跑神，聽課效率差。

對臨界生的關注度不夠，沒有及時了解這些學生對知識點的掌握情況，導致他們學習的一知半解。

改進措施

要在提高特優率和優秀率上下功率，對待他們要讓他們多見題多練題，并且培養他們善于思考問題的習慣。

篇9

一、實施分層次教學，要樹立正確的學生觀

“沒有教不好的學生”，這是每一位教師要樹立的正確的學生觀。作為教育工作者應該換位思考，先思考希望老師怎么對待自己的子女，再來考慮我怎樣對待別人的子女。盡管個別學生有智力差異，要使其達到優秀是非常困難的，但經過我們的教育培養，讓其逐步提高達到合格水平，這是可以的。為這些學生今后的發展，為他們今后的謀生打下一個好的基礎，這是我們教育工作者義不容辭的責任。

二、實施分層次教學，要重視學生知識水平的差異

由于學生在智力水平、基礎知識、興趣愛好、潛在能力及學習方法等各方面存在著差異，所以其接受信息的情況當然也就有所不同。所謂分層次教學，就是從大多數學生的實際出發進行教學的同時，還要兼顧差生和優生，在所有學生都能達到基本要求的前提下，教師要有針對性、有目的、有計劃地讓不同層次的學生各有所得。

三、實施分層次教學，要在備課上下足功夫

課前教師要鉆研大綱，吃透教材，吃透學生，深入了解學生已有的基礎和學習狀況，要盡可能多地預見到課堂上的種種情況。從新課的導入、疑難問題的設置、練習題與習題的配備，都要針對中、差生解題能力不強、速度較慢的弱點，由易到難，由淺入深。練習題的配備要以中等生為主線，基礎題要求全體學生必須掌握，提高題則要求優生全做，鼓勵中等生選做。只有這樣，才能有利于差生鞏固基礎知識，中等生略有提高，優生得到充分發展。

四、 實施分層次教學，課堂上仍需突出學生的主體地位

目前廣大教師已普遍認識到在課堂教學中不能再搞滿堂灌、填鴨式的教學，要讓學生多思考、多練習，充分調動學生學習的積極性。但有些教師片面地突出學生的主體地位，要么大大小小的問題一個接一個地提問，要么練習不停地做。從外觀看，學生成了課堂的主人，學生的主體地位得到了體現，但實際收不到應有的學習效果，學習質量差，效率低。教學中教師的作用重在“導”，具體體現在啟發、點撥、設疑、解惑上。教師要擺正自己的位置，努力在“導”上下功夫，能讓學生先說的盡可能讓學生先說，能讓學生先做的盡可能讓學生先做，能讓學生討論的盡可能讓學生討論。教學中要引導學生大膽質疑，敢于、善于質疑。教學中應盡可能地發揮雙方的主觀能動性，而不應強調一方而削弱另一方。

五、作業布置的層次化和考試的多樣化

篇10

Survey and Analysis on Independent College Classroom

Teaching Quality and Style Construction

MA Jie， HU Min， MA Yeguang， ZHU Hanyu， XU Juan

（College of Science and Technology， Xinjiang Agricultural University， Urumqi， Xinjiang 830054）

Abstract Based on the current situation of classroom teaching quality and students' study style academy by an independent investigation. It was found that the overall quality of teaching and style construction steady for the better. But there are some problems， due to the current form of society and employment pressure， widespread knowledge of the student is not enough， not strong interest in learning， learning objectives are not clear， self-discipline is lacking. Therefore， independent college study construction work is still needed to promote， looking for practical ways to strengthen supervision， and improve the situation.

Key words independent college; teaching quality; style construction

教育發展是擺脫落后的必要條件，實現經濟騰飛的重要動力，社會走向可持續發展的根本大計。我國獨立學院在2000年之后的十多年時間得到了迅猛發展。十多年來，獨立學院在緩解中國高等教育供需矛盾、保證高等教育規模增長、提高國民文化素養、發展社會主義市場經濟建設等方面發揮了積極作用。如何加強獨立院教學，如何增進獨立院校教學質量，成為現階段研究的熱點。由于高校教學質量與校園學風建設息息相關，也是獨立學院自身建設的重要方面，直接影響到學生的知識文化素質和思想道德素質，影響到所培養的人才質量，因此如何推進學風建設也是當今高校的熱門話題。本文通過對某獨立學院5個專業系部學生的調查研究，擬對獨立院校的學風建設中存在的問題作一一闡述，從而為獨立學院教學質量的提升及學風建設的推進提供理論基礎。

1 研究方法

表1 各系部問卷發放情況

本次調查采用問卷調查法。本次發放《教學質量及學風建設問卷》，針對獨立學院經濟管理系、建筑工程系、生物科學系、機電工程系、生物科學系的全體學生進行調查分析。共發放問卷4427份，回收4320份，有效回收率為97.58%。各系部問卷發放情況如表1所示：

2 結果與分析

2.1 對所學專業的態度

通過對各系部學生對所學專業態度的調查發現，除語言文學系學生之外，其他系部學生對自己所學專業態度為滿意或比較滿意，而語言文學系學生對所學專業態度不僅有滿意、比較滿意，同時有32.65%的學生態度為一般，不滿意的人數達到10.05%。對所學專業的態度，間接的反映了學生對所學專業的感興趣程度，這種興趣直接影響到學生學習專業知識的積極性，因此從數據可以看出（表2），語言文學系學生對所學專業的積極性不及其他四個系部學生。

表2 各系部對所學專業態度的評價調查表

2.2 影響你對所學專業的學習態度是

數據顯示（表3），各系部對影響所學專業的學習態度選擇集中在“專業學習難度”和“專業就業率”上，表明大部分學生對專業的喜好程度取決于專業的難易程度，尤其以機電工程系、語言文學系、建筑工程系最為典型。此外，大部分學生對專業今后的發展情形的重視度較高，認為專業就業率是影響專業學習態度的重要因素。建筑工程系有25.97%的學生選擇“專業在學校的受重視程度”，體現該系部學生比較重視自己所選擇的專業受到學院的認可程度。

2.3 學習動機是什么

調查結果顯示（表4），各系部均有40%～65%的學生選擇A項，說明大部分學生的學習態度比較端正，對今后的發展做長遠打算，扎實學好專業知識，為走上工作崗位奠定基礎。語言文學系、建筑工程系、經濟管理系有15%～20%的學生以“嚴峻的就業形勢”作為目前學習的主要動機，說明有部分學生已經意識到在這個競爭日趨激烈的社會，是否能夠學到一技之長并學以致用是非常關鍵的。3%～6.5%的學生學習動機僅僅是為獲得相應文憑，同時各系部也存著少數學生，沒有學習動機，學習態度散漫，沒有明確目標。

2.4 影響學習的決定性因素

當問到影響學生學習的決定性因素時，各系部約有35%～ 50%的學生選擇“個人興趣”，其次選擇的是“學習氛圍”、“ 教師的授課方式”。由此可見，學生自身對專業是否感興趣至關重要的。此外，有30%～40%的學生認為“學習氛圍”是影響學習的決定因素，良好的學習氛圍能夠培養學生養成良好的學習習慣，反之則亦然，因此為學生提供一個好的學習環境是至關重要的。語言文學系學生認為是教師授課方式影響學習的占19.44%（表5）。

2.5 課堂教學質量較差的原因

結果顯示（表6），機電工程系33%-35%的學生認為造成課堂教學質量較差的原因是對課程內容不感興趣，教師教學方法不吸引學生，有15%左右的學生傾向D、E選項，表明學生對專業的認識程度不高，有13.68%的學生選擇G選項，從自身查找問題。語言文學系學生選擇A、B、C選項人數在25%～35%之間，顯然以學生的角度，除了個人興趣之外，課堂教學質量較差的部分原因在于教師的教學能力不足。建筑工程系、生物科學系、經濟管理系大部分學生選擇是對課程內容不感興趣，有10%～24%的學生認為與教師教學能力相關。建筑工程系與經濟管理系有15.55%、13.08%的學生認為是自身原因。

2.6 加強學風建設應最先解決的問題

結果顯示（表7），機電工程系、語言文學系、經濟管理系30%左右的學生選擇C項，選擇B項學生占20%左右，表明在這三個系部內，學生遲到、曠到現象較為突出，其次考試作弊、作業抄襲、課堂紀律較差現象普遍存在。建筑工程系和生物科學系學生認為考試作弊是學風建設最先解決的問題，體現了兩個系部對考試作弊問題的重視度。

2.7 我院目前存在的最主要學風問題有哪些

數據顯示（表8），各系部選擇A、B、C三項的學生占20%～ 55%之間，不難看出，目前學院存在的主要學風問題為“學生缺乏學習動力、厭學、為考試而學”、“學習紀律意識差、曠課嚴重”。機電工程系與經濟管理系有20%左右的學生認為迷戀上網游戲和浮躁不踏實，考試突擊也是當前存在的學風問題。

表7 各系部加強學風建設最先解決的問題

3 存在的問題及分析

3.1 專業學習問題

根據調查問卷的數據顯示，學院大部分學生對專業認識程度不夠，學習興趣不強，部分學生沒有學習動機，學習目標不明確，究其原因，由于大學環境里出現了各種觀念危機， 如“讀書無用論”、“厭學風”、“就業難”，在這種觀念的影響下，大學生又面臨復雜的就業形式，讓不少學生對所學的專業失去信心、心態浮躁、開始厭學、逃學。此外，語言類及工程類專業難度較大及專業教師的教學能力欠缺， 不能滿足學生的求知欲，也造成學生對專業知識的學習失去興趣，因此教師的治學態度、知識水平和教學能力還有待于提高。

3.2 學生學風問題

調查顯示，目前大學生缺乏學習動力，特悶理想抱負較高， 對自身能力評價過高，但意志相對薄弱，缺乏獨立性、自我約束力，容易受群體行為的影響而產生“從眾效應”。其次，當今網絡時代對大學校園的沖擊，使學生改變了慣有的學習觀念和方法，且沉溺于網絡游戲和網上娛樂，影響學習成績， 給高校學習風氣帶了負面的影響。

4 學風建設改進對策

4.1 分階段培養

由于學生對于專業認識程度不夠，學習興趣較低，解決問題的關鍵是要讓學生從真正意義上認識專業的重要性，通過多方努力，培養學生學習專業的興趣。大學生入校到畢業期間，結合不同階段大學生的心理特征和個性差異情況，采取不同的對策。大一是培養學生專業興趣和自覺性的最佳時期，這個階段的學生在行為上易受到引導和暗示，具有極強的可塑性，此期間加強對學生的專業思想教育，培養學生對專業的接納、認同和熱愛，同時激發學生學習的自覺性。進入大二、大三的學生，要從學生的學習興趣入手，積極開展與專業相關的科研或實踐活動，豐富學生的經驗，同時也激發了學生學習熱情和競爭意識。大學的最后一個階段，主要是結合當前的就業需求，教授學生實用性操作能力，多給學生傳授求職、應聘、面試等技巧，鼓勵學生以正確態度應對就業。

4.2 教風建設

調查中發現，學生對課程的喜愛程度與教師的教學能力有密切相關，因此教風在學風建設中起著至關重要的作用，尤其是青年教師隊伍的建設。教師的治學態度、教學水平、知識容量和言行舉止都會對學生產生潛移默化的影響。因此，學院應當緊抓教學質量，加強教學質量監控的力度，完善青年教師入職前的培訓系統，并組織示范教學活動，讓教師以高尚的師德感染學生，以廣博的知識引導學生，以高超的教學能力培養學生，調動學生學習的積極性，提高學生學習的自覺性和動手能力，以優質的教風促進優良學風的建設。

4.3 加大學風監管力度，獎懲結合

完善學風建設的監管制度，以制度為保障，全面規范學生管理。聯合學生會、學生社團，不定期對各班的學風情況進行全面檢查，及時發現問題并快速解決，加強考風考紀工作，創造公平、公正的的競爭平臺。實行選拔學生干部、發展學生黨員、評獎學金、選優、入黨、畢業生就業推薦等均與學習成績掛鉤的政策導向，通過這種形式把有利于優良學風形成的因素具體化、合理化和規范化，把教師的教學活動、學生的學習實踐及學院的管理活動納入系統的科學的規范之中，并建立完整的激勵機制和考評機制，把學院所推崇的形式、所倡導的內容常規化、制度化，做到標本兼治，創建優良學風和院風。

參考文獻

[1] 張凌茹.新疆教育的現狀及發展思考[J].商情（教育經濟研究），2007（4）：3-6.

[2] 易寧，丁小華.高校學風狀況的調查研究[J].江西社會科學，2006（2）：210-212.

[3] 林精華.高校學風狀況調查與思考[J].思想教育研究，2007（2）：74-77.

[4] 陳道華.新時期高校學風建設策略探析[J].華南師范大學學報，2004（2）：154-156.