以《最后一分钟》例谈数据驱动学情分析及后教策略论文

以《最后一分钟》例谈数据驱动学情分析及后教策略论文

以《最后一分钟》例谈数据驱动学情分析及后教策略

文/广州市番禺区石碁镇中心小学曾筱洵

本课题《互联网+背景下翻转课堂教学模式在略读课的应用研究》的理念,以科大讯飞的畅言课堂为交流平台,课前以微课为手段,学生课前先学;课中以课前反馈出现的难点成为课堂教学的起点,由老师组织堂上学习活动突破难点;课末以拓展阅读作学习延伸,检测反馈学习目标的达成度。笔者在对教材分析及以年段学生的普遍学情分析,确定以下的教学目标:①课前借助科大讯飞语音测评系统检测生字读音,课中对难点正音的方法读准5个生字的读音;②有感情地朗读课文,用简炼的语言概括诗歌内容;③借助互联网+的手段,搜集、整理课外相关的资料理解诗歌的内容,体会诗歌传达出的浓浓的爱国之情。那么,如何科学地利用数据,实现以学定教呢?

一、数据:精准朗读的依据

1.反馈全文朗读,针对性地纠错

过往教学中,一般以“齐读”“自由读”的形式以检查学生对全文朗读情况。这样的检查只是“走过场”,无法真正检测每位学生对全文是否读通顺、读准确,且教学时间也不允许教师花大量的时间去进行检测。在“互联网+翻转课堂”教学模式下,502班(以下统计对象均为502班)44人在课前提交朗读音频,优秀率达95.5%,良好、合格档次的各有一名学生。经教师回听,发现达“及格”档次的一名学生是由于朗读态度不佳造成的,与朗读能力无关。另一名达“良好”档次的学生确实由于发音、流畅度等问题造成分数略低。测试平台能分析每位学生具体哪个句子哪个句子朗读出现问题。根据以上“面上”及“点上”的数据分析,该班学生在全文朗读方面优秀率高,教学中只需要指出某位学生出现的问题并加上纠正即可。

2.反馈生字朗读,共性处纠错

在读准生字方面,上课班级44位学生对“叩、刹、硝、髓、铸”五个生字进行读音测试,优秀率达97.7%,只有一位学生达良好水平。说明对于该课略读课文来说,读准字音对学生的难度不大,他们通过课前自学基本上能把生字读准确。根据教师的回听及数据分析,发现其中两位学生对五个生字的失分率高达80%,且问题出在“声韵分”较低,通过课中全班回听“发音错误的音频”,发现“髓”和“刹”分别在声调及声母方面读错了。教学中及时请相应的学生纠正,效果显著。新技术的运用能高效、瞬时、准确地通过数据去把握学生课前学习的效果,以回放音频的方式呈现学生读准生字出现的问题,使课堂教学真正做到学生能学懂的不开讲,学生学习的困难点才是课堂学习的起点。

关于企业纳税实务与混合式教学研究比较少,见诸报道的仅有一项。肖睿[7]阐述了混合式教学建设的作用和意义,并设计了基于MOOC资源的混合式教学模式。

二、数据:调整研学问题的依据

在教学目标的导向下,对课文内容的课前研学方面,设计了9道选择题,涵盖了“课文内容的理解”、“情感线索”、“写作手法”三大方面。总体来看说,学生的检测结果在三、四、五、九题并不大理想。体现在学生对第三小节内容的理解还不够深入,对香港遭受的磨难的理解只有68%的正确率,对中国百年屈辱的理解仅54%的正确率。在写作手法方面,第九题的象征手法得分率仅51%。对情感线索的理解只有61%的正确率。“理解诗句内容,体会诗人表达情感的方法。”本应是本课的研学问题,然而搜集、整理资料,让学生理解诗句的内容已放在在课前先学了,根据以上的前置学习的数据分析,学生对象征手法及第三小节内容的理解是薄弱点。那么,遵循“以学定教”的理念,课中只是对学生还没学透切的地方再加以着力,并把重点放在诗人“是怎样写”“为什么这样写”“这样写有什么效果”上,从而试着提升学生对诗歌的欣赏力。

与混凝土结构相比,钢结构的重量小,在钢结构运输和吊装方面所需费用比较低,同时钢结构基础负载比较小,基础造价比较低。

三、数据:反馈教学目标达成度的依据

以文拓文,迁移运用是略读课型的特点。补充拓展另一首与本单元内容主题相关的现代诗,一方面起到主题强化的效果,另一方面,四道检测题同样是针对“理解内容”及“写作手法”方面进行检测的,与本课的教学目标具一致性,且有举一反三的迁移目的。过往,检测的效果一般以指名回答,以个体学生的回答代表整体的学习效果,这样的检测效果是片面性的。在新技术的支持下,可以当堂推送阅读检测题,瞬时完成数据的采集,对四道选择题均生成数据统计图。对全班的正确率,乃至具体哪位学生回答错误均一览无遗。教学中,教师针对第二题正确率极高,可以忽略评讲。对于第三题、第四题均有2至3名学生回答错误,则可以有针对性地请答错的学生讲述选择的理由,全班辩析。数据的使用,能具瞬时性、针对性地反馈出本课教学目标的达成度。

责任编辑黄博彦

标签:;  ;  ;  ;  ;  ;  ;  ;  ;  

以《最后一分钟》例谈数据驱动学情分析及后教策略论文
下载Doc文档

猜你喜欢