一、案例描述

教师在课前所预设的教学目标、重点、难点与学生实际需要学习和掌握的目标、重点、难点需要保持一致。为此，教师必须准确了解学生已经知道了什么；当老师把这个问题搞清楚，也就明确了本节课的教学目标，找到了课堂教学的真正起点。借助作业系统平台大数据分析，可以准确地了解学情，为教学提效增质提供支撑，让学业减负落到实处。

例如，在八年级数学下册《分式的加减》教学中，分式的运算是学生学习的难点，尽管学生已经具备一定的运算能力，但对于运算的准确性和算法的选择存在一定的困难，存在思维定势，不能具体问题具体分析，学生作业的错误花样百出。为此，八年级数学备课组教师借助作业系统的伴随式数据采集与分析，根据后台对学生作业错误点及错误率统计，在班内对学生分层布置个性化作业，课前由系统作业题库，对学生作业出现的问题及时推送个性化学习资源；课中采取全班级共性评析和学生个别化指导相结合的方式，精准组织教学；课后有重点的采取个别化诊断的方式，持续跟踪指导，同时引导家长通过微信端关注学生学业情况并进行监管，收到了良好效果。

二、信息技术环境和技术工具

作业学情系统推送个性化学情报告、个性化错题集，作业学情系统PC端班级共性学情报告及家长微信端相关数据。

三、案例活动过程

环节1：课前学情预警，推送学习资源

在《分式的加减》课前分层布置个性化作业，借助“作业学情系统”的伴随式采集和大数据分析，对学生的学习行为进行追踪与记录，及时发现个别学生在学习中出现的问题，提供个性化的学习预警，靶向制定干预策略，保证其学习质量。此次《分式的加减》作业中同为95分的两名学生，借助学情系统的数据分析，发现两个人同样是优秀等次，但背后掌握的知识点是不同的，正是借助于此，在布置作业时向两名学生推送的资源也是不同的。正是因为设置学情预警，跟踪学生的学习进程，适应学生的发展变化，灵活调整指导方案，所以达到了精准教学的目的。

环节2：课中数据驱动，实施精准教学

“作业学情系统”全过程采集学生的作业、随堂练、测试等学情数据，并进行知识点标签化处理，定位了解学生每章每节甚至每一个知识点的掌握情况，精准分析学生知识点掌握情况，对学生高频错题重组，即时生成《分式的加减》单元学生个性化错题集、个性化学情报告等微模型，对于错误率高于50%的试题班内集体评析讲解，低于25%的试题课下个别指导订正。以数据抽象表达复杂问题，建立微模型，有助于分析和发掘数据之间的潜在关联，为改进教育教学提供依据。

环节3：课后靶向诊断，进行个别化指导

课后，家长也可以陪着孩子在微信端查看自己的个性化学情报告反馈，进行自我监管与控制，激励自己努力学习，提高学习效率。同时自动建成学生学业档案，结合指导方案分析个别化指导结果，并提出改进计划，为学校着实解决过程性评价找到抓手。

 

作者：刘明明 严坤 李垚 吴继红  沈文彬 夏昕 张文胜 张瑞  许楠楠 杨多友

来源：2023年度智慧教育优秀案例