高考教学技巧（高考说明编写者张榕青）

高考教学技巧（高考说明编写者张榕青）2.怎样应用课堂测评数据？1.教学测评的基础是什么？精准教学特色：教学测评数据解读与应用精准教学思考与探索：

张榕青老师

北京市昌平区教师进修学校

多次参加北京考试院中高考说明编写

多次参加北京市高中会考与合格考命题

精准教学特色：

教学测评数据解读与应用

精准教学思考与探索：

1.教学测评的基础是什么？

2.怎样应用课堂测评数据？

3.怎样应用阶段测评数据？

（以下文字内容根据张榕青老师在“精准教学云端论坛”的分享整理）

多维测评，为精准教学增强动力

精准教学，离不开我们对测评数据的解读和应用。而测评数据的解读和应用，基于我们不断完善数据认知，了解测评数据的类型及特点，再根据数据特点，选择适宜方法，科学分析、灵活应用，获取自己所需的结果，从而提升教学质量。根据一线教学经验和感受，我们按照测评性质、频次和范围，对测评数据进行分类。

（一）相对评价数据VS绝对评价数据

比如大家熟悉的中高考和各类竞赛，属于相对评价。测评需要相互参照，对比衡量，测出学生在全体考生中的相对位置和相对水平。比如中高考，当年题难，大家分都低；当年题简单，大家分都高。但是，优秀的学生永远排名靠前。这类考试参加人数多，相关人群大规模全员测试。反馈速度快，中高考考后不到一个月就发布成绩。考试结束后，试题会解密。

绝对测评最典型的代表有国际学生评估项目，俗称PISA，还有国家五、八年级质量抽测等。绝对评价试题本身能够客观反应学生学习水平，无需参照。测试有题库，试题保密，可以反复使用。绝对评价是抽样测试，属于精准测量。测评能精准到什么程度？比如PISA，不是打分，而是打码。打码由两位数构成，一位数代表成绩等级，另一位代表答题类型。评卷过程非常精细。中高考也在逐步借鉴这种思路，比如等级赋分模式。这类测评试题都保密。试题在正式使用前要做大量的预测试，正式测评后试题不对外公布。另外，评价反馈速度也很慢，往往以年来计算。比如国家五、八年级质量抽测，超过12个月才通报成绩。

（二）静态评价数据VS发展评价数据

静态评价通过单次测评数据发现问题。数据应用范围小，使用频率高。比如课堂教学中，我们使用平板（PAD）随时测试，马上获得数据，马上使用。

与之相对应的是发展评价，通过对比前后历次测评数据发现问题。发展评价适用于阶段性考试，比如各级统考，前后关联进行评价。

目前大规模考试大多数仍然采用静态评价，或仅有初级水平的发展评价研究，还处于探索阶段。预测随着大数据和人工智能的发展，小范围测评也可能采用发展性评价。

课堂测评数据的应用

获得课堂教学测评数据的方法很多，但是都离不开信息化工具。近些年来，我们区主要基于平板（Pad）开展课堂教学测评。放眼全国，自从平板进入教室，我国南方，特别是东南沿海一带，对于课堂测评数据的应用，积累了丰富的研究成果，值得我们关注和学习。

（一）课堂数据的经典应用：客观题测评诊断

在课堂教学过程中，客观题测评诊断，包括选择、判断、连线等，最常见的是选择题。以我的初中生物课堂为例，通过平板（PAD）数据报告，能快速确定哪些题需要重点讲解。以11月月考为例（见图1），系统自动记录学生的作答情况。红色代表学生一次答错，绿色代表学生一次答对，黄色代表学生中途有修改、犹豫后改对答案。

通过分析报告，根据班级整体出错率，我能快速确定需要重点讲解第3题、第4题、第7题。点击单个题目，我还能进一步了解学生每个选项的选择情况，重点解释出错率最高的选项。比如第4题，我只需要重点分析D选项（见图2）。除了定位重点分析选项，我还会反思错误率高的原因。比如第13题，是题目要求学生思维深度大，超过班级大部分学生的水平？是教师教师概念教学不到位，导致全军覆没，个别学生作对也是蒙对的？还是试题本身有瑕疵，题没出好？（见图3）

图1 11月月考班级选择题分析报告

图2 客观题第4题答题分析报告

图3 客观题第13题答题分析报告

（二）课堂数据的拓展应用：个别化、自动化、视频化

课堂数据的拓展应用，主要表现在差异学习、自主进阶；填空等主观题自动评判；微课视频使用效果评价。一方面，我们在分析单个选择题的基础上，把选择题串起来，发展学生个性化学习，也就是差异学习、自主进阶。我们在几年前已经实现了结构化练习（见图4）。通过一层客观题诊断性练习和二层深化练习，借助文字、音频、视频、微课等形式的解析，识别不同学生的学习状态、教师引导、学生自主巩固、同学互助，提高学生的学习效率。通过精准识别、互助、辅导、调控，“优秀生吃得饱，后进生消化得了”，因材施教、方向各异，教师得以“解放”，学生也实现了进阶。将来在人工智能的支持下，还可实现多层嵌套。

另一方面，我们已经实现自动评判填空类主观题。把预设的答案输入系统，达到客观题的评判效果。目前已经开发出三种匹配形式：有的专业术语需要精准匹配，比如光合作用、叶绿体等；有的是理解性的一句话，可以设单一关键字匹配；还有的是全部关键字匹配，所有字都对应才能得分。（见图5）可以预计，随着人工智能发展，将来问答题、解答题也终将能实现自动评阅。目前人工智能已经开始运用于语文作文评阅，估计未来几年会进入高考作文评阅。

图5 主观题5.3答题分析报告

再一方面，提升微课、视频在课堂教学中的使用效果。五年前，我们开始试验的时候也有过争论：相同的视频学习内容，是在教室里统一播放还是推送到学生各自的平板上，学生自主播放？经过数据实证，我们发现，相对于统一播放学习资源，学生自主播放时，关注度更高、重复播放率更高。最终我们得出结论：自主播放学生吸收效率高于统一播放。作为老师，我们还要考虑发展进阶。通过课后关注大数据，多数学生反复回看的点提示我们，我们的微课、视频没有讲透，不利于学生理解，应该改进。

（三）课堂数据的发展方向：课堂教学创新、效果提升

在我看来，“互联网 教学”正在从精准练习层次、自主学习层次向合作探究层次发展。教师不再是学习内容的讲授者，而是学习情境的创设者，引导学生合作学习、自主探究。在学习的过程中，学生不仅获得知识，更重要的是培养能力、发展核心素养。而教师在教学中，三个层次需要根据教学内容和学情灵活选择、综合运用，尽量多使用合作探究层次。近几年来，我们的研究重点放在合作探究层次，如何调动学生思维、深度参与学习过程是我们持续关注的主题。

放眼全国，当前测评数据应用主要集中在前两个层次，而我们更关注第三个层次，重在学生参与深度和思维外显。因此，我们近期关于PAD教学研究课呈现一个特点，数据应用量，特别是客观试题数据应用量显著减少。比如上学期我们生物学科组织两次研究课。两节课从头到尾都没有用到客观题测评功能，都是第三层次的活动。学生的收获更大，因为整个过程中，学生不再是被动的接收者，而是主动的探究者，学生的思维一直活跃。目前，“合作探究层次”行为数据应用已经成为重点关注和突破的方向。而未来随着人工智能的深度介入，学生思维画像等数据应用发展可期。

阶段测评数据的应用

阶段测评数据主要指统考类数据。数据来源于学校月考、期中、期末考试，或者区县级以上统考等。阶段性测评至少是一个月，或者半学期以上。数据采集往往依靠网络阅卷。数据精准度高、可比性强。我们可以利用阶段性测评数据优化和调整教学。各级管理者也可以基于阶段测评数据，对课堂教学、学校管理作出相应的对策。

（一）总分发展数据应用：全科/单科总分分析

总分数据应用主要指测评全科总分或单科总分应用。全科总分通常采用10分一段。单科总分通常采用5分一段。以我区某所学校（见图6）和3所学校对比（见图7）为例，展开测评数据分析和诊断。

【案例1】某校总分分析

图6 某校总分分析报告

【分析过程】

横坐标是上次测试分数段。全科总分通常采用10分一段。黄色小山是全体考生上次测试中各个分数段的分布图。最多的学生分布在470-479分，往两侧递减。绿色柱子表示研究对象（某校或某班）各分数段的人数。该校大多数学生上次测试成绩集中在中游阶段。最多学生集中在470-479分，其次是460-469分。最重要的是红色曲线，表示这次测试与上次测试相比，每个分数段的增幅情况。比如，460-469这个分数段，全区平均增长10分，而该校学生平均增长63分，那么红点表示学校平均增幅超过全区增幅53.0分。同理，在470-479这个分数段，该校学生比全区平均多增长34.5分。绿色短柱是较高分段学生情况。500分以上分数段的学生，增长均低于全区增长平均值。比如超过510分的学生，成绩增长比全区平均增长低56.5分。

【诊断结果】

学校整体增幅显著高于全体学生，但表现出头低尾高，应重点关注尖子生。

【案例2】三所学校总分对比分析

图7 三所学校总分分析报告

【分析过程】

（1）学校1学生整体发展都高于零线，尖子生发展也高于零线。虽然生源分数段在全区靠尾部，但是所有分数段增幅都高于全区。

（2）学校2分数段也集中在中后部。450分-459分数段学生最多，但是增幅低于全区平均状况。高分段学生发展高于全区。

（3）学校3尾部学生成绩增幅远高于全区平均增幅。头部尖子生增幅也明显高于全区平均增幅。但是，中后部学生（440分-459分）低于全区平均增长。

【诊断结果】

学校1学生整体发展均衡，优秀学生发展显著。学校再加工能力强。

学校2需要重点关注主体学生，精准辅导，防止集体掉队或两极分化。

学校3需要重点关注中后部学生。学校个性化辅导比较好，培优工作扎实，可以继续保持。

【典型经验】

经过历年教学研究，通过关注总分发展，我们积累了经验。比如，有些学校发现高三成绩与高一入学成绩相比显著进步，但与高二期末成绩相比退步，反映出高一高二新授课阶段的教学方法或管理措施得当，高三复习阶段未能及时调整到位。再比如2016年我们刚开始研究发展性评价时，曾发现惊人规律：全区绝大多数高中校，无论其尖子生处于全区上游、中上、中游水平，发展显著均显著低于本分数段平均发展水平。究其原因，是因为各校过度追求升学率和平均分，老师更多关注主体学生和后进生，导致优秀生吃不饱。

（二）学科发展水平数据应用：学科相对百分比分析

通常，学校领导和年级组长更关注学科发展水平。随着高考改革，选考学科受关注度越来越高。选考学科考生人数差异巨大，有的学科70%的学生选考，有的学科40%的学生选考，语数英全体学生必考，所以绝对名次无法代表真实水平。比如，3000名考生，同样排第2000名，在某些学科可能排倒数第一，而有些学科可能是中下水平。

因此，我们采用全体学生学科相对百分比名次的平均值，作为分析数据。比如总共1000名学生，如果考第900名，相对百分比名次为90%。每个学生都有相对百分比名次，求平均后得出班级或学校平均值。比如在一个班级，一个学生考第50名，另一个学生考第100名，班级平均值就是75名。

【案例3】区县学科发展水平分析

图8 学科发展水平数据分析报告

因为是相对百分比名次，名次越靠前，柱子越短，说明学科发展越好。以全区某几所学校样本为例（见图8），左侧学校学习水平靠前，右侧学校学习水平靠后。在单个学校中，从左到右，分别按照语数外史地政物化生排列，也存在学科发展差异，需要教学领导或年级组长在安排课程表时，留有弹性课时，因班而异、因科而异，用于补短板。

（三）小题分数据应用：班级教学重难点及精准提升分析

小题分是所有老师最关注的内容。根据小题分，可以精准识别出教学重难点，但是也存在数据应用误区，会影响教学效率和效果的提升。得分率低的题目都要讲解吗？得分率低的题目要面向所有学生讲解吗？得分率低就代表老师教学不到位吗？为什么得分率低的同一知识点讲过多次，下次考试仍然低？这些疑问，推动我们深入探究小题分的解读和应用。

【案例4】某班教学重难点及精准提升分析

图9 某班小题分数分析报告

【案例分析】

这是一个语文学科案例，选自一所小型学校，初一年级总共3个班。图表横坐标代表小题号，纵坐标代表难度系数和得分率差距。以第2道题为例，难度系数约0.5，表示全体学生得分率约50%，本班学生得分率比全体学生平均得分率低大约15%。

由此，根据本班得分率与全体学生差距，可确定重点讲解第2题、第19题、第22题第2问。在此基础上，还需要联系试题难度系数进一步分析。第22题第2问得分率约90%，是简单题，所有学生都应该掌握；第2题得分率接近50%，是较难题，更适合中等及以上水平的学生巩固提升；而第19题最难，得分率仅35%左右，对后进生可以搁置错题，不作进一步学习要求。

【案例拓展】

在确定重点讲解题目时，既要依据本班得分率与全体学生差距，还要参照试题难度。那么参照试题难度有通用的方法吗？我们可以把题目从易到难排序（见图10）。相同难度下，重点关注班级与总体水平差距较大的题。也就是说，难度相近的试题，班级学生得分率应该跟全体学生得分率差距接近。差距显著偏大的试题，哪怕得分率高于全体学生，也应该重点讲解。

图10 某班小题分数分析报告

【案例5】某两个优生班级教学重难点及精准提升分析

图12 某优生班级分析报告

这是一个高三化学班级测评案例（见图12）。6班和7班的整体水平均显著高于全区平均水平。但是，第36题，高难度题目，两个班级的得分水平都低于区平均。说明任课老师可能平常更关注基础知识，对较高能力要求的训练不扎实，需要针对性地改善教学方向。再比如第18题，两个班级超出区平均水平最少，与优生班级整体水平不匹配，有可能是老师自身基本功不足，需要提升学科专业能力。

【案例6】同一任课教师教学重难点及精准提升分析

图11 同一老师两个任教班级分析报告

针对同一位老师的多个任教班级，可以对比分析，发现优势，也可查缺补漏（见图11）。比如，第11小题难度大，但2个班得分率均显著高于全体学生平均水平，说明教师这个知识点把握很到位。比如，第2小题的知识点为2个班共性差距，都低于全体学生平均水平，此时，老师应反思自己对知识的把握是否到位。再比如，2个班表现不同的第6小题，一个班高、一个班低，可能是课堂教学临场因素造成的。

（四）领域数据应用：以学科能力为背景

在日常教学中，有些老师会有这样的疑问：为什么得分率低的同一知识点讲过多次，下次考试仍然低？学科考试除了考查知识、还考查能力。同一张试卷知识点重合现象较少，但能力重复考查较多。如果一道题得分率低，而同一能力领域的其他题得分率不低，可能是知识点的差距造成的；同理，一道题得分率低，同一能力领域的其他题得分率也低，可能是能力不到位。事实上，根据我们的统计结果，大多数屡讲不会的题，是因为能力造成的，但老师习惯于反复复习知识，事倍功半，因为方向出错了。

总结来讲，学校月考、期中、期末考试，或者区县级以上统考等，这些具有诊断功能、精度高的评价数据，是我们优化和调整教学的重要依据，各级管理者也可以基于阶段测评数据，对课堂教学、学校管理作出相应的对策。阶段测评数据一方面能帮助我们看到教学教研、评价管理中的问题，但同时如何读懂数据、如何用数据赋能教学，则依赖于我们自身的数据素养。我们已经进入数据时代，数据素养成为我们的一项职业技能，老师还是要努力去提升自己这方面的能力。

内容整理自：精准教学云端论坛