大數據時代高職數學課程教學改革研究

摘 要 文章通過分析當前高職數學教學的現狀與挑戰(zhàn)，提出了基于大數據的高職數學教學改革策略，包括數據驅動的課程設計、個性化學習路徑的構建以及動態(tài)評價體系建設。文章展望了高職數學教學改革在大數據時代的發(fā)展趨勢，旨在為高職數學教育工作者提供有益的參考與啟示。

關鍵詞 大數據；高職數學教學；教學改革；數據驅動；個性化學習

中圖分類號：G712 " " " " 文獻標識碼：A DOI：10.16400/j.cnki.kjdk.2025.01.007

Research on Teaching Reform of Higher Vocational Mathematics Course in the Era of Big Data

GAO Qianming

（Jiangsu Vocational College of Finance amp; Economics， Huaian， Jiangsu 223003）

Abstract The article analyzes the current situation and challenges of vocational mathematics teaching， and proposes a reform strategy for vocational mathematics teaching based on big data， including data-driven curriculum design， personalized learning path construction， and dynamic evaluation system construction. The article looks forward to the development trend of vocational mathematics teaching reform in the era of big data， aiming to provide useful references and inspirations for vocational mathematics educators.

Keywords big data; vocational mathematics teaching; teaching reform; data driven; personalized learning

隨著信息技術的發(fā)展，高職院校數學教學理念與教育模式亟須與時俱進，以適應社會發(fā)展的需求。高職院校應致力于培養(yǎng)符合區(qū)域發(fā)展需求的高素質技術技能人才，而數學核心素養(yǎng)的培育是提升學生綜合素質的重要途徑。深化高職數學課程教學改革，注重培養(yǎng)學生的數學抽象思維、邏輯推理能力以及數學建模能力，有助于提升學生的實踐能力和創(chuàng)新潛力，促進高職院校數學教育向更具職業(yè)性、應用性和創(chuàng)新性的方向發(fā)展，為高素質技術技能人才培養(yǎng)奠定堅實的基礎[1]。

1 大數據背景下的高職數學教學現狀

傳統(tǒng)高職數學教學中，學生雖學習了一些數學理論知識，但缺乏數據處理與分析能力。現今多數高職院校的數學課堂，只注重學生對基本數學公式和定理的記憶與應用，缺乏對實際數據的處理、分析和優(yōu)化建模能力的培養(yǎng)。大數據時代，數據處理與分析已成了一項基本能力，對于從業(yè)者來說至關重要[3]。但傳統(tǒng)教學模式下，數學課堂教學與社會就業(yè)需求脫節(jié)，學生很難掌握相關技能，導致其在實際工作中面臨較大挑戰(zhàn)。

隨著大數據技術的迅猛發(fā)展，高職數學教學需與之相適應，將大數據技術融入教學以滿足學生的學習需求。以江蘇財經職業(yè)技術學院大數據與會計專業(yè)的數學課程為例，引入大數據分析平臺，讓學生通過實際操作來學習數據處理和分析技術。通過這種模式，學生不僅能學習到理論知識，還能掌握實際操作技能，提高綜合能力和競爭力。但這樣的案例較少，大部分高職數學教學仍停留在傳統(tǒng)的教學模式，與大數據技術的發(fā)展脫節(jié)。

2 數據驅動的高職數學課程設計

在大數據時代，高職數學課程設計應以數據驅動為核心，以滿足學生的學習需求和實際應用。

2.1 基于數據分析優(yōu)化教學內容

隨著大數據技術的發(fā)展，數學教學可更深入地結合實際數據進行教學內容的優(yōu)化[4]。通過分析大數據，了解學生的學習習慣、難點及進步情況，從而有針對性地調整教學內容和方法。例如，利用數據挖掘技術對學生的學習數據進行分析，對于學生容易出錯或理解困難的地方，教師可以有針對性地加強對這些知識點的講解，提供更多的輔導和練習。同時，通過分析實際應用場景，將數學理論與實際問題相結合，使學生更加直觀地理解數學的應用，增強他們的學習興趣和動力。

2.2 搭建數字化教學資源庫平臺

為有效促進數學教學資源的應用與共享，提高數學課程的信息化教學水平，教師可利用學習通、慕課等大數據學習平臺搭建數學課程教學資源庫。包括但不限于電子教材、在線視頻、網上作業(yè)、網上討論區(qū)等多種形式的教學資源，并通過大數據信息采集分析了解學生對不同類型資源的需求和喜好，從而有針對性地更新和完善資源庫，及時調整數字資源的組織和呈現方式，提高教學資源的利用率。

2.3 基于大數據創(chuàng)新教學方法

教師可利用Desmos、Matlab和GeoGebra等大數據分析工具改進傳統(tǒng)教學方法，真正使教學過程做到“寓教于樂，寓教于趣，寓教于動”，從而提高高職數學課程的教學效果。

一方面，借用大數據分析工具可以將抽象的數學概念可視化。例如，教師在講授函數的概念時，可利用Desmos在線繪制函數圖象；在講授導數的幾何意義時，可利用Desmos動態(tài)演示切線斜率變化與導數的關系，還可利用GeoGebra設置一些數學小游戲與學生互動，通過調整函數參數探索函數的變化規(guī)律。數學概念可視化打破了傳統(tǒng)教學模式側重于理論與推導的困境，能讓學生更為直觀地理解和記憶抽象的數學概念。同時，觀察函數圖象的變化這一行為，在一定程度可以激發(fā)學生自主發(fā)現并理解函數特征與變化的能力，將“教師主導性與學生主體性相統(tǒng)一”這一教學原則更加落于實處。

另一方面，借用大數據分析工具進行數學課堂教學能提升學生對數據分析的認知，放大其對事物數據化的敏感性。比如，在講授統(tǒng)計學相關概念時，教師通過Matlab和SPSS等數據可視化工具將數據轉換為折線圖、散點圖和柱狀圖等形式，讓學生更直觀地了解數據的特征和趨勢。同時，利用軟件內置的數據分析工具描述數據總體特征的相關指標值，進一步讓學生明晰數據的匯總分析與分布情況。

3 個性化學習路徑的構建

在大數據時代，個性化學習路徑的構建是適應學生個體差異、提高教學效果的重要舉措。本節(jié)將探討個性化學習路徑的構建，包括學生學習行為的數據分析與建模、差異化教學策略的制定與實施，以及學習成效的動態(tài)監(jiān)測與調整[5]。

3.1 學生學習行為的數據分析與建模

在構建個性化學習路徑之前，首先需要對學生的學習行為進行數據分析與建模。教師通過收集和分析學生的學習數據，包括學習時間、學習進度、答題情況等，可以了解學生的學習習慣、學習偏好以及學習困難。數據分析的關鍵是建立學生學習行為模型，以預測學生的學習需求和學習狀態(tài)。教師可以利用機器學習和數據挖掘技術，構建學生學習行為模型，通過分析學生學習的歷史數據和行為模式，預測學生未來的學習趨勢和學習動向。例如，可以利用聚類分析技術將學生劃分為不同的學習群體，根據不同群體的特點制定相應的個性化教學策略；還可以利用關聯規(guī)則挖掘技術發(fā)現學習行為之間的關聯規(guī)律，從而為學生提供個性化的學習建議和指導。

3.2 差異化教學策略的制定與實施

根據對學生學習行為的數據分析和建模結果，針對不同學生群體的特點和需求，教師可以按需定制并實施差異化的教學策略，個性化地設計教學方法、教學內容和評價方式，進而提高課程教學效果和學生學習滿意度。比如，對于學習態(tài)度較好，學習成績較優(yōu)或學習效率較高的學生，可以適度安排更多具有挑戰(zhàn)性的作業(yè)和拓展性的學習內容，以滿足他們的學習需求和興趣；相反地，對于學習興趣不高、學習進度較慢或學習困難的學生，可提供更多針對性輔導和個性化的學習支持，幫助他們端正學習態(tài)度，糾正學習方法，克服學習障礙，進而提高學習效率。通過差異化教學策略的制定與實施，更好地將因材施教教育理念貫穿于課堂之中，最大限度地挖掘每個學生的潛能。

3.3 學習成效的動態(tài)監(jiān)測與調整

對學生學習成效的不斷監(jiān)測和調整，是優(yōu)化和改進差異化教學策略的重要手段，也是定制學生個性化學習路徑的重要環(huán)節(jié)?；诖髷祿畔⒉杉脚_，實時收集學生各方面的學習數據，并對學習成效加以分析評估，可以幫助教師及時發(fā)現學生在學習過程中面臨的問題和困難，從而根據差異化教學策略對課程設計和教學方式作出合適調整。比如，通過在線測驗結果和作業(yè)提交情況等數據監(jiān)測學生的學習效果和學習進度，針對存在學習偏差和作業(yè)錯誤率較高的學生進行及時的糾正和輔導；同時，可以通過學習在線測試成績和學生反饋數據等方式評估教學效果，了解現有教學策略的有效性和學生滿意度，總結與反思現行教學方法和課程設計的優(yōu)缺點，進而提高教學質量和學生學習體驗。通過動態(tài)監(jiān)測和調整學習成效，可以不斷優(yōu)化個性化學習路徑，實現教學的有效性和可持續(xù)性。

4 動態(tài)評價體系建設

在大數據時代，高職數學教育的評價體系也應與時俱進，構建一個動態(tài)性、全面性和多維度的評價體系在高職數學教學改革中至關重要[6]。這不僅有助于準確評估學生的學習效果，還能為教學改進提供有力支持。

4.1 多元化評價標準的構建

傳統(tǒng)的以考試成績?yōu)橹鞯脑u價方式已經無法滿足現代教育的需求。在構建動態(tài)評價體系時，應注重多元化評價標準的應用。除考試成績外，還應考慮學生的平時表現、課堂參與度、團隊合作能力、問題解決能力等多方面的因素。同時，對于不同專業(yè)的學生，可以根據專業(yè)特點制定相應評價標準，以更準確地評估學生的學習效果。

4.2 形成性評價與終結性評價相結合

形成性評價和終結性評價是教育評價中兩種重要的評價方式。形成性評價關注學生在學習過程中的表現，有助于教師及時調整教學策略；終結性評價則注重對學生學習成果的總結性評估。在構建動態(tài)評價體系時，應將兩者相結合，既關注學生的學習過程，又重視對學習成果的評價。這樣既能及時發(fā)現并解決學生在學習過程中存在的問題，又能全面評估學生的學習效果。

4.3 完善評價數據的應用與反饋機制

完善評價數據的應用與反饋機制是構建動態(tài)評價體系的關鍵環(huán)節(jié)。充分利用評價數據，將數據及時反饋至教師、學生及教育管理者，可促進教學過程的持續(xù)改進和優(yōu)化。

一是利用評價數據動態(tài)調整評價指標。對學生學習成效的評價不宜設置統(tǒng)一的標準，而應根據學期的不同，結合學生實時的學習偏差，適當調整教師的教學方法和教學內容。例如，學期伊始，評價指標可側重學生對高數課程的了解程度、學生的學習興趣；學期中，評價指標可側重學習難點和學習態(tài)度；學期末，評價指標則應側重對知識的掌握程度和學習成效。二是利用評價數據實時提供教學反饋。根據評價數據展現的學生學習表現，幫助教師及時了解教學效果和存在的問題，進而調整教學策略和方法，提高教學質量。例如，分析學生的線上作業(yè)和課堂表現等相關數據，教師可發(fā)現哪些知識點學生掌握不好，學習效果不佳，或學生在某些方面普遍存在的困難，并有針對性地優(yōu)化教學策略。三是利用評價數據優(yōu)化教育管理者的決策。通過分析學生的評價數據，了解教學質量和學生學習情況的整體趨勢，進而優(yōu)化教育管理者的決策。例如，根據評價數據調整教學資源分配，加強教師培訓和管理。

5 結語

在大數據時代的浪潮下，高職數學教育正迎來前所未有的機遇與挑戰(zhàn)。數據驅動的教學改革為高職數學教育提供了全新的視角和工具，使得教學內容更加優(yōu)化、教學資源更加豐富、個性化學習路徑更加清晰、評價體系更加完善。然而，也應清醒地認識到，數據驅動的教學改革并非一蹴而就，需要教育工作者在實踐中不斷探索、創(chuàng)新和完善。首先，要充分認識到數據的重要性，并積極收集、整合和應用數據化教學資源，通過深入挖掘數據背后的價值，為教學改革提供有力支持。其次，要關注學生的學習需求和學習特點，制定差異化的教學策略，以滿足不同學生的學習需求。要注重培養(yǎng)學生的自主學習能力和創(chuàng)新能力，以適應社會的發(fā)展和變化。最后，要加強師生之間的互動和交流，建立良好的師生關系，為學生提供個性化學習支持和指導。

展望未來，高職數學教育還應繼續(xù)深化數據驅動的教學改革，不斷探索新的教學模式和評價方式，關注教育技術的發(fā)展和創(chuàng)新，充分利用現代科技手段提高教師的教學效果和學生的學習體驗。

參考文獻

欒霞.大數據驅動下的高職數學課程教學改革思考[J].信息系統(tǒng)工程，2023（10）：158-161.

王英.基于大數據的數學建模方法融入高職數學教學實踐探究[J].科技資訊，2023（13）：187-190.

毛大會.淺談“互聯網+”背景下提高高職學生數學學習興趣的策略[J].教育教學論壇，2019（5）：257-258.

李海燕.大數據時代高職會計專業(yè)數學教學的必要性[J].石家莊職業(yè)技術學院學報，2021（6）：66-69.

江潔靜.淺談大數據時代背景下的高職高等數學課程模式探索[J].中國新通信，2021（18）：208-209.

趙江.大數據背景下高職數學建模課程教學改革初探[J].理科愛好者（教育教學），2020（5）：35-36.