购物车(0)
科学学科质量分析模板(10篇)
时间：2023-09-06 17:20:22
导言：作为写作爱好者，不可错过为您精心挑选的10篇科学学科质量分析，它们将为您的写作提供全新的视角，我们衷心期待您的阅读，并希望这些内容能为您提供灵感和参考。
篇1
一是深化、补充教学内容。
从某种意义上说，教材毕竟只是教学内容的“提纲”，它对问题的阐述不可能详尽具体，有些只侧重某一个方面。因此，在授课过程中需要对教材内容加以深化和补充，使之更趋完善，才能真正达到“授业解惑”的目的。深化、补充教材内容又分为纵向开拓和横向展开两个方面。纵向开拓就是要深入剖析教材内容，精辟论述某些观点，以加深学生对知识的理解。讲课有无深度，是检验课堂教学质量的重要标准之一。横向展开就是指老师讲课要“放得开”，思路要宽，角度要活，必要时应旁征博引，加以发挥。课堂教学最忌只列条条，把丰富的教学内容变成纯粹的注释手段。课堂教学应做到既有深度，又有广度。
二是介绍不同的学术观点，以培养学生的辨别能力。
在教学过程中，要根据需要引入与书中内容有关的新材料、新观点和新的研究动向，作为对书中内容的补充，供学生参考借鉴。如在对文学作品思想意义的认识上，历来容易出现分歧，这种情况在语文教材中也不鲜见，如关于鲁迅小说《药》的主题，就存在着多种不同的看法，如“亲子之爱”、“怀念革命先烈”等，教学时也可把这些不同观点介绍给学生，使学生在接受一家之言的同时也对其他观点有所了解。这种引进不同观点的做法，不仅可以丰富学生的知识，还可以为学生提供思考辨析各种意见的机会，从而开启学生的智慧，培养学生的辨别能力。需要注意的是，老师在介绍不同观点和有关知识时，应作必要的分析，对学生作正确的引导。
三是举例论证。
举例不仅有利于说明问题，而且有利于充实课堂内容，提高学生兴趣，活跃课堂气氛。举例应把握三点：第一，例子要新颖。举例要着眼一个“新”字。首先内容要新，要避免引用那些人们已反复引用过的例子。其次，切入角度要新，如关于“春风又绿江南岸”的炼字故事，用来说明如何修改文章已落俗套，但换个角度，用其中的“绿”来说明想象在写作中的作用，就颇具新意。第二，例子要丰富。丰富的实例，可使课堂教学变得充实而生动，能有效地改变由照本宣科所造成的沉闷状况。学生之所以欢迎插有大量精彩实例的课，除了它在内容表述上有通俗明白的优点外，五光十色的外来信息带给人们精神上的愉悦感和满足感，也是一个不容忽视的因素。第三，举例要适当，要紧扣所述问题。那种不着边际的例子，看似热闹，实则大大降低了课堂教学的质量。
篇2
[中图分类号] G434 [文献标志码] A
[作者简介] 祝智庭（1949—），男，浙江衢州人。教授，博士生导师，主要从事教育信息化理论、系统架构与技术标准、教师专业发展、技术文化等方面研究。E-mail：。
一、引 言
随着信息技术在教育领域的深入应用，智慧教育成为信息化教育应用的一个新范式。[1]智慧教育主张借助信息技术的力量，创建具有一定智慧特性（如感知、推理、辅助决策）的学习时空环境，旨在促进学习者的智慧全面、协调和可持续发展，通过对学习和生活环境的适应、塑造和选择，以最终实现对人类的共善（对个人、他人、社会的助益）。智慧教育充分体现了“以学习者为中心”的思想，强调学习是一个充满张力而又平衡的过程，揭示了“教育要为学习者的智慧发展服务”的深刻内涵。
智慧学习环境的一个基本特征是：基于学习者的个体差异（如能力、风格、偏好、需求）提供个性化的学习诊断、学习建议和学习服务；并记录学习历史数据，便于数据挖掘和深入分析，数据结果用于评估学术过程、预测未来表现和发现潜在问题。因此学习数据分析成为智慧学习不可或缺的条件。
学习分析学（Learning Analytics，简称LA）涉及科技和社会学科的多个学术领域，包括计算机科学、社会学、学习科学、机器学习、统计学，以及“大数据”。[2][3]LA的定义随着相关研究的进展而演变，尽管研究方向不尽相同，大部分学者认同如下定义：“学习分析学是使用智能数据、学习者数据，以及分析模型来发现信息和社会性联系，并以此为依据进行学习预测和提供建议。”[4]Siemens 于2012年对相关定义进一步提炼之后提出，LA是“关于学习者以及他们的学习环境的数据测量、收集、分析和汇总呈现，目的是理解和优化学习以及学习情境”。[5]
其他学者、机构也有一些类似的关于LA的定义。尽管各个定义在用词和着重点上存有细微区别，但基本都反映了LA的本质，即首先发现特定用户的需求，利用技术方法获取数据，分析数据，帮助教师、学生、教育机构等解读数据，并根据数据结果采取干预措施，从而达到提高学习和教学成效的目的。[6]同时这些定义也指出，LA所用、所处理的数据是已经存在的、机器可读的“大数据”（Big Data），这些数据是不适合人工处理的。[7]
LA在国际上被称为是“自从学习管理系统（Learning Management System，简称LMS）问世以来，教育技术大规模发展的第三次浪潮”。[8]2005年 EDUCAUSE的文章就预示了LA的出现。[9]此后与学习分析学相关的国际学术会议，例如学习分析学与知识国际会议（LAK，The International Conference on Learning Analytics & Knowledge）于2011年召开第一次会议，于2012年召开了第二次会议，而且会持续下去。学习分析学研究社会（SoLAR，The Society for Learning Analytics Research） 也于2011年夏天成立，一方面主持召开会议，同时致力于LA方面的研究和发展，并提供学者、教育专家、学生等进行信息交流和互相合作的机会。另外，教育技术和社会学术期刊（Journal of Educational Technology and Society）也与2012年出版了关于学习分析学的特刊。由此可见，学习分析学已经成为高等教育界尤其是以教育技术为基础的远程在线学习领域内的一个研究热点。
LA 在教育领域内迅速发展有多种原因。下面我们将从它的出现、回答的问题、研究框架模型等方面加以详尽介绍。
二、学习分析学研究的缘起以及相关技术
多位学者专家探讨过LA出现并成为热门研究课题的必然性，并且总结出几个原因。
第一个原因是大数据（Big Data）的出现。[10]Greller和Drachsler认为学习分析学的起源在于网络大数据的出现，包括政府类数据。[11]随Web 2.0出现的社交网络数据（Twitter、You Tube、Fliker，Facebook等）、移动终端数据，如GPS 定位数据等。随着此类数据的出现，有些公司如Google、Amazon、Yahoo等，分析利用此类数据，并将其结果作为扩张市场的依据或者提供个性化服务的方向，因此公司得以快速成长。大数据的出现和潜在的价值也引起了各国政府的关注。例如，奥巴马政府2012年宣布，每年将花费超过2亿美元在大数据研究应用方面，以致力于科学探索、环境、生物医学、教育和国家安全方面的研究。[12]在远程教育领域LMS，如Blackboard 和 Moodle等的应用也越来越广。这些系统每天都记录大量的学生交互信息、个人数据、系统数据等。[13]如何从这些数据中获取信息成为LA出现的一大契机。
第二个原因则可以归结为在线学习或者教育技术的发展。[14]随着教育技术的发展，在线学习成为传统学校教育和终生教育的一个重要模式。在线学习提供给学习者不受时空限制的学习机会，同时也带来一定的挑战，例如学生有可能缺少与老师和同学的联系，又可能遇到技术问题或者失去学习动机等。[15]此外，教师也由于网上学习环境中缺少视觉线索，因此难以判断学生是否感到课业太容易、感到内容乏味枯燥或者学习上有困难等。因此，学者们认为，教师难以评判学生的参与度和学习质量，而攻克这个问题则成为LA的另外一个契机。[16]
第三个原因则与教育机构自身对数据的需求有关。很多国家，包括美国政府，都力图提高整个国家人口的教育程度，比如如何提高学生的学习成绩、入学率以及毕业率等，而这些都需要大量数据来发现和验证。[17]传统上，教育机构、学校获得学生学习数据的主要方式为调查问卷及访谈等，由此带来诸多方面的限制，如花费大、耗时多、规模小等。由于数据挖掘可以追踪用户的电子信息使用记录，并且自动分析整体数据，而不需要选样，因此新的数据经济大潮使得学校在数据收集方面不再需要花费大量人力和财力；并且获得的数据反映了所有用户的全部信息，并非选取的一部分；同时数据在自然状态下获得，不需要利用访谈、观察等方式，使得数据更加真实可靠。[18]
第四，LA起源于其他几个已经相对成熟的领域，如商务智能（Business Intelligence）、网站分析（Web Analysis）、学术分析（Academic Analysis）、行动分析（Action Analysis）、教育数据挖掘（Educational Data Mining）、运筹学（Operational Research）[19][20]以及社会网络分析（Social Network Analysis）等。这些研究领域已经相对成熟，对LA的迅速发展应用起到一定的促进作用。
Siemens认为，与LA密切相关的是学术分析学（Academic Analytics， 以下简称AA）和教育数据挖掘。[21]学术分析学是为了高等教育机构的运营和财务方面的决策而提供所需数据的过程，[22]如发现影响学生毕业率的影响因子等。教育数据挖掘是指为更好地理解学生以及他们所处的学习环境，从教育数据中获取知识和发现，针对教育环境内独特的数据类型而进行的获取数据、整理数据、形成分析报告等研究方法方面的研究。[23]Siemens认为，教育数据挖掘是LA和AA的共通支撑技术。[24]他描述了三者之间的关系以及三者针对的层次和关注对象，如表1所示。
三、LA 回答的问题
LA 对智慧教育的重要性体现之一在于它可以使用大范围数据，回答关于学习和教学的不同问题。Cooper采纳了Davenport等对“Analytics ”能够阐释和回答的问题的总结，[25]并根据其时间线（过去、现在、将来）和回答的深度（信息型、洞悉型）对问题作了归类。[26]我们认为其问题矩阵同样适用于LA（见表2）。
Cooper总结归纳了LA可能回答的问题类型。[27]
信息和事实性问题：
发生什么了？LA产生报告并提供描述性数据（过去）；
正在发生什么？LA对现状的提醒（现在）；
趋势，走向如何？过去的数据被当作推断的根据（将来）。
深度理解和洞察性问题：
这些为什么发生，如何发生的？LA可建立模型并加以解释（过去）；
可以采取的最好措施是什么？LA提供一个或多个干预措施（现在）；
可能发生什么？LA可以预测、模拟其他措施的效果，确认最优举措（将来）。
因此LA 可以描述和解释过去的现象，例如为什么选同一门课的学生成绩普遍偏低？原因可能包括缺乏相关基础知识；可以预警和干预正在发生的学习，例如学生得到信息，他/她很可能某门课会通不过，教师可引导学生进行补救、提供学习材料等；LA还可以推断发展趋势和预测将来，例如由于以往某一学习活动对不同学习风格（Learning Style）的学生的影响有所不同，可以推断针对不同学习风格设计的学习活动能提高学生成绩；同时，不同学习风格、学习活动和成绩之间的相关性分析和预测模型有助于发现最适合特定学习风格学生的学习活动。此外LA可以将各方面的关于学生的分散式信息整合梳理，提供给教师，使其对学生有更可靠、更清晰的认识，在此基础之上采取的措施将更加有效。此外，LA 不止可以提供关于学生学习方面的信息，也可以用来评估某一课程、院系以及整个学校。它可以参与评估整个学校的教学，用于决定是否需要采取更先进的教学方法；它还可以提供信息给学生，以便学生自我评价学习过程和结果等。由此可见，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发展。
四、LA的设计研究框架、资源
过程模型及重要环节
多位学者试图从整体架构、所涉纬度、过程环节等方面描述LA，以基于对LA的整体认识，引导LA系统设计过程。本文主要讨论两个LA模型和LA的重要环节，目的是对如何设计开发LA系统有全面的、清晰的认知。
（一）LA通用设计框架
Greller&Drachsler根据他们对学习分析学现存文献的梳理，提出了具有六个纬度的LA通用设计框架，即关益者（包括学生用户、教师用户等）、目标（包括使用数据的目的，如预测等）、数据（包括受限数据和公开数据等）、工具（分析数据的依据，包括教学理论等）、外部限制（如用户隐私）、内部限定（包括分析解读数据结果的能力等）。[28]这六个纬度反映了在应用LA研究学习、开发LA系统时应该考虑的基本因素。图1反映了该设计框架，包括每个纬度的例子，以下我们对每一纬度进行说明。
1. 关益者
关益者包括数据使用者和数据提供者。使用者指应用数据并根据数据结果制定对策的人，如教师；提供者指以自己的系统浏览和互动行为产生数据的用户，如学生。在特定情形下，使用者和提供者是一体的，比如学生本身的行为信息反馈给学生自己而不是老师的时候，这两者是统一的。关益者除了包括学生、教师以及教育机构外，研究人员和政府机构等也可看作关益者的一部分。
关益者之间如何使用学习分析信息交流可以用层次模型来表示（如图2所示）：最直接的途径是通过LMS 获取学生信息，提供给教师；教师可以根据此信息制定干预措施或者调整教学策略等；教育机构则可以根据学生和教师提供的信息进行教职工培训或者制定措施保证教学质量等；研究人员尽管不直接参与学习过程，但他们可以利用学生和教师数据，评估教学质量或者学习服务措施是否到位；最后政府机关可以汇总、分析，并利用多所院校的学习分析数据来测评整个教育系统。此外，已有研究者们强调，在各个层次，关益者都可以利用本层数据进行自我反思，如学生可以根据自己的学习记录、互动行为等来思考自己是否实现学习目标等。
2. 目标
学习分析学开辟了一个新的领域，可以发现并研究利用原本隐藏的教育信息，提供给各个层次的使用者。通过分析比较学习信息和社会互模式，为学习者提供新的视角，同时提高组织性效率和效益。也就是说，学习分析学提供的信息不仅有助于个体学生，对支持更高层次的知识流程的管理（如政府层次）也有所裨益。Greller和 Drachsler主要提出并讨论了两种目标：反思与预测。[29]反思是指数据用户根据与自己相关的数据，获取知识并进行批评性自我评价，有学者称之为“量化自我”，也就是观察测评自己的学习记录数据，并根据数据结果进行自我修正等。[30]反思也可以根据别人的数据记录进行，如教师可以根据学生的交互行为，反思自己的教学风格是否适合学生等。学习分析学同样可以用来预测模拟学生的学习活动、行为等。如根据过往的学生反馈信息，可以预测某种教学设计有助于学生的学习，据此可以重新设计教学活动，提高学生学习成绩；亦可降低或增加内容难度，从而降低学生放弃课程的比例。
3. 数据
学习分析学所用数据大多来自LMS以及其他教学系统，同时教育机构本身拥有大量学生数据。然而很多数据是非公开的，因此对教育数据公开化的要求越来越迫切。[31]
4. 工具
学习分析学通过信息检索技术获取数据，如教育数据挖掘、机器学习、传统统计分析以及社会网络分析等。同时，研究者将理论建构以及算法等处理数据、从数据中发现信息的概念工具也包括进来。
5. 外部限制
外部限制包括伦理、法律、社会、组织机构、管理以及LA过程方面的限制。如使用个人隐私数据有可能触犯法律等。
6. 内部限定
内部限制与能力相关，指解读数据、解释数据，从而根据数据提高学习效果的能力。据调查，只有很少的学习者能够解读结果并据此采取有效的干预措施。
（二）LA资源过程模型
学者们认为，分析是人脑和机器的混合加工的过程，[32]LA具有认知性、技术性和社会性。[33]综合多种看法，Elias认为电脑（软硬件技术）、理论、人员和机构构成了LA的四种技术资源，同时也成为LA的核心。[34]四种资源以及数据运作的过程构成一个LA的模型。
1. 电脑技术
远程在线学习的普及以及LMS 的应用，说明大量关于学生的数据已经被收集，如果这些信息可以和其他与学生有关的数据相结合，我们可以得到更详尽的关于学生的学习体验、教师的教学效果等信息。而随着数据的收集，进行信息加工时，尤其需要用来做数据分析报告和预测结果的软件工具。这类工具，Elias 列举了资讯可视化（Visualization）、神经网络、回归分析、机器学习以及人工智能等。[35]Elias 尤其强调了可视化技术的重要性，并列举了仪表盘（Dashboard）和社会网络分析（Social Network Analysis）两种常用的资讯可视化技术。
2. 理论基础
Elias 认为，LA涉及的理论非常广泛，包括与分析学相关的知识以及其他领域的知识。前者如推荐理论基础协同过滤算法（Collaborative Filtering Algorithm）、贝叶斯神经网络（Bayesian Network）、基于知识的推荐（Knowledge-Based Recommendation）等；后者则包括学习科学、教学法、学习动机学、学习共同体（Community）、学生毕业率（Retention）等。然而这方面的文献很少，相关人士很难确认哪些变量对教学有参考意义。也就是说，很难分辨哪些测量学生网上活动的变量真正影响到他们的学习和成绩。[36]
3. 人员
虽然现代技术的应用使得电脑软件和硬件可以取代人的努力，但是在很多方面人类的知识、技能和能力是保证结果有效性的重要因素。虽然教师可以通过使用资讯可视化技术、回归等来反思自己的教学设计和教学活动的有效性，评估是否达到教学目的，如学习共同体的建立。然而有效的后续干预很大程度上取决于教师本身解决问题以及决策方面的认知思考能力，而不是完全依赖LA技术以及统计软件。
4. 机构
Elias 认为，LA过程中的社会资本（Social Capital）或者社会性最容易被忽略掉。然而LA本身不能回避这方面的问题，例如：谁参与了LA项目，他们的决策是如何被支持的，项目成员之间如何沟通和互动。同时，无论LA 项目如何成功，要使得其研究成果在现实中付诸实施，则需要教育机构，如大学的领导层采取措施，支持以LA结果为基础的文化和教学模式方面的改革，从而达到LA提高学生学习成绩和改善教学效果的目的。因此，机构资源显示了LA的社会性。
在讨论LA技术资源的基础上，Elias 提出了LA的模型，其核心是电脑（软件硬件技术）、理论（统计、算法、教学法、学习科学等）、人员（相关人员如教师等）、机构（社会资本属性等）等四种科技资源。这四种资源参与并推动三个环节（收集数据、信息加工、结果应用），使之形成一个循环发展的过程，从而推动学习和教学的持续性提高（如图3所示）。
（三）LA的重要环节
Brown在2012 年召开的ELI（EDUCAUSE Learning Initiative）两次学术会议（ELI 2012 Spring Focus Session和LAK12）基础上，总结讨论了LA研究中出现的主题：数据指标的选取、资讯可视化技术，以及干预和反馈方式。[37]这些也可以看作是在实际研究中应该考虑的LA的重要环节。
他首先指出，LA定义的一个重要特点是对以下两方面的区分：一是实现LA的技术，另一方面是LA的目的。也就是说，所有LA项目都要包括这两方面，一方面要具备获取并分析数据的技术，另一方面要根据分析结果制订有效计划进行决策。
数据分析方面，Brown 强调在LA中，指标数据的选取直接影响到预测结果的准确性和数据分析的有效性。他提出，在LA研究中经常涉及两类数据指标：个性特点指标（Dispositional Indicators）和行为表现指标（Activity and Performance Indicators）。其中个性特点指标一般为事实性变量，可以量化，如年龄、性别、种族、平均分、学习经验等；行为表现指标主要反映学生在网络学习环境中的数字行为痕迹，如他们登录LMS 的次数、在学习网站上的时间、发帖的次数、测验分数等。凤凰城大学使用这两种指标预测学生是否能通过某一课程。比较有趣的是，他们发现有些指标不具备预测作用，如选修课程数量、性别、种族等。另外，密歇根大学的前期预测LA系统只选用了行为指标。Brown认为，大部分LA 项目都采用了混合指标来提高预测准确度。也有些学者认为分析学生作品（如作文、视频作品等）可以作为LA的指标，但这种方法不太常见。
资讯可视化被视为LA 的重要组成部分，一般以两种方式出现：一是呈现数据分析结果（图表等），二是仪表盘。可视化面板也有不同的呈现方式，一种是多个小窗口并列，而各种数据结果呈现在小的窗口中；另外一种是只呈现一个数据窗口，用户可以通过下拉菜单等获取更详细的数据。Borwn强调了可视化技术和用户界面设计在数据呈现中的重要性。
LA的终极目的是提高学习和教学成效，因此根据数据分析结果进行有效干预显得非常重要。Brown发现两种干预方式：一是系统自动反应，不需要或较少需要教师参与，例如普渡大学的Signals[38]系统给学生简单明了的红、黄、绿信号；另一种是半自动反应，LA发现学习模式（不喜欢某些学习活动）或者症状（学生缺乏学习动机等），需要教师专家分析之后作出决策，进行干预。
五、LA过程维度模型
Greller&Drachsler的模型注重于LA的纬度，强调了在设计LA系统时应该考虑到的各方面的因素，如从关益者到数据等，但没有突出设计LA的过程。Elisa 的LA模型突出了认知性、技术性和社会性（理论、电脑技术、人员和机构），同时强调LA过程的循环性和改进性，但是过程过于简化，例如信息加工涵盖了所有的数据处理分析过程以及数据结果呈现，没有具体纬度。这两个模型倾向于理论化，但对具体开发LA的指导性不强。Brown则着重强调了LA在实际应用中应该注重的两个方面：LA技术本身以及其目的。同时他根据实际应用中的LA系统，总结出LA研究中的具体环节和因素，如不同的数据指标的选择和应用、数据可视化技术以及干预的方式。
结合以上的两个模型和Brown的见解，笔者认为LA设计模型应该明确其过程环节，每个环节涉及的纬度要素可能重合。LA设计过程应该包括三个环节：首先是LA目标的确立；其次是LA本身的开发，主要是针对数据的操作、分析、呈现等；最后是干预。将目标作为一个重要环节的主要原因是，在设计开发LA系统之前，必须要有明确的方向：是提高学生动机、提高学生参加学习活动的频率，还是评估该教学活动是否适合所有学生等。有了主导方向，才能根据学习理论和相关研究等确定数据指标、预测模型等，明确数据来源（LMS或者其他数据库）获取数据；同时根据学习理论教学法等，确立统计分析方法，如描述性统计数据、相关性分析、回归预测模型等。数据分析的结果同样可以检测理论基础是否合理，如发现有些数据指标为非显性因子，因此可以进一步简化提炼理论基础。数据结果一般用可视化技术呈现，如可视化面板等。干预措施则建立在整个数据分析结果之上。为确认采取的干预措施是否有效，可以与LA目标对照。而目的本身也将影响干预措施的选择和实施。图4 中LA过程模型呈现了我们对智慧教育中LA的过程、相关因子及其相互之间关系的理解。
以下我们基于Greller & Drachsler的六个纬度来说明LA设计开发中每一环节涉及的重要纬度（见表3）。
六、LA应用现状及面临挑战
LA已成为教育领域，尤其是高等教育和远程网络教育的热点。美国西部州际高等教育委员会教育技术合作部（WICHE，WCET，Western Interstate Commission for Higher Education，Cooperative for Educational Technologies）的教育LA大数据分析项目，其预测分析报告（PAR，Predictive Analytics Reporting）于2011年获得比尔及梅琳达·盖茨基金会资助。[39]PAR的主要目的是确认影响学生退学以及是否能够毕业的因子。该项目目前已经涉及六所大学64万学生，320万门选课的数据分析，初步发现32个影响学生学习以及退学的普通变量（多为学生特点变量），包括性别、种族、学位种类、多种专业、课程数量、班级人数等。其他发现如学生的性别、年龄以及种族与该生是否会退出某门课没有关系。该研究仍在继续。
然而，尽管LA工具已经在世界各地一些大学被开发和应用，学者们认为，LA在教学应用方面的研究和相应的LA技术研发和系统开发尚处于初始阶段[40][41]。Simens等认为教师缺乏可以用来评估多方面学生成绩以及对学生进行对比分析的LA工具，学生也难以追踪与自己的网上活动和成绩方面的信息。[42]因此他们提出了开放性学习分析平台项目，目的是开发集成的可扩展的LA工具集，以供教师和教育机构对学生的活动进行评估，并以此为基础决定干预措施，从而提高学习效果。同时，学生也可以查看个人的学习进展。该平台预期将开发四种工具和资源：（1）LA 引擎；（2）自适应内容引擎；（3）干预引擎，包括干预措施推荐和系统自动支持；（4）仪表盘、报告以及资讯可视化工具。
现有的已经开发出的LA系统大多是针对具体课程，目的是根据学生的表现、活动成绩等实施干预措施，以提高学生成绩，改善学习体验等。类似LA系统如普渡大学的Course Signals、密歇根大学的M-Reports Dashboard、马里兰大学-巴尔的摩县（UMBC，University of Maryland-Baltimore County）的Check My Activity，以及亚琛工业大学（RWTH Aachen ）的eLAT（Exploratory Learning Analytics Toolkit）等。
尽管有很多系统已经在使用中或者正在开发，但是LA的开发和研究同样面临着诸多挑战。我们以Signals[43]和eLAT[44]为例，来说明这个问题。
与很多大学相类似，普渡大学开设了很多入门课程，这些课程往往有很多学生经常对他们的学习状况不是很了解。为了能够及时提醒和通知学生在某一特定课程中的表现和成绩，普渡大学开发了Signals 系统。该系统通过数据挖掘和统计预测模型，根据多个变量（表现指标包括：现有平均分和努力程度，如学生LMS的交互频率；个性特点指标包括学术准备，如高中平均分和各项标准考试成绩，以及学生特点，如是否为美国居民、年龄和选修学分）来预测学生是否能够完成/通过该课程。Signals 在课程进行的过程中，以交通信号指示灯的方式，让学生了解自己的学习状况：课业良好（绿色）、课业中度危急（黄色），或者课业严重危急（红色）。同时教师可以给学生提供有效的反馈信息，引导学生使用合适的资源等来提高成绩。[45]Signals 的使用取得了很多正面效果，如在使用Signals的班级，成绩为A和B的学生比没有使用班级的学生多，而成绩为C 和D 的学生则少于对照班级。另外，研究还发现，参加至少一门使用Signals 的课程的学生比没有使用Signals的课程的学生的四年毕业率高四个百分点。[46][47]
在RWTH Aachen 大学，Dyckhoff等[48]开发了eLAT ，帮助教师在使用L2P、网上教学学习系统时，更好地反思他们的教学方法和成效。通过eLAT，教师可以根据个人兴趣探究内容使用，用户特征、用户行为、测评结果等是否相关以及相关程度等。他们强调LA 工具应该具有动态性和灵活性，这样教师可以根据自己的兴趣查看相关信息，确认教学方法是否有效，以及不同特点的学生对同一教学内容是否有不同反映等。eLAT 的主要目的是帮助教师自我评价他们的课程以及支持他们做相关研究，因此更多关注的是学生作为一个群体的表现、活动、成绩等，而不是个体学生的信息。即便如此，该系统的设计非常注重保护学生个人隐私，以Hash 函数（注：一种用杂凑函数产生随机数的算法）取代学生姓名。此外，他们认为LA 工具呈现的数据应该简单易读，因此资讯可视化非常重要。eLAT使用四类指标：文档使用指标、成绩测评指标、用户活动指标和互动交流指标。每类指标包括多种具体指标，如最频繁使用的10个文档属于文档使用指标，教师可以根据指标信息发现学生最喜欢使用的文档，如学生可能喜欢一个具体例子超过课堂讲稿。另外，根据用户活动，他们用不同颜色表示三组用户类型：非常活跃用户（蓝色）、活跃用户（红色）以及非活跃用户（黄色）。如果学生大部分都不够活跃，那么教师可能需要发现原因，考虑如何改进教学内容及方法等。
Signals 的成功是显而易见的，然而研发人员也提出了他们遇到的问题和困难。首先是数据。除了LMS 数据容易获取，Signals 的预测模型需要的学生个性特点数据是分散的，由不同的相关学校部门分别持有。在开始阶段，聚合汇编数据花了一年多的时间。其次是Signals 的使用方面。研究证明早期干预和频繁干预对学生成绩的影响最为正面，然而大部分教师工作负荷很重，多次干预会加重他们的工作负担。最后，研发人员发现，他们很难向学生解释如何得到他们的学习状况危险指数。为此他们专门作了视频，解释了他们的算法和公式。
在挑战和困难方面，eLAT研发人员提到了数据指标的选择。他们选择了用户活动指标等，然而很难确认哪些对改进教学有指导意义，也很难确认它们是否包含了所有影响学生成功或失败的指标，因此需要更多的实证研究来验证。此外，研发人员认为数据指标过于简单，只传达一般信息和容易理解的信息，然而，加入一些教师们不熟悉的指标等，可能会给他们解读数据带来困难。
因此LA在实际的开发过程中，技术的、伦理的、人员有关的以及实际情况的限制等各方面的问题都可能出现。
七、LA与智慧教育
随着技术的发展，人类社会进入数据化时代，计划决策等无不以数据为依据。教育也将逐渐成为智慧教育模式，即以学习者为中心，进行个性化学习，为学习者提供各方面支持，将教和学的效果提升到一个新的层次。学习技术如电子课本和移动学习等正处于发展上升期，预计一到两年之内会有广泛应用[49]。这意味着更多的数据可以纳入LA 研究的范围。LA 以学习科学、教学理论、课程设计理论和已有研究结果为基础，选择学习者特点、网上交互活动频率等变量，分析并监测学生学习情况，评估教学活动教学质量，及时发现学习中存在的问题，从而保证智慧教育的实施。因此，学习分析学应该成为我国教育技术研究者特别关注的新领域。
[参考文献]
[1] 祝智庭，贺斌. 智慧教育：教育信息化的新境界[J].电化教育研究，2012，（12）：1～13.
[2] Learning and Knowledge Analytics[DB/OL].[2013-01-10].http：///？p=174.
[3] 顾小清，张进良，蔡慧英.学习分析：正在浮现中的数据技术[J].远程教育杂志，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
随着教育教学改革的不断深入，新课标更加关注学生学习过程，努力提高课堂教学效率是数学教学活动永恒的主题。课堂教学是教师开展教学活动的主阵地，是学生获取知识的主渠道。教师要在实施课堂教学过程中，积极利用各种教学资源，合理安排教学内容，设计适合学生发展的教学过程。尊重个体学生的差异，是学生都能体会到成功的喜悦，增强学好数学的信心；抓住小学生好动好奇的心理特点，合理有效地使用现代化教学手段，提高教学效益。只有通过这样创设良好的课堂氛围，激发学生对数学的学习兴趣，才能提高课堂教学效率，实现课堂教学的有效性。作为一名从教几年的数学教师，我来谈谈对如何营造良好的课堂氛围，提高实现教学质量的几点看法：
一、巧设问题情境，激发学生学习兴趣，提高课堂教学质量
《小学数学课程标准》中明确提出：“让学生在生动具体的情境中学习数学。” 苏霍姆林斯基也曾经说过：“掌握知识和获取技能的主要动因是――良好的情境。”所以，在数学课堂教学过程中，教师应该根据教材内容，为学生创设良好的问题情境，引导学生在创设的情境中去学习，主动去动脑去思维，培养良好的数学思维。古人云：“学起于思，思源于疑”。学生的思维都是以发现问题为前提，在解决问题中发展，巧设问题情境能激起学生的求知欲望，给学生提供主动参与的空间，打开学生思维的闸门，学生的课堂效率就会提高。例如，在对“有理数的混合运算”这一课程进行讲解时，在进行新知识讲解前我给学生出示一个思考题：有3个人去投宿，一晚30元，三个人每人掏了10元凑够30元交给了老板，后来老板说今天优惠只要25元就够了，拿出5元命令服务生退还给他们，服务生偷偷藏起了2元，然后把剩下的3元钱分给了那三个人，每人分到1元，这样一开始每人掏了10元，现在又退回1元，也就是10-1=9，每人只花了9元钱，3个人每人9元，3 X 9 = 27 元 + 服务生藏起的2元=29元，还有一元钱去了哪里？问题一出，学生的思维顿时被调到起来，开始激烈的讨论了起来，整个课堂的氛围就被调动起来，学生也就会集中注意力在这一课程的学习，课堂效率也就提高，通过创设问题情境，能使枯燥乏味的数学课堂变得生动形象，激发学生浓厚的学习兴趣，使数学课堂充满生机和活力。
二、建立和谐融洽的师生关系，提高课堂教学的有效性
建立和谐融洽的师生关系是上好一堂高效数学课堂的前提，是学生乐于学勤于学的重要保障。在小学数学课堂教学过程中，教师应该尊重学生的个体差异，对不同的学生采取不同的教学方式，充分体现学生在学习中主人翁的地位，应当恰如其分地使用表扬性、鼓励性、激励性和幽默风趣性的语言来鼓舞推动学生学习的积极性。只有师生平等友好地相处，就能发生情感效应，学生体会到教师的关注和期待，学习就不会成为负担，而会成为一种执着的追求；学生才会去积极探索，才能创造性地运用知识，变苦为乐。教师体会到学生学习的积极性，就会努力去创新挖掘新教学方法，改变传统的教学模式，从而激发学生求知的欲望。良好的师生关系，是开启知识大门的金钥匙。例如，当学生在回答问题时自信心不足，我就鼓励学生让他鼓足勇气回答问题；学生在回答问题时有自己的想法和意见，我就表扬他让他说出自己的见解；当学生在解决问题时遇到难题，我就指引他给去发现问题的本质；当学生在顺利完成问题时，我就会表扬他给予他肯定。总之，课堂教学中要让学生充分体会到主人翁的地位，教师就要建立和谐的师生关系，营造一种民主和谐的课堂学习氛围，使学生们不用担心自己的见解、想法或做法会受到批评，使学生在数学课堂学习中产生愉悦感，从而提高教学质量。
三、培养学生良好的数学学习习惯，提高教学质量水平
学习习惯是指学生在学习活动中形成的固定态度和行为。俄国教育家乌申斯基曾经说过：“良好的习惯是人在他的神经系统中所储存的资本。这个资本不断增值，而人在其整个一生中，就享受着它的利息。”由此可说明，良好的学习习惯直接影响到他今后的发展。学生的学习习惯直接影响到学生的学习效果，良好学习习惯可以促进学生学习成绩的提高。良好的学习习惯一旦养成，学生将受用终生，而良好学习习惯的培养应从小抓起，要不然一旦学生养成不良习学习惯，要纠正那将是一件很困难的事情。在数学教学活动中，应该培养学生哪些良好的数学学习习惯呢？在教学过程中，要注意培养学生认真、严格、刻苦钻研的学习态度；自主探究，不向困难低头的精神；培养学生勤于动脑，善于思考的习惯；培养学生认真独立的完成作业和自觉检查的习惯；培养学生认真书写，字迹清楚，格式正确完整；培养学生养成良好的审题习惯”。只有通过这样，学生的观察、想象、理解、分析、判断、推理、概括、记忆、创造等能力才会得到提高。同时重视思考教学，引导学生多角度思考问题，展开思维过程，培养创新精神和创新能力，全面提高数学教学的质量水平。
篇4
一、考试组织
这次考试由中心校统一组织安排，按照中心校要求考试时间、考场布置、学生座次、教师监考，学校严格把关和中心校要求完全一致，顺利完成期中考试。
二、试题内容和难易程度
1、本次考试试题为各级各科单册的一半内容。
2、试题难易程度符合新课标要求，适合中下等学生答题，试卷设计的目的考察了学生双基能力的掌握情况。
3、语文侧重于记忆、分析、判断、口语交际能力的训练。
4、数学侧重于计算、判断、分析能力和动手操作能力的训练。
5.英语侧重于学生听力、判断能力的训练。
三、具体情况
本次考试我们学校共参加考试515人。语文全校人平87.8分，超过人平的有8个班级，最高五二班97.16分最低一二班70.09分相差27.07分；这里需要注明的是一二年级总分100分，三到六年级为120分。及格率全校为88.2，超过的有7个班级，最高的是五二班为100%，最低的是一二班63.04，相差36.96个百分点；优秀率全校为40.65，超过的有8个班级，最高的是二一班66.67，最低的是一二班19.57，相差47.1个百分点。
数学全校人平77.18分超过人平的有7个班级，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；及格率全校为85.28，超过的有7个班级，最高的是一一班100，最低的是四一班52.17，相差47.83个百分点，优秀率全校为41.69，超过的有7个班级，最高的是五一班67.39，最低的是四一班4.35，相差63.04个百分点。
英语全校人平71.39超过人平的有4个班级，最高的是三二班81.82，最低的是五一班61.43，相差20.39分，及格率全校为74.93，超过人平的有3个班级，最高的是四一班100，最低的是五一班54.35，相差45.65个百分点，优秀率全校为32.54，超过的有3个班级最高的是四一班56.52，最低的是五二班12.77，相差43.75个百分点。
在全镇范围内相比：
一年级语文平均分镇平74.89，和镇平相比一一班高1.29，一二班低4.81，和全镇最高相比一一比全镇最高低5.58分，一二比全镇最高低11.67；及格率镇平80.56，和镇平相比一一比镇平高7.53，一二比镇平低17.52，和全镇最高相比一一班比全镇最高低5.24，一二班比全镇最高低30.29，优秀率镇平24.59，和镇平相比一一班比镇平低0.78，一二班比镇平低5.02，和全镇最高相比一一比全镇最高低24.19，一二班比全镇最高低28.43。
一年级数学平均分镇平82.22，和镇平相比一一班高4.98，一二班高3.72，和全镇最高相比一一比全镇最高低2.33分，一二比全镇最高低3.58；及格率镇平92.51，和镇平相比一一比镇平高7.49，一二比镇平高5.32，和全镇最高相比一一班全镇最高，一二班比全镇最高低2.17；优秀率镇平38.41，和镇平相比一一班比镇平高2.07，一二班比镇平高7.24，和全镇最高相比一一比全镇最高低33.72，一二班比全镇最高低28.54。
二年级语文平均分镇平87.47，和镇平相比二一班高2.25，二二班低6.41，和全镇最高相比二一比全镇最高低5.05分，二二比全镇最高低13.71；及格率镇平93.08，和镇平相比二一比镇平高4.54，二二比镇平低1.19，和全镇最高相比二一班比全镇最高低2.38，二二班比全镇最高低8.11；优秀率镇平66.29，和镇平相比二一班比镇平低2.01，二二班比镇平低23.05，和全镇最高相比二一比全镇最高低29.83，二二班比全镇最高低50.87。
二年级数学平均分镇平78.35，和镇平相比二一班高5.39，二二班高4.35，和全镇最高相比二一比全镇最高低4.91分，二二比全镇最高低5.94；及格率镇平88.62，和镇平相比二一比镇平高6.62，二二比镇平高5.98，和全镇最高相比二一班比全镇最高低4.76，二二班比全镇最高低5.41；优秀率镇平30.8，和镇平相比二一班比镇平高9.67，二二班比镇平高4.33，和全镇最高相比二一比全镇最高低18.35，二二班比全镇最高低23.69。
三年级语文平均分镇平86.83，和镇平相比三一班低12.25，三二班高2.04，和全镇最高相比三一比全镇最高低19.74分，三二比全镇最高低5.44；及格率镇平83.94，和镇平相比三一比镇平低23.33，三二比镇平高2.73，和全镇最高相比三一班比全镇最高低32.42，三二班比全镇最高低6.36，优秀率镇平20.36，和镇平相比三一班比镇平低22.63，三二班比镇平低0.36，和全镇最高相比三一比全镇最高低25.06，三二班比全镇最高低14.15。
三年级数学平均分镇平75.71，和镇平相比三一班高0.32，三二班高6.74，和全镇最高相比三一比全镇最高低6.42分，三二全镇最高；及格率镇平79.64，和镇平相比三一比镇平高2.18，三二比镇平高8.7，和全镇最高相比三一班比全镇最高低6.52，三二班全镇最高；优秀率镇平41.4，和镇平相比三一班比镇平低8.07，三二班比镇平高13.6，和全镇最高相比三一比全镇最高低21.67，三二班全镇最高。
三年级英语平均分镇平86.53，和镇平相比三一班低14.62，三二班低4.88，和全镇最高相比三一比全镇最高低22.47分，三二比全镇最高低12.42；及格率镇平94.8，和镇平相比三一比镇平低22.07，三二比镇平低1.46，和全镇最高相比三一班比全镇最高低27.27，三二班比全镇最高低6.67；优秀率镇平71.95，和镇平相比三一班比镇平低41.64，三二班比镇平低20.28，和全镇最高相比三一比全镇最高低67.26，三二班比全镇最高低45.89。
四年级语文平均分镇平94.03，和镇平相比四一班高4.88，四二班高2.87，和全镇最高相比四一比全镇最高低1.78分，四二比全镇最高低3.8；及格率镇平92.29，和镇平相比四一比镇平高5.54，四二比镇平低4.29，和全镇最高相比四一班比全镇最高低2.17，四二班比全镇最高低12；优秀率镇平34.36，和镇平相比四一班比镇平高9.12，四二班比镇平高17.64，和全镇最高相比四一比全镇最高低13.04，四二班比全镇最高低4.52。
四年级数学平均分镇平61.51，和镇平相比四一班低2.25，四二班低0.83，和全镇最高相比四一比全镇最高低10.95分，四二比全镇最高低9.53；及格率镇平57.49，和镇平相比四一比镇平低5.32，四二比镇平高2.51，和全镇最高相比四一班比全镇最高低26.4，四二班比全镇最高低18.57；优秀率镇平11.45，和镇平相比四一班比镇平低7.11，四二班比镇平高0.55，和全镇最高相比四一比全镇最高低16.7，四二班比全镇最高低9.05。
四年级英语平均分镇平87.02，和镇平相比四一班低3.26，四二班低4.46，和全镇最高相比四一比全镇最高低11.85分，四二比全镇最高低13.05；及格率镇平95.81，和镇平相比四一比镇平高4.19，四二比镇平低5.81，和全镇最高相比四一班全镇最高，四二班比全镇最高低10；优秀率镇72.25，和镇平相比四一班比镇平低15.72，四二班比镇平低20.25，和全镇最高相比四一比全镇最高低43.48，四二班比全镇最高低48。
五年级语文平均分镇平94.26，和镇平相比五一班低0.87，五二班高2.9，和全镇最高相比五一比全镇最高低6.22分，五二比全镇最高低2.46；及格率镇平94.99，和镇平相比五一比镇平低1.51，五二比镇平高5.01，和全镇最高相比五一班比全镇最高低6.52，五二班全镇最高；优秀率镇平55.66，和镇平相比五一班比镇平低1.31，五二班比镇平高6.04，和全镇最高相比五一比全镇最高低22.58，五二班比全镇最高低15.22。
五年级数学平均分镇平72.1，和镇平相比五一班高9.31，五二班高2.59，和全镇最高相比五一全镇最高，五二比全镇最高低6.72；及格率镇平79.22，和镇平相比五一比镇平高14.26，五二比镇平高3.76，和全镇最高相比五一班比全镇最高低3.01，五二班比全镇最高低13.51；优秀率镇平40.82，和镇平相比五一班比镇平高26.57，五二班比镇平高5.99，和全镇最高相比五一全镇最高，五二班比全镇最高低20.58。
五年级英语平均分镇平61.41，和镇平相比五一班高0.03，五二班高2.2，和全镇最高相比五一比全镇最高低12.63，五二比全镇最高低10.46；及格率镇平56.59，和镇平相比五一比镇平低2.24，五二比镇平高7.24，和全镇最高相比五一班比全镇最高低33.37，五二班比全镇最高低23.89；优秀率镇平17.44，和镇平相比五一班比镇平低0.05，五二班比镇平低4.67，和全镇最高相比五一比全镇最高低32.61，五二班比全镇最高低37.23。
六年级语文平均分镇平88.75，和镇平相比六一班高4.88，六二班高4.36，和全镇最高相比六一比全镇最高低0.43，六二比全镇最高低0.96；及格率镇平90.64，和镇平相比六一比镇平高5.1，六二比镇平高5.28，和全镇最高相比六一班比全镇最高低1.03，六二班比全镇最高低0.86；优秀率镇平32.24，和镇平相比六一班比镇平高18.83，六二班比镇平高10.62，和全镇最高相比六一全镇最高，六二班比全镇最高低8.21。
六年级数学平均分镇平70.18，和镇平相比六一班高3.88，六二班高7.92，和全镇最高相比六一比全镇最高低4.04，六二全镇最高；及格率镇平75.04，和镇平相比六一比镇平高10.06，六二比镇平高16.79，和全镇最高相比六一班比全镇最高低6.73，六二班全镇最高；优秀率镇平38.47，和镇平相比六一班比镇平高4.08，六二班比镇平高18.67，和全镇最高相比六一比全镇最高低14.59，六二班全镇最高。
六年级英语平均分镇平61.82，和镇平相比六一班高2.8，六二班低0.1，和全镇最高相比六一比全镇最高低9.22，六二比全镇最高低12.12；及格率镇平57.54，和镇平相比六一比镇平高10.55，六二比镇平低0.4，和全镇最高相比六一班比全镇最高低17.33，六二班比全镇最高低28.27；优秀率镇平16.46，和镇平相比六一班比镇平高6.94，六二班比镇平低0.14，和全镇最高相比六一比全镇最高低15.73，六二班比全镇最高低22.8。
从以上数据分析可以看出学校范围内语文学科较好的有四年级、六年级。其他年级语文学科综合排名都比较靠后。数学学科一、五、六年级较好，四年级比较靠后。英语学科只有六年级比较考前。三四级比较靠后。和全镇相比我校的的短板还是优秀率，各级各科在优秀率上差距都比较大。平均分相差都是几分最高十分左右，但优秀率的差距有达到十几分、二十几分、最高相差六十多分.
四、存在的问题
语文学科存在的问题主要有：
1、学生基础知识不过关，如学过的汉字不会书写或写错别字。
2、部分学生书写不够规范，不认真。
3、能力题掌握不好。
4、学生对阅读分析的得分率相对较差，究其原因：一是平时训练材料少，二是没有养成良好的阅读习惯，没有读懂文章就开始答题
数学学科中的主要问题是：
1、计算不细心，没有验算的习惯。
2、学生审题不严谨。部分学生缺乏认真仔细的审题习惯，拿到题目后往往想当然，凭主观意愿来解题。
3、部分学生学知识死不会变通，分析解决应用问题的能力低。
4、学生的动手操作能力有待加强。
英语学科中的主要问题是：
1、记忆性知识掌握不牢.
2、学生对语篇的理解能力、分析、归纳、整理的能力有待加强。
五、设想和建议我也不多说了，那都是套话，下面我想说的是
篇5
中图分类号：G712 文献标识码：C DOI：10.3969/j.issn.1672-8181.2013.18.050
我校是一所规模较大、教学设施齐备的中等职业技术学校，在校学生的年龄大多在16～18岁之间，正处在青春期，因而，其身上就会出现青春期的一些特征，比如个性强、冲动、好奇、自我约束力差和情绪波动大等。要将学生培养成一名合格的中职学生，纠正他们身上的不良习性，使他们成为对社会有用的人才，需要付出极大的心血，需要一个漫长的指导、关心、爱护和纠正的过程，绝非一早一夕就能完成的。
中职学校的体育课通常具有人际交往频繁，师生互动环节多，学生个性暴露充分，不良行为习惯表现明显等特点。笔者对我所承担体育课的多个班级的学生在上课期间、练习期间所暴露出的不良行为进行了较长时间的调查、资料收集，结合本门课程的特点，查看和翻阅了大量的心理学与组织教育行为学的相关理论知识，对各个班级中不良表现较为突出的学生，进行了耐心、细致的心理指导和沟通，并及时对谈心的过程进行总结，找到了一些解决的方法和思路，对完成学校的教学意图，满足学生个人的需要，进一步完善体育课的教学和日常体育锻炼工作，提供了有益的帮助。
1 中职学生体育课中不良行为的类型
通过学习《教育心理学》和多年从事体育课教学的经验，笔者通过观察、搜集和整理，将中职学生不良学习行为的表现归纳为以下八种类型：①散漫型；②吵闹型；③主动攻击型；④躲避型；⑤违纪型；⑥邀功型；⑦不诚实型；⑧心理不健康型。在罗列出来的这八种类型中，散漫型、吵闹型和主动攻击型居多，这比较符合中职学生问题行为倾向，说明这些不良的学习行为是目前中职学校学生比较突出的问题，也是在教学过程中发生概率相对大些，影响更为严重的问题，这应该引起广大教师的高度重视，并在教学过程中要时刻加以注意，将突发事件控制到一定的安全程度。
2 中职学生在体育课中不良行为发生时段
通过对不同年龄、不同年级和不同班级上体育课时表现出的不良行为的现场观察，以5分钟为时间间隔，将观测到的数据按课的年均频次分类描述如下：
散漫型在各个时间段上发生的频次均处于较高水平，说明该行为带有普遍性；吵闹型分别在10分钟、25分钟和40分钟达到高峰，说明该行为较易在课程内容转换期发生；主动攻击型的高峰期出现在教学过程的练习阶段，这个阶段主要是由学生自行完成相关教学任务，属于相对自由阶段；躲避型等行为出现的频次较前三种行为而言，发生的概率要小些，通常出现在教学过程的开始和结束阶段。对上述各种不良行为的综合分析，我们可以更加深刻理解中职学生在教学过程中出现不良行为的原因和规律，对于我们在具体的教学过程中，如何防范于未然提供一些参考，并能更好地实施教学，达成教学目的。
3 中职学生体育课不良好行为产生原因
笔者通过长时间的教学实践和观察，找到了导致中职学生在上体育课时不良行为频发的主要原因，概括如下：
第一，学生方面：学习态度不端正，组织纪律观念淡漠，体育兴趣低落；班干部责任心不强，缺乏集体意识，同学之间不够团结，互差等，这诸多原因汇集在一起，形成了一种不好的班风，对每个身在其中的学生来说，或多或少产生了不好的影响。
第二，教师方面：个人组织教学能力缺乏，心理素质较差，与学生沟通不畅，对人不够诚信，没有威信，教学内容枯燥乏味，教学安排缺乏新意、不科学、不合理，不能有效调动学生的积极性，导致学生不良行为的出现。
第三，外界环境：当今社会是个信息大爆炸的年代，新生事物层出不穷，新知识、新概念不断涌现，学生得到的信息越来越多，这对我们这些从事教育的教师来说，无疑提出了更大的挑战，如果我们还是沿用原来那些陈旧的教学资源和教学方法，不转变自己的观念，学生在课堂上出现不良的行为也就不奇怪了。
4 中职学生不良行为解决方法
第一，目标明确法：在进行体育课教学时，一定要向学生交代清楚本节课的教学目标，让学生明白为什么要学？学什么？有何作用？只有当受众明白自己在干什么时，他们才能对你所讲授的内容产生兴趣。中职学生的学习积极性本就不高，对任何涉及学习的东西，都有一种本能的抵触，如何打消学生这种消极情绪，使他们能够学到知识，目标明确是很重要的。
第二，兴趣培养法：作为体育教师，在教学过程中，一定要最大限度地发挥学校现有的器材和设施的作用，充分发挥自己的聪敏才智，不断改进自己的教学方法和手段，引进新的模式、新的理念，丰富教学内容，特别要将教学的内容与学生的具体要求紧密结合，激发学生的兴趣，使学生能够在学习过程中得到乐趣，得到快乐，使课堂真正成为学生的天堂。
第三，团队精神法：体育课是一类比较好培养学生团队意识的课程。作为中职学校的教师，我们的首要任务是教会学生的生存能力和生存技巧，而在其中，培养学生的团队意识，使学生们能够真正懂得团队精神、团队力量和团队合作的重要性，才能够使我们培养出来的学生具有真正的竞争能力。体育课中的接力跑、球类比赛和团体操等内容，都是很好的培养学生团队意识的手段。
篇6
白居易在论诗时说：“感人心者，莫先乎情。”课堂教学更是如此，情感是开启学生心灵的钥匙，是沟通教师与学生之间的桥梁。笔者在进入教室时除了以美好的形象和饱满的热诚感染学生外，在进入课文时多以各种读为旋律，融声音、表情、姿态、手势为一体，营造热烈的情感氛围，激发学生的学习欲望，使课堂教学有一个最佳开头。
如《春》一课，在板题后我说：“同学们，《春》这篇课文老师学生年代就已学过，后来做老师又多次读过、教过，现在老师已经能一字不落地把它背下来，你们信吗？”学生听此，一边用质疑的目光看着我，一边热烈鼓掌。我要求学生听一听这部作品是一首抒情诗，还是一曲春的赞歌，或是一幅春的风景画？我在配音下，声情并茂地背诵，潜移默化地将学生引入课文，使他们个个神情专注地品味这篇优美的散文。
二、借助现代教学资源，激发学生学习兴趣是重要条件。
《基础教育课程改革纲要》明确提出：“大力推进信息技术在教学过程中的普遍应用，促进信息技术与学科课程的整合”，“充分发挥信息技术的优势，为学生的学习与发展提供丰富多彩的教学环境和有力的学习工具”。我充分发挥多媒体及其网络系统集声、影、图、文于一体的优势，调动学生多感官，激发学生学习兴趣，提高语文教学质量。
如《人民百万大军横渡长江》是1949年4月20日政府拒绝签订国内和平协定后，人民百万大军于20日晚上发起。面对长江天险及苦心经营数十年长江防线，势如破竹，飞一样横渡长江，同志满怀豪情地为此写下一则全面报道渡江战况的新闻稿。这则新闻在当时来说是震惊中外的一个特大消息，然而时至今日已六十多年，学生未必关心。那么如何激发学生学习这则动态新闻的兴趣，从中弄清新闻的基本要求及其五大部分的结构等呢？我巧妙利用多媒体再现当时情境，讲解课文前，我就播放中国人民百万雄师横渡长江的壮阔场面，将学生带入情境，同时配以这则新闻的录音朗读，让学生精神为之振奋，甚至忘却了这是视频，情不自禁地向播放的场景中冲。然后呈现电子课文，借助多媒体制作的图文并茂的“长江进攻路线图”等帮助学生体会新闻的特点要求，理清新闻的结构，从而大大强化了教学效果。
三、采用灵活多变的教学方法，激活学生思维是重要手段。
教学有法，但无定法，贵在得法。教法灵活多变，就能使课堂教学如同磁石般地吸引学生，激发学生强烈的求知欲和浓厚兴趣，激活学生思维，使课堂教学精彩纷呈。我在每课的教学中，综合考虑教材内容、学生的认知水平、课堂教学类型等因素灵活采用各种教学方法，让学生手脑并用，课堂学习气氛生动活泼。
如《孔乙己》这篇课文，在学习之前学生已经读过鲁迅的作品《从百草园到三味书屋》，且该课文是鲁迅回忆童年时的生活，容易激发初中学生学习的兴趣。在学习《孔乙己》一课时，我由《从百草园到三味书屋》引入，并进行对比阅读，这样不仅复习了旧课知识，帮助学生了解了《孔乙己》的背景和主题，初感了两篇作品的相同点与不同点，摸索出了鲁迅作品的思想脉络，而且调动了学生的情感。在分析课文时，我直接从孔乙己外貌入手，采取抓住主要矛盾引导学生分析的方法。要求学生阅读课文，看看孔乙己长什么样，并根据课文中外貌的描写，说说孔乙己的遭遇与性格。而后引导学生重点分析孔乙己又破又脏的长衫不离身的原因，从而很自然地把学生的目光引向孔乙己所处的那个社会和他思想最深处的东西。在学生初步了解了人物悲剧的社会根源后，我就用多媒体手段呈现课文中表现孔乙己遭受人们嘲笑戏弄的四个片断，让学生在如临其境之中感知孔乙己的不幸遭遇和封建社会毒害下人们的麻木状态。这四个片断的描写同中有异，异中有同，有许多可比点，我采用对比教学方法，从人物的对话、动作等对比中深刻体会封建制度对整个社会的毒害。小说分析结束后，我还让学生看《阿Q正传》电影片断，让学生在拓展阅读的比较中更深入地了解孔乙己这一人物……整节课，由于教法灵活多样，学生始终处于积极的分析探究之中，极大地提高了课堂教学质量。
四、开展各种以学生为主体的教学活动，提高学生主动学习的积极性是重要保障。
篇7
意义互动就是不同主体在其意义建构的过程中，基于各自的理解而展开其意义解释进而促进相互问的意义交流与沟通的过程。意义控制即在意义互动中占据优势地位的一方对另一方所施加的信息意义制约，这一制约主要表现为对意义域的控制。意义域包括意义的广度和深度。课堂教学信息的意义控制，具体到教学信息意义的广度就是师生对内容或问题的理解范围，它表现为知识或经验联想的丰富程度、动作技能的熟练程度；教学信息意义的深度则是指对课堂教学内容或问题理解的层次，反映教师、学生内心体验的强度，深层次的理解，伴随着的强烈的情感体验。课堂教学信息意义控制主要表现为作为知识代言人的教师对学生的教学意义的制约。教师通过课堂教学实现其教学信息意义的传递，学生则通过接受方式对教师教学信息意义做出自己的理解，所有的这一切都与教师教学信息意义的传递直接相关。由于在中小学课堂教学信息意义传递的结果大都有其必然的标准答案与规则，这种教学信息意义沟通是学生以教师为中介间接地从教师那里获得的教学信息意义，学生意义的建构是被教师加工与过滤的知识信息，于是他们不需要作太多思考也没有多少时间来思考。可见课堂教学过程中教师通常处于教学信息意义发生与控制的中心，而学生处于受控点上，教师作为教学信息意义中介的作用实质就是控制课堂教学信息的意义。在课堂教学过程中教师的教学信息意义控制包括以下方面：
(1)教师对课堂教学效果的评价标准的控制。教师作为社会要求的代表自然而然地要按其所掌握的社会标准来评价学生从而赋予学生社会标准的意义。同时也赋予学生接受教学信息及结果以标准的意义，对于不符合这一标准的言行进行干预从而构成课堂教学效果的评价标准控制。
(2)课堂教学的计划与安排控制。教师事先根据课堂教学的要求决定课堂教学的目标、内容及过程等，教师决定学生接受什么指示，如何接受、接受到什么程度等，这说明教师拥有教学信息的选择分配的权力。
(5)教师对课堂教学过程及方法的控制。教师按预定的教育目标进行教学并要求学生不能偏离教学目标的轨道。尽管教师口头上要求学生自我建构，但学生的思考对象仍然被限制在教师自己的教学信息意义范围内，教师赋予学生的思维方式及标准化的教学信息内涵形成对学生的意义控制。
二、课堂教学过程中的规范控制及应用分析
课堂教学中的规范控制指在课堂教学中教师对学生进行规则与纪律的约束，以规范其行为、完成教学信息传递的一种控制策略。课堂教学中的规范控制主要存在以下方面：
(1)课堂教学的规则控制。首先，教师根据社会性要求及品德教育目标对学生言行进行或褒奖、或批评、或惩罚性的干预从而形成规则控制。其次，教师为了顺利地完成既定课堂教学，也往往要对学生进行纪律约束和规则控制。在一些教师看来，如果学生能遵守规则与纪律，则无疑能促进教学信息的接受。因而，在课堂教学过程中，教师往往要将相当一部分精力放在对课堂教学规则、教学信息传递秩序及纪律的维护上，约束纪律、询问、提醒、指令、评价等行为主要是围绕学生在接受课堂教学的过程中的表现展开的。
(2)课堂教学的时间及教学环节的控制。首先，教师掌握、控制着课堂教学的时间。其次，教师掌控着课堂教学环节的控制。在课堂教学活动的过程中，教师对课堂教学活动环节有一种规范与权力控制，体现在课堂教学活动的各个环节，包括教育信息的选择，加工，处理，对信息传递媒体通道的控制及课堂教学信息效果的预测等。在具体实施课堂教学时，教师还利用出勤情况、教学活动组织过程、检查作业、小组活动成员的指定及分派任务等环节进行规范控制。
(5)课堂教学的空间控制。学生在接受课堂教学时与教师所处空间位置关系构成了课堂教学空间。比如，课堂教学空间作为教室空间的基本形式，体现了教师的空间控制。在学校里无论是教室的划分，还是在这些教室中的空间安排，都体现出比较严格的控制。我国的课堂教学中学生座位一般呈现传统的秧田型，这种空间构成有利于教师的系统讲授及控制学生的课堂行为，成为一种最常见的课堂教学的空间控制方式。
(4)教师互动对象的选择控制。教师对与其互动对象的选择存在着差异性，教师更多地选择成绩好的学生、干部学生及人际地位高的学生作为互动对象，与成绩差的及人际地位低的学生进行信息互动较少。这种差异现象尽管有其客观原因，即受互动时间及互动对象人数的限制而使互动机会不可能太多，但教师究竟将这些有限的互动机会提供给哪些学生，并如何与其互动则说明了教师在对学生不同期望下的一种控制。
三 、影响课堂教学效果有效性的原因分析
课堂教学中教师的规范控制，既可以防止学生可能出现的违规行为，有助于维护正常的课堂教学秩序，也可以避免出现妨碍课堂教学的意外情况，为自己的教学信息传递减少一些变数或不稳定因素，教师从而可以顺利地完成自己的课堂教学任务。课堂教学信息意义控制同样如此，在教学信息意义控制下，一方面教师要求学生接受自己的或已有的教学信息意义，另一方面教师使学生对相关教学信息意义的理解、范围与层次使其与既定的教学信息意义相一致。可以说，教学信息意义控制便于教师在单位时间内向学生传授尽可能多的确定无疑的标准化的信息，从而在一定程度上能提高传递教学信息的效率。
课堂教学控制的有效性对学生的影响也是非常深远的。但课堂教学过程中教师决定着教学信息从目标、内容到手段、途径的传递活动。因为教师拥有规范控制的批评、奖励、惩罚以及对评判的标准手段，所以，教师实际决定着整个课堂教学信息的意义。这种师生问的教学信息意义交流也被严格要求按课堂教学逻辑来进行，教师对学生的信息接受持单一的预期反应，即教师心目中的标准。结果学生对教学信息意义的建构实际也被决定了，这样学生对教学信息的意义建构也仅限于教师已有的教学信息意义自身，于是在教师的课堂教学信息的意义控制下，教学信息接受的某种强迫性也就存在着，而这正是学生缺乏接受课堂教学信息的积极性的深刻原因。
四、提高教师对课堂教学信息控制有效性的策略分析及应用
课堂教学是一种有目的、有计划、有组织的教育教学实践活动，在课堂教学活动中教师对学生的控制在所难免，问题不在于教师要不要控制，而在于教师如何在依据社会要求，同时不至于以牺牲学生的信息意义建构或创造性为代价来实现其对学生的有效控制，这就需要教师积极调整自己的课堂教学控制策略。
篇8
本次考试平均分86分；24人及格，及格率70%；18人优秀，优秀率53%；特优12人，特优率35%，3人过差。这次考试试题相对比较容易，重点考查基础知识，考查能力题目并不多。由学生得分情况来看，低分人数较多，特秀人数较少，说明学生对基础知识掌握很不扎实。
存在的问题
教师的教学中存在的问题：
教师没有对有希望的特优生把握准确，对他们要求不严格，导致好几个有希望的特优生在基础题上丢分。
数学本身比较枯燥，学生学起来兴趣不高，教师也没有花精力研究如何调动学生的积极性，让学生主动学习。
课堂管理不到位，导致部分学生在课堂上跑神，听课效率差。
对临界生的关注度不够，没有及时了解这些学生对知识点的掌握情况，导致他们学习的一知半解。
改进措施
要在提高特优率和优秀率上下功率，对待他们要让他们多见题多练题，并且培养他们善于思考问题的习惯。
篇9
一、实施分层次教学，要树立正确的学生观
“没有教不好的学生”，这是每一位教师要树立的正确的学生观。作为教育工作者应该换位思考，先思考希望老师怎么对待自己的子女，再来考虑我怎样对待别人的子女。尽管个别学生有智力差异，要使其达到优秀是非常困难的，但经过我们的教育培养，让其逐步提高达到合格水平，这是可以的。为这些学生今后的发展，为他们今后的谋生打下一个好的基础，这是我们教育工作者义不容辞的责任。
二、实施分层次教学，要重视学生知识水平的差异
由于学生在智力水平、基础知识、兴趣爱好、潜在能力及学习方法等各方面存在着差异，所以其接受信息的情况当然也就有所不同。所谓分层次教学，就是从大多数学生的实际出发进行教学的同时，还要兼顾差生和优生，在所有学生都能达到基本要求的前提下，教师要有针对性、有目的、有计划地让不同层次的学生各有所得。
三、实施分层次教学，要在备课上下足功夫
课前教师要钻研大纲，吃透教材，吃透学生，深入了解学生已有的基础和学习状况，要尽可能多地预见到课堂上的种种情况。从新课的导入、疑难问题的设置、练习题与习题的配备，都要针对中、差生解题能力不强、速度较慢的弱点，由易到难，由浅入深。练习题的配备要以中等生为主线，基础题要求全体学生必须掌握，提高题则要求优生全做，鼓励中等生选做。只有这样，才能有利于差生巩固基础知识，中等生略有提高，优生得到充分发展。
四、 实施分层次教学，课堂上仍需突出学生的主体地位
目前广大教师已普遍认识到在课堂教学中不能再搞满堂灌、填鸭式的教学，要让学生多思考、多练习，充分调动学生学习的积极性。但有些教师片面地突出学生的主体地位，要么大大小小的问题一个接一个地提问，要么练习不停地做。从外观看，学生成了课堂的主人，学生的主体地位得到了体现，但实际收不到应有的学习效果，学习质量差，效率低。教学中教师的作用重在“导”，具体体现在启发、点拨、设疑、解惑上。教师要摆正自己的位置，努力在“导”上下功夫，能让学生先说的尽可能让学生先说，能让学生先做的尽可能让学生先做，能让学生讨论的尽可能让学生讨论。教学中要引导学生大胆质疑，敢于、善于质疑。教学中应尽可能地发挥双方的主观能动性，而不应强调一方而削弱另一方。
五、作业布置的层次化和考试的多样化
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
教育发展是摆脱落后的必要条件，实现经济腾飞的重要动力，社会走向可持续发展的根本大计。我国独立学院在2000年之后的十多年时间得到了迅猛发展。十多年来，独立学院在缓解中国高等教育供需矛盾、保证高等教育规模增长、提高国民文化素养、发展社会主义市场经济建设等方面发挥了积极作用。如何加强独立院教学，如何增进独立院校教学质量，成为现阶段研究的热点。由于高校教学质量与校园学风建设息息相关，也是独立学院自身建设的重要方面，直接影响到学生的知识文化素质和思想道德素质，影响到所培养的人才质量，因此如何推进学风建设也是当今高校的热门话题。本文通过对某独立学院5个专业系部学生的调查研究，拟对独立院校的学风建设中存在的问题作一一阐述，从而为独立学院教学质量的提升及学风建设的推进提供理论基础。
1 研究方法
表1 各系部问卷发放情况
本次调查采用问卷调查法。本次发放《教学质量及学风建设问卷》，针对独立学院经济管理系、建筑工程系、生物科学系、机电工程系、生物科学系的全体学生进行调查分析。共发放问卷4427份，回收4320份，有效回收率为97.58%。各系部问卷发放情况如表1所示：
2 结果与分析
2.1 对所学专业的态度
通过对各系部学生对所学专业态度的调查发现，除语言文学系学生之外，其他系部学生对自己所学专业态度为满意或比较满意，而语言文学系学生对所学专业态度不仅有满意、比较满意，同时有32.65%的学生态度为一般，不满意的人数达到10.05%。对所学专业的态度，间接的反映了学生对所学专业的感兴趣程度，这种兴趣直接影响到学生学习专业知识的积极性，因此从数据可以看出（表2），语言文学系学生对所学专业的积极性不及其他四个系部学生。
表2 各系部对所学专业态度的评价调查表
2.2 影响你对所学专业的学习态度是
数据显示（表3），各系部对影响所学专业的学习态度选择集中在“专业学习难度”和“专业就业率”上，表明大部分学生对专业的喜好程度取决于专业的难易程度，尤其以机电工程系、语言文学系、建筑工程系最为典型。此外，大部分学生对专业今后的发展情形的重视度较高，认为专业就业率是影响专业学习态度的重要因素。建筑工程系有25.97%的学生选择“专业在学校的受重视程度”，体现该系部学生比较重视自己所选择的专业受到学院的认可程度。
2.3 学习动机是什么
调查结果显示（表4），各系部均有40%～65%的学生选择A项，说明大部分学生的学习态度比较端正，对今后的发展做长远打算，扎实学好专业知识，为走上工作岗位奠定基础。语言文学系、建筑工程系、经济管理系有15%～20%的学生以“严峻的就业形势”作为目前学习的主要动机，说明有部分学生已经意识到在这个竞争日趋激烈的社会，是否能够学到一技之长并学以致用是非常关键的。3%～6.5%的学生学习动机仅仅是为获得相应文凭，同时各系部也存着少数学生，没有学习动机，学习态度散漫，没有明确目标。
2.4 影响学习的决定性因素
当问到影响学生学习的决定性因素时，各系部约有35%～ 50%的学生选择“个人兴趣”，其次选择的是“学习氛围”、“ 教师的授课方式”。由此可见，学生自身对专业是否感兴趣至关重要的。此外，有30%～40%的学生认为“学习氛围”是影响学习的决定因素，良好的学习氛围能够培养学生养成良好的学习习惯，反之则亦然，因此为学生提供一个好的学习环境是至关重要的。语言文学系学生认为是教师授课方式影响学习的占19.44%（表5）。
2.5 课堂教学质量较差的原因
结果显示（表6），机电工程系33%-35%的学生认为造成课堂教学质量较差的原因是对课程内容不感兴趣，教师教学方法不吸引学生，有15%左右的学生倾向D、E选项，表明学生对专业的认识程度不高，有13.68%的学生选择G选项，从自身查找问题。语言文学系学生选择A、B、C选项人数在25%～35%之间，显然以学生的角度，除了个人兴趣之外，课堂教学质量较差的部分原因在于教师的教学能力不足。建筑工程系、生物科学系、经济管理系大部分学生选择是对课程内容不感兴趣，有10%～24%的学生认为与教师教学能力相关。建筑工程系与经济管理系有15.55%、13.08%的学生认为是自身原因。
2.6 加强学风建设应最先解决的问题
结果显示（表7），机电工程系、语言文学系、经济管理系30%左右的学生选择C项，选择B项学生占20%左右，表明在这三个系部内，学生迟到、旷到现象较为突出，其次考试作弊、作业抄袭、课堂纪律较差现象普遍存在。建筑工程系和生物科学系学生认为考试作弊是学风建设最先解决的问题，体现了两个系部对考试作弊问题的重视度。
2.7 我院目前存在的最主要学风问题有哪些
数据显示（表8），各系部选择A、B、C三项的学生占20%～ 55%之间，不难看出，目前学院存在的主要学风问题为“学生缺乏学习动力、厌学、为考试而学”、“学习纪律意识差、旷课严重”。机电工程系与经济管理系有20%左右的学生认为迷恋上网游戏和浮躁不踏实，考试突击也是当前存在的学风问题。
表7 各系部加强学风建设最先解决的问题
3 存在的问题及分析
3.1 专业学习问题
根据调查问卷的数据显示，学院大部分学生对专业认识程度不够，学习兴趣不强，部分学生没有学习动机，学习目标不明确，究其原因，由于大学环境里出现了各种观念危机， 如“读书无用论”、“厌学风”、“就业难”，在这种观念的影响下，大学生又面临复杂的就业形式，让不少学生对所学的专业失去信心、心态浮躁、开始厌学、逃学。此外，语言类及工程类专业难度较大及专业教师的教学能力欠缺， 不能满足学生的求知欲，也造成学生对专业知识的学习失去兴趣，因此教师的治学态度、知识水平和教学能力还有待于提高。
3.2 学生学风问题
调查显示，目前大学生缺乏学习动力，特闷理想抱负较高， 对自身能力评价过高，但意志相对薄弱，缺乏独立性、自我约束力，容易受群体行为的影响而产生“从众效应”。其次，当今网络时代对大学校园的冲击，使学生改变了惯有的学习观念和方法，且沉溺于网络游戏和网上娱乐，影响学习成绩， 给高校学习风气带了负面的影响。
4 学风建设改进对策
4.1 分阶段培养
由于学生对于专业认识程度不够，学习兴趣较低，解决问题的关键是要让学生从真正意义上认识专业的重要性，通过多方努力，培养学生学习专业的兴趣。大学生入校到毕业期间，结合不同阶段大学生的心理特征和个性差异情况，采取不同的对策。大一是培养学生专业兴趣和自觉性的最佳时期，这个阶段的学生在行为上易受到引导和暗示，具有极强的可塑性，此期间加强对学生的专业思想教育，培养学生对专业的接纳、认同和热爱，同时激发学生学习的自觉性。进入大二、大三的学生，要从学生的学习兴趣入手，积极开展与专业相关的科研或实践活动，丰富学生的经验，同时也激发了学生学习热情和竞争意识。大学的最后一个阶段，主要是结合当前的就业需求，教授学生实用性操作能力，多给学生传授求职、应聘、面试等技巧，鼓励学生以正确态度应对就业。
4.2 教风建设
调查中发现，学生对课程的喜爱程度与教师的教学能力有密切相关，因此教风在学风建设中起着至关重要的作用，尤其是青年教师队伍的建设。教师的治学态度、教学水平、知识容量和言行举止都会对学生产生潜移默化的影响。因此，学院应当紧抓教学质量，加强教学质量监控的力度，完善青年教师入职前的培训系统，并组织示范教学活动，让教师以高尚的师德感染学生，以广博的知识引导学生，以高超的教学能力培养学生，调动学生学习的积极性，提高学生学习的自觉性和动手能力，以优质的教风促进优良学风的建设。
4.3 加大学风监管力度，奖惩结合
完善学风建设的监管制度，以制度为保障，全面规范学生管理。联合学生会、学生社团，不定期对各班的学风情况进行全面检查，及时发现问题并快速解决，加强考风考纪工作，创造公平、公正的的竞争平台。实行选拔学生干部、发展学生党员、评奖学金、选优、入党、毕业生就业推荐等均与学习成绩挂钩的政策导向，通过这种形式把有利于优良学风形成的因素具体化、合理化和规范化，把教师的教学活动、学生的学习实践及学院的管理活动纳入系统的科学的规范之中，并建立完整的激励机制和考评机制，把学院所推崇的形式、所倡导的内容常规化、制度化，做到标本兼治，创建优良学风和院风。
参考文献
[1] 张凌茹.新疆教育的现状及发展思考[J].商情（教育经济研究），2007（4）：3-6.
[2] 易宁，丁小华.高校学风状况的调查研究[J].江西社会科学，2006（2）：210-212.
[3] 林精华.高校学风状况调查与思考[J].思想教育研究，2007（2）：74-77.
[4] 陈道华.新时期高校学风建设策略探析[J].华南师范大学学报，2004（2）：154-156.
