欢迎大家来到IT世界,在知识的湖畔探索吧!
【编者按】也许在您看来,学习统计学就是拿到一组数据按照要求画一画图表,计算一下平均值、方差等数字特征就结束了。事实并非如此,我们学习统计学更应注重建构“数据分析”大概念。《数学课程标准》旗帜鲜明地提出了数学学习要以学科大概念为核心,本文亦指出建构“数据分析”大概念对于统计学习、知识迁移、不确定性思维的重要意义,以及如何利用“数据分析”大概念帮助孩子做一个理性“数字原住民”。
一、什么是“大概念”?
大概念(big ideas),也可以称为大观念、大思想可以追溯到杰罗姆•布鲁纳的“新数运动”。布鲁纳认为学习一门学科就是要掌握一门学科的结构,将知识与知识之间联系起来,以达成迁移与理解。
格兰特·威金斯和杰伊·麦克泰格系统整理了大概念的内涵,他们把“大概念”比喻为“车辑”,车辑能够固定四个车轮胎,车辑是理解的必要条件,知识好比是轮胎,通过“大概念”这个车辑可以“联系起来”。李刚于2018年总结了相关研究,提炼出大概念的四个本质属性:中心性、可持续性、网络状、可迁移性。
总之,大概念是指可以将零散的知识点连结起来,形成学科知识特定结构,获得知识迁移与理解,并符合中心性、可持续性、网络状以及可迁移性的学科概念。
二、 为什么要进行“大概念”的学习?
大概念的学习就是学习知识的联系、获得特定知识结构,进而掌握可迁移的知识网络体系的过程。
埃里克森认为,大概念居于小概念之上,知识的结构从具体而精确发展为抽象且可迁移,层层迈进,最重要的就是产生概念性的理解。教学可以自下而上从一个个小的主题、具体情境、小概念出发,但是最后九九归一,经历思维抽象,“汇聚”成大概念,形成概念性理解,知识才能迁移。
三、 “数据分析”大概念的演绎
“数据分析”大概念如何生成、演绎呢?Charles提出统计学三个子概念:数据获取、数据表示、数据分布。本研究结果表示,“数据分析”大概念处于中心地位,与数据获取、数据表示、数据分布犬牙交错,形成“网络状”,如下图:
在建构“数据分析”大概念的演绎过程中,学生经历了怎样的认知过程呢?本研究表明,其认知过程存在感知阶段、描述阶段、分析阶段,并分别在数据获取、数据表示、数据分布等统计活动中表现相应特征,如下表:
教师&家长可以根据孩子的认知表现,在每个数据活动中判断孩子的认知水平,有的放矢地学习统计学内容。
四、给数学教师&辅导数学家长的贴心建议
1. 了解孩子“数据分析”大概念的认知和发展
教学可以从一般的事实性知识、程序性知识出发,但是最后目标应该指向形成概念性理解。有效途径之一是判断学生的数据活动认知水平,推动孩子 “数据分析”大概念的形成,最终获得知识迁移和理解。
2.情境教学中感受统计学的不确定性思维
数据分析是一种不确定性思维,是要让学生通过数据获得、数据表示、数据分布过程进行一定的推断,而这一过程往往是需要在统计情境活动进行。建构生动有趣的统计情境活动和提问,让学生感受情境背后的随机性以及不确定性思维。比如,分层抽样的随机性体现在哪里?如果人为分层了,如何做到随机性?这些问题有利于学生理解随机性的本质。
3.帮助“数字原住民”解读大数据功能
生活在大数据时代的“数字原住民”每天可能接触 “心仪推荐”、“视频推荐”等网站功能,其背后如何作“精准”数据搜集呢?推荐结果为什么那么“懂”您呢?其实是您的“真实数据”帮了忙。
其实我们的每一次商品搜索和点击对平台而言相当于“数据获取”,并且属于数据获取方法中的普查。普查的优势在于能够全面进行调查,从而获得可靠的结论。大数据记录我们全部的信息,包括搜索类目、逗留时间、搜索频次,所有“痕迹”都转化为数字指标,然后对各个指标作数据表示的算法模型处理,最后输出专属的数据分布,当然是最“心仪推荐”!乃是用“数据”读懂了您内心的想法。同理,抖音等视频软件的“视频推荐”亦然:系统记录您的浏览视频类型、观看时间、是否点爱心等数据指标,然后综合这些指标作数据表示模型处理,提炼出切合您口味的数据分布,最后形成特别“懂”您的视频播放链,让您欲罢不能。家长若能利用“数据分析”大概念知识解读这些大数据功能,就能帮助孩子了解数据获取、数据表示、数据分布的大致过程,做一个理性的“数字原住民”。
免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://itzsg.com/49607.html