在大数据与智能制造融合发展背景下，《数字电子技术》这门课程依托学习通教学平台与课程质量评价数据开展学情精准诊断，构建 “数据驱动 — 学情画像 — 精准施教 — 持续改进” 的教学闭环，实现从 “经验教学” 向 “精准教学” 转型，全面提升课程教学质量与学生实践能力。

一、基于大数据的学情精准分析

过程化数据实时采集依托学习通平台完成随堂练习、课上参与、课后作业、实验操作等全环节数据采集，自动生成知识点掌握度、完成率、正确率、达成度分布等学情画像，实时识别薄弱知识点与学习困难学生。

课程目标达成度量化诊断通过课程质量评价数据统计发现：

课程整体达成度良好，实验操作模块达成度显著偏高，学生动手能力、实验设计与原理理解能力突出，契合智能制造专业实践能力培养要求；

随堂练习与理论应用模块达成度相对偏低，整体处于合格水平，存在少数学生练习完成不及时、基础知识点理解不透彻、理论应用能力不足等共性问题；

学生达成度呈分层分布，高分段学生占比稳定，低分段学生集中在基础薄弱环节，需分层干预与精准辅导。

课程目标达成度例

二、基于学情的精准教学改革实施

课前：数据预判，动态调整教学进度基于学习通预习练习与历史学情数据，提前识别薄弱知识点，适当放慢重难点章节进度，增加课前知识点梳理与微课推送，让学生提前夯实基础，降低课堂学习门槛。

课中：精准施教，优化内容与难度

针对随堂练习达成度不高问题，降低练习难度、聚焦核心考点，增加课堂知识点总结与例题精讲，确保学生 “听得懂、做得会”；

强化理论与智能制造工程场景结合，提升知识应用性，同步保留实验实操优势，深化动手能力与工程思维培养。

课后：分层辅导，靶向补弱对达成度低于阈值的学生进行自动预警，推送个性化补练资源与答疑任务；对高分段学生提供拓展性习题，实现 “保底培优”，缩小班级成绩差距。

考核：过程化精准评价以大数据记录替代主观评分，随堂练习、实验操作、课堂参与、期末考试全维度支撑课程目标评价，评价结果更客观、更具导向性。                        

三、教学改革成效

课程目标达成度整体提升

理论应用与随堂练习模块达成度显著提高，学生基础知识点掌握更扎实，课程整体达成度保持优良水平。

学生学习状态明显改善

练习完成率、课堂参与度大幅提升，缺勤、未完成任务等情况显著减少，学生学习主动性与获得感增强。

实践能力优势持续强化

实验操作与工程设计能力保持高水平，契合智能制造专业对数字电路实操、系统设计的能力要求，支撑毕业要求指标点有效达成。

教学决策科学化

从 “凭经验教学” 转向 “用数据说话”，教学内容、进度、难度、辅导全部依据学情动态优化，实现精准教学与持续改进。

                           

改进成果图

四、总结

在大数据 + 智能制造背景下，《数字电子技术》以学情数据为核心，通过学习通实时监测与课程质量评价深度融合，实施精准教学改革，既补齐理论基础薄弱短板，又强化实践能力优势，实现教学过程精准化、学生培养个性化、课程质量持续提升，为智能制造类专业基础课改革提供可复制的实践范式。