分析化学习题(6篇)
分析化学习题篇1
关键词：高中化学认知因素学习难题
近年来，新课程改革不断深入发展，旨在改变一直以来影响我国教育体制改革和发展的应试教育模式，实现课堂教学的改革和创新，促进学生综合素质的提升。在高中化学新课程改革过程中，存在一个不容乐观的现象，那就是高中化学新课程的学习中，学生不同程度地出现学习困难的现象。究其原因，在于学生对高中化学知识的理解能力、理解水平的差异，以及学生对新课程改革的一知半解。针对这样的学习现状，笔者认为，教师在课堂教学中应当认真分析学生对高中化学新课程的认知因素，并通过不断的改革和创新，找到解决问题的办法，使学生尽快适应高中化学新课程改革，促进学生学习效率的不断提升。
一、高中化学新课程学习现状
当前，在高中化学新课程的学习过程中，存在学生学习困难的现象。主要表现如下：一是部分学生在高中化学新课程的学习过程中存在学习态度差的问题，对化学学科没有给予足够的重视，认为化学不过是一门无足重轻的学科。其次，学生对化学的学习缺乏兴趣，主要原因在于化学知识的结构严谨，学生学习和理解起来存在困难。尤其是对于一些化学学习起步较晚的学生而言，在化学学习中更是感觉头疼。例如，教师在给学生讲解化学的电离方程式时，一些学生一听到电离方程式，就有畏难情绪，致使在学习的过程中不能很好地掌握方程式的书写方法，从而使得学生的学习压力加大，更不利于学生对化学的学习。这些现象的存在，不利于高中化学新课程改革的发展，也不利于学生学习效率的提升。
二、高中化学学习困难认知因素分析
当前，在高中化学新课程的学习过程中，学生存在学习困难的现象，主要因素如下：
1.学生的逻辑思维能力有待提高。
化学是一门逻辑性很强的学科，化学学科的很多知识，都需要学生具备较强的逻辑思维能力。但是对于高中生而言，其主要是以抽象的逻辑思维为主。在课堂教学中，对于很多抽象的概念、方程式，学生如果逻辑思维能力不弱，对这些知识的理解和认知存在很大程度的困难。因此，要实现高中化学新课程学习效率的提升，必须不断提高学生的逻辑思维能力。
2.学生的认知风格迥异。
个体存在差异性，这是无可厚非的。在高中化学新课程学习过程中，部分学生存在学习困难，一个原因是学生的认知风格迥异，对化学新课程的理解和认知存在差异，使得学生在学习过程中容易受到学习环境的影响，并且这种思维会影响到与之关系紧密的学生，从而使得学生的学习困难存在普遍性。
三、高中化学教学中解决学生学习困难的有效措施
在实际教学过程中，教师应当采取怎样的教学措施，改变学生学习困难的现状呢？笔者认为，教师要真正解决学生学习困难的问题，就要从学生的认知因素入手，运用科学的教学方法，改变学生的学习方式和思维方式，促进学生学习效率的提升。
1.转变被动学习思维模式，促进自主学习能力提升。
在高中化学新课程的学习过程中，教师要改变传统学生习惯于被动学习的思维模式，改变传统学生必须教师督促才会学习的学习现状，变被动学习为主动学习，不断提高学生的学习效率。这就要求教师在教学过程中对自己的教学模式和教学手段进行客观的分析，找到教学过程中存在的各种问题，并利用科学的方法改革创新，改变传统灌输式的教学模式，采取启发式的教学模式，促进学生在学习过程中思维能力的提升，以帮助学生养成良好的思维习惯和学习习惯，形成自主学习的能力，促进学生高中化学新课程学习效率的提升。
2.重视技巧培养，提高学生的实践能力。
“授之以鱼，不如授之以渔”。在高中化学教学中，教师要结合新课程改革的思想和观点，重视学生化学实践能力的培养，改变传统“纸上谈兵”式的教学模式。在课堂教学中，教师要善于用系统的观点和方法进行教学，让学生站在全局的角度分析和学习化学知识，具有逻辑性的知识框架结构，这样学生在学习过程中就不再显得凌乱而繁杂，避免学生在学习的过程中存在盲目性。此外，在课堂教学中，教师要善于培养学生发现问题、分析问题和解决问题的能力，帮助学生在学习和生活的过程中用化学知识指导生活，在生活中发现化学知识，促进学生学习的良性循环。
3.重视学生化学学习兴趣的培养。
兴趣是最好的老师。在高中化学新课程的学习过程中，教师要立足于学生对化学知识兴趣不浓厚的教学现状，不断改革和创新，激发学生的学习兴趣。例如，教师在课堂教学中可以利用多媒体辅助教学，改变传统枯燥的灌输式教学。多媒体辅助教学的模式，可以帮助教师学习很多难以用语言表达的知识点，丰富多彩的教学模式有利于激发学生的学习兴趣，从而不断提高课堂教学质量和效率。
总而言之，在高中化学新课程学习过程中，教师要认真分析引起学生学习困难的因素，并立足于学生的实际情况，通过有效的改革和创新，不断改变传统的教学模式，实现高中化学新课程改革又好又快地发展，打造高效的高中化学教学课堂，为新课程改革的不断深入发展奠定基础。
参考文献：
[1]李小超.高中化学教师教学效能感研究[D].华中师范大学，2009.
分析化学习题篇2
学习分析作为教育信息化的新浪潮，是教育大数据的主要应用领域。泛在网络下的学数据高速增长，线上线下的学习形式不断革新，关于学习分析的研究也随着大数据理念的发展而不断变化。本文通过文献分析法，着重从大数据的视角，对国内外学习分析的研究现状进行综述。首先介绍学习分析及相关概念的发展，从大数据视角探讨学习分析发展的驱动力；然后对比国内外在大数据和云计算技术驱动下形成的学习分析框架、应用领域和关键技术，介绍了整合的学习分析系统平台；最后分析大数据创新给学习分析带来的机遇和挑战。
【关键词】学习分析；教育大数据；数据挖掘；智慧学习
【中图分类号】G434【文献标识码】A【文章编号】1009―458x（2015）03―0031―07
一、引言
信息时代，大数据的出现正给各个领域的发展带来深刻的影响。在商业领域，大数据研究已经初具规模，其成果正改变着商务活动的营销和运营模式。同样，在教育和科研领域，教育大数据和教育云时代已经到来。
学习分析和教育数据挖掘，是教育大数据的两个主要应用领域。美国新媒体联盟（NMC）在地平线报告中连续四年把学习分析作为影响教育发展的趋势和关键技术[1][2][3]。2011年以来，为了促进学习分析的发展和学者之间的学术交流，每年都会举行一届学习分析与知识国际会议（InternationalConferenceonLearningAnalyticsandKnowledge，LAK）。2013年夏，美国学习分析研究会SOLAR、IEDMS等在斯坦福大学建立了斯坦福学习分析夏季学院，为学习分析研究和应用培训提供支持。目前，分析技术在大学教与学中的应用进展非常迅速，学习分析已经成为教育信息化的一个新浪潮。在2014年美国高等教育信息化协会（EDUCAUSE）的“高等教育信息化十大战略技术”研究报告中，对学习分析的使用情况作了统计：35%的学校建立了课程层面的分析架构；35%的学校建立了业务绩效的分析架构；32%的学校建立了学位指导的分析架构；47%的学校建立了业务情报报告仪表盘[4]。随着教育大数据和教育云计算的发展，学习分析成为了教育信息化与教学互动的“深度融合”[5]。
目前，国际上关于学习分析的研究方向主要集中在学习分析服务框架、分析方法、工具与可视化工具领域；国内主要集中于综述和应用分析[6]。国内的顾小清[7]、李青[8]、马晓玲[9]、韩顺平[10]、吴永和[11]、祝智庭[12]、张羽[13]等学者从不同角度对学习分析的研究和发展做了综述。本文着重从大数据创新的角度，介绍大数据背景下学习分析的概念、驱动力，对比学习分析框架和应用，分析大数据创新给学习分析带来的趋势和挑战。
二、学习分析与相关概念
（一）学习分析的定义与发展
学习分析的定义源于美国高等教育信息化协会的“下一代的挑战”，其将学习分析定义为：使用数据和模型预测学生收获和行为具备处理这些信息的能力[14]。2011年，首届学习分析与知识国际会议将学习分析定义为：测量、收集、分析和报告关于学习者及其学习情景的数据，以期了解和优化学习和学习发生的情境[15]。新媒体联盟也有相似的定义：利用松散耦合的数据收集工具和分析技术，研究分析学习者学习参与、学习表现和学习过程的相关数据，进而对课程教学和评价进行实时修正[16]。可以说，学习分析在许多方面指的是应用于教育领域的“大数据”分析[17]。从这些定义可以看出，学习分析的研究对象是学生及其学习情境，研究的基础是教育活动中产生的海量学习数据和学习分析过程中产生的中间数据，研究的目标是评估和预测学生活动，发现潜在问题，为教育活动相关者提供决策支持，以优化和设计学习过程和学习情境。
美国学习分析研究会、学习分析与知识国际会议、美国高等教育信息化协会、英国开放大学知识化研究所（KMI）等学术机构和会议推动了学习分析的发展[18]。学习分析与知识国际会议召开的时间、地点和主题见表1。从会议的主题变化可以看出，学习分析已经由概念发展到应用，由理论研究发展到实践研究。学习分析是在大数据背景下发展的分析技术，第五届学习分析与知识国际会议已经明确将大数据作为主要议题。
表1LAK历年召开时间、地点和会议主题
[LAK＼&时间＼&地点＼&主题＼&LAK11＼&2011年2月27日至3月1日＼&加拿大阿尔伯达省班芙市＼&学习分析技术、社会和教学等维度的整合＼&LAK12＼&2012年4月29日至5月2日＼&加拿大温哥华市＼&学习分析技术、知识建模和表征、知识工作和分析等领域的现状及发展策略＼&LAK13＼&2013年4月8日至4月12日＼&比利时勒芬市＼&学习分析辩证法＼&LAK14＼&2014年3月24日至3月28日＼&美国印第安纳波利斯市＼&学习分析研究、理论与实践整合＼&LAK15＼&2015年3月16日至3月25日＼&美国纽约波基普西市＼&缩放：大数据，大影响＼&]
（二）学习分析与相关概念
相比商业、物理、生物、气候等领域，分析技术应用于学习领域较晚。学习分析、学术分析、教育数据挖掘、行为分析都是分析方法在教育领域的特定应用。Angela等比较了分析、商业分析、学术分析、学习分析、预测分析和行为分析的定义和关注维度，认为教育数据挖掘、学习分析、学术分析是教育大数据分析中最接近的概念[19]。Ferguson（2012）通过三个问题回答了教育数据挖掘、学习分析、学术分析的区别[20]。教育数据挖掘主要关注的是“如何从学数据集中提取有用信息”这一技术挑战，学习分析则主要关注“如何优化在线学习机会”这一教育挑战，而学术分析则关注“如何在国家或国际层面上最大程度地改进学习机会和教育结果”这一政治经济挑战[21][22]。G.Siemens和Long对学习分析与学术分析进行了界定[23]。学术分析侧重智能分析在教育领域的应用，强调的是机构、区域、国际层面上的分析，直接受益者是管理机构、投资者、政府部门和教育机构。而学习分析主要关注的是课程和部门的分析，直接受益者是学习者、导师和部门管理者。相比学术分析和教育数据挖掘，学习分析更加强调对学习过程和学习情境的实时优化[24]。
G.Siemens、Baker详细分析了学习分析与教育数据挖掘的联系和区别[25][26]，认为这两个概念都是数据驱动下的教育领域的分析技术，其在研究内容和研究者方面有重叠，目标都是通过数据分析指导和促进教与学[27]。Bienkowski在通过学习分析与教育数据挖掘促进教与学的报告中对以上学者的观点做了详尽的说明[28]。下面通过表2比较教育数据挖掘与学习分析[29][30]。可以看出，学习分析与教育数据挖掘在侧重点、起源和分析方法上都有不同。教育数据挖掘实际上强调自动发现，因此，它侧重于模型和发现模式，关注各个组成部分以及他们之间的关系。学习分析尽管也强调自动发现，但更关注情境和特定干预，注重个性化和自适应[31]。教育数据挖掘重点依赖聚类技术，同时也很依赖智能辅导系统，更加重视建立模型。而学习分析更加强调社会干预，如普遍应用社会网络分析以及话语分析[32]。
（三）从大数据视角看学习分析的驱动力
Ferguson认为大数据技术、教育、政治和经济因素是驱动学习分析发展的主要动力[33]。G.Siemens、RyanS.J.d.Bake等从技术发展角度分析了促进学习分析发展的主要因素，概括为：教育数据量剧增、数据格式多样化、计算能力加强、分析工具发展[34][35]。从大数据视角，可以将学习分析的驱动力概括为三类：数据驱动、技术驱动、需求和利益驱动。
1.数据驱动
智能手机、平板电脑、传感器等电子设备在学习情境中的应用已经相当普遍，基于泛在网络的学习数据剧增是驱动学习分析的重要因素。我们处在普适计算时代，移动互联网、物联网等泛在网络改变了学习方式，也为学习分析提供了丰富的数据来源。学习管理系统LMS中存储着大量学生学习数据，学生在线学习保留有大量学习轨迹信息，社交网络中的学习行为更是呈现出急剧增长的数据流趋势[36]。这些数据来源广泛，数量巨大，而且数据格式多种多样。目前常用的学习分析数据主要来自于数据仓库中的基本信息数据，来自于网络服务器的用户浏览日志，以及来自于学习网站和系统挖掘的其他文本数据，例如博客、评论、搜索词等。需要强调的是，数据驱动下的学习分析技术，也带来了学习分析的数据挑战。
2.技术驱动
大数据关键技术和社会分析技术是学习分析的支撑技术，是驱动学习分析的关键因素。学习分析过程中面临海量数据的采集、存储、分析问题，需要根据社会分析方法，在人的干预下优化学习情境，这些问题离不开强有力的技术支持。云计算技术、物联网技术、语义web技术、移动互联网技术、数字媒体技术都是大数据基础平台与支撑技术。在教育云平台和在线学习环境下，利用物联网和云存储技术采集和存储海量相关数据，利用语义web技术（关联数据技术）管理和利用相关数据。移动互联网设备已经进入学习环境，利用移动互联网技术可以方便地实现在线记笔记、资源分享。还可以通过增强现实技术虚拟学习环境。在云计算方面，云文件系统（GFS，HDFS等）、NoSQL数据库、Mapreduce计算模式、apachehadoop等开源工具都是大数据下学习分析需要利用的技术工具[37]。这些先进技术，使得基于大样本的、个性化定制的学习分析成为可能。
3.需求与利益驱动
个性化、多样化的学习需求带来直接的经济、社会利益，需求与利益是驱动学习分析的核心因素。从个人角度看，个性化学习方案的制定需要参考学习分析系统对个人的分析建议；从企业角度看，基于智能分析决策的学习系统和产品更有市场竞争力；从教育机构角度看，学习分析结果可以作为决策的依据。这些利益需求驱动了学习分析的发展。
三、学习分析的框架、技术、应用
（一）学习分析整体框架
很多学者从不同角度为学习分析设计了整体框架。大多数框架关注的是学习分析可用的数据、利益相关者、分析流程、分析工具、制约与限制等方面。BrownandMalcolm认为，学习分析的核心在于收集和分析学习数据，主要包括数据收集、分析、学生学习、受益方和干预五个要素[38]。G.Siemens提出了一个工作流引擎驱动的学习框架。框架由数据采集、分析、预测、调整四个工作流组成。其中数据包括学习者的数据，智能语义和关联数据，个人资料[39]。通过总结Baker和Dron，Anderson等人的知识管理模型，TanyaElians提出了一个由四个技术资源和三个循环阶段组成的改进的学习分析框架[40]。四个技术资源指计算机、人、理论、组织机构。三个循环阶段包括六个活动：数据收集（选择与采集）、数据处理（整合与预测）、知识应用（使用和优化）。
M.A.Chatti等认为学习分析的主要步骤是数据采集与预处理、数据分析与行动、后续处理。他们提出了一个由四个维度组成的学习分析参考模型（见图1）。该模型将学习分析分成数据与环境、技术、利益相关者、目标四个维度，并从各个维度分析了学习分析面临的机遇和挑战。与之相似，GrellerandDrachsler提出了一个由利益相关者、目标、数据、工具、内部限制和外部约束六个关键维度组成的学习分析框架（见图2）[41]。他们认为，学习分析的利益相关者包括数据主体（学习者）和数据客体（教师、导师、教育管理者），学习分析的数据来自于被保护和公开的学习活动及学习环境数据，学习分析的目的在于预测学习结果和帮助学习者反思，采用的分析工具包括教学理论、机器学习技术和可视化工具，学习分析的实施过程应考虑个人隐私和伦理道德[42]。
图1Chatti等的学习分析参考模型
图2Greller等的学习分析框架
DirkIfenthaler[43]等着重考虑了学生、学习、课程之间的关系，设计了一个融合多源信息的分析框架（见图3）。该框架整合了在线学习环境中的分析数据（包括个人特征、社会网络、物理数据、课程数据、反馈数据），引进了学习分析引擎、个性化和自适应引擎、报告引擎三个处理阶段。该框架强调了学习环境中数据的异构性和多源性，将数据、分析工具、环境连接为一个具有反馈环节的闭合系统。可以说，它是一种面向服务的架构。
学习分析的整体框架多种多样，这些框架为学习分析应用和实现提供了重要指导。但是，每个框架都有局限性，经过实践验证的框架仍然很稀少[44]。
（二）整合的学习分析系统
目前企业和研究团体已经开发出多种多样的学习分析系统和平台。有些是单独的学习分析系统，更多的是嵌入到学习管理系统LMS和MOOCs平台中的分析工具。一般来说，学习分析工具不能单独存在，常作为“插件”嵌入其他在线学习环境中。美国学习分析研究会的学者提出一个整合的学习分析系统（见图4）[45]，主要包括四部分：分析引擎；适应内容和个性化引擎；干预引擎；仪表盘，报告和可视化工具。
图4SOLAR整合的学习分析系统
1.分析引擎
分析引擎是学习分析系统的核心部分。它整合了多个数据处理和分析模块，是学习分析系统的神经中枢。分析引擎包括数据处理、数据分析等核心功能，集成诸如预测、聚类、模式发现、趋势分析等应用模块。分析引擎处理来自学习管理系统、社会网络、物理世界中的学习轨迹数据，数据仓库中的学生基本信息和外部用户指令数据，通过社会网络分析、话语分析、模式发现、机器学习等学习分析技术，形成分析结果，以报告、可视化等技术提供给用户。用户根据这些分析结果做出判断和干预[46][47]。
2.适应内容和个性化引擎
适应内容和个性化指的是系统能够根据学习分析的反馈和个人习惯偏好优化学习过程、教学设计和学习内容的能力。例如，系统根据学生爱好给学生的选课建议，系统根据用户习惯改善学生的学习体验，系统根据用户偏好推荐合适的内容，等等。适应内容和个性化引擎将分析引擎、系统开发者、学习资料提供者联系起来，在出版商等开发者的参与下，对学习内容进行适应性和个性化定制与推送。
3.干预引擎
干预引擎使用分析引擎产生的预测模型，追踪学习者的学习轨迹，提供自动的人为的教育干预。干预引擎通过链接给学习者提供学习内容、社交伙伴、导师等资源；通过社交工具，教师可以与学生互动交流；通过预测分析，对问题学生提前引导，对“特别”学生特殊培养。
4.仪表盘，报告和可视化工具
学习仪表盘呈现可视化的分析数据和报告，方便个人对教学和学习作出决策。学习仪表盘包括四个用户视图：学习者视图、教育者视图、研究者视图和机构视图。不同视图视角不同，但相互关联。根据不同利益相关者的需求，提供不同的数据展示。
参考SOLAR学习分析系统，吴永和等人从学习分析系统输入输出角度，将整个系统分为数据层、分析层、报告层、干预与适应层[48]。数据层主要获取学习者相关学习数据，然后送入系统分析层由分析引擎进行数据分析，之后在仪表盘上按学习者、教学者、管理者三大利益相关者需求产生可视化报告，并在此基础上对学习者进行干预，完成自适应过程[49]。另外他们还认为，学习分析系统的技术特征应该包括功能模块化、报告可视化、数据多源化，这种观点具有很好的参考价值。
（三）学习分析的关键技术与应用领域
学习分析是教育理论、技术、可视化展示相互协同完成的结果。整体的框架和系统中已经包含了这些要素，下面详细介绍学习分析的应用领域和关键技术。
MarieBienkowski[50]等人认为学习分析应用领域包括：用户模型（知识、行为、体验），用户建档，领域关键概念模型和领域知识内容模型，趋势分析模型，适应性和个性化模型。不同的应用模型需要不同的分析数据和分析方法。通过情境模拟和参考相关文献，可看到学习分析主要应用领域包括：①用户模型；②学习者行为与情感分析；③预测与评估；④结构发现与关系挖掘；⑤趋势分析与活动干预；⑥适应性和个性化；⑦监督与控制[51][52]（见表3）。
表3学习分析应用领域
[应用模型＼&目的＼&所需数据＼&主要方法＼&用户模型＼&构建基础数据仓库＼&学生与课程基本信息、问卷等基础数据（例如姓名、成绩、兴趣、专业等）＼&数据采集与存储、
数据仓库、云存储、
可视化技术等＼&学习者行为与情感分析
＼&学生知识管理、学生行为描述与分类＼&在线用户的学习行为数据（学习偏好，浏览路径，学习痕迹等交互数据）＼&数据仓库技术，话语分析、情绪分析等社会化分析法，学习分析仪表盘等可视化工具＼&预测与评估＼&预测和估计未知参数＼&可以获得的与估测变量相关的样本数据＼&分类、回归、潜在知识发现等有监督的机器学习和统计方法＼&结构发现与关系挖掘＼&识别用户模式、优化系统和学习过程＼&大量样本数据，数据仓库、网络采集的各种用户、行为数据＼&聚类、因子分析、社会网络分析、领域结构发现等无监督算法，关联规则挖掘、序列模式挖掘、模型发现＼&趋势分析与活动干预＼&研究者感兴趣的趋势预测＼&取决于研究者感兴趣的问题，需要时间序列数据＼&时间序列分析、随机过程分析、话语分析、情绪分析等社会化分析法，人为干预、简化人类判断等＼&适应性和个性化＼&提高系统适应性、改善系统、提供个性化建议和服务＼&历史数据和学生基本信息，学习行为等数据＼&内容导航、推荐系统、web挖掘、机器学习算法＼&监督与控制＼&监督、控制、优化、反思学习过程和情境＼&分析后的数据、可视化结果＼&人类判断、可视化工具等＼&]
四、大数据背景下学习分析的机遇与挑战
大数据背景下，学习分析的概念、框架和应用都会随着大数据的创新而发展。同时，大数据思维方式和技术革新也给学习分析带来了机遇和挑战。
（一）大数据创新带来的学习分析机遇
1.直接的价值利益
大数据创新公司分为三类：基于数据的公司、基于技术的公司、基于思维的公司。大数据背景下学习分析的价值链创新也包括这三个层次的创新[53]。其一，学习管理系统和在线平台上采集的学习者相关数据本身具有很大的价值。基于数据本身的数据公司，它们没有能力或者侧重点不在分析数据上，它们可以直接出售数据给第三方。其二，处理大数据的云计算、物联网等先进技术掌握在少量高科技公司手中。它们掌握了技术但缺乏数据，主要通过专业的分析技术获得利益。其三，学习分析是一种社会化分析，自适应、个性化的学习需求是推动学习分析的真正动力。基于思维创新的公司通过学习分析创造新的需求和服务模式，从模式创新中获得利益。
2.学习与教育方式的革新
数字媒体和分析技术的发展，使学习和教育方式日趋多元化和立体化。学习分析也逐渐融合到在线学习、混合式学习、协同学习、虚拟化学习中。学习分析强调基于上下文情境和人为干预，重视适应性和个性化服务，要求环境与用户、教与学良好互动，是智能教学的最佳实践。例如，大规模开放课程平台中，利用学习分析技术挖掘用户信息，根据用户兴趣推荐课程和资料；翻转课堂和游戏化学习过程中，学习分析仪表盘上的结果使学习者能够根据目标和学习习惯主动学习。
3.对其他学习科学的影响
学习分析对其他学习科学的研究具有积极影响。学术分析、教育数据挖掘与学习分析交叉融合，它们的方法和思想很多时候可以互相借鉴。学习分析融入MOOCs学习环境、学习管理系统、智能导师系统，使这些系统更加智能化。游戏和游戏化学习、翻转课堂、多模态学习、量化自我等学习科学领域的新技术同样受学习分析技术的影响。
（二）大数据时代学习分析面临的挑战
大数据时代的学习分析数据多源异构、分布广泛、动态增长[54]；大数据背景下的学习分析需要强大的数据存储与分析能力；大数据视角下的学习分析关注用户需求，以服务为中心；大数据管理思维下的法律和制度尚待完善。正是这些问题，使大数据时代的学习分析面临挑战。
1.数据与技术挑战
海量的、非结构化的学习轨迹数据，难以被典型数据库软件工具捕捉、储存、管理和分析，大数据技术创新才能解决学习分析中的基础问题。数据与技术挑战，就是指选取什么数据，建立什么模型，如何处理数据的问题。首先，虽然大数据关注的是数据的关系而非因果，但因为系统的复杂性，混沌世界发现的规律常常出现“蝴蝶效应”，如果不加选择地利用不合理的数据，让数据主宰人类决策，必将导致荒谬。其次，被广泛接受和检验的整体框架仍然有待完善，针对特定情境、特定问题、特定用户的学习分析模型和实现较为稀缺。怎样定义问题，如何选择模型，选择哪种算法更有效，这些都是开放的问题。最后，云计算等大数据关键技术尚不成熟，在大数据存储、计算方面还存在很多问题，这些问题也是学习分析的主要技术挑战。
2.制度和管理能力限制
学习分析不是纯粹的技术问题，还涉及人的干预和优化。制度和管理技能方面的缺陷，直接制约学习分析的应用。其一，学习分析需要花费大量的人力、物力，高额的成本对于一般教育机构来说难以接受。其二，学习分析需要聪明的消费者来使用数据，传统的教师和管理者可能不具备分析和使用数据的能力，甚至抵触学习分析工具的使用。其三，学习和教育是一个社会化过程，研究和发展适应性和个性化的分析方案是学习分析的永恒话题。
3.道德与安全挑战
大数据背景下的学习分析，面临道德与安全的挑战。学习分析的道德与安全挑战分为三类：数据位置和数据解释问题；许可、隐私管理和匿名化问题；数据分类和管理问题[55]。学习分析需要获取用户信息，管理用户数据，不可避免会涉及用户隐私。另外，和学习分析相关的法律制度、道德引导、安全技术尚未明晰。例如，google曾因为使用AppsforEducation套件扫描了数以百万计的学生的电子邮件信息，并将之用于创建“隐蔽”的广告配置文件而遭。
五、总结与展望
大数据的管理思维变革给学习分析带来了机遇和挑战。随着云教育平台、MOOCs等的应用，学习分析的形式和应用将更加广泛。学习分析是教育信息化的新浪潮，在应用中存在各种挑战。面对这些挑战，需要将信息化技术与教学过程结合起来，制定明晰的使用规范和管理制度，注重数据安全与隐私保护[56][57]。传统教与学方式的转变需要一个过程，学习分析技术的大规模应用需要利益相关者的共同努力。
[参考文献]
[1][16]JOHNSONL，ADAMSBECKERS，WITCHEYH，etal.TheNMCHorizonReport：2011MuseumEdition[J].Austin，Texas：TheNewMediaConsortium，2011.
[2][17]JOHNSONL，ADAMSS，CUMMINSM，etal.TheNMChorizonreport：2013highereducationedition[J].2013.
[3]JOHNSONL，ADAMSS，CUMMINSM，etal.TheNMChorizonreport：2012highereducationedition，Austin[J].http：//nmcorg/publications/2013-horizon-report-higher-ed，2013.
[4]刘永贵，郑旭东.美国高等教育信息化的进展与趋势――EDUCASUE年度高等教育信息化十大战略议题解读[J].开放教育研究，2009，14（6）：122-126.
[5][26][29][34]SIEMENSG，DBAKERRS.Learninganalyticsandeducationaldatamining：towardscommunicationandcollaboration；proceedingsoftheProceedingsofthe2ndinternationalconferenceonlearninganalyticsandknowledge，F，2012[C].ACM.
[6][11][14][18][30][36][48][49]吴永和，陈丹，马晓玲，etal.学习分析：教育信息化的新浪潮[J].远程教育杂志，2013，31（4）：11-19.
[7]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.
[8]李青，王涛.学习分析技术研究与应用现状述评[J].中国电化教育，2012（8）：129-133.
[9]马晓玲，邢万里，冯翔.学习分析系统构建研究[J].华东师范大学学报（自然科学版），2014.
[10][46]魏顺平.学习分析技术，挖掘大数据时代下教育数据的价值[J].现代教育技术，2013，（2）：5-11.
[12]祝智庭，沈德梅.学习分析学智慧教育的科学力量[J].电化教育研究，2013，5（03）.
[13][51]张羽，李越.基于MOOCs大数据的学习分析和教育测量介绍[J].清华大学教育研究，2013，（4）：22-26.
[15][25]SIEMENSG，LONGP.Penetratingthefog：Analyticsinlearningandeducation[J].EducauseReview，2011，46（5）：30-32.
[19]VANBARNEVELDA，ARNOLDKE，CAMPBELLJP.Analyticsinhighereducation：Establishingacommonlanguage[J].EDUCAUSELearningInitiative，2012.
[20][22][33][56]FERGUSONR.Thestateoflearninganalyticsin2012：Areviewandfuturechallenges[J].KnowledgeMediaInstitute，TechnicalReportKMI-2012，2012，1（2012.
[27][35]BAKERR，SIEMENSG.Educationaldataminingandlearninganalytics[J].CambridgeHandbookoftheLearningSciences：，2014.
[28]BEHRENDTS，WIEBEEN，LONDONJE，etal.Cloudcomputingadoptionandusageincommunitycolleges[J].Behaviour&InformationTechnology，2011，30（2）：231-40.
[31][32]魏雪峰，宋灵青.学习分析：更好地理解学生个性化学习过程――访谈学习分析研究专家GeorgeSiemens教授[J].中国电化教育，2013，（9）：1-4.
[37][54]孟小峰，慈祥.大数据管理：概念，技术与挑战[J].计算机研究与发展，2013，50（1）：146-169.
[38]BROWNM.Learninganalytics：thecomingthirdwave[J].EDUCAUSELearningInitiativeBrief，2011，1-4.
[39]SIEMENSG.Whatarelearninganalytics[J].RetrievedMarch，10（2011）.
[40]ELIAST.Learninganalytics：Definitions，processesandpotential[J].Learning，2011，23（134-148）.
[41]GRELLERW，DRACHSLERH.Translatinglearningintonumbers：Agenericframeworkforlearninganalytics[J].2012.
[43]IFENTHALERD，WIDANAPATHIRANAC.DevelopmentandValidationofaLearningAnalyticsFramework：TwoCaseStudiesUsingSupportVectorMachines[J].Technology，KnowledgeandLearning，1-20.
[45][47]SIEMENSG，GASEVICD，HAYTHORNTHWAITEC，etal.OpenLearningAnalytics：anintegrated&modularizedplatform[J].Proposaltodesign，implementandevaluateanopenplatformtointegrateheterogeneouslearninganalyticstechniques，2011.
[52][57]BIENKOWSKIM，FENGM，MEANSB.Enhancingteachingandlearningthrougheducationaldataminingandlearninganalytics：Anissuebrief[J].USDepartmentofEducation，OfficeofEducationalTechnology，2012，1-57.
[53]维克托，迈尔，肯尼思，etal.大数据时代――生活，工作与思维的大变革[M].杭州：浙江人民出版社，2013.
[55]SLADES，PRINSLOOP.LearningAnalyticsEthicalIssuesandDilemmas[J].AmericanBehavioralScientist，2013，57（10）：1510-1529.
分析化学习题篇3
一、考题大概
纵观2012年和2013年这两年的江苏化学卷，“化学平衡”的考题均涉及到基本理论中的化学平衡问题，主要考查学生“速率”、“平衡常数”的概念及计算，还考查了学生对“平衡移动”等有关内容的掌握程度，要想完成好这道题，需要学生有扎实的基本功，对基本概念的内涵、外延有深刻的理解.
二、考题呈现
例1（2013江苏卷・15）一定条件下存在如下的反应：CO(g)+H2O(g)CO2(g)+H2(g)，其中正向为放热反应.现提供三个完全相同的容积为2L的恒容绝热密闭容器(与外界没有热量交换)：Ⅰ、Ⅱ、Ⅲ进行如下操作：在I中充入物质的量均为1mol的CO和H2O，在Ⅱ中充入物质的量均为1mol的CO2和H2，在Ⅲ中充入物质的量均为2mol的CO和H2O，700℃条件下开始反应，试分析达到平衡时，下列正确的为（）.
A．容器Ⅰ、Ⅱ中有相同的正反应速率
B．容器Ⅰ、Ⅲ中反应有相同的平衡常数
C．容器Ⅰ比容器Ⅱ中的CO的物质的量多
D．容器Ⅰ中CO的转化率加容器Ⅱ中CO2的转化率小于1
解析本题答案是CD，在Ⅰ容器中充入了1mol的CO和H2O，在Ⅱ容器中充入了1mol的CO2和H2，刚开始Ⅰ容器中的正反应速率最大，Ⅱ容器中的正反应速率为零，达到平衡时，Ⅰ容器中的温度要>700℃，Ⅱ容器中的温度要700℃，Ⅱ容器的温度要
例2（2012江苏卷・14）有一容积为2.0L恒容密闭容器，当温度为T时，向其中充入1.0molPCl5，经过一段时间后，反应PCl5(g)PCl3(g)+Cl2(g)达到平衡.在反应过程中对相关数据进行了测定，其中部分数据如下表所示：
t/s050150250350
n(PCl3)/mol00.160.190.200.20
下列说法正确的是().
A．其他条件均保持不变，仅升高温度，平衡时c(PCl3)=0.11mol・L-1，则反应的ΔH
B．前50s，反应的平均速率v(PCl3)=0.0032mol・L-1・s-1
C．在相同的温度下，开始时向容器中充入0.20molCl2、0.20molPCl3和1.0molPCl5，则反应达到平衡前v(正)>v(逆)
D．在相同的温度下，开始时向容器中充入物质的量均为2.0mol的PCl3和Cl2，则反应达到平衡时，PCl3的转化率
解析仅升高温度，则平衡时，c(PCl3）=0.11mol・L-1，则n（PCl3）=0.22mol，由此可见仅升高温度平衡会朝着正向移动，因为正反应为吸热反应，所以ΔH＞0，A错误；前50s内，反应的平均速率为PCl3浓度变化与时间的比值，并非物质的量的变化与时间的比值，所以B错误；在相同的温度下，在开始时向容器中充入0.20molCl2、0.20molPCl3和1.0molPCl5，为了搞清楚平衡移动的方向，应先求平衡常数K的值（为0.025），再求出浓度商（Qc）为0.02，因为K＞Qc，可以说明平衡向正反应方向移动，C正确.对于D选择支应从等效平衡的角度进行思考，建立与原平衡完全等效的模型，接着再将容器两倍关系压缩成原容器，平衡向逆反应方向移动，则PCl3的转化率应>80%，D错误.
三、复习建议――把握化学平衡移动的含义
“化学平衡”是可逆反应在一定条件下所处的一种特定状态，化学平衡的建立和移动与过程有关，当改变影响平衡的某一个条件（温度、浓度、压强），平衡可能会发生移动，且可以根据勒夏特列原理（平衡移动原理）判断化学平衡移动的方向.
分析化学习题篇4
一、精选习题，示范讲解，充分发挥例题的作用
例题教学不仅有助于学生理顺解题思路，复习巩固知识和明确解题规范，更重要的是可以培养学生多方面的能力，但由于课堂时空有限，化学习题类型繁多，不可能面面俱到。为此，教师必须对例题进行筛选，精选典型的、具有普遍指导意义的习题作范题。从方法步骤着眼，从解题思路入手，注意引导学生认真分析题意，弄清要求和条件，找出例题所涉及的知识点，以及要求解答的问题与已知条件的关系，抓住解题关键，形成正确的解题思路和方案，并、列出解题格式、要点和注意事项。使学生从解题思路、方法、层次和规范要求等方面受到启发。通过对典型例题的剖析，不仅可以收到以题及类举一反三的效果，更重要地是可以达到明确概念、掌握方法、启迪思路、培养能力的目的。
二、选好习题，组织训练，培养思维能力
习题练习不仅有助于学生理解知识间的关系，掌握知识的系统性，而且有助于学生掌握题型，开拓思路，熟悉解法，培养学生运用知识去解决问题的能力，同时还能及时反馈学生在知识和能力上的缺陷，是诊断学生学习困难的重要手段。因此教师必须加强习题训练，但不能将学生引入“题海战术”，这就要求练习题要“少而精”，教师必须对习题进行精选，选择具有启发性、典型性、规律性和针对性的习题，采用“多变、多析、多问、多解”的导向法组织学生练习，鼓励学生一题多解，多角度、多层次分析问题，进而达到培养学生思维能力的目的。
三、加强解后评析，注重思路启迪，提高解题效率
习题解后的评析，不仅能及时理清学生的解题思路，引导学生反思解题过程，同时对训练思维，提高分析问题、解决问题的能力有特殊的功能。
解后评析可采取“一题一评析”的策略，先让一位学生汇报结果或上讲台作解答，并要求其作适当的讲解，然后师生共同分析、讨论，鼓励学生提出不同见解，补充不同的解法，但绝不能将习题的评析变成“就题论题”，而应该引导学生深化习题，挖掘习题内涵，进一步拓宽知识，做到融会贯通。可采用“一题多解”、“变题讨论”、“错例分析”等形式。通过评析沟通知识间的内在联系，把知识讲活，从而达到培养思维变通性、创造性，开拓学生解题思路，提高解题效率的目的。
四、加强解题小结，注意学法指导
良好的学习方法是获取知识的重要手段。在练习和评析中注意多角度分析问题，培养学生的比较、分析、综合、归纳能力，指导学生总结习题所涉及的知识点，并使之系统化。同时对题目类型、解题步骤进行归纳小结，总结解题常用方法、一般规律、注意事项、容易出现的问题等，并在掌握常规思路和方法的基础上，启发新思路，探索巧解、速解、多解的新途径、新方法，并得出结论，让学生明确或记忆，这样可使学生解题经验集少成多，开阔视野，少走弯路，提高解题速度。
五、习题教学中几点注意事项
1．习题要“少而精”
“少而精”是习题教学成功的关键。化学习题类型繁多，学生手中的习题资料也品种不一，如果面面顾及，势必将学生引入“题海战术”。为此，教师必须精选知识覆盖面广、典型的习题组织练习与剖析，从中引导学生掌握方法，以达触类旁通之功效。
2．要启发讨论
评析练习时积极启发讨论，这是习题教学成功的保证。教师在教学中的作用在于启发、引导学生学会观察、分析和总结，教师根据学生练习返馈的信息，积极组织学生讨论，适时启发点拨，帮助学生实现知识的转化。
3．传授方法与培养能力并重
分析化学习题篇5
【关键词】化学观念；电化学；复习教学
化学观念是化学学科的精髓，对化学观念的培养也是化学教学的宗旨。化学教学应引领学生用“物质观”和“分类观”认识化学世界、以“元素观”明确化学反应、用“微粒观”理解反应本质、用“运动观”和“守恒观”分析微观粒子的变化规律、从“科学价值观”的角度明确化学学习的意义，给学生全新的化学认知和学习体验。高三复习教学对化学观念的培养较高一高二要薄弱得多，其实总复习是对已有知识梳理、归纳、整合和再生的过程，这才是化学观念内化和终身化的关键时期。提升复习品质须与培养化学观念相辅相成，教师应以化学观念培养为核心、以实例分析为辅助、在反复思考和演绎中运用“观念引领解题”的模式，才能提升学生的思维品质和化学素养。
下面以电化学复习为例阐述培养化学观念的教学策略。
1价值观引领复习方向
1.1以电学研究的意义统建大方向。
学以致用是学习的现实目的，也是高考的考查方向，复习教学务必紧扣价值观这一中心，围绕电化学的实际应用展开原理复习教学。学生已有一定的电学知识基础，教师可尝试逐步摆脱短期效应、题海战术等浅层次的教学。复习之初设置合理的生活场景，明确电学研究对现代生活的意义，进而整合电的产生、制备、存储、再生及应用的实际问题，再把电化学涉及的具体问题综合起来，织成一张思维的网，给学生一条复习线索，并内化为他们自己的知识脉络。
教师可用图1所示的模式搭建复习框架，组建电化学概念群，培养更有针对性和前瞻性的观念意识。
1.2以电学的价值为据合理选编题目。
近几年高考试题的背景多为前沿科学或新鲜资讯，如2014年多地高考以锂电、镍电等新型二次电池为背景，旨在给学生化学源自生活的感觉，但学生对这些资讯却非常头痛。不难想象陌生背景带来的紧张感，及学生短时间内难以理清题目意图的情景。这就需要教师在平时的教学中，从装置的用途出发，以科技新闻、科教节目、前沿发明等内容为背景，选编符合高考“口味”的题目对学生进行信息解读能力的培养。
例如节选2014年北京卷第26题中的部分内容：
电解NO制备NH4NO3，其工作原理如图2所示。为使电解产物全部转化为NH4NO3，需补充A。A是，说明理由：。
【解析】阅读题目明确该装置的意图是得到NH4NO3，根据两极转移电子数相同可知1molNO转化为1molNH4+需5mole-，而5mole-可将5/3molNO转化为NO3-，为了得到匹配的NH4NO3，必须向溶液中加入适量的氨气。以电子守恒为基础，以实际产物为准，可避免书写方程式的麻烦和失误。
1.3以实际应用为例引领原理分析。
高三复习得越深入，就越需要用价值观来引领原理分析。学生解题时常直奔图像忽视对题目背景的描述，导致原理分析一知半解。如必修Ⅱ教材中有模拟电解饱和食盐水工业装置的图片，其中四个溶液的进出口学生难以记住，可尝试用实用角度去说明问题：左侧生成氯气，则左侧液体进出口必与氯元素有关，氯化钠是反应物，投料必是浓溶液且其密度较稀溶液略大受重力作用应向下运动，为使反应更充分应投到电极附近，故左上口为饱和食盐水，而左下口为稀食盐水；同理可知为何右上为氢氧化钠稀溶液而右下为浓溶液。经过实际的分析，学生自然会沿着应用的思路去思考化工生产类题目。
2元素观搭建电学分析的平台
化学的基础是元素，任何化学问题的分析都离不开元素观的支撑。高三复习教学需要高屋建瓴，同时也要回归基础，元素观的培养恰好可以将这两种需要有机地融合在一起。教学中可以考虑以下几个方面：
2.1化合价是解读电学问题的基础。
高中的电化学以氧化还原反应为基础，当然离不开化合价的分析。学生对铁、铜、锰、镍、铬等过渡金属元素及氯、氮、硫等非金属元素的多变价态不清楚，如2012年浙江理综第10题：以铬酸钾为原料，电化学法制备重铬酸钾的实验装置如图3所示。
学生认为K2CrO4与K2CrO4间有化合价变化，教学需引导学生阅读操作目的（以铬酸钾制备重铬酸钾），再结合反应来分析铬的化合价。复习中可通过陌生物质，引导学生分析元素的化合价，也可用有机燃料电池为切入点，进行化合价的训练。
较经典的是2014浙江卷11题：镍氢电池（NiMH）目前已经成为混合动力汽车的一种主要电池类型，NiMH中的M表示储氢金属或合金，该电池在充电过程中的总反应方程式是Ni（OH）2+MNiOOH+MH。学生对C项（充电过程中阴极的电极反应式：H2O+M+e-MH+OH-，H2O中的H被M还原）较难理解，教师可指导学生阅读《必修Ⅱ》教材中关于储氢合金的概念，强调储氢的方法有多种，可能因化学变化形成金属氢化物，也可能只是空间填充形式，金属和氢元素均为零价。根据金属无负价可推知MH中氢可以是0价或-1价，水中的+1价氢若变成零价只转移1个e-，若变成-1价需转移2个e-，继而可解此题。分析后可辅之以2014年全国卷第9题进行练习。
2.2运用元素周期律辨析电极反应。
学习化学的基本工具是元素周期表，可利用它了解陌生元素的性质，如锂电的设计之初正是从锂与钠的相似性开始的。近年来很多高考题都对锂进行了不同程度的探索，其中与水反应、LiOH的溶解性都曾是学生失误过的。因而，教学中应注重元素周期律对电化学分析的指导作用。
此类问题在2014年浙江理综11题的D项（NiMH电池中可以用KOH溶液、氨水等作为电解质溶液）中也有体现，可以元素周期律为方向选择经典的高考题目进行练习，如表1的以下题目。
3微粒观完善原理分析
微粒观是电化学联系微观变化与宏观能量的桥梁，其基本内容包括：物质是由分子、原子、离子等微观粒子构成的；微观粒子不断运动，彼此之间有间隔；微观粒子之间存在相互作用。其中粒子的不断运动可形成电流，相互作用包括了电子转移和静电作用下的离子移动，这些是电化学的根本。回看近年来的浙江理综卷，电化学选择题的落点贴近教材，同时也恰好点中容易被师生忽视的“死穴”。因而，教师在教学设计时应以微粒观为主线，串连知识点成网，逐步完成电化学的观念培养。
3.1明确阴阳离子移动原理.
分析电学问题时应明确离子移动的两个动力：阴阳离子（或电子与离子）间的静电引力，及渗透压作用。学生更注重对静电作用的运用，高三复习时务必要弥补这一漏洞。如2013年浙江理综11题：电解装置如图4所示，电解槽内装有KI及淀粉溶液，中间用阴离子交换膜隔开。在一定的电压下通电，发现左侧溶液变蓝色，一段时间后，蓝色逐渐变浅。已知：3I2+6OH―IO3―+5I―+3H2O
【解析】B项（电解结束时，右侧溶液中含有IO3―）失分率较高，说明学生对离子移动的把握还较浅，对阴离子向阳极移动形成了定势，未考虑离子的浓度平衡要求。教学中务必要注意知识点和语言的准确性，要把问题的本质说清楚，对高于学生程度的问题也给予适度拓展。
3.2强化氧化性、还原性的比较。
氧化还原反应的掌握决定电学本质分析的能力，离子放电顺序（S2->I->Br->Cl->OH->含氧酸根）中，含氧酸根问题是热点也是难点，教学中应强调此处含氧酸根一般指低浓度且中心元素最高价态的酸根。学生对MnO4-、CrO42-等强氧化性粒子印象很深，总认为应是这些粒子放电，教师需要向学生说明强氧化剂发挥强化性的环境要求（如酸碱性条件、浓度要求），最重要的是必须要审清题意，由题目信息剖析出反应本质。可选如表2形式的真题，以增强学生对相关问题的理解。
3.3辨析离子交换膜的作用。
离子交换膜完善了电学装置，其价值显而易见，为加深学生对膜的理解，应对不同类型膜的作用加以整理，如阳离子交换膜只允许阳离子通过，也可用膜把装置分成几个半池，以保证离子放电的独立性。可采用以下练习来巩固膜的作用：
工业上常用高浓度的K2CO3溶液吸收CO2，得溶液X，其装置示意图如图
5所示，在阳极区发生的反应包括和H++HCO3-=H2O+CO2。该交换膜应该用（填“阴或阳”）离子交换膜。
【解析】利用K2CO3溶液吸收CO2，可知X是KHCO3。解读目的――利用电解法
使K2CO3溶液再生，结合图中阴极区生成氢气和K2CO3溶液可知阴极区需要H+，而阳极区在弱碱性水环境中生成了氧气，说明是水分子放氧生酸，生成的H+通过离子交换膜进入阴极区，故该交换膜必须是阳离子交换膜。
3.4细化电解质的环境分析。
书写电极反应式是电化学解题的难点，审不清电解质环境是常见错误，如酸性条件下生成OH_，熔融碳酸盐中生成H+等。对不同类型电解质环境的细致分析及强化训练，方可培养学生的敏锐度。可采用表3所示方法进行分析。
3.5学会运用守恒思想计算。
守恒思想是化学观念的基本思想，它对电子得失、原子守恒及产物计算有着极大的指导作用，学生对电学计算问题掌握程度一般，其根源在于守恒观念还未形成。一轮复习中，教师要采用激发式的方法，即先让学生用传统方法逐个反应写出来解下去，然后分析方程式找出关联，再用守恒法解决问题，让学生感受到守恒法的奇妙和简单，激发他们学习这种方法的斗志。
可用下题为例：用图6装置模拟人工肾脏的工作原理，电解生成的Cl2将尿素[CO（NH2）2]氧化成N2排出，则电解结束后，若两极共收集到气体13.44L（标准状况）时，则被氧化的尿素为7.2g（忽略气体的溶解），是否正确？
【解析】利用电子得失守恒可有如下关系：
[CO（NH2）2]-6e-―（CO2、N2）―3H2，
即可推知有6mole―转移两极共生成5mol气体，需消耗1mol[CO（NH2）2]，最终得出以上分析正确的结论。
总之，化学观念的培养非一朝一夕可以完成，而高三一轮复习恰恰是整合化学思想的重要契机，只有以观念培养为引领，复习教学才能提高品质。经过近两周的电化学复习教学，学生对电学知识有了比较清醒的认识，不再害怕电学的各种装置图，电极反应式书写较复习前有了长足进步，在电学测试中，失分率明显下降。希望他们能把这种化学观念带到日常生活中去，真正提高自己的化学素养。
参考文献
[1]毕华林，卢巍.化学基本观念的内涵及其教学价值[J].中学化学教学参考，2011，（6）：3～6.
分析化学习题篇6
一、关于数据处理及分析能力的学习分析
数据处理及分析是高中信息技术教学中的重要内容，也是这门课程需要掌握的基础知识。这部分内容在生活中有很多实用的地方，对于数据处理与分析能力有良好的掌握对学生今后的学习及生活都会有很大的帮助。对于学生这部分基础知识的掌握程度展开学习分析是很有必要的，这部分内容虽说难度不大，但学生对于这些实用技术到底掌握到什么程度、在实际应用中到底存在哪些障碍，这些都是有待具体的学习分析得出答案的。只有对于这些实际情况有准确的了解才能让教师在后续的教学中更有针对性，让学生对于数据的处理与分析能力有所提升。
在展开具体的学习分析时我给学生出了一道例题：某品牌电脑生产厂商要对某地的经销商的年度销售业绩进行考核以进行奖励，根据表格数据，你认为该经销商是否应该受到奖励？请制作出相应的图表以支持你的观点。
经销商提供的销售数据为：
当地该年度的电脑销售数据为：
我会让学生针对这组数据制作具体的图表，借助图表对数据展开分析，然后得出结论。这是一个典型的开放性问题，并没有所谓的标准答案，重要的是考查学生对于数据的处理与分析能力，也会考查学生的理解与概括能力。这个过程中能看出学生对于知识点的掌握程度，这也是学习分析技术的应用所在。有的学生会在数据处理上出现问题，有的学生图表生成操作很不熟练，还有学生得出图表后不知道应当得出怎样的结论。这些问题都是非常具体的，也是教师后续的教学中很有价值的参照，只有通过学习分析技术深入了解学生在知识掌握上的问题所在，教师才能在教学中提提高学生对于知识的掌握程度。
二、数字化图像的采集与加工的学习分析
高中信息技术课程中谈到的数字化图像采集的途径主要有三种：数码相机、扫描仪、网络下载，教学过程中需要让学生掌握什么情况下使用什么样的途径采集图像最为合适。关于数字化图像的加工需要学生对于photoshop软件有一定程度的掌握。这部分教学内容中图像采集上基本没有太多难点，重要的教学点在于要让学生了解几种基本的图像获取途径以及各自的适用范围。数字化图像的加工处理是教学中的一个难点，也是学生需要重点掌握的部分。对于这部分内容展开学习分析能够让学生认识到自己在软件应用中存在的不足，强化学生对于图像的加工处理能力。
在进行学习分析时我给学生提供了一幅图片，然后提出几个具体处理要求，让学生有针对性地对图片展开特定的处理。在具体实践中学生在软件应用上存在的问题逐一暴露出来，有的学生在文字添加上找不到地方，有的学生对于图片的色彩调校不知道怎么操作，还有的学生在重新组织图像布局时有很大障碍。问题层出不穷，只有展开实际操作练习才能真实的对于学生的学习情况进行分析，也才能让学生意识到自己在这部分知识的掌握中存在的问题。任务结束后我会让学生自己总结在处理这张图片时遇到的各种难题，然后会引导他们找出之所以会产生这样的难题是哪个方面的知识点掌握不够熟练，最后会让他们有针对性地进行强化。
三、关于信息的学习分析
通过信息集成的学习和操作，学生已经能够完成一个比较好的信息集成作品，如何让自己的作品得到更多人的了解和关注，是学生在完成作品后要考虑的一个问题。对于普通的信息的方式和方法，学生还是比较熟悉的。但网络信息的对绝大多数学生而言，还是一个空白，仅有极个别的学生有所了解，但还不熟悉。因此，本节对学生而言是一个新知识，需要详细讲解。对于学生信息能力的学习分析也是很有必要的，在具体教学中我会以如下途径展开。