论文部分内容阅读
【摘要】大数据环境需要应用者对数据的价值进行挖掘和运用。笔者认为，大数据系统应做到精准定位、科学分析、优化推送，才能充分发挥大数据环境优势，提高大数据环境下个性化生物作业有效性，真正满足学生个性化学习的需要。
【关键字】大数据 个性化生物作业 优化
【中图分类号】G633.91
【文献标识码】A
【文章编号】1992-7711（ 2020） 06-155-03
2017年的《普通高中生物学课程标准》再次提到，教育要“遵循学生身心发展规律，充分反映学生的成长需要，促进每一位学生主动地、生动活泼地发展”。个性化作业是按学生的个性特点和能力水平而科学制定的一种练习策略。大量的研究表明，个性化作业尊重学生的个体差异，有利于激发学生的学习动力，帮助学生提高知识和能力的水平，促进个人成长和发展。提高个性化作业的有效性，是提高教育质量的重要途径之一。
大数据是指一类具有海量的、多样化的信息数据集合。大数据技术在教育领域中，将学生的学习情况进行数据化，具备分析和记录的可能。依赖于大数据环境针对学生的个性特点推送个性化作业，解决了个性化作业设计和布置所面临的学生人数众多与教师精力、时间有限之间的矛盾等难题，改变了凭教师经验主义的模糊性，提高了个性化作业设计的科学性，满足学生的个性需求。
本校应用数据平台在多次的共性练习中采集学生的得分情况作为个性数据，实现自动推送个性化作业的功能。笔者着眼于大数据环境对学生学习表现情况的采集分析记录，以及个性化作业推送等环节的不足之处，对提高个性化生物作业有效性的具体方法开展探究。
大数据环境的个性化作业与普通的个性化作业一样，都是基于学生在学习上的知识水平和能力等情况进行推送。学生个性数据的采集方式会影响所得数据的精准性和有效性，推送的策略会影响个性化作业的质量。
一、精准分析有利于提高目标定位的精度
精准分析学情是借助现代信息技术，以课程标准为基础，精准测量学生的表现，并以数据化形式呈现。精准分析学情能为个性化生物作业提供精准的推送方向。
平台系统通过平时的共性作业、测验或考试，进行采集学生的表现情况的相关数据。一般是以学生在练习题中的得分率作为对应知识点的分析数据。但高中生物大部分练习题具有知识覆盖面广、信息量大等特点，仅以整道题目的得分率为单位来采集数据的方式，并不能准确反映学生知识点存在的问题。以高三级进行综合测验的两道题目为例：
【2016年全国乙卷理综生物，1】
下列与细胞相关的叙述，正确的是：
A核糖体、溶酶体都是具有膜结构的细胞器
B.酵母菌的细胞核内含有DNA和RNA两类核酸
C.蓝藻细胞的能量来源于其线粒体有氧呼吸过程
D在叶绿体中可进行CO2的固定但不能合成ATP
本题主要考查细胞结构和功能的相关内容，四个选项依次是细胞器的种类和结构，核酸的种类和分布，原核细胞的结构，以及光合作用主要过程等四个知识点，正确答案为选项B.错选选项C的同学既不了解“核酸的种类和分布”，也受“线粒体是有氧呼吸的主要场所”的影响而忽视“蓝藻细胞不具有线粒体”的生物知识。而以整道题目来说，只能模糊地描述为该生对细胞结构和功能的某些内容不掌握。
【2016年全国乙卷理综生物，29】
在有关DNA分子的研究中，常用32P来标记DNA分子。用a、β和γ表示ATP或dATP（d表示脱氧）上三个磷酸基团所处的位置（A-Pa～Pβ～Pγ或dA-Pa～Pβ～Pγ）。回答下列问题：
（1）某种酶可以催化ATP的一个磷酸基因转移到DNA末端上，同时产生ADP。若用该酶把32P标记到DNA末端上，那么带有32P的磷酸基团应在ATP的一一一（填“a“、“β”或“γ”）位上。
（2）若用带有32P的dATP作为DNA生物合成的原料，将32P标记到新合成的DNA分子上，则带有32P的磷酸基团应在ATP的一一一（填“a”、 “β”或“γ”）位上。
（3）将一个某种噬菌体DNA分子的两条链用32P进行标记，并使其感染大肠杆菌，在不合有32P的培养基中培養一段时间。若得到的所有噬菌体双链DNA分子都装配成噬菌体（n个）并释放，则其中含有32P的噬茵体所占比例为2/n，原因是一一一一一。
本题的第（1）小题考查学生对ATP的结构和转化的认知，第（2）小题考查学生对dATP和作为DNA基本单位的脱氧核苷酸的联系。第（3）小题考查学生对DNA复制特点的相关知识以及语言表述能力。通过ATP（或dATP）的结构为情境考查了三个知识内容。
上述例子可以看到，对于生物综合性练习，以选择题的选项、非选择题的填空项作为学生能力水平分析的数据依据，所得到的数据价值远高于仅以整道题目得分率为依据的数据价值，更好地反映学生的能力水平和发展趋势。改“面”为“点”，精准细化地分析学情，准确评价学生，为个性化生物作业提供推送精准依据。
二、科学分析有利于提高个性数据的效度
在常规的试题分析中，除了考虑试题的难度（得分率）外，还要从区分度、信度和效度等方面进行分析。单项选择题难度系数（P=平均值/满分值）低于0.2、试题区分度（D=（XH-XL）/W）低于0.3或信度系数（R=ST2/SX2）低于0.7的题目，一般认为该题没有考核上的意义，教师可以不对学生进行讲评。这种数据分析方法对于个性数据分析也起重要作用。
难度过高的题目，其区分度、信度一般较低。特别是对于单项选择题，学生可能是“蒙对”答案，结果具有随机性。因些，学生的得失分情况难以反映其学习水平和能力，相关的个性数据应直接淘汰，避免降低个性数据的信度和效度。如下例： 【2014年全国乙卷理综生物，5】
下图为某种单基因常染色体隐性遗传病系谱图（深色代表的个体是该遗传病患者，其余为表现型正常个体）。近亲结婚时该遗传病发病率较高，假定图中第Ⅳ代的两个个体婚配生出一个患该遗传病子代的概率为1/48，那么，得出此概率值需要的限定条件是
A.I-2和I-4必须是纯合子
BⅡ-1、Ⅲ一1和Ⅲ-4必须是纯合子
C.Ⅱ一2、Ⅱ-3、Ⅲ一2和Ⅲ-3必须是杂合子
DⅡ-4、Ⅱ-5、Ⅳ-1和Ⅳ一2必须是杂合子
该题考查基因的自由组合定律的分析和计算能力，在考试说明中属于Ⅱ类的要求。在平台中显示该题作答人数超过23000人，参试者平均得分率为31.18%，缺乏该题区分度和信度等数据显示。从大数据的题目难度来说，本题属于难题，有一定的测量价值。而在本年级理科班的测验中，355人有49人本题得分，年级得分率13.8%，区分度为0.16。调查过程中，学生普遍反映在考试过程中时间有限，不值得在该题上耗费时间来演算，得分的同学绝大多数是“纯属幸运”。说明这道题目并不能很好地区分本校学生层次，对分析本校学生是否掌握基因的自由组合定律的知识水平毫无意义。
另外，虽然同一知识点在不同试卷中呈现方式必然有所差异，但学生个体在历次练习中知识点得分率的记录，一定程度上也反映出个体的综合表现，可看作是重测法所建立的信度指标，对分析学生当次练习中的表现的有效性也有一定的帮助。
【2019年广州理综一测，32】
小鼠毛色由x染色体上的一对等位基因（ B/b）控制，基因B控制黑色，基因b控制白色，同时含有基因B和b的个体表现为黑白镶嵌。小鼠的尾长性状由常染色体上一对等位基因（ T/t）控制，T对t完全显性。现一长尾黑斑雌鼠与另一短尾白斑雄鼠进行杂交获得F1，其中无论雌雄都有长尾和短尾个体。
（1）根据F1的结果，一一一（填“能”或“不能”）判断出长尾与短尾的显隐性，亲本长尾黑斑鼠的基因型是一一一一一，F1中短尾白斑雄鼠所占比例是一一一一。
【答案】
（1）不能（1分）TtX8XB或ttXBXB（2分） O（1分）
该非选择题第（1）小题在2019年广州市第一次综合测试中有较高的区分度和信度。在高三年级测验中，得分率53.25%，区分度为0.31，题目具有测量记录的价值。本班的学生关某在本小题中得3分，得分率为75010。关某虽然不属于个性化作业的推送对象，系统中仍保留有他的表现数据，在基因的分离定律和自由组合定律的推理和计算方面，历次有关得分率分别为0%、25%、0%、33.33%、0%、33.33%，平均得分率15.79%，表现不佳但比较稳定。笔者单独和关某谈心，在表扬了他的成绩变化后，再让他描述分析过程，从中得知关某的推断过程混乱，他的得分具有偶然性而非具备相应的解题能力。从科学角度来说，关某本题的表现情况不应该纳入到他的学情记录中。
科学采集和分析个性数据，对效度低的数据直接淘汰，对信度低的数据有所保留，提高个性数据的有效性，也是提高大数据环境下个性化生物作业有效性的重要原则。
三、优化推送策略有利于提高个性化作业推送的质量
多位学者在研究中都提出个性化作业设计应遵循分层原则。以学生的能力水平为准则分层推送个性化生物作业，满足学生的个性需求，是因材施教原则的发展和延伸，适应素质教育的要求。
分层推送个性化作业，既要求“稳”的，也要求“进”，满足学生发展的需求。从心理学角度来考虑，查尔迪尼指出人们由“低”开始逐步接受更高要求;斯金纳认为学习反应会随刺激的增强而强化;维果斯基认为学生需要主动积极地学习具有一定难度的知识，激发潜能，逾越“最近发展区”而进入下阶段的发展水平。因此，阶梯式分层原则是优化个性化作业推送的重要原则。充分发挥大数据环境的题库处理优势，对实施阶梯式分层推送起到重要作用。
以下面高三学生王某在综合性测验一道遗传错题的推送内容为例。
【共性练习题】
某白花传粉植物红花（E）对黄花（e）为显性，高茎（D）对矮茎（d）为显性，两对性状独立遗传，当花粉含有DE基因时花粉管不能萌发而不参与受精。用植株DdEe自交产生子一代的表现型之比为
A.5：3：3：1
B.1：1：1：l
C.9：2：2：1
D.7：2：2：1
本題考察基因自由组合定律的基本运算能力，正确答案为选项A。在平台中显示该题作答人数超过17000人，参试者平均得分率为64.19%，难度属于适中。年级测试中本题平均得分率为0.52，区分度为0.43。推送对象王某的“基因自由组合定律的计算能力”综合得分率为0.16。推送的三道题目如下。
【推送题目1】
设基因A控制视网膜，基因B控制视神经，是视觉正常所需。两对基因分别位于不同的同源染色体上。都为AaBb的双亲的后代中，视觉正常的概率为
A 9/16
B.4/16
C.1/16
D. 7/16答案为选项A，难度86.68%。
【推送题目2】
某学习小组以紫花豌豆与白花豌豆为亲本进行杂交，F，全为紫花。F1自交，F2中紫花：粉花：白花=9：6：1。下列叙述错误的是
A.豌豆的花色可能由两对等位基因控制
B.F，代紫花测交，后代出现紫花的概率为1/4
C.F，代粉花与白花豌豆杂交，后代不会出现紫花
D.F，代紫花中纯合子占1/16
答案为选项D，难度74.48%。
【推送题目3】
某生物个体减数分裂产生的雌雄配子种类和比例均为Ab：aB：AB：ab=3：3：2：2，若该生物进行自交，其后代出现纯合体的概率是
A.l/4
B.1/16 C.13/50
D. 1/100答案为选项C，难度62.22%。
三道推送题目都与基因的自由组合定律的知识点有关。推送内容的难度分为基础层次，发展层次和目标层次等三个层次，难度逐步递增，符合学生王某的知识水平层次。推送的题目精准针对同一知识点，有利于深化题组中蕴含的知识通性，帮助学生巩固知识。题目难度以阶梯方式递增，在学生完成现有水平的任务后再增强刺激，让学生有效地进行知识的迁移和转化，进入并逐步超越自己的“最近发展区”，对学生的学习积极性与求知欲望。因此，这种推送策略能有效提高个性化作业推送的质量。
大数据对当今各个行业领域都有重大影响，也逐渐渗透到教育教学的不同环节。但任何事实都存在利弊的两面性，海量数据中存在价值密度低的问题，需要应用者对数据的价值进行挖掘和运用。充分发挥大数据环境的优势，优化个性化作业推送系统，更系统地满足学生个性化学习的需要，更好地培养、塑造不同的素质化人才。大数据环境在个性化生物作业的应用上还有待进一步的深入研究，在日后的研究中需要不断补充和改进，使其能够得到进一步的推广与使用。
“本文为广东教育学会2019年度教育科研规划小课题“大数据环境下个性化生物作业高效性研究”（ GDXKT20474）的阶段性成果之一。
[参考文献]
[1]张忻忻，牟智佳.数据化学习环境下面向个性化学习的精准教学模式设计研究[J].现代远距离教育，2018，179（05）：66-73.
[2]杨雪，姜强，赵蔚大数据学习分析支持个性化学习研究——技术回归教育本质[J].现代远距离教育（4期）：71-78.
[3]徐存杰，个性化作业的设计原则和实施策略[J].教育研究与评论：课堂观察，2016（4）：15-17.
[4]庄晓蕙，刘庆欢，何雪萍，蒋玲我国个性化作业：现状、问题与展望——基于读秀学术搜索数据库与中国知网（ CNKI）期刊全文数据库的实证研究[J].教育学术月刊，2014，（10）： 104-111.
【关键字】大数据 个性化生物作业 优化
【中图分类号】G633.91
【文献标识码】A
【文章编号】1992-7711（ 2020） 06-155-03
2017年的《普通高中生物学课程标准》再次提到，教育要“遵循学生身心发展规律，充分反映学生的成长需要，促进每一位学生主动地、生动活泼地发展”。个性化作业是按学生的个性特点和能力水平而科学制定的一种练习策略。大量的研究表明，个性化作业尊重学生的个体差异，有利于激发学生的学习动力，帮助学生提高知识和能力的水平，促进个人成长和发展。提高个性化作业的有效性，是提高教育质量的重要途径之一。
大数据是指一类具有海量的、多样化的信息数据集合。大数据技术在教育领域中，将学生的学习情况进行数据化，具备分析和记录的可能。依赖于大数据环境针对学生的个性特点推送个性化作业，解决了个性化作业设计和布置所面临的学生人数众多与教师精力、时间有限之间的矛盾等难题，改变了凭教师经验主义的模糊性，提高了个性化作业设计的科学性，满足学生的个性需求。
本校应用数据平台在多次的共性练习中采集学生的得分情况作为个性数据，实现自动推送个性化作业的功能。笔者着眼于大数据环境对学生学习表现情况的采集分析记录，以及个性化作业推送等环节的不足之处，对提高个性化生物作业有效性的具体方法开展探究。
大数据环境的个性化作业与普通的个性化作业一样，都是基于学生在学习上的知识水平和能力等情况进行推送。学生个性数据的采集方式会影响所得数据的精准性和有效性，推送的策略会影响个性化作业的质量。
一、精准分析有利于提高目标定位的精度
精准分析学情是借助现代信息技术，以课程标准为基础，精准测量学生的表现，并以数据化形式呈现。精准分析学情能为个性化生物作业提供精准的推送方向。
平台系统通过平时的共性作业、测验或考试，进行采集学生的表现情况的相关数据。一般是以学生在练习题中的得分率作为对应知识点的分析数据。但高中生物大部分练习题具有知识覆盖面广、信息量大等特点，仅以整道题目的得分率为单位来采集数据的方式，并不能准确反映学生知识点存在的问题。以高三级进行综合测验的两道题目为例：
【2016年全国乙卷理综生物，1】
下列与细胞相关的叙述，正确的是：
A核糖体、溶酶体都是具有膜结构的细胞器
B.酵母菌的细胞核内含有DNA和RNA两类核酸
C.蓝藻细胞的能量来源于其线粒体有氧呼吸过程
D在叶绿体中可进行CO2的固定但不能合成ATP
本题主要考查细胞结构和功能的相关内容，四个选项依次是细胞器的种类和结构，核酸的种类和分布，原核细胞的结构，以及光合作用主要过程等四个知识点，正确答案为选项B.错选选项C的同学既不了解“核酸的种类和分布”，也受“线粒体是有氧呼吸的主要场所”的影响而忽视“蓝藻细胞不具有线粒体”的生物知识。而以整道题目来说，只能模糊地描述为该生对细胞结构和功能的某些内容不掌握。
【2016年全国乙卷理综生物，29】
在有关DNA分子的研究中，常用32P来标记DNA分子。用a、β和γ表示ATP或dATP（d表示脱氧）上三个磷酸基团所处的位置（A-Pa～Pβ～Pγ或dA-Pa～Pβ～Pγ）。回答下列问题：
（1）某种酶可以催化ATP的一个磷酸基因转移到DNA末端上，同时产生ADP。若用该酶把32P标记到DNA末端上，那么带有32P的磷酸基团应在ATP的一一一（填“a“、“β”或“γ”）位上。
（2）若用带有32P的dATP作为DNA生物合成的原料，将32P标记到新合成的DNA分子上，则带有32P的磷酸基团应在ATP的一一一（填“a”、 “β”或“γ”）位上。
（3）将一个某种噬菌体DNA分子的两条链用32P进行标记，并使其感染大肠杆菌，在不合有32P的培养基中培養一段时间。若得到的所有噬菌体双链DNA分子都装配成噬菌体（n个）并释放，则其中含有32P的噬茵体所占比例为2/n，原因是一一一一一。
本题的第（1）小题考查学生对ATP的结构和转化的认知，第（2）小题考查学生对dATP和作为DNA基本单位的脱氧核苷酸的联系。第（3）小题考查学生对DNA复制特点的相关知识以及语言表述能力。通过ATP（或dATP）的结构为情境考查了三个知识内容。
上述例子可以看到，对于生物综合性练习，以选择题的选项、非选择题的填空项作为学生能力水平分析的数据依据，所得到的数据价值远高于仅以整道题目得分率为依据的数据价值，更好地反映学生的能力水平和发展趋势。改“面”为“点”，精准细化地分析学情，准确评价学生，为个性化生物作业提供推送精准依据。
二、科学分析有利于提高个性数据的效度
在常规的试题分析中，除了考虑试题的难度（得分率）外，还要从区分度、信度和效度等方面进行分析。单项选择题难度系数（P=平均值/满分值）低于0.2、试题区分度（D=（XH-XL）/W）低于0.3或信度系数（R=ST2/SX2）低于0.7的题目，一般认为该题没有考核上的意义，教师可以不对学生进行讲评。这种数据分析方法对于个性数据分析也起重要作用。
难度过高的题目，其区分度、信度一般较低。特别是对于单项选择题，学生可能是“蒙对”答案，结果具有随机性。因些，学生的得失分情况难以反映其学习水平和能力，相关的个性数据应直接淘汰，避免降低个性数据的信度和效度。如下例： 【2014年全国乙卷理综生物，5】
下图为某种单基因常染色体隐性遗传病系谱图（深色代表的个体是该遗传病患者，其余为表现型正常个体）。近亲结婚时该遗传病发病率较高，假定图中第Ⅳ代的两个个体婚配生出一个患该遗传病子代的概率为1/48，那么，得出此概率值需要的限定条件是
A.I-2和I-4必须是纯合子
BⅡ-1、Ⅲ一1和Ⅲ-4必须是纯合子
C.Ⅱ一2、Ⅱ-3、Ⅲ一2和Ⅲ-3必须是杂合子
DⅡ-4、Ⅱ-5、Ⅳ-1和Ⅳ一2必须是杂合子
该题考查基因的自由组合定律的分析和计算能力，在考试说明中属于Ⅱ类的要求。在平台中显示该题作答人数超过23000人，参试者平均得分率为31.18%，缺乏该题区分度和信度等数据显示。从大数据的题目难度来说，本题属于难题，有一定的测量价值。而在本年级理科班的测验中，355人有49人本题得分，年级得分率13.8%，区分度为0.16。调查过程中，学生普遍反映在考试过程中时间有限，不值得在该题上耗费时间来演算，得分的同学绝大多数是“纯属幸运”。说明这道题目并不能很好地区分本校学生层次，对分析本校学生是否掌握基因的自由组合定律的知识水平毫无意义。
另外，虽然同一知识点在不同试卷中呈现方式必然有所差异，但学生个体在历次练习中知识点得分率的记录，一定程度上也反映出个体的综合表现，可看作是重测法所建立的信度指标，对分析学生当次练习中的表现的有效性也有一定的帮助。
【2019年广州理综一测，32】
小鼠毛色由x染色体上的一对等位基因（ B/b）控制，基因B控制黑色，基因b控制白色，同时含有基因B和b的个体表现为黑白镶嵌。小鼠的尾长性状由常染色体上一对等位基因（ T/t）控制，T对t完全显性。现一长尾黑斑雌鼠与另一短尾白斑雄鼠进行杂交获得F1，其中无论雌雄都有长尾和短尾个体。
（1）根据F1的结果，一一一（填“能”或“不能”）判断出长尾与短尾的显隐性，亲本长尾黑斑鼠的基因型是一一一一一，F1中短尾白斑雄鼠所占比例是一一一一。
【答案】
（1）不能（1分）TtX8XB或ttXBXB（2分） O（1分）
该非选择题第（1）小题在2019年广州市第一次综合测试中有较高的区分度和信度。在高三年级测验中，得分率53.25%，区分度为0.31，题目具有测量记录的价值。本班的学生关某在本小题中得3分，得分率为75010。关某虽然不属于个性化作业的推送对象，系统中仍保留有他的表现数据，在基因的分离定律和自由组合定律的推理和计算方面，历次有关得分率分别为0%、25%、0%、33.33%、0%、33.33%，平均得分率15.79%，表现不佳但比较稳定。笔者单独和关某谈心，在表扬了他的成绩变化后，再让他描述分析过程，从中得知关某的推断过程混乱，他的得分具有偶然性而非具备相应的解题能力。从科学角度来说，关某本题的表现情况不应该纳入到他的学情记录中。
科学采集和分析个性数据，对效度低的数据直接淘汰，对信度低的数据有所保留，提高个性数据的有效性，也是提高大数据环境下个性化生物作业有效性的重要原则。
三、优化推送策略有利于提高个性化作业推送的质量
多位学者在研究中都提出个性化作业设计应遵循分层原则。以学生的能力水平为准则分层推送个性化生物作业，满足学生的个性需求，是因材施教原则的发展和延伸，适应素质教育的要求。
分层推送个性化作业，既要求“稳”的，也要求“进”，满足学生发展的需求。从心理学角度来考虑，查尔迪尼指出人们由“低”开始逐步接受更高要求;斯金纳认为学习反应会随刺激的增强而强化;维果斯基认为学生需要主动积极地学习具有一定难度的知识，激发潜能，逾越“最近发展区”而进入下阶段的发展水平。因此，阶梯式分层原则是优化个性化作业推送的重要原则。充分发挥大数据环境的题库处理优势，对实施阶梯式分层推送起到重要作用。
以下面高三学生王某在综合性测验一道遗传错题的推送内容为例。
【共性练习题】
某白花传粉植物红花（E）对黄花（e）为显性，高茎（D）对矮茎（d）为显性，两对性状独立遗传，当花粉含有DE基因时花粉管不能萌发而不参与受精。用植株DdEe自交产生子一代的表现型之比为
A.5：3：3：1
B.1：1：1：l
C.9：2：2：1
D.7：2：2：1
本題考察基因自由组合定律的基本运算能力，正确答案为选项A。在平台中显示该题作答人数超过17000人，参试者平均得分率为64.19%，难度属于适中。年级测试中本题平均得分率为0.52，区分度为0.43。推送对象王某的“基因自由组合定律的计算能力”综合得分率为0.16。推送的三道题目如下。
【推送题目1】
设基因A控制视网膜，基因B控制视神经，是视觉正常所需。两对基因分别位于不同的同源染色体上。都为AaBb的双亲的后代中，视觉正常的概率为
A 9/16
B.4/16
C.1/16
D. 7/16答案为选项A，难度86.68%。
【推送题目2】
某学习小组以紫花豌豆与白花豌豆为亲本进行杂交，F，全为紫花。F1自交，F2中紫花：粉花：白花=9：6：1。下列叙述错误的是
A.豌豆的花色可能由两对等位基因控制
B.F，代紫花测交，后代出现紫花的概率为1/4
C.F，代粉花与白花豌豆杂交，后代不会出现紫花
D.F，代紫花中纯合子占1/16
答案为选项D，难度74.48%。
【推送题目3】
某生物个体减数分裂产生的雌雄配子种类和比例均为Ab：aB：AB：ab=3：3：2：2，若该生物进行自交，其后代出现纯合体的概率是
A.l/4
B.1/16 C.13/50
D. 1/100答案为选项C，难度62.22%。
三道推送题目都与基因的自由组合定律的知识点有关。推送内容的难度分为基础层次，发展层次和目标层次等三个层次，难度逐步递增，符合学生王某的知识水平层次。推送的题目精准针对同一知识点，有利于深化题组中蕴含的知识通性，帮助学生巩固知识。题目难度以阶梯方式递增，在学生完成现有水平的任务后再增强刺激，让学生有效地进行知识的迁移和转化，进入并逐步超越自己的“最近发展区”，对学生的学习积极性与求知欲望。因此，这种推送策略能有效提高个性化作业推送的质量。
大数据对当今各个行业领域都有重大影响，也逐渐渗透到教育教学的不同环节。但任何事实都存在利弊的两面性，海量数据中存在价值密度低的问题，需要应用者对数据的价值进行挖掘和运用。充分发挥大数据环境的优势，优化个性化作业推送系统，更系统地满足学生个性化学习的需要，更好地培养、塑造不同的素质化人才。大数据环境在个性化生物作业的应用上还有待进一步的深入研究，在日后的研究中需要不断补充和改进，使其能够得到进一步的推广与使用。
“本文为广东教育学会2019年度教育科研规划小课题“大数据环境下个性化生物作业高效性研究”（ GDXKT20474）的阶段性成果之一。
[参考文献]
[1]张忻忻，牟智佳.数据化学习环境下面向个性化学习的精准教学模式设计研究[J].现代远距离教育，2018，179（05）：66-73.
[2]杨雪，姜强，赵蔚大数据学习分析支持个性化学习研究——技术回归教育本质[J].现代远距离教育（4期）：71-78.
[3]徐存杰，个性化作业的设计原则和实施策略[J].教育研究与评论：课堂观察，2016（4）：15-17.
[4]庄晓蕙，刘庆欢，何雪萍，蒋玲我国个性化作业：现状、问题与展望——基于读秀学术搜索数据库与中国知网（ CNKI）期刊全文数据库的实证研究[J].教育学术月刊，2014，（10）： 104-111.