——顾聪天山英才名师·数据回收实操手册

晚上十点，你还在班级群里爬楼翻消息，只为了数清谁交了作业；你还在把学生拍照发来的答题纸一张张放大，手动往Excel里敲分数；你还在凭印象判断“这道题大家应该都会了吧”——结果考试一出来，错得面目全非。

你不是不努力，是AI教学总卡在“最后一公里”：数据回收太难。

今天，顾聪老师带你用“飞象老师”，把散落在几十个屏幕里的答题数据，像收稻谷一样自动“归仓”。

工具越来越多，平台越来越花哨，但一线老师最真实的痛点往往不是“不会用”，而是：

• 回收难：学生提交渠道混乱，微信群、小程序、纸质照片满天飞；

• 清洗难：手动登分、复制粘贴，一个数据错位全盘重来；

• 应用难：数据收回来了，也只是躺在表格里，不会说话。

没有回收的数据，只是数字；能回收的数据，才是学情。

你可以把飞象老师理解为一位不知疲倦的AI助教。

它帮你完成四件事：发布答题任务、自动回收数据、智能判分统计、导出学情报告。

适用场景非常广：课前预习测、课中随堂测、课后作业测、单元诊断、学情调研。

最关键的是，它的入口极简——学生扫码就能答，老师后台实时看。真正把“催作业”变成“看数据”。

Step 1：建题——把题目变成“可回收数据”

打开飞象老师，创建答题任务。你可以手动录入题目，也可以拍照上传，或直接从题库选择。

实操技法：

• 一次不超过5题，题量少而精，学生愿意填，数据更真实；

• 客观题为主，主观题为辅，便于自动判分；

• 设置正确答案和分值；

• 添加“姓名+学号”字段，防止重名。

记住：数据回收的质量，从建题那一刻就决定了。

Step 2：发码——把入口送到学生手边

生成答题二维码或链接。这个码可以放在PPT右下角、打印贴在课桌角、发到班级群。

实操技法：

• 设置“限时提交”，比如3分钟，制造课堂仪式感；

• 开启“防重复提交”，避免学生刷分；

• 大屏展示实时提交进度条，学生看到进度，提交积极性会明显提高。

数据回收的关键，不是技术，而是降低学生的提交成本。

Step 3：回收——让数据自己跑回来

学生扫码提交后，后台数据实时更新。客观题自动判分，主观题可以由AI辅助评分。

实操技法：

• 开启“缺交名单自动标红”，一眼找到没交的学生，不用再爬楼；

• 课堂上实时刷新提交率，哪一组落后一目了然；

• 收完即用，不需要等所有学生都交齐再统计。

从此，收作业不再是你深夜的噩梦。

Step 4：清洗——从“一堆数字”到“一张学情图”

飞象老师会自动生成统计：每题正确率、高频错题、用时分布、成绩区间。

实操技法：

• 先看“高频错题”，再看“用时异常”；

• 有的题正确率高但用时过长，说明学生掌握并不牢固；

• 导出Excel时按班级、学号筛选，便于教研复盘和家长沟通。

会看数据的人，才能在数据里看见课堂。

Step 5：决策——让数据指向教学动作

数据不会替你上课，但数据会告诉你该上什么课。

拿到数据后，用“错题归因三问”转化：

1. 是概念不清？ ——需要重新讲解；

2. 是审题偏差？ ——需要训练读题；

3. 是表达不规范？ ——需要示范作答。

然后形成闭环：前测定位 → 课中调整 → 后测验证。

数据回收之后，普通老师看结果，优秀老师看趋势。

钥匙一：横向对比。班级之间、小组之间找差距，发现共性问题。

钥匙二：纵向追踪。同一知识点前后测对比，看见学生的进步曲线。

钥匙三：错题归集。飞象老师自动生成错题本，让学生看见自己的“漏洞地图”。

这就是从“经验驱动”走向“数据驱动”。经验让你成为好老师，数据让你成为清醒的好老师。

张老师用飞象老师做课前预习测，只设置了3道题。

课前5分钟，学生扫码完成。后台显示：全班正确率68%，其中第2题“单位换算”错误率最高。

她立刻调整教学重点，把第2题涉及的易错点作为突破口。课后再次测试，正确率上升到92%。

她说：“以前我是凭感觉讲，现在我是看着数据讲。”

这，就是数据回收术的价值。

结语

AI教学最大的浪费，不是工具买不起，而是数据躺在那里没人收。

愿你从今天开始，用飞象老师把每一次答题都变成学情资产。

收藏这篇推文，下次回收答题数据时，照着做就行。

你在数据回收上踩过什么坑？欢迎留言区聊聊。点赞前3名送顾聪天山英才名师工作室整理《答题数据回收自查表》。

编辑：顾   聪

一审：鲍英莲

二审：王张俊

终审：顾   聪