优质提问在地理课堂中的运用

提问是课堂的有机组成部分，似乎每个老师都在提问，都在做与提问相关的工作，可我们的工作效果如何？有多少学生能够参与到我们的问题中来？有多少学生能够找到解决问题的方法？有多少时候提问成为了一个讨论的“导火索”？怎样的问题才能算是更优质的问题？下面我们就以《昼夜交替和时差》为课例来分析

1. 提问应当具备适当的认知失调度

   美国心理学家费斯廷格的认知理论告诉我们：在对待任何问题和事件上，人总要有一种要保持其各种认知协调的倾向，保持自身态度与行为协调一致的动机。如一旦不协调，便产生矛盾和冲突，人就会感到紧张、不安和烦闷。试想在课堂上，学生如果认知失调，那必然会影响整堂课的效率。

   例如：在《昼夜交替和时差》课例中,教师是如下提问的:

   修改前：

   一．昼夜交替

   1．用红色笔描出下面四图中的晨昏线。

   （设计意图：动手绘制，加深印象，感受晨昏线在侧视图和俯视图中的形状）

       2．判断图中的晨昏线是晨线还是昏线，并填在图下的横线上。

   （设计意图：判断晨线和昏线，加深理解）

   
   

   
   

   
   

    

    

    

    

    

    

                                       AO弧        ,         AO弧        , BO弧                  BO弧       

 

修改后：

一．昼夜交替

（1）在下面两幅图中画出阴影部分（表示黑夜）

（2）在上面两图中用红色笔描出晨昏线。

（3）晨昏线是由两个部分组成的，我们把从黑夜进入白天的那段晨昏线部分称为晨线，由白天进入黑夜的那部分为昏线，请找出上图中的晨线和昏线，并说明理由。

通过上述案例，我们不难看出，修改前的提问虽然简明扼要，但对学生的要求很高，问题间的联系不太紧密，没有前因后果的关系，因此，会造成一些分析思维较差的学生产生认知失调度，主观上产生焦虑或烦躁不安的情绪，客观上对此内容减少了学习的内在动力，而修改后的问题，从“画黑夜”到“画晨昏线”再到“判断晨线和昏线”，问题有明显的由浅入深，层层递进的关系，更加符合高一学生的认知维度，加强了他们学习的主动性。

1. 提问应当具有巧妙的对比性

   一个单独的问题是缺少问题的知识关联度的，问题的知识关联度是指所提出的问题与已有知识发生联系的程度。一个高水平的问题“产生于对知识背景的分析，仅有观察不能产生的问题，只有当把观察与已有的知识比较时，才能产生问题”。所以，我们在预设问题的时候，应当将问题巧妙得与其知识背景或经验相互联系和对比，从而，大大提高问题的有效性。

   例如：在《昼夜交替和时差》课例中,教师是如下提问的:

   修改前：

   3．地方时计算

   （1）小强所在经线的地方时是？

   （2）旺财还需要多少时间能看到日出？

   （3）旺财所在经线的地方时是？

   （4）求翠花所在经线的地方时？

   地方时计算公式：                               

   学生讨论并展示：略。

   评价：教师评价和学生互评。

   （设计意图：通过三个地点时间的计算，推到地方时的计算公式）

   （5）在下图中填出A、B、C、D四点的地方时。

   
   

   
   

   <img width="234" height="212" alt="920156562" src="data:image/png;base64,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