基于學(xué)習(xí)行為分析的教學(xué)干預(yù)在《計算機文化基礎(chǔ)》課程中的應(yīng)用研究獲獎科研報告

基于學(xué)習(xí)行為分析的教學(xué)干預(yù)在《計算機文化基礎(chǔ)》課程中的應(yīng)用研究獲獎科研報告摘要：高校計算機基礎(chǔ)教學(xué)是通識教育的重要組成部分，在信息素養(yǎng)、創(chuàng)新能力培養(yǎng)等方面發(fā)揮著重要作用，如何建設(shè)優(yōu)質(zhì)的計算機類通識課程是近年來各高校一直努力的目標(biāo)。為了建設(shè)一門計算機類通識教育“金課”，本文以《計算機文化基礎(chǔ)》課程為切入點，分析學(xué)生在線學(xué)習(xí)行為，以提供教學(xué)干預(yù)為手段，來提高教學(xué)質(zhì)量。實踐表明，在大數(shù)據(jù)技術(shù)的支持下，依據(jù)教學(xué)干預(yù)模型對不同的教學(xué)狀況實施不同的干預(yù)措施，有助于滿足不同層次學(xué)生的需求，能夠有效提高學(xué)習(xí)效果。

關(guān)鍵詞：學(xué)習(xí)行為分析;教學(xué)干預(yù);《計算機文化基礎(chǔ)》;應(yīng)用研究

00G642000B/A

2018年8月，教育部提出“各高校要全面梳理各門課程的教學(xué)內(nèi)容，淘汰“水課”、打造“金課”，合理提升學(xué)業(yè)挑戰(zhàn)度、增加課程難度、拓展課程深度，切實提高課程教學(xué)質(zhì)量。”目前建設(shè)“金課”是國家教育工作的重要任務(wù)之一，是進行教學(xué)改革的主要方向和目標(biāo)?！队嬎銠C文化基礎(chǔ)》課程是某大學(xué)一門面向全體本科生的通識教育課程，采用基于學(xué)習(xí)通的線上線下相結(jié)合的教學(xué)模式進行教學(xué)，但由于學(xué)習(xí)該課程的學(xué)生計算機水平參差不齊，線上的課程缺乏針對性，課程不能滿足不同層次學(xué)生的學(xué)習(xí)需求;并且學(xué)生在線學(xué)習(xí)行為的自由度較高，師生面對面交流機會減少，教師不能隨時掌握學(xué)生的學(xué)習(xí)狀態(tài)。因此，如何滿足不同層次學(xué)生的學(xué)習(xí)需求，如何保持學(xué)生學(xué)習(xí)主動性和及時督促學(xué)生學(xué)習(xí)是本研究主要考慮的問題。

為了達到研究目的，本研究實時關(guān)注學(xué)生在線學(xué)習(xí)的行為狀態(tài)和學(xué)習(xí)效果，開展了為期兩年的教學(xué)干預(yù)研究，最后建立了符合本課程特點的教學(xué)干預(yù)模型和可應(yīng)用于解決不同問題的干預(yù)策略。

1國內(nèi)外研究現(xiàn)狀

依據(jù)研究要求，我們主要關(guān)注了網(wǎng)絡(luò)環(huán)境支持的教學(xué)干預(yù)和教學(xué)干預(yù)應(yīng)用方向這兩方面。從應(yīng)用人工智能技術(shù)開發(fā)干預(yù)輔助工具來看，國外學(xué)者Jayaprakash等人提出了學(xué)術(shù)預(yù)警系統(tǒng)，任課教師只需在Sakai網(wǎng)站調(diào)取學(xué)生的預(yù)警報告，就可以此采取不同的干預(yù)措施[1];JohnBaker等開發(fā)的學(xué)習(xí)管理平臺Desire2Learn包含靈活的預(yù)測模型引擎功能，該平臺利用機器智能和統(tǒng)計技術(shù)來預(yù)先識別存在學(xué)習(xí)失敗危險的學(xué)生，并通過分解技術(shù)設(shè)計個性化的干預(yù)措施[2];國內(nèi)學(xué)者牟智佳等人并通過Oracle數(shù)據(jù)庫等技術(shù)設(shè)計預(yù)警系統(tǒng)實現(xiàn)學(xué)習(xí)過程的動態(tài)監(jiān)控，為開展精準教學(xué)和學(xué)習(xí)干預(yù)提供有效依據(jù)[3]。

從應(yīng)用教學(xué)干預(yù)解決的問題來看，近年來的研究者注目于線上教學(xué)產(chǎn)生的各種問題，如：有運用大數(shù)據(jù)學(xué)習(xí)分析技術(shù)，對在線學(xué)習(xí)拖延情況進行診斷與干預(yù)研究[4];有以促進大學(xué)生自我調(diào)節(jié)為目的干預(yù)研究[5]，也有對在線學(xué)習(xí)參與度、網(wǎng)絡(luò)學(xué)習(xí)適應(yīng)性等問題進行干預(yù)實驗研究。

總體而言，近年來國內(nèi)外關(guān)于教學(xué)干預(yù)的研究熱點在于：利用先進的智能技術(shù)開發(fā)學(xué)術(shù)預(yù)警系統(tǒng);針對學(xué)生在線學(xué)習(xí)時出現(xiàn)的各種問題，建設(shè)干預(yù)框架和提出干預(yù)策略。這些相關(guān)的熱點研究對本研究起到幫助作用，但也有許多內(nèi)容不適用，如：本研究的課程依托于學(xué)習(xí)通平臺進行，沒有自動生成學(xué)生學(xué)習(xí)報告和自動跟蹤學(xué)生并進行反饋的功能;本研究從分析學(xué)生的在線學(xué)習(xí)行為入手，目前的研究較少有從這個方向入手的;另外，據(jù)調(diào)查發(fā)現(xiàn)教學(xué)干預(yù)的應(yīng)用學(xué)科主要是外語、數(shù)學(xué)等，其方式不適用計算機課程，因此在研究的過程中，我們會多關(guān)注計算機類通識教育的特點，建立合適的干預(yù)模型和干預(yù)策略。

2構(gòu)建基于學(xué)習(xí)行為分析的干預(yù)模型

2.1構(gòu)建干預(yù)模型

本研究的研究對象是參與通識課程《計算機文化基礎(chǔ)》學(xué)習(xí)的學(xué)生，課程采用在線學(xué)習(xí)平臺（超星學(xué)習(xí)通）和線下實體課堂相結(jié)合的混合教學(xué)模式。研究將對該課程中學(xué)生產(chǎn)生的數(shù)據(jù)進行實時跟蹤和記錄，對這些數(shù)據(jù)進行預(yù)處理，篩選出學(xué)生的在線學(xué)習(xí)行為變量：學(xué)習(xí)頁面訪問次數(shù)、發(fā)表討論數(shù)、回復(fù)討論數(shù)、視頻觀看時長、作業(yè)提交、提交作業(yè)時間、參與線上考試、參與線上考試的時長，將這些數(shù)據(jù)與學(xué)生的期末成績進行整合，使用SPSS對相關(guān)的變量進行皮爾森相關(guān)分析，結(jié)果如圖1所示。

從分析結(jié)果中，發(fā)現(xiàn)學(xué)習(xí)頁面訪問次數(shù)、回復(fù)討論數(shù)、視頻觀看時長和提交作業(yè)時長這4個變量與成績正向相關(guān)，之后的研究都將以這四個變量為主要的參照對象。研究借鑒已有教學(xué)干預(yù)模型，結(jié)合本課程的實際情況，提出教學(xué)干預(yù)模型，如圖2。該模型要求教師在使用過程中，實時監(jiān)控學(xué)生在線學(xué)習(xí)行為并獲取相關(guān)數(shù)據(jù)，通過對數(shù)據(jù)的分析比較了解學(xué)生目前的學(xué)習(xí)狀況是否積極正向，以便及時采取干預(yù)措施，幫助學(xué)生。若通過數(shù)據(jù)分析，發(fā)現(xiàn)學(xué)生當(dāng)前學(xué)習(xí)行為異常，就利用數(shù)據(jù)將學(xué)生群體分層，找到問題群體，對照干預(yù)池提出干預(yù)措施，督促幫助學(xué)生學(xué)習(xí)，得到反饋結(jié)果，繼續(xù)跟蹤學(xué)生;若根據(jù)數(shù)據(jù)分析，發(fā)現(xiàn)學(xué)生學(xué)習(xí)正常進行，則跳過干預(yù)環(huán)節(jié)，繼續(xù)跟蹤學(xué)生。

2.2提出干預(yù)策略

本研究構(gòu)建的干預(yù)模型的核心：干預(yù)池，是根據(jù)該課程實際需求和現(xiàn)實情況，結(jié)合RTI模型制定，根據(jù)干預(yù)群體的不同，提出相應(yīng)的干預(yù)措施，以便能夠幫助教師精確定位，面對不同的狀況提出最優(yōu)的干預(yù)策略，具體內(nèi)容如表1。由教學(xué)干預(yù)模型（圖2）可以發(fā)現(xiàn)，在進入干預(yù)池之前，教師需要找到問題群體，在本研究中，問題群體定義為：較上一次學(xué)生在線學(xué)習(xí)數(shù)據(jù)相比，在本次的學(xué)習(xí)階段檢查中學(xué)生學(xué)習(xí)數(shù)據(jù)沒有產(chǎn)生變化或者變化較少，甚至出現(xiàn)虛假信息的情況稱為問題群體。根據(jù)問題群體的具體情況在干預(yù)池中對照得到相應(yīng)的干預(yù)策略。

3實證研究效果評估

3.1研究設(shè)計

團隊就《計算機文化基礎(chǔ)》課程，對2017級和2018級的大一學(xué)生進行了基于學(xué)習(xí)行為分析的教學(xué)干預(yù)實踐，采用縱向?qū)φ战M實驗開展研究。17級學(xué)生作為對照組采用線上線下相結(jié)合的教學(xué)模式，研究者沒有根據(jù)學(xué)習(xí)行為分析進行教學(xué)干預(yù)，經(jīng)過一學(xué)期的追蹤，利用學(xué)生產(chǎn)生的數(shù)據(jù)進行處理形成教學(xué)干預(yù)模型，提出教學(xué)干預(yù)策略。18級學(xué)生作為實驗組，在進行學(xué)習(xí)行為分析的基礎(chǔ)上采用實施教學(xué)干預(yù)的線上線下相結(jié)合的教學(xué)模式。課程前4周為觀察周，后面的14周為實驗周。在研究過程中，將當(dāng)前階段產(chǎn)生的學(xué)習(xí)數(shù)據(jù)與前一階段的數(shù)據(jù)進行對比，觀察整個學(xué)習(xí)趨勢，判斷當(dāng)前學(xué)生的學(xué)習(xí)狀況和未來發(fā)展趨勢，若學(xué)生學(xué)習(xí)狀況正向積極，則繼續(xù)進行教學(xué)，繼續(xù)觀察;若學(xué)生學(xué)習(xí)狀況不理想存在問題，則根據(jù)數(shù)據(jù)分析發(fā)現(xiàn)學(xué)生問題，結(jié)合干預(yù)池提出合適的干預(yù)策略，進入下一段教學(xué)和監(jiān)控，如此循環(huán)操作，時刻監(jiān)督學(xué)生學(xué)習(xí)情況。

3.2效果分析

下表中數(shù)據(jù)是研究兩年級學(xué)生學(xué)習(xí)數(shù)據(jù)的對比。對兩級學(xué)生成績對比發(fā)現(xiàn)，18級的優(yōu)秀學(xué)生人數(shù)占比67.30%，較17級明顯增多54.78%，另外17級不及格人數(shù)為24人，18級無學(xué)生不及格;表3學(xué)生學(xué)習(xí)行為對比，從表3中可以看出，2018級學(xué)生的各項學(xué)習(xí)數(shù)據(jù)較2017級有很大的進步，最顯著的表現(xiàn)是18級學(xué)生視頻觀看時長人均增長300分鐘，作業(yè)提交超時人數(shù)大大減少。

這些數(shù)據(jù)均表明，基于學(xué)習(xí)行為分析的教學(xué)干預(yù)能提升教學(xué)效果。學(xué)生自主反復(fù)觀看教學(xué)視頻充分利用學(xué)習(xí)資源，學(xué)習(xí)積極性提高;主動發(fā)表言論提交作業(yè)，形成良好的線上學(xué)習(xí)習(xí)慣;教師提供針對性的教學(xué)使學(xué)生成績的總體水平顯著提高，對教學(xué)有明顯的促進作用。

4結(jié)語

本文以《計算機文化基礎(chǔ)》課程為研究主體，對學(xué)生的在線學(xué)習(xí)行為進行分析，提出一套教學(xué)干預(yù)模型和干預(yù)策略。在進行實證研究時，利用提出的策略進行教學(xué)干預(yù)，結(jié)果表明學(xué)生的學(xué)習(xí)成績明顯的提高，學(xué)習(xí)行為向積極主動轉(zhuǎn)變。研究提出的模型和策略符合《計算機文化基礎(chǔ)》課程的特點和需求，可以幫助教師更好地改善教學(xué)，做到因材施教。當(dāng)然本研究也存在不完善的地方。因為研究條件的限制，實證研究僅用時一年，不能排除實驗結(jié)果具有偶然性的可能;其次，實證研究中有些干預(yù)措施的反饋效果不太理想，這樣的結(jié)果表明采取的干預(yù)措施需要改進，后期會繼續(xù)在教學(xué)活動