C语言微课教学效果实证分析

钟志强

(鞍山师范学院 物理科学与技术学院,辽宁 鞍山 114007)

微课作为信息技术发展与教育改革相结合的产物，尚处在技术与教学应用融合的新阶段，是当前教育信息化资源建设研究热点.国内学者大多认为微课能够切实解决的教学问题有：教学者同行借鉴或加强备课方式以提高教学水平；继续或开放教学中，学习者异地、异时泛在学习[1]；在校学生假期和缺课期间自学、小范围的课前预习、少量的课中差异化教学和课后学生复习；中小学生家长辅导[2].微课可以帮助学生在课外通过自学来掌握一定的知识基础，以便在课堂上开展更为深入的对话，实现以自主、合作、探究为核心的教学重构，进而影响到网络学习也将从还原真实课堂转为重建学习规则[3].未来将出现的“专业化建设机制的形成”“系统性课程模块的全面构建”“与大数据技术的有机集成”“终身教育的常态化”[4]等将是时代发展必然趋势.

C语言课程是绝大多数大学理工类的必修课，是培养计算思维的关键课程.鞍山师范学院物理科学与技术学院电子专业中，C语言课程是后期专业课程(如：算法与数据结构、Java程序设计、单片机原理与应用、嵌入式开发等)教学的前导内容，是重要的专业核心能力培养内容.C语言教学要求多元化，其课程内容既有基本理论、原理的解释和推演，又有实验要求，还要考虑学生团队协作与沟通能力的培养.为提高C语言教学质量，我们采用微课作为实验课程复习资源，改革教学方法，希望加强教学效果.为了对比教学改革的效果，根据公认的教改实验方法，把未进行微课教改的电子专业14级2个班作为基础参照组；把建议学生使用微课的15级3班(M老师教学)和没有使用微课的15级4班(Z老师教学)作为纵向参考组；把要求学生必须学习利用微课学习的16级3班(M老师教学)作为实验组，未使用微课16级4班(Z老师教学)教学班级作为横向对照组.参与实验教改的两位任课教师已有十多年的高校教龄，是成熟的教学工作者.微课的教学使用方式和制作水平经得起信任：2015年，C语言教学微课获批鞍山师范学院教改立项课题；2017年C语言教学微课获辽宁省第二十一届教育教学信息化大赛高等教育组微课二等奖.现用他们的学生成绩和问卷调查数据，实证C语言微课的教学效果.

1 微课实验组教学成绩改善不明显，对其使用的认可程度还需考虑其它因素

为了直观表现学生成绩整体分布，我们把电子专业14～16级3年内学生试卷成绩转换为5个等级：优、良、中、及格和不及格，统计出各个级别的数量，再分别按教师的教学班级分类做出成绩纵横比较图1、2.

图1 两位教师C语言试卷等级成绩3年纵向对比

图2 两位教师C语言试卷等级成绩3年横向对比

从二位教师的纵向对比图1中可知：3年内，Z老师的学生成绩基本接近正态分布，M老师的学生成绩为U型分布；14级学生成绩分布偏左，不及格学生数相对较高，15级与16级学生成绩微有提高，后二年的教学水平趋于稳定.进一步从横向对比图2中可知：3年内，M老师的优与不及格学生人数微高于Z老师(后期分析将说明此原因)，Z老师的及格和中的学生人数微高于M老师.16级的并行横向对照组Z老师学生成绩正态分布渐好，而实验组M老师的学生成绩U型左侧不及格人数却渐起，说明实验组学生成绩没有显著提高，考试成绩与微课作为复习资源的没有明显相关，两位老师学生成绩分布的差别，可能要从批卷评阅人的主观评定标准等方面找原因.

方差分析(Analysis of Variance，ANOVA)，又称“变异数分析”，用于对照两个及两个以上样本均数差别的显著性检验.为了加强分析学生成绩是否与微课使用相关，我们使用SPSS22(Statistical Product and Service Solutions)对M老师未全面使用微课的15级3班和使用微课的16级3班进行方差分析，其方差分析基本描述统计量和因素方差分析表见表1、2.从表1中的描述统计量看，未使用微课成绩平均分高于使用微课成绩平均分，且方差较小.更主要的是从表2单因素方差分析中,可以看出F统计量5.290，p=0.026,小于显著性水平(0.05)，推翻原来认为两组实验有显著差别的假设.实证发现，未使用微课数据好于使用微课，微课没有改善学习者学习成绩.

表1 方差分析基本描述统计量

表2 单因素方差分析表

对比14级基础参照组，15、16级使用微课的M老师组教学成绩和未使用微课的Z老师组教学成绩都有所提高；M老师16级实验组与15级对照组的教学成绩变化未体现教改目的，尽管利用微课加大了教学投入，但微课的使用效果不能从学生卷面成绩中体现，因而我们需要从其它教学因素中进一步探寻C语言微课教学使用效果.

2 微课教学效果调查

2.1 研究理论假设

结构方程模型(SEM,Structural Equation Modeling)是广泛使用的、优秀的效度或满意度调查统计模型.SEM是基于变量的协方差矩阵来分析变量之间关系的一种统计方法，更能够根据已有经验提出特定的因子结构，同时估计因子结构和因子关系并检验它是否吻合数据；并能同时处理多个因变量，并可比较及评价不同的理论模型[5].结构方程建模法是一种综合运用多元回归、路径分析和验证型因子分析方法而形成的一种对复杂现象的理论模式进行处理的统计分析工具[6].可用来解释一个或多个自变量与一个或多个因变量之间的关系，也能够同时处理多个因变量的相互关系[7].出于以上SEM应用特点，同时我们借鉴国内有关研究[8,9]，结合我校C语言教学实际情况，设计了教学效果问卷调查表3，共 12个问题.

表3 C语言微课教学满意度调查评价量规表

2.2 假设模型构建

结构方程模型包括测量模型(measurement model)和结构模型(structural model)[9].测量模型描述的是潜变量ξ、η与观测变量X、Y的关系,即潜在变量如何对应显性指标测量.测量模型如式(1),(2).

X=Λxξ+δ，

(1)

Y=Λy+ε.

(2)

结构模型是指潜在变量之间的关系，以及模型中其它变量无法解释的变异量部分,

η=Bη+Γξ+ζ.

结合表3，根据测量变量的数量确定观测变量X(9*1)，其是潜在外生变量ξ,η的观测变量组成的向量，Λx(9*3)为外生观测变量在外生潜变量上的因子负荷矩阵，它表示外生潜变量ξ和其观测变量之间的关系；δ(9*1)为外生可测变量X的测量误差.Y(3*1)是潜在内生变量η的观测变量组成的向量，Λy(9*3)为内生观测变量在内生潜变量上的因子负荷矩阵，它表示内生潜变量η和其观测变量Y之间的关系，ε(3*1)为对应的测量误差向量.

η表示潜在内生变量构成的向量;B(3*1)潜在内生变量的系数参数矩阵，揭示内生潜变量间的关系；Γ(3*3)是潜在外生变量矩阵，揭示外源潜变量对内生潜变量的影响系数参数；

ξ3×1表示潜在外生变量构成的向量；ζ(3*4)是结构方程的残差项构成的向量，反映了η在方程中没能被解释的部分.在前文潜变量和可测变量设定的基础上，结合研究假设，利用AMOS22(Analysis of Moment Structures)软件构建微课教学效果影响因素理论模型，见图 3.

图3 教学效果影响因素假设模型

根据t规则识别法[10]：内生变量Y共3个，外生变量X共9个，则p=3，q=9,则

(q+p)×(p+q+1)/2=78；

而t=30自由度为48，因而结构方程能够识别.

2.3 问卷调查

根据表3内容，参照C语言教学大纲的第3章数值计算的5个实例(①小球下落反弹求路程，②求π的近似值,③求 e的近似值，④二分迭代解方程，⑤弦切迭代解方程)，让学生观看微课，然后分别评价.其中，“U33学习考试成绩”由期末考试成绩取对应的优为5分，良为4分，中为3分，及为2分，不及为1分转换得到.其余11个问题项采用李克特(Likert)五级量表(5分代表“非常好”,4分代表“好”,3分代表“一般”,2分代表“ 差”，1分代表“非常差”)，要求学生根据个人感受对应微课实例分别实名回答，并告知调查仅用于教学研究不影响学生成绩等方面评定，用于打消学生因差评会有不良影响的心理因素.以此向参与C语言教学学生进行调查，共发放调查问卷320份，收回320份，剔除5份无效问卷，有效样本315个，其中，使用微课作为教学资源M老师教学班级的157份问卷，未使用微课作为教学资源的Z老师教学班级158份问卷.

2.4 数据检验

量表信度分析目的是用来测量评价模型是否具有内部一致性[11].本文运用spss22.0软件对数据进行内部一致性信度分析，内部一致性信度使用通常用变量的科隆巴赫(Cronbanch’s Alpha)值来衡量.一般来说，系数值在0.8

2.5 模型运算、修正和拟合优度评价

运行AMOS22.0 软件进行数据拟合并检验结构方程模型，以极大似然法(ML，Maximum Likelihood)作为模型的估计方法，对模型中各因子间的关系进行验证，得到微课拟合模型，并自带主要拟合优度标准化评价指标如图4.

图4 教学效果影响因素拟合模型

模型拟合数据中X2值503.847(p=0.000)(符合p>0.05)；X2自由度比值10.497(未符合<3.00)；GFI(Goodness of Fit Index)值0.897(未符合>0.90)；AGFI(Akaike Goodness of Fit Index)值0.833(未符合>0.90)；RMSEA (Root Mean Square Error of Approximation)值0.113(未符合<0.1 接近0.08)；CFI (Comparative Fit Index)值0.920(符合>0.90)；TLI(TUCKER-LEVIS INDEX)值0.890(未符合>0.90)；RMR(root mean square residual) 值0.461(符合<0.05).以上拟合数据指标部分满足整体适配条件.根据Amos系统自动生成的模型修正表4，我们选择修正指数较高的“学生学习基础对实验数量(正向133.202，反向88.230)”进行模型修正.其修正意义可能是：自认为学习基础差的学生对实验的数量感到负担.两个因素间有共线关系.修正图形和重新进行拟合的计算结果见图5.

表4 回归权重修正模型表

模型拟合数据中X2值370.491(p=0.000)(符合p>0.05)；X2自由度比7.883 (未符合<3.00)；GFI值0.922(符合>0.90)；AGFI值0.970(未符合>0.90)；RMSEA 值0.097 (符合<0.1 接近0.08)；CFI 值0.943(符合>0.90)；TLI 值0.920(符合>0.90)；RMR值0.366(符合<0.05).以上拟合数据指标基本满足整体适配条件.

图5 教学效果影响因素修正模型

2.6 指标效度评价

观测指标对每一个潜变量的标准化估计参数，有效地反映了其对应潜变量的相关程度，同时也反映了潜变量对该指标的解释能力.从图5上看，4个潜变量在13个指标上的标准化因子负荷不小于 0.71 的 11 个，余下两个分别是学习基础(0.43),实验质量(0.66).根据结构方程对内容效度的评价原则，标准化因子负荷大于0.71，则复相关系数(因子负荷的平方)R2大于0.5，也就是说该潜变量能解释量表对应问题的50%以上.从修正模型对应现实意义看，已有的学生学习基础不影响微课教学效果的解释，还有学生对微课内容与实验内容关系紧密程度还做不出正确判断是符合常规判断的.模型中得到肯定解释的有：学习的热情与努力程度是取得良好教学效果的主要归因；学生认为微课中的教师责任心相对其专业知识更容易让其肯定；在教学效果评定中，感知课程质量学生得到感知的学习收获大于学生考试成绩，其原因是很多同学靠默写程序方式顺利通过考试(后期与同学访谈得知).4个潜在变量中，实验因素对教学效果(0.81)起到了最大作用.换句话说，决定学习效果的主要因素是实验的质量和数量,这也是前文提到的先验的想法：“采用微课作为实验课程复习资源”会提高教学效果的体现.

3 微课教学效果群组比较分析

3.1 微课教学效果群组的建立

据前文问卷，使用微课教学资源的157份，未使用微课的158份，以此作为分组标准.我们进行基于结构方程模型的微课教学效果群组比较，进一步解释微课在教学过程中体现什么样的角色和作用.软件建模与修正此文略，其分析结果如图6、7.

3.2 模型运算结果和拟合优度评价

分组比较微课教学效果影响因素模型拟合数据，X2值455.26(p=0.000)(符合p>0.05)；X2自由度比4.843 (未符合<3.00)；GFI值0.905(符合>0.90)；AGFI值0.843(未符合>0.90)；RMSEA 值0.097 (符合<0.1 接近0.08)；CFI 值0.943(未符合>0.90)；TLI 值0.920(未符合>0.90)；RMR值0.366(符合<0.05).以上拟合数据指标基本满足整体适配条件.利用AMOS的VIEW-TEXT OUTPUT系统输出的两个整体影响表，并将两个表合并成一个因素路径整体影响表便于观察，见表5.

图6 未使用微课教学效果影响因素模型

图7 使用微课教学效果影响因素模型

从表5可知：受微课的影响，潜在变量中，实验因素(实验数量与质量)、学生因素(学生努力程度，学习热情)进一步体现了教师因素的作用(其数值见表5)；使用微课作为实验因素降低了集体合作程度.其它潜变量均未得到微课影响的加强体现.测量变量中，学生考试成绩通过教师因素得到轻微加强，这也是前文中M老师教学成绩中得优者有所提升的可能原因.其它可观察因素均未提高.

由此得出：微课的使用中，教师增加了教学投入，这必然有利于教师因素提高教学效果，发挥教师的主导作用；微课的实施能够提高实验的质量；微课的学习能够促进个别学生(跟紧教师要求的学生)考试成绩的提高，以上是微课的优点.其弊端是：减低集体合作程度；要求学生更加努力；降低学科兴趣度.微课单独施加学生因素从而脱离教师作用而单独提高教学效果的很少.这也可能是翻转课堂弱化教师作用的原因.

表5 微课因素标准整体影响效果表

4 反思与总结

多年来，新兴媒体技术一直在参与革新教学，仿佛每一次技术革新都会促进教育质量的提升.本次研究可以看出：微课增大了资金和人力的教学投入，但没有扩大教学效益，学习效果和学习效率改善不明显.为此文做结之时，亦想起同行先进的评说，自不可妄自言.胡铁生：“自2011年微课提出，微课热就引发了关于微课的反思：微课是由教育行政部门主导的、各种微课大赛推动的，一旦各种大赛落幕，热潮就会逐渐减退，这几乎是近年来各种‘教育信息化热’的常态”[13,14].郑小军：“利用微课的反转课堂仅仅反转的是教师讲课的时间地点，没有反转接受学习的本质.反而加重课外学习负担，降低课堂学习效率.我们最应该改变的就是上课时间太多、留给学生们自由支配的时间太少，以及连学生课外的时间也要掌控”[15].另外碎片化学习提升不了人的知识结构和阅读体系等.钟启泉教授更是认为：“过去20年，学校教育中信息技术的引进并没有带来课堂教学的变化，也没有提升课堂教学的效果”[16].王竹立教授总结多年的现代教育技术的改革也认为：“教育技术曾经几度引入学校教育，但均以失败而告终.微课是金灿灿的信息化的外部，是经不起教育理论的推敲与教育实践的验证的”[17].

总之，教育中的信息技术终究是一种技术和手段，信息技术的发展不可能替代课堂教学本身，课堂教学必须以知识体系的接收过程为活动主线，加强师生的思维互动环节.微课同样也不能不深挖教学内涵，而片面强调课堂形式的反转变化.

[1] 王秋月.慕课、微课与翻转课堂的实质及其应用[J].上海教育研究科研,2014(8):15-18.

[2] 苏小兵,管珏琪,钱冬明,等.微课概念辨析及其教学应用研究[J].中国电化教育,2014(7):94-99.

[3] 曹培杰,马晓强.微课程的核心理念及发展趋势[J].现代远距离教育,2015(4):9-14.

[4] 余胜泉,陈敏.基于学习元平台的微课设计[J].开放教育研究,2014(2):100-110.

[5] 钟志强.教师教育技术能力培训形成性评价研究[J].现代远程教育研究,2012(2):90-96.

[6] 朱星宇,陈勇强.SPSS多元统计分析方法及应用[M].北京:清华大学出版社,2011:428-429.

[7] 盖笑松,张向葵.多层线性模型在纵向研究中的运用[J].心理科学,2005,28(2):429-431.

[8] 赖永波,杨月锋,徐学荣.基于结构方程模型的实训课教学效果影响因素分析[J].宁德师范学院学报,2014(1):99-102.

[9] 哈斯巴根.高校课堂教学质量结构方程模型构建与应用——教师评价的视角[J].高校教育管理,2013(7):105-109.

[10] 吴明隆.结构方程模型——AMOS的操作与应用[M].重庆:重庆大学出版社,2012:1.

[11] 易丹辉.结构方程模型方法与应用[M].北京:中国人民大学出版社,2009:58-59.

[12] 钟志强.教育技术学专业主干课程学生成绩因子与聚类分析的研究[J].软件导刊,2013(7):191-193.

[13] 胡铁生,黄明燕,李民.我国微课发展的三个阶段及其启示[J].远程教育杂志,2013(4):36-42.

[14] 胡铁生.微课建设的误区与发展建议[J].教育信息技术,2014(5):33-34.

[15] 郑小军.微课发展误区再审视[J].现代远程教育研究,2016(2):61-67.

[16] 钟启泉.田园将芜胡不归——“微课”的诱惑与“课堂研究”的主旋律[J].教育发展研究,2015(2):1-5.

[17] 王竹立.微课勿重走“课内整合”老路,对微课应用的再思考[J].远程教育杂志,2014(5):34-40.