数据分析技术在混合式教学中的应用

张银霞 耿蕊 立颖

摘   要：线上线下相结合的混合式教学模式已经为广大教育工作者所广泛应用，在教学过程中会产生大量的学习记录数据，如何有效利用这些数据进一步改进教学，是一个极其有意义的课题。本文通过对《C++程序设计》课程混合教学过程中产生的数据采用统计分析、热词分析、社交关系分析等技术进行深入分析，根据分析结果指导教师的教学与学生的学习，实现了各个教学环节之间的有效契合，从而最终提高教学质量和效率。

关鍵词：数据分析;混合式教学;统计分析;热词分析;社交关系分析

中图分类号：G434 文献标志码：A 文章编号：1673-8454（2019）09-

2017《新媒体联盟地平线报告》中将“日益注重测量学习”作为在未来三到五年推动高等教育的主要技术，该技术“主要关注评价及各种各样的方法和工具，教育者可以用来评估、测量和记录，学生学业准备情况、学习进展、习得技能和学生的其他教育需求”。[1]

近年来，随着混合式教学模式的广泛应用、教育技术与教学环节的深度融合，教学过程中产生了越来越多的学习相关数据，如果能够有效地利用这些数据进一步改进教学，对学生的学习做出实时的反馈，必然能够提高教学效果，因此如何充分利用数据分析技术对混合教学中的数据进行有效分析，使学生的学习可以测量，具有重要的研究价值。

国内很多学者尝试将数据分析技术与教学相结合。焦文欢等[2]论证了大数据技术和混合式教学模式的深度融合是未来混合式教学环境的必然要求;黄月等[3]提出了评价混合教学改革效果的框架与措施;生慧等[4]尝试利用大数据进行课程分析和学生画像;鲁文英[5]采用数据分析优化和提升SPOC课程的学习;吴文峻[6]给出了学习大数据分析技术的分析方法和理论架构;叶俊民等[7]对线下学习数据进行了深入的分析和研究;雷云鹤等[8]通过分析学生预学习期间的数据实现精准帮学;付丽琴[9]探讨了大数据背景下的数据分析技术;魏顺平等[10]根据在线数据分析进行教学反思。

本文针对《C++程序设计》课程实施混合式教学过程中产生的线上线下数据，探索使用统计分析、热词分析、社交关系分析等技术进行深入分析，利用分析结果指导后续教学。

一、混合式教学实施的过程

1.混合式教学模式设计

混合式教学模式的实施总体分为课前学习、课堂教学、课外拓展三个阶段，如图1所示。

课前学习在线上实现，突出基础知识、基本理论教学内容的学习，以微视频形式为主，辅以教学课件、学习指导等资源，这部分资源要求所有学生能够掌握，以学生自选时间、自定步调自主完成，教师起到提醒、督促和辅助作用，通过讨论区互动交流调动学生学习积极性，通过在线测试验证学生的课前学习效果。

课堂教学在线下实现，以解决综合性应用性案例为主，课堂教学要在教师的引导下通过学生的互动讨论、团队协作共同完成。

课外拓展可以是线上线下结合实现，主要针对学习能力强、对课程进一步深入学习感兴趣的学生，由教师指导学生参与项目训练、竞赛等第二课堂活动，实现创新训练。

在这三个阶段会产生大量的学习数据，对于研究学生的学习轨迹、学习规律、评价和预测学生后期学习效果有着重要的作用。

2.混合式教学实施

在2017级自动化专业学生的《C++程序设计》课程中进行混合式教学，以“循环结构”一节的学习为例，该节教学目标是要求学生掌握利用while、do while、for三种循环语句实现循环结构的程序设计方法，具体教学过程如下：首先将三种循环语句的基本语法、特点、注意事项等基础知识录制成视频，上传到网络教学平台，学生在课前进行学习，并通过在线测试验证自己课前学习的效果，遇到问题可以在讨论区进行在线讨论，进入课堂教学之前，大部分学生掌握了三种循环语句的基本使用方法;其次，课堂上教师给出综合应用案例，学生以小组为单位，进行案例分析、讨论、实现以及展示，教师进行引导答疑，使学生深入掌握循环结构程序设计的应用，最后以单人为单位提交案例代码以及课堂反思;最后，课外拓展以学生自愿为主参加循环结构类程序项目的设计。

由于课外拓展环节产生的数据较少，重点针对课前教学、课堂教学以及课程问卷等环节产生的数据进行分析。

二、课前学习数据分析

课前学习主要包括课前视频等资料学习数据、在线讨论数据、课前测试数据等等。

1.视频学习情况分析

以《C++程序设计》课程中循环结构一节的内容为例，共包含三段视频，三段视频有先后顺序，每段视频的时长分别为7分41秒、5分38秒、5分31秒，根据学生人均观看每段视频的平均时长及人均访问次数，绘制统计图表如图2所示，可以看出学生对每段视频观看时间均大于原视频时长，说明学生可能反复播放视频进行学习，另外从三段视频学生观看视频的时长增长比例看出，随着学生对所学知识的深入，投入的学习时间有所增长。其中，观看视频比例=（人均访问时间-视频标准时长）/标准时长。

根据学生每段视频人均访问次数与观看视频的时长增长比例的关系图，如图3所示，可以看出随着学习的深入，学生反复观看视频的次数逐渐减少，而观看时间逐渐增加，说明学生逐渐沉浸在学习之中。

2.在线讨论热词分析

对在线论坛中学生讨论的内容提取文本信息，利用WordArt进行热词分析，如图4所示，可以发现学生能够找准“循环条件”、“循环体”、“初始化语句”、“迭代语句”以及“for语句”、“while语句”、“do while”等需要掌握的知识点，而且讨论比较热烈，总体没有偏离教学要点。

3.在线讨论中的社交关系分析

学生学习过程中对课程内容在论坛中展开讨论，根据学生发帖和回复情况进行分析，采用UCINET分析软件分析学生之间存在的关系，结果如图5所示，可以看出，学生讨论时存在四个小圈子，其中学号尾号为49、55、30、15、19、01、31、16、51、39、26等学生处于讨论的焦点，比较活跃，带动其他同学进行讨论，而图中左上角一列学号的同学是没有参与任何讨论的学生。在课堂教学中发挥积极参与活动学生的能动性，将处于讨论焦点的学生设置为组长，每人带领一组，参与课堂学习，另外，对未参与的同学进行提问互动，引导其参与各项教学活动。

4.在线测试分析

（1）学生的成绩分布分析

课程平台可以自动生成学生成绩统计，学生平均成绩为84.1分，各个分数段的分布情况，如图6所示，可以看出本次课前测试93%的学生在60分以上，说明大部分学生基本掌握了课前学习内容，还存在7%的学生没达到课前学习目标，需要在课堂上将必要的知识补全。

（2）知识点掌握情况分析

题库中共15道题目，每个学生随机抽取5道题进行测试，对学生的答卷情况进行分析，各个题目的得分率如图7所示，得分率较低的题集中在while语句和do while語句相关的题目，因此将学生容易做错的题，按照知识点进行分类整理，在课堂上作为难点予以强调，并引导学生多加练习。

5.学生学习规律分析

根据学生参与测试的时间，绘制直方图，如图8所示，可以看出25%的学生在星期二进行测试，24%的学生在星期四进行测试，其他时间学生参与测试较均匀，课堂教学在星期五，说明大部分学生喜欢在星期二和星期四进行课前学习，通过跟踪其他几周学生测试情况发现这是一个固定的规律，通过与学生交流，得知学生在星期二无其他课业，而星期四学习的学生多是习惯拖延突击学习的学生，因此，在星期二和星期四，教师要经常登录课程平台与学生交流互动，效率更高，效果更好。

三、课堂教学数据分析

课堂教学以案例教学为主，以小组合作、研究讨论、代码实现等方式进行。课堂教学产生的数据包括学生提交的案例代码成绩、课堂反思和总结。以“循环结构”一节的课堂教学为例，分析课堂案例实现情况以及课堂反思与总结。

1.课堂案例代码成绩分析

课堂案例代码提交率为100%，正确率达到92.0%，说明大部分学生基本掌握了课堂所要求的内容。对于8%的不正确的学生代码进行分析，其中，6.3%的学生程序整体算法没有问题，只是输出结果的代码不当，因此提醒学生在今后课程中注意这些细节;1.7%的学生程序算法存在问题，说明这些学生对本节课内容掌握得不好，需要单独对其进行辅导答疑。

2.课堂反思与总结的热词分析

对学生的课堂反思与总结进行热词分析，如图9所示，关键词集中在“语句”、“初始赋值”、“执行条件”、“迭代条件”、“掌握”、“挺有意思”、“难度不高”、“不可马虎大意”、“注意编程逻辑”、“学到了没接触过的知识”等等，说明学生在课堂教学中基本掌握了循环结构语句的应用。

四、教学实践效果分析

1.课程问卷分析

课程结束后，采用网络课程平台对《C++程序设计》课程进行了网络问卷调查，由于浏览器限制，部分问卷处于暂存状态未提交，回收有效问卷45份。

（1）问卷中学习效果分析

关于学习效果问卷情况如图10所示，可以看出学生对课前知识掌握比较熟练，熟练程度达到77.55%，课堂知识熟练掌握程度达到73.47%，63.27%的学生觉得通过课程学习确实提高了分析问题及解决问题的能力，55.10%的学生认为提高了自主学习能力，46.94%的学生参与互动交流讨论。

通过对问卷中的其他项目进行分析，发现64.44%的学生觉得课前学习任务适中，86.67%的学生能够完成大部分课前视频的学习，多数学生按照自己的时间观看视频，如果有明白的地方会反复播放视频观看，22.22%的学生能够较好地参与课前交流讨论，60%的学生讨论互动情况一般，大多数学生能够认真完成课前测试，测试过程中遇到问题，会回看视频或是与同学交流，82.23%的学生认为微视频或在线测试对课前学习最为重要，63.38%的学生认为课堂教学中对课前的重点难点的讲解以及课前测试的易错题的讲解非常必要，84.45%的学生在课堂上完成项目案例时的问题通过回看视频、同学交流、请教教师得以解决，60%的学生表示非常喜欢混合教学形式，觉得学习效率较高。

总体来看，大部分学生对依托网络课程平台的混合式教学模式、教学效果还是肯定的。但是也存在着一些问题，比如，课前学习中13.33%的学生只看了一小部分视频，2.22%的学生课堂上遇到的问题到下课也没能解决，6.67%的学生不知道如何参与课堂活动，12.50%的学生对网络课程平台操作不熟练，10.94%的学生不适应混合教学模式等等，后续的教学中要针对这些问题进一步分析原因并加以改进。

（2）问卷中反馈意见和建议热词分析

对调查问卷中学生反馈的意见和建议进行热词分析，如图11所示，学生反馈的关键词集中在“很好”、“挺好的”、“非常好”、“好啊”、“很满意”、“效果很好”、“还可以”、“自控力不强就不能很好地学习”、“提高了效率和学习自主性”、“培养了自主学习能力和交流能力”、“希望继续改进网络教学平台”，可以看出学生对课程比较满意。同时也发现，学生建议“继续改进网络教学平台”、“增加试题讲解视频”，“自主学习能力有待提高”，这些都是后续教学中需要注意改进的方面。

（3）与上一年级学生的学习效果对比

在2016级自动化专业学生的《C++程序设计》课程中采用混合式教学实践，但是没有加入数据分析技术，2017级自动化专业的《C++程序设计》课程中加入了数据分析技术辅助教学。通过学生的问卷对比，如表1所示，可以看出，利用数据分析有针对性地改进教学方法后，学生在学习效率、学习效果以及对混合式课堂教学的喜爱程度方面都有所提升。

2.学生考核成绩分析

实验班（2017级自动化专业）采用结合数据分析技术的混合式教学模式，对照班（2017级机械专业）采用传统教学方法，在统一进行的三次考核中，成绩如表2所示，可以看出，学生的平均成绩比同年级对照班学生分别高出5.77、4.84、4.36个百分点。

五、结语

通过对2017级自动化专业学生的教学实践表明，在混合式教学中采用数据分析技术，可以使教师更深入地了解学生，更有针对性地调整教学内容、改进教学方法，能够促进学生更有效地学习，从而达到提升教学效率、提高教学效果的目的。

参考文献：

[1]S·亚当斯贝克尔，M·卡明斯，A·戴维斯，A·弗里曼，C·霍尔给辛格，V·安娜塔娜额亚婻，殷丙山，高茜，任直，刘鑫驰，曹红岩，王济军，赵广元，邵恒.新媒体联盟地平线报告：2017高等教育版[J].开放学习研究，2017（2）：1-20.

[2]焦文欢，冯兴杰.基于大数据的混合式教学模式研究与分析[J].中国教育信息化，2018（21）：38-41.

[3]黄月，韩锡斌，程建钢.混合教学改革的阶段性特征与实施效果偏差分析[J].现代远程教育研究，2017（5）：69-77.

[4]生慧，马素芬，金卫.医学院校基于大数据分析和混合学习的《信息安全》教学改革与探索[J].福建电脑，2017（12）：78-79.

[5]鲁文英.数据分析对SPOC模式中学习成绩的优化与提升——基于某高校线上公选课[J].天津电大学报，2017（1）：23-27.

[6]吴文峻.面向智慧教育的学习大数据分析技术[J].电化教育研究，2017（6）：88-94.

[7]叶俊民，陈曙，郭思培，王嫱，黄朋威，王志锋.线下学习数据的分析方法研究[J].电化教育研究，2016（12）：52-59.

[8]雷云鹤，祝智庭.基于预学习数据分析的精准教学决策[J].中国电化教育，2016（6）：27-35.

[9]付丽琴.大数据背景下的学习分析技术[J].吉林省教育学院学报，2016（4）：184-186.

[10]魏顺平，韩艳辉，王丽娜.基于学习过程数据挖掘与分析的在线教学反思研究[J].现代教育技术，2015（6）：89-95.

（编辑：王天鹏）

0056-05