“对分+翻转”信息化教学模式的Logit成效分析

刘 君 罗晓媛

（黑河学院 黑龙江黑河 164300）

一、“对分+翻转”信息化教学模式概述

“对分+翻转”信息化教学模式（见图1）采用对分课堂[1]（P5-10）的讲授（Presentation）、内化吸收（Assimilation）和讨论（Discussion）等三个主体程序框架。讲授环节占用一节课的部分时间，教师采用多媒体课件、影音资料等信息化辅助手段只进行引导式和框架式的陈述，运用“留白”手法，明确学习目标、内容的逻辑结构和重难点问题的处理建议等，并布置自学任务；内化吸收环节设置在两次课之间的课余时间，由学生通过网络平台自主学习教师依据教学目标和内容预先准备好的教学资料，包括教学目标、知识框架、知识背景、微视频、软件、测试题目及下次课的讨论提纲等；讨论环节设置在下次课讲授环节之后的剩余时间，教师根据内化测试分数先进行聚类分析，并依据学生聚类状况进行均匀分组，在课前通过平台公布分组信息，便于学生确定位置，并在教师辅助下依照讨论提纲深化认知。内化吸收环节允许学生在自学过程中借助平台或通讯技术讨论解惑，以降低自学难度。内化吸收和讨论环节采用翻转课堂[2]（P278-284）的主体程序框架。讲授和讨论环节之间设置内化吸收的时间间隔，课内间隔称为“当堂对分”，否则称为“隔堂对分”。“对分+翻转”信息化教学模式采用“隔堂对分”的方式，以确保学生拥有充足的内化吸收时间。讲授、内化吸收和讨论环节都借助网络教学平台、通讯技术、微视频、信息库以及多媒体等信息技术辅助手段。“对分+翻转”课堂保留了对分课堂变“即时讨论”为“延时讨论”的有效手段，嵌入了翻转课堂的程序框架，吸纳了信息技术辅助的特性，转教为学，突出“以学习者学习和发展为中心”[3]（P105-110+135）的教学理念，可有效培养学生的构造思维，激发学生的学习兴趣，提升学生自学、交际、合作和解决问题等各方面能力。

图1 “对分+翻转”信息化教学模式示意图

二、Logistic回归简介

Logistic回归是一种广义线性模型。[4]（P83-166）作为最流行的二分类属性数据分析方法，常用于数据挖掘、疾病诊断和经济预测等领域。[5]（P1-58）其利用响应变量在解释变量处取值状态的概率，构造Logit变换，进而与线性函数产生对接。设二分响应变量Y={0,1} ，解释变量X=x处Y=1的概率为π(x)，则logit变换后的线性模型为

从而有

π(x)的图像是一条S形曲线，参数β值由最大似然拟合给出，β的正负决定S形曲线的升降，|β|的大小决定着曲线陡峭程度的强弱。曲线上x处的变化率为βπ(x)[1-π(x)]，因此，曲线在x处的变化率随着x的变化而变化；当x固定时，变化率随|β|增大而增大；当β=0时，Y与X独立。π(x)∈[0,1]，π(x)=0.5 所对应的x值称为中间效应水平。响应1的优势表明x增加1个单2位，优势变为原来的eβ倍。模型能够估计效应置信区间、概率置信区间以及Y=1 的概率与解释变量X独立的显著性检验。

三、构建教学效果自评指标体系

课堂教学效果评价与分析是教师自我调整教学策略重要依据，而指标体系又是教学效果评价的必要条件。本文遵照指标与目的相吻合；客观反映教学全貌；指标间尽量保持相互独立；可操作性强等原则，根据“对分+翻转”信息化教学模式的基本程序，本着以学习者学习和发展为中心的理念，采用德尔菲法确定自评指标体系，见表1。

表1 “对分+翻转”信息化教学模式的效果自评指标体系

四、教学效果的Logit成效分析

对于学生来说，课堂教学效果可划分为“好”和“不好”两类，属于二分类变量，为此，本文采用Logistic回归分析教学效果。根据概率论与数理统计课程模式实施的班级40名学生听课、自学和讨论的情况，获取的教学平台数据，利用SPSS24.0软件，分环节进行效果分析。

（一）讲授环节教学效果分析。教师在本环节利用多媒体简要介绍学习目标、知识框架、重难点以及布置学习任务，学生根据自身学习状况，通过网络教学平台填写评价对应数据值，汇总数据信息，开启SPSS24.0软件，通过读取数据，点击分析-回归-二元Logistic 回归，弹出选取变量对话框。因变量选入课堂教学效果，协变量选入明确学习目标情况、掌握知识框架情况、理解重难点情况和明确学习任务情况。保存中选取概率和组成员，选项中选取霍斯默-莱梅肖拟合优度和Exp（B）95%置信区间。最后点击确定，分析结果见表2和表3.

表2 讲授环节效果预测情况

表3 讲授环节偏回归系数与OR（Exp（B））

表2和表3显示预测结果准确率达到了95.0%，显著性均小于0.05，置信区间不包含零点，说明模型效果很好。表3表明，知识框架和重难点影响显著，而教学目标和布置任务影响稍差，这是知识框架和重难点只在课堂介绍，而教学目标和布置任务在内化环节再次给出，学生认为框架和重难点更重要所导致。EXP（B）数值表明，学生明确学习目标、掌握知识框架、理解重难点和明确学习任务的程度，在其他不变的情况下提升一个量级，教学效果的优势分别提升为原来的1.349倍、2.818倍、2.223倍和1.213倍。为此，课堂教学中应注重知识框架和重难点的讲述，但也不能忽视学习目标的明确和任务的布置。

（二）内化吸收环节教学效果分析。内化环节评价数据全部来源于网络教学平台，能够直接反应学生学习的状态。开启SPSS24.0 软件，通过读取数据，点击分析-回归-二元Logistic回归，弹出选取变量对话框。因变量选入课堂教学效果，协变量选入线上测试分数、线上MOOC 观看情况（次数和时长）、提问情况和解答问题情况。保存中选取概率和组成员，选项中选取霍斯默-莱梅肖拟合优度和Exp（B）95%置信区间。最后点击确定，分析结果见表4和表5.

表4 内化环节效果预测情况

表5 内化环节偏回归系数与OR（Exp（B））

表4和表5显示预测结果准确率达到了92.5%，显著性均小于0.05，置信区间不含零点，说明模型效果很好。表5表明，线上测试成绩、观看MOOC时长和解答问题数量指标影响较为显著，而观看MOOC 次数和线上提问影响不显著。EXP（B）数值表明，学生测试成绩、观看MOOC 次数、观看MOOC时长、线上提问数量和解答问题数量，在其他不变的情况下提升一个量级，教学效果提升的优势分别是原来的1.317倍、1.135倍、1.141倍、1.097倍和1.172倍。为此，内化环节应多关注学生的测试成绩、观看时长以及解答问题数量。

（三）讨论环节教学效果分析。讨论环节各指标数据主要通过平台进行统计。讨论态度指标数据有教师录入，其余数据则根据学生通过平台发布的信息自行统计。开启SPSS24.0软件，通过读取数据，点击分析-回归-二元Logistic回归，弹出选取变量对话框。因变量选入课堂教学效果，协变量选入回答提纲问题情况、讨论态度情况、课上提问情况和解答问题情况，并在分类中将讨论态度情况设置为分类协变量，保存中选取概率和组成员，选项中选取霍斯默-莱梅肖拟合优度和Exp（B）95%置信区间，最后点击确定，分析结果见表6和表7.

表6 讨论环节效果预测情况

表7 讨论环节偏回归系数与OR（Exp（B））

表6和表7显示预测结果准确率达到了97.5%，显著性均小于0.05，置信区间不含零点，说明模型效果很好。表7表明，四个指标对效果影响都很显著，尤其是讨论态度。EXP（B）数值表明，回答提纲问题、讨论态度、提出问题和解答问题情况，在其他不变的情况下提升一个量级，教学效果提升的优势分别是原来的2.787倍、8.449倍、2.377倍和3.979倍。为此，内化环节应重点改善学生的学习态度，同时鼓励学生尽可能多地解答问题，但提纲问题的设置和鼓励学生提出问题也不容忽视。

结语

本文在“以学习者学习和发展为中心”的教学理念下，利用Logistic回归，对实施“对分+翻转”信息化教学模式的班级进行了教学效果评价和成因分析，以期为模式实施提供教学指导。文中采用的数据均由学生自身学习活动产生，并由教学平台汇总，充分体现了学习者学习行为的中心地位和信息技术手段的合理运用。避免了人为主观因素的干扰，输出结果更加客观。文中根据“对分+翻转”信息化教学模式的基本程序，分讲授、内化吸收和讨论等环节进行操作，获得结论如下：一是讲授环节需重视框架和重难点的介绍处理；二是内化吸收环节应关注测试成绩、观看MOOC 时长和在线解答问题等情况信息；三是讨论环节注重调整学生的态度和倡导学生主动解答问题。