“赋能教育”的混合教学模式设计与实践
——以数据结构与算法课程为例

2020-07-10 05:52王曙燕郑佳妮王春梅

计算机教育 2020年4期

王曙燕，郑佳妮，王燕，王春梅

（西安邮电大学计算机学院，陕西西安 710121）

0 引言

在传统的教学模式中，教师以“讲”为主，学生以“听”为主，这种教学方式导致了学生只能被动接受，由于教师在课堂讲学的时间有限且不可重复，所以学生在课后对课程复习时无法全面回忆，在课程前期的预习过程中也只能依靠课本内容进行有限的学习，而无法把握整节课的重点内容和整体架构。

2017 年，国务院印发《新一代人工智能发展规划》，着重提出人工智能对于教育发展的重要性[1]，以人工智能赋能计算机教育是新的趋势。人工智能自发展以来所涉及的领域与教学系统息息相关，如知识工程、机器学习、模式识别、专家系统等[2]，而智能教学系统可以辅助教师管理教学过程，有力地更新教师教育技术能力。通过互联网进行线上教学的方式使得学生可以在课前、课后对相关课程进行系统的预习和温习，提高学习效率，在此前提下以学生为中心的大型开放式网络课程应运而生。MOOC（Massive Open Online Courses，大型开放式网络课程）颠覆了传统课堂以“教”为中心的教学方式，打破了学生自主学习的壁垒，为实现教育公平奠定了基础[3-4]，但就针对具体课程而言，MOOC 平台上的选课人数较多，学生构成复杂，使得教师难以因材施教，并对学生提供个性化的教学辅导。为解决这些问题，SPOC（Small Private Online Course，小规模专有在线课程）教学模式随之诞生[3]。SPOC 教学模式以小规模的特定人群为基础，可以针对不同学校、不同课程、不同学生定制个性化的学习课程，从而提高教师的教学效率和学生的学习效率[3，5]。

1 “赋能教育”与数据结构算法教学

“技术赋能教育”的观点源自2010 年美国联邦教育部教育技术办公室颁布的《国家教育技术规划》（National Educational Technology Plan，NETP），其愿景旨在强调以学习者为中心，技术为学习者提供支持[6]。线上学习平台以及教育APP 都是“技术赋能教育”的典型应用，通过分析挖掘学生在学习过程中产生的数据，帮助教师更好地为学生制定个性化的学习方案。计算思维是运用计算机科学的基础概念进行问题求解、系统设计，以及人类行为理解的涵盖计算机科学之广度的一系列思维活动[7]。计算机教学应该加强“计算思维能力的培养”，在教学模式的设计中，应该使学习者可以充分利用学习资源环境帮助自己认识和理解问题，通过与老师和同学的交流，传递想法，促进思维模式的培养。不断建构自己的知识场景和体系，通过实验验证反思学习过程，更进一步应用和提升计算机基础理论。从计算机专业教学的知识体系来看，数据结构与算法教学目标是能够针对实际问题场景，选择、扩展甚至设计全新的数据结构以及相应的存储结构，并编码加以实现。

因此，赋能教育的理念结合混合教学模式的设计应运而生，混合教学模式可以立体地提供网络资源、编程实践环境。教师辅助制定教学策略以帮助学生主体自主学习，交流与协作，在该过程中，教师需要接触和学习现代化教学工具，并且研究教学理论，探究现代化教学方式，实现学生学习赋能、教师教学赋能的同步提升。布鲁姆认知理论是由以本杰明· 布鲁姆为代表的美国心理学家于20 世纪50 年代提出的，其中认知领域的目标更加细化，大体可以分为知识、理解、应用、分析、创造和评估。具体阐释详见文献[8—9]。布鲁姆认知理论提供了认知行为的顺序，可以辅助教学设计。将布鲁姆认知理论应用于赋能教育的混合式教学过程4 个环节，其流程设计如图1 所示，其中箭头部分是布鲁姆理论中认知顺序流，在线上与线下的混合式教学过程中，教学工具、技术提供学习支持，实现技术赋能，学生的自学过程以及相互交流讨论则逐渐加深自学能力，而教师的辅助教学，通过课后评价反馈并修正教学计划则动态赋能授课能力。

2 “赋能教育”的混合教学实践

图1 “赋能教育”的混合式教学模式设计流程

数据结构与算法计算机科学技术等电子信息类专业的核心主干基础课程，同时本课程也是考研科目及各企业入职笔试课。课程以问题求解为导向，培养和提高学生理论、抽象、设计的能力，从逻辑、存储、运算的角度培养了学生独立地实现常用基本数据结构。因此应结合课程的特殊性，重在基础知识的掌握和创新创造能力的培养。在数据结构与算法课程教学中采用“MOOC+SPOC+翻转课堂”的混合教学模式，网络教学资源分为线上和线下，线上教学采用“中国大学MOOC”平台的自建课程，2017 年9 月在爱课程开展第1期SPOC 教学；2018 年3 月在爱课程开展第1 期MOOC 教学；2019 年已完成5轮MOOC教学，第6 期已开课，选课达5.3 万人。2018 年9 月同步在超星尔雅上线。线下教学交流采用“学习通”学习平台，可以对于教学过程进行有效的管理，完整记录和保存学生课前预习，课中讲解幻灯片、提交作业、回答问题、讨论答疑等教学数据。线上资源覆盖教育部计算机核心课程《数据结构与算法》教学大纲要求，配备教学视频、在线练习、单元作业、测试、论坛等完整教学环节的在线课程体系，注重学生计算思维和解决复杂工程问题能力的培养，构建了“强化基础—突出实践—重在素质—提升能力”的培养模式。

本课程共设置80 学时，其中面授课36 学时，实验课24 学时，翻转课20 学时，分别对2016—2017、2017—2018、2018—2019 学年计算机科学与技术、软件工程专业的学生进行课程实践，根据前述布鲁姆认知理论对于教学过程的指导，“MOOC+SPOC+翻转课堂”教学模式的具体实施步骤如下。

1）课程先导部分。

按班级5 人（随机）一组，将学生分为若干组。教师提前下发任务单，学生根据任务单信息对课程内容进行预习，形成初步对于问题的认知，并将预习笔记提交到“学习通”平台，任务单主要包括教学目标、重点难点以及教学活动安排。随后，学生在中国大学MOOC 平台上自主学习数据结构与算法课程，该课程由本团队老师录制，通过动态有趣的讲解方式，如三维动画演示可以将一些抽象难懂的数据结构，以更加直接、生动形象的方式展现，让学生在课前就可以储备解决问题的基本知识。并根据各自的自主学习情况在MOOC 平台讨论区对疑问和难点进行交流、讨论，逐步勾勒出问题解决的框架。

2）教学活动组织（面对面教学）。

教师随机抽取小组中的学生作为讲解人，学生根据线上自主学习情况对课程内容面向其他学生进行重难点详尽的讲解，同时也可将自己感兴趣的拓展知识，或者依然存在的疑问进行呈现，在随机抽取的所有讲解人完成讲解后，由不同小组之间进行互评打分，并对存在的问题进行讨论，提高了学生的课堂参与度，对于学习的流程进度可以构建自己的规划路径，教师对学生在交流讨论过程中存在的疑问也会进行详细解答，提出新问题的解决思路。

3）教学活动组织（网络平台交流）。

学生通过“学习通”平台在课程群组内对于课上存在疑问和难题进行讨论，加深和完善之前对于知识点的掌握，教师在“学习通”平台课程群组发布单元测试题目，学生在完成测验后进行提交，进行知识小节的巩固加深。教师在课堂、实验课临时发布的问题或实验题目，学生在线下平台可以进行实时提交。教师在“学习通”群组中对学生在课后作业及实验中存在的疑问进行解答。

4）学习支持以及课程评价。

在“技术赋能教育”的应用实践中，“学习通”也提供拍照签到、上课打卡等功能，对于教师管理学生的学习过程更加智能精准，位置、身份、时间与活动是移动学习情境的4 个关键要素。可以使学习过程达到“自由却不散漫，学习更有成长”的教学目标。课后和期末考试后，教师可以根据线上线下数据记录以及学生的动态表现衡量得分，这种教学模式评价方式比单一根据期末成绩为指标的方式更具说服力。

3 实施效果分析

数据结构与算法课程采用“MOOC+SPOC+翻转课堂”的混合教学模式后，极大地提高了学生自主学习、思考和解决问题的能力。计科试点班与非试点班的学生成绩相比平均提升5.92 分，及格率提升8.56%，优良率提升4.76%。根据期末成绩和学生讨论反馈来综合评价混合教学模式的实施效果。学生的成绩主要集中在80～89 和70～79 之间，计算机科学与技术专业在2016—2017、2017—2018、2018—2019 学年学生成绩在70 分以上的占比分别为60%、63.71%、72.5%，呈逐年递增的趋势。软件工程专业三学年学生成绩在70～79 之间和90 分以上的占比逐年增长。根据中国大学MOOC 平台数据，本课程完成5轮MOOC 教学，第三期和第五期的课程加入人数、成绩合格人数、优秀成绩都呈大幅度递增趋势，在2019 年6 月10 日开设的第6 期课程中选课人数迅速递增，不仅本校学生积极加入，选课学生还有来自哈尔滨工业大学、电子科技大学、浙江大学等180 多所高校。

随着混合教学模式的探索和改进，不仅课程主讲老师提供了高质量的教学服务，学生也更接受甚至喜爱这种教学方式，学生的自学能力逐步加强。学生们评价:“混合教学模式为数据结构这门无比重要又极为难学的课程搭了一个很好的平台。我们在课堂上有疑问时不光可以向老师提问寻求解答，还可以在SPOC 平台上寻找老师拍摄的视频讲解详细观看，在温故已学知识的同时还将老师的思路重新复习了一遍，对于我们的自学十分有帮助。”“暑期课程的开设，对我考研有很大帮助”“作为工作5 年的程序猿，学好数据结构与算法绝对让你脱离底层码农”，表达了学习者对本课程的真实感受。总体来说，该模式能有效解决面对面学习中存在的一些弊端，充分体现以学生为主体地位以及以教师为主导的新型教学模式，这也是以后高校教育教学改革中需要大力发展的方向。

4 结语