基于云的高校教学改革的实践研究

●邱 实罗元盛

一、引言

云计算指的是无论用户在哪里，都可以在任何地方共享计算资源的技术。基于云计算的教学平台对学生、教师和管理者都有帮助。云计算可以让学生在任何有网络连接的地方都能完成作业，获得学习资料。教师可以即时上传学习资料，了解学生学习进度。管理者可以轻松地为教师和学生提供协作，并评估教学过程。基于云平台的教学方式，可以将教师和学生聚集在一个统一的平台上。大规模开放在线课程的出现为基于云的教学提供了便利，比如中国大学MOOC、超星慕课和腾讯慕课等。同时，基于云的学习平台可以对学生的学习过程进行记录、追踪和量化，有助于教师对学生学习效果的考核，也有助于对教师教学效果的评价。在高校教学的过程中，已越来越重视在线教学云平台的建设。

以往的在线云平台的教学方式只是作为课堂教学的辅助手段，以实现课后学习的指导和交流，加强教师和学生的联系。今年受疫情影响，很多高校完全采用在线云平台进行教学，即全在线教学云平台。如何评价全在线教学云平台的教学效果和学生学习效率是一个新的挑战。数据包络分析（DEA）已经广泛应用于对在线教学平台的学习效果进行评价。所以，本文主要运用DEA方法对全在线教学云平台中的教学效果和学生的学习效率进行评价，为采用基于云的教学提供可量化的实践经验及改革指导依据。

二、基于云的在线教学的数据包络分析

数据包络分析（Data Envelopment Analysis）最早由Charnes于1978年提出来，被广泛用于评价多投入和多产出的决策单元的相对有效性。DEA方法已经成为评价高等教育绩效的最有效的方法之一，可以有效评价高等教育的相对有效性，并确定哪些投入和产出要素有利于教育绩效的最优化①。

国内已经有相关的文献运用DEA方法研究在线教育的教学效率。鲍平平②运用数据包络分析（DEA）的C2R模型分析了网络自主学习的效率，构建的输入指标为网络学习兴趣和答疑交互时间等，输出指标为计算机操作技能、合作参与能力等，并通过与参照学习者进行对比，提出了个性化的学习策略。卢紫荆等③以英国开放大学的STEM课程为研究对象，构建了论坛、主页等投入指标，平时成绩和考试成绩等产出指标的DEA模型，研究发现学生的学习综合效率偏低，提出改进学习方法和技巧可以提升学习效率。国外的研究主要运用DEA方法评价不同高等教育机构或者同一个教育机构不同部门的教育效率，还没有以学生或教师为决策单元，研究其学习效率或教学效率的相关文献①④。Fuentes R①通过问卷调查获得高等教育评价的输入指标教师满意度、教学材料质量、教学材料的多样性等，输出指标学生对课程的满意度和学生考证情况等，并运用DEA产出导向模型CCR评价了24个研究结构的高等教育效率，计算了投入和产出指标对教育效率的贡献。

本文运用DEA模型的产出导向型的CCR和BBC模型对全在线云教学平台的教学效果进行评价。以往的在线教学仅仅作为传统教学的辅助手段，或者作为职业培训的途径。全在线教学比以往的在线辅助教学在师生重视程度、学校监管、资源投入方面有很大不同。本文首次采用DEA方法对高校全在线云教学进行分析。

三、实证研究

本文运用DEAP2.1软件，选择DEA产出导向模型的技术效率、纯技术效率和规模效率分析学生学习效率和教师的教学效果。技术效率等于纯技术效率乘以规模效率。其中，纯技术效率是指学生学习方法、技巧和对时间的规划，规模效率指学生学习的努力程度。

（一）样本选择和数据来源

受新冠肺炎疫情的影响，本校2020年3月至2020年7月的课程全部采用在线云平台中国大学MOOC、超星慕课等平台进行。本文选择在中国大学MOOC上参与审计学课程学习的136名大三学生为研究对象。学生通过异步SPOC课程进行学习，并通过慕课堂参与在线课堂活动。所以，本文从中国大学MOOC的SPOC课程中获得学生在线学习视频的数据，从慕课堂中获得在线参与课堂活动的数据。为了获得学生学习效果的数据，本文设计了问卷调查，获得了学生学习信心、学习兴趣和学习满意度的数据。

（二）DEA模型的指标选择

本文DEA模型选择的输入指标包括视频观看次数、视频观看时长、出勤率、课堂练习和课堂讨论五个。其中，出勤率、课堂练习和课堂讨论分别根据20×(出勤次数/总次数)，20×(练习答对数/练习总数)以及30×(参与讨论数/讨论总数)计算；输出指标包括学习信心、学习兴趣和学习满意度三个，采用李克特量表(Likert scale)进行量化处理。学习信心和学习兴趣两个取值，有信心或有兴趣取值为4，否则取1；学习满意度分为十分满意、满意、一般和不满意四个维度，分别取值为4、3、2、1。最终，DEA模型的样本数136大于变量的3倍（8*3=24），符合DEA方法使用的前提条件。

（三）研究结果

本文运用DEA模型计算的技术效率为1，表示学生学习效率是有效的，小于1为学习效率是相对无效的。如图1所示。学生的技术效率为1的人数最多，为68人，占比50%；其次是技术效率为0.8和0.7的学生人数较多；技术效率的平均值为0.87，说明所有学生的学习效率有待增强。在DEA非有效的68人中，纯技术效率为1的学生占比63%，规模效率为1的占比13%。所以，本文重点分析学生的规模效率。

图1学生的学习效率 �

在规模效率方面，如图2所示，规模报酬不变的占比57%，规模报酬递增的占比3%，规模报酬递减的占比40%。大部分同学存在规模报酬递减的情况，这说明学生增加学习努力程度，综合学习效率反而会降低。所以，我们应该进一步研究学生在线学习投入方面的问题。

图2学生学习的规模报酬

图3非DEA有效的学生学习投入冗余的分析

所以，本文进一步对DEA非有效的68个学生的学习投入冗余进行分析，具体分析结果见图3。如图3所示，投入指标中视频观看时长和课堂练习的投入时间比较合理，视频观看次数、出勤和课堂讨论的投入时间存在冗余（冗余占比大于50%）。这说明学生的视频观看次数足够多，课堂出勤率高，参与课堂讨论的积极性高，但是没有达到很好的学习效果。所以，全在线教学云平台的教学考核过程中，应该重视在线学习投入冗余的问题，对在线学习效率的考核指标进行相应的调整，保证学生的学习质量，以提高学生的学习兴趣、信心和满意度。

四、结论

本文通过DEA模型研究了高校教师采用全在线教学云平台的教学效果，结果发现学生整体的学习效率一般，主要原因是学生的规模效率较低，存在大量规模报酬递减的现象。同时，学生在线学习投入存在冗余的问题，在学习投入充分的情况下没有发挥出理想的学习效果。所以，在进行教学绩效评价时，对视频观次数、出勤率和课堂讨论等定量考核指标应该弱化，重视对课堂质量的考核，比如课堂练习中题目的答对率，课堂讨论中发言的独立思考性，以提高全在线教学云平台的教学效率和学生的学习兴趣。