数据驱动的SPOC 教学模式下学习质量评价体系构建

王树梅，杜 明

（江苏师范大学计算机科学与技术学院，江苏徐州 221116）

0 引言

随着信息技术的发展，教育改革不断持续深入。近年来，SPOC 教学模式被国内多个高校采用，教师和教务职能部门积极参与SPOC 课程建设工作，如江苏师范大学平均每年有近30 门课程立项，涉及多个学院专业课和基础课。

SPOC 教学模式与传统教学模式在教学内容设计、教学活动安排及教学评价等环节流程不同，两者区别较大［1］。在SPOC 教学模式中，一部分教学活动被安排在线上完成，而传统教学模式则将所有教学活动安排在课堂上完成［2］。SPOC 教学模式很大程度上促进了学生自主学习能力培养，体现了“以学生为中心”的主导思想，改变了传统教学模式中“一言堂”的弊端，大幅提高了教学效率和教学质量［3-5］。教学模式改变势必督促教学评价方式改变，仅凭或很大程度上根据期末考试成绩判断学生学习情况是一种不符合学生学习实际的评价方式，需整合学生课程学习整个过程中的表现和行为进行综合评价，才可客观反映学生学习情况［6-7］。

所以，建立完善的SPOC 教学模式下教学质量评价系统对提高教学质量和学生学习积极性具有较大意义［8］。文献［9］利用雷达图分析法对学习迁移能力评价进行可视化分析，阐述了SPOC 教学模式下对学习者学习迁移能力的评价模型；文献［10］以单片机应用技术课程为例，提出混合式教学模式评价体系构建的原则、维度和指标，构建了基于MOODLE 空间的SPOC 混合式教学评价系统；文献［11-12］针对评教对象基数大、评价大数据存储等问题，利用大数据对评教系统进行优化；文献［13］以远程教育机构在线教学过程为评价对象，采用演绎和归纳相结合的办法构建了数据驱动的在线教学过程评价指标体系；文献［14］提出多元化学习评价体系，通过多个评价主体和测试方式对学习效果进行评价，该评价方式的多维角度可有效体现学生学习效果，但无法充分体现对学生平时表现的考核。

现有研究对未来教育教学评价提供了理论基础。本文主要针对当前在SPOC 教学模式实践过程中遇到的问题，构建完善的数据驱动的教学质量评价系统，通过收集各教学环节的数据，对教学进行全方位合理性评价，促进SPOC 教学模式推进，深化教育改革。

1 SPOC 教学模式实践中的现有问题

（1）重结果轻过程。受疫情影响，2019-2020 学年下学期大部分课程采用“SPOC+直播”的方式教学，教学过程中，学生学习方式多样化。学生在学习平台上可完成老师布置的各类学习活动，或在讨论区积极参与问题讨论，还有学生热心帮助解答其他同学在学习过程中遇到的问题。而现有考核方式中成绩分配比例偏重于期末考试成绩。从调查问卷来看，有38.69% 的课程考核按照40% 的平时成绩+60% 的期末成绩计算课程最终成绩，只有15.33% 的课程综合采用线上学习平台参与成绩和期末成绩，如图1所示。

在这种成绩分配方式引导下，学生会错误地认为只需针对期末认真复习即可，轻视平日表现，甚至出现大面积作业抄袭的现象。课程成绩既体现学生掌握该课程知识理论的程度，又是对学生学习过程和方式的整体考核。这种重结果轻过程的做法对学生学习方法与学习积极性产生严重误导，不利于学生全面发展。

Fig.1 Composition of academic performance assessment图1 学习成绩评定组成

（2）重课堂轻线上。虽然大部分课程采用SPOC 教学模式，但实际教学依然“以教师为主，以学生为辅”的方式进行，67.62% 的教师把主要精力放在课堂上，忽略了线上教学设计和管理等环节；学生在课堂上以被动“听”为主，积极参与问题讨论的学生较少。而评价学生学习质量的标准也倾向于学生课堂表现，忽略了学生线上学习过程，这对于大部分学生来讲，尤其是课堂上不活跃的学生，平时成绩中课堂表现分会较低。但其在线上学习中投入大部分精力，这部分学习表现如果没有被考虑到平时成绩里，则评价不全面、不公平，不利于发挥学生学习积极性。

（3）重分数轻能力。大部分课程通过定量评价确定定性评价，主要根据分数评定学生成绩等级。对于计算机专业的学生来讲，有大于61% 课程有实践环节，如程序设计类课程编程能力、数据结构课程算法设计能力和解决实际问题的能力、软件工程课程项目开发能力等，这些是衡量学生学习质量的重要指标，但这些能力无法在期末考试的一张试卷上全部体现出来。理论知识掌握较牢而动手能力较弱的学生在现有评价体系中期末考试成绩较高，而实践能力强但没有进行大量记忆学习的学生往往考得较差，因此只凭考试分数定量、定性判断学生学习质量未免有失偏颇。

2 数据驱动的学生学习质量评价体系

SPOC 教学模式下学生学习质量评价体系包括3 部分：动态学习评价、静态学习评价和总体学习评价。学生在学习平台上所有碎片化学习行为均被后台记录，从学期开始到结束会积累大量学习数据，这些数据某种程度上代表学生学习过程中的表现。通过这些学习数据可观察学生学习状态，分析学生学习过程中遇到的问题，进而对学生作出客观的定量评价。教师根据定量性评价结果，对学生采取不同策略的学习指导，使之达成阶段性学习目标，以上是在线完成的动态学习评价内容。

静态学习评价内容包括提交作业、实验报告以及小组成果展示等。提交作业有两种形式，一是在学习平台上提交，二是以作业本形式提交。实验报告大部分以书面形式提交，学习平台上可提交程序源码；小组成果展示主要针对老师布置的问题、任务或者项目进行协作，最后以小组为单位对项目成果进行展示。

以数据结构课程为例，SPOC 教学模式下学生学习行为包括线上和线下学习，线上学习行为包括学习资源学习、视频资料观看、头脑风暴、各种学习任务的完成，还包括课上小组协作学习、讨论、参与学习表现、展示实验作业等以及课后作业、与同学之间的问题解答、与老师线上互动等。线上学习数据是评价学生自学能力的重要指标，这是贯穿学习始末的碎片化学习的体现。在该阶段，教师通过分析这些数据，督促数据排名靠后的学生，因材施教。同时，通过这些数据可以对每位学生学习情况和学习能力进行评价，评价结果是改进教学的重要依据。

线下学习行为包括课堂上问题讨论、问题答案组织、小组协作学习、总结知识和归纳、书面作业和实验报告等。这些学习行为的评价主要由教师和学生之间互评完成，教师可根据每组学生表现以分数形式给出成绩，学生小组互评主要是小组之间相互评价，本次课堂总成绩是50% 的教师评定成绩+50% 的学生小组互评成绩。这样每次课每位学生均会得到课堂成绩，这个成绩以一定比例计入平时成绩里。教师根据每次课堂成绩情况找出存在问题较多的学生，关注其学习行为，通过谈话或在课堂上增加提问和回答问题的次数，督促学习，提高学习质量。

总体学习评价来自3 方面：线上评价数据、各学习阶段测试成绩和线下学习评价数据，占比分别是3∶4∶3。学习阶段测试成绩包括章节测试、期中考试和期末考试，3 部分比例是2∶2∶6，各章节测试成绩求平均后按比例计入阶段测试总成绩。期末考试成绩占总体学习评价24%，期中成绩占8%，各章节测试成绩占8%，线上和线下学习评价数据各占30%。这种计算方式加大了学生在整个学习过程中的学习数据比例，可更真实反映学生学习状态和学习效果。

3 案例数据分析

以2019-2020 学年第二学期19Z 计科班算法与数据结构课程学习情况为例，利用本文评价体系对学生学习质量进行评价。该班学习平台有CSTLAB（教学一体化平台）和云班课，CSTLAB 中学习活动有实验作业布置、实验代码上传、章节测试、期中考试和期末测试，云班课学习活动主要有视频资源学习（10%）、非视频资源学习（10%）、签到（5%）、测试（30%）、讨论（10%）、头脑风暴（10%）、课堂表现（10%）、老师点赞加分（10%）和小组作业任务（5%）。以本班学生S1、S2、S3、S4、S5 为例对其进行学习质量评价（见图2）。

Fig.2 Evaluation system of students'learning quality based on data-driven SPOC teaching mode图2 数据驱动的SPOC 教学模式下学生学习质量评价体系

表1 是按照传统学习质量评价方式（简称方式1）计算的结果，这种计算方式由3 部分构成：平时成绩（20%）、期中成绩（20%）和期末成绩（60%），平时成绩包括静态学习数据和动态学习数据。表2 是按照数据驱动的学习质量评价方式（简称方式2）计算的结果，分为三大块：动态学习数据（30%）、静态学习数据（30%）和阶段考试成绩（40%），阶段考试成绩又包括章节考试成绩、期中考试成绩和期末考试成绩。对于19Z 计科班5 位学生，采用传统方式计算结果比数据驱动的方式计算的结果平均低5.6 分，但有的学生差值较大，比如S1 学生，差值为9.03；有的学生差值较小，比如S4 学生，差值为2.38。通过本文计算方式得到结果看出，S1 学生虽然期末考试成绩较差，但是平时表现较好，最终成绩为68.03；S4 学生的学习过程中的成绩相比S1 学生，与期末考试成绩均差较小，因此两种计算方式的结果差值也较小。

Table 1 Calculation results of the traditional learning quality evaluation method表1 传统学习质量评价方式计算结果

Table 2 Calculation results of data-driven learning quality evaluation method表2 数据驱动的学习质量评价方式计算结果

针对两种方式计算的数据进行综合分析，如表3 所示。从分析结果来看，利用方式1 计算的成绩平均分数是73.42，利用方式2 计算的平均分数是79.13，相差5.71，这说明加大平时成绩的比例对学生最终成绩的影响较大。从另一个角度去看，在计算方式2 中占比最大的不仅是期末成绩一项成绩，而是包括章节测试成绩和期中考试成绩，这三部分平均值才能占到最终成绩的40%，一定意义上加大了学生学习过程中取得成绩的比例。该计算方式更合理地评价了学生学习质量，摒弃了传统评价方式和成绩计算方式存在的问题，有利于学生全面发展。

Table 3 Data comparison between the two methods表3 两种方式数据比较

4 结语

合理的学习质量评价有助于激发学生学习积极性，有利于教师开展和实施各类教学活动。在不同的教学模式中学习质量评价方式有所不同，评价方式应根据教学模式的不同发生改变。不管采用何种教学模式，评价学生学习质量标准需具有客观性、全面性和公平性。本文针对当前SPOC 教学模式下学习质量评价中的问题，提出基于数据驱动的学习质量评价方式。该方式可将学生整个学习过程的数据作为计算学生成绩的评价标准，并且按照比例计入最终成绩，可较真实反映学生学习质量。