基于深度学习的混合教学评价体系研究

黄寿孟，马莲姑

（1.三亚学院 信息与智能工程学院，海南 三亚 572022；2.琼台师范学院 信息科学技术学院，海南 海口 572000）

2019年2月，我国颁布了《中国教育现代化2035》，新型的混合教学模式受到了越来越多的广泛关注，培养个性化学习者成为了推动教育变革的重要任务[1]。“互联网+”的数字化教育移动设备，可让学习者随时随地随心进行碎片化学习，从而出现深度学习的混合教学新模式[2]。基于以上背景，本研究认为，深度学习的混合教学数量未来将会显著增加，研究深度学习的混合教学评价体系是未来教育的需求。

一、文献分析

研究从中国知网（CNKI）检索“混合教学”的相关研究论文4827篇（检索时间为2021年8月27日），说明混合教学是研究热点，但是从文献检索结果中分析关于混合式教学评价的研究结果较少，特别是基于深度学习方面的混合教学研究更少。研究对现有的研究成果进行梳理，发现主要有以下几种。雷军程（2015）通过MOOC学习平台的过程文档记录，详细分析学生的学习动态，提出提高学习效果的目标评价[3]。李艳娥（2015）提出混合教学的质量评价机制包括素质与态度、内容与设计、组织与方法、教学效果4方面[4]。谢茂森等（2015）提出混合教学模式学习效果评价是对学生空间学习过程进行评价，包括4个因子：学习效果、学习过程、态度与感受、互动与交流[5]。杜世纯（2017）构建了混合学习评价指标体系，包括学习态度、合作交流、实践能力、学习成绩4项一级指标以及相关14项二级指标[6]。王子贤（2018）提出对混合教学模式的教学质量评估应综合考虑面授与线上自主学习、过程评价与结果评价，建立混合教学的教学质量评价体系[7]。

从这些文献表述可以看出混合教学具有三个基本属性：学习属性、交互属性和环境属性。第一，学习属性。混合教学的最终目的是有效传递知识、技能等信息，帮助促进学习者的学习。在学习方式上，可采用多种学习形式，比如个人自主学习、与他人探索学习、小组集中学习、师生互动学习，也可支持传统正式学习和非正式学习方式，或者线上线下的学习方式。第二，交互属性。混合教学平台的学习资料是共享的，人人可互动、提问、咨询或发表个人观点、学习心得等。第三，环境属性。环境属性强调混合教学平台对教学过程行为的监管功能。因此把评价体系确定为“深度学习、教学过程、有效交互、教学环境”四个层面，如图1所示。

二、研究方法

研究通过文献查阅、整理，归纳出国内外有关混合教学评价的相关研究，分析基于深度学习的混合教学评价体系的维度，并根据维度初步拟定评价的指标，邀请相关教育专家对这些评价指标进行筛选、修改，同时将指标体系编制成调查问卷，对采取混合教学方法的师生进行问卷调查，最终通过教育专家的审核，确定此项研究的评价指标集。通过采用系统性的分析方法——层次分析法（又称AHP），建立评价指标层次结构、构造判断对比矩阵、计算指标权重并做一致性检验，确定研究的评价指标的权重[8]。

三、评价指标体系

本研究从混合教学的深度学习角度出发，借鉴相关文献资料，对混合教学评价四个维度逐条分析与细化，以初步拟定混合教学评价指标项[9]。

（一）构建评价指标项

深度学习指学习者的认知程度不再停留在记忆、理解的阶段，而是相对较为高级的应用、分析、评价、创造的水平阶段，也就是平时所说的“学习，学习，再学习”的深层学习，它是“一种让学习者环绕着具有挑战性的学习主题，全身心积极参加、感受成功、得到发展的有意义的学习过程”。因此，主要从学习者的学习情感体验程度、学习者对知识建构能力、学习者思维训练能力三个方面体现深度学习。教学过程指线上线下混合教学前的资源材料准备过程、教学中监控过程、教学后跟踪过程，包括教师的课前准备、课堂教学、课后指导的行为和学生的课前预习、课堂内化和课后固化的行为。有效交互指混合教学中师生参与度、师生交流讨论以及生生之间协作探索等方面所体现的互动环节。教学环境包括混合教学中的学习环境（学习平台、学习资源）以及教师教学中的情境设计等层面。

（二）评价指标的具体设计

1.深度学习层面的评价指标

混合教学不是让学生记忆、理解知识的过程，而是要将知识深度融合，实现情感体验、知识建构、思维训练的过程。因此研究将深度学习层面从情感体验、知识建构、思维训练3个维度向量进行具体划分，共分为13个评价指标，如表1所示。

表1 深度学习层面的评价指标

2.教学过程层面的评价指标

混合教学过程包括线上线下教学的全过程，即教师课前准备、课中施教、课后指导以及学生课前预习、课中内化、课后固化等过程。因此研究将教学过程层面划分为准备过程、监控过程、跟踪过程3个维度向量，共12个评价指标项，如表2所示。

表2 教学过程层面的评价指标

3.有效交互层面的评价指标

知识是靠交流传播的，教学互动环节是知识传播的主要环节，通过交流、讨论、协作等方式传授知识是现代教育最受欢迎的方式之一，混合教学正是采用各种线上线下交互环节传播知识。因此有效交互层面划分为参与度、讨论、协作3个维度向量，共10个评价指标项，如表3所示。

表3 有效交互层面的评价指标

4.教学环境层面的评价指标

混合教学的教学环境比传统教学的要求更丰富、更广泛，这需要教师提前准备各种教学资料，包括学习视频、分组要求、小组作业等，学生可利用碎片化时间进行网上学习，以完成各种对应的学习任务。因此混合教学的教学环境层面可划分为学习平台、学习资料、情境设计3个维度向量，共11个评价指标项，如表4所示。

（三）评价指标权重

1.筛选指标

在分析相关文献和专家咨询的基础上设计初选指标调查问卷，问卷中每一项指标分5个等级，从非常重要至不重要依次计分5、4、3、2、1共5个选项，选项涵盖深度学习、教学过程、有效交互、教学环境4个层面的各种指标。研究随机发放问卷120份，其中学生100份，教师20份。问卷回收118份，有效问卷113份，有效率达到94%。依据调查问卷分析数据，得分值越高说明该指标项越重要合理，即公式S=M/N计算重要程度（其中S是重要率，M表示得分之和，N表示最高分值（5*113=565），若S≥0.6，那该指标入选，入选指标项分别见表1至表4。

表4 教学环境层面的评价指标

2.确定指标权重

研究采用层次分析法，简称AHP法；它是一种定性分析和定量分析相结合，计算简便且所得结果简单明确的系统性、层次性方法。

（1）建立层次指标结构

按照层次分析法原则将评价体系分为结构层、维度层、指标层3级层次，其中结构层如图1所示，并将其又划分3个维度层；维度层下面再细化46个具体指标项（如表1～表4所示）。

（2）判断矩阵量化值

按照层次分析法的指标项两两相互比较，结合问卷调查获得重要程度值，利用AHP的比例标度法得出重要量化值，如表5所示。

表5 判断矩阵标度量化值

（3）具体的判断矩阵

结构层的判断矩阵：结构层有深度学习、教学过程、有效交互和教学环境4个层面因素构成，依据这4个因素的重要程度建立判断矩阵，如矩阵1所示。

维度层的判断矩阵：深度学习层面由情感体验、知识建构以及思维训练3个维度向量构成，其判断矩阵如矩阵2所示。

指标层的判断矩阵：评价情感体验指标A1共有4项，评价知识建构指标A2共有4项，评价思维训练指标A3共有5项，它们的下一层指标的判断矩阵如下所示。

①情感体验指标A1的下一层评价指标的判断矩阵为：

（4）判断矩阵一致性检验

考虑到判断矩阵对比指标值会因人工比较出现相互矛盾的情况，可能造成不一致性的偏离，因此需要检验判断矩阵是否具有满意的一致性。AHP层次分析法引入随机一致性比率CR，当CR≤0.1时，判断矩阵符合一致性；引入矩阵偏离一致性CI来检验被调查者判断的一致性，CI=（λmax-n）/(n-1），CR=CI/RI，其中λmax 为矩阵的最大特征值，其值在本研究中用矩阵归一和法求解，RI为指标平均随机一致性值，其值可从对应的数据表查取。根据AHP方法计算CI、RI和CR结果（如表6），CR＜0.1，则通过一致性的检验。

表6 一致性检验参数值

（5）层次单排序结果

单排序结果是指本层指标在所属对应的上层指标的重要程度（即相对重要性），也就是计算判断矩阵在本层相对于上一层所有相关指标的权重值。它计算方法是：将判断矩阵中的每一项除以该项所在列的总和，得数按该项所对应位置形成新的矩阵Q（称为矩阵归一化），接着计算矩阵Q每一行中所有数总和除以矩阵Q所有数总和（即行的平均值），就是该指标因素所对应的权重值，称为矩阵归一化特征向量（用符号W表示）。

判断矩阵1，其归一化特征向量W的计算结果为：W=（0.2690，0.3327，0.2392，0.1591）T；

判断矩阵2，其归一化特征向量W的计算结果为：W=（0.1637，0.2973，0.5390）T；

判断矩阵3，其归一化特征向量W的计算结果为：W=（0.4394，0.0963，0.2055，0.2589）T；

判断矩阵4，其归一化特征向量W的计算结果为：W=（0.3472，0.1806，0.2361，0.2361）T；

判断矩阵5，其归一化特征向量W的计算结果为：W=（0.1832，0.1634，0.2621，0.2313，0.2621）T。

（6）总排序结果及指标权重

层次总排序是指所有因素相对于总目标重要性的分值，也就是计算每一层上的某个指标所占的权重值，总排序W=Wij*Wi，具体结果如表7所示。

从表7中可得到指标层46个指标的权重向量W=（0.0193， 0.0042， 0.0090， 0.0114， 0.0278，0.0144，0.0189，0.0189，0.0119，0.0235，0.0380，0.0335，0.0380，0.0984，0.0299，0.0543，0.0271，0.0119，0.0310，0.0113，0.0100，0.0246，0.0167，0.0087，0.0087，0.0517，0.0212，0.0233，0.0233，0.0187，0.0118，0.0293，0.0120，0.0239，0.0239，0.0121，0.0037，0.0067，0.0137，0.0450，0.0248，0.0090，0.0133，0.0133，0.0117，0.0058）T 。

表7 （续）

表7 层次总排序结果及指标权重值

（7）评价指标体系的特点

构建混合教学评价指标体系对师生开展教学活动具有指导作用，其特点有以下几种。

①在结构层，注重教学过程表明混合教学的评价指标更注重教师传播知识的方段方法。

②在“思维训练”指标权重值为0.5390，表明混合教学让学生学会利用现有知识分析解决问题、灵活应用知识的能力。

③在“教学过程”维度中“准备过程”指标权重系数为0.5485，表明混合教学注重课前的准备任务，更加强化教师备课的过程，体现了“成功来源于充分的准备”，也说明现代教育技术对新时代教师提出更高的业务能力要求。

④在“有效交互”维度中“参与度”指标权重值为0.500，表明现代教育过程就是师生共同参与讨论、交流、相互学习的过程，体现教学活动互动环节的重要性。

⑤在“教学环境”维度中“学习资源”指标权重值为0.5247，表明混合教学是学生充分利用学习资源的过程，同时体现教师提供学习资源对知识传播的重要性。

对混合教学构建一套有效可行的评价指标体系是非常有意义的。就学生而言，混合教学可提高学习积极性、培养自主学习能力、协作探索能力、发散思维能力等；就教师而言，混合教学可提升教师充分利用教育技术的教学业务能力。希望研究构建的基于深度学习的混合教学评价指标体系能有效发挥其教育监管功能，实现深度学习的目标。