混合教学模式下高职学生在线课程学习行为有效性研究

佘春燕

(新疆应用职业技术学院,新疆 奎屯 833200)

0 引言

学习分析技术是一种在海量数据中对潜在或隐含的有价值信息加以提取的重要工具,可帮助教师更深入、全面地了解学生学习过程,结合学习行为特征及有效性,辅助制定相关教学以及学习策略。

1 研究设计

1.1 数据来源

此次研究在混合教学模式下应用学习分析技术,选取某高职院校3个班级150名学生作为研究对象,利用智慧职教系统网络教学平台筛选平台内学生学习数据,制定学习分析指标,之后以学习分析法,并用探索性数据分析以及机器学习法获得学生行为特征。

1.2 研究目标

此次研究设计5个目标:(1)了解高职学生课前在线预习情况与课后复习情况;(2)了解高职学生在线课程学习投入度与活跃度;(3)了解学生在线观看视频情况;(4)了解高职学生的在线讨论情况;(5)反映出学生在线学习特征及效果。

1.3 研究方法

利用智慧职教系统管理统计功能筛选并确定高职学生在线课程学习行为分析指标,并通过探索性数据分析以及机器学习法获得学生行为特征,同步获得最佳学习效果的政策方案选择决策和排序策略[1]。此次研究中所用数据属于结构化数据,包含对观察值及属性加以表示的特定列、行。各数据集均含有一个以唯一标识符相连接的数据库表,而本文主要以聚类以及降维模式对数据模式进行表示[2]。文章以Jupyter Notebook开展实验研究,其属于交互式笔记本,可支持运行的编程语言多达40多种,其在应用中可发挥机器学习、数据转换、数据清理、数值模拟以及统计建模等功能[3]。

2 结果分析

2.1 学习任务完成行为

此次研究中涉及线上课程学习任务共211个,包含185个课程固定任务点和26个拓展任务点,学生结合自身学习能力与需求自行选择。据统计,所有参与研究的学生均完成了185个课程固定任务点,且学生任务完成数量最高是211个,最低是190个。同时,根据课堂教学情况,课程固定任务点均由教师在课前事先布置,主要目的是引导学生在课前进行预习或课后复习。根据任务点完成情况,可发现学生预习任务全部完成,而课程固定任务点具体完成效果主要通过随堂测试完成检验,随堂测试题目结合教学知识重难点以及难易程度布置数量不等的题目,以对学生预习情况进行检验。通过检验,可以使教师掌握学生学习情况与知识理解情况,进而了解学生预习效果以及认真程度。

2.2 课程访问行为

此次研究对学生有效课程访问次数进行统计期间,观察学生登录至学习页面进行有效学习的次数,包括课程浏览、下载学习资料、视频观看、参加考试讨论、上传作业等。经统计,学生日均访问次数是82次,单日访问次数最高449次,最低7次。根据学生访问次数波动过程,可发现学生课程访问有4个峰值,分别对应在开学一个月、第1次中期考核周、第2次阶段性考核和期末考核阶段。其中,前3个阶段线上学习时间主要集中在21∶00-24∶00,而第4个阶段学习时间主要集中在10∶00-14∶00,其次是21∶00-24∶00。通过分析4个阶段不同的学习访问时间段,可以发现教师的任务点布置时间及要求和学生线上学习习惯有关。为了获得更高成绩,学生会保持良好的学习习惯,并且学习动力也会维持一定时间,教师可重点在此阶段对学生线上学习提出规范与要求。另外,学生大部分线上学习时间为21∶00-24∶00,这主要和学生的学习习惯、惰性以及白天上课等原因有关,教师可结合学生这一学习时间安排特点布置相关任务。

2.3 视频观看行为

这次研究中,教师结合课程教学要求共在平台中上传视频资源186个,时长一共375 min,其中有30个拓展内容,时长一共12 min。经统计,发现学生在研究过程中视频观看时长平均399.326 min,其中时间最长的是511.3 min,最短的是279.6 min。经分析,学生观看视频时长最低的观看完成率是74.56%,而时长最高的观看完成率是136.36%,平均观看完成率是106.49%,超出基本值,代表学生在视频学习中既有积极的,也有消极的,不过学生大部分保持积极学习状态。针对观看时间较短的学生,教师可适时采取一定提醒或干预措施。

2.4 参与讨论行为

在针对学生的参与讨论行为进行分析期间,主要结合学生讨论参与行为进行打分,包含参与讨论数和回复讨论数。其中,回复讨论数最小值是12,最大值是207,而发表讨论数最小值是0,最大值是10。代表在线上讨论环节,学生大多属于被动型参与,会针对具体问题做出回答,但主动发表讨论观点或提出讨论问题的情况比较少,学生主动参与性稍差。在线上互动教学期间,教师要积极将问题上传至讨论环节,引发学生思考及探究。

3 结论和建议

3.1 结论

(1)该高职院校参与研究的学生其课前预习任务和课后复习任务都100%完成,证明通过学习分析有助于教师及时、准确、有效地实施学习干预措施,促使学生不断提升学习热情,增强学习行为有效性。(2)学生在线学习期间,有效访问次数不断增加,证明学生保持着较高的线上学习投入度及活跃度,不过较低的持续性体现出学生会有懒惰期。(3)学生在视频观看方面保持着较高完成度,这体现出学生对视频教学内容有较高学习兴趣。(4)在线上讨论环节,学生参与大多体现出被动型,并针对某一问题做出回答,参与主动性有所不足。

3.2 建议

(1)在混合教学模式建立下,教师需要积极通过学习分析技术,多维度、动态性的展开教学反馈,通过教学反馈促使学生在线学习更加积极与持续[4]。同时,要注意让学生明白自身所有学习都受到教师指引及关注,进而使其在线学习行为具有更高自主性和有效性。(2)在混合教学过程中,教师要动态了解学生学习期间的行为变化、知识掌握情况、学习习惯与进步情况等,一旦发现学生处于学习懒惰期,需及时采取干预措施或者对教学计划做出适当调整,以调动学生学习兴趣,使学习过程保持良好持续性。(3)根据学生在线观看视频情况了解学生对哪些资源比较感兴趣,了解知识难点及学生学习薄弱点,着重针对教学难点制定针对性的教学计划,促进学习有效性提升。(4)线上互动教学期间,教师要充分发挥引导和协调作用,及时在讨论中引入问题,在问题导向下激发学生思考与探索的自主性,关注培养学生质疑精神,调动学生主动学习行为,提升学习有效性[5]。

4 结语

本文研究中所用数据均源自一个学校其中一门课程的在线学习,与其他学校或其他课程相比,学生行为可能有所不同。后续研究中需要扩大数据信息数量以及来源途径,并探究以无监督机器学习方法对学生在线学习行为有效性加以识别。