教育数据信息驱动回归模型在体育专业课程建设中的应用

王凯 莫媛 陈泽龙 莫龙萍 罗梦娇

(1.广西民族大学相思湖学院 广西南宁 530225;2.广西农业职业技术大学 广西南宁 530006;3.广西民族大学体育与健康科学学院 广西南宁 530008)

该研究遵循教育科学化、教育信息数字化的发展思路，在研究教育数据驱动应用的发展趋势、应用模式、信息收集、指标设定、信息预处理模式、数据行为建模及计算的处理、信息结果的呈现和表达的理论基础之上［1-2］，结合体育学科课程建设中的实践应用，采集一定量的教育数据信息，融合教育数据与课程建设的关系［3］，对数据进行处理，在数据信息驱动理念的指引下，结合专业课程建设，建立回归模型，以期达到在专业课程建设过程中教育数据信息驱动教育发展的效果，为未来专业课程建设探索数字信息化发展路径提供发展依据，具体如下。

1 研究对象与方法

1.1 研究对象

该研究以体育专业课程建设实践为研究对象，采集相关数据信息，以期探索教育数据信息驱动学科建设的发展路径；专业课程数据信息指标包含：课程性质（专业基础、学科基础）、课程类型（技术、理论）、学分（2、3、4）、学期（一、二，特指前、后两个学期）四大类。

1.2 研究方法

该研究在文献综述研究的基础上，结合调查数据，采用多元数理统计法对采集的教育数据信息进行处理，建立教育数据信息驱动的体育专业课程建设模型。

2 结果与分析

2.1 描述性统计研究在体育专业学科课程建设中的应用

课程分数的描述性统计（见表1）显示，在课程性质方面，专业基础课分数优于学科基础课，分布基本一致；在课程类型方面，技术课分数优于理论课，分数分布相较于理论课较好；学分方面，学分较高的课程分数较高，且分布均匀，一致性较好，而分数较低的课程分数分布相对分散，呈现一定的极端；学期方面，后一学期课程分数优于前一学期。此外，不同的课程性质、课程类型、学分、学期，学生所获得的课程分数在统计学意义上具有高度显著性（P＜0.01）。

表1 课程分数的描述性统计对数据信息的呈现

2.2 教育数据信息驱动回归模型的应用

第一，针对研究所统计的指标进行指标间的相关性检验，相关分析结果显示，课程分数、课程性质、课程类型、学分、学期五项指标在统计学意义上均具有高度相关性（P＜0.01），结果表明相关关系良好，进行回归分析建模具有可行性。

第二，课程分数与课程性质、课程类型呈负相关，与学分、学期呈正相关；课程性质与课程类型呈正相关，与学分、学期呈负相关；课程类型与学分、学期呈负相关；学分与学期呈正相关，结果见表2。

表2 各指标间相关性分析结果呈现

第三，该研究以课程分数为因变量，以课程性质、课程类型、学分、学期为自变量，采用Logistic回归模型进行方程的建立，模型检验过程中显示指标建立的模型拟合度较好，R2值为0.237，回归方程的建立具有可参考性。

第四，根据回归模型的计算结果（见表3），课程类型、学分、学期3 个变量的P值均小于0.05，呈现显著性，说明3个变量均会对课程分数产生影响，课程性质的P值为0.315，大于0.05，没有呈现出显著性，说明课程性质对课程分数的影响较小。此外，课程类型、学分两项指标的回归系数B值分别为-8.549、-0.611，均小于0，说明两项因素对课程分数会产生负向相关影响；课程性质、学期两项指标的回归系数B值分别为5.510、0.621，均大于0，说明两项因素对课程分数会产生正向相关影响。结合模型数据，本模型的建立如下：课程分数=（83.449+0.621）分，课程性质+5.510 分，学期-8.549分，课程类型-0.611学分，结果见表3。

表3 回归模型系数结果

3 讨论

第一，根据描述性统计分析的结果显示，单门课程其课程性质、课程类型、学分、学期的不同在一定程度上直接影响了课程成绩的高低，该事件的发生可能是多方面的原因造成的［4］，教师授课质量、学生个体学习态度、课程考核难度、课程考核标准等，均会对分数造成影响［5］。尤其是在面对理论、技术课程时，体育专业的学生多呈现分化的态度，对于理论课程的重视程度相对较轻，尤其是基础理论课程的学习过程相对枯燥，极易造成个体学习过程的懈怠。然而，当学生了解到课程性质、课程类型、学分的不同所代表的意义不一样时，个体可能会呈现前后2 个学期较为不同的学习态度［6-7］，因此，在课程建设中关注课程规划，构建合理的培养计划，并在入学时、授课前、授课中，反复将课程的性质、定位，以及课程的重要性进行解读，可有效提升学生学习的积极性，间接提升教学质量，促进学科的建设与发展。

第二，相关分析结果显示，课程分数、课程性质、课程类型、学分、学期5项指标在统计学意义上均具有高度相关（P＜0.01），表明在学科建设的过程中，单门课程的性质、类型、学分、学期之间均会产生相互影响。

课程分数与课程性质、课程类型呈负相关，课程的类型和性质包括理论课、技术课、专业基础课、学科基础课，其在一定程度上学习难度的大小，直接对学生产生负面影响；课程性质与学分、学期呈负相关，表明对课程的定位、课程的学习安排一定程度上影响到了学生学习的主动性、积极性（不同学期安排、不同学分），要想消除该事件的影响，就要在制订培养方案时谨慎处理，尤其是面对体育专业的学生，群体特征、个体特征均应考虑周全，才能做到教学培养效益的最大化；课程类型与学分、学期呈负相关，表明课程安排上结构类型存在一定的弊端，对课程规划重视不足，需改进、提升，因为个体的发展变化呈现阶段性，而课程的安排和学习也应当是累进和递进的关系，这样才能更好地实现人才培养的目标［8］。大学生亦是如此，从进校开始打好基础，提升个人认知水平，才能达到双渠道并轨前进的效益。

课程分数与学分、学期呈正相关，表明在不同的学习阶段、个体的认知在对课程的重视方面直接影响分数，且呈现群体性的正相关，也表明课程的学期安排、学分的设置具有积极意义；课程性质与课程类型呈正相关，说明根据课程建设规划纲要的指导意见，对课程进行规划具有积极意义，达到了科学规划和培养人才的意义［9］。在该年级的培养计划中，核心课程的学分制定科学，学期规划合理，达到了学分与学期呈正相关的关系，亦在课程规划实践的方面具有积极意义。

第三，该研究回归方程的建立具有可参考性，其中课程类型、学分、学期3个变量对课程分数的影响呈显著性，而课程性质对课程分数的影响不具有显著性，表明课程规划核心指标的建立具有参考性［10］，对人才培养有积极意义，是回归方程建立积极性的体现，同时间接体现了教育数据驱动应用的科学性、合理性；课程类型、学分两项指标的回归系数均小于0，说明在实践中需对这两项进行调整，尤其是在体育专业学习过程中，针对技术、理论课程的极端现象，需要更好地进行个体认知上的解读，提升群体的认知水准，或采取更好的分块培养模式，更好地达到“抓一门、学一门、精一门”的效果，间接促进体育专业学科建设的整体发展［11］；课程性质、学期两项指标的回归系数均大于0，说明这届学生的培养计划对各门课程在学科发展中的定位精准，在大学学习的不同阶段将不同的课程进行合理组合排序，此时课程规划、培养计划、人才培养体系均对学生产生了积极的影响，将该统计分析模型运用到实践中，是教育数据信息驱动教育规划与发展的积极体现，达到了理论与实践相结合、相印证的关系。

4 结论与建议

首先，课程分数的描述性统计结果显示，课程不同的课程性质、课程类型、学分、学期均会对学生个体和群体的课程成绩产生影响。指标间相关关系呈负相关的有课程分数与课程性质、课程类型，课程性质与学分、学期，课程类型与学分、学期；呈正相关的有课程分数与学分、学期，课程性质与课程类型，学分与学期。相关关系表明，在培养体系的构建过程当中，要想将培养计划的效益发挥到最大化，需从单门课程的性质、培养时间节点等入手，是系统性的工程。回归模型的计算结果显示，课程类型、学分、学期3 个变量均会对课程分数产生影响，课程性质对课程分数的影响较小，其中，课程类型、学分两项指标对课程分数会产生负向影响，课程性质、学期两项指标则会产生正向影响。

其次，以教育数据信息为研究的切入点，秉承“数据驱动”理念，结合专业课程建设的发展能够发现更多的内涵信息，借助数据模型也可更好地融合教育数据与课程建设、人才培养的关系。促进体育专业课程的“信息化、数字化”发展，是未来体育专业课程建设、发展的探索路径之一。