混合教学模式下学生学习行为特征分析及提升策略研究

武芳, 王芹, 武秀秀, 毛洪贲

2020年初疫情爆发,教育部倡导“停课不停教、停课不停学”,教学从线下转向线上,保证了正常的教育学习秩序。随着疫情缓解,教学转化为线上线下混合,而今后的主流教学模式将是线下主导、线上补充[1]。学生每天都会在学习平台上产生大量的学习行为数据,数据库技术的发展,让研究者可以从这些数据中挖掘出许多隐藏的信息,将这些信息反馈到教学中,提升教学质量[2]。学习行为分析是学习者在学习平台上发起学习行为,学习平台记录相关行为数据,研究者采用学习分析技术对行为数据进行处理分析,得到相应的分析结果,进而帮助教师进行教学改进、帮助学习者进行自我调整、帮助管理者进行管理优化的过程[3]。本研究中,学生通过使用在线平台配套的APP参与教学活动,教师通过在线平台进行教学设计、对学生的学生行为进行分析。在理论学习过程中,高职生的挂科率往往偏高,本文结合对高职生在线平台统计所得的混合教学模式学习行为的分析,重点研究了以下问题：高职生的学习特征规律,学习质量的重要影响因素;如何有针对性地实施教学干预,制定或改进教学策略,提升高职生的学习质量。

1 学生学习行为数据特征分析

1.1 数据来源

研究数据来源于研究者所授课的影像电子基础课程,涉及3个年级共157名高职学生,分别为2019级52人、2020级55人和2021级50人。2019级和2020级的数据用于特征分析,寻找学生学习质量的重要影响因素;改进教学策略,实施教学干预后,对2021级学生进行测试。研究时间为2020年至2022年。研究期间的授课方式：理论内容为观看录制视频、线上直播、线下授课等;实验内容为教师直播操作、观看实验操作视频、学生操作教师线上指导和线下课这几种形式。学生在学习期间所产生的线上线下学习行为均被记录于在线平台上,形成数据集。数据集中信息繁多,先人为除去相同指标和学生信息等隐私数据,其中任务完成数、任务点完成百分比是相同指标,任务完成数等于课程视频进度和章节测验进度之和;学生姓名、学号为隐私数据予去除,最后保留与成绩相关的几项学习行为进行数据分析。

课程综合成绩构成：在线平台50%,期末卷面成绩50%。在线平台成绩包括课程视频、章节测试、章节学习次数、作业、课程互动、分组任务。在线平台成绩是混合教学过程中的综合得分。权重及描述在第1次上课前向所有学生明示,见表1,后续表中符号同表1。

表1 学习行为权重及说明

1.2 方法

1.2.1 研究工具 本研究采用Excel、SPSS 分析软件分析数据。Excel 软件在学习数据处理阶段筛选删除冗余无关的数据、更正或删除错误数据,在数据分析阶段利用简单的公式函数进行对比分析、关联分析等,在分析结果呈现阶段利用图表功能将结果进行可视化;利用SPSS软件进行复杂的数据分析处理及可视化绘图。

1.2.2 相关分析 相关系数是统计学中常用的分析指标之一,在本研究中使用Pearson相关系数,用来测量两个学习行为之间的相关程度,取值区间为[-1,1],为正值时,存在正的等级相关,取负值时,存在负的等级相关;为1,表明两个变量的等级完全相同,存在完全正相关;为-1,表明两个变量的等级完全相反,存在完全的负相关;0表示无关联;接近0表示关联性小[4]。

1.2.3 因子分析 因子分析是一种数据降维、简化技术,通过研究众多变量之间的内部依赖关系,探求观测数据的基本结构,并用几个独立的不可观测变量来表示数据的基本结构。本研究中利用KMO检验和巴特利特检验判断数据是否适合做因子分析,其中KMO数值接近1,巴特利特球形度检验的显著性小于显著性水平,则适合做因子分析。然后使用主成分方法,分析相关性矩阵,提取特征值大于1的变量,为聚类分析打好基础。

1.2.4 聚类分析 聚类分析是研究“物以类聚”的一种多元统计分析方法,是一种无监督学习方法,根据数据的特征自动把相似的数据聚为一簇。本研究中使用欧式距离作为聚类统计量,选择组间连接法(Between-groups Linkage)作为聚类方法,其递推公式为：

2 结果

2.1 学习行为描述性分析

被动学习行为数据在本研究中是参与平时成绩计算的部分,具体为课程视频观看、章节测验、章节学习次数、作业、课程互动及分组任务。其中课程视频观看为完成视频观看任务的百分比,章节学习次数为满分300分的量化后的百分比,课程互动是满分200分量化后的百分比。从图1中可以看出,均值部分：课程视频观看数据基本持平,2020级略高,与当年疫情期间学习形式主要为观看在线视频有关;课程互动2019级得分较高,大部分学生第一次线上授课,学生参与课程活动有新鲜感,积极性较高,2020级得分较低,课程大部分为线下授课,学生活跃程度不及线上,课程互动难度大,平均分偏低。标准差部分：2020级整体完成情况较一致,尤其是课程视频观看标准差仅1.09,与教师线下授课要求学生课前或课间集中完成视频相关,说明传统授课对学生的提醒效果要明显好于线上;2020级作业评价形式主要为生生互评,学生之间评分习惯和标准相差不大。

图1 2019级和2020级学生学习行为描述性分析结果

注：图中除0.083外,均在 0.01 级别(双尾),相关性显著图2 学习行为Spearman相关性分析结果热图

2.2 学习行为相关性分析

本研究对2届总体学生的学习行为进行相关性分析,Spearman相关系数计算结果如图2所示。课程互动每次为少数学生参与,对课程内容掌握好的学生才能获得积分,与期末成绩相关性最高,为0.52;分组任务是线下实验课的综合成绩,完成越好,说明对课程内容的理解越好,实验指导理论学习,对期末成绩产生正面影响;课程视频的观看对期末成绩影响最小,仅为0.185,但它与作业和章节测验相关性较高,说明高质量的观看会影响作业的完成质量和章节测验的成绩。课程互动和视频观看不显著相关,仅为0.083,授课过程中发现,性格活泼的学生更愿意参与课程互动,所以与观看视频关联不大。

2.3 学习行为因子分析

对在线平台提供的2届学生的统计数据(视频观看时长、讨论数、章节学习次数、章节测验、作业、课程积分、分组任务等共7个变量)进行因子分析,KMO值为0.709,巴特利特球形度检验的显著性为<0.001,小于显著性水平0.05。表2为进行主成分分析所得的公因子方差和成分矩阵。从表2可以看出,提取后的公因子与章节测验、章节学习次数、作业、课程积分具有较高的共同度,说明公因子侧重于提取教学过程中学生理解能力和学习态度方面的数据,为聚类分析提供分类依据。

表2 公因子方差和成分矩阵表

2.4 聚类分析

根据因子分析的结果,选择学生的理解能力和学习态度作为分类依据。使用系统聚类方法[5],结合学生课堂中的实际表现,最终选择分类数量为3。此3类数据主要反映了学生的学习态度上的区别,因此将3类分为：积极型、被动型和消极型。学生学习行为聚类结果及与期末成绩的关系如表3所示。

表3 聚类分析结果及与期末成绩关系

表3中,各类型人数分布符合中间大两头小的分布,为教育的普遍现象。3种类型的学生期末成绩均值由高到低成阶梯式上升,符合学习付出与收获正比关系。消极和被动型的标准差略高,成绩比较分散;积极型学生期末成绩均值最高,类内差距不大。

图3为学生类别与期末成绩箱图。消极型学生期末成绩不及格人数较多,四分位数和中位数都在60分以下,理解能力和学习态度(或自控力)差。被动型学生期末成绩中等水平,能完成教师布置的大部分教学任务,其中有两个异常值,据了解,这两个学生平时不能独立完成教师布置的教学任务,因此影响考试成绩。积极型学生期末成绩均80分以上,在教学过程中发现积极型学生的自控能力较强,愿意将精力投入学习,课后与授课教师交流较多,主动解决课中疑难问题,能超额、认真完成教师布置的线上线下教学任务。

图3 学生类别与期末成绩箱图

通过对2届学生进行聚类分析,发现被动型学生占比最大,为85.98%,消极和积极型学生人数较少。其中消极型和被动型学生期末成绩标准差略高,结合学生实际情况发现,这两种类型的学生中有一部分理解能力强,但是自控能力弱,学习态度不积极或不能持续,导致成绩比较分散。消极型和被动型中个别学生80分以上,能自己通过其他方式学习,不太关注教师在线平台的教学要求,与积极型相比,成绩差距明显,说明教师在教学过程中起到的引导作用很大,除了提高学生在线平台课程的参与度之外,还引导学生注重课堂教学,与相关研究结果相同[6]。另外在线平台中的章节测验、作业、课程积分对学生的期末成绩具有较高的共同度,这些因素都影响了学生的学习质量。

3 教学提升策略设计与实证

3.1 提高线下课堂互动参与度

对学生在线学习平台的学习行为分析时发现,课程互动的均分在所有学习行为中最低,一方面是因为课堂中,参与回答问题的学生覆盖率低,另一方面,学生性格迥异,内向的学生参与回复问题的意愿低,每次参与的学生比较集中。提高课程互动的成绩能大幅度提高平时成绩的均分。因此在2021级学生的教学中,通过自动选人和手动选人相结合来提高课程互动。自动选人可以提高学生课堂的集中注意力,强化学生学习专注行为;根据学生前期的测试和学习情况手动选择消极型和被动型学生,让学生感受到被重视,提高对课程的关注度和持续性,学习上会积极参与,而且带来质的突破。2021级学生课程互动均分为30.31分,虽不及2019级,但是在相同教学条件下,比2020级高出15.81分。2021级消极型学生人数为 3(6%)人,被动型为41(82%)人,积极型为6(12%)人,3种类型学生的课程互动情况均有优化。

3.2 提高线上资源辅助效率

视频是平台最主要的资源[7],从相关性分析可以知道课程视频的观看与作业和章节测验相关性较高。课程共有55个视频,其中,8个章节概述类、28个知识点讲解、12个例题讲解、7个实验操作指导,包含的内容比较全面,除实验操作视频反刍比较高以外,其他视频观看情况基本相同。为了提高2021级学生视频观看效率,对在线平台的视频进行精减和提炼,缩短视频时长,并在视频中插入测验,2021级学生知识点类和例题视频的观看质量明显提高,视频观看均值达99.51分。另外,在线平台中的章节测验、作业对学生的期末成绩具有较高的共同度,通过优化这两项的发布内容,及时跟踪,2021级学生的期末成绩不及格率为16.00%,低于前2届学生的期末成绩不及格率(34.55%、30.77%),教学效果有了显著提高。

4 结语

本文通过描述性分析、相关性分析、因子分析和聚类分析,结果发现高职生具有被动型学生占比大、消极型和积极型学生占比小的特点,学习质量主要受教师的关注度、章节测验、作业、课程积分等因素的影响;教学过程中,过程评价中的学习行为与学业成绩显著相关[8],对学业成绩有促进作用。教师在教学过程中的引导作用至关重要,在教学设计过程中应侧重于关注成分矩阵中数值较高的学习行为,提高线下课堂互动参与度和线上资源辅助效率,从而帮助学生提高学业成绩。