智慧课堂的教学量化质量监控及改进研究

摘要：随着移动终端通信设备的日益普及和发展，高校课堂教学活动的方式和方法也发生了深刻的变革。在移动数字化背景下，量化课堂教学可以对课堂教学质量进行有效监控，进而为教学研究相关人员提供有益的教学指导参考。文章通过对课堂上学生的学习活动数据进行深入挖掘和分析，得出同学之间有效的人际交流学习活动，可以明显改善数学类课程的教学效果。同时，教师在动态掌握学生的学习效果变化趋势规律之后，可以有针对性地改进教学策略。

关键词：智慧课堂；量化监控；数据挖掘；人际交流

中图分类号：G642文献标志码：A

0 引言

随着网络化、数字化技术以及移动终端通信设备性能的快速发展，网络化智慧数字教学平台［1-3］得到了快速普及和使用。教学平台的应用对于深度融合高校各类课程资源，提高学生的学习效率，深化高校教育教学改革，具有深远意义。例如：在教学过程中，利用可视化的专业数学教学软件［4］可以实现数学在图形与代数之间精细化和科学化的直观展示。可视化教学过程的具体实施内容包括基本概念的可视化、命题定理的可视化以及解决问题过程的可视化等不同方面。

教学量化质量监控方法通过对学习过程的数据进行数据挖掘及量化分析，可以有针对性地、实时改善课堂教学效果。在实际的课程教学实践过程中，已有的量化测量评价体系［5-7］对数学素养的形成过程［8］进行相应的评价。例如：陈志江［9］以“平面向量”知识单位为例，从教师和学生2个方面，深入分析了学生对数学知识点理解不够深刻的症结所在。这不仅需要教师清晰表述知识点的具体内容，还需要从系统角度阐明数学知识系统的来龙去脉。张金良［5］深入分析了数学抽象的概念，将数学抽象的表征过程分为问题现象、具体属性、本质属性、不断纯化概况等思维认知过程。孙水玲［10］利用模糊信息处理的方法，提出了适用于教学综合评估体系的量化数学模型，通过教学改革前后所需时间的比例，反映了教学效率方面的改善程度。赵红等［1］对影响教学质量的隐形影响因素进行了量化分析研究。例如：学生的学习兴趣、学习态度、学习方法和学习效果等动态的学习过程都属于影响教学质量的隐形影响因素。王大伟等［3］对以“学生为中心”的教学改革服务理念进行了阐述。万昆等［6］指出在大数据时代通过有效的量化学习，可以精准地对学习过程进行数字画像并对其进行有效预测，进而促进学生的全面发展。

数学的有效学习离不开对数学抽象的本质认知，吴增生［11］从脑神经认知作用的角度出发，对数学抽象的认知过程进行了探讨。而上述数学教育方面的研究更多侧重于理论体系的构建和探讨。实际的教学研究需要真正地将教学过程量化数据进行实践，并进行学习活动的过程检测和量化研究。在全民网课教学的大背景下，利用各种网络工具进行线上常态化教学已经为实际的量化教学监控提供了大量的线上学习数据资源；该方法选取在移动终端学习平台“学习通”的在线课堂环境线上数据，将学生课堂线上线下的学习状态参数［12］逐一量化，从而实现有效的课程教学量化监控。

针对教学过程出现的中具体问题，本文提出了智慧课堂的教学量化质量监控及改进方法，实现课堂学习效果的逐步改进，进而实现教学效果的持续改进；通过全方位地获取学生的学习状态数据，进行深入的数据挖掘及分析，从而确定影响学习效果的关键影响因素；对学生在学习状态上进行宏观的正确引导，可以从总体上提升学生学习数学课程的自我效能感［13］，不断提高学生的课堂学习效果。

1 量化质量监控原理

量化质量监控体系通过教师端首先发起网上活动，根据学生的线上学习过程，系统实时记录各种学习状态数据信息。教师端通过相关学习数据的汇总及数据挖掘，进而采取有针对性的措施完善课堂设计。具体智慧课堂量化质量监控原理如图1所示。

2 数据采集

2.1 问卷统计

在量化教学质量监控的过程中，针对学生学习过程的数据采集过程是一个关键的环节。只有合理、有效地采集过程数据，才能够更好地掌握学生的学习动态。针对某高校开设的数学类课程的6个专业班级，本文进行学习过程的状态数据采集。为了扩大教学效果及授课对象的研究范围，在第二学期，学校采用在线教学直播公域平台（哔哩哔哩）进行相应的直播教学及统计分析。研究数据主要通过网上问卷调查统计、网上作业提交等方式获得。假设在教学量化监控的过程中，学生的学习过程没有第三方的主观影响，即进行了客观的学习状态陈述；在线教学直播平台平均每次学习的人数超过3000；具体问卷调查包括主观难度、难度等级、课下学习时间、学习基础、人际交流和学习兴趣6项。

2.2 信度检验

测验的信度又被称为测验的可靠性，是指同一个测验对同一组被试对象施测2次，所获得的结果一致性的程度。一个好的测验必须是稳定可靠的，多次使用所获得的结果是前后一致的。经过一个学期的教学周期，在第二学期重新对被试对象进行问卷再测，其信度统计如表1所示。

重测信度为第二次调查测量与第一次调查测量的各个选项的分布统计相关系数，此系数又称被为稳定性系数。一致性信度系数为前、后测量时得到的克朗巴哈系数（Cronbach α），该系数最早由美国教育学家Lee Cronbach在1951年命名，通常在0～1，当该系数超过0.6时，则表明该测量调查具有一定的内部一致性。该系数越高，则表明该测量的内部一致性越好。根据表1所示结果：其中5个调查项目的重测信度系数和一致性信度均达到了0.8以上；仅学习难度这一项的重测信度和一致性信度系数较低，但也在0.6以上，出现这种情况的原因可能是学生的主观学习难度认知发生变化。这说明该问卷调查研究具有较好的可信度。

2.3 效度检验

本文通过结构效度进行相应的效度检验。结构效度是指测量结果体现出来的某种结构与测值之间的对应程度。通过因子分析的方法进行结构效度检验分析，其主要功能是从量表全部变量中提取一些公因子，各公因子分别与某一群特定变量高度关联，这些公因子即代表了量表的基本结构。在因子分析的结果中，用于评价结构效度的主要指标有累积贡献率、共同度和因子负荷。累积贡献率反映公因子对量表或问卷的累积有效程度，共同度反映由公因子解释原变量的有效程度，因子负荷反映原变量与某个公因子的相关程度。通过成分提取之后获得的反映各个问卷调研共同度的成分矩阵如表2所示。

3 结果分析

3.1 难度情况调查

数学类课程本身具有高度的抽象性，而对于抽象概念的认知过程，跟学习客体的人脑神经元的作用［11］过程密切相关。因此，不同的学生对于抽象概念的认知过程具有显著的差异。本文通过对学生认为课程难度的情况进行调查，63.01%的学生认为数学类课程比较难，甚至14.73%的学生认为数学类课程过于困难。这是由学生在初次接触这门课程时的主观印象决定的。进一步分析这门课程难度较大的具体原因，在学生认为难度的原因分布情况中，占比最大的原因为43.84%的学生认为计算证明推导的过程和方法过于复杂，而32.53%的学生无法说明认为该门课程困难的具体原因。

3.2 学习现状调查

本文通过对学生在课下的学习时间和与周围同学进行学习探讨的规律情况进行调查，在课下学习数学类课程的平均时间主要集中在10～30 min和30～60 min这2个时间段内，占比分别达到略多于1/3。就与周围同学进行学习交流的人数分布情况而言，占比最多的为仅与1名同学进行平时学习和交流，为23.97%；随着与周围同学进行学习交流的人数的增多，这一比例逐渐减少。这说明同学之间缺乏广泛的学习交流和探讨，当与周围同学学习交流的人数达到或者超过4人时，此时的占比则出现了迅速下降。这与班级的整体学习氛围有一定的关系，也客观地反映出学生在平时学习中的学习特点。

3.3 学生线上活动时间段对比

通过已有文献的学生作业提交时间段统计分布和本论文研究中学生作业提交时间段分布的对比，本文发现不同的学生群体的学习活动情况，既有其共性规律的一面，又有反映其特定活动特点的一面。王大伟研究表明，学生提交作业的时间段主要集中在16：00—20：00。而本研究所反映的学生提交作业的时间规律情况则具有更加宽泛的时间分布特点。在08：00—24：00这一时间段内，学生提交作业的分布情况较为分散，只有在12：00—16：00这一时间段内活动分布的人数较为突出。而且在这一时间段内的总体占比情况与王大伟等［3］研究中在该时间段活动的人数占比情况较为接近。这说明在学生的学习活动规律及特点方面，具有一定的普遍性和借鉴性。

3.4 影响学习效果的相关因素比较

本文将网上调查得出的6个学习成绩效果影响因素进行相关性比较，得出了影响因素的相关系数，具体如表3所示。

通过表3可以看出，与学习效果关系最为密切的因素是人际交流。这说明学生在学习的过程中，跟周围同学的学习交流过程是非常重要的。而在以往的相关研究过程中，更多的侧重点则是关注学习者自身的内在变化特征。例如：吴增生［11］主要从大脑神经元的作用变化角度对数学抽象概念的理解进行阐述，没有考虑周围人文环境对学习者本身的刺激作用效果。赵红等［1］虽然指出学习态度和方法是影响学习质量的关键隐形因素，但是在量化的过程中，也仅是对学生的出勤率、迟到率等表象特征进行量化分析，缺乏对周围人文环境的量化特征分析。而随着与周围同学进行交流探讨的人数增多，可以发现有效的人文学习互助有利于学生更好地掌握知识点。同学之间的相互探讨既能够营造一种良好的学习氛围，又能够拓展学生的学习思路，有利于及时解决学生的知识盲区。学习的效果跟交流人数的多少呈正相关：提问者可以通过向其他同学提问解决知识点上的疑难问题；回答者将进一步梳理所学的知识结构，进而加深对知识网络关系的理解。因此，在日常的课堂教学互动过程中，教师应该鼓励同学之间针对学习过程中遇到的各种疑问，进行广泛的交流讨论，从而形成正向效应，提高学生的整体学习效果。

与学习效果影响关系次为重要的因素是学习兴趣。兴趣是最好的老师，只有学生对数学类课程产生浓厚的兴趣，才有可能产生持续的主观能动性，提升学生的学习效果。

学习时间与学习效果相关系数较小，这说明在该阶段的学习过程中，有一部分同学虽然会花费一定时间进行课前课后的学习，但是在学习的过程中不仅要注重学习时间的长短，还要注重有效的学习时间，也即学习效率的提高是更为重要的。

与学习效果相关性最小的影响因素是学生的主观难度，这说明学生在最初学习数学类课程时具有一定的畏难心理。而很多同学虽然主观上认为该门课程较为难学，但在实际教学的过程中，学生的努力和教学策略的持续改进可以达到较为理想的学习效果。

3.5 学习效果的阶段变化情况

通过对各个学习阶段在学习平台记录的学生学习作业情况，本文得出在不同阶段的学习成绩结果分布变化规律。在学生第一次进行作业时，课程教学处于导入阶段，学生有畏难心理。因此，教师在进行作业难度的设置时选择较为基础的练习题，使学生在首次进行作业练习时成绩较高，这样有利于建立学生的学习自信心，提高学生的学习兴趣。随着课程的深入，学生在经过入门学习掌握了最初的学习思路之后，开始逐渐适应课程的学习难度和环境。此时，教师适当增加课后作业习题的难度，这样有利于学生深入地掌握数学基本思维方式和知识内容。在适当增加了课后作业习题的难度之后，学生的作业习题成绩总体上有了一定的下降，学习成绩主要集中在80分左右。在教学活动持续改进之后，学生作业成绩的总体分布也呈现较为良性的变化发展，尤其是分数达到90分以上的学生人数显著提高。这说明持续改进教学方式有利于提升学生的学习效果。

3.6 教学效果的改进措施

在教学效果的持续改进过程中，本文主要从以下几个方面对课堂教学效果进行针对性的改进和完善。

（1）教师增加课程互动提问思考，倡导探究讨论式教学，使学生在问题思考的过程中加深概念理解，增加课堂教学效果的趣味性，激发并提高学生的学习兴趣。

（2）教师绘制关键概念知识联系网络，例如极限、连续、求导等之间的内在联系及区别，通过引导学生积极构建知识学习地图，进而汇总形成宏观上的知识地图构架。

（3）数学公式的数字可视化展示，充分利用PPT、数学教学软件等直观的方式反映抽象的数学问题。

（4）教师可以尝试采用分层教学练习法或个案访谈方法：对于基础较差的学生，习题讲授侧重于基础知识概念的理解及较为基础的计算；对于基础较好的学生，习题可以适当侧重定理证明及分析应用。

4 结语

在移动终端教学环境的基础之上，本文充分利用线上学生学习过程活动的数据信息，利用数据挖掘的方法，对课堂教学效果进行分析，从而达到教学效果持续改进的目的。得出的主要结论如下：

（1）学生在初次接触数学类课程时，通常会具有畏难心理。在课程导入阶段，教师通过适当地降低作业习题难度，可以有效建立学生的学习自信心，逐步提升作业习题的练习难度，以稳步提升学生的学习效果。

（2）通过相关性因素分析可以得出，与学习效果关系最为密切的是人际交流。学生的学习过程不仅是自身学习提高的过程，还是提高群体性学习效果的有效途径。通过学生之间的学习探讨和交流答疑，可以形成良好的学习氛围，营造良好的班级学习风气，显著提升总体的学习效果。

（3）移动终端教学环境平台的建立，可以量化监控教学效果，使教师在宏观上把握学生的总体学习情况。该方法对于教学过程的改进具有一定的参考价值和推广性。

（4）教师通过引导学生构建知识学习地图，在学生之间进行积极广泛的交流。实践证明所提方法是一种有效的可视化教学改进方法。

参考文献

［1］赵红，李著成，牛爱芳.课堂教学质量隐性因素的量化分析研究［J］.实验技术与管理，2014（11）：180-183.

［2］李艳秋.网络教学平台在高校数学课程中的应用与分析［J］.科技视界，2018（27）：71-73.

［3］王大伟，杭瑞友，袁橙，等.量化学习：促进教学改革创新［J］.现代计算机，2019（22）：56-59.

［4］张志勇.高中数学可视化教学：原则、途径与策略：基于GeoGebra平台［J］.数学通报，2018（7）：21-24.

［5］张金良.解密数学抽象探索教学策略［J］.数学通报，2019（8）：23-26，66.

［6］万昆，刘华.量化学习：大数据时代的学习方式［J］.数字教育，2018（2）：45-50.

［7］黄祥勇.数学核心素养导向下的深度教学［J］.数学通报，2018（7）：29-32，63.

［8］王娅婷，毛秀珍.数学素养的测量及评价［J］.数学教育学报，2017（3）：73-77.

［9］陈志江.基于“三个理解”的平面向量单元教学构想［J］.数学通报，2019（2）：30-33.

［10］孙水玲.课堂教学评估的量化方法［J］.广东技术师范学院学报，2012（6）：46-48.

［11］吴增生.数学抽象的认知与脑机制［J］.数学教育学报，2018（4）：68-75.

［12］袁长林.移动学习背景下数学课程资源转变的思考［J］.数学通报，2018（8）：31-33.

［13］高欢，陈克胜.数学自我效能感的研究现状与展望［J］.数学教育学报，2017（1）：76-81.

Research on quantitative quality monitoring control and improvement of teaching in smart classroom

Abstract： With the increasing popularity and development of mobile terminal communication equipment， the profound changes have taken place in the way and method of classroom teaching activities. Under the mobile digital background， quantitative classroom teaching can effectively monitor the quality of classroom teaching in real time， and then provide useful teaching guidance reference. Through the in-depth mining and analysis of the data of students’ learning activities in the classroom， it can be concluded that effective interpersonal communication learning activities among students can significantly improve the teaching effect of mathematical analysis course. At the same time， after mastering the dynamic trend of students’ learning effect， the teaching strategies can be improved targetedly.

Key words： smart classroom; quantitative monitoring; data mining control; interpersonal communication