基于SPOC《数据库原理》课程学习效果考核的建模与实践
来源:用户上传
作者:颜雁 张宇昕 丁岩 李晓荣
摘要：《数据库原理》作为本科生计算机科学技术专业的主干专业课，长期以来，如何全面客观地对学生的学习效果进行考核，一直是课程改革的讨论重点。基于SPOC的“线上线下混合”教学模式，将网络资源和第三方教学平台引入课堂，可以跟踪和收集学习者的学习过程数据。该文在充分分析学习效果评价构成要素的基础上，通过运用数据挖掘技术，提出了结合线上学习的评价模型。该模型对学生线上学习提供监督功能。对教师在期末对学生学习效果的考核评价提供客观依据。
关键词：SPOC;数据采集;学习效果评价
中图分类号：TP311 文献标识码：A
文章编号：1009-3044（2020）06-0154-03
1背景
近年来，以MOOC+SPOC为代表的互联网教学模式逐渐兴起并为教育界所接受，该模式通过短视频网络在线学习、翻转课堂、在线互动讨论、视频回看等手段，有效解决了学习受时间、空间、师资等方面限制的问题。
而针对MOOC这种教学模式下开展的学生学习行为的监督却少有系统性的研究，每个学生每天线上线下产生大量的学习行为数据，传统的期末“一张卷”结果化的考核学生的办法愈发凸显不客观，那么如何利用大数据挖掘技术分析在线学习行为，采用合理、科学、创新、量化的评价手段反映学生学习过程的每个环节，在期末给予学生中肯客观的评价，已经成为各个兄弟院校教学改革的研究重点。因此，建立一个基于“SPOC”教学模式的量化评价模型，势在必行。力求更客观评估学生学习效果，实现教学决策、学习过程优化和个性化学习方法的推荐。
2学生学习行为分析
一般说来，学生学习可分为学习过程和学习效果两个方面。过程更多以能力培养见长，效果则更倾向于评价。从考核的角度来说，学习过程倾向于评价其主观方面，学习效果倾向于测评其客观方面。结合MOOC+SPOC教学模式的特点，我们可采取线上标准化测试的方式来获得学习效果的客观评价。评价主观则比较困难，主要指对学习者的行为能力的评价。经观察，包括以下5个方面：1）学习态度：学习态度否积极是主观体现第一大要素。是获得良好的学习效果的重要前提。具体体现在登录在线学习平台的次数，在线学习的总时间，作业的完成率来反应;2）自主学习能力：自主学习能力是学习效果获得的核心能力。可通过考查学生累计登录模块数目（可重复累加），和累计具体个模块学习的总时间和下载资料的次数获得评价;3）协作思考能力：我们可以通过发帖提问次数，回帖讨论次数指标来评定;4）任务执行能力：任务主要指线上作业和课堂测试两项。我们引入“学习效力”这个概念，它指学生作业或测试单位时间内的正确率。以学习效力来评价学生的任务执行能力。可以区分学生抄袭（因为这会增加作答时间，从而降低学习效力）进而产生监督效能;同时可凸显学习效果好的同学（因其用时少，准确率高，学习效力就高）。最终对学生的学习效果产生客观评价。我们通过获取每次作业的正确率，和完成作业所用时间来获得学习效力;5）实践操作能力：这一环节的评价多放在实验课与课程设计中进行考核，此处线上评价模型暂不考虑。
3建立學习评价指标体系
“MOOC+SPOC”教学模式引入之后，学习形式分为课堂与线上两种方式，我们可以通过web服务器端收集学生大量的线上学习数据，经过探讨分析，初步划分评价学生学习效果的指标体系如下表：2个一级指标，5个二级指标，12个三级指标。Al，A2，A3，B1四个二级指标属于理论教学范畴，采用“基于SPOC”线上线下结合模式教学，可通过web服务器端获得学生学习的大数据，供我们量化分析，是我们讨论的重点。具体如下表1：
4评价指标权重的分配
本课题方法是AHP法（层次分析法）确定指标权重，AHP法的基本思想就是将组成复杂问题的多个元素权重的整体判断，转变为对这些元素进行“两两比较”，再对这些元素的整体权重进行排序判断，最后确立各元素的权重是通过发送问卷调查得到的专家打分，将每个专家评定的分值单独建立矩阵，通过一致性检验的矩阵作为有效评判矩阵。然后，将所有专家对该指标的评判权重求平均值，得到最终权重。如表2、3、4。
对于二级指标B包含任务执行能力和实践操作能力两大项，其中实践操作能力我们放入实践环节去测评，故而我们将任务执行能力的权重调整成1，即表现为结果测试的权重为1。结果测试分为三项：期末测试成绩，线上作业，及课堂测试。权重分配如表4：
5构建考核评价模型
改善以往“一张期末试卷定乾坤”现象，由web第三方服务器（网上学习平台和雨课堂采集）学生平时学习的大数据，根据学习指标权重体系，对学生实施综合量化评分。总成绩由行为性成绩和效果性成绩构成。其中效果性成绩分为测试成绩和实验成绩。公式如下：
总成绩=A+B
=行为性成绩理*20%+效果性成绩*80%
=行为性成绩*20%+测试成绩*60%+实验教学成绩*20%
由于，实验教学成绩由实践环节评定。我们关注前两项，得到成绩计算方法：
5.1测试成绩计算方法
根据前面权重分配，我们去除效果性成绩当中的实验成绩，将B级指标当中B1任务执行能力评价即测试的权重调整为1，则
结果性成绩=B1*50%+B2*30%+B3*20%（权重比5：3：2）
（1）B1为期末考试成绩（百分制）
（2）B2为在线作业成绩计算方法如下：
O=个人作业效力=作业正确率/花费时间
依次求出：在线总时间成绩w，作业完成率成绩E，登录模块数成绩R，单位模块时长成绩Y，下载资源次数成绩u，发帖次数成绩K，回帖次数成绩J。
6考核的评价模型的实践分析
评价学生的在线学习能力发展情况的最终目的是希望通过评价过程信息的采集和统计整理，使学生能够发现自己的不足，使教师能够依照这些信息给学生一个积极的、个性化的学习指导，最终为学生学习能力的提高和进步提供一个可能的途径。
我们在在线平台收集第一手数据后，见表5，经过过程性成绩计算后，我们为160511610同学生成绘制雷达图形报告，见图1。可以清楚地看到160511510号同学，较班级其他同学有着比较好的自主学习能力和突出的协作思考能力。通过此方式，学生对自己的学习行为有个清晰客观的认识。从而达到监督和规范其线上学习行为的目的，避免线上教育流于形式，变成“刷机”。
7结束语
本课题研究来自吉林省高教学会2018年高教科研课题，课题组成员在近一年半的时间里。基于“SPOC”教学模式对《数据库原理》课程践行教学改革，整合线上教育平台资源，将线上学习指标量化处理，实现线上学习效果的评价机制，从而达到监督引导学生有效地开展线上自主式探究式学习的目的。并且在整个过程中，我们依据学生线上各个环节的量化分数，建立不同于传统模式的期末考核评价模型。对学生实现全面的，客观的，过程化的期末考核评定。对比传统模式的考核方式，问卷调查达到了很好的效果。
转载注明来源:https://www.xzbu.com/8/view-15177115.htm
