基于教育大数据的混合式教学决策优化方法研究
来源:用户上传
作者:
摘要：针对混合式教学在教学过程中存在的不足，文章以山西大学商务学院“C语言程序设计”课程的混合式教学为具体研究对象，从数据优势与教学经验有机结合的思路出发，采集并分析线上教学产生的教育大数据。分析结果对混合式教学模式下教师的决策优化提供数据支持，实现了科学调整教师教学决策、精准推荐学生个性化学习内容的目的，对完善高校人才培养新模式构建进行了积极探索与研究。
关键词：混合式教学;教育大数据;教学决策;C语言
中图分类号：G420
文献标识码：A
文章编号：1006-8228（2020）09-116-04
Research on decision-making optimization method for blended-learningbased on educational big data
Guo Jinling， Zhao Yi
（School of Information， Business College of Shanxi University Taiyuan. Shanxi 030031. China）
Abstract： Aiming at the shortcomings of the blended-learning existing in the teaching process， this paper takes the teachingprocess of "C Language Programming" course in Business College of Shanxi University as the specific research object， startingfrom the idea of organic combination of data advantages and teaching experience. collects and analyzes the educational big dataproduced in online teaching. The analysis results provide teachers' decision-making optimization with data support under the blended-Iearning mode. It can realize the purpose of scientific adjustment of teachers' teaching decision-making， and accuraterecommendation of students' personalized Iearning content， which actively explores and studies the construction of the new mode oftalent cultivation in colleges and universities.
Key words： blended-learning; educational big data; teaching decision-making; C language
0引言
國外有关混合式教学模式的研究起步较早，目前比较成熟的混合式教学模式有多种，如态度驱动模式、能力驱动模式等，且均已成功应用于教育领域。国内关于混合式教学模式的理论研究也较为深入，2003年12月，在我国第七届计算机教育应用大会上，何克抗教授首次提出“混合式学习”这一理念由，由此开启了国内关于混合式教学的研究。
近年来国内外研究者对混合式教学模式进行了大量的探索性研究，在理论研究及实践研究领域均取得了丰硕的成果。查阅近几年的文献资料，国内外学者非常重视对混合式教学模式建构、教学策略优化等问题的研究，研究结果达到了一定的理论高度。伴随大数据技术的发展，关于混合式教学和大数据技术相结合的研究文献数量不断增加，拓宽了研究领域和研究思路[1-4]。
1混合式教学研究现状
目前，国内许多高校及课程采用了混合式教学模式进行授课。但是由于诸多因素的限制，在混合式教学过程中，教师的教和学生的学这两方面存在一些问题。
第一，线上产生的教育数据缺乏综合分析，导致在线下教学环节中缺乏支持，对课程进行差异化教学无法实现。
第二，缺乏阶段性教学反馈信息，无法精准把握学生学习情况。
第三，教师在教学过程中，线上教学资源的合理动态调整策略缺乏科学有效的依据。
第四，缺乏对学生学情数据精准分析，实现学生学习内容的个性化推荐存在一定的难度。
教育大数据是教师在教学过程中和学生在学习过程中所产生的各类数据的总和，这些数据既有静态的结果性数据，也有动态的过程性数据。它具有多维度、高度复杂、多元化等特点[5-9]。在混合式教学过程中，使用线上平台的同时，产生了大量的教育数据。针对混合式教学过程中存在的问题，如何科学地利用大数据技术，合理采集和分析教育大数据，进而对教育教学行为进行关联性分析，从而有效地提高教师的教和学生的学，是目前国内外专家学者和教育机构共同关注的关键课题[10-11]。
本文以山西大学商务学院C语言程序设计课程的混合式教学过程为具体研究对象，从数据优势与教学经验有机结合的思路出发，采集线上平台以及线下教学过程产生的教育大数据，对这些数据进行有效数据处理及分析，对混合式教学模式下教师决策提供数据支持，对完善高校人才培养新模式进行积极探索与研究。
2C语言程序设计课程教学模式
C语言程序设计课程是山西大学商务学院计算机相关专业学生的必修课，其他很多院校也将其作为理工科专业的公共基础课。该课程是面向对象程序设计、软件工程等课程的前导课程。C语言作为一种计算机程序设计语言，既可以作为系统设计语言，编写工作系统应用程序，也可以作为应用程序设计语言，编写不依赖计算机硬件的应用程序，C语言是目前使用最广泛的高级程序设计语言之一。通过该课程的学习，学生可以初步掌握程序设计的基本方法及思路，初步形成程序设计基本思想，掌握应用C语言进行程序设计的技能，具有阅读程序和编写程序的能力。该课程为学生进一步学习其他专业课程和今后从事软件开发工作提供必要的理论基础和实践能力。 目前，山西大学商务学院C语言程序设计课程采用混合式教学模式。线上资源主要通过学习通平台发布，包括视频、测试题、讨论主题、学习问卷等;线下教学采用传统的课堂讲授。为了保证混合式教学模式的教学效果，提高线上、线下教学的高度融合性，授课教师需认真组织教学中各个环节，尤其是线上教学环节，每节课不同阶段通过学习通平台发送自测题、前测题、后测题，学生对所学知识有针对性地和大量地练习。这样一方面保证了学生的学习效果;另一方面结合数据分析，教师可以精准掌握学生学习情况，合理调整教学中重点讲解的内容、优化教学过程，从而保证线上教学和线下教学相辅相成，保证教学效果。
3教育大数据的采集
教师在授课过程中，线上平台产生大量的数据，和教学决策有关联的数据主要包括三类，这些数据需要采集并进一步分析，分析结果可应用于混合式教学模式的优化。
3.1教学过程基础数据采集
每次课发布的测试题中每道题的知识结构及正确率均需要采集存储，教师通过这部分数据可以掌握学生对于每一个知识点的整体掌握情况。例如，学生通过学习通平台对标识符与关键字-测试题目进行了答题，通过线上平台可以采集到以下数据，标识符与关键字一测试题目答题情况如表1所示。
3.2章节测试数据采集
章节测试用来检验学生阶段性学习的结果，通过学习通平台需要采集整理每次章节测试中每个学生每个题目对应的解答情况，表2记录了张某某同学第3章数据类型运算符与表达式章节测验结果。
3.3学生学习行为数据采集
学生在学习过程中的学习行为分布如图1，主要包括学习认真程度和学习积极性。和这些行为直接相关的线上数据有：学习时长、实时讨论、登录、作业完成情况、论坛回帖、浏览学习资料、打卡签到、测试题考试成绩等等。这些数据对于教师掌握每个学生在该课程的整体学习情况非常重要，需要采集记录。
4基于教育大数据的混合式教学决策优化方法
4.1科学调整教师教学决策
通过采集分析线上平台产生的测试成绩数据，教师在课堂授课过程中可以重点讲解学生比较薄弱的知识，做到有的放矢，精准教学。比如学生通过学习通平台对标识符与关键字一测试题目完成了答题，通过线上平台可以采集到的数据见表1。进一步分析每道题目的正确率，具体见图2、图3。
以标识符与关键字知识点为例，教师结合学习的目标和上述数据分析结果，考虑优化教学决策，该知识点的学习目标及教学决策具体如下。
（1）学习目标
通过本节内容的学习，学生需要了解标识符和关键字的基本概念，学会区分标识符和关键字，学会区分标识符的正确性;了解C程序数据类型的种类，熟悉基本数据类型的分类及各类型的关键字。重点掌握标识符的命名规则，基本数据类型的分类及各类型的关键字以及各类型之间的区别。
（2）教学决策
通过学生答题情况，看以看到本节知识对应的练习题正确率较高，大部分题目的正确率达到了90%以上;正确率较低的题目为前测第6题、后测第8题，正确率不到80%，这两个题目考核的知识点均和关键字的基本含义及规则有关。综合学生答题情况及题目考核要点，在课后答疑环节，可以重点讲解标识符和关键字的区别，强调C语言中，字母大小写代表不同的含义，也可结合例子进行巩固练习，以便后续内容的学习。
4.2精准推荐学生个性化学习内容
山西大学商务学院C语言程序设计课程线上题库于2017年4月建设完成。题库中涉及各章节的每个知识点，以及二级C语言等级考试的选择题。题库中每个试题除了题干、答案，还增加了试题难易程度、知识点和试题分析三项内容，根据新增三项内容，教师组卷时可以根据难易程度和知识点合理组织试题;教师可以看到各个知识点学生的得分情况，为后期进行深度数据分析提供依据，同时为学生个性化学习推荐提供依据;学生可以在答卷后看到试题分析，了解试题做错的原因，及时纠正错误。比如，结合表2张某某同学第3章数据类型运算符与表达式章节测验结果进行分析，具体分析如图4，可以看到该学生关于变量知识点的练习有待加强，后期给该同学设置变量有关的题目进行练习，从而实现学生个性化学习内容精准推荐，强化练习薄弱环节，提高学习效果。
5结束语
本文以山西大学商务学院C语言程序設计课程的混合式教学过程为具体研究对象，采集线上教学产生的教学过程基础数据、章节测试数据、学生学习行为数据等教育大数据，对这些数据进行分析。分析结果对混合式教学模式下的教师决策优化提供数据支持，实现科学调整教师教学决策、精准推荐学生个性化学习内容，对完善高校人才培养新模式构建进行了积极探索与研究。本文重点研究了教育大数据中学生成绩的采集与分析，在以后的工作当中，我们将进一步探索学生学习行为数据和学习效果的关联性分析，以进一步优化混合式教学模式。
参考文献（References）：
[1]裴莹，付世秋，吴锋，我国教育大数据研究热点及存在问题的可视化分析[J]，中国远程教育，2017.5：1-8
[2]谢超峰，中级微观经济学混合教学模式探索与实践[J].金融教育研究，2016.3： 81-84
[3]王坤.支持与实现：教育大数据对高校教师教学决策的价值所在[J].中国成人教育，2018.16：145-147
[4]陈明选，王诗佳.测评大数据支持下的学习反馈设计研究[J].电化教育研究，2018.3：35-42
[5]祝智庭，孙妍妍，彭红超.解读教育大数据的文化意蕴[J].电化教育研究，2017.1： 28-36
[6]万贝贝.混合式教学模式下学生个人大数据的应用研究[D].华中师范大学，2018.
[7]张其亮，王爱春，基于“翻转课堂”的新型混合式教学模式研究[J]，现代教育技术，2014.4：27-32
[8]陈德鑫，深度学习技术在教育大数据挖掘领域的应用分析[J].电化教育研究，2019.2：68-76
[9]张燕南，大数据的教育领域应用之研究[D]，华东师范大学，2016.
[10]杨现民，王榴卉，唐斯斯，教育大数据的应用模式与政策建议[J]电化教育研究，2015.9：54-61
[11]臧方青.教育大数据支撑下“以学定教”教学模式建构与应用[D].山东师范大学，2018.
收稿日期：2020-05-06
基金项目：山西省软科学研究计划项目（ 2019041057-1）;山西省高等学校教学改革创新项目（J2020440）;山西省教育科学规划课题（GH-19189）
作者简介：郭金玲（1982-），女，山西长子人，硕士研究生，副教授，主要研究方向：数据挖掘。
转载注明来源:https://www.xzbu.com/8/view-15320510.htm
