线上线下混合式教学模式下线上学习评价模型的构建
来源:用户上传
作者:孙华 马俊 汪一百
摘要：在线学习评价以定量的方式计量在线学习效果，相比于传统课堂教学的形成性评价，在统计学生学习参与度上更精准。学习评价模型的建立是从激发学生学习态度角度出发，对已有的平台及已开展的多个评价体系和模型进行分析，得出从学生个体参与度、协作参与度、学习态度、学习平台技术多个维度进行统计的评价模型。通过对学习行为数据的监测与特征分析，对于单个及群体学生学习进度的预警，激励学生线下自我参与，辅助教师线下重点关注及指导，从而改善参与度低的学生的学习主动性和学习效果。
关键词：线上学习;评价;模型
中图分类号：G642 文献标识码：A
文章编号：1009-3044（2020）28-0153-02
1问题的提出
随着信息技术的日新月异，网络基础设施及技术的更新迭代，教育领域从最开始的精品课程、到2011年以来的MOOC、微课等网络教学，都不是教学模式的主体，而仅仅是现场教学外的辅助和补充。学生、老师习惯了传统的教学模式，学生的学习主要是为完成学时安排，即使少量老师会制作网络资源，为学生课前课后使用，但部分学生仅仅是为了“参与度”而学习，没有监管的学习，就导致了比如教学视频前台播放，后台无人听的场景。同样，教师的教学大多来自课时的限制，线上资源及手段明显不足，线上教学绝不能停留在传统意义上的教学资源的电子化和网络化。
2020年开年以来的新冠疫情却完全改变了传统的教学模式。学生及老师没有办法回到原有校园，那么线上教学就成了主体。新的教学形式，是危机也是转机，网络教学中，灌输方式的教学，是远远达不到教学效果的，教师开始不断地优化课程资源，设计课程参与模式，计量学生参与度，将原本传统的教学模式快速地转变线上教学。但在近期的线上教学中也发现存在的不少问题，完全依靠线上教学和评价是远远达不到育人的效果。因此，更加逼迫我们的教师进行研讨，如何开展线上+线下混合式金课，线上、线下混合的模式将更适应于未来大学教学。新的线上教学更多地注重如何引导学生自主、自觉地参与及促进教学活动。因此，本研究就是试图探寻一种基于线上线下混合式教学模式，能促进学生提高学习效率，提升学习效果的评价模型。
2研究现状
2.1现有评价模型现状
评价模型的建立，是在对大量在线学习个体学习行为数据的挖掘中获得的，通过学习行为数据的分析，对大学生学习激励策略、教师教学模式改革等都会提出了有意义的建议。李迪在基于大数据下智能在线学习模型评价研究中就提出影响学生在线学习模型构建的因素包括如因学生操作不当而发生的反复登录的勤学习假象，不同年级、不同专业、不同性别在登录学习次数上有明显的差异。对于不同学习资源的访问频率和参与度也反映出不同特征学生对资源的喜好程度。在线模型需要对登录频度、时长，学习者的个性特征、学习资源呈现形式进行设置[1]。朱家成等人通过对在线教学数据和学生学习行为数据进行分析，构建了基于随机森林的混合教學学习行为评价模型，并通过人工干预参数达到预测学生学习行为的目标[2]。北京师范大学智慧学习研究学院李艳燕、彭禹等人对在线学习过程中，小组成员协作学习中的认知投入、行为投入、社会投入、情感投入进行了分析，并构建了在线协作学习投入的分析模型，结果显示协作性与小组成绩存在显著相关性。他们发现，当小组的情感投入均与小组成绩呈负相关，即把过多的时间用在与小组话题无关的交互上，反而会导致讨论话题的偏移，以致对学习成绩有负面影响[3]。北京师范大学教育学部的卢紫荆和刘紫荆等人选取了英国开放大学数据集中的一门STEAM课程， 构建了在线学习者学习活动效率输入/输出评价体系，采用数据包络分析的方法对两期共419项活动数据进行聚类，分析学习效率。还有张巧红 （2017） 使用DEA对高等数学线下学习者的学习效率分析，汪世蓉 （2010） 使用DEA对大学英语线下学习者的学习效率[4]。杨冰、朱珂等人使用德尔菲法利用yaahp 软件对在线学习者声誉激励模型中的指标进行权重的确定，并以积分激励算法和社交网络中的影响力量化算法为基础，结合在线学习者声誉评价模型，设计了学习者声誉的量化算法[5]。现有的线上教学系统，大多都只考虑关注学习的产出，并不会注重学习的投入，学习的积极性不能有效刺激。
2.2影响线上学习行为的因素分析
大学生线上学习效果是受到学生内因和外因两重因素影响的，内因又分为学生基础、学习态度、学习兴趣等方面。外因包括了教师、平台与工具、课程及资源、学习同伴等[6-7]，如下图1所示，影响因素可划分为5个维度。影响因素的内因中，学生的学习态度和学习兴趣可以表现为学习的主动性和自我约束，也受到了其他四个维度的影响。在大多数的线上教学中，我们往往重视教学资源的更新、课程考试的设计，教师教学能力的培养，但是对于学生自我内因的激励不强，王子婷关于大学生在线学习动机影响因素量化研究中发现技术支持、学习交互、奖励措施对于在线学习动机都有显著的正向影响[6]。因此，本项目以学习通上构建的A课程为实验依托，从平台支持技术调和学生年级、性别因素，并累积学习协作与交流积分兑换成过程奖励等措施，对学生学习过程进行激励。
3 线上学习评价模型的构建
学生在一门课程学习过程中，往往存在自我激励机制，在深入学习某门课程前，学生的自我激励会悄悄形成，激励有积极的也有消极的，心理学家斯纳金提出基于条件反射的强化激励理论，就充分考虑正向的积极强化和负面的消极强化[4]。杨冰[5]的研究中提到了基于过程的激励理论，核心思想是通过各种刺激与干预或奖惩机制使得个人的行为活动与课程教学目标一致。因此，我们在各阶段的评价体系中，有必要增设奖励或激励的手段。对于学生学习过程中如按时观看视频、打卡、做作业等采取积极的强化，以及不完成作业，不参加讨论，讨论不积极等采取消极的强化的激励理论。 3.1指标变量说明
个体参与度：对于个体必须完成的既定任务，包括打卡、观看视频、浏览资源、作业、测试，系统给出了量的统计，如果全勤打卡占平时成绩的比重;观看视频时长超过总视频长度的百分比占总视频比值;作业完成的准确率;测试的定量评分结果等。
协作参与度：协作参与体现在小组活动的参与统计，老师及同学发起的讨论、提问的回复上，协作能力与在线交流的成绩可以表现为在线协作的积极性、执行能力、参与度、分享的有效性和专业程度。
学习态度相关因素：针对学生重复式学习，判断学生在该知识点上反馈的难点问题，并对重复点进行累计，通过累计次数给予学习态度加分，以此鼓励学生的自主学习态度。另外越是提问多的学生，在该门课程中主动思考和学习的意愿会更突出的，在模型通过次数和频度及提问的有效性给予定量统计。在老师设置课堂讨论环节，互动次数也是记录学生主动学习的依据。在课程进行中，通过对学生作业完成情况进行统计，从完成速度来看，40%的学生能在结束课程后完成作业，5%左右的学生，在作业截止时间仍未做，需要系统提醒甚至老师督促。通过改革，对于完成作业，设置分时段，时效倒序的方法积分，来定量学习态度。
学习平台技术相关因素：针对学生参与到线上学习的时序的随机性，设置关卡式学习模式，设计学习流程必须从知识点基础章节出发。在协作环节角色扮演（PBL教学中教师和学生互换）、同伴互评（小组合作环节不以教师评价为唯一标准，展开学生匿名互评）、资源分享等环节。平台技术手段改进不良刷课行为的监控，对于不良刷课行为系统自动提示，学生改进后再计分。针对不同性别、不同年级、不同科目设置调整参数比例。
3.2模型设计
将S定义为评价模型，Si即为评价模型中各指标参数，λi为每一项指标参数的参与系数，定义R为积极强化方式时（R=1），R为消极强化方式（R=-1），每个指标作用及设置如图2。
模型深度挖掘30个得分依据，对学生线上學习行为进行监控，通过积分和奖励刺激学生学习态度，在本学期教学过程中期，引入以上教学方案，学生后半学习的到课率、习题完成速度、话题讨论都有改进。
4结语
线上学习智能评价模型的建立，充分考虑学习者年级、性别差异、在线课程难度，提供了个性化学习需求的解决方案。在各环节对于主动学习者在学学习痕迹进行记录，并给出不同方式和程度的积分奖励，方法的使用在A课程上应用，收到了改良学习主动性，提升学习效率的效果。但在模型设计上，参数的设定还比较粗糙，在今后的研究中，需要通过收集更多的在线学习数据，充分考虑指标中的多重线性关系，对模型的指标及指标参数进行优化。
参考文献：
[1] 李迪.基于大数据下智能在线学习模型评价研究[J].微型电脑应用，2020，36（5）：60-63.
[2] 朱家成，陈刚，向华，等.基于随机森林的混合教学学习行为评价模型[J].电脑知识与技术，2019，15（29）：118-120.
[3] 李艳燕，彭禹，康佳，等.在线协作学习中小组学习投入的分析模型构建及应用[J].中国远程教育，2020（2）：40-48，77.
[4] 沈欣忆，吴健伟; 张艳霞，等.基于DEA的在线学习者学习效率评价[J].开放学习研究，2019，24（2）：30-38.
[5] 杨冰.大规模在线课程中在线学习者声誉激励机制研究[D].新乡：河南师范大学，2019.
[6] 王子婷，安建强.大学生在线学习动机影响因素量化研究[J].软件导刊，2019，18（5）：219-224.
[7] 马楠楠，姜男，孙俐.基于文献计量学的大学生网络在线学习影响因素研究[J].医学教育管理，2019，5（5）：479-484.
【通联编辑：代影】
转载注明来源:https://www.xzbu.com/8/view-15368277.htm
