學生學習行為、學習質量提升策略研究

李同飛 竇雪萍 熊杰

[摘 要] 在線學習平臺的廣泛應用為全過程學習質量監測與分析提供了有效途徑?；谠诰€學習平臺網絡課程學生學習統計數據，分析學生學習行為的基本特征，并進一步采用聚類分析方法識別不同類型學生學習行為。通過相關性分析網絡課程學生學習行為與學習質量間關系的研究，提出個性化的指導建議與教學質量提升策略。

[關鍵詞] 網絡課程;學習行為;學習質量;聚類分析;相關性分析

[基金項目] 2020年度北京工業大學教育教學研究課題城建學部一般項目“主客觀視角下全過程學生學習質量提升路徑研究”（047000513102）

[作者簡介] 李同飛（1990—），男，山東泰安人，博士，北京工業大學講師，主要從事復雜交通系統建模與分析、合乘出行、網聯自動駕駛研究。

[中圖分類號] G640 ? [文獻標識碼] A ? [文章編號] 1674-9324（2021）11-0117-04 ? ?[收稿日期] 2020-12-02

2018年6月，教育部強調高教大計、本科為本，本科不牢、地動山搖，堅持“以本為本”，推進“四個回歸”，把本科教育放在人才培養的核心地位、教育教學的基礎地位、新時代教育發展的前沿地位。當今信息化飛速發展，在線學習平臺為學習全過程監測提供了平臺與手段，特別是2020年新冠肺炎疫情加快了網絡課程的普及，積累了海量且涵蓋多門類學科的教學、學習數據。在線教育絕不是將傳統現場教學內容直接照搬到網上，而是更合理地組織優質教學內容從而促進學習的發生[1]。通過在線平臺能夠有效監測學生學習全過程，借助其數據采集功能全面掌握學生的學習行為，分析學習行為與學習質量之間的關系，從而優化在線教學，提升學生學習質量，對于今后教學模式改革和創新人才培養具有重要意義[2]。

針對網絡課程學習，國內外學者從不同視角進行了深入研究，主要聚焦于學習行為內涵、學習行為影響因素、學習行為評價等。在分析學習行為時，以往研究主要考慮了在線平臺、教師質量、教學環境、學習質量等方面[3-5]，較多地考慮了學校條件、教師水平等因素，較少有研究從學習者角度分析評價學習質量。在分析網絡學習行為與學習質量關系時，已有研究證明兩者密切相關，但結論信度仍有待進一步驗證[6]。如劉惠如證明訪問次數、訪問總時間、瀏覽頁數、在線測驗次數等因素與學習質量顯著正相關[7]，楊奕晨等研究證明訪問次數、討論次數等因素對學習質量沒有顯著影響[8]。針對學生學習行為評價，以往研究大多通過問卷調查，存在主觀性較強等局限性[9]。

基于以上分析，本文從學習者角度出發，以學生為中心，以“日新學堂”在線教育平臺為基礎，收集、整理學生網絡課程學習全過程學習行為數據，通過客觀數據分析學生學習特征，采用聚類分析方法將學生分類，差異化分析不同類型學生學習行為及學習質量差異，基于相關性分析探究網絡課程學生學習行為與學習質量間的關系，最后，依據統計分析結果，提出個性化的指導與建議。

一、網絡課程學生學習質量影響因素

學生的學習行為直接影響學習質量，在已有網絡學習質量研究文獻分析的基礎上，結合在線學習平臺監測數據，考慮學生學習內容、學習行為、學習過程及學習成效等方面，從學習者角度提出網絡課程學習質量主要影響因素。

（一）學習過程因素

縱觀學生學習全過程，學習時間是影響學習質量的重要影響因素，充足的學習時間能夠保證學生完成學習任務，在網絡課程學習過程中學習時間可用觀看視頻總時長與學習天數表示。學習次數是另一個重要的影響因素，通過學習次數可以直觀監測學生的學習進度，在網絡課程學習過程中學習次數可通過課程任務完成次數、章節學習次數體現。此外，適當的復習能夠有效提升學生學習質量，在網絡課程學習過程中可用學習反芻比及作業完成情況來進行觀測。

（二）學習質量因素

學習成績是學習質量的重要體現，在評價學生學習質量時主要考慮學習過程中的各項作業成績、課堂表現成績及期末考試成績。利用層次分析法，向有經驗的同行教師發起調查，最終得出綜合學習質量評定方法，即綜合學習成績由30%作業成績、60%期末考試成績和10%課堂表現成績共同構成。

二、網絡課程學生學習特征分析

（一）基本分析

本研究數據來源于北京工業大學“日新學堂”在線教育平臺，以城市交通學院2019—2020學年春季學期“運籌學”課程某班級23名學生為例。學生學習行為特征整體如表1所示。

（二）網絡課程學生學習特征聚類分析

利用SPSS軟件采用二階聚類方法對學生學習行為及學習質量進行聚類分析，統計結果顯示學生學習行為可分為兩類，其中類別一含16名學生，類別二含7名學生。聚類質量顯示良好，聚類結果如表2所示。

根據聚類分析結果，類別一中的學生各項學習行為指標平均值均高于班級平均值。此類學生能夠在規定時間登陸在線平臺查看學習任務并按時完成，且觀看視頻時長充分，能夠按時完成作業并對課程進行復習。因此，從作業平均成績、課堂表現成績及期末考試成績來看，類別一學生學習質量較為理想，此類學生大多較為自律，學習態度端正，具有良好的學習習慣。類別一學生學習特征分布如圖1所示。

根據聚類分析結果，類別二中的學生各項學習行為指標平均值均低于班級平均值。在線平臺數據顯示，此類學生訪問課程任務不積極，較高比例學生觀看課程視頻總時長未達到課程要求，能夠主動復習課程的學生比例較低，作業完成情況較差。因此，從作業平均成績、課堂表現成績及期末考試成績來看，類別二學生學習質量較不理想，此類學生學習主動性不高，在課程教學時應給予監督和提醒，調動其積極性，培養其自律意識。類別二學生學習特征分布如圖2所示。

三、網絡課程學生學習行為與學習質量關系分析

為進一步探究網絡課程學生學習行為與學習質量的關系，利用SPSS軟件將學習行為各項指標與綜合學習成績進行相關性分析，結果如表3所示。結果表明，網絡課程學生學習質量與學習天數、反芻比、作業完成次數呈顯著正相關，與觀看視頻總時長、課程任務完成次數及章節學習次數沒有顯著影響，即觀看視頻總時長、課程任務完成次數及章節學習次數并不能直接反映學生學習質量，存在部分學生在沒有教師監督下假性學習，機械性完成課程任務，或者雖按時完成課時任務，但并沒有理解課程內容，導致學習質量不理想。

四、網絡課程教學優化建議

（一）建立章節學習質量評價體系

網絡課程學習能夠實現知識在較短時間內大規模傳播，且便于學生回顧與深度學習，但同時對于學生的自主學習能力提出了較高的要求。研究發現，學生自主學習能力兩極分化明顯，學生學習天數、學習次數、觀看視頻時長等指標差異化顯著，存在部分學生能夠超額完成學習進度任務，也存在個別學生沒有完成學習進度任務。因此，一方面，優化課程大綱與教學內容，在課程內容講述時，緊跟時代步伐，做到案例及時更新，采用啟發式教學，激發學習熱情，融知識傳授與能力培養為一體;另一方面，在網絡課程教學過程中，要充分發揮在線平臺監測作用，注重過程性數據分析，針對每個章節建立學習質量評價指標體系，客觀評價學生每個章節的學習質量，實現網絡課程全過程評價，及時發現掉隊學生，給予更多的監督、提醒和鼓勵，增強學生自律性，避免敷衍應對。

（二）增強學生、教師及學習平臺的交互

從學生學習質量可以看出，存在部分學生各項學習行為指標均高于班級平均水平，學習態度端正，但學習質量并不理想，表示其對課程內容未能充分理解?！斑\籌學”作為一門基礎課程，運用到大量的數學計算，難度相對其他課程較大，但從討論次數上看，僅有較少學生在學習過程遇到問題時會主動詢問教師。因此，在教學過程中，充分利用討論區功能，利用網絡資源與學生進行互動，采用討論答疑的方式與線上教學互為補充，給予學生充分的交流與討論空間，便于學生充分消化吸收課程內容。

（三）注重因材施教，提供個性化指導

網絡課程學習中的學習主體是學生，在教學過程中應密切關注學生學習行為變化及學習過程特征。針對不同類型學生學習行為，通過通知、討論區、即時通信等多種形式對其進行學習干預和指導。例如，對于主動學習且自律性較強的學生，鼓勵其突破創新，不拘泥于課程基本任務;對于主動性較差的學生，加大監督頻率，通過短信、電話等形式督促其按時登陸平臺完成學習任務，并定期檢查其學習質量;對于學習規律變化較大的學生，加大情感關懷，了解其變化原因，并給予及時疏導，幫助其養成良好的學習習慣;對于主動性強但學習質量不理想的學生，了解其學習困難所在，培養其正確的學習方法，并引導其夯實基礎，參與更多互動。

五、結語

隨著教育現代化提速提質，“互聯網+教育”融合發展已成為必然趨勢。利用在線平臺學習全過程監測數據優勢，從學習者的角度分析群體差異特征，進而揭示學習行為與學習質量的關系，相關研究可以很好地輔助教師決策，完善教學內容和教學手段，推進線上教學模式和方法改革創新，同時為學生提供更加有效的學習支持服務，全面提升學習質量。

參考文獻

[1]余勝泉，王慧敏.如何在疫情等極端環境下更好地組織在線學習[J].中國電化教育，2020（5）：6-14，33.

[2]白雪.基于網絡學習行為聚類分析的在線課堂優化策略研究[J].吉林化工學院學報，2020，37（8）：44-48.

[3]鄭靜.基于學習者粘性的MOOC全生命周期質量評價[J].浙江萬里學院學報，2020，33（3）：111-116.

[4]黃萍.“雙評價”對新建本科高校學生學習質量的影響探析[J].大學教育，2020（9）：197-199.

[5]黃睿，黃慧.體育教學質量評價體系的理論分析及構建[J].湖北體育科技，2020，39（9）：838-842.

[6]傅鋼善，王改花.基于數據挖掘的網絡學習行為與學習質量研究[J].電化教育研究，2014，35（9）：53-57.

[7]劉惠如.整合式網路教學之教學設計與評量[D].高雄：國立中山大學資訊管理研究所，2000.

[8]楊奕晨，柴蕙質.非同步網路學習成效及影響因素之計量分析[C].臺北：非同步網路教學課程中心建置研討會，2000.

[9]楊志波.層次分析法在高校在線教學質量評價中的應用研究[J].創新創業理論研究與實踐，2020，3（17）：61-62.

On the Strategies of Improving Students Learning Behaviors and Learning Quality：

A Research from the Perspective of Online Courses

LI Tong-fei， DOU Xue-ping， XIONG Jie

（Beijing Key Laboratory of Traffic Engineering， Beijing University of Technology， Beijing 100124， China）

Abstract： The wide application of online learning platforms provides an effective way for the monitoring and analysis of the whole process of students learning quality. Based on the statistics data of the online learning platforms， this study analyzes the basic characteristics of students learning behaviors， and adopts the clustering analysis method to identify different types of students learning behaviors. Then the relationship between students learning behaviors and learning quality is analyzed based on the method of correlation analysis. Finally， some guiding suggestions and teaching quality improvement strategies are proposed.

Key words： online course; learning behaviors; learning quality; clustering analysis; correlation analysis