混合教學模式下學生學習行為特征分析及提升策略研究

武芳, 王芹, 武秀秀, 毛洪賁

2020年初疫情爆發,教育部倡導“停課不停教、停課不停學”,教學從線下轉向線上,保證了正常的教育學習秩序。隨著疫情緩解,教學轉化為線上線下混合,而今后的主流教學模式將是線下主導、線上補充[1]。學生每天都會在學習平臺上產生大量的學習行為數據,數據庫技術的發展,讓研究者可以從這些數據中挖掘出許多隱藏的信息,將這些信息反饋到教學中,提升教學質量[2]。學習行為分析是學習者在學習平臺上發起學習行為,學習平臺記錄相關行為數據,研究者采用學習分析技術對行為數據進行處理分析,得到相應的分析結果,進而幫助教師進行教學改進、幫助學習者進行自我調整、幫助管理者進行管理優化的過程[3]。本研究中,學生通過使用在線平臺配套的APP參與教學活動,教師通過在線平臺進行教學設計、對學生的學生行為進行分析。在理論學習過程中,高職生的掛科率往往偏高,本文結合對高職生在線平臺統計所得的混合教學模式學習行為的分析,重點研究了以下問題：高職生的學習特征規律,學習質量的重要影響因素;如何有針對性地實施教學干預,制定或改進教學策略,提升高職生的學習質量。

1 學生學習行為數據特征分析

1.1 數據來源

研究數據來源于研究者所授課的影像電子基礎課程,涉及3個年級共157名高職學生,分別為2019級52人、2020級55人和2021級50人。2019級和2020級的數據用于特征分析,尋找學生學習質量的重要影響因素;改進教學策略,實施教學干預后,對2021級學生進行測試。研究時間為2020年至2022年。研究期間的授課方式：理論內容為觀看錄制視頻、線上直播、線下授課等;實驗內容為教師直播操作、觀看實驗操作視頻、學生操作教師線上指導和線下課這幾種形式。學生在學習期間所產生的線上線下學習行為均被記錄于在線平臺上,形成數據集。數據集中信息繁多,先人為除去相同指標和學生信息等隱私數據,其中任務完成數、任務點完成百分比是相同指標,任務完成數等于課程視頻進度和章節測驗進度之和;學生姓名、學號為隱私數據予去除,最后保留與成績相關的幾項學習行為進行數據分析。

課程綜合成績構成：在線平臺50%,期末卷面成績50%。在線平臺成績包括課程視頻、章節測試、章節學習次數、作業、課程互動、分組任務。在線平臺成績是混合教學過程中的綜合得分。權重及描述在第1次上課前向所有學生明示,見表1,后續表中符號同表1。

表1 學習行為權重及說明

1.2 方法

1.2.1 研究工具 本研究采用Excel、SPSS 分析軟件分析數據。Excel 軟件在學習數據處理階段篩選刪除冗余無關的數據、更正或刪除錯誤數據,在數據分析階段利用簡單的公式函數進行對比分析、關聯分析等,在分析結果呈現階段利用圖表功能將結果進行可視化;利用SPSS軟件進行復雜的數據分析處理及可視化繪圖。

1.2.2 相關分析 相關系數是統計學中常用的分析指標之一,在本研究中使用Pearson相關系數,用來測量兩個學習行為之間的相關程度,取值區間為[-1,1],為正值時,存在正的等級相關,取負值時,存在負的等級相關;為1,表明兩個變量的等級完全相同,存在完全正相關;為-1,表明兩個變量的等級完全相反,存在完全的負相關;0表示無關聯;接近0表示關聯性小[4]。

1.2.3 因子分析 因子分析是一種數據降維、簡化技術,通過研究眾多變量之間的內部依賴關系,探求觀測數據的基本結構,并用幾個獨立的不可觀測變量來表示數據的基本結構。本研究中利用KMO檢驗和巴特利特檢驗判斷數據是否適合做因子分析,其中KMO數值接近1,巴特利特球形度檢驗的顯著性小于顯著性水平,則適合做因子分析。然后使用主成分方法,分析相關性矩陣,提取特征值大于1的變量,為聚類分析打好基礎。

1.2.4 聚類分析 聚類分析是研究“物以類聚”的一種多元統計分析方法,是一種無監督學習方法,根據數據的特征自動把相似的數據聚為一簇。本研究中使用歐式距離作為聚類統計量,選擇組間連接法(Between-groups Linkage)作為聚類方法,其遞推公式為：

2 結果

2.1 學習行為描述性分析

被動學習行為數據在本研究中是參與平時成績計算的部分,具體為課程視頻觀看、章節測驗、章節學習次數、作業、課程互動及分組任務。其中課程視頻觀看為完成視頻觀看任務的百分比,章節學習次數為滿分300分的量化后的百分比,課程互動是滿分200分量化后的百分比。從圖1中可以看出,均值部分：課程視頻觀看數據基本持平,2020級略高,與當年疫情期間學習形式主要為觀看在線視頻有關;課程互動2019級得分較高,大部分學生第一次線上授課,學生參與課程活動有新鮮感,積極性較高,2020級得分較低,課程大部分為線下授課,學生活躍程度不及線上,課程互動難度大,平均分偏低。標準差部分：2020級整體完成情況較一致,尤其是課程視頻觀看標準差僅1.09,與教師線下授課要求學生課前或課間集中完成視頻相關,說明傳統授課對學生的提醒效果要明顯好于線上;2020級作業評價形式主要為生生互評,學生之間評分習慣和標準相差不大。

圖1 2019級和2020級學生學習行為描述性分析結果

注：圖中除0.083外,均在 0.01 級別(雙尾),相關性顯著圖2 學習行為Spearman相關性分析結果熱圖

2.2 學習行為相關性分析

本研究對2屆總體學生的學習行為進行相關性分析,Spearman相關系數計算結果如圖2所示。課程互動每次為少數學生參與,對課程內容掌握好的學生才能獲得積分,與期末成績相關性最高,為0.52;分組任務是線下實驗課的綜合成績,完成越好,說明對課程內容的理解越好,實驗指導理論學習,對期末成績產生正面影響;課程視頻的觀看對期末成績影響最小,僅為0.185,但它與作業和章節測驗相關性較高,說明高質量的觀看會影響作業的完成質量和章節測驗的成績。課程互動和視頻觀看不顯著相關,僅為0.083,授課過程中發現,性格活潑的學生更愿意參與課程互動,所以與觀看視頻關聯不大。

2.3 學習行為因子分析

對在線平臺提供的2屆學生的統計數據(視頻觀看時長、討論數、章節學習次數、章節測驗、作業、課程積分、分組任務等共7個變量)進行因子分析,KMO值為0.709,巴特利特球形度檢驗的顯著性為<0.001,小于顯著性水平0.05。表2為進行主成分分析所得的公因子方差和成分矩陣。從表2可以看出,提取后的公因子與章節測驗、章節學習次數、作業、課程積分具有較高的共同度,說明公因子側重于提取教學過程中學生理解能力和學習態度方面的數據,為聚類分析提供分類依據。

表2 公因子方差和成分矩陣表

2.4 聚類分析

根據因子分析的結果,選擇學生的理解能力和學習態度作為分類依據。使用系統聚類方法[5],結合學生課堂中的實際表現,最終選擇分類數量為3。此3類數據主要反映了學生的學習態度上的區別,因此將3類分為：積極型、被動型和消極型。學生學習行為聚類結果及與期末成績的關系如表3所示。

表3 聚類分析結果及與期末成績關系

表3中,各類型人數分布符合中間大兩頭小的分布,為教育的普遍現象。3種類型的學生期末成績均值由高到低成階梯式上升,符合學習付出與收獲正比關系。消極和被動型的標準差略高,成績比較分散;積極型學生期末成績均值最高,類內差距不大。

圖3為學生類別與期末成績箱圖。消極型學生期末成績不及格人數較多,四分位數和中位數都在60分以下,理解能力和學習態度(或自控力)差。被動型學生期末成績中等水平,能完成教師布置的大部分教學任務,其中有兩個異常值,據了解,這兩個學生平時不能獨立完成教師布置的教學任務,因此影響考試成績。積極型學生期末成績均80分以上,在教學過程中發現積極型學生的自控能力較強,愿意將精力投入學習,課后與授課教師交流較多,主動解決課中疑難問題,能超額、認真完成教師布置的線上線下教學任務。

圖3 學生類別與期末成績箱圖

通過對2屆學生進行聚類分析,發現被動型學生占比最大,為85.98%,消極和積極型學生人數較少。其中消極型和被動型學生期末成績標準差略高,結合學生實際情況發現,這兩種類型的學生中有一部分理解能力強,但是自控能力弱,學習態度不積極或不能持續,導致成績比較分散。消極型和被動型中個別學生80分以上,能自己通過其他方式學習,不太關注教師在線平臺的教學要求,與積極型相比,成績差距明顯,說明教師在教學過程中起到的引導作用很大,除了提高學生在線平臺課程的參與度之外,還引導學生注重課堂教學,與相關研究結果相同[6]。另外在線平臺中的章節測驗、作業、課程積分對學生的期末成績具有較高的共同度,這些因素都影響了學生的學習質量。

3 教學提升策略設計與實證

3.1 提高線下課堂互動參與度

對學生在線學習平臺的學習行為分析時發現,課程互動的均分在所有學習行為中最低,一方面是因為課堂中,參與回答問題的學生覆蓋率低,另一方面,學生性格迥異,內向的學生參與回復問題的意愿低,每次參與的學生比較集中。提高課程互動的成績能大幅度提高平時成績的均分。因此在2021級學生的教學中,通過自動選人和手動選人相結合來提高課程互動。自動選人可以提高學生課堂的集中注意力,強化學生學習專注行為;根據學生前期的測試和學習情況手動選擇消極型和被動型學生,讓學生感受到被重視,提高對課程的關注度和持續性,學習上會積極參與,而且帶來質的突破。2021級學生課程互動均分為30.31分,雖不及2019級,但是在相同教學條件下,比2020級高出15.81分。2021級消極型學生人數為 3(6%)人,被動型為41(82%)人,積極型為6(12%)人,3種類型學生的課程互動情況均有優化。

3.2 提高線上資源輔助效率

視頻是平臺最主要的資源[7],從相關性分析可以知道課程視頻的觀看與作業和章節測驗相關性較高。課程共有55個視頻,其中,8個章節概述類、28個知識點講解、12個例題講解、7個實驗操作指導,包含的內容比較全面,除實驗操作視頻反芻比較高以外,其他視頻觀看情況基本相同。為了提高2021級學生視頻觀看效率,對在線平臺的視頻進行精減和提煉,縮短視頻時長,并在視頻中插入測驗,2021級學生知識點類和例題視頻的觀看質量明顯提高,視頻觀看均值達99.51分。另外,在線平臺中的章節測驗、作業對學生的期末成績具有較高的共同度,通過優化這兩項的發布內容,及時跟蹤,2021級學生的期末成績不及格率為16.00%,低于前2屆學生的期末成績不及格率(34.55%、30.77%),教學效果有了顯著提高。

4 結語

本文通過描述性分析、相關性分析、因子分析和聚類分析,結果發現高職生具有被動型學生占比大、消極型和積極型學生占比小的特點,學習質量主要受教師的關注度、章節測驗、作業、課程積分等因素的影響;教學過程中,過程評價中的學習行為與學業成績顯著相關[8],對學業成績有促進作用。教師在教學過程中的引導作用至關重要,在教學設計過程中應側重于關注成分矩陣中數值較高的學習行為,提高線下課堂互動參與度和線上資源輔助效率,從而幫助學生提高學業成績。