大數據時代下的線上線下混合教學模式研究お

馬國富 王子賢 劉太行 任建通

摘要：隨著高等教育信息化的發展，線上線下相結合的混合教學模式成為當前教育領域研究的熱點。文章首先分析了傳統課堂教學存在的問題，在此基礎上，以線上線下混合實驗教學流程為例對線上線下混合教學模式進行介紹。然后構建基于大數據的網絡在線學習平臺，并提出基于大數據的學習行為分析與預測模型。最后建立線上評價和線下評價、形成性評價和終結性評價相結合的多維一體化教學綜合評價體系，該評價體系注重學習過程，教師可根據預警情況采取干預措施，進一步提高學生的學習效果。

關鍵詞：線上線下；混合學習；大數據；教學模式；預測

中圖分類號：G420文獻標識碼：A文章編號：1674-7615（2017）02-0022-03

DOI：10.15958/j.cnki.jywhlt.2017.02.003

隨著高等教育信息化的發展，自主學習、主動學習、合作學習和個性化學習改變著大學生的學習方式，然而在線學習并不能完全替代教師的課堂教學，缺乏教師的深度參與，學生的學習效果將很難保證。既能發揮教師的引導、啟發、監控教學過程的主導作用，又能充分體現學生作為學習過程主體的主動性、積極性與創造性的線上線下混合教學模式成為當前的研究熱點。線上線下混合教學模式是學習理念的一種提升，這種提升會使得學生的認知方式發生改變，教師的教學模式、教學策略、角色也都發生改變。這種改變不僅只是形式的改變，而是在分析學生需要、教學內容、實際教學環境的基礎上，充分利用在線教學和課堂教學的優勢互補來提高學生的認知效果，強調的是在恰當的時間應用合適的學習技術達到最好的學習目標。

一、線上線下混合教學模式體系

（一）傳統課堂教學存在的問題

隨著移動互聯網、大數據等新型信息技術在人們日常工作、生活、學習等各方面的深入應用，在倡導終身學習的大數據時代，傳統的以教師為中心的面對面教學模式正在個性化學習、教學形式、教學互動、學習時間、資源共享、教學綜合評價等方面逐漸暴露出一系列比較突出的問題，主要表現如下（見表1）。

表1傳統課堂教學存在的問題

存在的問題問題詳述

個性化學習傳統課堂教學統一內容和進度，難以實現個性化學習、層次化學習

教學形式傳統課堂教學教學形式單一，教學吸引力不足，無法滿足差異性學習，實踐教學效果差

教學互動課堂教學中的討論、師生互動及生生互動不足，學生對自己和同學的學習情況缺乏了解

學習時間學習時間集中、少且學生難以自己掌控，不能滿足隨時學習和終生學習的需要

資源共享傳統課堂教學中的優質教學資源很難共享，受眾人群受到很大限制，尤其難以對外普及

教學綜合評價以期末考試為主的傳統教學終結性評價不能對學生的學習過程進行形成性評價，難以全面實現對學生的綜合性評價

2016年6月7日，教育部印發《教育信息化“十三五”規劃》的通知，明確提出“優質數字教育資源要滿足個性化學習需求；創新網絡學習空間人人通建設與應用模式，從服務課堂學習拓展為支撐網絡化的泛在學習；深化信息技術與教育教學的融合發展，從服務教育教學拓展為服務育人全過程”。教育信息化改革就是要改變傳統單一的課堂教學模式，實現在線學習空間與線下課堂教學的混合教學。

（二）線上線下混合教學模式體系

線上線下（Online To Offline，簡稱O2O）混合教學模式是面對面課堂教學和在線學習的結合，將學生、教師、環境、媒體等各個教學要素有機整合，通過融合各種技術和教學方式，符合學與教規律，利用在線學習和線下課堂教學的優勢互補，從而實現最好的教學效果。線上線下混合教學比傳統的課堂教學和完全在線學習具有更深的層次[1]，既不片面強調在線學習忽視課堂教學，也不片面強調以學生為中心忽視教師的主導作用，也不片面強調在線學習空間的開發和優質資源的共享而忽視傳統面對面教學的情感交流和教師的言傳身教。目前，無論是國外商業性的在線慕課Coursera平臺、公益性的edx平臺還是國內有清華大學發起的學堂在線平臺主要是理論課程，很少有實驗實訓課程，這主要是因為實驗實訓類課程受到實驗室信息化和對實驗設備進行操作等方面的限制。

線上線下混合實驗教學流程見圖1所示，線上線下混合實驗流程包括實驗預習、實驗操作、實驗報告、實驗操作四步組成。在實驗預習階段，教師通過在線設置預習思考題來引導學生進行在線預習，學生必須在給定的時間內正確回答預習思考題的80%以上才能進行實驗，實驗之前不同組的同學之間需要互相向對方口頭表達實驗步驟、內容、注意事項等實驗內容，因此該階段主要考核學生對實驗的預習程度和口頭表達能力。在實驗操作階段，主要考核學生的動手能力，一些實驗需要多人協作，這將考核學生的團隊合作能力。實驗報告主要考核學生的書面表達能力和邏輯思維能力，需要注意格式問題，尤其是要把實驗過程中遇到的問題及其解決方法進行記錄。對學生實驗的綜合運用能力的考核通過實驗考核來完成，實驗考核包括答辯和實驗操作兩部分，實驗操作隨機抽取學生進行。對于個別不能完成考核的學生，需要重新開始進行實驗預習，因此在流程圖中用虛線表示。

對實驗設備進行信息化管理，建立在線實驗綜合平臺，利用大數據技術對學生在該平臺上進行的實驗預習、實驗操作、實驗報告、實驗考核等實驗數據進行全程的收集、存儲、分析和管理。通過對歷史實驗數據進行分析，可在時間、空間上更合理安排實驗課程，從而提高實驗室的利用率；通過對學生歷史實驗考核數據的分析，可提前發現學生實驗課程中的薄弱點或存在困難的個別學生，實現對學生實驗課程的預警，進而教師可針對薄弱點或個別有困難的學生采取相關措施，最終提高實驗效果。

二、基于大數據的網絡在線學習平臺

（一）大數據在線學習平臺

目前，信息化教學的學習行為和學習方式正逐漸從多媒體化學習轉向網絡在線學習，然而在線學習平臺普遍存在一個重大難題：就是教師很難像傳統課堂教學一樣，通過直觀觀察學生的情感表現及其學習行為來發現存在的問題并及時給予指導。利用大數據技術建立大數據在線學習平臺，通過對學生在線學習行為進行數據采集、預處理、存儲與計算來實現對學生學習行為的分析與挖掘[2]。大數據在線學習平臺見圖2所示。

在多維數據源中，結構化數據主要是指和學生有關的各種業務管理系統數據庫，半結構數據中的日志主要指各業務信息系統日志；社會數據主要是指學校門戶網站及互聯網上有關學生的數據。非結構化數據中的文本數據主要包括：日常各種開會記錄、教師和學生談話記錄、學生日常在線學習行為數據；音/視頻數據主要指錄音數據和視頻監控數據。對多維數據源進行預處理后可存放到分布式數據庫中，然后建立基于不同學習模式的數據集市并以數據倉庫來實現。邏輯模型層通過統一的數據總線接口進行數據分析與挖掘。

（二）基于大數據的學習行為分析與預測模型

傳統的抽樣進行學習行為分析效用受到很大限制，利用大數據技術及對數據倉庫的學生數據進行分析，選擇學生的典型學習行為特征，進行數據訓練，建立基于大數據的學習行為分析與預測模型，從而挖掘學習行為與學習效果之間的關系[3]。通過對學生的學習行為數據進行分析，可以抽取的主要特征包括看視頻（次數及時間）、提交作業（次數及正確率）、學習時間（總量及分布）、看平臺發言（次數）、參與平臺（發言、回答、評論）等，把學習效果分為優、良、中、及格、不及格。定義每門課程有n個學生，每個學生具有p個特征值，則：X={Xi1，Xi2，Xi3…，Xip}，i（1，2…，n）

針對每門課程，利用交叉驗證方法將數據集分為訓練集、驗證集和測試集。用訓練集訓練參數，用驗證集選擇最優參數，用測試集評價各項指標。采用線性判別分析、邏輯回歸、支持向量機等多種分類方法進行訓練、驗證和測試，最后采用集成分類算法建立分類模型，最后，經過k輪訓練，得到分類模型序列{c1（x），c2（x），……，ck（x）}，再用它們構成一個多分類模型，通過投票方式得到最終分類結果，最終的分類決策可用如下公式表示：

C（x）=arg maxY∑ki-1I（ci（x）=Y）

其中，C（x）表示集成分類模型，ci（x）是單個分類模型，Y表示輸出變量（優、良、中、及格、不及格）。

三、構建多維一體化教學綜合評價體系

跟蹤教學的全過程，利用大數據技術對線上學習過程和線下課程教學數據進行多源數據融合、數據預處理、數據分析和挖掘，尋找教學薄弱環節，優化教學資源，提高教學資源利用率。建立線上評價和線下評價、形成性評價和終結性評價相結合的多維一體化教學綜合評價體系。線上評價除了傳統的每個學習概念或主題自測、自評、作品互評和教師評價之外，學生的學習參與度、進步程度、努力程度、發言次數、提問次數、回答問題的次數及其正確性、學習小組討論度、質疑問題的客觀性和科學性以及團隊合作的作品展示等學習特征構成線上的形成性評價[4]；這有助于學生了解自己和同學的學習情況，強調學習過程的成長，建立學生學習動態反饋處置機制，教師和教務管理部門可根據學生學習過程表現給予過程性干預，實施精細化管理，提高教學質量和教學管理整體水平。

四、結論

在教育云服務、在線學習空間生生通、教育大數據、智慧教育背景下，學生的混合學習活動和行為可以得到全過程記錄，基于學習活動、社會網絡、情感狀態、個人特征等多維特征數據進行數據分析、挖掘和預測，建立基于大數據的學習行為分析與預測模型。該模型可建立個性化推薦機制幫助學習，可自動精準定位每一位學生對知識點的掌握情況或者是否需要輔導，從而構建個性化學習模式。我們下一步的工作是進行多維度分析，一個是從內容到結果，主要包括學習體征、學習內容、學習行為、學習結果分析；另一個是宏觀到微觀，主要包括在線環境、情感狀態、社會網絡、個人特征[5]，從而進一步提高模型的預測精度和效用。

參考文獻：

[1]王建宏，梁存珍，朱玲等環境工程專業實驗混合教學模式初探[J].實驗室研究與探索，2016（3）：205-209

[2]馬國富，王子賢，馬勝利基于大數據的服刑人員危險性預測[J].河北大學學報（自然科學版），2016（6）：657-666

[3]蔣卓軒，張巖，李曉明基于MOOC數據的學習行為分析與預測[J].計算機研究與發展，2015（3）：614-628

[4]李瑩基于翻轉課堂的大學英語混合式教學模式研究[J].遼寧工業大學學報（社會科學版），2016（6）：115-118

[5]武法提，牟智佳基于學習者個性行為分析的學習結果預測框架設計研究[J].中國電化教育，2016（1）：41-48

（責任編輯涂艷）