基于學習行為數據分析的混合式教學模式探究

邵雯娟

1 背景

針對以學生為主體、教師為主導的傳統教學在學生個性化發展與學習需求中出現的諸多弊端，近幾年以MOOC、SPOC為代表的新型線上教育模式得以興起，同時隨著以移動互聯網、物聯網、云計算、大數據等為代表的新一代信息技術的發展，對當前教學、學習考核思維模式都有了新的發展需求，線上線下相結合的混合教學模式：教學新資源—微課、教學新形態—慕課、教學新模式—翻轉課堂已經成為教育領域的前沿議題和實踐熱點。

混合教學模式突破了傳統教學模式的時空限制與學習方法的限制，使學習資源無限豐富，并可充分利用碎片時間，可促進教與學、教與教、學與學的全面互動，有利于師生之間的共同學習和提高，有利于學生自主學習和探究學習能力的提升。如何結合傳統大學課堂教學和“慕課”模式的優勢，利用“線上線下混合教學教育理念”來對課程教學模式進行改革成為我們關注的課題[1]。

2 以學習行為為中心的混合式教學模式設計

本教學模型將學生、教師、環境、媒體等各個教學要素有機整合，利用在線學習和線下課堂教學的優勢互補，融合各種技術和教學方式，綜合運用各種手段，實現多元混合，符合學與教規律，真正提升“教”與“學”的效果。

模型以實際課程的教學過程作為研究應用案例，結合傳統課堂教學和線下教學模式的各自優點，同時，借助移動信息化教學平臺和無線校園環境，為實施提供環境保障，從而設計線上線下混合教學模式的實施方案。

2.1 現狀分析

《計算機網絡課程》為計算機科學技術學科的專業基礎課，該課程以理論教學為主，實踐操作為輔，注重學生知識能力和操作技能的雙重培養。

目前，《計算機網絡》課程的教學模式仍以線下的“課堂講授”為主，課堂間缺少師生互動，在整個教學環節中，教師的講解占據了課堂大部分時間，學生真正通過內化理解的時間很少，而且課堂間缺少師生互動，學生過度依賴課堂的知識傳遞，大大降低了學生的學習興趣，從而導致學生缺乏主動性和獨立自主解決實際問題的能力?，F行的“課堂講授”的教學模式影響了學生學習的興趣和積極性，限制了學生創新能力的發展，阻礙了教學質量的提高，不利于教師與學生的發展，因此，針對該門課程，亟待尋求一種多元化教學模式，不僅能增加學生的學習興趣，還能發掘學生自主性學習的動力，真正讓興趣與學習相融合[2-3]。

線上線下混合教學模式是指在現代信息技術的支持下，教師在線上平臺提供教學視頻和知識點PPT等學習資源，學生課外自主完成對線上資源的學習，而在課堂上（線下）教師則對學生反映的重點難點內容進行講解，解答學生的疑惑，促使學生更好地掌握知識[4]。線上線下混合教學模式將授課內容移到課外（線上），學生通過在線視頻學習重點知識，通過課堂時間（線下）完成知識的消化吸收，這樣的教學模式使課堂內容安排和時間分配發生了改變，使師生角色發生了改變，明確了學生在教學活動中的主體地位，線上線下混合模式可以很好地促進學生自主學習能力、協作溝通能力和創新能力的提升，可以極大地提升教學的效果，所以線上線下混合教學模式很好地結合傳統課堂教學模式和“慕課”模式的互補優勢，將促進我國高校大學教學改革的發展[1]。

2.2 實施環境

2017年，我校加大智慧校園建設力度，實現了校園無線網全覆蓋且無感知認證，校園無線網絡“i-zijin”覆蓋范圍包括學生宿舍、教學樓、圖書館、體育館以及校道等室外區域。無線局域網以其靈活布設、高帶寬和無線接入的優勢，可以突破有線網絡節點限制、實現多人同時上網的問題，大大地增加了校園網絡信息點，方便在校師生獲取信息，進一步提升學校的信息化水平，有效服務于教學工作。

當前我校數字化校園的環境建設初顯成效，結合信息化教學平臺的使用，可以突破地域、實踐的限制，在移動學習環境下，能更有效地呈現學習內容，并且提供教師與學生之間的雙向交流，實現了線下、線上的師生互動，使得移動學習、實時互動成為可能，為混合式教學提供了實施環境。

另一方面，隨著互聯網的發展，基于“互聯網+”的移動信息化教學管理平臺紛紛出現，如：藍墨云班課[5]、對分易[6]、雨課堂[7]、超星學習通[8]等，這些基于移動社交活動、即時互動教學管理平臺，具有即時互動的信息反饋特點，為傳統教育注入了新的活力，為廣大一線教師及教學管理者帶來了新的教學變革，是我國高等教育教學發展的又一種新方式。它們不僅使“教”更加簡單方便，也使“學”更加有趣高效，可以將不同網絡環境下、不同學習情境下、不同客戶端的異構學習數據完全收集起來，為學習分析提供了良好的數據基礎。

2.3 教學設計思路

以我校《計算機網絡課程》的教學過程為研究案例，使用信息化手段，將面對面的線下課題教學和線上學習相結合，協同開展混合教學的有效性研究。在移動學習環境下，突破了地域、實踐的限制，實現了線下、線上的師生互動。

本文采用“PDCA”循環法”來指導實施混合式教學過程[8]，即以提高學生的學習能力、實踐能力和創新能力為教學目標，從課前、課中、課后教學活動三個方面優化原有的教學模式。通過學習行為數據的分析，評估混合式教學的效用，指導教師下階段的教學進程。

所設計的線上線下混合模式的實施具體步驟如下：通過云課堂平臺收集并整理學生的各種數據，如登錄頻率、學習時間、學習進度、答題情況等信息，通過運用大數據分析技術，對學習者進行評價和跟蹤。

(1)課前計劃（Plan）

授課之前，教師準備線上資源，制作教學視頻、多媒體課件等教學素材，上傳到線上平臺，明確知識要點和預習重點。另外在視頻播放過程中設計一些練習作業題，促使學生產生疑問，激發學生的學習積極性。采用隨堂測試，對學生已有知識能力和預習情況的分析，選擇合適的內容起點，確保課程的正常運行和分析結果的有效性。

(2)課中教學執行（Do）

采用線上互動、答疑，線下自學的翻轉巧堂的教學模式，為學生搭建無縫的學習空間，使得所采集的學習行為數據更能體現學生的真實學習狀態。

(3)課后效果檢查（Check）和教學總結（Action）

對學習者的測試結果數據進行統計分析，對學生的學習行為進行分析，評價線上線下混合模式教學的效果，通過實施過程中得出的成效和存在的問題進行教學反思，在后續實踐中不斷改進和優化教學方案，進一步提升后續教學的效果。

圖1 混合教學模式設計思路

3 基于學習行為的數據分析

混合教學設計依托移動教學平臺開展課程的學習，使得學生的線上、線下學習行為均可采集、可測量，反映學生課上和課后學習的全過程，為教學提供決策依據。線下學習行為包含：在線簽到、在線投票、課堂搶答、課堂討論、課堂測試、互動討論等功能，線上學習行為包括：資源學習、資源下載、課程點播、作業管理、問卷調查、答疑討論、資源共享等。

3.1 活動參與度分析

(1)活動構成

參加本教學活動的教學班學生數為131人，共開展84項混合教學活動，其中，小組任務占12項和課堂表現占35項，頭腦風暴12項，討論答疑9項，課堂互動類活動占比90.95%?；宇悈⑴c782人次，提交結果1421個，測試類活動參與253人次，交卷總數260個。從活動數量和參與度，反映出混合教學活動充分調動了學生的學習參與性，真實地反映了學生們的學習狀態。

圖2 教學活動構成

(2)活動總體參與度

教學活動中參與率最高的是簽到活動，占比98.37%，這項活動得分門檻低，形式簡單，因此學生們參與度最高。其次是投票問卷，占比97.01%，討論答疑（96.02%）和頭腦風暴（94.65%）相比前兩項，隨著對學生學習投入度的要求的提高，參與度也相應降低。參與度最低的是測試和作業小組活動，兩者對于知識的掌握程度、學習態度都有相應的門檻要求，因此學生的參與意愿度也隨之下降。

圖3 教學活動參與度

(3)討論答疑活動

討論答疑活動參與度從開課之初（3月2日）從86.57%上升到97.01%（3月6日），表示這段時間學生的學習主動積極型得到了充分的激勵。但隨著課程的推進，特別在進入到第3章數據鏈路層后，學習難度漸進，具體表現為：活動參與度在4月3日小幅度下降為79.85%，之后一直保持在相對穩定的80%左右的參與度。

圖4 討論答疑活動參與度

3.2 學習行為分析

通過前期教學活動的開展，教師“伴隨式”采集到學生在學習行為過程中產生的各類狀態信息，形成了反映真實學習情況的學習行為數據源。接下來，我們對樣本數據進行了預處理，然后運用數據挖掘算法中的K-means算法進行分類，獲取各類與學習行為屬性的關系，挖掘某個群體的學習規律，更好地實施個性化教學活動。

K-means算法是一種基于樣本間距離的聚類方法，采用均方差作為標準測度函數。一個象元樣本按某一原則，歸屬于某一組類后，就要重新計算這個組類的均值，并且以新的均值作為凝聚中心點進行下一次象元聚類。在全部象元樣本按某一組的類中心分類之后，再計算修改各類的均值，作為下一次分類的凝聚中心點。K-means算法的輸入條件為：聚類個數K，輸出結果為滿足方差最小標準的K個聚類[10]。

我們首先將學習行為數據進行數據清洗和預處理后，按照學習行為熟悉分為8個維度，各學習行為屬性的值為量化后的經驗值，樣本數據如表1所示。

表1 學習行為屬性及數據樣本

使用K-means算法進行6次迭代后，學習行為聚類結果分為以下3大類：

表2 學習行為聚類結果

各大類的聚類中心為：

表3 聚類中心

從聚類結果來看，分類3和分類1、分類2間的特征差距主要體現在：測試活動和作業小組任務活動上。分類1的測試活動和課堂表現等線下教學活動參與性較低，教師應多關注此類學生的課堂注意力，多發起線下課堂互動，以增加該類同學的課堂積極型。分類2的測試和小組任務完成情況都較好，學習效果良好，課堂表現也積極進取，教師應多給予鼓勵和關注，繼續保持好的學習習慣。分類3的線上活動參與度較低，對視頻資源學習和作業小組任務態度都不積極，學習態度滯后，教師應給予特殊關注，多輔導該類學生解決學習上的難題。

圖5 學習行為分類特征的雷達圖

4 結語

本文設計了一種以學習行為為中心的混合式教學模式，并在課程教學中真實運用該教學改革。通過使用K-means算法對個性化的學習行為進行數據聚類分析，挖掘群體的共性學習特征，幫助我們作出下階段的教學決策。

分析結果表明，該混合式教學模式的開發和應用，不僅能夠彌補傳統課堂的一些問題和短板，提升學生的學習積極性，也能增強教師與學生之間的互動和交流，使學生能在這種協同式的學習中獲得更好的學習效果。下階段的探索研究中，我們還將對混合教學模式進行進一步的探索，對教學環節進行更精細化的設計，使用更多的大數據分析工具來推進和驗證教學改革。