“對分+翻轉”信息化教學模式的Logit成效分析

劉 君 羅曉媛

（黑河學院 黑龍江黑河 164300）

一、“對分+翻轉”信息化教學模式概述

“對分+翻轉”信息化教學模式（見圖1）采用對分課堂[1]（P5-10）的講授（Presentation）、內化吸收（Assimilation）和討論（Discussion）等三個主體程序框架。講授環節占用一節課的部分時間，教師采用多媒體課件、影音資料等信息化輔助手段只進行引導式和框架式的陳述，運用“留白”手法，明確學習目標、內容的邏輯結構和重難點問題的處理建議等，并布置自學任務；內化吸收環節設置在兩次課之間的課余時間，由學生通過網絡平臺自主學習教師依據教學目標和內容預先準備好的教學資料，包括教學目標、知識框架、知識背景、微視頻、軟件、測試題目及下次課的討論提綱等；討論環節設置在下次課講授環節之后的剩余時間，教師根據內化測試分數先進行聚類分析，并依據學生聚類狀況進行均勻分組，在課前通過平臺公布分組信息，便于學生確定位置，并在教師輔助下依照討論提綱深化認知。內化吸收環節允許學生在自學過程中借助平臺或通訊技術討論解惑，以降低自學難度。內化吸收和討論環節采用翻轉課堂[2]（P278-284）的主體程序框架。講授和討論環節之間設置內化吸收的時間間隔，課內間隔稱為“當堂對分”，否則稱為“隔堂對分”。“對分+翻轉”信息化教學模式采用“隔堂對分”的方式，以確保學生擁有充足的內化吸收時間。講授、內化吸收和討論環節都借助網絡教學平臺、通訊技術、微視頻、信息庫以及多媒體等信息技術輔助手段。“對分+翻轉”課堂保留了對分課堂變“即時討論”為“延時討論”的有效手段，嵌入了翻轉課堂的程序框架，吸納了信息技術輔助的特性，轉教為學，突出“以學習者學習和發展為中心”[3]（P105-110+135）的教學理念，可有效培養學生的構造思維，激發學生的學習興趣，提升學生自學、交際、合作和解決問題等各方面能力。

圖1 “對分+翻轉”信息化教學模式示意圖

二、Logistic回歸簡介

Logistic回歸是一種廣義線性模型。[4]（P83-166）作為最流行的二分類屬性數據分析方法，常用于數據挖掘、疾病診斷和經濟預測等領域。[5]（P1-58）其利用響應變量在解釋變量處取值狀態的概率，構造Logit變換，進而與線性函數產生對接。設二分響應變量Y={0,1} ，解釋變量X=x處Y=1的概率為π(x)，則logit變換后的線性模型為

從而有

π(x)的圖像是一條S形曲線，參數β值由最大似然擬合給出，β的正負決定S形曲線的升降，|β|的大小決定著曲線陡峭程度的強弱。曲線上x處的變化率為βπ(x)[1-π(x)]，因此，曲線在x處的變化率隨著x的變化而變化；當x固定時，變化率隨|β|增大而增大；當β=0時，Y與X獨立。π(x)∈[0,1]，π(x)=0.5 所對應的x值稱為中間效應水平。響應1的優勢表明x增加1個單2位，優勢變為原來的eβ倍。模型能夠估計效應置信區間、概率置信區間以及Y=1 的概率與解釋變量X獨立的顯著性檢驗。

三、構建教學效果自評指標體系

課堂教學效果評價與分析是教師自我調整教學策略重要依據，而指標體系又是教學效果評價的必要條件。本文遵照指標與目的相吻合；客觀反映教學全貌；指標間盡量保持相互獨立；可操作性強等原則，根據“對分+翻轉”信息化教學模式的基本程序，本著以學習者學習和發展為中心的理念，采用德爾菲法確定自評指標體系，見表1。

表1 “對分+翻轉”信息化教學模式的效果自評指標體系

四、教學效果的Logit成效分析

對于學生來說，課堂教學效果可劃分為“好”和“不好”兩類，屬于二分類變量，為此，本文采用Logistic回歸分析教學效果。根據概率論與數理統計課程模式實施的班級40名學生聽課、自學和討論的情況，獲取的教學平臺數據，利用SPSS24.0軟件，分環節進行效果分析。

（一）講授環節教學效果分析。教師在本環節利用多媒體簡要介紹學習目標、知識框架、重難點以及布置學習任務，學生根據自身學習狀況，通過網絡教學平臺填寫評價對應數據值，匯總數據信息，開啟SPSS24.0軟件，通過讀取數據，點擊分析-回歸-二元Logistic 回歸，彈出選取變量對話框。因變量選入課堂教學效果，協變量選入明確學習目標情況、掌握知識框架情況、理解重難點情況和明確學習任務情況。保存中選取概率和組成員，選項中選取霍斯默-萊梅肖擬合優度和Exp（B）95%置信區間。最后點擊確定，分析結果見表2和表3.

表2 講授環節效果預測情況

表3 講授環節偏回歸系數與OR（Exp（B））

表2和表3顯示預測結果準確率達到了95.0%，顯著性均小于0.05，置信區間不包含零點，說明模型效果很好。表3表明，知識框架和重難點影響顯著，而教學目標和布置任務影響稍差，這是知識框架和重難點只在課堂介紹，而教學目標和布置任務在內化環節再次給出，學生認為框架和重難點更重要所導致。EXP（B）數值表明，學生明確學習目標、掌握知識框架、理解重難點和明確學習任務的程度，在其他不變的情況下提升一個量級，教學效果的優勢分別提升為原來的1.349倍、2.818倍、2.223倍和1.213倍。為此，課堂教學中應注重知識框架和重難點的講述，但也不能忽視學習目標的明確和任務的布置。

（二）內化吸收環節教學效果分析。內化環節評價數據全部來源于網絡教學平臺，能夠直接反應學生學習的狀態。開啟SPSS24.0 軟件，通過讀取數據，點擊分析-回歸-二元Logistic回歸，彈出選取變量對話框。因變量選入課堂教學效果，協變量選入線上測試分數、線上MOOC 觀看情況（次數和時長）、提問情況和解答問題情況。保存中選取概率和組成員，選項中選取霍斯默-萊梅肖擬合優度和Exp（B）95%置信區間。最后點擊確定，分析結果見表4和表5.

表4 內化環節效果預測情況

表5 內化環節偏回歸系數與OR（Exp（B））

表4和表5顯示預測結果準確率達到了92.5%，顯著性均小于0.05，置信區間不含零點，說明模型效果很好。表5表明，線上測試成績、觀看MOOC時長和解答問題數量指標影響較為顯著，而觀看MOOC 次數和線上提問影響不顯著。EXP（B）數值表明，學生測試成績、觀看MOOC 次數、觀看MOOC時長、線上提問數量和解答問題數量，在其他不變的情況下提升一個量級，教學效果提升的優勢分別是原來的1.317倍、1.135倍、1.141倍、1.097倍和1.172倍。為此，內化環節應多關注學生的測試成績、觀看時長以及解答問題數量。

（三）討論環節教學效果分析。討論環節各指標數據主要通過平臺進行統計。討論態度指標數據有教師錄入，其余數據則根據學生通過平臺發布的信息自行統計。開啟SPSS24.0軟件，通過讀取數據，點擊分析-回歸-二元Logistic回歸，彈出選取變量對話框。因變量選入課堂教學效果，協變量選入回答提綱問題情況、討論態度情況、課上提問情況和解答問題情況，并在分類中將討論態度情況設置為分類協變量，保存中選取概率和組成員，選項中選取霍斯默-萊梅肖擬合優度和Exp（B）95%置信區間，最后點擊確定，分析結果見表6和表7.

表6 討論環節效果預測情況

表7 討論環節偏回歸系數與OR（Exp（B））

表6和表7顯示預測結果準確率達到了97.5%，顯著性均小于0.05，置信區間不含零點，說明模型效果很好。表7表明，四個指標對效果影響都很顯著，尤其是討論態度。EXP（B）數值表明，回答提綱問題、討論態度、提出問題和解答問題情況，在其他不變的情況下提升一個量級，教學效果提升的優勢分別是原來的2.787倍、8.449倍、2.377倍和3.979倍。為此，內化環節應重點改善學生的學習態度，同時鼓勵學生盡可能多地解答問題，但提綱問題的設置和鼓勵學生提出問題也不容忽視。

結語

本文在“以學習者學習和發展為中心”的教學理念下，利用Logistic回歸，對實施“對分+翻轉”信息化教學模式的班級進行了教學效果評價和成因分析，以期為模式實施提供教學指導。文中采用的數據均由學生自身學習活動產生，并由教學平臺匯總，充分體現了學習者學習行為的中心地位和信息技術手段的合理運用。避免了人為主觀因素的干擾，輸出結果更加客觀。文中根據“對分+翻轉”信息化教學模式的基本程序，分講授、內化吸收和討論等環節進行操作，獲得結論如下：一是講授環節需重視框架和重難點的介紹處理；二是內化吸收環節應關注測試成績、觀看MOOC 時長和在線解答問題等情況信息；三是討論環節注重調整學生的態度和倡導學生主動解答問題。