高校自建與公共教學云平臺的教學效果比較研究

邱實 羅元盛

摘?要：基于云平臺的教學方式擴展了教與學的時空，延長了學生的學習過程，使得學生能充分利用碎片化的時間進行學習。本文運用數據包絡分析（DEA）模型對比研究了自建教學云平臺和公共教學云平臺在高校教學中的教學效果，研究結果表明自建云平臺的教學效果較好。然后分別從技術效率、規模效率等角度分析了自建和公共云平臺教學中存在的問題，為基于云平臺的高校教學改革提供了改進思路。

關鍵詞：云平臺; 教學效果; 數據包絡分析

中圖分類號：G642.0

文獻標識碼：A?文章編號：2095-5995（2020）09-0093-05

一、引言

基于云的教學平臺擴展了教師教學的時空環境，延長了學生的學習過程，并且增加了學生學習的寬度和深度。然而，高校教學還無法完全在云平臺上實行。已有教學云平臺主要是自建云平臺，作為高校課堂教學的補充，幫助教師與學生更好的進行課后的學習和交流。同時，也可以用于記錄學生的學習過程和教師的教學過程，為各個高校基于教學大數據的教師績效評價與監管提供幫助。

今年，受新冠肺炎的影響，很多高校完全采用公共云平臺進行在線教學，使得在線教學正式成為傳統課堂教學的替代方式。新冠肺炎大流行期間的公共云平臺教學與以往的自建云平臺教學存在很大不同。Dai等人研究了新冠肺炎大流行期間南京的兩所中學里實行在線教學的情況。通過分組對比兩所中學的情況，他們認為利用自建在線教學平臺進行教學的學校取得了更好的教學效果[1]。為了應對新冠肺炎大流行期間停課不停學的需求，北京師范大學編寫了三份指導手冊。這三份指導手冊分別提供了7種靈活的在線教學策略，為學生在學校關閉期間自學提供指導，以及為高校教師提供在線教學方面的指導[2]。

如上所述，針對自建云平臺與公共云平臺教學效果，目前相關的研究較少，已有的研究工作也沒有針對高校教學云平臺的教學效果進行分析。基于此，本文研究運用DEA模型比較自建和公共云平臺的教學效果，為高校基于云平臺的教學提供經驗指導。

二、研究現狀

教學是教師和學生互動的過程。學生作為教學對象，其預期的學習效果能最有效的反映教師的教學效果。所以，本文通過學生的學習效果來比較自建和公共云平臺的教學效果。由于學生學習過程的復雜性和難測性，已有的對學生學習效果的評價重結果而輕過程[3]。而對學生學習過程的評價更能反映教師的教學效果，并促進教師對教學過程的改進。已有的過程性評價也存在對教學過程滲透性不足、評價過于主觀等問題[4-5]。數據包絡分析方法（Data Envelopment Analysis， DEA）定量分析學生學習的投入和產出以構建學習的最優前沿面，用于評價學生學習的相對有效性。這樣基于學生學習過程的評價能得到教師教學效果的形成性評價，也能更客觀和更準確的反映教師的教學效果。

數據包絡分析法已經廣泛運用于評價教學效果。袁鶯楹、劉紅梅、葛文璇（2013）運用DEA方法評價了高校課程學習的教學效果，并分析了原因[6]。晉興雨等（2018）運用DEA方法對高校的教學和科研績效進行了評價[7]。盧紫荊（2019）運用DEA方法對學生在線學習效率進行了評價[8]。而本文則是首次采用DEA方法對高校自建云平臺教學和公共云平臺的教學效果進行對比分析，為進一步實施基于云平臺的教學提供實踐經驗，也可以為未來基于云平臺的教學改革提供借鑒。

教學效果的評價除受教師個人教學水平影響外，還受到學生學習態度、學習能力、學習興趣等諸多因素的影響。所以，本文構建DEA模型進行教學效果評價時，充分考慮了上述因素的影響。殷安生（2016）從教學過程的角度選擇課堂討論、專題討論等要素作為評價教學效果的評價指標[5]。文學舟（2019）通過構建結構模型研究了高校教師教學的影響因素，研究結果發現學生的學習行為對教師的教學效果有顯著正向影響，比如學生學習時間的安排、學生的學習努力程度等[9]。基于上述研究，自建云平臺方面選擇了學生的云平臺使用情況（登陸次數、在線時長等）和平時成績作為學生努力程度的反映，即DEA模型的投入指標;公共云平臺方面，本文選擇視頻觀看次數、課堂討論等作為DEA模型的投入指標。

學生對教師教學效果的評價可以為教師改進教學內容和方式提供反饋信息，最終提高教師的教學效果。鄭勤華等（2013）認為除學習成績外，應該將學習滿意度、學習興趣等也作為教育產出[10]。Fuenters等（2015）使用DEA模型研究高等教育的教學效果，以學生的滿意度作為輸出指標，研究結果顯示學生對課程的滿意度是影響教師教學表現的重要因素[11]。Javalvand（2017）通過將學生滿意度、自學的過程（學習壓力等）作為DEA模型的輸出變量，測量了在線學習的效果[12]。所以，本文選擇學生的滿意度、學習信心和興趣、學習壓力等作為DEA模型的產出指標。

在已有的研究成果的基礎上，本文以學生的學習投入和產出為研究對象，運用數據包絡分析方法的BBC和CCR模型對自建和公共云平臺的教學效果進行了評價和分析。該模型從過程評價的角度對教學效果進行評價，主要解決以下幾個問題：

1.如何確定基于DEA模型的教學效果評價的投入和產出指標？

2.如何運用DEA模型對自建教學云平臺教學效果進行評價？

3.如何運用DEA模型對公共教學云平臺教學效果進行評價？

三、研究設計

（一）研究數據

本文自建教學云平臺采用長沙學院的網絡教學平臺。該平臺創建于2011年，由清華大學教育技術研究所提供技術支持。自建教學云平臺主要為師生的教與學提供輔助支持，包括課件發布、作業布置、網上答疑、在線討論等。本文以2019年3月-2019年7月參與審計學課程學習的214名16級財務管理學生為研究對象，并獲得其在自建教學云平臺上的學習數據。

受新冠肺炎疫情的影響，本校學生通過中國大學MOOC和超星慕課平臺進行全在線學習。所以，公共教學云平臺選擇2020年3月-2020年7月在中國大學MOOC上參與審計學課程學習的136名17級財務管理專業學生為研究對象，并獲得其在中國大學MOOC上的異步SPOC課程的視頻觀看數據和慕課堂在線課堂的學習數據。

（二）研究指標

由于自建云平臺只是作為課堂教學的輔助手段，在構建DEA的教學效果評價模型時，需要同時考慮課堂教學和網絡教學云平臺的學習數據。本文選擇平時成績、系統登陸次數、課堂進入次數、閱讀公告次數、資料下載次數、作業提交次數和在線時長（分）為模型的投入指標，課程考試成績、學習滿意度、學習信心和學習興趣為產出指標。其中，平時成績和課程考試成績取自教師課堂教學記錄;系統登陸次數、課堂進入次數、閱讀公告次數、資料下載次數、作業提交次數和在線時長的數據取自自建教學云平臺;學習滿意度、學習信心和學習興趣的數據通過問卷調查獲得，具體定義見表1。

如表2所示，在投入指標方面，學生平時成績較高，均值達到85.86分;自建云平臺中學生系統登陸次數、課堂進入次數、閱讀公告次數、下載資料次數、作業次數以及在線時長的波動較大（各變量的標準差大于或接近于均值）。產出指標方面，考試成績較差，均值為68.56;而學生的學習滿意度和學習興趣較高，平均值達到最高值的80%;學習的學習信心還有些低，均值接近最高值的70%。

由于疫情影響，本文公共教學云平臺承擔了教師的全部教學任務，即全在線教學。所以，本文只考慮了中國大學MOOC上的學習數據。中國大學MOOC的學習數據包括異步SPOC視頻課程和慕課堂在線課堂兩部分，本文選擇視頻觀看次數、視頻觀看時間（秒）、出勤率、課堂練習、課堂討論5個作為DEA模型的投入指標，學習壓力、理解力和學習過程3個為產出指標。具體定義和計算依據見表3。

如表4所示，在SPOC課程視頻觀看次數和觀看時長方面，學生間的差距比較大。慕課堂的在線課程中，學生的出勤率較高，均值達到最大值的95%;學生課堂討論和課堂練習的平均參與度不夠，均值不到總分的80%。最后，與課堂教學相比，學生在公共平臺的學習壓力和學習難度更大（均值小于2），而學習過程較方便（均值大于2）。

三、研究結果

根據DEA模型得到自建云平臺和公共云平臺的教學效果的技術效率、規模效率和純技術效率。其中，規模效率乘以純技術效率等于技術效率。

（一）技術效率分析

技術效率反映了總教學效果。技術效率為1時，說明學生學習效果為有效;技術效率小于1且大于0.8時，學生學習近似有效;技術效率小于0.8說明學生學習是無效的。如圖1所示，自建云平臺的技術效率無效占比36%，而公共云平臺的技術效率占比為54%，這說明自建云平臺的教學效果較優，公共云平臺（全在線教學方式）的教學還沒有辦法完全替代課堂教學。

（二）非DEA有效單元的分析

圖2反映了自建云平臺的和公共云平臺的非DEA有效的學生的對比分析。在圖2中，規模無效指的是學生的純技術效率為1，而規模效率不為1;純技術無效則是學生的規模效率為1，而純技術效率不為1;無效說指學生的純技術效率和規模效率都不為1。上述三種情況都會導致學生的總技術效率為無效。在自建云平臺上，學生學習無效的主要原因純技術無效（純技術無效40%+無效54%），即學生的學習技巧和學習方法需要改進。在公共云平臺上，有70%的學生由于規模無效導致學習效率為無效，即學生的在線學習的努力程度存在問題。

（三）規模效率分析

規模效率反映學生在云平臺上的學習努力程度。如圖3所示，學生在自建云平臺上學習的規模報酬不變占比最大，規模報酬遞減和規模報酬遞增的比重接近，這反映了學生在自建教學云平臺的學習努力程度較合理。而在公共云平臺上，學生學習的規模報酬遞減所占比重最大，達到54%，其次是規模報酬不變，規模報酬遞增僅占5%。 這說明學生學習的努力程度投入不合理，主要表現為投入越多，學習效率反而越低。

四、研究結論

本文運用DEA模型比較分析了高校自建云平臺和公共云平臺的教學效果，結果顯示自建云平臺的教學效果要優于公共平臺。針對非DEA有效的學生，自建云平臺的學生需要改進學習的方法和技巧，公共云平臺的學生需要進一步提高在線學習效率。最后，在規模效率方面，學生在自建云平臺的學習投入程度較合理，而在公共云平臺的學習努力程度存在規模報酬遞減。

五、討論和建議

從定量分析結果可以看到，公共云平臺雖然在技術效率為1部分優于自建云平臺，但是整體上的技術效率卻較低。而通過非DEA有效單元的分析和規模效率分析可以看到，學生在公共云平臺上的學習效率較低的原因是在線學習的努力程度不夠。這說明公共云平臺在線教育方式更適合于自律性較好，自我激勵能力較強的學生。由于公共云平臺在線教育將所有的教學資源搬到了公共云上，一方面可以讓學生自由、方便的進行學習，另一方面，公共云平臺不能滿足不同層次學生對教學差異性的需求。雖然公共云上的大部分資源都是教育部認可的優質教育資源，但是與不同學校的教學安排、教學大綱及學生水平并不一定契合。而且由于公共云上的在線課程并不屬于某個高校自己的特有課程，學生缺乏身份認同感，缺乏學習的緊迫感和嚴肅性。雖然高校教師可以在公共云平臺上自建課程，但是如果高校有自己的私有云平臺的話，這些自建課程完全可以放在私有云平臺上。從資源利用效率的角度來說，公共云平臺適合于資金較緊張，缺乏技術實力進行平臺維護的高校。而對于有實力自建云平臺的高校，從學生學習效率的角度考慮，并進一步考慮到數據的安全性、可靠性和可用性等因素，私有云平臺是一種更好的選擇。

參考文獻：

[1]Dai D， Xia X. Whether the School Self-Developed e-Learning Platform is More Conducive to Learning during the COVID-19 Pandemic？[J]. Best Evid Chin Edu， 2020，5（1）：569-580.

[2]Huang RH， Liu DJ， Zhan T，Amelina N， Yang JF， Zhuang RX， Chang TW， Cheng W. Guidance on Active Learning at Home during Educational Disruption： Promoting students self-regulation skills during COVID-19 outbreak[R]. Beijing： Smart Learning Institute of Beijing Normal University， 2020：45-62.

[3]曾云. “以學生為中心”理念下高校思政課教學效果調查研究[J]. 教師教育論壇， 2017， 30（01）：51-57.

[4]李劍欣，趙建強. 過程導向的高校教師教學績效評價指標體系設計[J]. 河北經貿大學學報： 綜合版， 2015（ 1） ： 93-95.

[5]殷安生， 袁周敏. 面向過程的教師教學效果評價綜合評估模型研究[J]. 黑龍江高教研究， 2016（12）：67-71.

[6]袁鶯楹， 劉紅梅， 葛文璇.基于DEA方法的高校課程學習評價研究[J]. 高教論壇， 2013（06）：91-94.

[7]晉興雨， 張英姿. 于麗英.高校教學與科研綜合績效評價研究——基于DEA模型的實證分析[J]. 教育發展研究， 2018， 38（19）：7-15.

[8]盧紫荊， 劉紫荊， 鄭勤華. 基于DEA的在線學習者學習效率評價[J]. 開放學習研究， 2019， 24（02）：30-38.

[9]文學舟， 梅強， 關云素. 高校本科專業教學效果影響因素實證研究[J]. 高校教育管理， 2019， 13（01）：110-118.

[10]鄭勤華， 曹莉， 陳麗， 吳云峰. 遠程學習者學習績效影響因素研究[J]. 開放教育研究， 2013， 19（6）：88-94.

[11]Fuentes， R.， Fuster， B.， & Lillo-Bauls， A.?A three-stage DEA model to evaluate lear ning-teaching technical efciency： Key performance indicators and contextual variables[J]. Expert Systems with Applications， 2015， （48）：89-99.

[12]Jalalvand， Z.& Navabakhsh， M. Evaluation of the Performance of the systems distance learning education in Iran education system using data envelopment analysis[J]. Palma Journal， 2017（16）：80-90.