基于教育大數據的混合式教學決策優化方法研究

郭金玲 趙怡

摘要：針對混合式教學在教學過程中存在的不足，文章以山西大學商務學院“C語言程序設計”課程的混合式教學為具體研究對象，從數據優勢與教學經驗有機結合的思路出發，采集并分析線上教學產生的教育大數據。分析結果對混合式教學模式下教師的決策優化提供數據支持，實現了科學調整教師教學決策、精準推薦學生個性化學習內容的目的，對完善高校人才培養新模式構建進行了積極探索與研究。

關鍵詞：混合式教學;教育大數據;教學決策;C語言

中圖分類號：G420

文獻標識碼：A

文章編號：1006-8228（2020）09-116-04

Research on decision-making optimization method for blended-learningbased on educational big data

Guo Jinling， Zhao Yi

（School of Information， Business College of Shanxi University Taiyuan. Shanxi 030031. China）

Abstract： Aiming at the shortcomings of the blended-learning existing in the teaching process， this paper takes the teachingprocess of "C Language Programming" course in Business College of Shanxi University as the specific research object， startingfrom the idea of organic combination of data advantages and teaching experience. collects and analyzes the educational big dataproduced in online teaching. The analysis results provide teachers' decision-making optimization with data support under the blended-Iearning mode. It can realize the purpose of scientific adjustment of teachers' teaching decision-making， and accuraterecommendation of students' personalized Iearning content， which actively explores and studies the construction of the new mode oftalent cultivation in colleges and universities.

Key words： blended-learning; educational big data; teaching decision-making; C language

0引言

國外有關混合式教學模式的研究起步較早，目前比較成熟的混合式教學模式有多種，如態度驅動模式、能力驅動模式等，且均已成功應用于教育領域。國內關于混合式教學模式的理論研究也較為深入，2003年12月，在我國第七屆計算機教育應用大會上，何克抗教授首次提出“混合式學習”這一理念由，由此開啟了國內關于混合式教學的研究。

近年來國內外研究者對混合式教學模式進行了大量的探索性研究，在理論研究及實踐研究領域均取得了豐碩的成果。查閱近幾年的文獻資料，國內外學者非常重視對混合式教學模式建構、教學策略優化等問題的研究，研究結果達到了一定的理論高度。伴隨大數據技術的發展，關于混合式教學和大數據技術相結合的研究文獻數量不斷增加，拓寬了研究領域和研究思路[1-4]。

1混合式教學研究現狀

目前，國內許多高校及課程采用了混合式教學模式進行授課。但是由于諸多因素的限制，在混合式教學過程中，教師的教和學生的學這兩方面存在一些問題。

第一，線上產生的教育數據缺乏綜合分析，導致在線下教學環節中缺乏支持，對課程進行差異化教學無法實現。

第二，缺乏階段性教學反饋信息，無法精準把握學生學習情況。

第三，教師在教學過程中，線上教學資源的合理動態調整策略缺乏科學有效的依據。

第四，缺乏對學生學情數據精準分析，實現學生學習內容的個性化推薦存在一定的難度。

教育大數據是教師在教學過程中和學生在學習過程中所產生的各類數據的總和，這些數據既有靜態的結果性數據，也有動態的過程性數據。它具有多維度、高度復雜、多元化等特點[5-9]。在混合式教學過程中，使用線上平臺的同時，產生了大量的教育數據。針對混合式教學過程中存在的問題，如何科學地利用大數據技術，合理采集和分析教育大數據，進而對教育教學行為進行關聯性分析，從而有效地提高教師的教和學生的學，是目前國內外專家學者和教育機構共同關注的關鍵課題[10-11]。

本文以山西大學商務學院C語言程序設計課程的混合式教學過程為具體研究對象，從數據優勢與教學經驗有機結合的思路出發，采集線上平臺以及線下教學過程產生的教育大數據，對這些數據進行有效數據處理及分析，對混合式教學模式下教師決策提供數據支持，對完善高校人才培養新模式進行積極探索與研究。

2C語言程序設計課程教學模式

C語言程序設計課程是山西大學商務學院計算機相關專業學生的必修課，其他很多院校也將其作為理工科專業的公共基礎課。該課程是面向對象程序設計、軟件工程等課程的前導課程。C語言作為一種計算機程序設計語言，既可以作為系統設計語言，編寫工作系統應用程序，也可以作為應用程序設計語言，編寫不依賴計算機硬件的應用程序，C語言是目前使用最廣泛的高級程序設計語言之一。通過該課程的學習，學生可以初步掌握程序設計的基本方法及思路，初步形成程序設計基本思想，掌握應用C語言進行程序設計的技能，具有閱讀程序和編寫程序的能力。該課程為學生進一步學習其他專業課程和今后從事軟件開發工作提供必要的理論基礎和實踐能力。

目前，山西大學商務學院C語言程序設計課程采用混合式教學模式。線上資源主要通過學習通平臺發布，包括視頻、測試題、討論主題、學習問卷等;線下教學采用傳統的課堂講授。為了保證混合式教學模式的教學效果，提高線上、線下教學的高度融合性，授課教師需認真組織教學中各個環節，尤其是線上教學環節，每節課不同階段通過學習通平臺發送自測題、前測題、后測題，學生對所學知識有針對性地和大量地練習。這樣一方面保證了學生的學習效果;另一方面結合數據分析，教師可以精準掌握學生學習情況，合理調整教學中重點講解的內容、優化教學過程，從而保證線上教學和線下教學相輔相成，保證教學效果。

3教育大數據的采集

教師在授課過程中，線上平臺產生大量的數據，和教學決策有關聯的數據主要包括三類，這些數據需要采集并進一步分析，分析結果可應用于混合式教學模式的優化。

3.1教學過程基礎數據采集

每次課發布的測試題中每道題的知識結構及正確率均需要采集存儲，教師通過這部分數據可以掌握學生對于每一個知識點的整體掌握情況。例如，學生通過學習通平臺對標識符與關鍵字-測試題目進行了答題，通過線上平臺可以采集到以下數據，標識符與關鍵字一測試題目答題情況如表1所示。

3.2章節測試數據采集

章節測試用來檢驗學生階段性學習的結果，通過學習通平臺需要采集整理每次章節測試中每個學生每個題目對應的解答情況，表2記錄了張某某同學第3章數據類型運算符與表達式章節測驗結果。

3.3學生學習行為數據采集

學生在學習過程中的學習行為分布如圖1，主要包括學習認真程度和學習積極性。和這些行為直接相關的線上數據有：學習時長、實時討論、登錄、作業完成情況、論壇回帖、瀏覽學習資料、打卡簽到、測試題考試成績等等。這些數據對于教師掌握每個學生在該課程的整體學習情況非常重要，需要采集記錄。

4基于教育大數據的混合式教學決策優化方法

4.1科學調整教師教學決策

通過采集分析線上平臺產生的測試成績數據，教師在課堂授課過程中可以重點講解學生比較薄弱的知識，做到有的放矢，精準教學。比如學生通過學習通平臺對標識符與關鍵字一測試題目完成了答題，通過線上平臺可以采集到的數據見表1。進一步分析每道題目的正確率，具體見圖2、圖3。

以標識符與關鍵字知識點為例，教師結合學習的目標和上述數據分析結果，考慮優化教學決策，該知識點的學習目標及教學決策具體如下。

（1）學習目標

通過本節內容的學習，學生需要了解標識符和關鍵字的基本概念，學會區分標識符和關鍵字，學會區分標識符的正確性;了解C程序數據類型的種類，熟悉基本數據類型的分類及各類型的關鍵字。重點掌握標識符的命名規則，基本數據類型的分類及各類型的關鍵字以及各類型之間的區別。

（2）教學決策

通過學生答題情況，看以看到本節知識對應的練習題正確率較高，大部分題目的正確率達到了90%以上;正確率較低的題目為前測第6題、后測第8題，正確率不到80%，這兩個題目考核的知識點均和關鍵字的基本含義及規則有關。綜合學生答題情況及題目考核要點，在課后答疑環節，可以重點講解標識符和關鍵字的區別，強調C語言中，字母大小寫代表不同的含義，也可結合例子進行鞏固練習，以便后續內容的學習。

4.2精準推薦學生個性化學習內容

山西大學商務學院C語言程序設計課程線上題庫于2017年4月建設完成。題庫中涉及各章節的每個知識點，以及二級C語言等級考試的選擇題。題庫中每個試題除了題干、答案，還增加了試題難易程度、知識點和試題分析三項內容，根據新增三項內容，教師組卷時可以根據難易程度和知識點合理組織試題;教師可以看到各個知識點學生的得分情況，為后期進行深度數據分析提供依據，同時為學生個性化學習推薦提供依據;學生可以在答卷后看到試題分析，了解試題做錯的原因，及時糾正錯誤。比如，結合表2張某某同學第3章數據類型運算符與表達式章節測驗結果進行分析，具體分析如圖4，可以看到該學生關于變量知識點的練習有待加強，后期給該同學設置變量有關的題目進行練習，從而實現學生個性化學習內容精準推薦，強化練習薄弱環節，提高學習效果。

5結束語

本文以山西大學商務學院C語言程序設計課程的混合式教學過程為具體研究對象，采集線上教學產生的教學過程基礎數據、章節測試數據、學生學習行為數據等教育大數據，對這些數據進行分析。分析結果對混合式教學模式下的教師決策優化提供數據支持，實現科學調整教師教學決策、精準推薦學生個性化學習內容，對完善高校人才培養新模式構建進行了積極探索與研究。本文重點研究了教育大數據中學生成績的采集與分析，在以后的工作當中，我們將進一步探索學生學習行為數據和學習效果的關聯性分析，以進一步優化混合式教學模式。

參考文獻（References）：

[1]裴瑩，付世秋，吳鋒，我國教育大數據研究熱點及存在問題的可視化分析[J]，中國遠程教育，2017.5：1-8

[2]謝超峰，中級微觀經濟學混合教學模式探索與實踐[J].金融教育研究，2016.3： 81-84

[3]王坤.支持與實現：教育大數據對高校教師教學決策的價值所在[J].中國成人教育，2018.16：145-147

[4]陳明選，王詩佳.測評大數據支持下的學習反饋設計研究[J].電化教育研究，2018.3：35-42

[5]祝智庭，孫妍妍，彭紅超.解讀教育大數據的文化意蘊[J].電化教育研究，2017.1： 28-36

[6]萬貝貝.混合式教學模式下學生個人大數據的應用研究[D].華中師范大學，2018.

[7]張其亮，王愛春，基于“翻轉課堂”的新型混合式教學模式研究[J]，現代教育技術，2014.4：27-32

[8]陳德鑫，深度學習技術在教育大數據挖掘領域的應用分析[J].電化教育研究，2019.2：68-76

[9]張燕南，大數據的教育領域應用之研究[D]，華東師范大學，2016.

[10]楊現民，王榴卉，唐斯斯，教育大數據的應用模式與政策建議[J]電化教育研究，2015.9：54-61

[11]臧方青.教育大數據支撐下“以學定教”教學模式建構與應用[D].山東師范大學，2018.

收稿日期：2020-05-06

基金項目：山西省軟科學研究計劃項目（ 2019041057-1）;山西省高等學校教學改革創新項目（J2020440）;山西省教育科學規劃課題（GH-19189）

作者簡介：郭金玲（1982-），女，山西長子人，碩士研究生，副教授，主要研究方向：數據挖掘。