大數據背景下應用型高校 《工業通風與除塵》課程教學改革研究

于敏 王冰

【摘要】? ? 在大數據背景下，利用線上學習行為數據分析指導線下教學活動改革。以應用型高校學習行為類型為基礎，通過TMB體系分析學生群體學習特性。基于超星學習通平臺采集線上學習行為數據，通過聚類分析得出學生線上學習行為與線下T型分類相符。提出依托線上數據確定線下授課模式、依托各部分內容線上數據分布建立立體化考核體系等大數據背景下改革優化方案。

【關鍵詞】? ? 工業通風與除塵? ? 大數據? ? 教學改革

前言

吉林建筑科技學院（以下簡稱“我校”）是一所致力培養善于實踐創新的應用型人才的民辦普通高等院校。《工業通風與除塵》課程是我校安全工程專業的專業必修課，主要講授通風氣流的運動規律，工業通風的基本原理及計算方法。大數據是現今最重要的技術之一，應用大數據理念優化教學改革可實現信息化、現代化、科學化教學，對培養學生專業基礎扎實且具有較強現代信息思維具有重大意義。

目前，已有諸多從教人員對本課程的教學改革進行了一定的探索。王冰應用線上線下混合的教學思路，從課程教材、教學內容、理論課教學方法、實踐教學及考核方式進行改革[1-2]。畢明華以應用型本科院校為主體，依據本課程教學中存在的教學內容更新不及時、教學模式單一的問題，提出以行業科技作為主體系、合理分配試卷考點比例的改革方法[3]。這些改革方案均從教師思維出發進行改革，對學生群體適合情況未進行探討。因此，筆者將分析應用型院校學生學習行為特點，分析本課程現有教學方法對本校學生群體適用性，結合大數據背景對已存改革方案進行深入探索及優化，實現“以學生為本、以大數據為筆”的現代化教學改革。

一、應用型高校學生特點分析

由于全國各地區高考錄取分數線劃分不同，我校招收學生學習能力差異性較大[4-5]。筆者在進行教學活動時，對我校安全工程專業2016級至2019級四屆學生群體進行觀察，從學習能力、科研水平、職業規劃、自我培養的角度進行分析，建立TMB學習行為觀察體系。其中包含以學習行為類型T （Type），學習行為出發點M （Model），學習行為具體表現B（Behavior）三個層次。其中學習行為類型及出發點如表1所示。

具體行為表現B包含以下9種表現：積極性強，認真聽講，積極配合互動;保質保量完成作業、復習、課程設計等學習任務;單純的吸收老師所傳授的內容，缺少創新性思維;不積極但也不會消極對待;在同學及老師的督促下，也會按時完成相應的學習任務;對于能對自身規劃有幫助的內容更加感興趣;學習態度十分消極，會出現曠課;課上遲到、睡覺、打游戲;課下不完成作業考試存在投機取巧心理。

其中M3多為已經規劃好自身走向，包括考研、考公、直接就業。例如計劃考研的學生當中，是擬報考其他專業和打算報考公務員的學生會在本門課程中存在消極學習的表現，出現在課堂上自學其他內容的情況;打算畢業直接就業的學生會在專業課學習期間出現不重視、應付了事的心態，更積極于學生活動與其他校外實踐當中，以此來培養組織能力和積累社會實踐經驗。

依托TMB 體系可較為客觀的分析學生特性，以此為基礎確定《工業通風與除塵》課程改革措施優化思路。針對T1型，可增添對其自主思考能力的培養;針對T2型，著力培養其學習興趣，將其被動學習的模式，轉化為主動學習;針對T3型，融合引導策略，引入課程思政元素，使學生認識到通過《工業通風與除塵》課程的學習，可以在專業基礎領域提高個人邏輯思維及科學理論思維，對自身學術素質提升有很大幫助;針對T4型，在授課過程中樹立學生正確學習觀念，教學方法上寬嚴并濟，激發學生學習能動性。

二、大數據背景下改革方案優化

由于應用型高校學生差異性較大，因此在教學改革措施的提出和落實當中，應當結合學生特點，應用大數據手法評估學生行為，針對不同類型的同學細化課程學習考核方案，做到因材施教，因材考評。以本課程中“通風管道的設計計算”部分內容為例，細化各項改進措施。

2.1學習行為數據獲取及分析

我校本課程過往改革當中，已經提出線上線下教學模式，表現為利用QQ、云課堂進行線上預習內容的布置。為進行數據采集，利用超星學習通上傳各項教學任務。例如將摩擦阻力、局部阻力計算、流量當量直徑等重點知識點講解內容和習題內容發布至超星平臺，平通過平臺內部發布學習任務、開放學習討論。基于后臺計錄學生學習時間、學習時長、習題作答時間、習題準確率、討論活躍度等基礎數據。通過線上學習行為基礎數據的聚類分析可判別出學生學習特性[6]。

以2016級至2019級249名學生群體為主體對其線上學習行為進行試驗性分析，基于K-Means聚類分析算法對超星平臺中所采集的數據進行聚類分析[7]，分析后發現其數據分布劃分為四個領域。其分析結果與線下教師判斷情況相符合。因此可以做到在未上課之前就先了解學生特點，為線下教學活動設計提供參考。

2.2確定線下授課模式

在課程開始前，利用線上手段了解學生類型，針對性制定教學策略。在實際教學中動態轉換。經過對多章節學生學習行為數據采集分析，發現在每節課的授課內容不同的情況下，學生在T層次（學習行為類型）分布不同。因此在線下課程開始前，可通過線上數據分析確定本節課內容學生學習行為分布情況，確定本節線下內容講授模式。例如，通過對本節課所講內容進行分析，如圖1所示。當本節內容T2型占比較高時，可進行辯論、展示、演講等活動，并根據各類型同學占比，合理劃分活動小組，保證每個小組當中T型占比與整體占比相符。

在線下教學中要客觀科學的做好教學設計，在課堂上也可合理應用線上平臺，以此來保證良好的教學效果。在T3型較高的課堂上要充分引入教學案例，并發動學生自主學習行為。例如局部通風、全面通風、蒸發冷卻的理論教學當中可在課前布置學生查找相關應用實例，以微信抽簽小程序確定每個小組的發言人。

2.3優化實踐教學環節

本門課程實踐教學環節包含實驗課、課程設計。其中，實驗課的落實可依照內容線上數據劃分來細化實驗小組，將小組人數控制在5-7人，采用多小組多次數式實驗模式，同時保障實驗小組當中各類型學生比例合理，來實現實驗任務落實到個人，教師指導落實到個人，針對性提高實驗課程教學效果。另一方面，進行課程設計指導時，也可延用小組劃分思想，同時，在知道過程中，實施學生匯報老師指導的模式。學生在每次指導課上登上將待匯報自身設計進展，實現督促學生認真完成設計，激勵其他學生提高設計水平，老師實時掌握學生設計進程。

2.4考核方案調整

根據每一章節線上數據分析，發現不同內容學生學習行為類型占比不同，例如吸收設備及設計計算、通風管道的水力計算、通風管道的設計計算等計算類知識點T2占比較多;吸收過程的理論基礎及機理等純理論內容中T3占比較多。因此可根據各章節T型占比情況確定考題類型、考題難度，在T3占比多的情況下加大平時表現分數占比，以此激發學生學習興趣。在開課前根據往屆學生行為數據表現建立立體化考核體系，使學生在課程學習之前就明確各部分內容考核要點不同，可促進學生在后期學習過程中保持最優表現。

三、小結

前期通過TMB體系分析學生群體學習特性，確定四種學習行為類型。將本課程學習內容分章節上傳至超星學習通，收集分析各章節學生線上學習行為數據，通過K-Means聚類分析得出學生線上學習行為與線下T型分類相符。在課程講授之前可通過線上預習等活動進行學習行為數據分析，確定本次課程線下教學模式。在課程開課之前，依照往屆學習行為分析數據分布，細化考核指標體系，實現引導學生以最佳狀態學習每部分內容，并能夠科學考評學生學習情況。

參? 考? 文? 獻

[1]王冰，于敏，郭俞辰.基于線上線下混合模式的安全工程專業《工業通風與除塵》教學改革研究[J].中國新通信，2020，22（21）：195-196.

[2]張瑩.大數據背景下高校《人力資源管理》課程的教學改革方案研究[J].現代商貿工業，2020，41（36）：123-125.

[3]畢明華，王斌武，李澤芳，蘇文博.應用型本科工業通風與除塵課程教學改革探究[J].西部素質教育，2019，5（11）：188-189.

[4]陳穎，陶進，于艷.應用型人才培養下工程流體力學教學改革研究——以吉林建筑科技學院為例[J].現代交際，2020（15）：11-12.

[5]張微.應用型人才培養要求下民辦高校“空調用制冷技術”教學模式改革研究[J].中國新通信，2019，21（22）：162-163

[6]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.

[7]周樹功.基于K-means聚類分析算法的大學生在線學習行為分析[J].信息與電腦（理論版），2020，32（16）：220-222.