基于數據驅動的在線開放課程學習質量評價研究

陳果

摘要：為了進一步提高在線開放課程建設質量，滿足高校多樣化教育需求，現利用數據驅動思想，制定一套系統、完善的在線開放課程學習質量評價體系。首先，根據數據驅動理論，從在線開放課程混合式教學模式基本流程、在線開放課程學習質量評價指標構建兩個方面入手，完成對在該評價體系的科學構建。其次，從課前導學、課中導學和課后導學三個維度出發，深入分析和挖掘影響學生學習效果的各個因素。最后，以“C語言程序設計應用”為例，探討了該評價體系的實際應用效果。結果表明：在該評價體系的應用背景下，學生的學習投入度越高，其參與活動的積極性就越高，學習成績會越來越好。學生的學習能力與創新能力兩者之間沒有任何關系，學習能力強的學生并不代表創新能力一定強。

關鍵詞：在線開放課程;混合式教學;學習質量評價;指標體系;MOOC

中圖分類號：G642? 文獻標識碼：A

文章編號：1009-3044（2021）29-0178-02

1引言

在大數據技術和人工智能技術的不斷發展和普及下，從海量數據中快速分析和挖掘有價值的信息已不再是天方夜譚。在這樣的背景下，我國對高校在線開放課程學習質量評價提出了更高的要求，旨在保證教學過程監督的有效性和針對性，從而不斷修改、優化和完善學習評價和教學過程，進而幫助學生取得事半功倍的學習效果。因此，在數據驅動思想的應用背景下，如何科學構建和應用在線開放課程學習質量評價體系是相關人員必須思考和解決的問題。

2在線開放課程學習評價指標體系的構建策略

2.1在線開放課程混合式教學模式基本流程

2.1.1課前導學階段

該階段又叫線上課堂階段，在這一階段中，教師通過采用詼諧幽默的講課方式，激發學生的學習興趣，為引導學生后期進入到課中學習中打下堅實的基礎。首先，要在綜合考慮學生個性化學習需求、學習能力和認知水平的基礎上，將音頻、視頻等學習資源發送給學生，學生根據這些學習資料[1]，可以更好地預習和感知新知識。其次，為了更好地驗證學生對所學知識的掌握情況，還要為學生布置相應的學習任務，讓學生通過獨立自主地完成這些學習任務，培養自身的自主學習能力和自主探究能力。最后，學生要借助軟件平臺的導學測評功能，總結學習過程中遇到的疑難點，便于后期能夠有針對性地聽講。

2.1.2課中研學階段

該階段又叫線下課堂階段，在這一階段中，首先，教師要根據學生反饋的疑難問題，對學生進行個性化指導。其次，引導學生以小組為單位，采用合作學習與學習任務導入相結合的方式，開展探究性學習活動，并對學生進行有效的點撥和指導，以保證探究性學習活動開展的有效性和針對性。最后，學生將個人學習成果展示并分享在其他同學，并反思和總結在學習中存在的疑問，在此基礎上，積極主動地完成課堂達標測評相關學習任務[2]。

2.1.3課后拓學階段

該階段又叫線上課堂與線下課堂相結合階段，在這一階段中，學生通過獨立完成拓展項目，不斷提高自身對知識、技能的拓展應用能力。教師采用線上預測模式，對學生的學習行為數據以及線下作業完成情況進行綜合測評，此時，線上學習系統會自動向學生推送系統化學習方案，為進一步提高學生的學習能力打下堅實的基礎。最后，還要加強對混合教學模式的優化和完善，以提高教學管理的精準性和科學性。

2.2在線開放課程學習質量評價指標的構建

該評價指標構建作為一個復雜、漫長的過程，具有一定的嚴謹性和系統性。從表1 中的數據可以看出，課前導學階段所構建的評價指標主要包含投入度、參與度、導學測評;課中研學階段所構建的評價指標主要包含貢獻度、協作創新、實時測評;課后拓學階段所構建的評價指標主要包含知識遷移、學習反思、自我效能感。由此可見，為了進一步提高在線開放課程學習質量評價結果的準確性和真實性，教師要線上課堂、線下課堂考核并進的方式，對在線開放課程學習質量進行定性或者定量評價，同時，還要實時監督、控制和評價學生學習全過程狀態。

3在線開放課程學習質量評價體系的應用

3.1研究實施流程

3.1.1研究樣本選擇

本次所選用的課程案例以“C語言程序設計”為主，驗證在線開放課程學習質量評價體系的可靠性和有效性。通過借助智慧教室和MOOC平臺，采用混合式教學模式，并將計算機科學與技術專業、電子工程專業2019級284名學生作為本次實驗中的重點研究對象，在這之前，學生通過借助MOOC平臺，已經熟練掌握和應用計算機相關知識，具備較強的專業能力和操作技能。“C語言程序設計”課程作為網絡工程專業、軟件工程專業的基礎性課程，總課時一般在65學時左右，在第16周或者第17周通常會對學生進行期末綜合測評。

3.1.2信度與效度分析

通過使用質量評價量化公式，將課以上三個階段所構建的評價指標作為信度與效度分析對象。首先，將284名學生相關數據導入到指定的系統中，這些數據主要包含兩種，一種是學習過程數據，另一種是學習結果數據，然后，采用克隆巴赫系數分析法，對這些數據進行全面地統計和分析，從而實現對以上三個階段中學生學習成績影響因素進行精確的分析、計算和統計。克隆巴赫系數分析結果如表2所示。從表2中的數據可以看出，以上三個階段的克隆巴赫α 系數分別達到了0.853、0.833、0.821。這表明本文所構建的評價指標具有較高的可信度。此外，通過采用KMO檢驗法，對以上三個階段的結構效度進行計算，其結構效度為0.751，高于標準值0.5，這表明本文所提出的評價指標具有良好的結構效度。

3.2研究結果

3.2.1學生的投入度、參與度與學習總成績相關性分析

在皮爾遜相關性檢驗法的應用背景下，對以下三種參數之間的相關性進行系統化分析和研究，這三種參數分別是學生的學習投入度、學習參與度和學習總成績。從表3中的數據可以看出，學生的學習投入度所對應的皮爾遜相關性系數與學生總成績所對應的皮爾遜相關性系數一致，均為0.796，這說明學習投入度和總成績0.02兩側上呈現出比較正相關關系。同時，學生的學習投入度成績所對應的皮爾遜相關性系數與學生的學習參與度成績所對應的皮爾遜相關性系數保持一致，均為0.725，這兩種參數在0.02雙側附近處呈現正相關關系，這說明學生的學習參與度隨著其學習投入度的不斷增強而呈現出不斷上升的趨勢，在這樣的情況下，學生所獲得成績越來越理想。

3.2.2學生的學習能力、協作創新與學習總成績相關性分析

對于學生而言，其學習能力評價需要從解決問題能力、自主學習能力和溝通協作能力等指標入手，通過采用皮爾遜相關性法，對學生的學習者的學習能力、協作創新與學習總成績相關性進行分析，得出如表4所示的分析結果。從表4中的數據可以看出，無論是學習能力成績，還是總成績，其皮爾遜相關性系數均為0.879，這說明兩者之間存在明顯的相關性，同時，在0.02兩側上呈現出顯著相關關系，這表明學生學習能力越強，所獲得學習成績越理想。同時，無論是學習創新評價，還是總成績，其皮爾遜相關性系數均達到了0.643，并在0.02雙側附近處呈現出顯著相關關系，這說明學生的學習創新能力越強，學習成績越理想，但也有例外情況，部分學生盡管學習創新能力強，但由于偏離了學習目標，導致學習成績不夠理想。

4結束語

綜上所述，在大數據技術、物聯網技術、人工智能技術等現代化技術的助力下，本文提出了一種系統、科學的在線開放課程學習質量評價體系，該體系重點使用了混合式教學模式，從課前導學、課中導學以及課后導學三個維度出發，促進學習過程評價工作向精準化、科學化、系統化不斷發展，為后期在線開放課程學習質量評價提供有效的參考和借鑒。

參考文獻：

[1]干紅芳.高職《初級會計實務》在線開放課程建設與應用研究[J].中國鄉鎮企業會計，2018（4）：272-273.

[2]魏順平，程罡，王麗娜，等.數據驅動的在線課程實施過程評價指標體系構建研究[J].開放學習研究，2016，21（2）：42-48.

[3]謝正，李建平.數據驅動研究范式下的MOOC教學研究問題初探[J].計算機工程與科學，2018，40（S1）：47-50.

[4]金躍強.數據驅動在線公選課程教學效果評價實證研究[J].寧波大學學報（教育科學版），2017，39（3）：82-86.

[5]魏順平，程罡，王麗娜，等.數據驅動的在線課程實施過程評價指標體系構建研究[J].開放學習研究，2016，21（2）：42-48.

【通聯編輯：代影】