嚴傳波,王正業,卡迪力亞·庫爾班,熱娜古麗·艾合麥提尼亞孜,米吾爾依提·海拉提
(1.新疆醫科大學 公共衛生學院,新疆 烏魯木齊 830011;2.新疆醫科大學 醫學工程技術學院,新疆 烏魯木齊 830011)
計算機與信息技術基礎是高等院校大學生必修的一門基礎課程,該課程主要是培養學生具備一定的計算機理論知識與操作技能,文字處理及數據分析能力。使學生可以利用計算機技術處理日常學習中和專業領域上遇到的問題。醫學信息問題的求解涉及計算、程序、算法、迭代和推理等核心理念,當代醫學生較好地掌握計算機基礎技術有助于醫學生使用計算機思維解決醫藥衛生領域的問題。
形成性評價是由美國評價專家M.Scriven 提出的,不同于傳統的終末性評價,形成性評價評估學生學習過程中的表現,主要包括:學習態度,思維能力,動手能力,團隊精神等。讓學生明確學習并不是為了考試,而是學習知識,提升能力,使學生在學習中由被動轉為主動,保證教學質量與學習效果。形成性評價在高校的應用已經進行了廣泛的研究,各個專業都有相應的涉及,其中包括英語、醫學、數學等領域,與終末性評價相比,形成性評價方法取得了更好的效果。在計算機與信息技術教學領域,同樣有學者進行了相關的研究,結果顯示形成性評價對期末考試成績的提升具有積極作用。形成性評價的應用通常包括多種方法,如師生互動、反轉課堂、平時測驗、學生互查等。但對于形成性評價中具體實施方法的因素分析研究較少。不同方法對學生成績提升的作用程度同樣值得探討。本文結合形成性評價在高校教學中廣泛應用的背景,構建多元化形成性評價方案與評價指標,應用于新疆某大學臨床醫學與非臨床的一年級專業,分析各因素對學生期末成績的影響。
本次研究選擇2020-2021 學年第二學期計算機與信息技術基礎的精神醫學、臨床醫學、臨床醫學(定向)、臨床醫學(本碩連讀)、臨床藥學、兒科學、醫學影像學專業共計292 名學生作為研究對象。
與以往終末性評價不同,本次研究依據學生的學習情況指定多元化形成性評價考核指標,使用雨課堂作為教學工具,采用形成性考核+終末性考核相結合的測評方式。形成性評價占比60%,終末性評價占比40%。
1.觀察指標
形成性評價主要評價指標:學生到課率、課件觀看率、習題作答率、習題得分率、課堂提問、期中考試、記分作業、小測驗得分率。具體評價體系見表1。同時,我們為了探索專業的不同對成績帶來的影響,我們將學生所屬專業也納入了研究。

表1 計算機與信息技術基礎課程形成性評價體系
2.構建多重線性回歸模型
多重線性回歸模型要求納入自變量與因變量具有線性關系且自變量之間相互獨立。本次研究采用逐步進入的方法對納入研究的自變量進行篩選,以保證獲得最優的多重線性回歸模型。
3.統計學方法
采用SPSS 24.0 對數據進行分析,終末性評價成績作為因變量,將形成性評價觀察指標作為自變量納入到多重線性回歸模型進行分析。為探討專業的不同對成績帶來的影響,觀察不同專業成績分布狀態,若服從正態分布使用方差分析,反之則使用非參數秩合檢驗分析專業之間帶來的差異。
1.自變量選取
利用逐步進入法對自變量進行篩選,逐步進入法自變量篩選見表2,將納入的自變量依次放入模型中以觀察模型整體顯著性,將影響模型性能的自變量排除,最終確定納入模型的自變量有小測驗得分率、習題作答率、習題得分率、學生到課率、課件觀看率,該模型所納入的自變量對回歸的貢獻最大(R=0.61),標注估計誤差最?。⊿e=12.06),代表該模型估計值與真實值之間的估計誤差最小。

表2 逐步進入法自變量篩選
2.模型的構建
如表3 所示模型選入自變量進行相互獨立性驗證,德賓-沃森檢驗值為1.802,代表納入自變量之間相互獨立。在多重共線性分析中,所有自變量的容差均大于0.1,方差膨脹因子(VIF)均小于5,表明不存在多重共線性的情況(表4)。由于回歸模型的構建同樣需要模型的殘差滿足正態分布,根據標準化殘差繪制正態曲線圖和P-P 圖,即模型的殘差近似服從正態(圖1)。

圖1 模型正態分布圖
3.模型結果分析
由表3 可知,本次研究構建多重線性回歸模型具有統計學意義(F=34.540,P<0.001),R2=0.38,調整R2=0.37。如表4 所示,納入的5 個自變量對終末性評價成績的影響均有統計學意義(P<0.05),將表中系數代入回歸方程可得模型:

表3 預測模型匯總

表4 多重線性回歸結果

該模型中預測變量為(常量),小測驗得分率、習題作答率、習題得分率、學生到課率、課件觀看率;因變量為終末性評價成績。
本次研究還對不同專業終末性成績的分布進行了分析。
1.不同專業期末考試成績描述
對不同專業終末性評價成績進行正態性檢驗,各專業學生期末考試成績呈現正態分布或偏態分布,使用箱式圖對數據進行描述(圖2),上下兩條線分別為該組數據的最大值與最小值,箱體上下兩邊緣分別為上四分位數與下四分位數,箱體中間橫線為數據中位數,上方折線為各專業到課率。

圖2 模型箱式圖
2.不同專業期末考試成績對比
當數據并不都服從正態分布時,利用Kruskal-wallis H 秩和檢驗對不同專業成績進行對比,各專業期末成績分布不全相同(P<0.001)。在此基礎上,本研究還進行了專業之間的兩兩比較,如圖3 所示,兩點之間以實心線相連接代表兩個專業之間期末成績分布具有統計學差異,兩點之間以虛線相連代表無統計學差異,專業名旁數字代表其在秩合檢驗中的平均秩次,越高代表該專業成績越好。

圖3 關聯分析圖
計算機與信息技術基礎課程作為一門綜合性強、涉及面廣、基礎性強的重要學科,主要培養學生具備一定的計算機基礎知識和基本技能,以及利用計算機解決本專業問題的能力,并培養學生的信息素養和計算思維能力。由于各地區計算機教育發展不平衡,大學新生計算機應用能力存在較大的差異,這也給計算機基礎教學帶來了困難,面對不同專業的學生,如何調動學生學習的積極性值得深思。形成性評價作為一種評價學生學習過程的評價系統,可以較好地調動學生的學習過程,不再單一地依靠考試成績作為評價學生學習能力的方法。我們引入雨課堂進行輔助教學,以面授課堂為主,雨課堂線下為輔的教學,能夠在一定程度上提高學生的期末成績。本次研究對大學一年級各專業共292 名學生進行多重線性回歸分析,發現課堂習題作答率每增加10%,期末成績平均提高5.2 分;課堂習題得分率每增加10%,期末成績平均提高5.8 分;課件觀看率每增加10%,期末成績平均提高0.8 分;小測驗得分率每增加10%,期末成績平均提高4.4 分;而到課率增加10%,期末成績平均降低4 分。
課堂習題作答率代表學生注意力集中程度與學習積極性,往往積極回答問題的學生能在習題的作答中找到自己的知識點漏洞,有文章指出學習的主動性對學生學業的成績具有顯著的直接影響效應。醫學教育是終身教育,自主學習能力是醫學生必備的基本素質。網絡教學平臺提供方便易得的虛擬學習環境,是學生自主學習的最佳載體。本研究發現習題作答率越高,其期末成績也越高。
課件觀看率是教學人員在課后將相關教學PPT 發送至雨課堂學生端,考察學生課后學習能力,有研究指出具有課后復習行為的學生在考試中表現往往更好。
小測驗作為階段性對學生知識點掌握情況考察的手段,主要目的是讓學生及時發現自己知識點掌握不足的情況,對之前一段學習的查漏補缺,完善系統知識掌握,得分率越高表示知識點掌握的更加全面,得以在期末考試中獲得更高的分數。
值得注意的是在本次研究中,到課率越高,對成績的提升卻造成了相反的效應,有文獻指出,簽到時間早的學生能獲得較好的成績。還有文章指出基礎知識掌握與課堂專注能力可能與其成績表現有關。因此,本研究得出的到課率與成績提高相反的結論僅限于本研究的研究對象,可能與研究對象中存在基礎知識掌握不牢固、課堂專注力較差的情況、難以對知識點進行有效吸收的情況有關,并不能簡單認為到課率與成績成負相關。
在此基礎上,為探討不同專業對學生期末成績的影響,使用非參數秩和檢驗進行分析,結果發現各專業期末成績不全相等(P<0.001),經過兩兩比較后發現,臨床醫學(本碩)和臨床醫學(定向)班期末成績差異具有統計學意義。由于不同專業學生入學基礎存在一定的差異,整體比較會有一定偏頗。
基于形成性評價的教學與傳統的教學模式相比,可提升教學效果,但同時對教師提出了更高的要求。當然,此教學過程中,仍有待完善之處:一是在構建形成性評價體系時,可以運用新型教學模式,如翻轉課堂等方式,由學生提前預習進行PPT 小組匯報,老師作為聽課的一方進行點評的形式可以使學生對知識點的掌握更加深刻;二是整合優化學習資源,根據不同專業需要和特點制定不同的學習資源,不斷使其完善;三是本次構建多重線性回歸模型對整體回歸的擬合程度有限,在未來的研究中仍需納入更多的觀察指標,以此來多維度地提升學生對于本課程知識點掌握水平。最后是由于不同專業學生學習能力有所差異,教師可針對性調整教學方案,對不同水平的學生進行分層教學,以此整體提高學生成績與學習能力,降低課程掛科率。
形成性評價作為一種多元化評價手段,可以較好地對學生整體的素質進行評價,與終末性評價相比,形成性評價能更好地帶動學生學習積極性,幫助學生鞏固知識點,查漏補缺。本次研究還分析了專業對于期末考試成績的影響,結果發現學生基礎知識掌握越好,其在期末考試中的表現越好。本次研究揭示了形成性評價各指標對學生期末成績產生的影響,任課教師可根據學生課堂表現進行針對性教學,降低班級掛科率,使教學任務與教學目標更加清晰化,在今后教學計劃的制定與實施中具有一定的價值與理論意義。