淺析“商業智能”在課堂教學設計中的應用
——以“職業道德與職業素養”課程為例

◎孔 曉 波

一、研究背景和意義

習近平總書記曾多次指出要推動教育現代化的發展。在2015 年的全國教育大會上，他強調，要借助信息技術，加強教育教學改革，提高教育質量，培養德智體美全面發展的社會主義建設者和接班人。黨的二十大報告也指出，要在推進教育數字化、信息化，全面賦能教育上下功夫。隨著信息技術的飛速發展，教育領域逐漸引入各種技術手段來改進教學質量和學習效果。商業智能是其中一種應用廣泛的技術，在商業領域已有大量成功案例，但在教育領域的應用還較為初步。

商業智能（Business Intelligence，BI）最早的概念可以追溯到1958 年。IBM 研究員Hans-Peter Luhn 在一篇文章中首次使用了“商業智能”一詞。他將BI 定義為“理解所呈現事實的相互關系的能力，從而引導行動實現預期目標”[1]。1989 年，Howard Dresner提出將“商業智能”作為一個通用術語來描述“使用基于事實的支持系統來改進商業決策的概念和方法”[2]。由于技術和互聯網的擴散，商業智能系統在20 世紀90 年代中期迅速發展。自20 世紀90 年代末以來，BI逐漸被概念化為一個統一的術語。Eggert 和Alberts（2020）認為，BI 的發展經歷了三個階段。第一階段出現在20 世紀90年代初，結構化數據主導了數據分析領域。技術和相應的研究依賴于數據收集、提取和分析功能。在第二階段，非結構化數據的出現導致要分析的數據呈指數級增長。這一階段始于21 世紀初互聯網的加速發展，其特點是更多地收集和分析非結構化和社交媒體數據。第三階段從新的數據源開始，如移動設備和無線連接的傳感器。兩者都為收集和分析數據提供了更多的可能性[3]。Raffoni等人（2018）認為，商業智能的本質是從數據中獲取信息、從信息中獲取知識、從知識中獲取智慧的過程。因此，商業智能的理念可以更好地應用于教育領域[4]。

當前，商業智能技術在高校教學管理中的應用主要集中在信息化輔助管理方面。朱石磊（2016）探討構建教學管理平臺中的“智慧”模塊，主要用于解決教學管理中分析、預測、決策等方面的問題[5]。舒忠梅等人（2014）認為，現代大學的科學管理亟待加強數據的有效利用，他們探索基于商業智能技術搭建高校教育管理平臺的實踐應用，可以用于對大學生學習成果的預測[6]。江敏等人（2012）討論了一種將數據挖掘技術與高校教學管理系統相結合的方法,提高了高校教學管理的工作效率[7]。盧晶晶（2007）將商業智能技術應用于教師的教學質量評價，希望從大量的教學數據中找出對提高教學質量有幫助的信息與知識，并將其應用到實際中[8]?；谏鲜鲅芯砍晒?，本研究探討把商業智能應用于課堂教學，并以“職業道德與職業素養”課程為例，探究教學設計的方法和模式。

二、當前職業素養課程存在的問題及其成因

“職業道德與職業素養”屬于高職公共基礎課，課程旨在培養學生樂業愛崗、勤奮努力的敬業精神和精益求精、認真負責的工匠精神。職業道德與職業素養是培養職業人才的重要環節，涉及到學生的職業道德觀念、職業操守和職業技能等多個方面。這既是學生專業素養的一部分，也是課程思政的一個主要方面，因而受到廣泛重視。然而，相關研究表明，在職業道德與職業素養課程的教學過程中存在一些問題與不足，這些問題可能會影響學生的學習效果和職業發展。

（一）課程內容單一、缺乏實踐性

傳統的職業道德與職業素養課程通常以理論知識為主，缺乏實踐性。學生在紙上學到的知識很難與實際工作相結合，導致學習的效果不佳。Leung 等人（2019）指出，傳統的職業道德與職業素養課程著重于道德理論與規范，忽略了實際情境下的職業決策與行為。這種理論脫離實際的教學方式難以激發學生的學習興趣和動力[9]。

（二）評估體系不完善

職業道德與職業素養課程評估體系的不完善可能導致學生對課程學習的重視程度降低，影響他們的學習動力和自我約束力。Anderman（2009）強調，課程評估應該全面考察學生的職業道德觀念、職業技能及情感態度等方面，但現有的評估方法往往局限于知識記憶與傳授[10]。

（三）課堂難以調動學生的積極性

馬鴻凌（2008）指出，學校思想政治課教學的目的就是讓學生正確理解、記憶和掌握教材的內容，可是要達到這樣的教學效果，必須從調動學生的積極性入手。其具體的方法包括了課程內容建設、增加課堂交流、調動學生積極思維和運用多媒體手段活化激發學生學習興趣等[11]。

通過調查研究，本研究認為上述問題產生的原因主要有以下兩個方面：一方面，從學生的需求看，教育逐步向個性化的方向發展，學生在學習上有著差異化的需求，傳統的一刀切教學模式已難以滿足不同學生的學習需求；另一方面，從教學的環境看，教學模式面臨信息時代的挑戰。在信息化時代教學模式需要創新，不僅僅是學生需要具備更多的信息處理和決策能力，更重要的是，教師在教學過程中需要更多地獲取學生的信息，才能更好地調整教學策略和教學內容，提高教學效果。莫敏燕（2023）的研究指出，教師應當充分利用大數據技術帶來的信息化、系統化的數據信息處理方式等優點，結合當代大學生的特點，以滿足思政課程發展的需要[12]。

商業智能作為一種數據驅動的決策支持系統，可以成為幫助教師解決上述問題的重要工具。首先，商業智能技術可以通過數據分析和學習模式識別，根據學生的學習特點和需求，為每個學生量身定制學習計劃，使學習更加個性化和高效；其次，商業智能技術可以深入了解學生的學習情況和課堂表現，有利于準確評估教學進度和質量；最后，商業智能技術可以通過數據可視化和互動性展示學習內容，激發學生的學習興趣和積極性。

總之，探究商業智能在課堂教學設計中的應用，不僅有望提升教學效果和學習體驗，還將為教育領域帶來新的可能性和機遇。通過充分挖掘商業智能技術的潛力，可以進一步推動教育的發展和進步。

三、商業智能輔助課堂設計的研究框架及應用

通過文獻研究和調研分析，根據學生和課程的特點，本研究的重點是如何用商業智能的方法幫助改進課堂設計，研究的難點在于如何獲取數據。

（一）研究框架

在傳統的教學模式中，通常是先有課程的目標知識領域，然后由教師傳授給學生，知識是由教師流向學生的過程。馮徽徽等人（2021）不認同這樣的教學模式，他們認為，教學應當實施以學生為中心的教學方法[13]。劉彥超（2021）認為，課堂設計應當采用體驗式教育模式，該模式包括“自我親歷、形成、檢驗和自我反思”等四個主要階段[14]。本研究認為，教學的過程應當以學生為中心，知識的流向應當有別于傳統的方式，即將課程的起點設為學生已知的知識領域，知識領域呈現為從小到大的過程。由此，本研究建立起如下的課堂教學模式，具體如圖1 所示。虛線方框內所示的是通過教學，學生的知識逐漸積累和豐富的過程。箭頭所指的方向是教師與學生之間的行為互動和數據流通。

圖1 商業智能輔助課程設計模式

在這個過程中，學生是課程的發起人。以學生為中心，首先是學生產生學習行為；然后，這些行為形成數據，并得到老師和同學的反饋；隨后，這些反饋被固化并形成認知。這樣的模式不斷地循環推進，學生的知識體系也逐步建立起來。

（二）研究設計

教學活動可以被分割為若干個由四個步驟組成的小循環。這四個步驟分別是“學習行為、獲取數據、數據分析反饋學生、形成知識”。其具體的流程為：首先，如①所示，學生按照教師的要求，產生學習行為，這個行為可以是填寫調查問卷，也可以是小組作業或者思考題等形式，目的在于用翻轉課堂的方式讓學生提前進入學習狀態；第二步，如②所示，由教師采集學生的行為，并將其轉化為數據，在第一階段中學生的行為會產生許多隱性數據，或者是問題的答案，或者是問卷的結果等，這些都可以轉化為文本數據，通過文本統計和文本挖掘等商業智能工具，可以形成顯性數據，輔助教師的課堂教學；第三步，如③所示，教師分析數據，從數據中發現學生學習的規律和知識點掌握上的偏差，最終形成對課程走向的把握，并反饋給學生；第四步，如④所示，學生通過這個過程獲得知識的積累，并開始新的循環。這樣的流程循環往復，最終實現課程的教學目標。在這個模式中，數據的采集、分析和應用貫穿始終，成為輔助教師課堂教學的重要工具。

（三）研究難點

數據獲取是本研究的難點，在商業智能的數據范疇中，數據既可以是結構化的圖表數據，也可以是非結構化的文字、語言、視頻等信息，而在日常生活中，非結構化數據占據了更大的比重。課程中的數據主要有兩大來源，第一類是可以直接獲取的數據，如學生的作業、考試成績等，這類數據直接可以用于分析，但是因為數據獲取的滯后性，一般用于評估學生的學習效果；第二類是學生的行為等間接數據，包括學生的語言、文字、考勤、課堂表現等。這類數據具有實時性，有助于指導課程實施，但是因為這類數據為隱性數據，而且是非結構化數據，不容易獲取，所以往往會被忽略。

本研究主要探索了第二類數據的獲取與分析。沈震等人（2023）認為，實現大數據和思政課的深度融合是大勢所趨，文本統計和文本挖掘技術可以幫助獲取隱性的數據[15]。因此，本研究采集了學生的文本信息，通過文本分析的方法，將隱性數據轉換成顯性數據，進而加以分析利用，從而解決了數據獲取方面的難題。

（四）研究過程

本研究根據商業智能的特點，從數據獲取、數據分析、數據應用三個階段展開實踐研究，研究中使用調查問卷等方式獲取數據，使用Python 工具進行數據分析。研究對象選取了參與授課的87 名學生，均為高職學校大一學生，其中，男生38 人，女生49 人。

1.數據獲取。數據采集的方法主要有兩種，一種是通過調研問卷的方式，獲取學生的文本數據，另一種是通過教師記錄學生的考勤、作業等課堂表現形成數據。這些非結構化的數據通過轉換之后，最終形成研究需要的數據。

（1）問卷調查獲取數據。為了考查學生對于課程的重視程度以及評估教學的效果，本研究在課程開始前和結束后，分別對學生做了若干調查問卷。問卷的規則是要求每位學生用3—5 個詞來描述對本課程所要學習的“職業道德與職業素養”的理解和感覺。填寫3 個詞語的同學，視為完成了工作任務，態度良好；填寫超過3 個詞語的同學視為超額完成任務，態度優秀；反之，如果填寫詞語少于3個，則視為未完成任務。

通過問卷的方式不但獲得了統計數據，用于分析學生對于課程的態度，而且，還可以直接獲得學生的文字數據，這些文字表明了學生對于課程的理解，經過轉化分析，可以幫助教師完成課堂的教學設計。

（2）課堂表現數據。為了營造企業工作環境的氛圍，課程的開始，教師公布了一份《績效考核辦法》，基于學生的出勤、課堂紀律、課堂表現、小組作業完成情況等指標編制了考核指標體系。在規則公布之后，教師每節課都會詳細記錄學生的課堂表現數據，并在每次課上都公布上節課的學生分數，這樣可以將績效考核結果顯性化，學生每節課都能感受到一定的考核壓力，從而激發了他們積極表現并得到認可的欲望。課堂表現數據課堂教學的重要輔助手段，雖然并未對課堂教學設計帶來直接的變化，但是這種方式讓學生體驗式的感受到了企業績效考核管理的效果，對督促學生認真參與課堂教學起到了積極的作用。

2.數據分析。根據學情分析的結果，課程重點解決的問題是學生的學習態度和學習內容，因此，數據的分析主要圍繞這兩個問題展開。

（1）學習態度數據分析。根據學生反饋的數據，我們進行了數據分析和統計。在所有的同學中，有67 位同學按要求填寫了3 個詞語，完成了基本任務，占比為77%；另外有6 位同學填寫了4 個詞，1位同學填寫了5 個詞，占比分別為8%和1%，這些同學視為超額完成了任務；與此同時，有12 位同學未答或者只填寫了2 個詞，占比為14%，這些同學被認為未完成任務。數據總體符合正態分布的特點，絕大多數的學生按要求完成了任務，這部分人的比例是77%，少部分人（9%）超額完成任務，另有少部分人（14%）未完成任務。通過這項任務，不但反映了學生的學習態度，而且一定程度上也體現出學生的職業素養。也就是說，雖然大部分人都在被動應付，但是他們能夠完成基本的任務，只有不到10%的人愿意積極主動的去做事。

（2）學習內容數據分析。87 名同學基于自己對課程的理解，填寫了3—5 個描述性的詞語，總共產生233 個詞語，這些文字數據可以反映學生最關注的教學內容，使用數據分析工具進行詞頻分析可以更好的挖掘其中的信息。根據學生問卷中填寫的詞語，我們使用Python語言提供的Jieba分詞工具進行了進一步的詞頻分析。

“愛崗敬業”這個詞成為學生們認為的最重要的職業道德與職業素養。其余頻率較高的詞匯還有“誠實、實事求是、道德、守信”等，這說明學生對于課程已經有一個簡單而樸素的理解，同時也說明課程講授的內容并不是令人厭煩的說教，而是早已經存在于學生自己腦海中的認知，這極大地降低了學生在后續課程中的抵觸情緒。

隨后，我們將學生劃分為14 個小組，然后將詞頻分析中的高頻詞匯分派給全部的14 個小組，作為他們小組作業的主題，每組對分配到的關鍵詞進行討論、搜集資料、制作演講材料，在課堂上做匯報演講。教學過程是以學生的自主學習與匯報為主開展，其他小組會作為評委，對匯報內容打分。在實際授課中，學生對小組演講積極性較高，因為選派的任務是他們自己產生的內容，同時這樣的任務也具有一定的挑戰性，能夠激發學生的好勝心。

3.數據應用。學生在授課過程中呈現的數據可以幫助教師分析教學知識點上的空白之處，以便于幫助學生建立知識地圖并完善知識結構。

（1）構建知識地圖。如圖2 所示，教師通過對學生數據的分析發現，在課程前，學生對職業道德與職業素養的認知只能占到教材內容的30%左右，于是接下來的教學任務就是讓學生鞏固已知的30%內容，并且補充未知的70%內容。在實際課程中，也的確出現了這樣的情景。例如，在某一份小組作業完成過程中，匯報的同學在被問及小組如何分工的時候，回答說都是他和另一位同學做的PPT，其他4 位同學都沒有參與進來，暴露出團隊協作的問題；另外一個小組則沒有講出什么有價值的觀點，草草地應付了事；還有的小組在匯報中不知所云，抓不住重點。由此反映出了學生在職業能力中的表達能力、分析問題能力和團隊協作能力等都存在問題，盡管這些詞語沒有出現在學生的詞匯中，但也應是學生必備的能力，所以在后續的課程中教師增加了“頭腦風暴、金字塔原理和團隊協作”等知識點的講解和訓練。通過這樣的方式，學生對課程知識點的理解由最初的30%，逐步豐富完善知識地圖，課程結束的時候可以達到100%知識點的全覆蓋。

圖2 建構知識地圖

（2）評估課程效果。課程結束前，教師再次要求學生做一份問卷作業，以便于評估課程的授課效果。從獲得的數據顯示，問卷的結果與第一次的問卷作業相比有了明顯的變化。

首先，參與問卷的學生都填寫了至少3 個詞語，只有11 個人填寫了3 個詞語，占比為13%，而填寫5 個詞語的學生達到76 人，占比為87%。這一方面體現了學生對于做事的積極主動性有了很大提升，另一方面也說明他們對本課程的認可與滿意。

其次，在填寫詞語的內容上，出現了大量表達滿意度的詞語，如“快樂、滿意、很好、超級棒”等，對于填寫的詞語我們沒有做任何的限定，只是要求學生真實填寫自己的感受和認知。這些詞語體現了學生對課程的態度，說明學生對授課的過程和結果是滿意的。

在課程全過程中，分析數據始終起到了“興奮劑”的作用，公布數據結果則促進了學生對課程的理解和認識。同時，數據也幫助教師準確把握課程的走向，通過對學生行為態度變化的分析，教師可以隨時檢視教學方法及教學手段的效果，并根據情況及時地做出調整。

四、結論

本研究嘗試將“商業智能”的理念和數據分析的方法應用于課堂教學設計，通過“職業技能與職業素養”課程的實踐，驗證了該方法的可行性。盡管只是簡單的對課堂教學設計中的隱性數據進行了挖掘、分析和應用，但是研究的結果證明，數據分析用于課堂教學的方法不但可以提升學生對課堂的滿意度、認可度，還可以幫助教師更好地了解學生，有利于改進教學設計，值得進一步推廣。

首先，豐富了課堂教學設計的理論體系。傳統的教學設計一般基于心理學的相關理論，從人的角度出發，以定性的方式進行研究。本研究使用商業智能技術，將定量的研究方式融入課堂教學設計體系之中，通過對學生語言、文字、行為等各類數據的挖掘和分析，提供準確的數據，客觀地反映了教學中的規律和問題，這對課堂教學理論是有益的補充。

其次，為思政類課程教學方法改革提供了新思路。在高校的課程體系中，思政類課程由于需要傳達思想理論，有時不像其他專業課一樣容易引人入勝。本研究引入了商業智能數據分析的元素，有利于引導學生更好地融入課堂，學生專注于數據呈現的結果，并且實際參與到數據挖掘的過程中，有利于培養學生的實際操作能力，實現了教學效果的提升。

第三，對商業智能在教育領域的應用進行了創新性的探索。通常，商業智能的應用主要以信息化應用為主，主要是對已有數據的挖掘分析。本研究中采用了詞頻分析、語義分析等方法，力圖將課堂上的隱性數據顯性化，將非結構化數據結構化。相比于已有的研究，這種方式能夠更加靈活地服務于課堂教學目標，為“三教改革”探索了一個新的方向。

同時，本研究也有不足之處，還有許多的內容需要補充、論證。例如，對學生行為數據的量化挖掘還不成體系，如果想更全面、準確地反映課堂規律，還需要補充更多的非結構化數據；此外，課程評估的方式也不夠豐富多樣，有待進一步的探索將學生的行為更多地轉為可分析的數據。本研究只是一個初步的探索，難免有諸多疏漏之處，但是我們相信，隨著更多研究的深入開展，必將為課堂教育帶來更多豐富的理論和實踐成果。