(河套学院 数学与计算机系,内蒙古 临河 015000)
摘要:互联网络飞速发展促使网络在线学习盛行,网络学习产生的大量网络学习行为数据,给学习评价带来新的挑战,学者们将研宄关注点从网络平台构建技术转移到了学生的学习行为数据,期望能够利用大数据技术分析网络学习行为数据,来深入了解学生的学习情况,进而挖掘出学生自身的学习特征,实现有针对性的“因材施教”,为学生提供个性化教学服务,帮助教师优化教学设计与教学活动,指导教师改进教学方法,为教育管理提供可靠的评价依据,以达到最佳的网络教学效果。本文在查阅多篇文献后,分析汇总出影响学习效果的网络学习行为因素后,探究在线学习过程性评价指标,探究基于知识、能力、素质三维目标的学习评价模型计算方法,通过资源完善后进行实践验证。
关键字:在线学习行为,过程性评价,学习效果,评价指标
0引言
《教育部2022年工作要点》中指出实施教育数字化战略行动,强化需求牵引,深化融合,创新赋能,应用驱动,积极发展“互联网+教育”加快推进教育转型和智能升级[1]。网络在线学习的盛行,推进了基于教育大数据的学习分析的挖掘的相关研究,如(贾积有,2014)文献1分析研究得出学习成绩正相关于平时测验成绩和论坛活跃程度(发帖,回帖),正相关于该课程的网页浏览次数,与开始学习时间[2]显著负相关;(薛宇飞等,mooc学习行为的国际比较研究)指出了“学习活跃度”和“持续性”两个影响因素,论证了通过加大mooc开课初期对课程质量和课程运营工作的关注,有助于减少学生流失,提升课程完成率[3];(危妙,mooc课程平台学习行为与学习成效大数据分析)采用大数据分析法发现mooc平台与学习行为和学习效果有关的问题,并给出建议:平台要实用,易用,实现 后台数据可视化;设置形成性练习和阶段性测验试题库,进行线上线下混合学习模式[4]。(沈欣忆等,mooccap学习者在线学习行为和学习效果评价模型研究)利用学习者在MOOCCAP在在线学习行为数据采用多种研究访方法构建mooccap在线学习行为和学习评价模型[5];(何丽等,数据结构线上线下混合式一流课程的学习效果评价探索)文献分析探究了数据结构课程学习效果评价指标及权重[6];(魏良云,基于云课堂的网络学习行为与学习效果的关系研究)从外显学习行为和内隐学习行为两个层面探讨了大学生网络学习行为及其对学习效果的影响,构建一套网络学习行为评价指标体系[7];(杜茹娟,基于网络学习的过程性评价指标研究)通过网络学习行为的比较分析,制订出网络学习评价指标[8]。
1 学习效果相关影响因素与分析
(1)在线教学对教学效果的影响因素
教师的情绪、在线教学资源丰富度、在线授课投入度、教学内容充实度、开展课堂互动、教学准备、课堂测试。
(2)在线学习行为对学习成绩影响因素
平时测验成绩、论坛活跃程序(发帖、回帖)、课程视频观看次数、在线学习时长、观看网页次数、浏览和下载讲义次数。
(3)衡量学生在线学习满意度
在线学习适应度、在线学习收获、在线学习状态、在线学习收获
(4)在线学习行为对教学质量与学习质量影响因素
考勤、作业、测验和论文情况、参与协作学习、小组合作汇报、学习体验、视频直播和在线讨论、教师、教学设计、教学进度安排和学习效果监控(课堂互动、课下检查、加强监督、测验考试、老师抽查、随机提问、随堂测试)、课程内容、课程难度、学习伙伴、网络速度等。
本文根据以上因素结合本院学生学习实际情况,进行教学改革、过程性评价、学习效果评价指标的整理与设计,如多个文献研究中指出课程论坛在教学中体现的作用可以帮助老师根据学生的特征进行教学资源个性化设计,对于参与论坛较多的学生与学业成绩呈正相关的研究结果,教师可依据此进行学生特征汇总,对学有余力的学生提升为老师的学习助教,通过让其参与全体同学的汇总分析工作提高其综合能力、提升其专业能力;对于发帖或回帖中思维活跃有创新想法的学生,培养其创新思维能力,鼓励引导其参加大学生创新比赛;对于主动回帖的学生,因其有主动学习意识,可让其在完成基本作业任务后增加适当的扩展作业或辅助优秀学员帮助教师完成学业汇总,增强其学习的积极性,提高其实践操作能力。
大部分学生对于考核性学习任务更为敏感,这部分学生较关注学习测验,而对于知识的应用、扩展则会弱化,少部分学生基于兴趣与个人感受及学习能力进行有选择性的课程学习,这部分学生则不太关注学习成绩是否优秀,故其对于知识的学习会更加深入;在课程初期大部分学生的学习行为更为活跃,教师把握住这样的机会进行鼓励,鼓励会极大激发学生学习动力。
2 学习效果评价指标与权重
学习行为指的是在有遗传基因的基础上,在环境作用下,通过一系列生活经验及学习所获得的知识和技能。在线学习行为是指学习者在现代信息技术创设的丰富的学习资源环境中进行全新沟通的远程自主学习行为。在线学习行为可划分为操作交互、信息交互、认知交互三个层次
[7]。
与学习评价有关的因素可从下图展开设计:
参考杜茹娟统计分析的在线学习评价相关指标,结合我校课程考核标准,基于指标的一致性、可测性、相对独立性、整体完备性、可比性、可接受性选取原则,使用我院超星泛雅平台学习行为数据,确定过程性评价的指标及课程效果模型计算方法。
表1《网页设计与制作》课程学习效果评价指标及权重
一级指标(权重) | 二级 指标 (权重) | 三级指标 (权重) | 考核目标 | 教学手段或 教学方式 | |
知识目标(40) | 课堂测试(30) | 测试完成率(40) | 课堂学习的精力投入、学习效果等课堂表现 | 根据课程性质可采用雨课堂、 | |
测试时长(20) | |||||
测试效能(40) | |||||
单元测试(20) | 知识记忆(60) | 学生对各对应知识点的掌握情况 | 学习通平台 | ||
理解与领会(40) | |||||
期中测试(20) | 理论(40) | 学生对阶段性知识的理解与掌握情况 | |||
实践(60) | |||||
作业完成度(30) | 作业提交时间 | 学生对基础知识的掌握情况,知识的应用能力。 | 学习通平台 | ||
作业完成质量 | 学习通平台 | ||||
能力 目标 (30) | 基础性实验(50) | 代码结构(60) | 考核学生对于基本操作的简单应用能力 | DW环境与学习通平台 | |
实验结果(40) | |||||
综合性实验(30) | 问题分析(30) | 考核学生分析问题能力、解决问题能力、知识应用能力。 | 学习通平台 实验报告 | ||
知识应用(30) | |||||
解决方案(40) | |||||
参与项目表现(20) | 教师评分(40) | 培养学生知识应用能力和创新能力,提升课程深度。 | 指定或自定的网页设计与制作 采用学习通平台”分组任务PBL” | ||
自评分(30) | |||||
生生互评分(30) | |||||
素质 目标 (30) | 线上活动表现(50) | 视频学习时长 | 考核学生家国情怀、工匠精神;考核学生学习积极性、主动性;主动参与学习的自我管理能力和积极向上的进取精神 | 雨课堂结合学习通平台 | |
视频学习个数 | |||||
学习资源时长 | |||||
上传、下载资源 | |||||
论坛讨论 | |||||
线下活动(30) | 知识笔记 | 考核学生知识汇总能力,思考问题能力。 | 思维导图形式的笔记 | ||
答疑情况 | |||||
课堂表现 | |||||
协作学习(20) | 参与协作次数 | 培养学生协作学习能力和创新意识 | 采用学习通平台”分组任务PBL” | ||
协作学习表现 | |||||
3 混合式教学学习效果评价方法
根据我院课程考核要求采用过程性评价结合终结性评价(以期末考试为考核依据)的方式,线上线下混合式学习评价方法采用过程性评价与终结性评价各占50%的考核方式,其学习效果评价方法采用加权平均法计算课程的学习效果评分,其计算方法如下:
使用学生所有章节过程性评价得分乘以其对应的权重加期末考试的得分乘以其对应的权重,对应公式1。其中过程性评价得分由学生在各章学习中对应的知识、能力、素质三个目标层次的评价得分与其对应的权重得分乘积,对应公式2。例某学生在某课程中学习效果成绩计算公式:
i代表第i个学生,j代表章节个数,m为总章节数,代表过程性评价权重,
代表过程性评价得分,
代表期末考试权重,
得分。
计算公式如下:
分别代表知识层次权重与评价得分,
分别代表能力层次权重和评价得分,
。
4结语
参考前人研究成果,以提高学习者学习效率,帮助教师高效分配授课学时,改进教学设计,引导学生个性化、高效率学习,帮助教学管理提供可靠的评价依据,本文结合本校要求以《网页设计与制作》课程为例设计出课程学习效果评价指标及计算方法,由于网络平台学习通资源库还没有完善,本学习效果评价的实践应用将于本学期进行实践应用。在今后课程教学中注重过程性评价的设计与实践,进一步促进以学为中心的教学理念,提升教学质量。
参考文献:
[1]http://education.news.cn/2022-02/08/c_1211560325.htm
[2]贾积有,缪静敏,汪琼.MOOC学习行为及效果的大数据分析——以北大6门MOOC为例[J].工业和信息化教育,2014(09):23-29.
[3]薛宇飞,黄振中,石菲.MOOC学习行为的国际比较研究——以“财务分析与决策”课程为例[J].开放教育研究,2015,21(06):80-85.DOI:10.13966/j.cnki.kfjyyj.2015.06.009.
[4]危妙,傅霖,黎刚等.MOOC课程平台学习行为与学习成效大数据分析[J].教育教学论坛,2015(38):60-61.
[5]沈欣忆,吴健伟,张艳霞等.MOOCAP学习者在线学习行为和学习效果评价模型研究[J].中国远程教育,2019(0)
[6]何丽,王晓.数据结构线上线下混合式一流课程的学习效果评价探索[J].计算机教育,2022(09):119-123.DOI:10.16512/j.cnki.jsjjy.2022.09.027.
7):38-46+93.DOI:10.13541/j.cnki.chinade.20190508.002.
[7]魏良云. 基于云课堂的大学生网络学习行为与学习效果的关系研究[D].华中师范大学,2017.
[8]杜茹娟.基于网络学习的过程性评价指标研究[J].中国教育信息化,2016(19):21-24.