丁 鵬 飛

(1. 上海旅游高等專科學(xué)校 公共教學(xué)部， 上海 201418; 2. 上海師范大學(xué) 旅游學(xué)院， 上海 200234)

0 引 言

在傳統(tǒng)的課堂教學(xué)中，由于難以及時(shí)獲取學(xué)生個體學(xué)習(xí)興趣、學(xué)習(xí)能力、學(xué)習(xí)進(jìn)度、面臨困難等方面的動態(tài)數(shù)據(jù)，教師通常主觀地參照以往經(jīng)驗(yàn)和學(xué)生群體的平均接受能力來制定教學(xué)目標(biāo)、內(nèi)容和進(jìn)度計(jì)劃等，存在一定程度的偏差，忽視了學(xué)生個體的差異性和具體特點(diǎn)。隨著教育信息化的不斷深入，運(yùn)用學(xué)習(xí)分析技術(shù)幫助教師進(jìn)行教學(xué)評估和預(yù)測成為必然趨勢。學(xué)習(xí)分析是通過各種信息化手段監(jiān)測和收集學(xué)生學(xué)習(xí)環(huán)境和過程數(shù)據(jù)，運(yùn)用不同模型和方法，動態(tài)評估和預(yù)測學(xué)生的課程學(xué)習(xí)狀態(tài)和效果，使教師根據(jù)不同學(xué)生的能力水平和實(shí)際需求，探究最優(yōu)化的教學(xué)方式，為實(shí)施有針對性的分類教學(xué)提供支持和指導(dǎo)[1]。在學(xué)習(xí)分析技術(shù)支持下，教師可以充分關(guān)注學(xué)生個體特征，了解學(xué)生的實(shí)際需求，動態(tài)追蹤每個學(xué)生的學(xué)習(xí)進(jìn)度，不斷實(shí)時(shí)調(diào)整自己的教學(xué)進(jìn)度和方法，使得學(xué)生在同一個學(xué)習(xí)環(huán)境中可以有不同的學(xué)習(xí)方法、步驟和進(jìn)度[2]。

1 研究現(xiàn)狀

國內(nèi)很多學(xué)者在學(xué)習(xí)分析領(lǐng)域已經(jīng)做了探索和嘗試。屬于學(xué)習(xí)分析理論綜述的研究有：李青等[3]對學(xué)習(xí)分析的基本概念、組成要素、應(yīng)用模型、分析方法和工具進(jìn)行了系統(tǒng)歸納。顧小清等[4]提出學(xué)習(xí)分析技術(shù)應(yīng)注重監(jiān)測和預(yù)測學(xué)生的學(xué)習(xí)成績，最重要是及時(shí)發(fā)現(xiàn)潛在問題，對評估和預(yù)測結(jié)果進(jìn)行反饋，為教學(xué)過程提出有針對性的改進(jìn)策略和教育決策。郭炯等[5]對國內(nèi)外2010年以來關(guān)于學(xué)習(xí)分析的期刊論文進(jìn)行梳理，根據(jù)研究重點(diǎn)不同分為理論框架、模型研究、學(xué)習(xí)分析技術(shù)基礎(chǔ)、學(xué)習(xí)分析工具、應(yīng)用研究、面臨挑戰(zhàn)等6大類。胡藝齡等[6]分析了網(wǎng)絡(luò)在線學(xué)習(xí)行為的建模機(jī)制，構(gòu)建為數(shù)據(jù)、機(jī)制、結(jié)果3層次。李爽[7]將“參與、堅(jiān)持、專注、交互、學(xué)術(shù)挑戰(zhàn)、學(xué)習(xí)自我監(jiān)控”6類投入作為分析在線學(xué)習(xí)行為投入的主要維度。利用數(shù)據(jù)挖掘方法對學(xué)生聚類的研究有：舒忠梅等[8]利用相關(guān)分析和數(shù)據(jù)挖掘方法相結(jié)合，識別學(xué)生學(xué)習(xí)行為投入的相關(guān)因素，并將學(xué)生聚為7類；田娜等[9]根據(jù)學(xué)生的相似特性對學(xué)生進(jìn)行聚類分析，以分析對課程成績影響的各種因素；姜強(qiáng)等[10]利用貝葉斯網(wǎng)絡(luò)方法不同行為模式的學(xué)生學(xué)習(xí)風(fēng)格；孫力[11]將學(xué)習(xí)者歸為4類：聚斂型、發(fā)散型、同化型、調(diào)適型。利用回歸模型對成績預(yù)測的研究有：馬杰等[12]利用回歸模型預(yù)測了成績和多要素之間的線性關(guān)系；王亮[13]也設(shè)計(jì)了學(xué)習(xí)分析的預(yù)測模型，篩選出最佳預(yù)測效果的影響因子進(jìn)行 Logistic 回歸分析，并在教學(xué)管理平臺中對該模型進(jìn)行了實(shí)際應(yīng)用；趙慧瓊[14]利用多元回歸分析法判定影響學(xué)生學(xué)習(xí)績效的預(yù)警因素，在此基礎(chǔ)上構(gòu)建了干預(yù)模型，對產(chǎn)生的學(xué)習(xí)行為數(shù)據(jù)進(jìn)行二元 Logistic 回歸分析，并結(jié)合問卷調(diào)查和訪談法對該模型在學(xué)習(xí)活動、知識習(xí)得等方面的有效性進(jìn)行驗(yàn)證。孫力等[15]采用數(shù)據(jù)挖掘中數(shù)據(jù)分類決策樹方法，通過分析網(wǎng)絡(luò)學(xué)歷教育本科學(xué)生英語學(xué)習(xí)及相關(guān)信息，實(shí)現(xiàn)了對其英語統(tǒng)考成績的預(yù)測。

綜上所述，國內(nèi)關(guān)于學(xué)習(xí)分析的研究多集中在理論引介、研究綜述、應(yīng)用模型設(shè)計(jì)與論證等方面，實(shí)證性研究仍較缺乏。已有的研究大多是針對在線課程、網(wǎng)絡(luò)教育形式的教學(xué)，其數(shù)據(jù)的獲取較方便和直接；而大多數(shù)學(xué)校仍是以面授課堂教學(xué)為主、課程考試平臺為輔的線下教育，其特點(diǎn)在于，數(shù)據(jù)獲取來源更加多樣，反饋和干預(yù)可以更加直接。線下課堂需要通過學(xué)習(xí)分析技術(shù)解決以下問題：高校師生比失調(diào)，很難做到關(guān)注課堂上的每個學(xué)生，如何利用學(xué)生課程學(xué)習(xí)產(chǎn)生的數(shù)據(jù)，了解學(xué)生已經(jīng)掌握什么和沒有掌握什么，識別和發(fā)現(xiàn)困難學(xué)生？是否可以將學(xué)生進(jìn)行分組和聚類，開展有針對性地分類指導(dǎo)，使得高校大規(guī)模課堂教學(xué)和個性化學(xué)習(xí)能夠得到完美的結(jié)合[16-18]。如何根據(jù)學(xué)生在課程學(xué)習(xí)中的特定階段和特定活動，從而總結(jié)學(xué)生的學(xué)習(xí)習(xí)慣和特點(diǎn)，預(yù)測每個學(xué)生的學(xué)習(xí)成果；如何整合多個平臺的數(shù)據(jù)進(jìn)行分析和決策，并快速反饋在實(shí)際課堂上來改進(jìn)教學(xué)。

本文在查閱國內(nèi)外相關(guān)文獻(xiàn)的基礎(chǔ)上，通過學(xué)習(xí)分析得到的數(shù)據(jù)，應(yīng)用數(shù)據(jù)挖掘的方法構(gòu)建預(yù)測和聚類模型，理解學(xué)習(xí)過程和學(xué)習(xí)行為，并依據(jù)分析結(jié)果重新調(diào)整教學(xué)活動，對學(xué)習(xí)困難的學(xué)生進(jìn)行干預(yù)和指導(dǎo)，提高教學(xué)質(zhì)量。

2 數(shù)據(jù)來源與模型構(gòu)建

2.1 研究對象和教學(xué)設(shè)計(jì)

以我校2015級200多名學(xué)生為研究對象，以計(jì)算機(jī)應(yīng)用基礎(chǔ)必修課為切入點(diǎn)。該課程需要學(xué)生分3個學(xué)期完成64學(xué)時(shí)的教學(xué)內(nèi)容，并以上海市統(tǒng)一的計(jì)算機(jī)等級考試成績作為最終學(xué)習(xí)效果的檢驗(yàn)標(biāo)準(zhǔn)。學(xué)生學(xué)習(xí)過程和行為跟蹤數(shù)據(jù)，包括出勤率、課堂表現(xiàn)、在線瀏覽教學(xué)資源頻次、歷次課后練習(xí)和作業(yè)完成率(以在線實(shí)時(shí)測評系統(tǒng)形式)，以及前2次學(xué)校組織的期末上機(jī)考試總成績及分項(xiàng)成績(命名為知識點(diǎn)1～9，見表1)。學(xué)生個人屬性指標(biāo)包括性別、生源地、高考成績、民族等。學(xué)生學(xué)習(xí)效果定量指標(biāo)為參加上海市計(jì)算機(jī)等級統(tǒng)考成績。此外，利用微信平臺，進(jìn)行學(xué)習(xí)初期(問卷186份)和學(xué)習(xí)結(jié)束(問卷112份)2次在線調(diào)查，獲取學(xué)生對課程目標(biāo)和難度的感知、學(xué)習(xí)興趣、學(xué)習(xí)滿意度等變化情況。

表1 教學(xué)活動流程

2.2 研究框架和分析方法

學(xué)習(xí)分析的關(guān)鍵技術(shù)可參照數(shù)據(jù)挖掘的技術(shù)方法，如系統(tǒng)建模、分類、聚類、關(guān)聯(lián)規(guī)則、決策樹、回歸、社會網(wǎng)絡(luò)分析、話語分析及文本挖掘等。本文根據(jù)實(shí)驗(yàn)中課程和數(shù)據(jù)的特點(diǎn)，采用問卷調(diào)查、圖表分析、聚類統(tǒng)計(jì)、回歸預(yù)測的方法，遵循評估-預(yù)測-干預(yù)的反饋機(jī)制進(jìn)一步改進(jìn)和優(yōu)化課程教學(xué) (見圖1)。 評估，主要是利用聚類分析方法，對學(xué)習(xí)行為特征相似的學(xué)生劃分類型，分析各類學(xué)生的知識圖譜、課程滿意度，并輔助教師制定個性化的教學(xué)和輔導(dǎo)計(jì)劃，安排教學(xué)進(jìn)度；預(yù)測分析，主要是利用回歸分析方法，以學(xué)生學(xué)習(xí)過程和行為跟蹤數(shù)據(jù)為自變量，預(yù)測其可能的考試成績或?qū)W習(xí)效果；干預(yù)，是根據(jù)評估和預(yù)測分析結(jié)果，判定每個學(xué)生是否存在學(xué)業(yè)風(fēng)險(xiǎn)，采取合適的對策和方法進(jìn)行干預(yù)。

圖1 研究框架圖

3 實(shí)證研究

經(jīng)過數(shù)據(jù)清洗和預(yù)處理，刪掉缺失嚴(yán)重的數(shù)據(jù)，共得到225個樣本數(shù)據(jù)。在SPSS軟件中，從學(xué)生個人屬性、學(xué)習(xí)過程(投入)和學(xué)習(xí)績效3個方面，共選取生源地、基礎(chǔ)背景、作業(yè)完成率、自學(xué)進(jìn)度、在線時(shí)長、登錄次數(shù)、德育成績、課堂表現(xiàn)、2次期末成績、性別10個變量，與等級考試成績進(jìn)行相關(guān)性分析。10個變量的信度系數(shù)a=0.726，在可接受的范圍內(nèi)，具有統(tǒng)計(jì)學(xué)意義。相關(guān)分析結(jié)果(見表2)顯示，等級考試成績與前2學(xué)期的期末成績、作業(yè)完成率、基礎(chǔ)背景、自學(xué)進(jìn)度等變量相關(guān)系數(shù)較高，與性別、生源地、在線時(shí)長、登錄次數(shù)、課堂表現(xiàn)以及在校表現(xiàn)這些變量相關(guān)性較小，將其剔除。

表2 變量來源和等級考試成績的相關(guān)性

3.1 基于學(xué)生學(xué)習(xí)行為特征的聚類分析

在對學(xué)生的學(xué)習(xí)過程與學(xué)習(xí)結(jié)果進(jìn)行記錄與分析中，發(fā)現(xiàn)不少學(xué)生的學(xué)習(xí)行為呈現(xiàn)一定的相似性，可以歸為一類，不同類型之間有明顯的差異性，于是嘗試應(yīng)用聚類分析技術(shù)對學(xué)生學(xué)習(xí)行為進(jìn)行類型劃分，并發(fā)現(xiàn)不同類型學(xué)生的學(xué)習(xí)行為特點(diǎn)和規(guī)律。

在前述相關(guān)分析的基礎(chǔ)上，選取相關(guān)性最高的5個變量進(jìn)行聚類：學(xué)習(xí)基礎(chǔ)、自學(xué)進(jìn)度、作業(yè)完成率、課堂表現(xiàn)和前2學(xué)期考試成績。首先，將5個變量數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化；然后，利用離差平方和法(基本原理是同類之間離差平方和較小，類與類之間離差平方和較大)，指定 2～6個類別進(jìn)行聚類分析，并進(jìn)行反復(fù)試驗(yàn)；最后，根據(jù)聚類中心點(diǎn)的特征和不同類別之間的差異，將學(xué)生劃分為為4類，分別命名為被動型、游離型、徒勞無功型，學(xué)有余力型，并分析不同類型學(xué)生的學(xué)習(xí)投入模式及其行為特征。

根據(jù)不同類型學(xué)生各個變量平均值分布雷達(dá)圖(見圖2)，歸納出其各自特征。

結(jié)合實(shí)際課堂，不同類別同學(xué)的學(xué)習(xí)狀況和學(xué)習(xí)特點(diǎn)總結(jié)如下：

(1) 學(xué)有余力型學(xué)生占25.5%，所有指標(biāo)得分值都最高，各方面全面發(fā)展。在學(xué)完課程規(guī)定的知識和技能外，還具備進(jìn)一步的拓展學(xué)習(xí)能力。 他們基礎(chǔ)較好，課堂表現(xiàn)積極主動，具有較強(qiáng)自學(xué)能力，能獨(dú)立完成學(xué)業(yè)任務(wù)。

(2) 徒勞無功型學(xué)生人數(shù)最多，占35.2%。他們基礎(chǔ)一般，在校表現(xiàn)貌似很好，課堂出勤率也很高，各項(xiàng)行為中規(guī)中矩，但學(xué)習(xí)方法不對，自學(xué)能力不足，期末成績并不理想。

(3) 游離型學(xué)生占26.2%，他們學(xué)習(xí)基礎(chǔ)一般，學(xué)習(xí)目的不明確，學(xué)習(xí)態(tài)度不積極，有一定自學(xué)能力，不夠努力和專心，期末成績中等，學(xué)習(xí)成績有很大提升空間。

(4) 被動型學(xué)生占13.1%，他們基礎(chǔ)和自學(xué)能力較差，作業(yè)完成情況較差，成績也較差，有自暴自棄傾向。

按照聚類分析的結(jié)果，又進(jìn)一步統(tǒng)計(jì)了不同類型學(xué)生在2次期末考試中各知識點(diǎn)上的得分情況(見圖3)。由圖3可見，知識點(diǎn)8和9大部分學(xué)生都掌握較好，可以減少課時(shí)；但在知識點(diǎn)1上所有學(xué)生得分率均較低，應(yīng)適當(dāng)增加課時(shí)，重點(diǎn)講解；在知識點(diǎn)2和3上，4類學(xué)生得分差距較大；在知識點(diǎn)4上，4類學(xué)生差距最?。辉谥R點(diǎn)5和7上，被動型學(xué)生和其他3類學(xué)生差異較大。以此為依據(jù)，可以合理調(diào)整教學(xué)重點(diǎn)和進(jìn)度。

圖3 不同類型學(xué)生知識圖譜對比

3.2 基于回歸模型的學(xué)生成績預(yù)測

計(jì)算機(jī)等級考試合格，是學(xué)生獲得學(xué)位的必要條件之一，同時(shí)又是部分專升本考生計(jì)算機(jī)免試的條件，對于學(xué)校教學(xué)質(zhì)量監(jiān)控和學(xué)生的學(xué)業(yè)評估非常重要。因此，嘗試?yán)靡延袑W(xué)習(xí)過程監(jiān)測數(shù)據(jù)，運(yùn)用多元線性回歸分析中的逐步回歸方法，建立符合自變量和因變量之間關(guān)系的回歸模型，以更好預(yù)測學(xué)生的學(xué)習(xí)成績和效果。這里，以等級考試成績(Y)為因變量，經(jīng)過3次逐步回歸，確定學(xué)習(xí)基礎(chǔ)(X1)、期末考試成績(X2)和作業(yè)完成率(X3)為自變量，建立回歸方程：

Y=0.381X1+0.374X2+0.026X3+15.541

(1)

該方程顯著性為0.000，擬合度R2為0.373，具體參數(shù)見表3。

表3 多元回歸的相關(guān)系數(shù)

自變量系數(shù)的大小反映了對因變量影響的強(qiáng)弱程度。根據(jù)式(1)，對計(jì)算機(jī)統(tǒng)考成績影響程度從大到小依次是期末考試成績、學(xué)習(xí)基礎(chǔ)和作業(yè)完成率。進(jìn)一步利用預(yù)測成績與實(shí)際計(jì)算機(jī)統(tǒng)考成績進(jìn)行比對分析(見圖4)，以檢驗(yàn)?zāi)Ｐ偷挠行?。參與建模人數(shù)為125人，預(yù)測人數(shù)為100人，預(yù)測不及格準(zhǔn)確率為71.6%，預(yù)測及格準(zhǔn)確率79.8%?；痉项A(yù)測效果。預(yù)測結(jié)果可為學(xué)生或教師提前發(fā)出預(yù)警和提醒，以便于及早加強(qiáng)干預(yù)。

圖4 預(yù)測成績與實(shí)際考試成績對比圖

3.3 反饋與干預(yù)

大學(xué)生的學(xué)習(xí)效果很大程度上依賴于學(xué)生的自覺。如果教師對于學(xué)生的學(xué)習(xí)行為不能及時(shí)監(jiān)測、評估、反饋和干預(yù)，學(xué)生的參與度、主動性和學(xué)習(xí)效果將會進(jìn)一步降低。因此，需要從學(xué)習(xí)分析視角統(tǒng)計(jì)數(shù)據(jù)、建模、分析，使教師能夠在數(shù)據(jù)支持下不斷改進(jìn)教學(xué)。結(jié)合學(xué)習(xí)初期和后期的2次問卷調(diào)查結(jié)果和前述的學(xué)習(xí)特征聚類結(jié)果，發(fā)現(xiàn)不同類型的學(xué)生對課程興趣，對課程目標(biāo)和難度的認(rèn)知存在差異性(見圖5)。例如，被動型和徒勞無功型學(xué)生對教學(xué)目標(biāo)認(rèn)識不清，完成學(xué)習(xí)任務(wù)有較大困難。針對該類學(xué)生，加強(qiáng)學(xué)習(xí)初期教育，端正學(xué)習(xí)態(tài)度，提高課程學(xué)習(xí)興趣，改進(jìn)學(xué)習(xí)體驗(yàn)，是教師改進(jìn)教學(xué)工作的關(guān)鍵點(diǎn)。同時(shí)，按照不同類型學(xué)生的學(xué)習(xí)態(tài)度和能力，可更加有針對性地布置學(xué)習(xí)任務(wù)和作業(yè)，并通過作業(yè)和手機(jī)平臺來督促和反饋每位學(xué)生的學(xué)習(xí)情況。這樣教學(xué)過程能夠體現(xiàn)學(xué)習(xí)者與教師之間的互動，在分類和預(yù)測的基礎(chǔ)上干預(yù)和反饋，優(yōu)化學(xué)習(xí)成績和改進(jìn)學(xué)習(xí)體驗(yàn)，提高教學(xué)效果。

圖5 不同類型學(xué)生問卷結(jié)果對比

每周面授的課程，教師可以及時(shí)調(diào)整教學(xué)策略，并針對不同類型學(xué)生合理安排教學(xué)進(jìn)度和內(nèi)容。從對每個學(xué)生的情況中，做出合理判斷和分析，對于徒勞無功學(xué)生，重點(diǎn)改進(jìn)學(xué)習(xí)方法，提高效率；對于游離型學(xué)生，關(guān)注和糾正其學(xué)習(xí)態(tài)度和不良習(xí)慣；及時(shí)加強(qiáng)干預(yù)，幫助被動型學(xué)生解決學(xué)習(xí)困難，樹立信心，對學(xué)有余力的學(xué)生適當(dāng)拔高。針對不同類別的學(xué)生，結(jié)合不同類型學(xué)生的知識圖譜，手機(jī)上推送預(yù)警消息和不同的學(xué)習(xí)資源，給予有效的引導(dǎo)和建議，激發(fā)興趣，探索影響學(xué)生課程滿意度的相關(guān)因素。對困難學(xué)生及時(shí)干預(yù)和預(yù)警，從最后實(shí)際的通過率來看，干預(yù)的措施對游離型學(xué)生效果較明顯，被動型學(xué)生干預(yù)效果較差(見表4)，需要調(diào)整策略進(jìn)一步改進(jìn)。

表4 對不同類型學(xué)生的干預(yù)及效果

4 結(jié) 語

以面授課堂上的學(xué)生為研究對象進(jìn)行學(xué)習(xí)分析，從“計(jì)算機(jī)應(yīng)用基礎(chǔ)”課程前2個學(xué)期學(xué)生產(chǎn)生的學(xué)習(xí)投入、學(xué)習(xí)績效和個人屬性特征中篩選出 10個與等級考試成績呈正相關(guān)的變量，確定了5個聚類因子，將具有相似性的學(xué)生分為4類，分類別統(tǒng)計(jì)知識圖譜；選取3個影響學(xué)生等級考試成績最大的學(xué)習(xí)行為因素構(gòu)建了回歸模型，并預(yù)測了學(xué)生成績，篩選出困難學(xué)生；結(jié)合問卷結(jié)果，在第3學(xué)期的教學(xué)中有針對性地進(jìn)行干預(yù)和反饋，根據(jù)對測試樣本的驗(yàn)證，該方法可行有效。后續(xù)將繼續(xù)營造信息化教學(xué)環(huán)境，盡力滿足學(xué)生的多樣化個性化的需求，轉(zhuǎn)化多元異構(gòu)數(shù)據(jù)，完善數(shù)據(jù)變量,改進(jìn)預(yù)測模型，提高預(yù)測的準(zhǔn)確性和反饋的實(shí)時(shí)性。