田 華

(信陽師范學院 生命科學學院 ，河南 信陽 464000)

2018年10月，教育部發(fā)布《關于加快建設高水平本科教育 全面提高人才培養(yǎng)能力的意見》[1]，該文件指出“積極推廣小班化教學、混合式教學、翻轉課堂，大力推進智慧教室建設，構建線上線下相結合的教學模式”。SPOC是Small Private Online Course的縮寫，即“小型私密在線課程”。SPOC是MOOC與傳統(tǒng)校園教學的有機融合，基于“申請限制”和“私密性”學習機制，其管理復雜度降低、學習互動增強、自主學習動機增強，完課率和學習成績均有提升[2]。在SPOC環(huán)境下，在線學習者的學習活動越來越個性化、協(xié)作化和虛擬化，為在線學習分析提供了機遇和挑戰(zhàn)。全面深入地分析SPOC在線學習行為，對于構建個性化、“以學習者為中心”的SPOC學習體系具有極其重要的作用，其具體體現(xiàn)在以下幾個方面：(1)有利于教學資源的整合與開發(fā)。研究學習者對SPOC教學資源的偏好程度，可以有針對性地設計和開發(fā)有利于學習者的教學資源，提高學習效率。(2)有利于教學活動的重新設計。在SPOC學習過程中，如果教師能將更好地了解學習者的學習興趣、學習愛好、背景和學習目標，就可以更好地組織和改進課程設計。(3)有利于開展多元化的學習過程評價。依托學習分析技術和SPOC日志記錄，可以重現(xiàn)學習者的學習過程，聚焦和還原學習者學習的動機、目的和路徑，從而開展基于學習過程的多元化評價。(4)有利于提供個性化的學習反饋和干預策略。依托SPOC日志記錄，能夠及時分析學習者的學習行為特征，開展學習行為和學習效果的分析與預測，進而給予個性化的學習反饋和干預策略，對學習行為做出有效干預。因此，本研究從學習需求出發(fā)，基于學習者的在線學習行為數(shù)據(jù)，從實證分析角度開展SPOC學習者個體學習行為和社會交互行為特征分析，為SPOC課程設計及實施提供參考。

一、研究綜述及研究問題

1.SPOC

SPOC于2013年由加州大學伯克分校MOOCLab的課程主任Armando Fox教授率先提出[2]。2019年，中共中央、國務院印發(fā)了《中國教育現(xiàn)代化2035》《加快推進教育現(xiàn)代化實施方案(2018—2022)》[3,4]基于SPOC限制性、私密性、開放、共享的優(yōu)點，指出在高校開展SPOC課程建設與應用，既有利于整合和共享優(yōu)質教學資源，彌補傳統(tǒng)教學的不足，又有利于提升建設高校的品牌效應，同時還規(guī)避了MOOC“建設成本高、輟學率高、學習質量低、互動難”等難題。SPOC實現(xiàn)了“規(guī)模化教育與個性化培養(yǎng)有機結合”[5]?；跁r空、學習方式、課程評價和技術工具的多維度翻轉課堂混合學習是SPOC常用的教學模式[6]。目前支持SPOC的教學平臺很多，如Moodle、edX、學習通等，在線學習行為的記錄、跟蹤、掌握和可視化方便快捷。具體來說，SPOC將 MOOC 中教案、課件、視頻、通知、資料、考試、測驗、作業(yè)等教學資源和討論、統(tǒng)計、督學、管理、直播等在線教學交互功能應用到小規(guī)模的注冊學生團體的在線課程中，開展線上線下混合式教學模式[7]，為在線學習分析提供了重要的數(shù)據(jù)資源。可以說，面向 SPOC 的混合學習，正在成為高校課程建設與改革創(chuàng)新的新熱點[8]。

2.在線學習行為分析

學習者在線學習時的登錄、瀏覽、互動、檢索、上傳、下載等一切可追溯的活動是學習者在線學習行為的真實反映，這些學習活動是教育數(shù)據(jù)的一個重要來源，是跟蹤學習者學習路徑、評價學習效果以及改進學習模式的最佳數(shù)據(jù)來源。“數(shù)據(jù)，是記錄信息的載體，是知識的來源”[9]。基于教育數(shù)據(jù)分析，可以從多維度、多視角挖掘在線學習過程中的微觀表現(xiàn)，追溯學習行為產(chǎn)生的需求和動機，以及行為背后的目的和環(huán)境等。在線學習行為分析主要聚焦在在線學習分析模型[10-12]、在線學習行為特點[13]、在線學習行為影響因素[14-16]，尤其是在線學習投入度[17-18]、社交性[19-21]、在線學習系統(tǒng)[22]、教師情感支持度[23,24]等對在線學習者學習效果的影響因素方面。依托學習分析技術，我們可以重現(xiàn)學習過程，聚焦分析學習過程和學習成效，讓數(shù)據(jù)為教學提供依據(jù)和憑證。

不同學習環(huán)境中學生的學習行為呈現(xiàn)出一定的差異性。沈欣憶等分析了MOOCAP學習者學習風格、學習態(tài)度、學習成績和綜合能力，構建MOOCAP學習績效評價模型，實現(xiàn)了“以個性化評測引導個性化學習”[25]。張慕華等分析了自帶設備環(huán)境下學習者個體學習行為和社會性學習行為，發(fā)現(xiàn)BYOD在促進社會性學習方面獨具優(yōu)勢[26]。基于RFM模型，宗陽等依據(jù)在線學習過程行為將MOOC學習者分為八類[27]。MPOC課程中學習者的活躍程度差異較大，多數(shù)學生只關注和考核直接相關的作業(yè)和測驗，存在突擊完成學習任務的情況[16]。在線學習參與度、學習力、線下面授、知識編排、生成度、評測反饋、平臺工具等因素均影響SPOC有效學習(按影響大小從大到小依次順序)[28]，因此開發(fā)和設計面向SPOC的混合學習策略非常重要[29]。總體來看，關于SPOC學習行為分析，在研究方法上以理論探討和思辨居多，多為教學模式的探討，實證研究相對匱乏。那么，SPOC學習者獲取學習資源的時間分布如何？學習者會在多大程度上參與學習成果的展示、討論和交流？課程內(nèi)外學習者的學習行為與學習效果的關系如何？基于以上問題的思考，本文通過聚焦SPOC學習者在線學習數(shù)據(jù)，利用相關分析、回歸分析等技術深入分析SPOC學習者的在線學習行為，具體包含：(1)SPOC的在線學習者訪問時段呈現(xiàn)什么特征？學習者參與學習討論、課程作業(yè)等的積極性如何？(2)學習者多種學習行為因素之間有何相關性？相互影響程度如何？學習者是積極參與課程還是消極應付？(3)學習者的在線學習行為與期末成績有什么樣的關系？通過回答上述問題，為SPOC課堂教學實踐的有效開展提供切實可行的建議。

二、研究設計

1.基于SPOC的教學活動設計思路

本研究選取了某師范院校生物科學專業(yè)的專業(yè)任選課“發(fā)酵工程”進行實驗設計。選擇“發(fā)酵工程”課程是基于幾個方面的原因：(1)“發(fā)酵工程”是一門帶有濃厚工科色彩的課程，實踐性比較強，在師范院校中屬于學習難度較大的課程，在線學習可以較好地彌補理論課時有限這一問題，典型性很強。(2)傳統(tǒng)的課堂講授不利于視頻展示、虛擬仿真等多樣化學習資源的供給，開展小組合作學習討論難度大，課堂教學互動效果差，無法激發(fā)學生更大的學習興趣。(3)本課程自開通SPOC以來，已進行多輪教學實踐和大量學習體驗的數(shù)據(jù)采集，開展在線學習分析具備一定的實踐研究基礎。(4)SPOC在加強課堂內(nèi)外的教學互動、隨堂測驗、支持學習資源的即時獲取和可視化分析等方面有巨大的優(yōu)勢。因此，本文選取“發(fā)酵工程”課程，開展了為期一個學期的基于SPOC的課程教學實踐，教學活動設計思路見圖1。

圖1 基于SPOC的教學活動設計思路圖

2.研究對象與數(shù)據(jù)采集

該案例以某師范院校的生物科學專業(yè)的專業(yè)任選課SPOC(“發(fā)酵工程”)在線學習者的學習行為數(shù)據(jù)為研究對象，應用數(shù)據(jù)統(tǒng)計與可視化、相關分析、回歸分析等數(shù)據(jù)分析和挖掘技術，了解本課程在線學習情況，挖掘行為數(shù)據(jù)之間的關系，找出SPOC在線學習特點及其影響因素。本課程所有學生均為師范生，合計73 人，學習時間一學期共計90天，學習方式包含混合式學習和自主學習兩種。本研究主要采集SPOC學習者學習行為數(shù)據(jù)，數(shù)據(jù)來源于學習通學習系統(tǒng)的日志文件和系統(tǒng)提供的相關統(tǒng)計信息，包括訪問課程學習期間登陸系統(tǒng)的次數(shù)、訪問時段、訪問天數(shù)、作業(yè)(Ⅰ,Ⅱ,Ⅲ)的完成質量(成績)、瀏覽討論區(qū)發(fā)表討論數(shù)、回復討論數(shù)、總討論數(shù)、課程視頻觀看數(shù)、任務點完成數(shù)、期末成績等11個變量。

三、結果與分析

1.個體學習行為分析

(1)學習者在線學習訪問時段分析

學習通系統(tǒng)把一天24小時平均分成6個時段，統(tǒng)計每天6個時段學習者參與課程情況，見圖2。學習者在課程進行到第53天時在訪問時段(8-12時)出現(xiàn)最高的訪問次數(shù)273次，人均訪問3.7次。由圖3可以看出，學習者在線學習時段特征表現(xiàn)有差異，6個訪問時段中訪問次數(shù)最多的時段是8-12時，其次是16-20時，0-4時訪問人數(shù)最少，符合大學生學習作息規(guī)律。這也給予任課教師啟示：教師布置作業(yè)或者開展專題討論，最好選擇在學習者積極參與的學習時段進行。

圖2 課程運行期間各時段訪問次數(shù)

圖3 課程運行期間總訪問次數(shù)

(2)學習者閱讀通知和提交作業(yè)時間分析

由圖4可知，學生閱讀通知和提交作業(yè)的時間比較分散，基本能在規(guī)定的2周時間內(nèi)提交作業(yè)，未閱讀通知和未提交作業(yè)的比例均在5%以內(nèi)。對比閱讀通知和提交作業(yè)情況，發(fā)現(xiàn)一個問題：在通知發(fā)生的10—12天閱讀通知和提交作業(yè)的比例相對較高，最高達到43.83%。說明學習者SPOC在線學習存在突擊完成學習任務的情況，需要教師及時引導和干預。

圖4 學習者閱讀通知和提交作業(yè)時間分布圖

(3)Pearson相關性分析

根據(jù)表1矩陣分析結果可以看出：(1)與考試成績存在顯著相關的因素有訪問天數(shù)、作業(yè)Ⅱ、討論數(shù)、回復討論數(shù)、任務點完成數(shù)、訪問次數(shù)、作業(yè)Ⅰ、作業(yè)Ⅲ。前5個指標與期末成績的相關系數(shù)均超過0.4，說明存在強相關性。這說明學習者在線學習重在積極參與課程學習任務，積極參與課程討論，是否發(fā)起討論話題對學習成績影響不大。(2)訪問次數(shù)與訪問天數(shù)、訪問天數(shù)與作業(yè)Ⅰ、作業(yè)Ⅰ與作業(yè)Ⅱ和作業(yè)Ⅲ、作業(yè)Ⅱ和作業(yè)Ⅲ、討論數(shù)和回復討論數(shù)存在強相關，說明學習者在線學習主要進行訪問、作業(yè)、討論等學習活動，符合一般在線學習規(guī)律。(3)訪問次數(shù)與作業(yè)Ⅰ、作業(yè)Ⅲ、回復討論數(shù)、任務點完成數(shù)存在較強相關，訪問天數(shù)與討論數(shù)、作業(yè)Ⅱ與討論數(shù)和回復討論數(shù)、作業(yè)Ⅲ與討論數(shù)均存在較強相關，說明獨立學習者學習行為與社會交互學習行為具有較高的相關性。

表1 學習者在線學習行為分析相關矩陣

2.社會交互網(wǎng)絡分析

基于Unicet軟件，執(zhí)行網(wǎng)絡→中心度→特征向量路徑，即得到網(wǎng)絡成員的特征向量值。由于特征向量主要探索整體網(wǎng)絡中的最核心的成員與整體網(wǎng)絡中的邊緣成員，不關注局部結構。因此，特征向量值越大，該成員在整體網(wǎng)絡中就居于核心位置。特征向量值越小，在整體網(wǎng)絡中就越處于邊緣位置。由此可判斷該網(wǎng)絡空間的核心參與者與邊緣參與者(表2和圖5)。由表2可知，S55、S68、S50、S14、S29、T、S43、S25、S67、S64的特征向量值均超過0.17，是該學習網(wǎng)絡位于前十的核心參與者，并且在圖4中節(jié)點也較大，其發(fā)布的帖子得到其他參與者回復的數(shù)量教多。S69、S17、S11、S39、S12、S52、S2、S10、S1、S6則是位于后十的邊緣參與者，其與其他成員交互較少，甚至沒有交互，如S69、S17、S11。

表2 基于特征向量的學習者社會交互中心度

圖5 基于特征向量的網(wǎng)絡社群圖

3.在線學習行為與學習結果相關性分析

以學習者在線學習的9個變量作為自變量，采用線性回歸分析建立回歸方程，回歸方程的系數(shù)見表3。標準化回歸系數(shù)β的絕對值越大，表示該影響因素對期末成績變量的影響越大。方差分析中的F值為 11.604，顯著性檢驗P值為 0(p<0.05的顯著水平)，回歸模型整體解釋變異量達到顯著水平。9個自變量與期末成績有效標變量的多元相關系數(shù)R為 0.790，多元相關系數(shù)平方為0.624，表示9個自變量可以共同解釋期末成績變量 62.4% 的變異量，說明影響因素與期末成績具有較高的擬合度。

表3 回歸模型參數(shù)

回歸方程如公式所示：學習成績=0.432*訪問天數(shù)+0.247*作業(yè)Ⅱ+0.062*回復討論+15.201*任務點+52.29

四、結論與建議

1.結論

本研究以SPOC學習者在線學習行為數(shù)據(jù)作為數(shù)據(jù)來源，從實證角度對SPOC學習者的學習行為特征與相互影響進行了探討，突出基于討論的在線交互作用，建立學習成績預測回歸模型。研究結果表明：(1)SPOC學習者在線學習時段存在明顯差異。6個訪問時段中訪問次數(shù)最多的時段是8—12時，其次是16—20時，0—4時訪問人數(shù)最少。(2)在線學習重在積極參與課程學習任務和課程討論，是否發(fā)起討論話題對學習成績影響不大。訪問天數(shù)、作業(yè)Ⅱ、討論數(shù)、回復討論數(shù)、任務點完成數(shù)與學習成績強相關。(3)基于特征向量的在線學習者社會交互分析，可以判斷該學習網(wǎng)絡位于前十的核心參與者分別為S55、S68、S50、S14、S29、T、S43、S25、S67、S64，而S69、S17、S11、S39、S12、S52、S2、S10、S1、S6則是位于后十的邊緣參與者，其與其他成員交互較少，甚至沒有交互，如S69、S17、S11。(4)開展SPOC學習行為與學習結果相關性分析，建立學習成績預測回歸模型，該模型對SPOC在線學習者的學習成績變化具有較好的解釋性，為學習分析與預測提供了可能。

2.建議

根據(jù)上述結論，本研究對SPOC課堂教學實踐提供以下建議：

(1)基于討論的在線交互是在線學習的核心和關鍵

在線討論是學習者在網(wǎng)絡學習平臺學習過程中，師生、生生雙向或多向等通過BBS、答疑、聊天室等工具進行的交互，強調以學習者為中心，旨在促進學生知識建構和高級思維的發(fā)展，是MOOC、SPOC等學習平臺常用的在線交互方式?；谖谋镜漠惒接懻摶顒硬粌H有利于發(fā)展學習者的批判性思維，還有助于促進其深度學習與知識建構[30]。在線討論促進學生之間、學生與老師之間的思維碰撞和信息共享，有助于激發(fā)學生學習的主動性[31]。關于在線討論質量影響的因素，眾多學者都強調教師的作用，主要表現(xiàn)在討論中多樣化的教學組織方法和形式、及時的反饋等，同時教師也要考慮學生的知識經(jīng)驗水平等特征。

通過SPOC實證分析，有幾個問題需要注意：一是教師要參與網(wǎng)絡課程討論，激發(fā)學生對SPOC的參與度。由教師發(fā)起的話題，大多能引起同學們的重點關注，跟帖討論的質量和數(shù)量都明顯高于其他帖子，充分體現(xiàn)了教師的主導性。二是要促進SPOC學習者參與討論。SPOC課程資源豐富，線上學習更加便捷和個性化，每一個學生都可以超越時空限制全面快捷地學習課程的每一個知識點，很容易激發(fā)學生表達的欲望，學生參與討論的積極性也更高。

(2)以任務驅動的SPOC學習模式有助于提升學習效果

以任務驅動的學習方式促使學生及時完成學習任務并提交，有利于學習內(nèi)容的鞏固和提高。課程視頻幫助學生更好地理解學習內(nèi)容，課程作業(yè)幫助學生鞏固學習內(nèi)容，并查漏補缺，及時補充以保證學習的完整性和有效性。但在實施的過程中，也要注意幾點：一是豐富碎片化學習資源。SPOC需提供多種形式、多種內(nèi)容的學習資源和小測驗，以便學生隨時進行個性化學習和測驗。二是難度適宜、多樣化的學習任務和課程視頻，有助于調動學生學習的積極性。三是布置適量的有助于學生深度思考的作業(yè)并及時反饋。作業(yè)太難，容易導致學生產(chǎn)生畏懼心理；作業(yè)太容易，容易導致學生不重視。學生作業(yè)提交之后，教師要盡快批閱，及時反饋，以便學生查漏補缺，及時彌補。

(3)SPOC需要教師及時的引導和干預

教師需要根據(jù)生源質量和班級學習風氣及時給予引導、監(jiān)督和激勵，盡可能將班級分成學習小組，用最貼切課程的碎片化學習資源引導學生學習，以學生自主制作的優(yōu)秀PPT、作業(yè)、微課、微視頻等作為示范案例進行展示，激發(fā)學生學習動機，提升學生參與度，同時教師依據(jù)后臺數(shù)據(jù)及時掌握每個學生的學習動態(tài)，及時開展精準干預。

(4)基于SPOC學習者角色的精準判斷，構建差異化的教學干預策略

從MOOC到SPOC，在線學習者不僅僅是網(wǎng)絡課程的瀏覽者，在線作業(yè)、討論、測驗與協(xié)作的深度參與者，還是通過在線交互生成隱性知識的知識建構者?；赟POC在線學習行為分析，授課教師可以精準判斷和識別SPOC學習網(wǎng)絡的核心參與者和邊緣參與者，構建差異化的教學干預策略。