大数据时代下的线上线下混合教学模式研究お

马国富 王子贤 刘太行 任建通

摘要：随着高等教育信息化的发展，线上线下相结合的混合教学模式成为当前教育领域研究的热点。文章首先分析了传统课堂教学存在的问题，在此基础上，以线上线下混合实验教学流程为例对线上线下混合教学模式进行介绍。然后构建基于大数据的网络在线学习平台，并提出基于大数据的学习行为分析与预测模型。最后建立线上评价和线下评价、形成性评价和终结性评价相结合的多维一体化教学综合评价体系，该评价体系注重学习过程，教师可根据预警情况采取干预措施，进一步提高学生的学习效果。

关键词：线上线下；混合学习；大数据；教学模式；预测

中图分类号：G420文献标识码：A文章编号：1674-7615（2017）02-0022-03

DOI：10.15958/j.cnki.jywhlt.2017.02.003

随着高等教育信息化的发展，自主学习、主动学习、合作学习和个性化学习改变着大学生的学习方式，然而在线学习并不能完全替代教师的课堂教学，缺乏教师的深度参与，学生的学习效果将很难保证。既能发挥教师的引导、启发、监控教学过程的主导作用，又能充分体现学生作为学习过程主体的主动性、积极性与创造性的线上线下混合教学模式成为当前的研究热点。线上线下混合教学模式是学习理念的一种提升，这种提升会使得学生的认知方式发生改变，教师的教学模式、教学策略、角色也都发生改变。这种改变不仅只是形式的改变，而是在分析学生需要、教学内容、实际教学环境的基础上，充分利用在线教学和课堂教学的优势互补来提高学生的认知效果，强调的是在恰当的时间应用合适的学习技术达到最好的学习目标。

一、线上线下混合教学模式体系

（一）传统课堂教学存在的问题

随着移动互联网、大数据等新型信息技术在人们日常工作、生活、学习等各方面的深入应用，在倡导终身学习的大数据时代，传统的以教师为中心的面对面教学模式正在个性化学习、教学形式、教学互动、学习时间、资源共享、教学综合评价等方面逐渐暴露出一系列比较突出的问题，主要表现如下（见表1）。

表1传统课堂教学存在的问题

存在的问题问题详述

个性化学习传统课堂教学统一内容和进度，难以实现个性化学习、层次化学习

教学形式传统课堂教学教学形式单一，教学吸引力不足，无法满足差异性学习，实践教学效果差

教学互动课堂教学中的讨论、师生互动及生生互动不足，学生对自己和同学的学习情况缺乏了解

学习时间学习时间集中、少且学生难以自己掌控，不能满足随时学习和终生学习的需要

资源共享传统课堂教学中的优质教学资源很难共享，受众人群受到很大限制，尤其难以对外普及

教学综合评价以期末考试为主的传统教学终结性评价不能对学生的学习过程进行形成性评价，难以全面实现对学生的综合性评价

2016年6月7日，教育部印发《教育信息化“十三五”规划》的通知，明确提出“优质数字教育资源要满足个性化学习需求；创新网络学习空间人人通建设与应用模式，从服务课堂学习拓展为支撑网络化的泛在学习；深化信息技术与教育教学的融合发展，从服务教育教学拓展为服务育人全过程”。教育信息化改革就是要改变传统单一的课堂教学模式，实现在线学习空间与线下课堂教学的混合教学。

（二）线上线下混合教学模式体系

线上线下（Online To Offline，简称O2O）混合教学模式是面对面课堂教学和在线学习的结合，将学生、教师、环境、媒体等各个教学要素有机整合，通过融合各种技术和教学方式，符合学与教规律，利用在线学习和线下课堂教学的优势互补，从而实现最好的教学效果。线上线下混合教学比传统的课堂教学和完全在线学习具有更深的层次[1]，既不片面强调在线学习忽视课堂教学，也不片面强调以学生为中心忽视教师的主导作用，也不片面强调在线学习空间的开发和优质资源的共享而忽视传统面对面教学的情感交流和教师的言传身教。目前，无论是国外商业性的在线慕课Coursera平台、公益性的edx平台还是国内有清华大学发起的学堂在线平台主要是理论课程，很少有实验实训课程，这主要是因为实验实训类课程受到实验室信息化和对实验设备进行操作等方面的限制。

线上线下混合实验教学流程见图1所示，线上线下混合实验流程包括实验预习、实验操作、实验报告、实验操作四步组成。在实验预习阶段，教师通过在线设置预习思考题来引导学生进行在线预习，学生必须在给定的时间内正确回答预习思考题的80%以上才能进行实验，实验之前不同组的同学之间需要互相向对方口头表达实验步骤、内容、注意事项等实验内容，因此该阶段主要考核学生对实验的预习程度和口头表达能力。在实验操作阶段，主要考核学生的动手能力，一些实验需要多人协作，这将考核学生的团队合作能力。实验报告主要考核学生的书面表达能力和逻辑思维能力，需要注意格式问题，尤其是要把实验过程中遇到的问题及其解决方法进行记录。对学生实验的综合运用能力的考核通过实验考核来完成，实验考核包括答辩和实验操作两部分，实验操作随机抽取学生进行。对于个别不能完成考核的学生，需要重新开始进行实验预习，因此在流程图中用虚线表示。

对实验设备进行信息化管理，建立在线实验综合平台，利用大数据技术对学生在该平台上进行的实验预习、实验操作、实验报告、实验考核等实验数据进行全程的收集、存储、分析和管理。通过对历史实验数据进行分析，可在时间、空间上更合理安排实验课程，从而提高实验室的利用率；通过对学生历史实验考核数据的分析，可提前发现学生实验课程中的薄弱点或存在困难的个别学生，实现对学生实验课程的预警，进而教师可针對薄弱点或个别有困难的学生采取相关措施，最终提高实验效果。

二、基于大数据的网络在线学习平台

（一）大数据在线学习平台

目前，信息化教学的学习行为和学习方式正逐渐从多媒体化学习转向网络在线学习，然而在线学习平台普遍存在一个重大难题：就是教师很难像传统课堂教学一样，通过直观观察学生的情感表现及其学习行为来发现存在的问题并及时给予指导。利用大数据技术建立大数据在线学习平台，通过对学生在线学习行为进行数据采集、预处理、存储与计算来实现对学生学习行为的分析与挖掘[2]。大数据在线学习平台见图2所示。

在多维数据源中，结构化数据主要是指和学生有关的各种业务管理系统数据库，半结构数据中的日志主要指各业务信息系统日志；社会数据主要是指学校门户网站及互联网上有关学生的数据。非结构化数据中的文本数据主要包括：日常各种开会记录、教师和学生谈话记录、学生日常在线学习行为数据；音/视频数据主要指录音数据和视频监控数据。对多维数据源进行预处理后可存放到分布式数据库中，然后建立基于不同学习模式的数据集市并以数据仓库来实现。逻辑模型层通过统一的数据总线接口进行数据分析与挖掘。

（二）基于大数据的学习行为分析与预测模型

传统的抽样进行学习行为分析效用受到很大限制，利用大数据技术及对数据仓库的学生数据进行分析，选择学生的典型学习行为特征，进行数据训练，建立基于大数据的学习行为分析与预测模型，从而挖掘学习行为与学习效果之间的关系[3]。通过对学生的学习行为数据进行分析，可以抽取的主要特征包括看视频（次数及时间）、提交作业（次数及正确率）、学习时间（总量及分布）、看平台发言（次数）、参与平台（发言、回答、评论）等，把学习效果分为优、良、中、及格、不及格。定义每门课程有n个学生，每个学生具有p个特征值，则：X={Xi1，Xi2，Xi3…，Xip}，i（1，2…，n）

针对每门课程，利用交叉验证方法将数据集分为训练集、验证集和测试集。用训练集训练参数，用验证集选择最优参数，用测试集评价各项指标。采用线性判别分析、逻辑回归、支持向量机等多种分类方法进行训练、验证和测试，最后采用集成分类算法建立分类模型，最后，经过k轮训练，得到分类模型序列{c1（x），c2（x），……，ck（x）}，再用它们构成一个多分类模型，通过投票方式得到最终分类结果，最终的分类决策可用如下公式表示：

C（x）=arg maxY∑ki-1I（ci（x）=Y）

其中，C（x）表示集成分类模型，ci（x）是单个分类模型，Y表示输出变量（优、良、中、及格、不及格）。

三、构建多维一体化教学综合评价体系

跟踪教学的全过程，利用大数据技术对线上学习过程和线下课程教学数据进行多源数据融合、数据预处理、数据分析和挖掘，寻找教学薄弱环节，优化教学资源，提高教学资源利用率。建立线上评价和线下评价、形成性评价和终结性评价相结合的多维一体化教学综合评价体系。线上评价除了传统的每个学习概念或主题自测、自评、作品互评和教师评价之外，学生的学习参与度、进步程度、努力程度、发言次数、提问次数、回答问题的次数及其正确性、学习小组讨论度、质疑问题的客观性和科学性以及团队合作的作品展示等学习特征构成线上的形成性评价[4]；这有助于学生了解自己和同学的学习情况，强调学习过程的成长，建立学生学习动态反馈处置机制，教师和教务管理部门可根据学生学习过程表现给予过程性干预，实施精细化管理，提高教学质量和教学管理整体水平。

四、结论

在教育云服务、在线学习空间生生通、教育大数据、智慧教育背景下，学生的混合学习活动和行为可以得到全过程记录，基于学习活动、社会网络、情感状态、个人特征等多维特征数据进行数据分析、挖掘和预测，建立基于大数据的学习行为分析与预测模型。该模型可建立个性化推荐机制帮助学习，可自动精准定位每一位学生对知识点的掌握情况或者是否需要辅导，从而构建个性化学习模式。我们下一步的工作是进行多维度分析，一个是从内容到结果，主要包括学习体征、学习内容、学习行为、学习结果分析；另一个是宏观到微观，主要包括在线环境、情感状态、社会网络、个人特征[5]，从而进一步提高模型的预测精度和效用。

参考文献：

[1]王建宏，梁存珍，朱玲等环境工程专业实验混合教学模式初探[J].实验室研究与探索，2016（3）：205-209

[2]马国富，王子贤，马胜利基于大数据的服刑人员危险性预测[J].河北大学学报（自然科学版），2016（6）：657-666

[3]蒋卓轩，张岩，李晓明基于MOOC數据的学习行为分析与预测[J].计算机研究与发展，2015（3）：614-628

[4]李莹基于翻转课堂的大学英语混合式教学模式研究[J].辽宁工业大学学报（社会科学版），2016（6）：115-118

[5]武法提，牟智佳基于学习者个性行为分析的学习结果预测框架设计研究[J].中国电化教育，2016（1）：41-48

（责任编辑涂艳）