基于学习行为数据分析的混合式教学模式探究

邵雯娟

1 背景

针对以学生为主体、教师为主导的传统教学在学生个性化发展与学习需求中出现的诸多弊端，近几年以MOOC、SPOC为代表的新型线上教育模式得以兴起，同时随着以移动互联网、物联网、云计算、大数据等为代表的新一代信息技术的发展，对当前教学、学习考核思维模式都有了新的发展需求，线上线下相结合的混合教学模式：教学新资源—微课、教学新形态—慕课、教学新模式—翻转课堂已经成为教育领域的前沿议题和实践热点。

混合教学模式突破了传统教学模式的时空限制与学习方法的限制，使学习资源无限丰富，并可充分利用碎片时间，可促进教与学、教与教、学与学的全面互动，有利于师生之间的共同学习和提高，有利于学生自主学习和探究学习能力的提升。如何结合传统大学课堂教学和“慕课”模式的优势，利用“线上线下混合教学教育理念”来对课程教学模式进行改革成为我们关注的课题[1]。

2 以学习行为为中心的混合式教学模式设计

本教学模型将学生、教师、环境、媒体等各个教学要素有机整合，利用在线学习和线下课堂教学的优势互补，融合各种技术和教学方式，综合运用各种手段，实现多元混合，符合学与教规律，真正提升“教”与“学”的效果。

模型以实际课程的教学过程作为研究应用案例，结合传统课堂教学和线下教学模式的各自优点，同时，借助移动信息化教学平台和无线校园环境，为实施提供环境保障，从而设计线上线下混合教学模式的实施方案。

2.1 现状分析

《计算机网络课程》为计算机科学技术学科的专业基础课，该课程以理论教学为主，实践操作为辅，注重学生知识能力和操作技能的双重培养。

目前，《计算机网络》课程的教学模式仍以线下的“课堂讲授”为主，课堂间缺少师生互动，在整个教学环节中，教师的讲解占据了课堂大部分时间，学生真正通过内化理解的时间很少，而且课堂间缺少师生互动，学生过度依赖课堂的知识传递，大大降低了学生的学习兴趣，从而导致学生缺乏主动性和独立自主解决实际问题的能力。现行的“课堂讲授”的教学模式影响了学生学习的兴趣和积极性，限制了学生创新能力的发展，阻碍了教学质量的提高，不利于教师与学生的发展，因此，针对该门课程，亟待寻求一种多元化教学模式，不仅能增加学生的学习兴趣，还能发掘学生自主性学习的动力，真正让兴趣与学习相融合[2-3]。

线上线下混合教学模式是指在现代信息技术的支持下，教师在线上平台提供教学视频和知识点PPT等学习资源，学生课外自主完成对线上资源的学习，而在课堂上（线下）教师则对学生反映的重点难点内容进行讲解，解答学生的疑惑，促使学生更好地掌握知识[4]。线上线下混合教学模式将授课内容移到课外（线上），学生通过在线视频学习重点知识，通过课堂时间（线下）完成知识的消化吸收，这样的教学模式使课堂内容安排和时间分配发生了改变，使师生角色发生了改变，明确了学生在教学活动中的主体地位，线上线下混合模式可以很好地促进学生自主学习能力、协作沟通能力和创新能力的提升，可以极大地提升教学的效果，所以线上线下混合教学模式很好地结合传统课堂教学模式和“慕课”模式的互补优势，将促进我国高校大学教学改革的发展[1]。

2.2 实施环境

2017年，我校加大智慧校园建设力度，实现了校园无线网全覆盖且无感知认证，校园无线网络“i-zijin”覆盖范围包括学生宿舍、教学楼、图书馆、体育馆以及校道等室外区域。无线局域网以其灵活布设、高带宽和无线接入的优势，可以突破有线网络节点限制、实现多人同时上网的问题，大大地增加了校园网络信息点，方便在校师生获取信息，进一步提升学校的信息化水平，有效服务于教学工作。

当前我校数字化校园的环境建设初显成效，结合信息化教学平台的使用，可以突破地域、实践的限制，在移动学习环境下，能更有效地呈现学习内容，并且提供教师与学生之间的双向交流，实现了线下、线上的师生互动，使得移动学习、实时互动成为可能，为混合式教学提供了实施环境。

另一方面，随着互联网的发展，基于“互联网+”的移动信息化教学管理平台纷纷出现，如：蓝墨云班课[5]、对分易[6]、雨课堂[7]、超星学习通[8]等，这些基于移动社交活动、即时互动教学管理平台，具有即时互动的信息反馈特点，为传统教育注入了新的活力，为广大一线教师及教学管理者带来了新的教学变革，是我国高等教育教学发展的又一种新方式。它们不仅使“教”更加简单方便，也使“学”更加有趣高效，可以将不同网络环境下、不同学习情境下、不同客户端的异构学习数据完全收集起来，为学习分析提供了良好的数据基础。

2.3 教学设计思路

以我校《计算机网络课程》的教学过程为研究案例，使用信息化手段，将面对面的线下课题教学和线上学习相结合，协同开展混合教学的有效性研究。在移动学习环境下，突破了地域、实践的限制，实现了线下、线上的师生互动。

本文采用“PDCA”循环法”来指导实施混合式教学过程[8]，即以提高学生的学习能力、实践能力和创新能力为教学目标，从课前、课中、课后教学活动三个方面优化原有的教学模式。通过学习行为数据的分析，评估混合式教学的效用，指导教师下阶段的教学进程。

所设计的线上线下混合模式的实施具体步骤如下：通过云课堂平台收集并整理学生的各种数据，如登录频率、学习时间、学习进度、答题情况等信息，通过运用大数据分析技术，对学习者进行评价和跟踪。

(1)课前计划（Plan）

授课之前，教师准备线上资源，制作教学视频、多媒体课件等教学素材，上传到线上平台，明确知识要点和预习重点。另外在视频播放过程中设计一些练习作业题，促使学生产生疑问，激发学生的学习积极性。采用随堂测试，对学生已有知识能力和预习情况的分析，选择合适的内容起点，确保课程的正常运行和分析结果的有效性。

(2)课中教学执行（Do）

采用线上互动、答疑，线下自学的翻转巧堂的教学模式，为学生搭建无缝的学习空间，使得所采集的学习行为数据更能体现学生的真实学习状态。

(3)课后效果检查（Check）和教学总结（Action）

对学习者的测试结果数据进行统计分析，对学生的学习行为进行分析，评价线上线下混合模式教学的效果，通过实施过程中得出的成效和存在的问题进行教学反思，在后续实践中不断改进和优化教学方案，进一步提升后续教学的效果。

图1 混合教学模式设计思路

3 基于学习行为的数据分析

混合教学设计依托移动教学平台开展课程的学习，使得学生的线上、线下学习行为均可采集、可测量，反映学生课上和课后学习的全过程，为教学提供决策依据。线下学习行为包含：在线签到、在线投票、课堂抢答、课堂讨论、课堂测试、互动讨论等功能，线上学习行为包括：资源学习、资源下载、课程点播、作业管理、问卷调查、答疑讨论、资源共享等。

3.1 活动参与度分析

(1)活动构成

参加本教学活动的教学班学生数为131人，共开展84项混合教学活动，其中，小组任务占12项和课堂表现占35项，头脑风暴12项，讨论答疑9项，课堂互动类活动占比90.95%。互动类参与782人次，提交结果1421个，测试类活动参与253人次，交卷总数260个。从活动数量和参与度，反映出混合教学活动充分调动了学生的学习参与性，真实地反映了学生们的学习状态。

图2 教学活动构成

(2)活动总体参与度

教学活动中参与率最高的是签到活动，占比98.37%，这项活动得分门槛低，形式简单，因此学生们参与度最高。其次是投票问卷，占比97.01%，讨论答疑（96.02%）和头脑风暴（94.65%）相比前两项，随着对学生学习投入度的要求的提高，参与度也相应降低。参与度最低的是测试和作业小组活动，两者对于知识的掌握程度、学习态度都有相应的门槛要求，因此学生的参与意愿度也随之下降。

图3 教学活动参与度

(3)讨论答疑活动

讨论答疑活动参与度从开课之初（3月2日）从86.57%上升到97.01%（3月6日），表示这段时间学生的学习主动积极型得到了充分的激励。但随着课程的推进，特别在进入到第3章数据链路层后，学习难度渐进，具体表现为：活动参与度在4月3日小幅度下降为79.85%，之后一直保持在相对稳定的80%左右的参与度。

图4 讨论答疑活动参与度

3.2 学习行为分析

通过前期教学活动的开展，教师“伴随式”采集到学生在学习行为过程中产生的各类状态信息，形成了反映真实学习情况的学习行为数据源。接下来，我们对样本数据进行了预处理，然后运用数据挖掘算法中的K-means算法进行分类，获取各类与学习行为属性的关系，挖掘某个群体的学习规律，更好地实施个性化教学活动。

K-means算法是一种基于样本间距离的聚类方法，采用均方差作为标准测度函数。一个象元样本按某一原则，归属于某一组类后，就要重新计算这个组类的均值，并且以新的均值作为凝聚中心点进行下一次象元聚类。在全部象元样本按某一组的类中心分类之后，再计算修改各类的均值，作为下一次分类的凝聚中心点。K-means算法的输入条件为：聚类个数K，输出结果为满足方差最小标准的K个聚类[10]。

我们首先将学习行为数据进行数据清洗和预处理后，按照学习行为熟悉分为8个维度，各学习行为属性的值为量化后的经验值，样本数据如表1所示。

表1 学习行为属性及数据样本

使用K-means算法进行6次迭代后，学习行为聚类结果分为以下3大类：

表2 学习行为聚类结果

各大类的聚类中心为：

表3 聚类中心

从聚类结果来看，分类3和分类1、分类2间的特征差距主要体现在：测试活动和作业小组任务活动上。分类1的测试活动和课堂表现等线下教学活动参与性较低，教师应多关注此类学生的课堂注意力，多发起线下课堂互动，以增加该类同学的课堂积极型。分类2的测试和小组任务完成情况都较好，学习效果良好，课堂表现也积极进取，教师应多给予鼓励和关注，继续保持好的学习习惯。分类3的线上活动参与度较低，对视频资源学习和作业小组任务态度都不积极，学习态度滞后，教师应给予特殊关注，多辅导该类学生解决学习上的难题。

图5 学习行为分类特征的雷达图

4 结语

本文设计了一种以学习行为为中心的混合式教学模式，并在课程教学中真实运用该教学改革。通过使用K-means算法对个性化的学习行为进行数据聚类分析，挖掘群体的共性学习特征，帮助我们作出下阶段的教学决策。

分析结果表明，该混合式教学模式的开发和应用，不仅能够弥补传统课堂的一些问题和短板，提升学生的学习积极性，也能增强教师与学生之间的互动和交流，使学生能在这种协同式的学习中获得更好的学习效果。下阶段的探索研究中，我们还将对混合教学模式进行进一步的探索，对教学环节进行更精细化的设计，使用更多的大数据分析工具来推进和验证教学改革。