基于个性化记录数据集的学生学习态势研究

鲍 宇，李希妍，张艳群，赵玉均，张爱娟

（中国矿业大学 计算机学院，江苏 徐州 221116）

0 引言

翻转课堂（flipped classroom）是一种通过网络学习手段将课上课下教学活动进行互换的教学模式。该模式通过学生课下以视频等其他媒介形式进行自学，将课堂讲解时间由实验和课内讨论等活动代替，达到充分利用课堂教学，完成疑难解答或创新引导的教学目标[1-2]。该模式在2000年由美国Lage 等人在美国迈阿密大学教授“经济学入门”时使用[3]，美国科罗拉多州WoodlandPark High School 的化学老师 Jonathan 等人推广，逐渐作为一种新型的教学模式流行起来[4]。2012 年Flipped Learning Network（FLN）的成立、各大名校的微视频和可汗学院的发展都预示着这种模式的具有提升教学质量的优势[4]。国内开始于2011年重庆市江津聚奎中学对适合本校的翻转课堂基本模式的探讨，并逐渐在全国各地开始流行开来，成为国内教学改革的方向之一[5]。

当翻转课堂教学模式引入国内高校后，效果不能达到预期结果。除了硬件的条件之外，“形似而神不似”[6]或是“效果不显”[7]是目前翻转课堂本土化过程所面临的问题，主要存在如下表现：①视频学习缺乏互动和监督能力，学生自学遇到的问题无法及时得到反馈；②学生认为视频足以学习，导致出勤率下滑；③研讨内容停留在知识掌握阶段，缺乏吸引力和激发学习兴趣的动机；④课堂研讨缺少针对性，让学生认为自己课堂表现不佳；⑤评价体系的严重不足和僵化，不能适应学生全方位的学习表现的评价；⑥知识巩固阶段的缺乏，导致学生评价总体提升不明显。究其原因，除了政策导向和硬件设施之外，还在视频学习、课堂个性和评价反馈存在欠缺，有很大一部分原因是在翻转课堂的教学理念和方法上的差异导致的，是本土化过程必须要考虑的[8]。我国在引入和采用该模式时，需要充分注重“中国特色”，注重中美教育观念和背景的差异，着眼于本土化特征，进行修补和提升，才能更好地为我国教育服务。

1 基于个性数据集的翻转课堂收集方案

1.1 翻转课堂学习态势跟踪思路

鉴于中美两国历史文化渊源、教育现状及发展水平的差异，翻转课堂教学模式的引入和本土化，是一个迫切而又艰巨的研究课题[8]。在其“移植”到我国的教育生态系统过程中，需要针对性的设计来克服这种“水土不服”症状。相对美国的“个性化”教育，我国教师也期望时刻掌握学生的学习进度和状态。

学生通过各种计算机媒介手段，可以自学未知内容，提高效率，并由此引发课堂学习内容的极大变化，促使课堂学习更有针对性，甚至做到个性化的一对一学习，使动手实践学习走向深入。数据分析发现，平台软件可针对学生学习的过程，将各个阶段获取的数据进行整理，辅助教师掌握学生个性化。例如，从讲解视频学习过程数据，获取学生学习“卡住”的位置和学习效率，结合在线平台的实验评测记录，及时发现讲解视频中不易理解的地方，实现监督和实时解疑；利用实验记录跟踪数据对学生进行能力分级，设计实验课堂教学内容，让不同层次学生都有机会思考问题，吸引学生出勤，激发不同能力的学生学习热情；用跟踪数据建立评价方法，让学生学习过程表现得更为具体，体现出学生学习中的努力和进步，让学生感受成就感。

在上述思想基础上，结合课程人数、教师信息化能力、课程改革成本和学生自主能力，建立了一个学生学习状态跟踪评估平台，辅助教师评估学生各阶段学习状态，帮助翻转课堂模式的实现。

1.2 收集个性化数据的翻转课堂平台

在翻转课堂学习过程中，基于前期研究与所建立的辅助平台[9]，增加跟踪学生状态的内容，将结果实时反馈给教师。根据翻转课堂的学习阶段，跟踪主要是针对讲解视频学习、实验完成评测、课堂演示答疑和课后巩固4 个阶段。讲解视频学习和自我评测的记录可以体现学生自学过程中的问题。据此，教师结合学生课前疑问，可以设计课堂中要解决的重要问题，规划课堂讨论方向和时间。记录实验课上的学生反映和课后的巩固练习记录数据，将阶段评估、课后巩固为一个阶段，最终评测只是用于对教师总体教学的反馈。依据这些数据，教师容易发现要讲解补充的内容和安排个体辅导。翻转课堂中的个性跟踪设计如图1 所示，图中六边形位置表示跟踪的时段。在此过程中，跟踪学生在共享平台的操作过程，利用后台程序来记录学生学习过程，反映学生个性化的学习过程，将评价内容扩展至学习过程。通过发现学生学习过程的差异，了解在学习过程中不同个体的知识掌握程度，反馈给教师，找出学生在动手实验过程中的不足之处。

2 基于个体数据的学习态势案例分析

2.1 资源利用的态势分析提升资源制作能力

图1 翻转课堂中的个性跟踪设计方案

师生互动是课堂交流和学习的关键。它提供了一个良好教学环境和氛围，促使教学获得较好的效果。文献[10]中认为，翻转课堂中的“交互”（interactive）体现在“双向交流”，包括语言的、非语言的、情感的因素。想要促进“双向交流”，教师就要激发并保持学生参与活动的兴趣。

通过学生完成任务或提问获取“共同偏好”。例如，在知识掌握上，通过学生行为的平均值，获取学生自学过程中较为感兴趣的点和易忽略的位置。在我校2018 学年数据结构实验课程的跟踪中，利用了问题提出的记录、视频重复度和重复位置，结合知识点自我查缺补漏的结果，获取了学生在哈夫曼树构建过程中的记录，并进行分析。哈夫曼树的知识点包含3 段视频，构建树、哈夫曼编码和平均编码长度计算。在视频重复播放的记录中，发现构建树的过程观看重复度最高，其重复度见表1，显示学生更在意树的构建。通过调查发现，该部分具有动画和步骤讲解，相对其他两个部分，更为生动和形象。因此，在课上调整了问题的发布方式，通过问题“2017 年高考分数段统计可节约多少时间”来贴近学生生活。在后继阶段评测跟踪中，显示该措施明显提高了学生对该知识点理解的正确率，明确了后期讲解视频制作的方向。

表1 视频重复率与知识掌握程度关系表

又如，讲解视频学习过程播放时间与不同学生的理解程度对比如图2 所示。利用学习时间、知识点和评测结果数据对视频学习和自评价过程进行跟踪。图2 显示了30 名学生的某知识点任务评测和学习时间的关系，将自学评测的成绩除以7 与学习时间的比较。分析发现，大多数学生的学习时间和学习结果具有正相关性，但当知识点具有一定难度时，会导致学习效果不好。因此得出该视频对个别学生而言具有难度，可以拟定重录视频或加强针对性指导。

2.2 个性化状态数据形成教师关注点

缺乏激励式深入探究的教学设计是翻转课堂出勤率下滑的主要原因[4]。深入探究式学习是一种基于理解的学习，学习者对知识的理解和理解程度是教师需要随时观察和把握的一个重要的学习状态。

在个体交流上，追踪学生的学习状态，不仅可以有效督促学生进行学习，还可以有针对性地进行个体“关注”，从而使学生感受“被关注”，促进学生学习的积极性。反映学生学习状态的观察参数有很多，从视频数据、回答自评测问题数据、提问的问题数据、帮助正确率和课堂活跃度来尝试分析学生的学习状态。可从如下几个方面进行收集：学生自学视频后提出的问题，视频重复度和重复点，问题解决方案的分级，问题的难度等。

从实际数据中，分析获得学生的关注度和解决问题的方法。例如，某学生在解决二叉树的问题上运用遍历的思想。因此，在布置实验任务时，对该生专门指出“老师认为你对二叉树遍历方法掌握较为熟练，请你使用递归程序来解决该问题。”由于其作业与众不同，学生专门回信致谢教师对其的关心，并利用递归思想将所有问题重新完成一次，以自我锻炼。这表明通过追踪，可以更为有效地关注到课堂不活跃的学生，并能够及时发现该类学生所存在的问题。

2.3 学习分组数据聚类分析学生群组状态

回答或解释具有最多人数的共同疑问，是实验课堂设计的较优选择。

图2 视频学习时间与不同学生的理解程度对比

利用跟踪数据，通过聚类分析来对学生在不同实验知识点或不同疑问的掌握程度上进行分类。通过跟踪数据，可以发现每个学生在各个阶段在掌握程度上的不同。例如，以数据结构实验课程为例，获取2017 学年实验任务发布后的学习效果的聚类。在实验任务进行1/3 时，对70 人左右的班级，使用阶段评估数据进行分类。在学生学习状态评估聚类结果中，结合学生名单分析，发现存在一个学习状态不良的学生聚类同属一个宿舍。因此，通过学生辅导员的协助和督促，利用单独任务和课堂提问，促使了这个宿舍的学生跟上了学习进度。

根据获取的聚类结果分配课堂时间，会导致与优秀学生的课堂交流减少，但该部分学生一般会主动同老师交流，影响不大。该部分时间将分配到掌握知识不及时和不牢靠的学生身上。

为分析该方法是否有效，选取在2017 年度教授同一门课程的两位教师的教学效果进行对比，其中一位教师利用讲解视频学习的评估结果，针对性地利用课堂讨论来进行分析性学习；另一位教师则是课堂讲解，学生利用网络平台进行自我学习和评测。两种方法的有效样本数均取40，使用阶段评测的均值，并对比较的知识点评测结果进行归一化处理。二者比较分析的结果显示前者效果比讲授后再进行网络自我学习的效果要好。通过上述分析，为后期课堂教学设计方法提供了依据。

3 结语

实验课程教学的目的是让学生掌握动手的基础能力，但学生能力不同，需要在培养共性的前提下，尽可能提高每一个学生的能力。翻转课堂利用了更多的时间来兼顾每一个学生，使得教学过程更有针对性。本文的实验平台仍然处于尝试阶段，有些问题还未找到相应的跟踪数据，致使部分评测效果不明显，后续将针对相应问题进行重点研究。