混合式教学模式下软件技术专业新考核评价体系的研究

文竹

[摘 要] 移动、互联、智能、协同是当今混合教学的显著特征，技术的发展和智能终端学习应用促进了学习的多样性，如何准确反馈学习者在线学习的有效性成为许多学者研究的重点。从总体思路、模式设计、模型设计和评价报告等几个方面对软件技术专业学生在混合教学模式下的考核进行的改革与尝试做出深入研究。

[关 键 词] 混合教学；评价；在线学习；软件技术；改革

[中图分类号] G712 [文献标志码] A [文章编号] 2096-0603（2019）03-0031-03

一、前言

当前，一方面，高校毕业生的就业压力加大；另一方面，许多企业又难以找到生产服务一线的高素质技术技能人才，解决就业结构性矛盾最重要的就是培养产业转型升级急需的人才。探索解决高校毕业生就业难和企业高层次技术技能人才紧缺的结构性矛盾，形成适应经济社会发展需求的合理人才结构。

二、软件技术专业考核评价现状

近二十年来，学习不再是固定的课堂学习的学习行为模式，互联体现在学习者与学习者、资源与资源、学习者与资源联结使得人们可以随时随地获得合适的学习资源。因此，技术的发展和智能终端学习应用促进学习的多样性，使得学习方式产生重要转变。然而，混合教学中在线学习部分的碎片化知识点不利于学习者知识体系构建的逻辑性，难以解决复杂学习任务和形成完整且有纵深感的个人知识体系。在线学习内容是分解之后的碎片化、微形化资源，其分解的合理性和完整性直接影响学习者知识结构。在线学习内容容易导致学习者思维认知结构碎片化和分散化。

所以，如何准确反馈学习者在线学习的有效性成为很多学者研究的重点。传统的一次测评或一套考题进行考核，不能完全评估学习者联网学习的真实水平。以我院软件技术专业为例，虽然系部对毕业生的考核方面做出多种改革与尝试，但对学生技术能力测评没有一个科学有效的测评方法。通常我们评估学生对专业技术能力掌握程度主要以“考试成绩+实训成果+教师/企业评价”这几个维度来进行考核。这种方式存在以下几个主要缺点。

1.以教师为中心，考核的内容过于主观，无法客观地反映出学生技术能力掌握程度。学生容易产生畏难情绪，从而敷衍了事。

2.没有与企业岗位能力相匹配，导致人才供需脱节。

3.没有建立起一整套科学有效的测评方法，用以在人才培养的各个阶段对学生技术能力掌握情况做出评估，从而及时纠正学生技术问题，提高教学效果，提升技术能力。

上述问题的存在严重制约着我院软件技术专业人才的培养和输送。因此，我们研究混合教学模式下软件开发人才的能力测评方法，目的就是要寻求解决上述问题的方法和途径，以期根本性地提高我院人才培养质量，消除学校与企业在技术上的差距，缩短毕业生计算机软件开发水平与企业用人之间的差距，真正實现将学生培养成技能型人才。

三、混合式教学模式下软件技术专业新考核评价体系的具体实现

（一）总体思路

1.制定混合教学模式下学生在线学习与面对面的教学、新知识与技能的学习以及其应用和迁移有机地结合起来的互联网学习结构的途径和方法。

2.制定混合教学模式下的评价模型，以揭示学习数据之间隐藏的关系、模式和趋势。有助于掌握软件技术专业学生的学习规律，便于更全面地评价学习效果及个性化学习干预指导。

3.设计学生过程学习分析评价报告，激发学生学习的内在动机，认识自我、发展自我、规划自我，提高学生的自我学习效率，达到混合教学模式的效果。

（二）混合教学模式的设计

1.混合教学模式的结构

混合教学模式结构图如图1所示，学习结构结合线上教学有7个环节组成，充分说明学生可实现课外学习及课堂学习的途径和方法。

课堂：

路径1：通过（1）（2）（4）（5）（7）等5个环节，可以实现教师、管理者根据信息面板中可视化用户信息，调整教学策略，实施个性化指导和教学干预，有助于掌握学生的学习规律、优化学习过程、改进学习效果。

课外：

路径2：通过（1）（2）（4）（5）（6）等5个环节，可以实现学生根据可视化信息（如学生特征、学习结果、学习需求等）进行自组织学习，制定并执行学习计划、自主选择学习策略、学习资源、对学习进行自我评估，有助于提高学生的学习能动性和主动性。

路径3：通过（1）（2）（3）等3个环节可以实现系统采用贝叶斯网络、协同过滤推荐技术、项目反映理论、Felder-Silverman学习风格模型及霍夫斯坦德文化模型等判定学习风格、兴趣偏好、知识水平、学习文化等学生特征，适应性呈现个性化、可视化的学习路径、学习资源、同伴信息、工具等，有助于提升学生的自我效能感。

2.学习行为分析

如图2所示，根据学生学习的行为模式、个性化特征等信息，从海量数据中挖掘出有价值的学习信息。

3.知识图谱

根据社会企业对软件技术人才的需求以及我院软件技术专业的课程体系积累，研究建立学生学习知识图谱。

知识图谱反映了对培养目标在技能知识覆盖方面的范围界定，可以按照不同的课程或语言进行分类设计，例如以C语言课程为例，可以设计出以程序结构、数据类型、运算符、表达式、顺序结构、选择结构、循环结构、数组、字符串、函数、结构体、指针为主要项的知识图谱，每个一级项还可以继续细分。

（三）人才评价模型的设计

混合教学模式路径中，教育技术支持系统记录学生学习过程中的每一类数据，并通过过程化评价标准，进行数据分析，采用分析模型，最终得到学生的测评报告。

（四）评价报告

1.学生学业总结报告

通过总结的形式进行教学干预可以有效地影响学生的表现。通过公式得出学生最终的总成绩：（过程性评价得分/过程性评价总分×60%+作业测试得分/作业总分×40%）×100（总分：终结性评价分数与过程性评价分数之和）。

2.学生过程性评价报告

课堂内外采集的不同维度学习时长、学习效率、学习频率等学习过程数据作为评价标准（此标准可详细设计），可以使学生了解自己最新的学习状况，知道自己离设定的学习目标之间的差距，激发学生学习的内在动机，促进学生的认识、发展和规划，从而提高学习效率。

3.过程评价维度

过程评价标准指评估学生对某个知识项的掌握情况，与传统的终端评价方案相比，在线过程化评价需要具备以下新特性：

（1）侧重对技能实践掌握的分析评价，而非对理论试题记忆的评价。

（2）基于过程数据，而非基于结果数据。

（3）持续积累，而非一次性评定。

（4）系统自动评定，而非老师人工评定。

（5）学习和评价一体，而非学习和评价分开。

基于学习过程，设计出多个维度的评价项，例如：

知识掌握：通过系统自动评价知识点下各种案例题的结果完成情况，评价对该知识点的掌握情况，包括广度和深度。

学习积极性：根据学生进行有效学习的次数，包括按时预习、复习、作业的次数等以及每次（天、周）累積的学习时间，设计出学习积极性的指标。

学习效率：根据每个案例题从开始学习到完成的时间、运行调试的次数、错误的比例、代码编写的节奏等多种元数据，设计出一种能衡量学习效率的指标。

把多个维度的评价项综合起来，能更加有效地从不同角度对学生在线学习的有效性进行评价，同时通过不同时段的数据分析，还可以设计出更多的维度，例如衡量学生提升速度的指标。

4.过程数据评价

通过数据采集在线学习过程中学习频度、学习时长、学习效率三个维度，这三个维度的数据都从学生的在线学习过程数据中采集，并每周统计，经过处理分析形成学生的测评报告。三个维度的总分值100分，学习频率权重40分，学习时长权重30分，学习效率分值30分，评分方案是以学生学习过程中是否达到标准为依据，该方案明确并且充分反映出学生学习了什么、学到了什么，能有效评价学生的在线学习。

5.过程性报告可视化表现

学习过程数据可视化，有助于教师掌握学生的学习规律、优化学习过程、改进学习效果、提升教育质量。

四、结束语

随着软件产业的发展，未来合格软件人才的需求将以每年20%左右的速度增长。广西壮族自治区在信息传输、计算机服务和软件业人才需求方面出现了突破性的增长，2016年二季度，该行业的人才需求量首次突破2万人大关，达到22642人，创历年各季度新高，与2015年同期的16411人相比增加6231人，涨幅达37.97%。同时，在2016年6月我国成为第18个《华盛顿协议》正式成员，我国的工程类专业可以通过工程教育认证体系和工程教育标准实现学位国际互认。工程教育专业认证的核心就是要确认工科专业毕业生达到行业认可的既定质量标准要求，是一种以培养目标和毕业出口要求为导向的合格性评价，因此专业培养目标可量化、可测评已成为高校人才培养研究所必需的。

通过混合教学模式，将在线学习与面对面的教学、新知识与技能的学习以及其应用和迁移有机地结合起来，使学生学习的数据，包括课堂学习、课后学习、测试过程等，被及时地记录，成为过程性评价评判的依据，并且通过机器进行分析处理，从多个学习情境内深层次挖掘学生有价值学习数据信息，揭示其中隐藏的学习行为等模式，并以可视化方式呈现。在未来教育技术不断发展的条件下，教育技术将会不断满足学生的学习需求，评价学生的学习能力，最终促进学生掌握和运用学到的新知识与新技能，并提高学生的实践应用能力。

参考文献：

[1]姜强.基于大数据的个性化自适应在线学习分析模型及实现[J].中国电化教育，2015（1）：85-92.

[2]李怡雯.基于云教育平台的计算机专业毕业生素质能力评估模型[J].新教育时代电子杂志（教师版），2015（9）：45-46.

[3]王凤姣，唐庆.提高地方院校教学秘书工作效率之初探：以湖南人文科技学院为例[J].当代教育理论与实践，2016，8（5）：119-121.

[4]何春梅.工程教育专业认证环境下《人工智能》课程教学改革的探讨[J].教育教学论坛，2017（32）：88-89.

编辑 尚思达