“计算机应用与基础”课程教学数据分析方法的思考

(天津广播影视职业学院，天津 300222)

一、研究背景

(一)大数据时代

大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据的集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据具有大容量、多种类、高速度、可变性、真实性、复杂性、高价值的特征。科技的进步拉近了人类的距离，交通工具的产生拉近了人与人之间的物理距离，互联网的诞生拉近了人与人之间的交流距离，在大数据背景下通过数据分析同样能够科学、客观的改变工作方式及工作效率，为工作提供指导作用及更大的实际利益。

(二)教学背景

对于教育行业来说，多年来每所学校都积累了庞大的、多种多样的数据。从计算机应用与基础这门课程来看，学生在学期间的数据主要包括学生的基本信息、课堂出勤、教学过程中学生的平时表现、考试成绩(包含笔试及实操)、学生综合能力分析等。教师在所教授课程的教学过程中同样积累了海量的数据，比如：课程标准、教学计划、教案等常规教学文件、多媒体课件、学生评教情况、试题库等。更细致地观察这些数据会发现它们会不同程度的涉及到很多如性别、年级、记录时间、结果正误之类的伴随数据，同时这些数据会以文字、数字、视频、音频等多种形式呈现。

从传统教学的角度看待这些数据的话，自然可以组成完整的教学过程，但如果深入探索这些数据不难发现有些实际上能够有关联的数据是被我们忽视的，比如：提取某学生整学期回答问题的次数、每次所用时间、每次得到结论的相对或绝对的正误以及该学生的期末成绩，前三类数据是否能够与第四类数据关联起来是值得思考和研究的。如果存在联系，教学过程中完全可以弱化甚至直接取代期末考试环节，平时的表现即可直接转化为最终成绩。诸如上述例子在教学过程中还有很多，通过它们都能够看到数据对教学工作的指导价值，那么如何进行深度的挖掘利用数据便成为了大数据时代每个教学工作者必攻的课题，大数据分析可以改变传统课堂的教学模式，最根本的目的还是使每位学生都能找到适合自己的学习方法、学习节奏以及学习习惯，并通过学习提升自身的能力。

二、《计算机应用基础》课程现状

(一)学生学情

目前高职院校学生普遍存在录取分数低、生源不同地域基础差异大的现象，这为学校组织实施教学增加了难度。同时部分学生入学选择专业上并非出于个人爱好或考虑专业的就业方向，而是属于单纯按照家长的意见选择专业或跟随其他同学盲目选择。这直接导致大量学生对选择的专业并不了解，对自己的未来缺少规划，在学习过程中对所学课程缺乏目的性、积极性的情况就显现出来了，这些现象在缺乏专业背景的公共基础课程上更为明显。

(二)考核形式

计算机应用基础课程的考核主要由上机实操和笔试与一定比例的平时成绩构成，考虑到学生学习基础、学习能力差异较大的因素，为了避免在两类考试中出现两头大中间小的成绩分布，通常采用不同难度题目的比例进行平衡，但由于难度低的题目数量偏大，无法准确反应出基础好的学生的真实能力。

平时成绩部分基本由学生的出勤情况转化的成绩及平时课堂测试组成，这种测试也可以理解为将时间点固定在平时课堂中的期末考核，确实达到了利用多次考试取代单次考试的目的，但也只是达到了降低挂科比例的作用，学生通过学习获得的能力无法得到充分的表现。总之面对高职学生的学情、单一的考核体系这些问题，更多的教师都会将焦点放到日常教学过程中，拓展教学内容、改变教学方法，探索以学生为课堂主体引导学生学习的方法，提高学生学习的积极性。

教学改革方向是多样的，以往的教学改革主要依据的是教学过程中发现的现象，通过现象来找到一个解决办法，但是这个办法只是为了解决某个特定问题而出现的，并不能完全证明其的正确性。解决任何问题的根本依据是需要通过对客观数据进行分析得出结论的。

三、计算机应用与基础课程数据分析方法的思考

(一)数据的分类

在高职院校人才培养方案中所涉及的基础课都肩负着培养学生通用技能、学习能力及综合素质的任务。学习能力主要包括：注意力、观察力、记忆力、思维力、想象力、创造力、理解力、语言表达、操作能力、运算能力、听/视知觉能力等。综合素质主要包括：知识整合能力、社交能力、心理素质、团队合作、策划与决策能力等。在分析数据之前要做的是数据的分类，如果抽掉数据的实际意义，只保留编号、数值与衍生关系的话是最便于区分数据的方法，按照这种方法能够发现这些数据主要分为数值几乎不随其他变量变化的数据与数值随其他变量变化的数据两类。如果将实际意义恢复的话，数值随其他变量变化的数据又可根据教学过程的时间节点变化细分为三类，因此最后将数据分为以下四类:

第一类是教学行为的初始数据，主要包括：学生姓名、性别、出生日期、籍贯、血型、身高、爱好、入学成绩等学生入学基本信息，它们反应的都是教学行为发生之前的固有数据，不会随在学期间的学习、生活而改变，可以看作为入学基础属性。

第二类是教学行为过程中被动记录的数据，主要包括：课程的出勤情况、参加社团情况、校园一卡通的使用详情、宿舍购电情况、图书馆借书情况等，此类数据的复杂程度远高于第一类数据，因为以上每个举的例子对于任何一个个体而言都是一个数据群，而并非像第一类数据一样是单一的，同时此类数据都具有一个相同的特点，就是它的记录方式都属于被动记录，这样的数据分析起来将非常真实。

第三类是教学行为过程中主动记录的数据，主要包括：课堂中解决问题的难度、耗时及正误等情况。此类数据非常关键，它直接与课堂相关，是学生学习过程、师生互动过程的记录。点滴的量变结合一些客观因素自然能够收获最终的成绩，那么逆向去看待这个问题的话，最终的成绩也一定可以由点滴的量变推演出来，这意味着也许我们并不需要考试便可以得知学生掌握知识的程度、能力的变化、处理问题的效率等，更意味着学生真正该做的事情是通过学习的过程掌握自主学习方法，明确获取知识的路径，同时通过对收集信息的处理获取了能够反映结果的数值型的成绩。但是此类数据在收集上难度很大，其原因有三：第一，我们目前所做的教学设计所能够收集到的此类信息量偏小；第二，此类数据若想准确、客观的收集，必然要有统一的标准；第三，此类数据中部分数据偏向主观判断，如果将主观判断作为未来学生评价的依据信服力是不够的。

第四类是教学行为的结果数据，主要包括：期末考试成绩、期末总评、试题题目、试题难度、试卷分析等。此类数据产生于课程结束之后，在分析此类数据时需要先做一个基本假设，即目前所能获取的学生本门课程的最终考核成绩能够与学生的课程相关知识运用情况直接相关。

(二)数据分析方法的思考

之前对数据进行分类主要依据的是数据的共同特征，据前分析，前三类数据是可以推出第四类数据，那么究竟哪一类起到决定性作用、每一类中不同的分支又是谁起到决定性作用是需要进行判断的。在判断之前我们必须要在不同类数据中明确一个相同的衡量标准，教学行为过程中产生的大量数据都属于数值型的，这种类型的数据可以明确的得到一个相对的排位序列，以某班有30人为例，完整的一个学期中对每个学生完成教师布置的所有任务的正确率进行排序，便得到这组数据的序列。

那么，抽掉所有数据的实际意义，对于前三类数据中每一个子数据来说都存在一个序列与之对应，我们可以利用Python进行莱文斯坦距离计算，其公式为

上述内容主要是利用可能影响学生成绩的因素的不同比重推算出学生的综合排名情况，最终成绩可采用标准分进行核算，但可进行计算的因素局限于数值型或便于转换成数值型的数据类型，其他类型的数据仍存在影响学生成绩的可能性，因此如何分析它们，准确的说如何将它们转化为数值型是有待解决的问题。

四、数据采集对计算机应用与基础课程教学改革的影响

(一)数据追踪型教学模式

通过上述对数据分析方法的思考，如果能够将日常教学与学生考核结果关联起来，那么教学过程将更偏向于追踪式的教学模式，教学过程中通过信息化手段捕捉学生学习过程的每一个细节，同时教师需要对整个教学内容及教学过程细化、节点化，同时要保证数据产生与采集时其对每个学生的公平性。追踪式的教学模式中教师的主要任务更偏向于教学管理、课后数据的整理与分析、根据数据分析的结果设计新的教学环节，而并非单一的讲授课程。教师需要通过学习提高自身的数据意识、数据采集能力、数据分析处理能力及数据道德素养等。

(二)教学内容与形式改革

目前高职计算机应用与基础课程普遍使用的是《计算机应用基础教程》教材，主要讲解Windows7与Office2010，目的是使学生掌握必备的计算机应用基础知识和基本技能，培养学生使用计算机解决学习、工作和生活中实际问题的能力；使学生初步具有应用计算机及办公软件的能力，为其职业生涯发展和终身学习奠定基础。

配合传统教材中的理论，教学内容上应该融入更多的互联网时代、大数据时代与计算机相关的知识，同时每个学校可根据学校开设专业的情况，融入更多与学生专业课程相关、相融合的知识内容，增强学生学习目的性与积极性，为后续课程奠定基础。内容的增减、融入的比例、达到预期效果的程度同样也是需要数据分析进行支撑的。教学内容改革的同时为了提高学生学习的乐趣，同样不能忽视教学形式的变化，可以采取创建工作环境的手段重塑教学过程，大部分教学都是教学生方法然后再运用到实践，不妨变为在工作中融入教学，让学生有目的的学到知识，有目的才能有兴趣，有兴趣便会更轻松，更轻松便能收集到质量高的数据。

在大数据时代背景下，教育教学领域积累的数据必定对教学改革有着重要的引导作用，针对计算机应用与基础课程的教学过程中产生的数据进行分析和思考，探索课堂追踪式教学模式的转变是培养专业的、综合性计算机人才的发展趋势。