线上教学课程综合服务能力评价——基于主成分分析法的实证研究

张京洲，周艳丽，江 芳

线上教学课程综合服务能力评价——基于主成分分析法的实证研究

张京洲1，周艳丽2，江 芳3

（1．安徽商贸职业技术学院 电子商务学院，安徽 芜湖 241002； 2． 安徽商贸职业技术学院 信息与人工智能学院，安徽 芜湖 241002； 3．安徽商贸职业技术学院 组织人事处，安徽 芜湖 241002）

“停课不停学”加快了线上教学课程建设的步伐，及时满足了各高校专业学习需求，发挥了巨大的作用。线上教学课程是否受欢迎，学生学习参与度如何，是线上教学课程综合服务能力的重要体现。通过对线上教学实施过程及效果的实证研究，总结出影响线上教学课程综合服务能力的主要因素有课程性质、课程兴趣、课程需要和课程服务等，并提出根据课程性质弥补课程综合服务能力指标短板；区分学生学习目的，制定灵活的课程服务方式；厘清学生的课程需要与课程兴趣，杜绝“假学习”现象和构建在线课程“进退”机制，加大奖惩力度等管理建议。

线上教学；服务能力；评价；主成分分析；实证研究

一、引言

2020年初，新型冠状病毒感染肺炎疫情在国内迅速蔓延。受疫情影响，教育主管部门及时发布了“推迟开学、线上教学”的通知。各高校积极响应教育主管部门的号召，开展了多种多样的“停课不停学”线上教学活动。[1]然而，“停课不停学”的线上教学逐渐浮现出诸多问题[2]，许多学者从不同视角进行问题剖析并提出了管理建议，主要从“在线学习体验”“在线学习效果控制”和“具体课程在线教学方法”等方面进行研究。如贾文军（2020）对大学生在线学习体验进行了聚类分析研究，分别从课前的软硬件条件、课中的教学平台使用和教学组织及课后教学辅导等方面分析了在线学习体验的影响状况，研究表明，大学生在线学习接受度较高，但体验感不强，希望回归线下教学方式。[3]刘可（2020）对学生在线学习效果控制机制进行了研究，将学生学习行为分为主动型、自由型和被动型三类，研究结果表明，课前预习完成率和参与直播时长是控制学生在线学习效果的主控因素。[4]唐源（2020）对在线教学方法进行了探讨与实践，从网课平台选择、课件与视频制作、教学活动设计等方面提高课程在线教学质量。[5]然而，是否所有课程都适合开展在线教学？学生对不同课程（公共课与专业课、实操课与理论课等）的喜爱程度如何？各课程的学习人数、讨论参与人数、课程辅助资料等综合表现如何？课程综合表现差异性及应对策略有哪些？目前相关文献研究甚少，本文以此为契入点，以线上教学课程综合服务能力为研究主题进行实证探究。

二、研究方法与变量选择

（一）研究变量选择

本文引用数据来源于安徽省网络课程学习中心平台e会学在线课程平台数据，数据统计时间为自课程开设以来至2020年6月，以某高职学校开设的57门MOOC课程数据为研究样本。本文在原始数据中选取了9个变量，分别为课程名称（KC）、课程开课周期（X1）、在线课程教师数量（X2）、课程学习人数（X3）、课程资料数量（X4）、教师总讨论数（X5）、课程讨论参与人数（X6）、随堂作业参与人次（X7）和浏览量（X8）。

（二）研究方法

本文采用主成分分析方法（Principal Components Analysis），利用降维的思想，在损失较少数据信息的基础上把多个线性相关的指标转化为几个不相关的有代表意义的综合指标，具体计算过程参阅了相关统计学书籍。

三、实证分析

（一）数据标准化和因子分析适合检验

首先，运用统计分析软件SPSS24.0对数据进行描述性统计（因篇幅受限，数据图表略），各变量的均值和标准差的差异性较大；其次，对X1-X8的8个变量数据进行标准化处理，消除变量的量纲对分析结果的影响；最后，对标准化处理后的8个新变量进行KMO和巴特利特检验。如表1所示，KMO值为0.674，大于0.6，巴特利特球形度检验结果显示，近似卡方分布值为182.898，在自由度为28的条件下显著性概率达到了0.000，小于0.01，为高度显著，说明变量适合采用因子分析法。

表1 因子分析适合检验

（二）公因子方差分析和总方差解释

运用统计分析软件SPSS24.0对8个新变量进行公因子方差分析。如表2所示，除了“教师数量”外，大部分公因子方差都在70%以上，所提取的公因子对各变量的解释能力很强。

总方差解释数据结果，如表3所示，初始特征值大于1的有三个因子，累积总方差解释率为74.197%，大于60%，能够较好地解释原信息量。

表2 公因子方差

表3 总方差解释

（三）成分得分系数矩阵和主成分因子表达式

成分得分系数矩阵显示了3个主成分与8个变量之间的关系，如表4所示。据此可以写出各公因子的表达式①表达式中各个变量已经不是原始变量，而是数据标准化后的变量，比如ZX1代表的是原始变量X1标准化后的变量，其他以此类推。：

F1=0.161*ZX1-0.031*ZX2+0.085*ZX3+0.229*Z

X4+0.154*ZX5+0.258*ZX6+0.262*ZX7+0.273*ZX8

F2=0.422*ZX1+0.265*ZX2+0.544*ZX3-0.034*ZX4-0.263*ZX5-0.157*ZX6-0.094*ZX7+0.029*ZX8

F3=-0.282*ZX1+0.341*ZX2-0.05*ZX3-0.399*ZX4-0.434*ZX5+0.279*ZX6+0.356*ZX7+0.195*ZX8

（四）综合得分排名和分类梳理

为了对课程综合服务能力情况做进一步分析，要对各课程进行综合得分计算并排序，如表5所示。根据综合得分大于1、（0.2，1]、（0，0.2]、[-0.4，0]、小于-0.4进行分类②综合得分分类通常以“小于0、[0，1]、大于1”为划分界限，但在实际操作中要结合变量所代表的实际意义进行划分，本文课程变量实际上分为公共课与专业课、实操类课程与理论类课程等，因此划分了5类，便于比较说明。，将57门课程分为5类，如表5所示。

第1类课程的综合得分最高（3个），以公共课为主，其中基础会计课程的开课班级较多；

第2类课程的综合得分较高（14个），以公共课和专业基础课为主；

第3类课程的综合得分一般（6个），以专业课为主，实操类课程较少；

第4类课程的综合得分较低（21个），以专业课为主，且实操类课较多；

第5类课程的综合得分最低（13个），大部分是实操类课程。

表4 成分得分系数

表5 分类结果

（五）主因子命名

采用因子提取最大似然法和因子旋转最大方差法进行探索性因子分析。如表6所示，以特征值大于1作为标准设置因子个数，旋转后因子矩阵为3个因子。根据各因子载荷系数分值和变量代表的实际意义，对提取到的因子进行命名。将“随堂作业参与人次、课堂讨论参与人数和课程浏览量”命名为“课程兴趣”，将“开课周期、学习人数和教师数量”命名为“课程需要”，将“非视频资源总数、教师总讨论数”命名为“课程服务”。其中，“教师数量”分值过低，且在“开课周期、学习人数和教师数量”相关性分析中（因篇幅受限，相关性分析图表略），其与另外两个变量皆为非显著性相关，故从“课程需要”中剔除。表6中各因子载荷系数均大于0.4（除教师数量），变量与因子紧密关系程度较高，变量与因子对应关系清晰，符合变量所代表的专业知识实际情况，所选取变量具有良好的结构效度。

表6 主因子提取与命名

四、结论与建议

（一）结论

数据描述性统计结果显示，标准差较大的是课程浏览量、随堂作业参与人次和学习人数，即不同课程在这三个方面的数据差异性明显；主成分分析结果显示，综合得分差异较明显。根据综合得分高低并结合课程性质将课程分为5类。数据显示，综合得分较高的课程为公共课和专业基础课，综合得分较低的课程为实操类专业课；探索性因子分析结果显示，变量与因子紧密关系程度较高，变量与因子对应关系清晰，所选取变量具有良好的结构效度。结合专业知识实际情况，提取了三个因子并命名为：课程兴趣、课程需要和课程服务。根据课程兴趣高低、课程需要高低和课程服务高低可划分为9个细分组合以体现出不同水平特征的课程综合服务能力。

（二）建议

1．根据课程性质，弥补课程综合服务能力指标短板

课程性质决定课程观看人数等课程综合服务能力指标，比如实操类专业课与公共课（适合于不同专业背景的学生和社会人士观看学习）相比，受众较少而且需要边看边操作。那些在家通过电脑在线观看学习的学生很难达到预期学习效果，使得课程讨论参与人次和课程浏览量较少。对此，课程负责人应通过动画演示、游戏互动等方式来弥补在线学习无法实操的缺陷，提高课程讨论参与的积极性。

2．区分学生学习目的，制定灵活的课程服务方式

在线课程学习群体中，一般分为本校专业学生、校外专业学生及社会人士。课程负责人要区分清楚课程学员学习目的，配备相应的辅助材料，满足学生学习需要。比如，针对在校专业学生可提供丰富的练习题与答疑互动，针对社会人士可提供操作性强或商业化运作的相关技能知识。

3．厘清学生的课程需要与课程兴趣，杜绝“假学习”现象

在线课程建设已有数年，但总体上数量不够多。受新冠疫情影响，各高校在短时间内建设了大量的在线课程，其中，绝大部分课程是源于学生的“课程需要”而非“课程兴趣”，即是为了弥补线下教学需要而开设的。访谈调研发现，部分学生参加有些在线课程的学习是出于“课程需要”（必须参加该门课程学习，否则课程成绩不及格）而非“课程兴趣”。学生每天数小时坐在电脑前观看视频课程，学习方式单一，厌烦情绪较高，滋生了“假学习”现象（即学生虽然按时参加了老师直播课程，但却未认真观看学习，或直接复制粘贴其他同学的作业来完成作业任务）。杜绝“假学习”现象要从课程需要与课程兴趣方面下功夫，要挖掘学生课程兴趣的特点，提高“课程需求”的趣味性和应用性，确保在线学习的质量和效果。

4．构建在线课程“进退”机制，加大奖惩力度。

对一些课程兴趣、课程服务和课程需要评价较高的课程，要积极推进国家精品课程的申报和建设；对一些课程兴趣、课程服务和课程需要评价较低的课程，要剖析问题根源，及时完善优化；对完善优化不达标的课程，可强制下线，退出在线课程平台，逐步建立“宁缺毋滥”“奖惩明确”的高质量在线课程资源库，提高课程综合服务能力水平。

（三）总结与展望

本文研究的理论贡献是提出了在线课程综合服务能力的概念。与在线课程教学方法或学生学习体验等研究相比，本研究选取多个指标探究课程综合服务能力水平及差异性，从课程根源挖掘课程性质、课程兴趣、课程需要和课程服务等方面与课程综合服务能力的关系，并强调课程综合服务能力的重要性。

本文研究结论具有一定的局限性，主要表现在所选择数据是以某一个高校的57门MOOC在线课程作为样本进行研究，希望本研究能够抛砖引玉，在后续研究中扩大数据选取范围，如不同高校在线课程综合服务能力的横向对比研究等，进而推进在线课程综合服务能力研究的广度和深度。

[1]邬大光.我国高校大规模线上教学的阶段性特征—— 基于对学生、教师、教务人员问卷调查的实证研究[J].华东师范大学学报，2020（7）：1-30.

[2]曾丽雯.疫情防控背景下线上教学实施效果及影响因素分析-基于广东省高校的调查[J].高教探索，2020（7）：85-91.

[3]贾文军.大学生在线学习体验的聚类分析研究[J].中国高教研究，2020（4）：23-27.

[4]刘可.疫情防控背景下高职院校学生在线学习效果控制机制研究[J].中国教育信息化，2020（8）：63-67.

[5]唐源.抗疫期间高校课程在线教学方法探讨与实践[J].计算机教育，2020（8）：23-27.

Evaluation on the Comprehensive Service Capability of Online Teaching Courses: Empirical Research based on Principal Component Analysis Method

ZHANG Jing-zhou1, ZHOU Yan-li2, JIANG Fang3

The requirement by the Ministry of Education that teaching should be ensured when students cannot go back to school during the outbreak of COVID-19 has sped up the online teaching course construction, which timely met the learning needs of students in colleges and universities, playing a big role during the special period. Whether the online teaching course is popular or not, and how much the students can participate in the online learning are important in judging the comprehensive service capability of online teaching courses. Through the empirical study of the implementation process and effect of online teaching, the main factors affecting the comprehensive service capability of online teaching courses are concluded as course nature, students’ interest in the course, students’ needs for the course and course service, and some suggestions are then proposed, such as improving the specific aspect of the course comprehensive service capability according to the course nature; establishing flexible course service mode to suit students’ different learning purposes; clarifying students' course needs and interests to avoid "false learning" ; establishing a mechanism according to which online courses can be established or removed; enhancing the strength of reward and punishment, etc.

online teaching; service capability; evaluation; principal component analysis; empirical research

G633.41；G434

A

1671-9255（2020）04-0073-04

2020-06-30

安徽省高等学校质量工程项目（2020zdxsjg124）；安徽商贸职业技术学院“双高计划”建设项目（2020sgxm03-3）；安徽商贸职业技术学院教研项目（ZL201804）

张京洲（1982－），男，山东菏泽人，安徽商贸职业技术学院电子商务学院讲师，硕士。

10.13685/j.cnki.abc. 000517