APP下载

基于铜陵学院试点的反转课堂模式研究

2021-03-24徐伟赵宇灵孙盼盼蒋剑军

现代计算机 2021年2期
关键词:铜陵决策树选项

徐伟,赵宇灵,孙盼盼,蒋剑军

(铜陵学院数学与计算机学院,铜陵244002)

高校教学模式创新已成为时代关注的焦点,混合式教学正在走进高校课堂,逐渐成为高校教学模式的主流。反转课堂是混合式教学的重要组成部分。针对反转课堂教学模式中师生角色反转的实施方案进行细致的研究。首先设计针对高校师生关于反转课堂认知的调查问卷,问卷共有29个问题113个选项,收集到1032份有效的调查资料。然后通过随机森林挖掘113个选项的重要性,选择重要性排名最前的10个选项来建立决策树模型以获得师生角色反转满意度最高的实施方案。最后将所得师生角色反转方案在铜陵学院运筹学课堂进行实施,获得理想的教学效果。对反转课堂中师生角色反转实施方案的研究是当前教学模式创新的理论探索,是铜陵学院运筹学课堂师生共同完成的,为引导更多教师和大学生加入到教学创新实践中抛砖引玉。

反转课堂;角色反转;决策树模型;随机森林

0 引言

目前,在国家大力推行“大众化教育”的背景下,本科生教学工作存在课程定位、内容选择、课程与科学研究结合等方面尚有不足,传统的教学模式效果不理想的现象[1]。时代的进步呼吁高校教学模式的创新,混合式教学正在走进高校课堂,逐渐成为高校课堂的主流教学模式。反转课堂是混合式教学的重要组成部分。国内关于翻转课堂研究的文献非常丰富,其中赵晓岚在《翻转课堂模式下大学英语教学创新对策研究》阐释了反转课堂的核心就是转变传统教学模式中师生的角色地位,使学生成为课堂学习的主人,从而激发他们的学习兴趣,调动他们的自主学习能动性[2]。本文赞同反转课堂的“师生角色核心论”的观点。但师生角色地位的改变,一方面需要教师高超的课堂教学技能和绝妙的课堂组织艺术,另一方面需要引起大学生的共鸣,引导大学生参与到角色转换之中,不能一厢情愿地推行反转课堂的核心论调。

本文在当前国内反转课堂研究成果[3-4]的基础上,为克服传统教学中学生学习的被动和盲从的弊端,让“反转课堂核心论”起到积极促进教学创新、学生成才的作用,对反转课堂中师生角色反转进行了细致的研究。首先,设计了针对高校师生关于反转课堂认知的调查问卷,问卷共有29个问题113个选项,涉及到传统教学和反转课堂的基本认知、教学中师生积极性的调动、反转课堂中师生角色反转的条件和方式等多个方面,历时月余共收集到1032份有效的调查资料。然后,通过随机森林挖掘了问卷中113个选项的重要性,选择重要性排名最前的10个选项来建立决策树模型以获得师生角色反转满意度最高的实施方案。最后,将所得师生角色反转方案在铜陵学院运筹学课堂进行实施,大学生在学习能力、表达能力、沟通能力、教学能力、期末成绩等方面取得了明显的进步,获得了理想的教学效果。

本文基于对调查数据的分析获得反转课堂师生角色反转方案,通过课堂实践实证教学新模式的可行性和价值性,对反转课堂模式创新进行了有益的理论探索,为引导更多教师和大学生加入到教学创新实践中抛砖引玉。

1 因素重要性挖掘

这一节应用收集到的数据对影响反转课堂认知及反转课堂中师生反转条件和方式的因素的重要性进行挖掘,并应用挖掘出来的因素做进一步的分析。

1.1 数据量化

我们的调查是在问卷星上进行的,网址:https://www.wjx.cn/m/50224157.aspx。

我们在调查问卷中设计的问题都是定性问题,所以通过问卷调查获得的数据都是定性数据,需要首先对各问题下的选项进行量化处理。量化方法是机器学习中的编码:对每个选项引入一个虚拟变量(下文称为特征),虚拟变量采用连续编号,对各单选题对应的虚拟变量按独热编码[5]赋值,对各多选题对应的虚拟变量按多热编码赋值。

1.2 数据分析

我们应用随机森林方法挖掘特征的重要性。

随机森林是一种机器学习方法,因其预测准确率高、对异常数据和噪声容忍度高、不容易出现过拟合等优点,在医学、生物信息学、管理学等众多领域应用广泛,在挖掘特征的重要性上功能强大[6]。因为我们设计的调查问题中出现多次跳转致数据缺失情况频现,这类数据非常适合应用随机森林进行分析。

我们应用随机森林的回归功能来挖掘特征的重要性。此时以第29问为被解释变量,其余问题对应的虚拟变量为解释变量建立回归模型。对第29问各选项重新赋值如表1。

表1 第29问各选项的赋值

数据分析准备工作已经完成。应用MATLAB随机森林工具箱计算得到各特征的重要性如表2所示(表2中罗列了重要性排名最前的10个特征,完整结论请见百度网盘(链接:https://pan.baidu.com/s/1bC3aFan7DCHZ3uvullUPQg,提取码:do05);表2中的10个特征连同其后两列数据将用于进一步分析——决策树建模)。

表2 重要性排名前10的因素

*此处的重要性是从特征的干扰能力和抗干扰能力的角度提取的。

表2的后两列数据直接从问卷星获得,占比结果均为:选项选择人数/总选项选择人数,将用于决策树建模[7]。特征重要性可视化如图1所示,从图1可清晰明了地看出各特征的重要性。

图1 特征重要性的可视化

从表2或图1可获知,影响反转课堂实施最大的几个因素是对大学生沟通能力的培养、所在年级等,说明二年级和三年级大学生希望通过反转课堂在沟通能力方面能够得到切实的培养。下面通过决策树模型获得实现大学师生期望的培养技术路线。

2 反转课堂中师生角色反转方案及基于铜陵学院运筹学课堂的实践

我们应用提取在表2中的10个特征建立决策树模型以获得反转课堂中师生角色反转的满意方案。并将获得的方案在铜陵学院运筹学课堂进行实践。

2.1 决策树模型

我们以表2中提取的10个特征为枝建立决策树模型。各枝上主要有两个量:收益及收益对应的概率。

各枝的收益的确定:各枝的收益取为对该选项回答的人数,且回答是积极面的取为正收益,回答是消极面的取为负收益,回答是中性的收益令为0。

各枝收益对应的概率:取为对该选项回答人数的占比。

我们从问卷星中可以方便地获取各选项对应的这两个数据,已事先罗列在表2中,建模时再给收益赋以正负号或纠正为0。

决策树建模准备工作已经完成,建立决策树模型如图2,是一棵有四枝的树。

图2 反转课堂实施方案的决策树模型,其中U是收益,P是概率

通过求解得到树中各枝下的期望收益如表3所示。

表3 决策树模型4枝期望收益

从而期望收益最大的分枝为第2枝:7B-10F-12A-15A-16B/16C-17C。

2.2 最优枝对应的反转课堂教学模式的意义

对于决策树最优枝传达出的信息,我们进行了如下提炼:

(1)最优枝正向信息:

①第7问是对与传统教学模式相比反转课堂具有的优势进行调查,选项B是比较有利于培养和提高学生沟通能力。该选项出现在最优枝上,说明受调研师生对反转课堂的基本认知还是具备的,进而说明反转课堂的实施已有厚实的群众基础。

②第12问是对反转课堂实施学科的调查,选项A是哲学。该选项出现在最优枝上为学校管理层在选择推行教学创新学科时提供了建议,为全面推行教学创新提供了观察窗口和夯实了教改基础。

③第16问是对大学生所处年级的调查,选项B是二年级、选项C是三年级。它们出现在最优枝上,说明二年级和三年级的大学生是渴望教学模式创新的主体,这是当前高校比较真实的写照。这为教师实施反转课堂的对象提供了依据,即在二年级和三年级大学生中实施反转课堂,他们愿意且乐意接受,实施师生角色的转换不会遭遇抵触,而且可能会让大学生产生比较大的新奇感,从而提升教学效果。

(2)最优枝反向信息

第10问是对反转课堂有利于大学生哪方面的发展的调查,选项F是“其他”(占比7.98%);第15问是对施行反转课堂教学的态度的调查,选项A是“坚决反对”(占比4.74%)。这两个选项出现在最优枝上,虽然占比小但影响大。说明受调研师生在反转课堂对大学生能力培养方面的认识不足,一定程度上不利于反转课堂的全面实施,从而对教学创新起一定的阻滞作用。

综合上述信息,从最优枝导出的反转课堂实施的技术路线为:二年级和三年级、哲学类课程、侧重沟通能力培养。

反转课堂对沟通能力的培养有多种途径,例如讨论课、师生角色转换,都是有效的途径。其中师生角色转换无疑是包括沟通能力在内的多能力同时培养的最高效的途径。适合师生角色转换的课程,实事求是地说,又以专业课为佳。于是反转课堂实施的技术路线调整且具体化为:二年级和三年级、专业课程、师生角色转换、多能力综合培养。

2.3 基于最优枝的反转方案的实施

铜陵学院运筹学课程是十余个专业在大学二年级开设的专业主干课程。

我们按照上述路线在数学与应用数学专业运筹学课堂中实施师生角色转换的反转课堂,整个课程共有41名大学生走上讲台,从课堂听众转换为课堂主讲,教师在课前指导学生备课,在课中一半时间成为听众,课后进行点评以帮助学生进步。在实施过程中,班上的学生从最初的谨小慎微到课程即将结束时的落落大方,从前对课程的一知半解到对运筹学课程了解的细致入微,班级从沉默是金到侃侃而谈,整个精气神有了明显的改变。在期末考试中,与其他科目相比,成绩有显著的提升。

3 结语

随机森林和决策树模型都是机器学习方法。与传统的关于反转课堂的研究方法不同,本文将机器学习方法引入到教学模式创新的研究中,获得了基于数据的反转课堂师生角色转换的实施技术路线,并在铜陵学院运筹学课堂进行试点。这是反转课堂教学模式研究的新视角。

无论从调查数据,还是实施反转课堂的教学效果,两个角度都表明,作为受教育者的大学生对高校教学模式创新总体上是持欢迎并拥抱的态度。作为教育者,我们更有义务在教学模式创新上精耕细作,为祖国高等教育大业贡献力量。

猜你喜欢

铜陵决策树选项
亲亲的鸟
简述一种基于C4.5的随机决策树集成分类算法设计
其实冬天不可怕
跟踪导练(四)
阅读理解
跟踪导练(5)
决策树学习的剪枝方法
单项填空精选练习100道