“半翻转”教学模式下评价指标体系研究与实践

2022-03-23吴明珠

电气电子教学学报 2022年1期

陈瑛，吴明珠，卢莉

(广州工程技术职业学院信息工程学院，广州 510075)

在2020年春季学期中，我院“数据结构与算法”课程采取线上教学形式开展教学，该课程为本学院的基础核心课程，在各专业均有开设。课程组在有关翻转课堂教学研究的基础上，结合学生实际，在“数据结构与算法”课程的教学中，采用适合于本学院学生的“半翻转”教学模式，该教学模式在文献[1]中已有详细描述。本文主要介绍本学期基于线上教学的“半翻转”教学模式下的评价体系以及其在本学院“数据结构与算法”课程教学中的实践。

1 “数据结构与算法”课程“半翻转”教学设计

“数据结构与算法”课程“半翻转”教学设计的主要思想是基于Robert Talbert教授的翻转课题模型图(图1)，在该模型的基础上，在课前部分减少“课前学习”的内容，在课中部分增加“讲授”环节，根据学生现实，调整了部分翻转环节，进行了本地化改良。

图1 Robert Talbert的翻转课堂教学模型图

1.1 课前教学活动设计

将“数据结构与算法”课程基本概念、操作原则等基本知识，通过学习课件、学习微课、观看视频、做练习题等形式，让学生在课前自主学习完成。通过课前小测验、完成学习反思来确认学习效果。这部分学习，对学生来说，只要付出时间，认真观看学习资料，就可以达到满意的效果。没有复杂的任务，没有困难的编程，主要是为了帮助学生树立学习信心，保持学习动力。

在本次线上教学中，采用了比较多的微课资源，每个微课只有一个主要知识点，主题突出，时间控制在5-15分钟，在课前、课中、课后都可方便地反复使用，适应目前移动学习、泛在学习、终身学习的发展方向，也符合对高职教育改革的要求[2]，为学生提供更加主动的学习环境。

1.2 课中教学活动设计

“数据结构与算法”课程半翻转模式的课中教学，增加了传统教学的讲授环节，由于学生已经对基础知识比较了解，充分减少了照本宣科的内容，讲授部分集中在知识点串讲、学习重点提醒、学习难点内化与拓展，还就学生小测验中反馈上来的问题加以讲解，进行直接指导。除了讲授部分，还有对上次教学课后布置的任务完成结果的小组汇报、教师分析、互相讨论等。此外，还要对本次教学课后任务进行充分描述和初步分析，确保学生课中、课后学习的一贯性。在实践中，如果缺乏对课后任务的初步分析，往往造成大部分同学的停滞不前，而加入初步分析，也不会影响个别优秀学生另辟蹊径解决问题，这些个别学生不会局限在教师的初步分析中，而是会通过自主学习找到更多方案，体验学习成就感。

1.3 课后教学活动设计

课后教学活动围绕着完成课后任务展开，课后任务类型不一，可以是完成课后作业、调查报告、算法设计、文档编写等。课后完成任务形式也不单一，可以是小组完成，也可以是独立完成。在完成课后任务的过程中，可以通过提问题、答问题等形式完成协作学习。提交作业方式充分采用信息化手段，可以在微信学习群，也可以在教学平台。

2 评价指标体系

2.1 评价指标

上述“数据结构与算法”课程“半翻转”教学设计的课前、课中、课后教学活动，充分应用了教学平台以及信息化手段，各种活动都有打卡或计时功能，即记录学生线上学习行为。这为研究本教学模式学习评价给予充分的数据支撑。

评价指标设计基于教学设计的三大环节设置了三个一级指标，以能力本位教育、CDIO教育[3]、协作学习理论等教学理念为指导，为每个一级指标设计了3-6个不等的二级指标，具体指标设置如表1所示，表中二级指标里的“资源”指的是课件、微课、视频、例题等教学资源。

表1 “半翻转”教学模式评价指标

2.2 评价指标权重设计

在评价指标权重设计中，采用层次分析法确定权重。首先依据表2所示的指标重要度含义表，确定同一级同类两两指标之间的重要性分值矩阵。

表2 指标重要度含义表

然后采用规范列平均法计算矩阵权重，即用判断矩阵中每行重要性分值之和除以矩阵所有分值之和，得出该指标在整个指标体系中所占的比重，如表3所示。由描述可知，各指标权重基于指标重要性分值矩阵计算所得，该矩阵由我院“数据结构与算法”课程组5位教师分别填写并平均计算获得。本权重设计，方案简单可行，借助计算机算法，不易出错，稳定性高。

表3 在线学习行为评价指标体系

3 评价算法

4 结语

本学期“数据结构与算法”课程作为平台课在本学院4个专业中开设，借助先进的信息技术手段与在线学习支持平台，获得学生学习行为数据成为可能。经过实践，系统得到的评价成绩与教师打分比较相符。图2为数媒专业某班级部分学生的评价截图。在实践中每个学期还需要调整各个指标的学期总目标，使得更符合课程培养目标，但在学期中期，不适合修改，以免打击积极性。