“互联网+”背景下的高职课程教学创新模式研究

王磊 张娜 刘晓丹 杨思燕

摘要：分析了目前“互联网+”背景下高职教育研究现状，对高职院校学生进学情分析，根据学生学习特点，特长进行《Python数据分析》课程教学设计，利用云班课平台进行多种教学模式创新，并对教学效果评价，教学效果良好。

关键词：互联网+;学情分析;教学模式创新

中图分类号：TP301.6        文献标识码：A

文章编号：1009-3044（2022）17-0155-02

1 引言

“互联网+”对高职教育带来巨大教育變革，线上线下混合教育模式突破时空限制。董萍等人研究了我国在线教育的发展困境及其突破[1]，李乡儒借助互联网和人工智能技术设计出一个包含用户画像的个性化学习资源推荐系统[2]。

针对目前高职教育现状，尝试采用线上线下混合教学模式。线上签到、上传资源、课堂测试、布置作业，线下进行面授课。在教学内容上融入思政元素，关注学生的情感教育。利用个性化资源推荐模型结合学生历史学习行为数据，进行分组教学，进行个性化学习辅导。利用云班课经验值作为课程平时成绩，学生按时提交学生考勤、作业，上课学习积极主动，学习效率提高，教学质量提升。

2 学情分析

2.1学习方法和态度

新生追求新知识意愿强烈，但比较于依赖教师指导，容易遗忘讲授内容，编程基础薄弱，在编程的过程中容易犯一些低级错误。教师需认真编写教案，为学生设计量身打造的教案。合理分配教师操作与学生练习时间，让学生有时间把教师授课的每一个细节都自己操作一遍。

2.2 基础课程学习情况

（1）掌握了《Python语言程序设计》课程基本概念，学生存在的主要不足有：对字典

结构的操作不够熟练，输出结果的细节不注意，忽视符号的书写，阅读理解程序的能力有待提高。

（2）从《Python语言程序设计》考试情况来看，如图1，学生对基本知识技能掌握较好，普遍达到了课程学习的基本要求。但学生对细节注意不到位，忽视一些符号，整形和浮点型的区别等，大部分学生的学习态度非常积极，也有个别学生态度不端正，不按时完成作业，没有认真进行复习，学生成绩分布较为合理。学生普遍没有掌握的知识点在《Python数据分析应用》讲授过程中需要补习。

3 教学过程

（1）复习：引入新课之前带领大家复习上节课内容，利用云班课课堂表现随机选人（举手）功能，既可以检验上节课讲授效果，也可以让学生课前复习之前内容，课前就让学生进入课堂角色中，实现翻转课堂效果。

（2）讲授新课：每节课按知识点分成若干小节，合理分配每小节教师讲授时间和学生练习、答疑时间。

（3）课堂教学互动：上课期间学生容易犯困，为了解学生掌握知识情况，活跃课堂氛围，要多次进行师生互动。

① 利用云班课随机点人，答对加经验值、打错扣经验值。

② 利用云班课抢答，调动学生学习积极性。

③ 根据课程安排，给学生布置随堂测试，随堂测试的习题要求。老师没有操作演示，学生要充分思考，可以独立完成，也可以和小组成员合作完成，充分调动学生主动性和积极性。

（4）布置课后思考题：布置的思考题难度要高于课堂练习题，让学生利用课后时间多思考，能力拔高。

4 以赛促教

组织学生在2018-2020年参加“泰迪杯”数据分析职业技能大赛中，共取得若干奖项，学生利用学习的知识可以参加大赛做实际项目，大赛的积累案例同样可以融入实际教学实训中。

5 教学手段及效果评价

（1）引入新课前回顾上节课内容，利用云班课“课堂表现”功能，检查学生上节课内容掌握情况，答对的学生加经验值、答错的学生扣经验值。既可以检验上节课讲授效果，也可以让学生课前复习之前内容，课前就让学生进入课堂角色中，实现翻转课堂效果。经过几次课适应，学生上课认真度明显提高，课堂氛围明显活跃。

（2）上课期间发现学生有说话、打游戏等分心现象，同样利用云班课“课堂表现->随机选人”功能，让学生上课专心听课，不分心。

（3）在课堂练习中，利用云班课“头脑风暴”功能，如果发现学生知识掌握情况不好，把错误的知识点及时给学生讲解，再次发布课堂练习，直到学生掌握为止。

（4）利用云班课布置随堂作业，随时检验学生知识掌握情况，如果没有学生听懂，纠正学生易犯错误。举例：在讲数组索引时，经过课堂测试，一维数组学生学习效果良好，但是二维数组索引效果一般，在第一次测试中，发现参与率只有42%，正确率39%，经过细心观察，发现学生对于二维数组的行与列概念还没有搞清楚，再次给学生解释二维数组行与列的区别，逐个纠正学生测试中出现的错误，再次发布测试，参与率达到65%，正确率75%，发现学生对二维数组索引中的“：，-1”理解不透彻，给学生认真解释“：，-1”的含义，还有部分学生没有理解区间范围的开区间及闭区间，给学生解释清楚后，再次发布相类似测试，参与率达到89%，正确率93%。

（5）分组教学，互帮模式

根据学生历史行为数据，对学生进行分组，小组成员形成互帮模式和学习习惯。根据学生历史学习行为数据，按照“田忌赛马”模式分组，基础薄弱的学生由中等学生辅导，中等学生由优等学生辅导，优等学生由教师辅导，最终达到学习分享，共同进步的目的。

（6）个性化学习辅导

利用个性化资源推荐模型进行个性化学习辅导，此推荐模型源于大数据技术应用专业2018年教改课题《基于蓝墨云班课的翻转课堂教学模式研究——以大数据技术与应用专业教学为例》成果[3-4]。

个性化资源推荐系统模型功能：

① 推荐学习资源：发布学习论坛，学习教学视频，拓宽学生视野。

② 推荐学生课堂表现活跃的话题：在师生互动环节，引入学生感兴趣的话题，学生参与到得到提高。

③ 课堂测试、课后作业形式多样化：课堂测试形式不能单一，根据推荐模型实施。形式多样的测试、课后作业，如果发现课程测试、课后作业学生参与度不高，抄袭严重，要注意难度是否适中，根据推荐模型选择合适的测试形式，既要保证学生有充分的思考空间余地，也不能让大部分学生不会做，互相抄袭。

④ 预测学生厌学、辍学现象，融入思政元素。

通过个性化资源推荐模型发现学习行为特殊学生，通过恳谈，了解学生旷课、不交作业原因，有问题及时纠正，让学生不要落下课程内容，如果学生有辍学念头，及时给辅导员反应，给学生提前做思想工作。部分学生在学习本章节，抱怨自己大一基础没打好，开始自暴自弃，上课打游戏，睡觉，对此类学生，说服学生利用这门课程应用案例，刚好可以弥补《Python语言程序》基础知识。

（7）云班课经验值作为课程平时成绩

云班课经验值作为平时成绩占期末考试成绩比例50%，平时成绩的得分要有理有据，利用云班课行为数据产生经验值，作为平时成绩。利用云班课经验值作为课程平时成绩，学生能按时提交，学生考勤、作业，上课学习积极主动，学习效率提高，教学质量提升[7]。

参考文献：

[1] 董萍，郭梓焱.我国在线教育的发展困境及其突破[J].国家教育行政学院学报，2021（2）：61-67.

[2] 李乡儒，梁惠雯，冯隽怡，等.在线教育平台中个性化学习资源推荐系统设计[J].计算机技术与发展，2021，31（2）：143-149.

[3] 张娜，邸小莲.基于云班课的翻转课堂教学模式在大数据专业的应用研究——以陕西工商职业学院大数据技术与应用专业教学为例[J].电脑知识与技术，2020，16（10）：169-172.

[4] 张娜.对计算机课程学生评价的探究[J].职业，2018（21）：34-35.

[5] 蔡强，韩东梅，李海生，等.基于标签和协同过滤的个性化资源推荐[J].计算机科学，2014，41（1）：69-71，110.

[6] 赵艳，王亚民，刘怀亮.基于标签网络聚类的个性化资源推荐模型研究[J].情報杂志，2014，33（4）：179-183，189.

[7] 陈莹镔，李瑜，胡亟飞.基于云班课平台的高职市场营销专业教学实践研究[J].科教文汇（下旬刊），2021（2）：140-141.

收稿日期：2021-08-02

基金项目： 2021年陕西工商职业学院科研课题：基于门控机制图神经网络的生物大数据事件抽取关键技术研究（21GS-A04）;2020年陕西广播电视大学重点项目：基于深度学习的自然场景文本识别技术研究（20GA06）

作者简介：王磊（1984—），男，陕西西安人，副教授，硕士，主要研究方向为数据分析;刘晓丹，副教授，硕士;张娜，副教授，本科;杨思燕，教授，硕士。