面向SPOC+在线直播的数据库课程学习者特征要素研究＊

张丹平，余灏然，张 艳

(1.南昌航空大学经济管理学院，江西 南昌 330063；2.佛罗里达大学计算机科学与工程学院)

0 引言

近年来特别是新冠疫情期间，教育领域开始接受MOOC、SPOC 等多种互联网教学模式，学习者在MOOC 网站通过视频在线学习、回看，授课者通过在线直播讲解知识点、通过翻转课堂互动讨论。MOOC有着丰富的教学资源，而SPOC 模式则使学习者与教师有了更积极的互动，因而在数据库课程教学中这种结合SPOC+在线直播的混合式教学模式得到了推广应用。

虽然SPOC 在强大的教学管理系统引领下致力于提升学生学习的兴趣，可是教师与学习者教学空间分离的情境，再加上大容量的班级，都使得教师难以准确掌握所有学习者的学习特征。而学习者特征虽然与学习内容没有直接联系，却始终伴随着整个学习过程并影响学习成效。因此挖掘学习者的学习行为数据，采用合理、科学、创新、量化的手段反映在线学习数据库课程学习者的特征要素，与传统的期末“一张卷”的考核方法相比，不仅可以更客观的评价学生的学习效果，还有助于教师了解学习者背景与偏好，并对学习材料的选择、教学目标的创设、教学方法与教具的选用有帮助。

1 SPOC+在线直播环境下学习者特征要素分析框架

数据库课程是我校经管类专业的专业基础性课，主要教学目标是提高学生的信息处理能力及计算机应用能力，也为他们学习各类管理信息系统及本专业相关的软件打下基础。

SPOC+腾讯课堂混合式教学是指：课前，教师在SPOC 课堂发布公告及微信端发送预习资料供学习者进行课前预习，课上，教师对知识重点和难点进行讲解、完成测验，课后，学习者完成SPOC 平台的学习内容。平台数据包括SPOC 学习平台和腾讯课堂学习平台两方面。学习者最终学期成绩是由平时成绩和期末测试成绩共同组成，平时成绩是由SPOC 平台在线学习情况和腾讯课堂表现情况所决定。

综合SPOC 课程混合式教学模式的特点、经管类学生的特点及数据库课程特点等因素，从理论分析的角度可以对学生的背景特征、态度特征、在线行为特征、课堂行为特征这四个维度考察他们的特征，对于每个维度的特征要素进行细分并对不同特征要素之间的关联关系进行分析。

2 学习者特征要素分析及数据来源

2.1 背景特征

数据库课程学习者的背景信息包括其性别、民族、教育背景等一般特征。并且不同个体的生理特征、社会性特征及个人经验也会对高校学生的学习造成影响。在SPOC 混合式教学的环境中，还应该考虑到学习者的计算机基础知识水平、是否具备线上学习经验等因素，综合起来，本文的学习者的背景特征选取四项指标：性别、民族、计算机基础知识水平及线上学习经验作为，采用问卷调查获取相关数据。

2.2 态度特征

SPOC 混合式教学过程中，教师需要考查学习者在线上课堂学习的态度以及网络学习中的状态，探讨这些态度的形成、变化和规律。目前国内外的专家及学者总结出学习者态度因素常见的有：自我效能感、学习动机、元认知、学习策略、学习风格等[1]，结合查阅文献及分析，并参照数据库课程学习者自身特点，将学习效能感、学习动机、学习策略这三个比较重要的态度特征作为要素指标，通过调查问卷来了解并分析学习者的态度特征。

学习效能感体现了学习者对自己完成某一行为的能力的推断，是学习者对调节自身能力水平等的一种主观判断[2]。现阶段对于学习效能感检测较多使用梁宇颂编写的问卷，问卷针对学习行为效能感和学习能力效能感组成[3]。针对数据库课程的学习者，本文在梁宇颂问卷基础上结合SPOC 环境下的特点进行效能感特征问卷的编制。

高校学生的学习动机是为了较高层次的需要驱动，主要是为了完成学业获得毕业证、得到老师和家长的认可及找到一份心仪的职业[4]。数据库课程学习者的内在学习动机主要是对数据库知识关注程度和自身对数据库技术水平的期待目标，外在动机指学习者在数据库课程的学习中基于成绩评价、数据库课程的难易程度、对学习竞争的关注和希望得到的回报等维度。

学习策略是学习者有目的、有意识地制定的致力于提高学习效果和效率的复杂方案。包括学习者认知策略和自我调节水平两个方面[5]，参照国内外学者编制的学习策略量表并结合数据库课程学习者的特点制定问卷。

2.3 在线行为特征

在线学习行为可以概括为通过网络传播内容进行学习、授课、安排学习任务等[6]。在我校数据库课程教学实践中，在线学习是指中国大学MOOC 的SPOC网络教学平台上的学习，主要依据学习发生过程，从登录学习平台的时长/次数、教学资源访问情况（包括视频学习情况、互动讨论情况）、作业情况这三类行为描述学习者在线行为。

2.4 课堂行为特征

基于SPOC 的数据库课程教学，可以使用腾讯课堂等工具通过“语音+PPT”或者“语音+分享桌面”的方式完成授课，从签到情况、课堂表现情况（包括课堂互动和实验操作）、章节测验情况三个方面分析学习者课堂行为特征。

3 学习者特征数据的采集

3.1 研究对象

问卷从我校经管类专业的学生中抽取4个开设数据库课程的班级作为研究对象。通过填写117份有效调查问卷，收集了这些普通高校学习者背景特征、态度特征、在线行为特征及课堂行为特征数据，并使用SPSS 22.0软件进行学习者特征数据分析。

3.2 信度与效度分析

信度分析可以用来衡量问卷的可靠性，效度分析则检验问卷的有效程度，即问卷的确定性、有用性。对问卷量表中所有问题有效样本采用Cronbach 方法做了信度分析，得到其整体效度α 值为0.826，信度良好。结构效度检验采用KMO 和Bartlett 球形检验，得到KMO 值为0.898，大于0.8，且显著性概率Sig 为0.000，小于0.05,说明本文调查问卷具有良好的效度。

4 学习者特征要素统计分析

4.1 学习者背景特征

背景特征主要包括性别、民族、计算机掌握程度、线上学习经验这四类特征信息，通过问卷可以看出，数据库课程学习者中女性学习者为68 人所占比例为58.1%，在民族特征上，汉族学习者居多，值得关注的是有七位来自新疆的维族学习者。从计算机掌握程度来看，所有学习者都学习过“计算机文化基础”课程，另有31 人还学习了“C 语言”课程，占总数的26.5%，说明学习者具备了一定的计算机水平。有25人有过线上学习体验，占比21.3%，对混合式学习模式有一定了解但没有体验的学习者有62人，占比52.9%，说明此次参与调查问卷的学习者在线上学习经验上有较大差异。

4.2 学习者态度特征

采用李克特量表的五点量表形式获取学习者态度特征数据。根据问卷结果，关于学习者态度特征的各项样本统计分析如表1所示。

表1 各项样本特征均值统计表

学习效能感各项题目中E1、E2、E3、E4、E5属于学习能力效能感，E6、E7、E8、E9 属于学习行为效能感。从表3 所示得分均值可见，数据库课程学习者对于掌握学习内容、处理遇到的学习情况方面表现出较高的信心，在学习过程中思考问题和复习中体现了学习者自主性较高，但是对自身的专业能力、学习能力及课堂状态方面，其自我效能感相对较弱。

作为学习过程中的驱动力，学习动机的强弱直接影响学习成果。学习动机得分中M1、M2属于内部动机，M3、M4 属于外部学习动机，从表3 中可见，学习者在认知、兴趣、需求上的动机较强，对于只想完成任务得到学分这样的外部动机的学习者相对较少。

学习策略的得分情况显示，学习者在利用现有知识、合作性及信息素养等方面能力较强，时间分配和自我调节的能力相对较弱。

4.3 学习者在线行为特征

⑴登录行为

观察整个学习周期，学习者登录访问频次呈现波浪趋势，第1～3周的平均登录次数逐渐上升，之后的登录次数减少推测存在学习热情下降、课程内容与腾讯课堂授课内容不匹配、教师监控和提醒不够等原因。但在最后一周及课程结束至考试前，平台上一直保持大量的登录次数，说明学习者为期末复习大量观看考试资料和进行平台学习。

⑵学习资源访问及互动

在SPOC站点可以访问的资源主要包括公告、视频资源、互动讨论等内容。表2列出的是视频资源访问、互动讨论回帖数及作业得分情况。

表2 视频资源访问、互动讨论回帖数及作业得分情况表

在参与数据库课程学习的117位学习者的统计情况中，视频资源访问满分为100分的同学占了大多数，均值达到了88.37，由此可见视频资源浏览情况较好，得分在20 分以下的同学大都来自偏远居住地网络访问不便，这其中也有居住在新疆的维族学习者。在SPOC 教学环境的在线学习中，学习者的互动在讨论区下完成，积极参与讨论的学习者最多回复为35个帖子，超过半数的同学回复帖子数在20 个以上，体现了学习者在认知、兴趣层面的强烈学习动机，但是这其中有14 位学习者是0 回复，除了网络不通畅原因之外，也反映了少部分学习者的学习策略较为被动。

⑶作业情况

在作业完成情况的统计中，获得最高分为100分的有24 位同学，90%以上同学的成绩达到60 分，20 分以下的四位学习者中有二位同学是维族学习者。可见作业的难易程度适中，能较好分辨出参与者的掌握程度。

4.4 学习者课堂行为特征

疫情期间采用的SPOC+腾讯课堂混合式教学中，腾讯课堂等软件成为教师和数据库课程学习者进行更深度交流和学习的环境，表3 统计了出勤（签到）情况、课堂表现（讨论）情况、课堂小测（答题卡）情况来体现学习者的课堂行为特征。

表3 学习者课堂行为特征统计表

出勤率的统计是从腾讯课堂的“考勤”界面导出并计算得出四个实验班的总到课率。教师开启课堂发言便于学习者参与讨论，统计讨论参与次数时剔除了“献花”和自定义图片等噪音信息。为了检测学习者对数据库课程知识的领会程度并防止学习者上课走神，在直播中常常发起“答题卡”进行课堂小测试并统计测试满分同学。从表5 可见，四个实验班中，21、22 班的出勤率较高，22、51 班的学习者较积极参与讨论，而31 班的学习者对课堂讲授的知识掌握程度最好，这与他们学过“C语言”课程有关。

5 应对措施

5.1 教师方面的应对措施

教师通过了解学习者背景特征和态度特征，可以明确个体学生的认知差异，通过小范围补课、个别答疑等方式实现对学生的差异化教学。同时，数据的分析结果，能够帮助教师了解数据库课程学习者在背景特征、态度特征、在线行为特征及课堂行为特征的差异，对教学环境、资源、模式、环节时间安排等进行调整，创设不同的场景、提出明确的任务，调动学习者的行动兴趣和动机，比如在腾讯课堂强化重难知识点的讲解，优化教学设计，从而满足学生的个性化的要求。

5.2 学生方面的应对措施

通过学习者的特征要素数据的分析可见，一方面，学生应保证在课程学习中时间的持续投入并保持专注，另一方面，学生应主动及时地反馈学习过程中的疑难问题，使教师能够更多地掌握学生的学习状况并答疑解惑，以提高学习的效果。

6 结论

SPOC+线上直播教学模式是由于疫情而形成的教育研究领域的一种新环境，学习者的背景特征、态度特征、在线行为特征、课堂行为特征可以展示出数据库课程学习者的差异，通过统计分析方法对117 位数据库课程学习者的特征剖析可得出以下结论。

⑴计算机知识积累程度的不同，会影响数据库课程知识的领会，但大多数学习者尽管从未有过线上学习经验，在经历了最初的适应期后并未给他们带来太大的差异。

⑵学习者对数据库课程在认知、兴趣、需求上的动机较强，对于掌握学习内容、处理遇到的学习情况方面表现出较高的信心，但尚有部分学习者的学习策略较为被动。

⑶网络通畅是进行在线学习的前提条件。经过最初的适应期后，学习者对高质量的MOOC 视频资源保持了很高的学习热情，课程作业能较好分辨出参与者的掌握程度，但教师需要通过监控和提醒督促学习者参与课程讨论。

⑷腾讯课堂学习者的课堂出勤率较高，且课堂上的表现与自身的专业能力有关联。

总之，全民抗疫带来了改变的契机，高等教育在教学形式上可以有新面貌，促进了线上教学的探索性研究。线上、线下结合的教学形式，给老师的教与学生的学更灵活、自主，带来了新的教育时代的开启。