基于编程类在线课程评价的满意度研究
2024-04-29刘经纬侯庆
刘经纬?侯庆
摘要:学生满意度是衡量教学效果的重要指标,学生满意度降低会导致学习效率低下,教学质量降低。研究工作如下:首先运用LDA主题聚类方法将学生对在线编程课程的评论数据进行处理,确定在线课程满意度的影响指标;其次将每个影响指标对应的数据进行情感分析,通过每一条数据的情感得分确定该主题的满意度平均值;最后根据情感得分统计结果,通过IPA分析法给出建议。研究成果如下:首先得到了对教学满意度影响最大的5个指标;其次得到了5个影响指标的重要性得分和满意度得分;最后针对各类型的指标提出了课程质量提升建议。
关键词:满意度;在线教学;编程;LDA主题聚类
一、前言
学评教中的学生满意度在衡量教育质量方面占有重要地位。提升学生教学满意度是我国全面发展素质教育的迫切需要。全国政协委员马珺提出应千方百计促进人才培养能力和人才培养水平的持续提升,为中国式现代化建设提供更强大的人才支撑。
二、研究现状
当前我国教育信息化的大力推动。近些年,教育部推出了多项教育改革发展规划政策及年度工作要点文件,如《教育部 2022 年工作要点》《直播类在线教育平台安全保障要求》等,明确指出要推动信息化时代的教育创新。教育部部长怀进鹏表示:“发展数字教育,推动教育数字化转型,是大势所趋、发展所需、改革所向,更是教育工作者应有之志、应尽之责、应立之功。”
不同类型课程的满意度差异较大。邹维[1]等人发现在对学生进行不同性质课程讲授时,学生的感观差异巨大,对于实践课程类的评价最低。覃红霞[2]发现针对软科学、理论性科学、硬科学、应用性科学四类学科的教学满意度存在显著差异。整体表现为软科学高于硬科学,理论性科学高于应用科学。在线教育应该注重学科差异性形成的复杂影响。
在线课程的分析方法多样化。王锐[3]等人通过将IPA分析法与评论数据相结合确定了在线课程质量要素。裴利华[4]通过IPA修正法对满意度进行调查,为提高教师教学能力和学生满意度提供建议。黄艳蓉[5]运用LDA方法对MOOC的学习评论数据进行分析处理,提取学习者关注的主题。
综上所述,研究现状可以总结为以下几方面:一是教育部大力推动在线教育的发展。二是编程类课程作为实践课程中的应用型科学,在在线课程中的表现不尽如人意。三是学生学习满意度的分析方法可以优化。为了提高课堂教学质量,更好地开展新工科院校计算机类学科的教学工作,本文通过搜集学生的编程类课程在线评论,通过LDA主题聚类,IPA分析法给出结论与建议。
三、研究设计与研究方法
(一)主要研究框架
本研究从在线课程学生的评论视角出发,通过主题聚类确定在线课程的满意度影响因素。运用文本挖掘方法从学生的的满意度—重要度两个维度对在线课程满意度进行分析,为在线课程的发展提供相关建议和策略。主要研究框架如图1所示。
(二)IPA分析方法
如图2所示,本研究借鉴IPA模型的思想,构建出编程课程指标因素的IPA分析图。横轴为指标的重要性,纵轴为学生对于这一指标的满意度,X-Y的分割点分别为重要性和满意度的平均值,从第一象限到第四象限分别是高满意度高重要度、高满意度低重要度、低满意度低重要度、低满意度高重要度。对应为重要保障区域、重点关注区域、质量维持区域、适度关注区域。
四、实证分析
(一)数据来源与处理
本文通过问卷搜集了学生对课程的反馈信息。研究对象为大学生和研究生,所选课程类型为含有编程类课程的线上网课,共收到3376条学生反馈的信息。本研究删除数据中的无效评论,文本去重,删除空值。清洗后共搜集到2024条有效评论。其次对数据进行了分词和去除停用词处理。
(二)学生建议的高频词分析
通过高频词了解学生满意度的基本情况。本研究通过对高频词的分析可以很大程度上了解学生的感受和满意度感知情况。本文得到了出现频率最高的词语,频率较高的词语分别是“讲”“代码”“算法”“速度”“内容”等。这些词汇反映了同学们对老师、对课堂的建议,可以认为是学生们较为关注的点,也是老师应重视的角度。
(三)LDA主题模型聚类
本文通过pyLDAvis可视化主题模型确定最终的指标项数目。本文的最优主题数定为5个主题,每一个主题都选择了最具代表性的10个词汇。5个主题分别为讲课速度、教学水平、课程配套服务(设备安装情况、网速等)、师生交互、课程内容。详细的主题及主题展示如表1所示。
(四)学生建议的情感分析
本节内容主要是将学生的评论进行量化,将文本类数据通过词典进行计算得分得到数值型数据。本文的文本情感分析基于的词典是玻森情感词典,该词典囊括了许多网络词汇,适用于现在的学生交流评论。在该词典中,每一个词语都占单独的一行,并有相应的情感分数。正数代表积极的词语,负数代表消极的词语,绝对值越大,程度越强。本文将情感评分大于0的判定为积极情感倾向,情感评分小于0的判定为消极情感倾向,情感评分等于0的判定为中性情感倾向,情感评分的部分结果如表2所示。
使用文本情感分析可以计算每条评论属于某一主题的概率值,本文选择概率值最大的为该条评论的主题。在情感分析的结果中加入主题所属类型,对数据进行统计,结果如表3所示。
根据表格可以看出学生对课程内容关注度较高,共有679条评论与课程内容有关。积极倾向的评论数量共有389条,评论的平均得分为0.7783。在所有主题中,课程内容的平均分最高,说明了学生对课程内容较满意。对5个情感得分进行平均分计算得到0.5361。大于平均分的主题分别是教学水平和课程内容,它们的情感得分分别是0.5388、0.7783,表明学生对这两个主题较满意,是学生在评分过程中关注的重点。相反,分数比平均分低的可以说明学生对此主题的满意程度不高。从表中可以看到主题4师生交互的平均得分最低,为0.4270。师生交互这一主题共有449条评论,包括245条积极倾向的情感评论,193条消极倾向的情感评论和11条中性的情感评论,说明学生对师生交互较为关注,老师对该主题的重视程度需要加强,进一步增强与学生的交流。
摘取消极倾向的文本进行分析,将学生不满情绪主要归纳为以下几点:第一,讲课过程中师生交互频率较低。部分同学表示“希望多给我们留些自己的操作时间”“希望可以增加一些提问环节,增强同学理解程度”,反映出学生重视课上与老师的交流互动。第二,授课老师的语速加快影响学生的课上体验。从学生评论中可以看到部分学生反映老师语速较快、讲课速度较快。老师的讲课速度影响学生的学习吸收程度,进而影响学生的学习满意度。第三,在线课程的体验感较差。在线课程的视频清晰度、视频卡顿程度容易影响学生的学习进度,导致学习思路不连贯,影响学习效率。第四,课程设计不合理。有学生表示“进度有些快,建议每讲完一部分留出答疑时间”。反映出老师在课程设计过程中,缺少与学生的交流,课程环节的设计需要调整。第五,课程内容的基础知识较少。部分学生反映希望补充课程内容的基础性知识讲解,例如公式原理、底层逻辑。
(五)IPA模型分析
通过IPA模型对5个主题指标进行分析,确定每一个指标对学生满意度的作用效果。本文中重要性通过每个主题在数据中出现的次数占比决定。每个主题出现的频数不同说明学生的关注重点不同,频率越高说明越重要,需要加强关注。本文的5个主题重要性、满意度分值如表4所示。
1.重要保障区域满意度评价
课程内容处于第一象限,说明老师对课程内容十分重视,学生对课程内容较满意,在整个满意度指标的评价中较为突出。作为满意度的优势区域,老师应继续保持课程内容这一优势。
2.重点关注区域满意度评价
通过比较可以发现教学水平属于重点关注区域。该指标的重要性为0.1518。指标落在这一区域说明教学水平对学生较为重要,提升教学水平会让学生满意度增加。在今后的授课过程中,老师应重视教学水平这一影响因素。
3.质量维持区域满意度评价
讲课速度的指标重要性为0.1572,满意度为0.4425,这说明学生对讲课速度不太满意。例如评论中提到的“速度太快跟不上麻烦下次慢一点”“有点快“等。课程配套服务的重要性为0.1386,满意度为0.4937。在课程建设的过程中,如果教学资源有限,可以先不考虑这一部分的内容,只维持这方面的基本要求即可。
4.适度关注区域满意度评价
师生交互这一指标需要引起重视,加强改进力度。该区域主要反映了学生的交互需求,师生交互这一指标对于学生是基本需求,亟须加大改进力度,是改进的首要的任务。
五、结论及建议
(一)保持课程内容这一优势区域
通过表 4可以发现影响学生学习满意度的核心要素为课程内容。编程类直播课程一节课的知识点不宜过多,老师应将知识点进行整合,内容上做到条理清晰。根据反馈信息可以发现学生对公式原理、代码比较关注,老师在备课时可以重点强调底层逻辑和基础知识。
(二)完善课程设计为课程内容奠定良好基础
该区域的要素对重要保障区域要素的表现有直接影响,该区域是尽可能完善的要素区域。教学水平在授课过程中的主要体现是课程设计,老师应对课程环节进行构思,针对课前、课上、课后分别进行设计。课前应将课程资料提前下发,辅助学生进行学习;课上应加强与学生的沟通,对具体授课内容进行教学设计,使学生容易理解掌握。
(三)增加教学过程中师生互动频次
从图 2可以发现,师生交互这一指标在学生心中十分重要,但是满意度没有达到学生的心理预期。在线直播课程中,老师有时会沉浸在讲课氛围当中,忽略了学生的诉求。师生交互过程中,老师的语速快或慢都会影响学生的学习质量,进而导致学习效果降低。课上,老师与学生应加强沟通,及时察觉学生的疑惑。
(四)保证最基本的教育技术支撑
从图2可以发现,课程配套服务在第三象限,这说明改善重点不应放在该区域,该区域的指标给予最基本的保障即可。在实际教学当中会出现许多课程衍生出的问题,例如,编程用到的软件在安装过程中出现的错误、在线直播网课用到的平台由于网速导致画面出现延迟、平台限制导致画面不清晰等。针对“软件安装”,老师可以整理软件安装步骤以及软件相关问题的解决方案给学生。针对“视频卡顿”,课程应做到声音画面同步,画质清晰,选择现有成熟的学习软件进行授课。
参考文献
[1]邹维,曹麟,万昆.学生体验视角下不同性质课程在线教学的现状、差异与反思[J].数字教育,2021,7(06):31-38.
[2]覃红霞,李政,周建华.不同学科在线教学满意度及持续使用意愿——基于技术接受模型(TAM)的实证分析[J].教育研究,2020,41(11):91-103.
[3]王锐,肖杨财,黄艳蓉.学习者关注度—重要度双视角下的在线课程质量要素分析[J].黑龙江高教研究,2023,41(02):141-148.
[4]裴利华,黄赐英,刘来春,等.基于IPA修正法的混合式教学满意度分析[J].中国现代教育装备,2023(01):63-66.
作者单位:首都经济贸易大学
责任编辑:尚丹