基于SPOC模式的学生线上学习行为分析

2020-02-02李春杰郭艳东

渤海大学学报（自然科学版） 2020年4期

关键词：总分学习成绩区间

李春杰，郭艳东

（1.渤海大学信息科学与技术学院，辽宁锦州 121013；2.渤海大学数学科学学院，辽宁锦州 121013）

0 引言

在信息化社会里计算机网络扮演了非常重要的角色，如何强调计算机网络课程的重要性都不过分.教育部在电子信息类相关专业的课程体系设置中，把计算机网络课程定位为电子信息类专业的核心课.随着信息化进程的发展不断更新该课程内容和教学方法.

1 基于SPOC模式的计算机网络课程研究现状和发展趋势

SPOC（Small Prvate Online Course，简称SPOC）的上课形式多采用面对面课堂与线上自学的混合方式进行，能够促进师生交流进而提升学习效率.目前多数高校开设的计算机网络课程，主要按照计算机网络的五层体系结构、典型网络协议和网络安全设置课程体系.专业教师普遍认为计算机网络课程教学中存在问题：

（1）教学内容不能满足快速更新的网络设备及多样性的需求.

（2）计算机网络课程学时有限，理论知识与实践操作的关系无法平衡，很难达到该课程的教学目标.

（3）教师以讲授为主，虽然有辅导答疑等环节，但仍不能满足学生个性化需求.

为了解决上述问题很多学者开展了有针对性的研究和实践.胡永东等［1］提出在SPOC平台的基础上实现计算机网络课程的翻转教学；赵明［2］计算机网络课程采用研究性教学模式；薛文生等［3］提倡计算机网络课程的分级分专业教学模式改革；朱洁等［4］实行计算机网络课程混合式教学探索与实践；王兴芳等［5］计算机网络课程情境化教学探索.因此，计算机网络课程研究方向上仍是偏重计算机网络课程教学模式和教学方式的改革，以达到提高学生学习能力以及创新能力的培养［6］.

通过大量文献阅读和多年教学实践可以看出，计算机网络教学缺少对学习者学习行为的关注，无法实现以学习者为中心.基于此，利用SPOC教学模式强调以学习者为中心，开展基于SPOC模式的计算机网络课程的学习行为分析，寻找计算机网络课程教学方法和学习方法中存在的问题，进而采用有针对性的教学策略，实现因材施教的教学目的.

2 基于SPOC教学模式的计算机网络课程的设计

渤海大学计算机网络课程从1993年开始一直是计算机科学与技术、软件工程专业的核心课，课程为68学课，4学分，在人才培养方案中占2.5%.该计算机网络课程2015年被评为辽宁省精品资源共享课，课件、视频、实验、学生成绩管理等上传到辽宁省大学开放课程平台.除了本校学生利用该课程平台资源开展线上学习外，还有辽宁工业大学、辽宁理工学院、沈阳城市学院、辽宁师范大学海华学院等学校采取跨校修读的方式开展线上学习，进而计算机网络课程的教学形式和交互性得到了更大的提升.辽宁省大学开放课程计算机网络课程网站如图1所示.

3 基于SPOC模式的学生线上学习行为分析

依托计算机网络省级精品资源共享课程平台统计计算机网络课程信息，教师能够精确地获得全班学生在线学习时长、作业开始完成时间等访问该课程的总体信息，以此统计学生总体上学习行为的数据，分析学生个体学习行为与学习成绩的相关性，回归分析学生个体学习行为与学习成绩的关系等.

3.1 统计学生网络学习行为数据

教师依托计算机网络省级精品资源共享课程平台获得全班学生访问该课程的总体信息.2017学年第2学期2015级计算机科学与技术专业1班和2班共58名学生，开展了在线课程的学习，如图2所示统计学生学习进度和页面的访问次数.进而教师获得所有学生的学习时长和学习时间节点.为了使统计的数据更具有代表性，分析对象选择全班同学的一个学期的线上学习行为．T为学生个体学习总时长，T′为教学视频总时长，A为总体的反刍比，它们之间的关系见公式（1）和公式（2）.

这个比例反应了学生重复学习该视频的次数.整个教学过程中每个章节都布置了线上作业总计7次，学生开始完成作业的时间可以从学习记录得到.设小k［7-8］为学生单次学习区间系数，大K为学生总体的学习区间系数，本文采用平均学习区间系数T来反映学生平均开始线上自主学习的时间.

学习区间分布如公式（3）：（其中n为布置作业的总次数）

平均学习区间分布如公式（4）：

结合学生的平时成绩、期中成绩、期末成绩和总分见表1，有3名学生未通过本次课程考核，共有58个有效数据样本.

表1 2015级1班和2班学生个体学习行为与成绩统计表

3.2 分析学生个体学习行为与学习成绩的相关性

首先使用SPSS软件对学生个体学习行为数据和学习成绩的连续变量之间进行正态性检验.如表2所示，主要参考Shapiro-Wilk检验值.从表2正态性检验结果可得T和A符合正态性假设，平时成绩、期中成绩、期末成绩和总分都不符合正态性假设.

表2 正态性检验

基于此，首先采用Spearman进行平均学习区间系数T和反刍比A与平时成绩、期中成绩、期末成绩和总分的相关性检验，检验结果如表3所示.从表3相关性检验结果分析可得平均学习区间系数T和反刍比A与平时成绩、期中成绩、期末成绩和总分呈现显著相关性.备注不对平时成绩、期中成绩、期末成绩和总分之间进行相关性检验.

表3 相关性检验

3.3 回归分析学生个体学习行为与学习成绩的关系

3.3.1 分析平均学习区间系数T对学生成绩的影响

为了分析平均学习区间系数T对学生成绩的影响，首先，选取自变量为T，因变量为成绩总分，然后依据两个变量进行一元线性回归分析，得到表4平均学习区间系数T与总分回归分析方差检查、图3平均学习区间系数T与总分线性回归分析.从表4回归分析方差检查结果得出具备统计意义，平均学习区间系数T与总分两组数据满足方差要求.T与总分之间呈现正向线性关系.

表4 平均学习区间系数T与总分回归分析方差检查

3.3.2 分析反刍比A对学习成绩的影响

反刍比A与平时成绩、期中成绩、期末成绩和总分都有一定关联，但本文只考虑它对学习成绩总分的影响.首先，选取反刍比A为自变量，成绩总分为因变量，然后，利用A和成绩总分关系的散点图进行一元非线性分析，通过曲线估算筛选比较接近的曲线，分析结果见图4反刍比A与总分曲线估算.通过曲线估算可得拟合程度最高的是二次曲线，并符合统计学意义，见表5反刍比A与总分回归分析方差检查、表6反刍比A与总分二次函数系数.

结合二次曲线和图4中样本分布位置分析得出结论，在1～2区间内的反刍比A与总分成绩成正向关系，总分成绩随着反刍比A的升高而升高.在2.5～3区间内的反刍比A与总分成反向关系，随着反刍比A升高，总分却下降，在1.5～2.5区间的反刍比A是峰值，分布的样本数和学生数最多.

表5 反刍比A与总分回归分析方差检查

表6 反刍比A与总分二次函数系数

4 分析学习行为对教学策略的意义

教师依托计算机网络省级精品资源共享课程平台和SPOC教学模式获得量化学习行为的数据，进而分析影响学生成绩的学习行为因素，而不是只能以成绩作为评价一个学生学习能力的最终标准.如图3所示表明了平均学习区间系数T对总分成绩产生正相关影响，通过T值能够准确反应学生学习的主动性和学习意愿.学习主动性超强的学生T数值超高，课后提早开始线上学习，其学习效果越好.反之，学习越被动的学生，学习成绩较差，T数值较低.

图4反应出反刍比A与总分之间更加类似于二次曲线的抛物线关系，表明学生付出的学习时间越多，学习效果却不一定会更好.结合T值分析第一类情况：学习成绩较低的反刍比A在2.5～3区间内的学生学习动机不足；第二类情况：A数值在1～2区间内的学生学习效率低，原因不适应的学习方法或不正确的教学方式；第三类情况：A数值在1.5～2.5区间内的学生愿意在学习上投入了较多的时间和精力，学习动机明确，适应正确学习方法和教学方式，学生成绩好.

针对上述三类不同的学生，在2018-2019学年第一学期物联网工程专业学生的“计算机网络”课程教学中，使用表7有针对性的教学策略.经过5项对应学生的教学调整方式，选取反刍比A为自变量，总分为因变量，回归分析如图5所示.比较图5和图4发现教学策略经过调整后，反刍比A收敛在1～2.5区间的学生比例明显增加，提高了二次曲线的起点和终点，反刍比A收敛至2.5～3区间的学生成绩大幅度提高，明显提高了该班学生的总体学习效率和学习效果.