徐金生

摘要：相较本科院校，高职院校学生的学习主动性与自觉性较低，这无疑给线上教学带来较大困难。本文对高职院校教学特点及线上教学所面临若干问题进行了深入分析，进而引入统计相关原理及实战工具，对高职线上教学质量的监控与改进提出改进举措。此外，作者结合自己的应用实践，通过实例展示了全过程统计方法助力高职线上教学质量提升的实操方法。

关键词：统计方法 高职 线上教学 质量提升

一、高职教学特点

高技能职业人才的培养是高职教学核心任务，即便是理论知识的教学，也是以紧贴实践为内在要求。另外，由于近些年高职院校的持续扩招，生源的文化课基础整体呈下降趋势。这些学生一方面对偏理论的知识学习兴趣度较低，另一方面在理论课的理解上也存在一定困难。

二、线上教学方式与高职教学特点匹配度分析

经下表细致分析，教师普遍反映线上授课教学效果明显弱于线下课堂教学，线上教学中教师无法“扫视”学生的即时学习状态，监督环节难以做好无疑是其重要原因。三、高职线上教学质量面临的若干挑战

1.教师端

（1）难以形象展示所授知识

由于信息传递载体不仅包括语音和文字，还包括肢体语言。而线上教学，限于线上教学条件，教师难以做到形象展示，因而有碍于部分知识的传递及学生的深度理解。

（2）无法实时监控学生学习状况

由于师生间是通过网络连接，学生所处状态难以被实时监控，导致某些同学未能充分理解知识或上课“开小差”等情况发生时，教师甚至在较长时间内无从发现，进而出现“掉队”现象。

2.学生端

（1）易受外部因素干扰

线上学习中，学生所处网络端周边环境复杂，而受网络信号及家人或朋友等各种影响，学习时难免出现干扰、打断乃至停止等情况。

（2）缺乏自控能力，难以保障自主学习效果

在线学习没有特定的时间和空间要求，这些环节的学习效果一定要得到实时监测，否则将影响到整课程学习质量。

四、现代统计方法之所长

现代统计方法，通过数据观察与分析，可以科学、即时监测教学班级整体及单个学生的学习状况，进而可有效弥补线上教学中的即时双向沟通及教学监控的缺失。以下对拟用到的现代统计知识进行分析：

1.相关基本原理

（1）随机抽样

用随机抽样的方式，则可剔除主观情感干扰，进而通过样本情况去有效推断整体学习状况。

1. 海恩法则

在教学质量监控方面，所给予的教学启示是：每一次暴露出的教学质量问题，都值得我们进一步深究，挖掘深层次的问题点并进而采取防止教学质量下滑的预防性措施。

2.相关工具

（1）控制图法

在教学质量监测中，可采用控制图法并结合相关监测指标来即时监测教学质量状况并加以适时干预。

（2）抽样推断法

由于须在课中即时掌握学生的在线学习状态，采取抽样检测的方式无疑是最为有效的。结合控制图法，可以适时判断学生学习状况。

（3）标准差系数

通过每期测验或作业成绩的标准差系数（Vσ=σ/X·100%），去监控班级学习成绩的波动情况。若平均成绩变动不大但标准差系数突然变大，说明该章节内容的班级整体学习效果较差。

（4）趋势分析法

对于单个同学线上学习质量，可采用趋势分析法加以研判其势头。可根据趋势分析结果决定是否就某具体学生的学习状况进行适当干预。

五、统计方法助力高职线上教学质量提升实例

现结合其在我院某班学生中应用情况举例如下：

对该班同学以往成绩进行计算，得出均值为73.36（保留两位小数），标准差为3.56（保留两位小数）

取幅度为±3σ，班级平均成绩控制图区间为[62.68，84.04]

某次班级测试相关统计量见下表：

本次测试成绩在控制图的LCL至UCL之间，属正常范围，班级教学无需进行额外干预。

某同学B历次提问或小测验成绩及三项移动平均值见下表：

表1：移动平均趋势分析结合控制图法，该同学正常成绩范围为[67.86，78.16]。若B成绩为65，则需重点关注，了解其学习薄弱环节并针对性提升。

此外，平时教学中，可采取抽样推断方法去推断班级整体学习情况。如，随机抽取班级5位同学进行抽检，以此来推断全班状况：

5名同学成绩分布

均值-X=77.52，这里，据抽样判断公式，以95.45%可靠性估计整体均值范围为[76.10，78.94]，在控制图正常范围内，因而此次无需对班级教学进行额外干预。

参考文献

[1]季秀霞，李立早.基于大数据的高职院校教学质量评价体系研究[J].职教通讯，2020年第1期：87-92.

[2]孙航，张六成.基于大数据技术的高职实践教学质量评价指标体系的构建———以《计算机网络》课程为例[J].开封大学学报，2017，31（4）：47-50.

[3]李隆帜.基于大数据技术的MOOC教学质量评测系统[D].大连：大连理工大學，2015.

[4]陈平，相广萍.应用统计学[M].上海：上海交通大学出版社，2017.