罗杨洋 韩锡斌

关键词：混合课程;课程分类;聚类分析;在线学习行为;机器学习算法

一、引言

课程分类是课程本质属性的一部分，对于课程评价，课程设计和课程实施具有重要意义[1]。混合课程融合了在线与面授两种授课场景[2][3]，课程设计和实施过程更加灵活复杂，为混合课程分类研究带来了较大挑战。现有混合课程分类研究主要从混合课程的技术应用、学习经历、课程目标、实施环境、实施主体以及活动组织形式等视角进行了探索[4-8]，然而这些分类都无法为教师依据客观数据动态优化和管理教学提供帮助。混合课程的教学策略动态调整、个性化评价和教学预警等研究中关键问题的解决方法均指向数据驱动的混合课程分类[9-12]。本文旨在研究学生的在线学习行为聚类特征，据此提出混合课程的分类方法，分析该方法的稳定性，为帮助教师动态调整教学策略，个性化混合课程评价和学习预警奠定基础。

二、文献综述

课程分类是分析课程的本质特征，以一定的标准和方法将课程分类有助于发现课程某一方面的特点，在帮助教学设计、实施、管理、评价等方面具有重要意义[13]。混合课程是一种课程形式，已有文献从不同方面对混合课程分类开展研究，如：依据技术融入教学的程度将混合课程分为使能型、增强型、转换型;依据在线与面授的内容及方式分为面授讲解与在线学习结合型、在线讲解与面对面讨论结合型、虚拟现实模拟与结构化面授结合型、现场实习与在线引导结合型、现场培训与线上培训结合型;依据课程目标分为面向任务型、面向产品型、面向项目型等，然而上述研究都没有依据学生在线学习行为进行混合课程分类。……