杨锴

摘    要：文章针对学生在线学习持续性弱、学习需求多变及学习体验差的问题，以精细加工可能性模型为基础，构建学生在线课程评论的动态评价方法，并以爱课程国家精品课程中学生在线评论为实际案例，分析应用过程及有效性。探析学生在线课程评论变化评价指标体系，为教师掌握学生学习行为的变化过程，有针对性提供个性化教学课程及学习资源提供思路。

关键词：学生在线课程评论;动态变化评价方法;精细加工可能性模型;评价指标体系

中图分类号：G642          文献标识码：A          文章编号：1002-4107（2021）11-0022-04

学生在线课程评论是指在线上教学平台上学生针对课程发表的关于课程质量相关的评价信息，如对系统平台流畅程度、教师讲课内容、课程安排、展现方式等方面的看法。它不仅可以为其他感兴趣学生加入课程提供真实参考，也有助于教师了解学生的学习偏好，进一步改善教学安排。而现实中学生需求多样性、个性化特征明显，难以采用“一刀切”的方式为学生提供差异化的教学服务[1]。为了解决此类问题，需要特别关注学生的追加评论内容，即学生对于所学在线课程的持续评价信息，对在线学习课程的深层次反馈，同时也是学生学习体会的真实展现。不难看出，学生在线课程评论具有较高的可信性，而如何有效利用其追加评论信息尤为关键。

鉴于教师及平台管理者可以根据追加评论内容，调整教学风格、系统技术、教学资料等方面的设置，这样有助于转变学生对于课程学习第一次评论时候的不好印象，有助于学生收获渴求的知识和技能，进而影响其他的学生。因此，本文认为，为了有效提高在线课程的质量，教师除了提升自身教学能力之外，还需要充分利用学生的原评论以及追加评论，有效提取其中的核心内容及态度观点，找到关键点和影响的主要因素，并分析影响在线课程质量的影响机制，以及构建学生在线课程评论的动态变化评价方法，为解释学生在线课程学习连续性弱、学习效果和体验差的原因提供指导。

一、影响学生在线课程评论的因素

影响学生在线课程评论的因素是多方面的。按照学生学习状况来划分，对学生在线课程评论的评价研究分为：学生在线学习的动机、在线课程质量评价、评论有效性及对学习意愿的评价。

按照学生学习动机的内部和外部划分，可以分为积极评价和消极评价[2]。其中积极评价在于提升在线课程质量、增加课程参与程度、与教师进行线上互动、表达观点以及情感等。消极评价则是通过评价来帮助或者影响其他的学生，辅助学生在学习之前的选择判断，同时也是自我情感的表达渠道。

有关在线课程质量评价，按照在线课程的评价指标分类，已有学者采用扎根理论方法分析，包括教学师资、教学内容、方法手段、教学效果等方面[3]。特别地，已有学者研究表明教学师资多样性有助于吸引不同类型的学生，尤其是风趣幽默的教师更易吸引在线学生的注意;教学内容主要包括内容的完整性以及有用性;方法手段是平台的技术水平，主要是平台的稳定性、兼容性等;教学效果是学生的考试成绩以及反馈的信息等。

分析评论有效性有助于教师把握在线课程中学生的兴趣点，一方面，就评论本身而言，体现了学生对于在线课程的态度、喜好以及情感[4]。另一方面，精细加工可能性模型（Elaboration Likelihood Model，以下简称ELM）将对参与者信息处理过程中影响因素进行判断，如信息技术、情绪及情感等主观态度，分析其影响的方式以及在此过程中的作用[5]。具体而言，在评论时间及评论来源方面，学生及时性评论有利于教师第一时间修订在线课程内容及方案，学生身份的公开增加了评论的真实感，对于后续参与者，特别是对感兴趣的学生起到促进作用。而学习意愿的评价主要与教学材料的丰富程度、课程设置的要求以及教師的推荐等因素有关系，对于学生的持续学习态度具有较大影响。

虽然已有研究针对原评论进行评价，但是忽略了学生在线课程的追加评论，缺乏对于两者之间动态变化的关注，特别是缺少对学生在线课程评论的动态变化评价方法，难以对学生持续在线学习提供有力指导和帮助。因此，本文力求解决以下难点，即关注学生在线课程原始评论及追加评论的信息，侧重追加评论的变化内容，构建动态变化评价方法以及评价指标体系，进而辅导教师为学生提供有针对性的教学课程，丰富在线课程建设及质量保证的理论实践研究。

二、学生在线评论动态变化评价模型构建

（一）模型构建

1.指导理论。学生开始在线学习之后，在提问或者表达情感的时候，会给出原始评论，随着时间的推移，学生针对其中的兴趣点或个人感受给出追加评论，这些评论和最早的评论相比会发生变化[6]。在ELM理论当中，这种变化可以通过对其有效分类来处理，发现这些信息当中隐含的趋势及变化点，找到影响在线课程质量的关键要素。

具体而言，由于学生个体差异明显，特别是知识理解能力、表达技能等方面差异，在评论信息中表达的含义也是多样和复杂的。根据ELM理论，参与者在处理信息过程中可以分为两种类型。一是中枢路径。中枢路径是参与者认为评论中所反映的信息真实有效，同时会对信息进行思考和分析，高度影响参与者的决策和态度。二是边缘路径。边缘路径是指参与者认为信息并不重要，而是在关注评论中的来源者、教师的信息互动等次要因素，对于参与者态度转变影响较小。进一步来说，在参与者的态度变化持续性及行为稳定性方面，中枢路径明显更具有优势。

2.评价方法设计。根据以上研究，学生会通过文字的方式提供在线课程的原始评论及追加的评论信息，评论内容可以分为两种类型。一类是有关在线课程质量的信息，该类评论信息划分为在线课程内容和在线课程形式。其中在线课程内容包括有用性、完整性、权威性等;在线课程形式包括讲授风格、视频质量、教学水平等，这些称为中枢路径。另一类是有关系统体验方面，该类评论信息划分为平台特性和辅助性学习资料。其中平台特性包括平台的稳定性、兼容性、响应速度;辅助性学习资料包括资料获得的容易性、获取渠道的畅通性，这些称为边缘路径。学生从原始评论到追加评论的过程，会受到两种路径的混合影响。

根据现实的考虑，学生在线课程评论从原始评论到追加评论实际上受到中枢路径、边缘路径和两者结合的影响。由此可见，该评价模型包括三个核心要素和三个要素之间所形成的四种交互关系。

第一种为平移型动态评价，即中枢路径、边缘路径及两者结合自身内部的变动，换言之，在线课程内容和形式、平台特性和辅助性学习资料之间的变动。

第二种为跨越型动态评价，即中枢路径及边缘路径之间不同的变动，如在线课程质量和系统体验方面的变化。

第三种为集中型动态评价，即两者结合的情况到中枢路径、边缘路径的变动，如在原始的评论中侧重在线课程质量和系统体验方面两点，而在追加的信息中关注其中一个方面，侧重在线课程质量或者系统体验。

第四种为扩散型动态评价，即由中枢路径或边缘路径到两者结合的变动，如在原有的信息中关注在线课程质量或者系统体验方面一个点，而在追加信息中两个点都有侧重。因此，根据以上四种情况，代表了对于评论信息的四种动态评价方式，如图1所示。

（二）指标体系及计算标准构建

根据以上的评价模型，对应的评价指标体系可以分为三个方面。

1.评论结构变动指标。该类指标是针对中枢路径、边缘路径和两者结合的评论内容。通过对比其中结构的变化，即各自占总评论的比重，来确定学生对于在线课程评论的动态变化。其中学生在线课程评论结构比重是三类评论（中枢路径、边缘路径、两者结合）在所有评论中的比重，所有评论包括原始评论和追加的评论。换言之，如中枢路径的评论结构比计算方式为A/（A+B+C），其他类型以此类推。此外，通过评论结构比重，可以从横向和纵向两个方向判断评论的变化。横向上主要观测不同时间段内原始评论或者追加评论变化情况，如不同月份追加评论占所有评论的比重。纵向上主要是针对同一个学生参与者在原始评论和追加评论上的比较。这样不仅可以系统观察学生在线课程评论的兴趣点转移情况，而且可以辅助教师观察在不同阶段调整课程后，能否动态取得良好结果，例如当调整讲课风格之后，学生评论由原来的厌烦到追加评论中的称赞或者较少关注讲课风格。

2.跨類变化指标。该类指标主要指学生在线课程评论的焦点在中枢、边缘及两者结合之间变化，是动态评价模型中的四种类型，分别表示为平移程度、跨越程度、集中程度和扩散程度，通常而言采用比重的方式表示程度。换言之，可以刻画学生对课程信息质量或系统体验方面的焦点在所有评论当中的变化情形。如根据图1中的符号，1/（1+2+3+4）表示平移程度，即衡量学生在线课程评论信息关注点的变化过程。

3.内部变化指标。该类指标是指在线课程内容（I）与在线课程形式（II）、平台特性（III）和辅助性学习资料（IV）之间的变换，是中枢或边缘路径内部的变化，用来刻画学生在线学习过程中注意力转移的数量情况。其中在线课程质量注意程度是在线课程内容/在线课程形式（I/II），这个比值表示学生对于在线课程质量关注的侧重点，如果两个方面都有关注，那么在线课程内容和在线课程形式的数量都需要加上1。同时也可观测出学生从原始评论到追加评论注意力转移的情况，据此教师可以调整课程等手段满足学生要求。系统体验方面注意程度是平台特性/辅助性学习资料（III/IV），此比值表示学生对于系统体验方面关注的侧重点，如果学生两个点都有关注，则在平台特性和辅助性学习资料的评论数量上都加1。这可以帮助教师识别系统方面的影响因素，反馈到平台管理者。

（三）操作步骤

根据以上分析，本文对学生在线课程评论的动态变化评价方法操作步骤总结如下。第一，选定学生在线课程作为研究对象，采集学生在线课程评论的文本信息。第二，确定评论文本的筛选规则，精选出原始评论和追加评论。第三，按照上述模型中四种信息的分类，将评论文本进行特征提取，包括文本内容和数量的统计。同时按照计算标准，并据此计算各个指标数值。第四，对计算的结果进行对比研究，分析学生在线课程评论中的变化趋势以及注意力的变化情况。

三、学生在线课程评论的动态变化的案例分析

（一）数据来源

本文选择爱课程网上的国家精品课程作为研究对象，之所以选择该平台的学生在线课程，主要基于以下考虑。第一，2011年教育部启动了“国家精品开放课程建设与共享”项目，爱课程网作为优质课程资源共享平台，其平台上为学生提供多达千门资源，教学资源丰富且具有代表性。第二，爱课程网上的中国大学MOOC、一流大学系列课程、中国职教MOOC等栏目，为学生提供多样性课程选择，每门课程学生在线评论数量平均超过了100条，为学生在线课程评论的动态变化评价提供文本信息。第三，为避免课程的重复性，同时兼顾课程的人气排行榜，选择具有较高人气的不同课程。

经过调查，截至2020年3月底，在爱课程网上，全国大学生在线课程数量已经超过三千门，以“最美慕课——第二届中国大学慕课精彩100评选展播活动”为依托，选取其中排名靠前的课程，如审计学、管理学原理等，人工筛选原始评论以及追加评论，对于其中“这门课很好”“不错的课程”“下次继续听这门课”等这样的信息予以剔除，合计得到有效评论为440条，其中原始评论220条，追加评论为220条。

（二）数据处理及结果讨论

1.评论信息特征提炼。本文采用高频词汇的方法，对现有词汇进行归类和归纳，划分为中枢路径和边缘路径两类，相应的详细内容如表1所示。

2.评论结构变动分析。根据表1提取的信息标准，对440条的评论信息（原始评论和追加评论）进行归类和对比，处理结果如表2所示。

根据表2可得，中枢的信息是逐渐增多的，表明学生在学习一段时间之后，对学习课程喜欢或不喜欢主要受到课程质量的影响，不管是在线教学还是课堂教学，课程质量始终是学生关注的焦点，学生始终希望能够在课程当中学习到新的知识和技能。边缘的信息尽管也增加了，但是总数上相对偏少，说明学生不太关注平台特性和辅助性学习资料。进一步而言，追加评论中的中枢、边缘信息比原始评论要多28条，表明学生的注意焦点更加集中，可见，教师在保证在线课程质量的同时，要完善系统体验方面的服务，因为学生可以由于在线课程中有效的学习而容忍系统平台不稳定带来的苦恼，增加学生学习体验的好感。

3.跨类变化指标分析。根据上述评价模型，结合表2的内容，对跨类变化指标进行统计和分析，处理结果如表3所示。

根据表3可得，四类变化的平移程度为60.45%，表明学生在线课程学习情绪比较平稳，而第二位集中型程度为22.27%，说明学生的注意力逐渐聚焦。在变化率超过80%的类型当中，平移型的A→A和集中型的C→A表明学生评论是向在线课程质量（内容和形式）聚拢的，同时也显示在线课程质量是学生关注的核心。跨越型中A→B和扩散型中A→C的程度均超过了70%，表明学生还会关注在线课程质量之外的系统平台体验，同时只有系统平台体验方面令学生满意或不满意时候，学生的主观态度才会发生重大转变。

4.内部变化指标分析。根据表3可知，平移型变化占据主要地位，需要展开来分析其中枢路径及边缘路径信息，按照选取关键词的原则，作为计数的标准，处理结果如表4所示。

根据表4可得，学生在线课程评论侧重原始评论，即在学习之后给出评论信息，而追加评论较少。在纵向比较当中，在线课程质量注意程度比值均超过1，说明在线课程内容均比其形式重要，在原评论当中在线课程质量注意程度1.29<4.64，表明学生越来越关注在线课程的内容。可见，教师在提供系统知识的同时，要兼顾差异化，提供形式多样、讲解有趣的课程。原始评论中系统体验方面注意程度1.15<1.88，顯示学生更注重平台学习体验的流畅性，平台管理者可以为学生提供更好的稳定性和响应速度体验，提高学习的满意度。而在横向比较当中，学生关注中枢路径超过了边缘路径（357>140），表明学生关注的是在线课程质量。因此，爱课程网上的在线课程不仅需要教师重点关注课程质量方面的内容，而且还需要平台管理者提供有效的服务体验，从而可以改变学生的满意感和学习态度。

四、结论

面对学生在线课程学习连续性弱、学习效果和体验差等问题，本文以ELM为基础，构建了学生在线课程评论的动态变化评价方法，并以爱课程网上的国家精品课程评论为例，帮助教师和平台管理者高效开展教学及管理工作，从而得到以下结论。首先，以评论信息为依托构建动态变化评价模型。以往研究注重原始评论忽视了追加评论，而本文结合两者信息寻找其中动态变化的规律。其次，系统考虑学生评论的动态变化。过去成果侧重在某个时段的评论信息，忽视全局的变化，而本文通过评价标准识别出变化的方向和趋势。最后，深化在线课程质量评价研究。已有的研究注重在线课程质量指标构建，而本文在此基础上深入开展动态评价，从而进一步推进在线课程质量的提升。

参考文献：

[1]宋灵青，许林，李雅瑄.精准在线教学+居家学习模式：疫情时期学生学习质量提升的途径[J].中国电化教育，2020（3）.

[2]郭芬云，孟欣.师生交往：教师和学生的再相遇[J].教育理论与实践，2020（2）.

[3]王璐，赵呈领，万力勇.基于扎根理论的在线开放课程质量评价指标体系构建研究[J].中国远程教育，2017（11）.

[4]沈丽巍.教育生态学视角下高校“课程思政”教学评价体系的构建[J].佳木斯大学社会科学学报，2020（4）.

[5]Petty R.E.，Cacioppo J.T..The Elaboration Likelihood Model of Persuasion[J].Advances in Experimental Social Psychology， 1986（19）.

[6]杨文阳.基于SOM 聚类法的在线学习分析研究[J].中国教育信息化，2020（5）.