熊 焱 孙堂旺

(辽宁科技大学理学院，辽宁 鞍山 114051)

一、引言

网络速度逐步提升，电子设备快速普及为多形式教学渠道展开提供便利条件。通过制定可量化、操作性的强课内外活动可以有效地监管和指导学生学习过程，督促学生形成自主的学习习惯，提升学生专业素养。这类闭环教学过程的有效构建是保证教学质量，体现教学效果的关键，其中形成性评价环节是量化过程考核方式的评估，对任课教师和学生进行双向监督和管理作用。形成性评价可以全方位了解学情情况，教师关注学生学习结果的同时更注重其学习全过程的质量，从根源上改变学生平时应付作业，期末突击复习，所学不知所用的“以教师、内容为中心”的传统教学局面。为充分发挥形成性评价方案对学生的引导、育人功能，需要对已有的学情数据进行细致分析，甄别各项教学活动的实施对学生的课程育人影响程度。一些高校已经将大数据分析技术用于学情数据的分析和预测，例如利用决策树分析课业学习、实习兼职和社团活动等因素对大学生毕业后的职位晋升影响[1]；分析学生考研复习方式的学情数据了解学生的学习偏好[2]；利用叶斯分类器建立实验课程成绩预警系统[3]；采用Apriori算法分析学情数据挖掘不同课程之间关联性，为教师弥补前继知识不足提供依据[4]。本文运用决策树方法借助学情数据信息，提取各类课内外教学活动实施与课业成绩的潜在规则，帮助教师了解个体的学习情况，为后继教学策略的改进和优化提供依据。有针对性的给出教学策略调整的对策建议，为完善学生学业评价体系，发挥形成性评价的效能助力。

二、决策树方法基本原理

决策树是信息提取，预测和分类等方面广泛应用的数据信息挖掘的逻辑方法。在数据信息学习过程中仅需少量的背景知识就能使用该算法学习[5]。决策树由决策结点，分支节点和叶子节点组成。决策树中最上面的叶子作为根节点，每个分支都是新的决策结点，每一个叶子结点代表一个可能的分类属性。决策树从上到下的建立过程中会在每个结点处遇到一个测试，不同的测试属性将导致不同的分支，最后会到达一个叶子节点。ID3算法是处理离散值属性的最经典的决策树构造算法。ID3算法具体策略如下：

首先，计算类别属性的信息熵。假设数据集合S是由n个测试属性的样本构成的集合，测试属性分别为Ci(i=1,2,...,n)，则类别属性总的信息熵为：

(1)

其中Pi表示测试属性Ci的概率。

其次，计算测试属性信息增益。假设测试属性Ci={a1,a2...am}将S划分为m份，Sij表示Ci划分S后的第j个子集，|S|和|Sij|分别表示集合中的样本数目，则测试属性Ci划分样本的信息熵为：

属性Ci对S划分的信息增益为

gain(S,Ci)=entropy(S)-entropy(S,Ci) (3)

最后，选择信息增益最大的测试属性作为决策树分支节点。如此往复，将每个分支节点作为新的决策节点继续上面的过程，最终构造出决策树。

三、形成性评价决策树模型

研究学情数据来源于本校工科专业21级的数学课程教学统计数据。

(一) 学情数据预处理

在教务系统中收集数据，由于部分学生居家学习记录为噪声数据标记，期末缓考同学数据为不完整数据标记。清洗后的数据集S包含39名学生数据信息，其中女生17名，男生22人，即|S|=39。

(二)数据属性

形成性评价对教师而言，首先需要精心准备每一项需要学生完成的教学任务，才能将学生理论水平和实践能力客观的评价出来，充分调动学生的自主性和创新性，实现课程育人的目标。任课教师在工科专业21级的数学课程教学过程中，实施一系列的课内外教学活动，通过线上平台给出学生参与每次活动的评分，作为过程考核的量化成绩。教学活动实施的指导思想是提升学生主动参与学习的热情，体现以学生为中心的理念，让学生切身感受到学校联合办学宗旨和人才培养的目标的需求。通过考核促进教学方式的创新，真正的让学生动起来、让课堂气氛活跃起来。切实提升教学质量。力争做到把学习主动权还给学生，把发展空间留给学生。课内活动包括出勤记录、课前小测、翻转课堂活动、小组讨论、学习笔记记录等项评分，课外活动包括课后习题篇作业、二次阶段性学习效果测评，金点子助课，难题分享、三人组成的学习小组共同完成整理篇作业互助和章节内容思维导图的绘制等活动评分。另外借助信息平台的消息发布功能，学生可以及时的通过私聊与教师取得联系，通过语音、打字、上传图片等方式进行师生线上交流。

为建立决策树模型，依照教学活动的实施时间要求对各项教学活动的综合评分进行归类处理，建立一个学生学情分析数据表。数据表中包含1个以期末考试成绩为划分的综合成绩类别属性，具体来说将期末考试成绩高于80的同学归为综合成绩好的一类，将考试成绩低于80分的归为综合成绩差的一类。数据表中还包含3个测试属性，即课内活动表现、课外活动表现和性别属性。课内活动表现属性C1反映的是学生在课堂上的综合学习表现成绩，这部分教学活动任务给与学生完成的时间较短，需要学生紧跟课堂节奏，勇于担当，要想取得好的成绩就得平时利用教师给定的教学资源做好各项预习和复习任务。属性C1采取三阶段成绩划分的方法，首先给出各项活动的综合评分，然后将成绩划分为三段，分别标注为好、中和差。课外活动表现属性C2反映的是学生在课后的综合表现成绩，体现学生的自主学习的情况和能力，这部分教学活动任务给与学生完成的时间较长，学生可以自主复习后完成，要想取得好成绩，需要学生具有较好的自主学习管理能力，并且愿意在小组活动中分担更多责任。属性C2也采用三阶段成绩划分的方法，分别标注为好、中和差。性别属性C3是综合评价过程学习表现后，发现不同性别的学生对待课业任务的态度具有一定的性别表现相似性，因此也作为一个测试属性。具体的学情数据成绩分类样本统计见表1。

表1 学情数据成绩分类样本统计

(三)形成性评价决策树的构建

运用ID3算法建立决策树。通过学情数据统计知综合成绩好的样本数为26人，综合成绩差的样本数为13人。

首先由公式(1)计算类别属性的熵值为

其次，计算各测试属性划分的信息熵为

entropy(S,C1)=0.8869

entropy(S,C2)=0.8019

entropy(S,C3)=0.8710

计算各测试属性划分的信息增益为

gain(S,C1)=0.0314

gain(S,C2)=0.1164

gain(S,C3)=0.0473

因此，选取课外活动表现属性C1作为当前的分支节点。

最后，以分支节点为根节点，继续计算。最终形成决策树模型，见图1。

图1 形成性评价决策树模型

四、分类规则抽取与分析

(一)规则抽取

从决策树中可抽取如下分类规则：

If课外活动表现好 and 课内活动表现好 then 综合成绩好；

If课外活动表现好 and 课内活动表现中 and 女生 then 综合成绩差；

If课外活动表现好 and 课内活动表现中或差 and 男生 then 综合成绩好；

If课外活动表现中或差 and 女生then综合成绩差；

If课外活动表现中 and 男生 then综合成绩好；

If课外活动表现差 and 男生 and课内活动表现中then 综合成绩好；

If课内活动表现差 and 男生 and课内活动表现差then 综合成绩差。

(二)结果分析

从分类结果看，课内外活动参与情况与课业成绩联系紧密。课外活动表现对综合成绩的影响最大，特别是课外活动的表现对女生影响要大于男生。课内活动对男生的影响远大于女生。由于样本数量不大，所以可能导致模型的泛化能力不足。选取利用相同教学方法授课的20份样本测试决策树的大致精度，正确率达到70%。三类测试属性的分类可供类似教学方法实施的形成性评价的评估提供借鉴。

五、对策建议

(一)学情特点分析

为进一步分析学生的学情特征，帮助教师全面的了解各类教学活动的实施效果。通过对比前继课程的学习情况和课内外活动的统计数据来详细分析学生过程学习的行为特点与和与综合成绩的关系。

(1)课外活动表现分析

通过前述3.3小节建立的形成性评价决策树模型提取的关联规则，可以看到课外活动表现对综合成绩的影响最大。本文研究的课程是有两学期教学任务的数学课程，教学方式改革在第二学期进行。表2给出了不同课外表现的综合成绩平均分对比情况。可以看到，课外活动表现与课内表现、两学期的期末考试成绩均正相关。女生课外活动好的人数较多，但期末考试平均分均低于同类的男生成绩。男生课外活动中或差的同学人数较多，同时也明显的拉低了课内活动平均成绩。

表2 不同课外表现综合成绩平均分对比表

(2)课内活动表现分析

表3给出了不同课内表现综合成绩平均分对比情况。可以看出，课内表现成绩与其它因素成绩之间是正相关的，但课内表现中和差的期末考试成绩平均分相差不大。女生的整体课内表现成绩明显好于男生，但期末考试成绩平均分低于同类别男生平均成绩。课内表现差的男生人数众多，这部分同学的课外表现成绩尚可。

表3 不同课内表现综合成绩平均分对比表

(3)性别因素分析

表4 给出不同性别学业成绩平均分对比。通过对比数据可知，教学方式改革后，同学们的课业成绩都有了明显的提升，特别是男生的平均成绩提升幅度巨大，女生成绩的提升幅度远小于男生。但从课内外活动表现出来的情况看，女生的平均过程得分均高于男生。特别是课内活动这方面，女生平均分更是远高于男生的平均分。查阅教学平台过程管理记录数据看到，女生参与各项活动的数量和准确度确实远多于男生，说明女生的责任心比较强，愿意参与各类活动，但教学活动有一定的能力要求，多数同学借鉴讨论后完成，所以提交的时间都比较晚。男生比较情绪化，课外活动参与热情高，逻辑思维能力基础好，参与课内活动出现两极分化的现象。相比之下在期末考试中取得的成绩更好。

表4 不同性别学业成绩平均分对比表

(二)对策建议

加强课程活动管理，多元化综合评分标准。各项教学活动的评分不能只依赖于完成与否和对错与否。还需要考虑完成顺序的先后，将时效性引入形成性评价。时效性的记录需要占用教师的大量课余时间进行数据统计。因此，需要开发智能打分程序，实现依据学生的提交时间先后给出阶段性的评分，这样更能客观的对学生进行过程考核成绩评估，也会减少抄袭和平时不认真学，期末靠突击复习考取高分，而实际学科应用能力不足的情况。另外，引入竞争、互助和互评机制，例如在课堂问答环节引入互评机制，安排小组成员根据课中测试和问答情况共同打分、评价，提升学生的学习热情，再如课外活动环节也可以由同学共同预习，讨论和分组互助的方式进行，做的好予以加分。

拓展课程教学内容，实施多样化的教学活动。从学情数据分析来看，形成性评价需要更丰富的教学策略，潜移默化的提升学生的学习能力。因此，完善教材讲练资源和丰富各个考核项目标的选题，使同学有更多选择机会参与课程活动，可以让学生学到更丰富的课程内容，锻炼学科思维能力。同时，教师也可以给出更客观的形成性评价。

六、结语

通过学情数据建立的决策树模型和学情特点分析，全面的剖析了形成性评价对学生课业成绩和过程学习的影响，课外活动的引入对学生自主学习能力和创新意识的培养影响较大，教师应该更注重这类活动的组织与设计。另外教学活动实施要兼顾全局的同时，也要考虑个性化的需求，使得学习能力差别较大的学生都有适合的教学活动参与，完成育人目标。其它类别课程的形成性评价效果分析可以借鉴本文提出的建立决策树模型的方法。