文竹

[摘 要] 移動、互聯(lián)、智能、協(xié)同是當今混合教學的顯著特征，技術的發(fā)展和智能終端學習應用促進了學習的多樣性，如何準確反饋學習者在線學習的有效性成為許多學者研究的重點。從總體思路、模式設計、模型設計和評價報告等幾個方面對軟件技術專業(yè)學生在混合教學模式下的考核進行的改革與嘗試做出深入研究。

[關 鍵 詞] 混合教學；評價；在線學習；軟件技術；改革

[中圖分類號] G712 [文獻標志碼] A [文章編號] 2096-0603（2019）03-0031-03

一、前言

當前，一方面，高校畢業(yè)生的就業(yè)壓力加大；另一方面，許多企業(yè)又難以找到生產服務一線的高素質技術技能人才，解決就業(yè)結構性矛盾最重要的就是培養(yǎng)產業(yè)轉型升級急需的人才。探索解決高校畢業(yè)生就業(yè)難和企業(yè)高層次技術技能人才緊缺的結構性矛盾，形成適應經濟社會發(fā)展需求的合理人才結構。

二、軟件技術專業(yè)考核評價現狀

近二十年來，學習不再是固定的課堂學習的學習行為模式，互聯(lián)體現在學習者與學習者、資源與資源、學習者與資源聯(lián)結使得人們可以隨時隨地獲得合適的學習資源。因此，技術的發(fā)展和智能終端學習應用促進學習的多樣性，使得學習方式產生重要轉變。然而，混合教學中在線學習部分的碎片化知識點不利于學習者知識體系構建的邏輯性，難以解決復雜學習任務和形成完整且有縱深感的個人知識體系。在線學習內容是分解之后的碎片化、微形化資源，其分解的合理性和完整性直接影響學習者知識結構。在線學習內容容易導致學習者思維認知結構碎片化和分散化。

所以，如何準確反饋學習者在線學習的有效性成為很多學者研究的重點。傳統(tǒng)的一次測評或一套考題進行考核，不能完全評估學習者聯(lián)網學習的真實水平。以我院軟件技術專業(yè)為例，雖然系部對畢業(yè)生的考核方面做出多種改革與嘗試，但對學生技術能力測評沒有一個科學有效的測評方法。通常我們評估學生對專業(yè)技術能力掌握程度主要以“考試成績+實訓成果+教師/企業(yè)評價”這幾個維度來進行考核。這種方式存在以下幾個主要缺點。

1.以教師為中心，考核的內容過于主觀，無法客觀地反映出學生技術能力掌握程度。學生容易產生畏難情緒，從而敷衍了事。

2.沒有與企業(yè)崗位能力相匹配，導致人才供需脫節(jié)。

3.沒有建立起一整套科學有效的測評方法，用以在人才培養(yǎng)的各個階段對學生技術能力掌握情況做出評估，從而及時糾正學生技術問題，提高教學效果，提升技術能力。

上述問題的存在嚴重制約著我院軟件技術專業(yè)人才的培養(yǎng)和輸送。因此，我們研究混合教學模式下軟件開發(fā)人才的能力測評方法，目的就是要尋求解決上述問題的方法和途徑，以期根本性地提高我院人才培養(yǎng)質量，消除學校與企業(yè)在技術上的差距，縮短畢業(yè)生計算機軟件開發(fā)水平與企業(yè)用人之間的差距，真正實現將學生培養(yǎng)成技能型人才。

三、混合式教學模式下軟件技術專業(yè)新考核評價體系的具體實現

（一）總體思路

1.制定混合教學模式下學生在線學習與面對面的教學、新知識與技能的學習以及其應用和遷移有機地結合起來的互聯(lián)網學習結構的途徑和方法。

2.制定混合教學模式下的評價模型，以揭示學習數據之間隱藏的關系、模式和趨勢。有助于掌握軟件技術專業(yè)學生的學習規(guī)律，便于更全面地評價學習效果及個性化學習干預指導。

3.設計學生過程學習分析評價報告，激發(fā)學生學習的內在動機，認識自我、發(fā)展自我、規(guī)劃自我，提高學生的自我學習效率，達到混合教學模式的效果。

（二）混合教學模式的設計

1.混合教學模式的結構

混合教學模式結構圖如圖1所示，學習結構結合線上教學有7個環(huán)節(jié)組成，充分說明學生可實現課外學習及課堂學習的途徑和方法。

課堂：

路徑1：通過（1）（2）（4）（5）（7）等5個環(huán)節(jié)，可以實現教師、管理者根據信息面板中可視化用戶信息，調整教學策略，實施個性化指導和教學干預，有助于掌握學生的學習規(guī)律、優(yōu)化學習過程、改進學習效果。

課外：

路徑2：通過（1）（2）（4）（5）（6）等5個環(huán)節(jié)，可以實現學生根據可視化信息（如學生特征、學習結果、學習需求等）進行自組織學習，制定并執(zhí)行學習計劃、自主選擇學習策略、學習資源、對學習進行自我評估，有助于提高學生的學習能動性和主動性。

路徑3：通過（1）（2）（3）等3個環(huán)節(jié)可以實現系統(tǒng)采用貝葉斯網絡、協(xié)同過濾推薦技術、項目反映理論、Felder-Silverman學習風格模型及霍夫斯坦德文化模型等判定學習風格、興趣偏好、知識水平、學習文化等學生特征，適應性呈現個性化、可視化的學習路徑、學習資源、同伴信息、工具等，有助于提升學生的自我效能感。

2.學習行為分析

如圖2所示，根據學生學習的行為模式、個性化特征等信息，從海量數據中挖掘出有價值的學習信息。

3.知識圖譜

根據社會企業(yè)對軟件技術人才的需求以及我院軟件技術專業(yè)的課程體系積累，研究建立學生學習知識圖譜。

知識圖譜反映了對培養(yǎng)目標在技能知識覆蓋方面的范圍界定，可以按照不同的課程或語言進行分類設計，例如以C語言課程為例，可以設計出以程序結構、數據類型、運算符、表達式、順序結構、選擇結構、循環(huán)結構、數組、字符串、函數、結構體、指針為主要項的知識圖譜，每個一級項還可以繼續(xù)細分。

（三）人才評價模型的設計

混合教學模式路徑中，教育技術支持系統(tǒng)記錄學生學習過程中的每一類數據，并通過過程化評價標準，進行數據分析，采用分析模型，最終得到學生的測評報告。

（四）評價報告

1.學生學業(yè)總結報告

通過總結的形式進行教學干預可以有效地影響學生的表現。通過公式得出學生最終的總成績：（過程性評價得分/過程性評價總分×60%+作業(yè)測試得分/作業(yè)總分×40%）×100（總分：終結性評價分數與過程性評價分數之和）。

2.學生過程性評價報告

課堂內外采集的不同維度學習時長、學習效率、學習頻率等學習過程數據作為評價標準（此標準可詳細設計），可以使學生了解自己最新的學習狀況，知道自己離設定的學習目標之間的差距，激發(fā)學生學習的內在動機，促進學生的認識、發(fā)展和規(guī)劃，從而提高學習效率。

3.過程評價維度

過程評價標準指評估學生對某個知識項的掌握情況，與傳統(tǒng)的終端評價方案相比，在線過程化評價需要具備以下新特性：

（1）側重對技能實踐掌握的分析評價，而非對理論試題記憶的評價。

（2）基于過程數據，而非基于結果數據。

（3）持續(xù)積累，而非一次性評定。

（4）系統(tǒng)自動評定，而非老師人工評定。

（5）學習和評價一體，而非學習和評價分開。

基于學習過程，設計出多個維度的評價項，例如：

知識掌握：通過系統(tǒng)自動評價知識點下各種案例題的結果完成情況，評價對該知識點的掌握情況，包括廣度和深度。

學習積極性：根據學生進行有效學習的次數，包括按時預習、復習、作業(yè)的次數等以及每次（天、周）累積的學習時間，設計出學習積極性的指標。

學習效率：根據每個案例題從開始學習到完成的時間、運行調試的次數、錯誤的比例、代碼編寫的節(jié)奏等多種元數據，設計出一種能衡量學習效率的指標。

把多個維度的評價項綜合起來，能更加有效地從不同角度對學生在線學習的有效性進行評價，同時通過不同時段的數據分析，還可以設計出更多的維度，例如衡量學生提升速度的指標。

4.過程數據評價

通過數據采集在線學習過程中學習頻度、學習時長、學習效率三個維度，這三個維度的數據都從學生的在線學習過程數據中采集，并每周統(tǒng)計，經過處理分析形成學生的測評報告。三個維度的總分值100分，學習頻率權重40分，學習時長權重30分，學習效率分值30分，評分方案是以學生學習過程中是否達到標準為依據，該方案明確并且充分反映出學生學習了什么、學到了什么，能有效評價學生的在線學習。

5.過程性報告可視化表現

學習過程數據可視化，有助于教師掌握學生的學習規(guī)律、優(yōu)化學習過程、改進學習效果、提升教育質量。

四、結束語

隨著軟件產業(yè)的發(fā)展，未來合格軟件人才的需求將以每年20%左右的速度增長。廣西壯族自治區(qū)在信息傳輸、計算機服務和軟件業(yè)人才需求方面出現了突破性的增長，2016年二季度，該行業(yè)的人才需求量首次突破2萬人大關，達到22642人，創(chuàng)歷年各季度新高，與2015年同期的16411人相比增加6231人，漲幅達37.97%。同時，在2016年6月我國成為第18個《華盛頓協(xié)議》正式成員，我國的工程類專業(yè)可以通過工程教育認證體系和工程教育標準實現學位國際互認。工程教育專業(yè)認證的核心就是要確認工科專業(yè)畢業(yè)生達到行業(yè)認可的既定質量標準要求，是一種以培養(yǎng)目標和畢業(yè)出口要求為導向的合格性評價，因此專業(yè)培養(yǎng)目標可量化、可測評已成為高校人才培養(yǎng)研究所必需的。

通過混合教學模式，將在線學習與面對面的教學、新知識與技能的學習以及其應用和遷移有機地結合起來，使學生學習的數據，包括課堂學習、課后學習、測試過程等，被及時地記錄，成為過程性評價評判的依據，并且通過機器進行分析處理，從多個學習情境內深層次挖掘學生有價值學習數據信息，揭示其中隱藏的學習行為等模式，并以可視化方式呈現。在未來教育技術不斷發(fā)展的條件下，教育技術將會不斷滿足學生的學習需求，評價學生的學習能力，最終促進學生掌握和運用學到的新知識與新技能，并提高學生的實踐應用能力。

參考文獻：

[1]姜強.基于大數據的個性化自適應在線學習分析模型及實現[J].中國電化教育，2015（1）：85-92.

[2]李怡雯.基于云教育平臺的計算機專業(yè)畢業(yè)生素質能力評估模型[J].新教育時代電子雜志（教師版），2015（9）：45-46.

[3]王鳳姣，唐慶.提高地方院校教學秘書工作效率之初探：以湖南人文科技學院為例[J].當代教育理論與實踐，2016，8（5）：119-121.

[4]何春梅.工程教育專業(yè)認證環(huán)境下《人工智能》課程教學改革的探討[J].教育教學論壇，2017（32）：88-89.

編輯 尚思達