朱家成 陳剛 向華 李支成 吳開(kāi)誠(chéng)

摘要：混合教學(xué)是在當(dāng)前基于在線學(xué)習(xí)的基礎(chǔ)之上，提出的一個(gè)全新的教學(xué)模式，該模式推廣急需更為客觀的過(guò)程評(píng)價(jià)。通過(guò)收集混合教學(xué)實(shí)施過(guò)程的各種學(xué)生學(xué)習(xí)行為數(shù)據(jù)，進(jìn)行歸納總結(jié)，可以劃分為三大類(lèi)數(shù)據(jù)：傳統(tǒng)課堂數(shù)據(jù)，在線學(xué)習(xí)數(shù)據(jù)，階段測(cè)試數(shù)據(jù)。在此基礎(chǔ)上增加了特有的人工干預(yù)模型，并在這些數(shù)據(jù)的基礎(chǔ)上，搭建了學(xué)生行為分析評(píng)價(jià)數(shù)據(jù)挖掘模型。經(jīng)過(guò)真實(shí)教學(xué)數(shù)據(jù)的驗(yàn)證，增加了人工干預(yù)的隨機(jī)森林?jǐn)?shù)據(jù)挖掘模型能夠更好好的評(píng)價(jià)學(xué)生的學(xué)習(xí)效果，達(dá)到了實(shí)驗(yàn)預(yù)期。該模型為混合教學(xué)的探究提供了更深入的支持。

關(guān)鍵詞：混合教學(xué);人工干預(yù);行為分析;評(píng)價(jià)模型;數(shù)據(jù)挖掘;隨機(jī)森林

中圖分類(lèi)號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2019）29-0118-03

在當(dāng)前全球化的信息社會(huì)里，大數(shù)據(jù)應(yīng)用到各行各業(yè)的時(shí)代里，社會(huì)高校的教育方式日新月異，基于MOOC之類(lèi)的混合教學(xué)模式如雨后春筍，并得到了國(guó)內(nèi)外諸多優(yōu)秀高校的認(rèn)可，包括國(guó)外的斯坦福，哈佛，麻省理工等，國(guó)內(nèi)的北大，清華，復(fù)旦等諸多名校。在當(dāng)前背景下順應(yīng)而生了各種各樣的在線教育平臺(tái)，以及多樣化的在線教學(xué)模式，如何更好地提高在線教育的教學(xué)質(zhì)量與教學(xué)效率，利用好這個(gè)教學(xué)模式是當(dāng)今研究的熱點(diǎn)。

而MOOC和SPOC類(lèi)在線課程要求學(xué)生要具有較強(qiáng)的自主學(xué)習(xí)能力和學(xué)習(xí)動(dòng)力，而學(xué)生在長(zhǎng)期應(yīng)試教育模式下，無(wú)法適應(yīng)在線課程的學(xué)習(xí)模式。在線課程難以實(shí)現(xiàn)個(gè)性化教學(xué)，以及缺少對(duì)學(xué)生學(xué)習(xí)行為的制約，因此無(wú)法達(dá)到預(yù)期的學(xué)習(xí)效果。為了解決這一問(wèn)題，我們江漢大學(xué)采用的是混合教學(xué)模式。

1混合教學(xué)

混合教學(xué)將MOOC和SPOC等在線教育形式引入到高校傳統(tǒng)課堂中，混合教學(xué)中的在線學(xué)習(xí)是在教師指導(dǎo)下實(shí)現(xiàn)有意義的個(gè)性化自適應(yīng)學(xué)習(xí)和深層次學(xué)習(xí)。采用混合學(xué)習(xí)形式，既有利于共享優(yōu)質(zhì)在線教育的資源，提升高校的品牌效應(yīng)，又能夠發(fā)揮在線學(xué)習(xí)的特點(diǎn)，使線下課堂變得更加動(dòng)態(tài)、靈活，提高了校內(nèi)教學(xué)質(zhì)量?；旌辖虒W(xué)是把學(xué)生作為教學(xué)活動(dòng)的主體，教師變成教學(xué)過(guò)程控制的主體，將傳統(tǒng)教學(xué)的優(yōu)勢(shì)和互聯(lián)網(wǎng)在線課程的優(yōu)勢(shì)結(jié)合起來(lái)，既發(fā)揮教師引導(dǎo)、啟發(fā)、監(jiān)控教學(xué)過(guò)程的主導(dǎo)作用，又充分體現(xiàn)學(xué)生作為學(xué)習(xí)過(guò)程主體的主動(dòng)性、積極性與創(chuàng)造性，從而取得最優(yōu)化學(xué)習(xí)效果的教學(xué)方式。混合教學(xué)是在線教育在高校校內(nèi)教學(xué)中應(yīng)用的真正價(jià)值。

本文是通過(guò)江漢大學(xué)計(jì)算機(jī)中心在超星平臺(tái)上開(kāi)設(shè)的《大學(xué)計(jì)算機(jī)基礎(chǔ)》這門(mén)課為基礎(chǔ)，通過(guò)分析這門(mén)課采用的混合教學(xué)模式下的學(xué)生學(xué)習(xí)行為相關(guān)數(shù)據(jù)，構(gòu)建模型，對(duì)學(xué)習(xí)效果進(jìn)行預(yù)測(cè)，以達(dá)到對(duì)混合教學(xué)，在線學(xué)習(xí)這種教學(xué)模式的探究，并為教育模式的改進(jìn)打下堅(jiān)實(shí)的基礎(chǔ)。江漢大學(xué)計(jì)算中心推行《大學(xué)計(jì)算機(jī)基礎(chǔ)》混合教學(xué)已有兩年有余，本人也是混合教學(xué)實(shí)施的一線教師研究者，積累了豐富的混合教學(xué)數(shù)據(jù)，通過(guò)對(duì)前人研究的總結(jié)與歸納，對(duì)自己教學(xué)行為數(shù)據(jù)的分析，并通過(guò)最終期末測(cè)試驗(yàn)證，充分證實(shí)了混合教學(xué)的優(yōu)勢(shì)，與行為分析預(yù)測(cè)模型的準(zhǔn)確性。

2學(xué)生行為數(shù)據(jù)分析

2.1發(fā)現(xiàn)行為

混合教學(xué)中，學(xué)生在教師的監(jiān)控、引導(dǎo)下利用在線課程進(jìn)行自主學(xué)習(xí)。在線學(xué)習(xí)與課堂學(xué)習(xí)混合進(jìn)行，在線學(xué)習(xí)平臺(tái)和課堂教學(xué)信息化平臺(tái)提供大量和學(xué)生學(xué)習(xí)行為數(shù)據(jù)，數(shù)據(jù)包括線上數(shù)據(jù)和課堂數(shù)據(jù)兩部分。線上數(shù)據(jù)包括在線學(xué)習(xí)平臺(tái)中記錄的各種學(xué)習(xí)行為數(shù)據(jù)，例如學(xué)生觀看視頻的時(shí)間序列，學(xué)習(xí)資源的瀏覽形式、在線交流的時(shí)間、參與教學(xué)互動(dòng)和論壇討論，交互式練習(xí)測(cè)試的結(jié)果等等。線下課堂學(xué)生行為數(shù)據(jù)包括學(xué)生點(diǎn)名、實(shí)驗(yàn)、小組討論、課堂測(cè)試、報(bào)告、期末考試等數(shù)據(jù)?？偟膩?lái)說(shuō)，所有的學(xué)生參與的教學(xué)行為可以分為三大類(lèi)：傳統(tǒng)教學(xué)數(shù)據(jù)、在線教學(xué)數(shù)據(jù)、階段單元測(cè)試數(shù)據(jù)。

2.1.1傳統(tǒng)教學(xué)數(shù)據(jù)

傳統(tǒng)教學(xué)數(shù)據(jù)顧名思義，來(lái)源于混合教學(xué)中傳統(tǒng)課堂上產(chǎn)生的數(shù)據(jù)，而《大學(xué)計(jì)算機(jī)基礎(chǔ)》這門(mén)課比較特殊，除了常規(guī)的點(diǎn)名作業(yè)之外還是有上機(jī)練習(xí)實(shí)驗(yàn)部分，所以歸納起來(lái)傳統(tǒng)教學(xué)數(shù)據(jù)有以下幾種：

（1）課堂點(diǎn)名

（2）課堂提問(wèn)

（3）課堂限時(shí)作業(yè)

（4）課下實(shí)驗(yàn)

（5）課下作業(yè)

2.1.2在線教學(xué)數(shù)據(jù)

在混合教學(xué)中與傳統(tǒng)課堂最明顯的區(qū)別就是增加了大量的在線學(xué)習(xí)數(shù)據(jù)，一般在線學(xué)習(xí)都是有相應(yīng)的在線學(xué)習(xí)平臺(tái)，本文研究中學(xué)生所使用的在線學(xué)習(xí)平臺(tái)是超星學(xué)習(xí)通學(xué)習(xí)平臺(tái)。一般不同的平臺(tái)所提供的在線學(xué)習(xí)數(shù)據(jù)都不盡相同，但歸納起來(lái)也基本在以下幾點(diǎn)以?xún)?nèi)：

（1）在線點(diǎn)名

（2）任務(wù)點(diǎn)完成情況

（3）視頻完成情況

（4）討論詳情

（5）訪問(wèn)詳情

（6）在線作業(yè)

（7）在線測(cè)試

2.1.3階段單元測(cè)試數(shù)據(jù)

在本次混合教學(xué)中，將大學(xué)計(jì)算機(jī)基礎(chǔ)的教學(xué)內(nèi)容分為了六個(gè)階段，分別是（A）計(jì)算機(jī)基礎(chǔ)理論知識(shí)，（B）計(jì)算機(jī)軟硬件系統(tǒng)，（c）Windows 7操作系統(tǒng)的概念與使用，（D）word軟件的使用，（E）Excel軟件的使用，（F）計(jì)算機(jī)網(wǎng)絡(luò)多媒體相關(guān)知識(shí)。

江漢大學(xué)計(jì)算中心為了更好地配合《大學(xué)計(jì)算機(jī)基礎(chǔ)》這門(mén)課程的混合教學(xué)的順利展開(kāi)，由系里的老師專(zhuān)門(mén)開(kāi)發(fā)了針對(duì)這門(mén)課的一個(gè)學(xué)生測(cè)試平臺(tái)，該測(cè)試平臺(tái)和最終期末考試形式類(lèi)似，通過(guò)知識(shí)點(diǎn)劃分，將每階段的內(nèi)容都拿出來(lái)給混合教學(xué)的學(xué)生進(jìn)行測(cè)評(píng)，從而可以得到階段測(cè)試數(shù)據(jù)。

2.2總結(jié)行為

課堂數(shù)據(jù)和在線學(xué)習(xí)數(shù)據(jù)相比，具有真實(shí)、可控的特點(diǎn)，同時(shí)也具有主觀成分，使得混合教學(xué)中的數(shù)據(jù)也更加復(fù)雜。對(duì)學(xué)習(xí)過(guò)程的追蹤和評(píng)估促進(jìn)了學(xué)習(xí)分析和教育數(shù)據(jù)挖掘的發(fā)展和應(yīng)用。隨著大數(shù)據(jù)時(shí)代的來(lái)臨，大數(shù)據(jù)存儲(chǔ)系統(tǒng)和數(shù)據(jù)分析方法的不斷發(fā)展，數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和人工智能等相關(guān)領(lǐng)域的蓬勃發(fā)展為本課題提供強(qiáng)大的技術(shù)支撐。

如何將這些復(fù)雜學(xué)習(xí)數(shù)據(jù)進(jìn)行清理、整合、分析、建模，從中發(fā)現(xiàn)有價(jià)值的模式和知識(shí)，并對(duì)學(xué)習(xí)效果進(jìn)行及時(shí)預(yù)測(cè)是本課題關(guān)注的焦點(diǎn)，也是混合教學(xué)研究中需要著重解決的關(guān)鍵問(wèn)題，具有極大的理論和實(shí)際應(yīng)用價(jià)值。

3建模評(píng)價(jià)

可以看出本次研究的數(shù)據(jù)眾多，在這些教學(xué)與學(xué)習(xí)行為數(shù)據(jù)里，本文根據(jù)數(shù)據(jù)最終的評(píng)價(jià)方向，構(gòu)建了隨機(jī)森林?jǐn)?shù)據(jù)挖掘模型，來(lái)判定最終的學(xué)習(xí)狀態(tài)。

3.1人工干預(yù)模型

人工干預(yù)模型主要是通過(guò)對(duì)平時(shí)教學(xué)工作中，學(xué)生實(shí)時(shí)表現(xiàn)情況的記錄，來(lái)進(jìn)行一個(gè)綜合指數(shù)的評(píng)價(jià)，因?yàn)槠綍r(shí)的學(xué)生數(shù)據(jù)記錄過(guò)程中，首先是在開(kāi)放環(huán)境中，不可避免有些數(shù)據(jù)是通過(guò)其他非常規(guī)手段得來(lái)的，而這些數(shù)據(jù)會(huì)在一定程度上影響最終評(píng)價(jià)結(jié)果，其次，是機(jī)器記錄的數(shù)據(jù)相對(duì)來(lái)說(shuō)不是特別完整，很多學(xué)生態(tài)度認(rèn)真，表現(xiàn)積極等信息很難被數(shù)據(jù)記錄下來(lái)，所以人工評(píng)fire型也尤為重要。

數(shù)據(jù)來(lái)源：傳統(tǒng)數(shù)據(jù)誠(chéng)信記錄（點(diǎn)名代簽記錄，作業(yè)舞弊記錄，實(shí)驗(yàn)舞弊記錄，階段測(cè)試舞弊記錄），在線數(shù)據(jù)舞弊記錄（在線測(cè)試舞弊，在線作業(yè)舞弊，在線其他非誠(chéng)信記錄），老師人為判斷數(shù)據(jù)（課堂表現(xiàn)積極記錄，閃光點(diǎn)記錄）。基本判斷規(guī)則：總分100分，有一次不誠(chéng)信記錄扣10分，有一次閃光記錄，加5分。

3.2數(shù)據(jù)挖掘綜合評(píng)價(jià)模型

綜合模型是在前三個(gè)模型所得結(jié)果的基礎(chǔ)上的一個(gè)綜合判斷，能夠較為全面地把一個(gè)學(xué)生的真實(shí)學(xué)習(xí)效果給預(yù)估出來(lái)。

3.2.1數(shù)據(jù)挖掘算法

對(duì)于數(shù)據(jù)挖掘，一般的方向是分類(lèi)與回歸，分類(lèi)是進(jìn)行定性分析，回歸是進(jìn)行定量分析，在本文中主要是進(jìn)行學(xué)習(xí)效果的評(píng)價(jià)，故進(jìn)行分類(lèi)分析。首先第一步是利用已有分類(lèi)的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，來(lái)檢測(cè)模型;然后用沒(méi)有分類(lèi)的數(shù)據(jù)輸入到模型里去，輸出該數(shù)據(jù)的類(lèi)別。

3.2.2隨機(jī)森林綜合評(píng)價(jià)模型

隨機(jī)森林是一種機(jī)器學(xué)習(xí)模型。它比神經(jīng)網(wǎng)絡(luò)計(jì)算量小，集成多棵決策樹(shù)的預(yù)測(cè)，2001年Breiman把分類(lèi)樹(shù)組合成隨機(jī)森林，即對(duì)變量和數(shù)據(jù)進(jìn)行隨機(jī)化，生成很多分類(lèi)樹(shù)。

隨機(jī)森林實(shí)施第一步是得到基分類(lèi)器，主要有兩個(gè)步驟：

首先對(duì)原始集進(jìn)行放回隨機(jī)抽樣，得到和原始集規(guī)模大小一致的訓(xùn)練集;然后進(jìn)行屬性及的隨機(jī)分配，從一定量的屬性中選取小于該數(shù)值的屬性個(gè)數(shù)作為分裂屬性進(jìn)行分裂。

4實(shí)驗(yàn)與結(jié)論

4.1實(shí)驗(yàn)實(shí)施

將初始樣本的數(shù)據(jù)分成M*N維，對(duì)該數(shù)據(jù)進(jìn)行有放回的取樣，取出同樣為M*N的樣本數(shù)據(jù)。

從數(shù)據(jù)的N維中提取無(wú)放回的M維特征，即對(duì)每個(gè)數(shù)據(jù)樣本都采用決策樹(shù)的模式。通過(guò)計(jì)算找到分類(lèi)最優(yōu)的特征K以及閾值th來(lái)進(jìn)行劃分。

重復(fù)訓(xùn)練所有的數(shù)據(jù)樣本，得到ntree個(gè)決策樹(shù)。

多次訓(xùn)練之后，所得到的集合便是隨機(jī)森林，應(yīng)用隨機(jī)森林進(jìn)行預(yù)測(cè)結(jié)果是，通過(guò)對(duì)預(yù)測(cè)及進(jìn)行分類(lèi)，得到分類(lèi)之后的結(jié)果。

在本文中具體實(shí)施步驟如下：

第一步：導(dǎo)人數(shù)據(jù)：

將第2章總結(jié)的數(shù)據(jù)全部導(dǎo)人系統(tǒng)，分別有傳統(tǒng)教學(xué)數(shù)據(jù)（分為五類(lèi)）、在線教學(xué)數(shù)據(jù)（分為七類(lèi)）、階段單元測(cè)試數(shù)據(jù)（包含六個(gè)階段）。

第二步：人工干預(yù)指數(shù)計(jì)算

人工干預(yù)就是根據(jù)老師的上課過(guò)程自己的一些觀察數(shù)據(jù)以及個(gè)人判斷數(shù)據(jù)給予每個(gè)學(xué)生的綜合打分。

第三步：數(shù)據(jù)整合

首先中傳統(tǒng)教學(xué)數(shù)據(jù)T按照數(shù)據(jù)順序，分別將課堂點(diǎn)名，課堂提問(wèn)等等設(shè)置為T(mén)O，T1，T2，T3等;將在線教學(xué)數(shù)據(jù)設(shè)為L(zhǎng)，同理屬于在線數(shù)據(jù)的在線點(diǎn)名，任務(wù)點(diǎn)完成情況，視頻完成情況，討論詳情等設(shè)置為L(zhǎng)0，L1，L2，L3等;階段單元測(cè)試數(shù)據(jù)六個(gè)階段的成績(jī)分別是A，B，C，D，E，F(xiàn);再加上我們?nèi)斯じ深A(yù)模型得到的評(píng)估值v，就可以構(gòu)成我們此次研究的數(shù)據(jù)集。

第四步：導(dǎo)人模型

在本次模型實(shí)施中，總共將兩套數(shù)據(jù)分別代人隨機(jī)森林?jǐn)?shù)據(jù)挖掘模型，采用的是weka數(shù)據(jù)挖掘平臺(tái)。可以得到以下兩種預(yù)測(cè)結(jié)果：

（1）不增加人工干預(yù)參數(shù)

可以得到準(zhǔn)確率為0.64。

（2）增加人工干預(yù)參數(shù)V

可以得到準(zhǔn)確率為0.79。

4.2實(shí)驗(yàn)結(jié)論

可以看到，加入了人工干預(yù)參數(shù)的隨機(jī)森林?jǐn)?shù)據(jù)挖掘模型，可以更好地預(yù)測(cè)學(xué)生學(xué)習(xí)行為，有大幅度地提高了預(yù)測(cè)的準(zhǔn)確性。因?yàn)橄啾扔趥鹘y(tǒng)的數(shù)據(jù)，加入了人工干預(yù)參數(shù)，能夠更為全面的記錄學(xué)生的真實(shí)學(xué)習(xí)情況，包括學(xué)習(xí)能力，學(xué)習(xí)態(tài)度，以及數(shù)據(jù)獲取的準(zhǔn)確性判斷，該模型對(duì)混合教學(xué)的發(fā)展有著極大的推進(jìn)作用。