陳逸菲，馬辰來，翟慧茹，袁加偉，陸安祥，朱曉雅

（南京信息工程大學(xué)濱江學(xué)院，江蘇無錫 214105）

0 引言

2020 年春季新冠疫情防控期間，全國高校實施了大規(guī)模的在線教學(xué)。2020 年11 月，教育部推出首批國家級一流本科課程 5 118 門，其中線上一流和線上線下混合式一流課程分別有1 875 門和868 門，共占54.86%［1］?？梢灶A(yù)見，作為教育教學(xué)與信息技術(shù)、人工智能技術(shù)深度融合的教學(xué)模式，線上以及混合式教學(xué)法將越來越受到關(guān)注［2-3］。這兩類課程在建設(shè)與實施的過程中產(chǎn)生了大量學(xué)習(xí)數(shù)據(jù)，如果能有效利用這些數(shù)據(jù)進行教學(xué)改革，對學(xué)生的學(xué)習(xí)與教師的授課情況做出實時反饋，使整個教學(xué)過程成為一個數(shù)據(jù)驅(qū)動的“閉環(huán)”，將有助于提升教學(xué)質(zhì)量［4-6］。

近年來，國內(nèi)外學(xué)者在學(xué)習(xí)數(shù)據(jù)分析方法上進行了多種嘗試［7］。宗陽等［8］采用RFM 模型對MOOC 學(xué)習(xí)者的在線學(xué)習(xí)行為進行了分析；張峰［9］、羅永［10］等基于視頻學(xué)習(xí)數(shù)據(jù)分析了不同類型學(xué)生學(xué)習(xí)行為的差異；陳長勝等［11］分析了MOOC 學(xué)習(xí)者的學(xué)習(xí)時間分配特征與差異；田娜等［12］分析了MOOC 平臺上多個指標(biāo)與期末考試成績之間的關(guān)系；蔣卓軒等［13］基于MOOC 數(shù)據(jù)進行了行為分析，并預(yù)測學(xué)習(xí)者能否完成學(xué)習(xí)任務(wù)而獲得證書；Liu 等［14］設(shè)計了一種多變量時間序列分類算法對MOOC 學(xué)生的輟課行為進行了預(yù)測；李雪嬌［15］針對在線學(xué)習(xí)參與度低、學(xué)習(xí)效果不佳的現(xiàn)象，提出利用學(xué)習(xí)者畫像進行在線學(xué)習(xí)支持服務(wù)策略設(shè)計，提供精準(zhǔn)化學(xué)習(xí)支持服務(wù)。此外，數(shù)據(jù)挖掘、大數(shù)據(jù)、機器學(xué)習(xí)等技術(shù)也被用于學(xué)習(xí)行為的分析與預(yù)測［16-19］。

以上研究大多是針對MOOC 平臺［8，10-16］，但目前有一部分高校課程采用的是基于SPOC 的混合式教學(xué)，在教學(xué)模式、互動方式、評價指標(biāo)方面與MOOC 有一定差異［20］。例如，SPOC 往往是有監(jiān)督的，學(xué)習(xí)任務(wù)完成率較高，課程平臺會記錄課堂活動數(shù)據(jù)。然而，有些MOOC 課程是無監(jiān)督的，因此完課率低［13-14］，平臺記錄一般不包括課堂活動數(shù)據(jù)，在此基礎(chǔ)上分析得到的行為數(shù)據(jù)特征對SPOC 課程不一定適用。文獻［7］將兩者列為不同的研究對象，前者屬于“學(xué)習(xí)者”，后者屬于“在線學(xué)習(xí)過程”。此外，SPOC 課程的數(shù)據(jù)分析往往也只是針對某些特定指標(biāo)［9］。例如張巖等［21］雖然從4 個方面分析了SPOC 混合式教學(xué)模式下的學(xué)習(xí)者特征，但指標(biāo)較少，尤其是在線行為特征僅涉及了登錄次數(shù)、資源訪問次數(shù)、發(fā)帖量、作業(yè)完成量4 個指標(biāo)，而且沒有分析這些指標(biāo)與學(xué)習(xí)成績之間的相關(guān)性，僅分析了性別、民族、學(xué)習(xí)經(jīng)驗、計算機水平與成績的關(guān)系，并不能反映學(xué)習(xí)行為對成績的影響。

為此，本文以超星泛雅—學(xué)習(xí)通平臺上的SPOC 課程為例進行實證分析，首先全面分析了該平臺記錄的課前、課中、課后各類學(xué)習(xí)行為數(shù)據(jù)與期中、期末卷面成績之間的相關(guān)性，創(chuàng)新性地引入了任務(wù)點完成時間先后這類指標(biāo)，結(jié)果發(fā)現(xiàn)作業(yè)、實驗報告的提交先后與卷面成績的相關(guān)性比二者得分更高；然后分析了各指標(biāo)在不同分?jǐn)?shù)段學(xué)生中的情況，發(fā)現(xiàn)最優(yōu)秀的學(xué)生在所有指標(biāo)上的表現(xiàn)均為最佳，而對于成績位于中段的學(xué)生，學(xué)習(xí)方法比學(xué)習(xí)投入時間對成績的影響更大；最后全面分析了與卷面成績相關(guān)性最高的章節(jié)學(xué)習(xí)次數(shù)指標(biāo)在一學(xué)期不同月份、一周內(nèi)各天、一天內(nèi)不同時段的分布情況，并據(jù)此為教學(xué)任務(wù)的設(shè)計與發(fā)放提供建議。

1 學(xué)習(xí)行為數(shù)據(jù)相關(guān)性分析

以南京信息工程大學(xué)濱江學(xué)院2018 級2 個班的《微機原理及單片機技術(shù)》課程數(shù)據(jù)為例展開實證分析，參與課程的學(xué)生共80 人，學(xué)習(xí)通平臺上共發(fā)布任務(wù)點223 個，視頻128 個，時長17h 39min，其中課程章節(jié)測試46 次，實驗報告4 次，隨堂練習(xí)12 次，討論17 次，學(xué)習(xí)頁面訪問次數(shù)共46 030 次。期中、期末均為閉卷考試，以主觀性試題為主。學(xué)習(xí)通平臺上可以直接獲得的學(xué)習(xí)行為數(shù)據(jù)包括音視頻觀看、任務(wù)點完成、討論詳情、章節(jié)學(xué)習(xí)次數(shù)、章節(jié)測驗統(tǒng)計、簽到等情況。對所有學(xué)生的章節(jié)測驗提交時間進行排序，與章節(jié)測驗平均分共同作為指標(biāo)參與分析。

課程采用仿真平臺進行實驗，實驗報告也是在學(xué)習(xí)通平臺上提交，因此實驗成績與實驗報告的提交時間也進行了類似處理。分析以上行為數(shù)據(jù)與期中、期末卷面成績之間的相關(guān)性，結(jié)果見表1。

Table 1 The correlation coefficients among indicators表1 各指標(biāo)相關(guān)性

從表1 可以看到，章節(jié)學(xué)習(xí)次數(shù)、實驗完成先后、實驗得分、章節(jié)測試完成先后、視頻反芻比和課程積分與期中、期末卷面成績相關(guān)度高，相關(guān)性系數(shù)絕對值均超過0.6，其中章節(jié)學(xué)習(xí)次數(shù)、實驗完成先后、實驗得分的相關(guān)性系數(shù)絕對值均超過0.7。章節(jié)學(xué)習(xí)次數(shù)（觀看視頻、完成各項任務(wù)均統(tǒng)計在內(nèi)）反映的是學(xué)生學(xué)習(xí)的認(rèn)真程度，一般情況下學(xué)習(xí)認(rèn)真的學(xué)生訪問課程的次數(shù)也較多。

由于受疫情影響，實驗課于5 月份恢復(fù)線下課程后開始，共有4 次仿真實驗。然而實驗任務(wù)是在3-5 月份陸續(xù)發(fā)布，實驗需要的仿真軟件工具在返校前就已經(jīng)提供給學(xué)生安裝，且在平時線上教學(xué)與小組任務(wù)過程中已經(jīng)引入該軟件的使用。以第一次實驗為例，最快的學(xué)生在3 月31 日完成，最慢的學(xué)生到5 月8 日才完成，相差近40 天。部分學(xué)生在家已經(jīng)完成了前3 次實驗內(nèi)容，其在學(xué)習(xí)態(tài)度與學(xué)習(xí)能力上也比較突出。因此實驗成績和提交時間能比較準(zhǔn)確地反映學(xué)生的學(xué)習(xí)質(zhì)量。

章節(jié)測試以選擇題為主，部分學(xué)生在課前預(yù)習(xí)時完成，部分學(xué)生是課后完成。章節(jié)測試得分與期中、期末成績的相關(guān)性明顯沒有提交先后順序高，這是由于提交早的往往是學(xué)習(xí)態(tài)度好、能主動預(yù)習(xí)的學(xué)生。課程積分包括課堂搶答、投票、問卷、課后小組任務(wù)、討論等得分，比較全面地反映了學(xué)生參與學(xué)習(xí)的積極性和主動性，因此與期中、期末成績的相關(guān)性也較高。

視頻反芻比在一定程度上體現(xiàn)了學(xué)生學(xué)習(xí)投入的時間，因此與期中、期末成績的相關(guān)性也較高。

課程采用的是SPOC 形式，線上學(xué)習(xí)是有監(jiān)督的，絕大部分學(xué)生能夠完成所有任務(wù)點，因此任務(wù)點完成情況與考試成績的相關(guān)性不大。表1 中未列出的簽到數(shù)據(jù)也是如此。

2 學(xué)習(xí)行為在不同分?jǐn)?shù)段的情況分析

按照期末卷面成績將學(xué)生分為5 個等級，對不同分?jǐn)?shù)段的學(xué)生在各類行為數(shù)據(jù)上的差異進行分析。結(jié)果發(fā)現(xiàn)，90 分以上學(xué)生的平均訪問次數(shù)高出80-89 分?jǐn)?shù)段學(xué)生近40%，約是＜60 分學(xué)生訪問次數(shù)的3 倍。而80-89 和70-79兩個分?jǐn)?shù)段學(xué)生的學(xué)習(xí)訪問次數(shù)無明顯差異，說明這兩個分?jǐn)?shù)段學(xué)生的成績差異原因主要為學(xué)習(xí)方法，而不是投入時間。通過對比其他指標(biāo)發(fā)現(xiàn)，這2 個等級學(xué)生差別最大的是討論次數(shù)，80-89 分?jǐn)?shù)段的學(xué)生參與討論的平均次數(shù)為70-79 分?jǐn)?shù)段的1.86 倍，說明前者的學(xué)習(xí)更主動，更愿意深度思考，而后者的學(xué)習(xí)相對被動，滿足于完成必須的學(xué)習(xí)任務(wù)。

3 多時間因素下章節(jié)學(xué)習(xí)次數(shù)分析

由上述分析可知，章節(jié)學(xué)習(xí)次數(shù)與期中、期末考試成績的相關(guān)性最大。為此，對章節(jié)學(xué)習(xí)次數(shù)在不同月份、一周內(nèi)不同時間、一天內(nèi)不同時段的分布情況，以及疫情前后的變化情況進行分析。

Table 2 The learning behavior indicators of students in different score ranges表2 不同分?jǐn)?shù)段學(xué)生學(xué)習(xí)行為指標(biāo)

3.1 章節(jié)學(xué)習(xí)次數(shù)逐月變化情況

該課程的第1 次上課時間為2 月19 號（因平臺原因，這一天沒有相關(guān)訪問數(shù)據(jù)），但于2 月9 日發(fā)布了課程以幫助學(xué)生適應(yīng)平臺，因此數(shù)據(jù)記錄從2 月9 日開始。2 月份整體訪問次數(shù)最少；4 月份中旬由于學(xué)生返校，中間停課1 次，并且推遲了作業(yè)提交時間，因此4 月份訪問量較3 月份明顯下降；5 月份理論課減少，開始實驗課，由于實驗任務(wù)、實驗分析與操作視頻的發(fā)布，以及部分實驗報告的提交均通過學(xué)習(xí)通平臺進行，5 月份訪問量再次上升；6 月份課程以實驗為主，6 月23 日期末考試，因此6 月份日均訪問量在所有月份中最高；3 月份是該學(xué)期唯一完全線上教學(xué)的月份，故日均訪問次數(shù)僅次于6 月份。

Table 3 The variation of learning times with months表3 學(xué)習(xí)次數(shù)逐月變化情況

3.2 章節(jié)學(xué)習(xí)次數(shù)周內(nèi)變化情況

表4 和圖1（a）按照周一到周日的順序?qū)φn程訪問次數(shù)進行了統(tǒng)計，發(fā)現(xiàn)高訪問次數(shù)主要出現(xiàn)在周二和周五。課程是周三和單周周五上課，而章節(jié)測試、分組任務(wù)等提交截止時間大多是周二22∶00 點，因此周二的訪問次數(shù)較高，圖1（b）中也驗證了這一點，課程共46 次章節(jié)測試，有31%的學(xué)生是周二提交。課程實驗為24 學(xué)時，于返校后5 月份開始，每個周五平均有3 節(jié)實驗課，實驗要求、操作視頻、部分實驗報告的提交均在平臺上進行，因此周五的訪問次數(shù)明顯高于其他時間。雖然都是休息日，但是周日的訪問量明顯高于周六，原因是每周新的學(xué)習(xí)任務(wù)，包括視頻資料、章節(jié)測試都是在周日12∶00 前后發(fā)布，部分學(xué)生在發(fā)布后就開始學(xué)習(xí)。以完全在線上學(xué)習(xí)的3 月份為例，這個現(xiàn)象非常明顯，如圖2 所示，周日12∶00 后學(xué)習(xí)次數(shù)較12∶00 前明顯增加。周五學(xué)生基本都在實驗室訪問平臺，老師可以直接給予指導(dǎo)。周二晚上老師應(yīng)盡量在線以便給學(xué)生答疑輔導(dǎo)，幫助其更好地消化知識點并完成練習(xí)。

Table 4 The variation of learning times in a week表4 周內(nèi)學(xué)習(xí)次數(shù)變化情況

Fig.1 The variation in a week圖1 周內(nèi)變化情況

3.3 章節(jié)學(xué)習(xí)次數(shù)不同時段變化情況

表5 列舉了1 天內(nèi)不同時間段課程的訪問情況，其中8∶00-12∶00 時段的訪問次數(shù)占30.8%，原因是上課都是在這個時段，部分實驗課也在這個時段。由于學(xué)生課前、課中、課后都會用到學(xué)習(xí)通平臺，因此除了睡覺的0∶00-4∶00、4∶00-8∶00 兩個時段，其余時間訪問量均在18.0%以上，分布相對均勻。

Table 5 The variation of learning times with time intervals表5 不同時段學(xué)習(xí)次數(shù)在情況

3.4 純線上教學(xué)與混合式教學(xué)對比

為了更清晰地分析學(xué)生的學(xué)習(xí)規(guī)律，對3 月份純線上教學(xué)與5 月份線上線下混合式教學(xué)的訪問次數(shù)進行對比分析。

3 月份是整個學(xué)期唯一完全線上教學(xué)的月份，線上直播教學(xué)共6 次，課前、課中、課后的大部分教學(xué)環(huán)節(jié)依托泛雅—學(xué)習(xí)通平臺進行?？梢钥吹?，3 月份訪問量最高的兩個時段是周三和周五的8∶00-12∶00，與上課時間匹配。此外，除了0∶00-4∶00、4∶00-8∶00 兩個時間段，周二其他3 個時間段的訪問量明顯高于一周內(nèi)的其他時段，說明大部分學(xué)生是在提交截止日完成作業(yè)。課程在每周日12∶00 后發(fā)布新一周學(xué)習(xí)任務(wù)，因此周日12∶00 后有一個訪問小高峰。詳見圖2。

Fig.2 The variation of the learning times with time intervals during a week in March（on-line teaching）圖2 3 月份1 周內(nèi)各時段章節(jié)學(xué)習(xí)次數(shù)變化（線上）

5 月13 日起學(xué)生回到教室上課，其中周三理論課共3次，雖然還是使用泛雅—學(xué)習(xí)通平臺，但如圖3 所示，學(xué)生對學(xué)習(xí)通的依賴程度比3 月份純線上教學(xué)降低，周三訪問次數(shù)明顯下降，與3 月份比較減少了約40%。由于5 月份的周五集中安排了6 次實驗課程（4 次在8∶00-12∶00 時段，1次在12∶00-16∶00 時段，1 次在16∶00-20∶00 時段），實驗任務(wù)、視頻資料、部分報告提交都需要使用學(xué)習(xí)通，因此周五訪問量出現(xiàn)了明顯高峰。周二相對于其他天有較高的訪問次數(shù)，但與3 月份相比，訪問時間段更加集中在沒有課的16∶00-24∶00 時間段，而白天訪問數(shù)明顯下降，詳見圖3。

Fig.3 The variation of the learning times with time intervals during a week in May（blended teaching）圖3 5 月份1 周內(nèi)各時段章節(jié)學(xué)習(xí)次數(shù)變化（混合式）

對比兩個月的時段曲線可以發(fā)現(xiàn)：在3 月份純線上學(xué)習(xí)時，12∶00-16∶00 時段的訪問次數(shù)明顯高于5 月份返校后，原因是返校后學(xué)生可以自由支配的時間變少，例如原來無法在線上實施的實驗課程陸續(xù)開課。

4 結(jié)論

本文主要得出以下結(jié)論：①在所有指標(biāo)中，章節(jié)學(xué)習(xí)次數(shù)與期中、期末卷面成績的相關(guān)性最高；章節(jié)測試、隨堂測驗和作業(yè)得分與期中、期末考試成績的相關(guān)性并沒有以往純線下教學(xué)時那么大，相比之下，完成任務(wù)的時間早晚與考試成績的相關(guān)性更高；②在線上教學(xué)環(huán)境下，成績優(yōu)秀學(xué)生的所有指標(biāo)表現(xiàn)都遠優(yōu)于其他學(xué)生，可見該種教學(xué)模式對學(xué)習(xí)主動的學(xué)生而言更有利，而對于不自覺的學(xué)生，如果教師干預(yù)不夠，最終取得的成績會低于純線下教學(xué)；③不少學(xué)生選擇在提交截止日完成作業(yè)，教師可在此之前安排線上集中答疑環(huán)節(jié)，幫助學(xué)生更好地掌握知識，并盡量將作業(yè)提交截止時間提前到下一次課前的24h，以便于掌握全班學(xué)生的完成情況，有針對性地在課上進行講解；④可將新一周的學(xué)習(xí)任務(wù)發(fā)布時間提前到周六，便于學(xué)習(xí)主動的學(xué)生更好地利用周末時間預(yù)習(xí)。

SPOC 平臺記錄的數(shù)據(jù)非常有價值，提供了大量純線下教學(xué)無法體現(xiàn)的學(xué)習(xí)行為特征，這些數(shù)據(jù)對于整個教學(xué)周期，甚至學(xué)生整個大學(xué)期間學(xué)習(xí)行為的分析、反饋與調(diào)整十分有利。今后將持續(xù)對常態(tài)化混合式教學(xué)過程中的課程數(shù)據(jù)進行分析，如平行班之間學(xué)習(xí)成績差異與教師教學(xué)模式、教學(xué)設(shè)計、班級學(xué)習(xí)氛圍等因素的相關(guān)性，根據(jù)學(xué)生日常學(xué)習(xí)行為數(shù)據(jù)對其成績進行預(yù)測［22］和預(yù)警等。