羅元盛 邱實

DOI：10.16644/j.cnki.cn33-1094/tp.2021.11.029

摘? 要： 利用數(shù)據(jù)包絡(luò)分析工具，分析了一門程序設(shè)計類教學(xué)改革課程的線上教學(xué)效率。分析結(jié)果顯示，該程序設(shè)計類教學(xué)改革課程在完全采用在線教學(xué)的情況下，學(xué)生的學(xué)習(xí)效率不高，存在大量規(guī)模報酬遞減的現(xiàn)象。文章認(rèn)為，為了提高教學(xué)效率，應(yīng)強調(diào)在線課堂練習(xí)和測試，以及在線課堂提問，而弱化對視頻觀看和簽到等定量指標(biāo)的要求和評估。

關(guān)鍵詞： 程序設(shè)計類課程; 線上教學(xué); 教學(xué)改革; 數(shù)據(jù)包絡(luò)分析; 規(guī)模報酬

中圖分類號：G642? ? ? ? ? 文獻標(biāo)識碼：A? ? ?文章編號：1006-8228（2021）11-104-03

Research on online teaching efficiency of a programming course

Luo Yuansheng1， Qiu Shi2

（1. School of Computer and Communication Engineering， Changsha University of Science & Technology， Changsha， Hunan 410114， China;

2. School of Economics and Management， Changsha University）

Abstract： The online teaching efficiency of a teaching reform programming course is analyzed by means of data envelopment analysis tool. The analysis results show that when the teaching reform programming course was completely carried out online， students' learning efficiency is not high， and there is a large number of phenomenon of diminishing returns to scale. It is believed that in order to improve the teaching efficiency， in addition to teachers' offline supervision and guidance， online classroom practice and testing should be emphasized on， as well as the online classroom questioning， and the requirements and evaluation of quantitative indicators such as video viewing and check-in should be weaken.

Key words： programming course; online teaching; teaching reform; data envelopment analysis; scale reward

0 引言

在線教學(xué)是一種正在蓬勃發(fā)展的教學(xué)方式[1]。國內(nèi)外已經(jīng)有多個不同的慕課在線教學(xué)平臺，正在為全世界的教師和學(xué)生提供在線教學(xué)服務(wù)。而研究在線教學(xué)平臺的教學(xué)效率，也成為了一個自然而然需要關(guān)注和研究的教育問題。以往的線上教學(xué)效率研究，往往關(guān)注的是具有成熟教學(xué)方案的線上課程，例如一些精品在線教學(xué)課程。而一般的教學(xué)課程如果設(shè)置成在線教學(xué)模式，在執(zhí)行中并不能保證學(xué)生與教師的互動和教學(xué)過程完全是在線上進行，因此對這些課程的在線教學(xué)效率的分析存在不可避免的干擾。一般來說，正常的學(xué)校教學(xué)，很難排除這些干擾，因為除了在線精品類課程，沒有學(xué)校會在教學(xué)培養(yǎng)方案中制定完全線上的教學(xué)過程。但是，在2020年，由于COVID2019新冠病毒大流行的原因，2020年春季學(xué)期的課程完全采用在線教學(xué)方式[2]。這也為線上教學(xué)效率的研究提供了千載難逢的機會，由此得到的分析結(jié)果是一種自然實驗的結(jié)果。

1 數(shù)據(jù)包絡(luò)分析

數(shù)據(jù)包絡(luò)分析（DEA）是一種基于線性規(guī)劃模型的分析工具，用于分析多個技術(shù)投入和多個產(chǎn)出的效率前沿。DEA分析法不同于回歸分析，不用設(shè)定產(chǎn)出函數(shù)，也不用設(shè)定變量權(quán)重，計算得到的是一種相對效率而不是絕對效率。對于很多難以通過量化的利潤或者產(chǎn)值衡量性能的非營利行業(yè)，例如教育，醫(yī)療，法院，可以采用DEA進行投入產(chǎn)出效率分析，對不同技術(shù)投入和產(chǎn)出進行比較，從而為提高性能和效率作出優(yōu)化的決策[3]。DEA已經(jīng)被國內(nèi)外研究者廣泛用于教育行業(yè)的教學(xué)效率分析[3-5]，是一種行之有效的教學(xué)效率分析方法。

2 實證研究

本文運用DEAP2.1軟件構(gòu)建評價學(xué)生在線學(xué)習(xí)效果的DEA模型。研究對象為本校2019級通信專業(yè)29名學(xué)生。此外，本文采用產(chǎn)出導(dǎo)向和投入導(dǎo)向的規(guī)模收益可變模型（VRS）對學(xué)生學(xué)習(xí)效率進行分析。線上教學(xué)的課程為C++語言程序設(shè)計和數(shù)據(jù)結(jié)構(gòu)相結(jié)合的一種教學(xué)改革類課程，包括C++語言的基本語法和面向?qū)ο蟪绦蛟O(shè)計的基本概念，加上數(shù)據(jù)結(jié)構(gòu)的大部分內(nèi)容。課程教學(xué)課時為108課時。

2.1 樣本選擇和數(shù)據(jù)來源

本校2020年3月-2020年7月的課程都采用在線云平臺的方式，主要的在線教育平臺為超星慕課平臺、本校的在線網(wǎng)絡(luò)課程資源云平臺。在線課程的教學(xué)會涉及到一些選擇方式設(shè)置。①在線教學(xué)視頻：選擇超星視頻數(shù)據(jù)庫中與課程內(nèi)容相關(guān)精品視頻作為課程資源，讓學(xué)生按照章節(jié)觀看在線視頻自學(xué)。②超星在線直播間：教師通過直播間語音直播教學(xué)。教學(xué)內(nèi)容與線下課堂教學(xué)內(nèi)容一致，教學(xué)課件通過上傳到超星平臺可以直接在線操作，學(xué)生通過屏幕可以看到教師的操作，學(xué)生可以通過在直播間輸入信息與教師互動。③在線簽到功能：此功能用于在線教學(xué)課堂管理。④在線測試功能。通過設(shè)置在線測試題目檢查學(xué)生對教學(xué)內(nèi)容掌握情況。在線測試全部為客觀題，可以自動閱卷。由于超星平臺沒有提供在線評判程序的功能，因此程序設(shè)計題改為程序填空。⑤在線選人提問：可以在線隨機選擇學(xué)生提問，并對學(xué)生回答打分。通過超星平臺的統(tǒng)計功能，可以獲得所有學(xué)生的學(xué)習(xí)數(shù)據(jù)。期末考試是在學(xué)生返校后在線下進行。考試內(nèi)容全部為編程題，無主觀題，通過本校自己開發(fā)的在線評判（OJ）系統(tǒng)進行自動閱卷打分。

2.2 DEA模型的指標(biāo)選擇

本文DEA模型選擇的輸入指標(biāo)包括：任務(wù)完成百分比、視頻觀看時長和章節(jié)學(xué)習(xí)次數(shù)三個。其中任務(wù)完成百分比包括了完成觀看所發(fā)布的教學(xué)視頻的個數(shù);輸出指標(biāo)為期末總成績一個。最終，DEA模型的樣本數(shù)29大于變量的3倍（4*3=12），這符合DEA方法使用的前提條件。

2.3 研究結(jié)果

本文采用技術(shù)效率（TE）、純技術(shù)效率（PTE）和規(guī)模效率（SE）來分析學(xué)生在超星平臺上的學(xué)習(xí)效率。純技術(shù)效率反映學(xué)生對學(xué)習(xí)方法、技巧和時間等規(guī)劃，規(guī)模效率反映學(xué)生學(xué)習(xí)的投入程度。純技術(shù)效率乘以規(guī)模效率等于技術(shù)效率，反映學(xué)生學(xué)習(xí)總效率。一般情況下，當(dāng)技術(shù)效率（TE）為1時，學(xué)生學(xué)習(xí)是相對有效的;技術(shù)效率（TE）小于1大于0.8時，學(xué)生學(xué)習(xí)近似有效;技術(shù)效率（TE）小于0.8時，學(xué)習(xí)學(xué)習(xí)相對無效。研究結(jié)果顯示技術(shù)效率為0.501，學(xué)生學(xué)習(xí)相對有效和近似有效占比為17%，說明學(xué)生學(xué)習(xí)效率相對較低。

通過分析發(fā)現(xiàn)，學(xué)生學(xué)習(xí)的純技術(shù)效率為0.913，規(guī)模效率為0.534。這說明學(xué)生學(xué)習(xí)效率較低的主要原因是規(guī)模效率較低。規(guī)模效率的進一步分析，用規(guī)模報酬表示。如圖1所示，規(guī)模報酬不變的占比14%，規(guī)模報酬遞減的占比86%。這說明大部分學(xué)生在超星平臺上的學(xué)習(xí)投入存在冗余，也從側(cè)面反映了學(xué)生在線學(xué)習(xí)投入多，但是沒有帶來預(yù)期的學(xué)習(xí)效果。

圖2反映了學(xué)生在任務(wù)點完成情況、視頻觀看和章節(jié)學(xué)習(xí)方面的學(xué)習(xí)投入情況。相對于任務(wù)點完成情況，視頻觀看和章節(jié)學(xué)習(xí)的投入時間存在較大的冗余。這說明視頻觀看時長和章節(jié)學(xué)習(xí)次數(shù)評價學(xué)生學(xué)習(xí)投入程度不夠恰當(dāng)。在原有的視頻觀看時長和章節(jié)學(xué)習(xí)次數(shù)下，學(xué)生的學(xué)習(xí)效果應(yīng)該可以有更高的提升。通過對DEA模型的產(chǎn)出（課程總成績）的進一步分析發(fā)現(xiàn)，29名學(xué)生中有45%還可以進一步提高成績，預(yù)計課程總成績的平均分可以提高3分。

3 論述

通過分析學(xué)生在線視頻觀看情況，可以發(fā)現(xiàn)，許多學(xué)生的反芻比并不高。這說明這些學(xué)生并沒有真正認(rèn)真觀看教學(xué)視頻，僅僅將觀看教學(xué)視頻當(dāng)作一個任務(wù)來完成。而由于本門課程是混合了C++面向?qū)ο缶幊毯蛿?shù)據(jù)結(jié)構(gòu)課程，因此難以找到合適的綜合這兩門課程的教學(xué)視頻。此外，雖然學(xué)生都能按時簽到，但是，當(dāng)在直播課堂隨機選擇學(xué)生提問時，經(jīng)常存在沒有回應(yīng)的現(xiàn)象。這說明部分學(xué)生并沒有真正認(rèn)真聽課，只是登陸了賬號。這些情況都是導(dǎo)致在線教學(xué)效率不夠高的原因。相反，通過在線平臺的課堂測驗功能，學(xué)生可以加深對課堂內(nèi)容的思考和理解，而教師也可以對學(xué)生知識的掌握情況做出最直接的判斷和跟蹤。使用在線平臺的統(tǒng)計功能，教師可以第一時間得到各個學(xué)生的測試結(jié)果，比傳統(tǒng)的線下課堂測驗更方便，這有助于提高教學(xué)效率。

4 結(jié)束語

本文通過DEA模型研究了一門程序設(shè)計類教改課程實行全在線教學(xué)的教學(xué)方式，結(jié)果發(fā)現(xiàn)學(xué)生整體的學(xué)習(xí)效率一般，主要是因為學(xué)生的規(guī)模效率較低，存在大量規(guī)模報酬遞減的現(xiàn)象。學(xué)生在線學(xué)習(xí)投入存在冗余的問題，在學(xué)習(xí)投入充分的情況下沒有發(fā)揮出理想的學(xué)習(xí)效果。所以，在進行教學(xué)效率評價時，對視頻觀看次數(shù)、出勤率和課堂討論等定量考核指標(biāo)應(yīng)該弱化，重視對課堂質(zhì)量的考核，比如課堂練習(xí)中題目的答對率，課堂討論中發(fā)言的獨立思考性進行考量，以提高全在線教學(xué)的教學(xué)效率和學(xué)生的學(xué)習(xí)興趣。在今后的教學(xué)中，要進一步豐富在線教學(xué)的教學(xué)方式和手段，充分利用在線教學(xué)平臺多樣化的教學(xué)特點，以提高在線教學(xué)的效率。

在下一步的研究中，需要進一步關(guān)注利用產(chǎn)出導(dǎo)向的有效性評價方法對在線教學(xué)的效率評估，以適應(yīng)工程教育認(rèn)證評估的需求。

參考文獻（References）：

[1] 張璇.MOOC在線教學(xué)模式的啟示與再思考——以江蘇開放大學(xué)實踐為視角[J].江蘇廣播電視大學(xué)學(xué)報，2013.5：5-10

[2] Huang RH， Liu DJ， Zhan T. Guidance on Flexible learning during Campus Closures： ensuring course quality of higher education in COVID-19 outbreak[Z]. Beijing： Smart Learning Institute of Beijing Normal University，2020.

[3] Xiaoming， Y.， C. J. Shieh， and W. C. Wu. Measuring Distance Learning Performance with Data Envelopment Analysis[J].Eurasia Journal of Mathematics Science & Technology Education，2014.10（6）：559-564

[4] Fuentes R， Fuster B， Lillo-Ba?uls A. A three-stage DEA model to evaluate learning-teaching technical efficiency： Key performance indicators and contextual variables[J].Expert Systems with Applications，2016.48：89-99

[5] 鮑平平.DEA在網(wǎng)絡(luò)學(xué)習(xí)相對有效性評價中的應(yīng)用[J].現(xiàn)代遠(yuǎn)程教育研究，2007.6：65-68