董心雨

【摘要】? ? 高職生課堂學(xué)習(xí)效果受高職生自身特點、教師教育教學(xué)水平，學(xué)校引導(dǎo)與管理及高職教育培養(yǎng)方案等多個方面共同影響。根據(jù)高職院校的課堂教學(xué)特點，提取了若干個影響高職生課堂學(xué)習(xí)效果的因素，利用主成分分析法（Principal Component Analysis，PCA）對各個因素進(jìn)行處理及分析，求得影響高職生課堂學(xué)習(xí)效果的關(guān)鍵指標(biāo)。結(jié)果表明，基于PCA的高職課堂學(xué)習(xí)效果分析能夠有效提取主因，為進(jìn)一步改良教育教學(xué)方法，提高學(xué)生學(xué)習(xí)成績提供了科學(xué)的指導(dǎo)及明確的方向。

【關(guān)鍵詞】? ? PCA? ? 高職? ? 課堂學(xué)習(xí)

引言：

隨著大數(shù)據(jù)時代的到來，爆炸式增長的海量數(shù)據(jù)給傳統(tǒng)的數(shù)據(jù)處理方法帶來了嚴(yán)峻的挑戰(zhàn)，因此，我們一直在努力探尋更高效的數(shù)據(jù)處理手段。數(shù)據(jù)降維是一種解決維度災(zāi)難有效方法。衡量課堂教學(xué)效果的好壞必然是一個非線性的、多維的問題，通常來講，指標(biāo)越多，評價過程越全面，但是在這個過程當(dāng)中必然會產(chǎn)生龐大的數(shù)據(jù)，而數(shù)據(jù)的采集、統(tǒng)計、分析就會顯得過于繁瑣，工作量巨大。因此，采用PCA實現(xiàn)數(shù)據(jù)降維，可以有效提取高職課堂教學(xué)評價的核心指標(biāo)信息。

除了個別就業(yè)率較高、綜合實力較強(qiáng)的高職院校的部分專業(yè)，高職院校生源整體弱于本科院校，學(xué)生知識水平、專業(yè)基礎(chǔ)參差不齊。然而培養(yǎng)出更多高素質(zhì)技術(shù)人才，能工巧匠又是我國現(xiàn)代化建設(shè)至關(guān)重要的一項任務(wù)。因此，如何提高高職生課堂學(xué)習(xí)效果，培養(yǎng)高職生良好的學(xué)習(xí)習(xí)慣，幫助其掌握科學(xué)合理的學(xué)習(xí)方法，是一個急需探討的課題，這不僅有利于幫助其提高課業(yè)成績，對其步入工作崗位后的進(jìn)一步學(xué)習(xí)也有著重要意義。

一、影響高職生課堂學(xué)習(xí)效果的主要因素

從國家對于高職課程設(shè)置的層面來看，德國采用的是雙元制的課程模式，學(xué)校負(fù)責(zé)理論課程的講授，企業(yè)負(fù)責(zé)安排實踐課程，共同合作完成培養(yǎng)計劃，學(xué)生所學(xué)知識與最終所從事的工作需求有著非常高的契合程度，是一種非常理想的培養(yǎng)模式;英國將高等職業(yè)教育與“國家職業(yè)資格證書”的獲取綁定在一起，只有拿到相應(yīng)的資格證書才能夠就業(yè)，在一定程度上也保證了課堂學(xué)習(xí)內(nèi)容與工作的匹配度;美國的高職教育對基礎(chǔ)理論的要求較低，課程設(shè)置與工作也沒有直接聯(lián)系，比較傾向于人的全面發(fā)展和能力的培養(yǎng);日本則是輕理論重實踐，給學(xué)生很多實踐機(jī)會，重視所學(xué)知識的實用性以及技能的培養(yǎng);中國高職教育的歷史較短，在探索與學(xué)習(xí)中前進(jìn)，很多高職院校仿照學(xué)術(shù)性大學(xué)制定培養(yǎng)計劃，沒有充分體現(xiàn)出高職教育的特點，與企業(yè)融合的不夠深入，無法真正做到讓學(xué)生學(xué)有所用，畢業(yè)即可上崗，不過近年來國家注重高職教育的培養(yǎng)，推動“1+X證書”等制度的發(fā)展，為提高高職院校辦學(xué)質(zhì)量，學(xué)生課堂學(xué)習(xí)效果起到了積極作用。

從學(xué)校的層面來看，很多高職院校對于提升課堂教學(xué)效果并沒有提出科學(xué)有效的保障手段，僅僅從紀(jì)律層面進(jìn)行把控。例如在教室放置手機(jī)袋，要求老師在課前監(jiān)督學(xué)生上交手機(jī)來減少上課玩手機(jī)的情況，這并不能從根本上解決問題。學(xué)生即使上交手機(jī)，也可能采用睡覺、看小說、發(fā)呆、練字等方式度過一堂課，而教師也不可能在課上耗費過多時間來處理這些問題。學(xué)校對于課堂效果的評估也僅僅依賴于學(xué)生教評及期末成績，然而大多數(shù)學(xué)生對于教評環(huán)節(jié)并不是特別認(rèn)真，且受主觀因素影響，期末成績也不能完全反映學(xué)生的學(xué)習(xí)效果，可能受任課老師所透露的考點范圍等因素的影響。

從教師的角度來看，很多教師只是簡單地完成教學(xué)任務(wù)，對于學(xué)生的心理狀態(tài)，學(xué)習(xí)效果并沒有深入了解。在很多高職課堂上，睡倒一片，或者偷玩手機(jī)的狀況比比皆是。部分教師采用課前上交手機(jī)的方法試圖提高學(xué)生在課堂上的學(xué)習(xí)效果，然而治標(biāo)不治本，即使手機(jī)被沒收，部分學(xué)生也無法集中注意力在教師所傳授的知識上，會用睡覺、發(fā)呆、練字等方式來消磨時間，更有甚者對于老師的強(qiáng)硬態(tài)度會產(chǎn)生逆反心理。因此，讓課堂變有趣、讓學(xué)生能聽懂、聽進(jìn)去是每一個教師努力的方向。除此之外，很多老師缺乏企業(yè)實踐經(jīng)驗，研究生畢業(yè)就進(jìn)入高職院校任職，所具備的知識范疇僅僅局限于課本，對行業(yè)的現(xiàn)狀及發(fā)展沒有深刻的認(rèn)識，對企業(yè)的需求也沒有準(zhǔn)確的把握，更多的是理論知識的輸出，而高職院校的學(xué)生不同于普通本科院校，工匠型人才的培養(yǎng)需要更多的實踐機(jī)會及崗位技能培訓(xùn)。

從學(xué)生自身出發(fā)，一個學(xué)生的成績好壞往往受智力因素和非智力因素兩方面影響。智力因素是無法改變的，因此僅就非智力因素進(jìn)行探討。高職生普遍存在著理論基礎(chǔ)課薄弱，缺乏自覺性和主動性，學(xué)習(xí)目標(biāo)不明確，學(xué)習(xí)動力不足等問題。

例如《高等數(shù)學(xué)》等需要一定數(shù)學(xué)基礎(chǔ)的課程，就會出現(xiàn)兩極分化的情況?；A(chǔ)較好的同學(xué)更容易聽懂課堂內(nèi)容，能夠積極響應(yīng)老師的提問，與此同時獲得的優(yōu)越感及成就感更加激發(fā)了其對該門課程學(xué)習(xí)的積極性，達(dá)到一個良性循環(huán)，學(xué)習(xí)效果也會很理想。相反的，有相當(dāng)一部分同學(xué)數(shù)學(xué)基礎(chǔ)極差，就會遇到上課試圖聽但是聽不懂，一不留神就跟不上的情況，最終選擇放棄。因此，對于這一類型課程的課堂學(xué)習(xí)效果，學(xué)生理論基礎(chǔ)是占比非常大的一個影響因素，具有特殊性，不太適用采取PCA的方式對其進(jìn)行進(jìn)一步調(diào)查研究。

本文選擇的是《計算機(jī)網(wǎng)絡(luò)與通信》這門課程，該門課程有部分純概念性章節(jié)，學(xué)生不需要有良好的文化課基礎(chǔ)就能夠理解記憶，但是在子網(wǎng)劃分等章節(jié)，涉及進(jìn)制計算等知識點，需要學(xué)生有一定的理論基礎(chǔ)。選擇該門課程可以很好地從學(xué)生方面分析其對課堂效果的影響。

可以看出，高職生課堂學(xué)習(xí)效果受多方面多維度因素的影響，本文基于PCA進(jìn)行數(shù)據(jù)分析，找出影響高職生課堂學(xué)習(xí)效果的關(guān)鍵因素。

二、PCA算法的基本原理

PCA算法是一種應(yīng)用非常廣泛的降維方法，它可以從對事物產(chǎn)生影響的多個因素中挑選出幾個核心關(guān)鍵因素，去掉一些相關(guān)度較高的影響因子、冗余信息、最終將復(fù)雜的問題簡單化，此方法應(yīng)用于圖像處理、數(shù)據(jù)壓縮、信號去噪等多個領(lǐng)域。

PCA主要依據(jù)映射的方法，將p個維度投影至q個維度上，所得到的q維度數(shù)據(jù)滿足正交特性，我們稱之為主成分。具體來講，我們需要在原始的數(shù)據(jù)空間中找到一組組相互正交的新的坐標(biāo)軸，他們的相關(guān)性是最低的，相關(guān)性越低信息的重疊量就越小。第1個新的坐標(biāo)軸的方向是通過計算原始數(shù)據(jù)中最大方差得到的，第2個新的坐標(biāo)軸則是由與第一個新坐標(biāo)軸正交平面中最大方差確定的。與第1，2個坐標(biāo)軸正交的平面中方差最大的即第3個坐標(biāo)軸，依此類推得到p個新的坐標(biāo)軸。通過進(jìn)一步分析，可以得知大部分的方差都被包含于前q個坐標(biāo)軸中，q個坐標(biāo)軸之后的方差幾乎為0。因此，我們可以忽略之后的坐標(biāo)軸，僅用前q個坐標(biāo)軸來表示。通過這種方法不但實現(xiàn)了數(shù)據(jù)降維，關(guān)鍵信息也得以保留。下面具體介紹一下基于PCA算法的主要步驟：

1.將原始數(shù)據(jù)組成n行p列的樣本矩陣X，其中n代表各個樣本，p代表不同指標(biāo)，并進(jìn)行標(biāo)準(zhǔn)化處理。將每一列數(shù)據(jù)，即所有來自同一個指標(biāo)的數(shù)據(jù)做量綱上的統(tǒng)一，具體方法是將每個數(shù)據(jù)減去平均數(shù)后除以方差。

2.計算相關(guān)系數(shù)矩陣R。

3.求矩陣R的特征值及特征向量。

通過求解|R-λf|=0，可以得到k個特征值及特征向量。

Q=（q，q，…，q）? ? ? ? ? ? ? ? ? ? ? ? （2）

4.求主成分系數(shù)矩陣。

第i個主成分的貢獻(xiàn)率為：

前q個主成分的貢獻(xiàn)率之和，即累積貢獻(xiàn)率為：

一般情況下，當(dāng)累積貢獻(xiàn)率達(dá)到85%以上時，可以用這q個主成分代替原來的p個指標(biāo)。根據(jù)公式（2）可以寫出主成分系數(shù)矩陣：

三、PCA在高職生課堂學(xué)習(xí)效果評價中應(yīng)用

（一）模型建立

本文基于12個影響因子建立高職生課堂學(xué)習(xí)效果評價模型，并用X1～X12代替，如表1所示。

（二）數(shù)據(jù)采集、處理及分析

采用問卷調(diào)查的方式對《計算機(jī)網(wǎng)絡(luò)與通信》課程進(jìn)行大量的數(shù)據(jù)采集，這里只列出了一小部分抽樣數(shù)據(jù)，即12名學(xué)生對12個指標(biāo)的評分。對原始數(shù)據(jù)求解特征值、特征向量及貢獻(xiàn)率得到表2及表3。

從表3可以看出第一主成分的累積貢獻(xiàn)率為89.73%，大于85%，結(jié)合公式（5）可以得到主成分表達(dá)式：

在該主成分中，教學(xué)重難點處理得當(dāng)X2，理論聯(lián)系實際，重視實踐X3，教師情緒飽滿，課堂氛圍好X5，課堂互動多X6，學(xué)生學(xué)習(xí)積極性X11基本包含了主成分的所有信息。

而本研究是針對高職生開展的，課程的重難點是否處理得當(dāng)對于高職生能否聽懂課堂知識起著至關(guān)重要的作用。教師如果不能很好地把握重難點，將難以理解的知識進(jìn)行分解、簡化，那么對于基礎(chǔ)較差的高職生來說會形成聽不懂，不想學(xué)，越不學(xué)，越聽不懂的惡性循環(huán)。對于高職生的培養(yǎng)不同于普通本科學(xué)生，相較于理論，更重視實踐。因此，學(xué)生更在意課堂所學(xué)知識是否能運(yùn)用在將來的實際工作當(dāng)中，教師如果能聯(lián)系實際舉例，開展實踐活動更能激發(fā)學(xué)生的學(xué)習(xí)興趣。而良好的課堂氛圍及豐富的課堂互動決定了學(xué)生能夠在課上集中注意力的時長。學(xué)生學(xué)習(xí)積極性也直接影響著學(xué)習(xí)效果，而積極性的調(diào)動除了任課老師把課上好之外，輔導(dǎo)員也應(yīng)該發(fā)揮積極作用，幫助學(xué)生們了解就業(yè)形勢，建立職業(yè)規(guī)劃，認(rèn)清成績的重要性。

四、結(jié)束語

本文基于PCA算法研究了影響高職生課堂學(xué)習(xí)效果的主要因素，通過分析貢獻(xiàn)率得到了5個重要指標(biāo)：教學(xué)重難點處理是否得當(dāng);理論能否聯(lián)系實際，并加入實踐;教師情緒是否飽滿，課堂氛圍如何;互動環(huán)節(jié)豐富與否;學(xué)生學(xué)習(xí)積極性能否被充分調(diào)動。

計算出的主成分能夠很好地簡化影響高職生課堂效果的各種因素，消除了原有各項因素的信息重疊，對于今后開展教育教學(xué)工作，提高課堂學(xué)習(xí)效果指明了方向。

參? 考? 文? 獻(xiàn)

[1]趙薔，李紅，郭新明.基于PCA的高校教學(xué)質(zhì)量評價方法[J].電子設(shè)計工程，2016，24（08）：20-22.

[2]王鵬宇，項樹林，孫君亮.基于主成分分析的實時數(shù)據(jù)處理方法研究[J].自動化技術(shù)與應(yīng)用，2019，38（10）：89-92.

[3]張堯庭，方開泰.多元統(tǒng)計分析引論[M].北京：科學(xué)出版社，1982.