［摘 要］ 數(shù)字時代的到來為大學英語教學帶來了重要的機遇，大數(shù)據及其分析技術與傳統(tǒng)手段相結合將大力推動大學英語教學的發(fā)展。通過借助超星泛雅與雨課堂教學平臺，構建了數(shù)據驅動的教學模式，其中各環(huán)節(jié)所產生的數(shù)據為教學研究全過程中的質量控制和客觀公正的教學評價提供了數(shù)據支持。采用隨機森林算法對學習成效影響因素進行了分析，為大學英語教學策略的研究提供了理論依據。實踐表明，基于數(shù)據驅動的大學英語教學模式與教學策略能夠顯著提升教師的教學質量與學生的學習成效。

［關鍵詞］ 大學英語；數(shù)據驅動；數(shù)據挖掘；超星泛雅；雨課堂

［基金項目］ 2019年度江蘇省高等教育改革研究一般項目“三方協(xié)作構建大學英語第二課堂的實踐研究——思政課程的角度”（2019JSJG340）

［作者簡介］ 唐冬梅（1981—），女，江蘇連云港人，學士，江蘇師范大學科文學院講師，主要從事大學英語教學研究。

［中圖分類號］ G423.04［文獻標識碼］ A［文章編號］ 1674-9324（2023）13-0000-04［收稿日期］ 2022-11-21

引言

上世紀下葉，傳統(tǒng)模擬電子主導的技術逐漸被以數(shù)字電路為基礎的新科技所取代，同時也拉開了數(shù)字時代的序幕。伴隨數(shù)據存儲、處理、分析體量的飛速增長，一個被稱作大數(shù)據（Big Data）的時代已悄然而至。與通信、航天、商業(yè)、金融、國防等所有其它領域一樣，在大學英語教學這個傳統(tǒng)的領域中，數(shù)字科技正在掀起一場新的變革，涌現(xiàn)了一大批新平臺和新手段［1］。2019年末的特殊事件的發(fā)生更是催生與汰選了一些優(yōu)良的在線教學平臺，如超星泛雅、雨課堂、釘釘、騰訊會議等［2］。此類在線教學平臺的應用，一方面解決了各階段學生可以足不出戶就能學習的問題，同時也在諸多方面彌補了傳統(tǒng)線下教學的“短板”。

然而，在這種新媒體大數(shù)據的時代背景下，如何兼百花之長，充分融合數(shù)字科技與傳統(tǒng)教學的優(yōu)勢并沒有得到深入的探討。主要體現(xiàn)了兩個方面的問題：一是在教學模式設計中，未全方位引入數(shù)據采集分析手段；二是尚未將數(shù)據挖掘等人工智能技術應用到教學策略的研究之中?；诖?，本文將從數(shù)據驅動的教學模式設計和基于數(shù)據挖掘的教學策略研究兩個方面進行探討。

一、數(shù)據驅動的教學模式設計

各類在線教學平臺的運行都是以數(shù)據的收集、傳遞、分析、報表為技術框架，教學過程中的全部信息都以數(shù)據庫的形式加以管理［3］。以超星泛雅平臺與雨課堂為例，預習視頻的瀏覽量、課堂出勤與隨堂測試結果、彈幕投稿的參與頻度乃至課后作業(yè)和測驗的統(tǒng)計都以表格形式存儲在雨課堂的后臺數(shù)據庫中，從而在教學綜合評價和課程總結中可以做到有跡可循、有據可查，保障評價的客觀性與公正性，提高教學質量與效率。

下面以大學英語教學為例，基于超星泛雅和雨課堂在線教學平臺探索數(shù)據驅動的教學模式，如圖1所示。

該教學模式分為教學準備、教學過程、教學總結三個階段。其中，教學準備包括前期準備和資源建設兩個模塊，教學過程分為課前、課中和課后三個環(huán)節(jié)，教學總結主要是基于教學數(shù)據的教學評價與總結報表。事實上，該模式下各環(huán)節(jié)的具體教學活動都需和在線教學平臺的后臺數(shù)據庫持續(xù)地進行信息交換。以前期準備為例，該環(huán)節(jié)旨在對本輪教學對象進行調查研究，了解學生高考成績、中學時代英語學習狀況、存在的“短板”和未來的期許等，并根據調查結果對現(xiàn)有的教學內容進行適當?shù)恼{整，甚至在需要的時候針對性的組織教學團隊。前期準備環(huán)節(jié)中，數(shù)據驅動的具體形式為學生相關數(shù)據的采集和分析。例如，可通過主成分分析方法（Principal Component Analysis，PCA）對多數(shù)學生的英語學習障礙和大學階段的目標期許進行分析。

該教學模式中教學過程的課前、課中與課后環(huán)節(jié)都是基于數(shù)據展開的。例如，通過超星泛雅平臺可以在課前環(huán)節(jié)中布置預習視頻，啟發(fā)學生對下節(jié)課相關背景的了解和相關問題的思考，而每一個學生的瀏覽次數(shù)和時長都被平臺記錄了下來，成為教師全過程質量控制的重要“抓手”。再例如，基于雨課堂的課中環(huán)節(jié)中可以設計預習檢查、復習檢查和隨堂測驗等教學活動，從而科學有效地檢查學生對上堂課知識的掌握情況和這堂課內容的預習情況，均布于課中時間的隨堂測驗更能夠督促學生全神貫注，緊跟課堂節(jié)奏。相較于傳統(tǒng)教學，學生課堂反應更積極，氣氛更活躍，精神更集中，其原因正是學生明白每一項活動中每個人的表現(xiàn)都將以數(shù)據的形式存儲下來，成為結課評價的客觀依據。

教學總結是該教學模式的最后一個階段，也是即成數(shù)據的綜合分析階段。通過對過程和結果數(shù)據的梳理歸納形成學習與教學評價報告［4］。以雨課堂為例，在課程結束時，學生的彈幕投稿、加分、不良標簽、答題成績、出勤情況等相關數(shù)據都被匯總于一張報表之中；同樣，超星泛雅平臺中預習視頻的瀏覽量、課后作業(yè)與期中測驗成績、投票討論等活動的參與度等數(shù)據也都收于后臺數(shù)據?；谏鲜鲞^程數(shù)據與結果數(shù)據的融合，即可對學生的學習成效進行客觀、公正、有效的評價，生成學生學習評價報告。與此同時，同一課程組中不同教師的教學數(shù)據中還可提取相關信息用作教師評價的數(shù)據基礎。

二、基于數(shù)據挖掘的教學策略研究

多種在線教學平臺與社交媒體的廣泛應用提供了海量的教學數(shù)據，不僅為教學管理、活動組織、總結評價提供了客觀的依據，同時也可以通過對相關數(shù)據的挖掘獲取有價值的信息，為研究教學策略提供數(shù)據支持，下面舉例說明［5-6］。

近來，在大學英語的“教”與“學”中，部分師生有如下疑問或有待商榷的看法：（1）一些教師想知道進入大學階段1到2年后學生的英語水平在多大程度上仍然受中學時期英語基礎的影響，同時還想了解不同地域之間教育水平的差異是否還在影響著學生的英語成績；（2）有的學生進入大學階段后有一種觀點，認為在大學英語的學習方面存在所謂的“瓶頸”或“天花板”，再努力也難見成效，這導致了他們消極懈怠的學習態(tài)度；（3）個別學生在觀看英文電影的過程中，在一定程度上鍛煉了聽力，了解了英語國家的文化，也積累了一些口語化的詞匯，從而堅定地認為觀看英文電影基本可以替代常規(guī)的英語學習，故大幅減少了背單詞、讀課文等傳統(tǒng)學習環(huán)節(jié)的時間。為了解決教師的上述疑問以及驗證學生的這些看法，筆者通過騰訊共享文檔于所在學院的大二學生中開展了一次小型調查活動，目的是研究大學英語考試成績的綜合影響因素，統(tǒng)計數(shù)據包括120名學生的性別（Gender）、年齡（Age）、省份（Province）、高考英語成績（Score_of_college_admission_exam）、每日學習英語時間（Time_on_english_study）、是否晨讀（Morning reading）、晨讀時間（Morning_reading_time）、是否喜愛英語（Fond_of_english）、是否有學習規(guī)劃（Having plan）、是否使用單詞背誦APP（Using_words_reciting_app）、是否愛看英文電影（Like_watching_english_movies）、是否已通過英語四級（Passed_cet_4）、上學期期末英語成績（Score_of_last_semester）等內容。采用隨機森林（Random Forest）算法分別以是否已通過英語四級和上學期期末英語成績?yōu)轭A測目標（Dependent），以其它數(shù)據為預測依據（Predictors）進行了分類與回歸分析研究。

隨機森林是在決策樹（Decision Tree）算法的基礎上發(fā)展起來的［7］。決策樹是一種樹狀結構模型，包括根節(jié)點、分節(jié)點和葉節(jié)點。樣本數(shù)據自根節(jié)點開始按照不同屬性分類，不斷在各個節(jié)點按照屬性進行分類，形成新的分支，直至落入標明類別的葉節(jié)點中。隨機森林，顧名思義，是很多決策樹的有機組合，從原有樣本數(shù)據中有放回地每次抽取相同數(shù)量的樣本，由單一決策樹進行個體分類。眾多決策樹形成了隨機森林，通過投票表決形成最終的分類結果。本文中，隨機森林的算法實現(xiàn)是在Statisitica 12.0中實現(xiàn)的。

首先進行以是否已通過大學英語四級（Passed_cet_4）作為預測目標的分類研究，生成了如圖2所示的各屬性重要度分級表。

從圖2中可見，影響大學英語四級是否通過的因素中，前期基礎占居首要位置，從很大程度上了說明了英語學習的長期性和連續(xù)性。其次，生源身份也是重要的影響因素，這表明不同地區(qū)之間的英語教學水平存在顯著的差異，且仍然在影響著學生的英語成績。高考英語成績已成為歷史，生源省份非個人隨意能夠選擇，因此這兩個因素對學生而言屬于外在的客觀因素，然而接下來的三個屬性參數(shù)，即每日學習英語時間（Time_on_English_study）、是否晨讀（Morning reading）、晨讀時間（Morning_reading_time），不僅具有較高的重要度，而且完全可為學生的主觀能動性所改變。相較而言，是否喜愛英語（Fond_of_English）、是否有學習規(guī)劃（Having plan）、是否使用單詞背誦APP（Using_words_reciting_app）、是否愛看英文電影（Like_watching_English_movies）等因素卻并未如預期那樣能夠起到顯著的推動作用。

通過對大學英語學習影響因素的分析，需要承認中學時期的英語基礎與地域之間英語教育水平的差異對大學階段英語學習的長期影響，但更應當看到通過充分發(fā)揮學生的主觀能動性，在語言學習上投入更多的精力，那么最終英語綜合水平的提高將是“水到渠成”的。同時，通過分析也可以發(fā)現(xiàn)一些本末倒置的做法是收效甚微的。比如，一些同學試圖通過大量觀看英文電影來代替常規(guī)的學習方式。參考上文圖2的分析結果，是否喜愛觀看英文電影這一因素對英語成績的貢獻度并不突出，以其作為了解英文國家文化的窗口、學習間隙的消遣和口語專項研習或許是適宜的選項，而讓其占據英語學習時間的主體部分則并不可取。

如圖3所示，在對近期英語考試成績的回歸研究中發(fā)現(xiàn)各因素的重要度排序與圖2較為相近。高考英語成績的歷史因素和生源省份的地域因素在對近期英語成績的影響中仍然占據首要位置。包括是否晨讀、晨讀時間、每日學習英語時間等在內的主觀能動因素在對近期英語成績的預測中的貢獻度也較為顯著。與對大學英語四級通過情況的分類研究不同，學生的性別因素稍顯突出。這是由于進入大學階段以來，相較男生而言，女生更能潛下心來投入到英語的學習中去。語言學習是一個漫長的過程，不會一蹴而就，因此具有沉穩(wěn)淑靜、孜孜以求特質的女生在大學英語學習階段更易嶄露頭角。與圖2類似，是否喜愛英語、是否喜愛觀看英文電影、學生年齡、是否使用百詞斬、墨墨背單詞等App、是否有英語學習規(guī)劃等因素也未如人們一貫認為的那樣會顯著的給大學英語的學習推波助瀾。

通過對調查所獲數(shù)據的上述分類與回歸研究，徹底解決了部分教師先前的疑問，高考成績的歷史因素與教育水平差異的地域因素的影響依然存在，同時也證偽了部分學生選擇“躺平”的理由與看電影可以代替日常學習的錯誤理念。基于數(shù)據挖掘所得的這些結論，可以在“教”與“學”的策略中做一些針對性的調整：（1）面對歷史與地域因素，教師應因材施教，對相關學生進行專門指導，甚至特別選材；（2）讓數(shù)據講話，使學生明白大學英語的學習是一個漸進的過程，耕耘必有收獲，鼓勵且讓他們相信只要足夠努力，終將實現(xiàn)英語綜合水平的提升；（3）承認觀看英文電影等輔助學習方式的積極貢獻的同時，也需要認清其局限性，不能本末倒置，讓其在英語學習中擠占主導地位來躲避背單詞、讀課文等“痛苦”的環(huán)節(jié)，而只能將其定位為有益的學習輔助手段和時不時的休閑方式。

與此類似，通過對相關數(shù)據的“挖掘”還可以對其它因素與教學成效的相關性進行比較研究。例如常見的翻轉式、啟發(fā)式、滿堂灌的教學方式對學生學習成效的不同貢獻度，再如課堂上教師授課中英語與漢語的應用比例為多少更有利于學生英語水平的進步，活躍的與嚴肅的課堂氛圍哪一種更好等等。基于數(shù)據挖掘將獲得這些問題的科學解答，從而讓教師能夠對教學策略進一步優(yōu)化。

結語

大數(shù)據的時代背景下，大學英語教育應與時俱進、順勢而為。本文借助超星泛雅、雨課堂等在線教學平臺設計了數(shù)據驅動的大學英語教學模式，其中各環(huán)節(jié)所產生的數(shù)據為大學英語教學的全過程質量管理和教學評價提供了客觀的數(shù)據支持。數(shù)據挖掘算法的運用便于教師從教學相關的大數(shù)據中提取有效信息，為教學策略的調整提供理論依據。將這種基于數(shù)據驅動的教學模式與教學策略應用于教學實踐，顯著提升了教學質量與學習成效。

參考文獻

［1］唐冬梅.大學英語線上線下混合式教學中思想政治教育探索［J］.教育教學論壇，2022（9）：153-156.

［2］張健，劉飛.基于“泛雅”教學平臺的“數(shù)值分析”混合式教學模式探索［J］.中國建設教育，2019（6）：6.

［3］張敏潔，杜化俊.混合式教學實施現(xiàn)狀及研究趨勢分析［J］.中國教育信息化，2020（1）：82-85.

［4］朱燕華，陳莉萍.大學英語智慧課堂教學評價指標體系構建［J］.外語電化教學，2020（4）：9.

［5］洪常春.人工智能時代大學英語生態(tài)教學模式構建研究［J］.外語電化教學，2018（6）：29-34.

［6］王哲，張躍.大數(shù)據方法與外語教學創(chuàng)新研究：以“2015年百萬同題英文寫作研究”為例［J］.外語電化教學，2015（5）：6.

［7］關博.基于數(shù)據挖掘的大學英語多維教學模式研究［J］.產業(yè)與科技論壇，2019（17）：2.

Abstract： The advent of the digital age has brought important opportunities for college English teaching. The combination of big data and its analysis technology with traditional means will strongly promote the development of college English teaching. In this paper， with the help of superstar Fanya and Rain class teaching platform， a data-driven teaching mode is constructed， and the data formed by each link provides data support for the whole process teaching quality management and the objective and fair teaching evaluation. The Random Forest algorithm is used to analyze the factors of learning effectiveness and provides a theoretical basis for the study of college English teaching strategies. Practice shows that the data-driven college English teaching mode and teaching strategies significantly improve the teachers teaching quality and students learning results.

Key words： college English teaching; data driven; data mining; superstar fanya; rain class