论文部分内容阅读
摘 要:随着“互联网+教育”的发展,在线学习在各高校迅速推广。在线课程作为高校传统课堂教学的重要辅助手段,在充分发挥在线学习优势的前提下,如何保障在线学习的效果是摆在众多高校教学管理者面前亟待解决的问题。本文以浙江省高等學校在线开放课程共享平台中参加《管理学基础》在线学习的59名学生为样本,通过数据挖掘,借助SPSS21.0,对平台在线学习行为特征与学习绩效进行相关性分析与多元回归分析,进而提出促进有效学习的策略。研究结果表明,在线测试成绩与期末成绩呈强相关,资源学习时长、讨论参与次数、课后作业成绩与期末考试成绩呈弱相关。依据研究结果,从学习资源支持、课程设计、学习管理与评价三个方面提出促进有效学习的策略。
关键词:高职;在线学习行为;学习绩效
中图分类号:G4 文献标识码:A doi:10.19311/j.cnki.1672-3198.2021.30.065
2020年初,受新冠肺炎疫情的影响,传统线下课堂教学模式受到了巨大的冲击。随着互联网技术的发展与教育信息化的全面推进,在线学习由于不受时空的限制,充分利用了碎片化时间,具有可重复性和灵活性,因此备受高校与教育机构的推崇。然而,对于高职学生而言,其学习的自主性与自觉性相对欠缺,在线学习由于缺乏传统教学的课堂监管与面对面沟通,互动性较差,极大地影响了教学效果。因此,在充分发挥在线学习优势的前提下,如何保障在线学习的效果是摆在众多高校教学管理者面前亟待解决的问题。
1 研究现状
随着移动互联网与大数据技术的发展,针对学生在SPOC在线学习平台上产生的海量学习行为数据,相关SPOC研究也呈现快速增长的趋势。杨现民等认为与学习参与度和学习投入相比,学习者在学习过程中实际产生的行为序列更能反映学习者的行为路径和认知过程。陈圆圆、刘盛峰、董克等以本科课程《大学英语1》为例,探讨学习行为与学习效果之间的相关性。沈、刘美辰等利用Python技术和Stata回归分析发现作业完成比例、视频完成情况、论坛中的积极表现等都会对成绩产生正面影响。张敬等通过对55名学生在线平台学习情况进行研究,从在线学习时间、阅读下载次数等4个方面探讨在线学习行为与高等数学成绩的相关性。刘可、唐世星等通过筛选出预习完成率、活动参与率等6个在线学习行为指标,借助聚类算法,回归分析了学习效果与学习行为之间的数学关系。
综上,由于在线学习过程的复杂性,学者得出的结论也有所不同,对影响在线学习绩效的因素也存在不同见解。本文结合高职学生的学情与学习特点,通过对在线学习行为数据进行分析,探讨在线学习行为与学习绩效的相关性,进而优化在线课程的内容与结构,提升在线学习质量与效果。
2 研究设计
2.1 研究对象
本研究依托浙江省高等学校在线开放课程共享平台,以2020年秋季参加《管理学基础》在线学习的59名学生为样本对象。该课程作为经管类专业的专业基础课程,具有理论性、系统性与普遍应用性。而高职学生基础普遍较差,对于理论课程缺乏兴趣,针对高职学生的学情,安排了在线学习与测验结合线下讲授答疑,是一门线上线下相结合的网络课程。
2.2 研究方法
2.2.1 文献法
在查阅大量相关文献资料的基础上,确立了学习者的在线学习行为(课程访问次数)、资源学习行为(资源学习时长)、测试学习行为(在线测试与课后作业)和讨论参与行为(讨论回帖次数)四类学习行为。
2.2.2 访谈法
在期末成绩高分与低分中各选取15名学生进行访谈,进一步深入了解学习行为与学习绩效之间的关系。
2.3 研究工具
采用数据挖掘和定量研究相结合,将课程平台中学生在线学习行为的数据和期末卷面考试成绩录入Excel表格中,再利用SPSS21.0软件进行简单相关分析(Pearson积差相关法)和多元线性回归分析。
3 研究结果分析
通过对59名学生的课程访问次数、在线测试成绩、资源学习时长、讨论参与次数、课后作业成绩及期末考试成绩等在线学习行为数据的分析,探讨在线学习行为与学习绩效之间的相关性,再进一步检验以上行为对期末考试成绩影响的显著性。
3.1 在线学习行为变量的描述性统计
通过对在线学习行为变量的描述性统计显示(见表1),学生的课程访问次数在0~38次,平均每人访问约33次;资源学习的时长介于0~327分钟,平均时长约286.17分钟;讨论发帖参与的次数介于0~10次之间,平均约3.6次;在线测试的成绩在0~15分(满分20分)之间,平均分约为6.18分;课后作业成绩介于0~14分(满分20分)之间,平均分约为6分。由于本课程主要是面向大一新生开放,初次接触大学的新鲜感和好奇心,使得学生对课程充满兴趣,因此访问次数与学习时长这两个指标都较高,说明学生在线学习的积极性与参与度还是很高的。然而由于高职学生的学习基础普遍较差,加之学习的自主性欠缺、实践经验缺乏,因此讨论参与次数较少,各类测试成绩较差,参与的质量与有效性并不乐观。
3.2 在线学习行为与学习绩效的相关性分析
由表2显示,期末考试成绩与课程访问次数、在线测试成绩、资源学习时长、讨论参与次数、课后作业成绩均呈现正相关。其中,在线测试成绩、课后作业成绩与期末考试成绩之间相关系数最高,分别达到了0.479与0.447,在0.01水平上显著相关。这说明学生在线测验与课后作业成绩越高,对相关知识的掌握越牢固,从而期末的考试成绩越好。 而课程访问次数、资源学习时长、讨论参与次数与期末考试成绩之间的相关系数为0.361、0.359与0.311,呈非显著正相关,即这三类学习行为与期末考试成绩正相关,但影响较小,这与在线学习行为变量的描述性统计结果一致相同。 3.3 在线学习行为与学习绩效的回归分析
为了进一步探讨课程访问次数、在线测试成绩、资源学习时长、讨论参与次数、课后作业成绩对期末成绩的影响程度,课题组对数据进行了多元回归分析(见表3)。回归模型的F值为5.987,显著性为0.000,小于0.05,表明回归模型中至少有一个自变量显著,说明回归模型科学合理,可以接受。
由于课程访问次数与资源学习时长相关系数为1(见表2),系统自动剔除了课程访问次数变量(见表5),最终回归分析的结果显示(见表4),在线测试成绩对期末考试成绩有显著的影响(p<0.05),回归系数为1.787,表明在线测试成绩越好,对期末考试成绩影响越大;而资源学习时长、课后作业成绩、讨论参与对期末考试成绩均没有显著影响(p>0.05)。
3.4 研究结论
根据在线学习行为与学习效果的统计分析显示,期末考试成绩与课程访问次数、在线测试成绩、资源学习时长、讨论参与次数、课后作业成绩均呈现正相关,且在线测试成绩对期末考试成绩有显著性影响,呈强相关;而资源学习时长、讨论参与次数、课后作业成绩與期末考试成绩呈弱相关。究其原因,主要如下:首先,高职学生学习动机不强,缺乏学习的自主性,基于“要我学”这一原因学习的学生不在少数,因而尽管资源学习时长平均值高达286分钟(总时长327分钟),但由于被动学习比例较高,“一心多用”伴随较多的非学习行为导致资源学习时长对期末考试成绩的影响不显著;其次,由于互动形式单一,导致学生对管理学课程的讨论互动参与较低,尤其是高质量的有效参与较低,故其对期末成绩的影响也不显著;最后,高职学生学习的自主性与自觉性欠缺,导致对于课后作业更多的是持完成任务的态度,加之由于没有了课堂教师的监管,课后作业抄袭普遍,即使取得了较好成绩也未必能反映学生对知识的真实掌握情况,因此其对期末考试成绩的影响也不显著。
4 在线有效学习行为的促进策略
在充满诱惑的互联网环境下,高职学生由于自制力较差,更倾向于片面追求刺激性的体验,也更易在互联网中迷失自我,从而使得在线学习绩效难以获得有效提升。因此,为了指导学生深度参与在线学习和促进有效学习行为的产生,依据在线学习行为与学习绩效的研究结果,我们建议从学习资源支持、课程设计、学习管理与评价三个方面着手改进。
4.1 完善课程平台资源的多样性建设
调查显示,学生参与是有效学习的前提。在充满诱惑的互联网时代,如何让学生更主动地加入在线学习中来,这就对在线平台中的学习资源建设提出了更高的要求。在学习资源支持方面,为了提升学生学习的积极性与兴趣,教师应完善课程平台学习资源的多样性建设。第一,教学视频作为在线学习的重要载体,包含主要的课程教学内容,其重要性不言而喻。但是教学视频不应只是在线学习的唯一载体,还应根据教学要求增加章节重难点、管理小故事、案例教学、管理实践、情景模拟、分组讨论等辅助资源,使在线学习更加具有趣味性与针对性。第二,研究表明,在线测验与期末考试成绩有显著正相关关系,故应适度增加与课程联系紧密的在线测验、随堂练习等在线交互环节,借助“互联网+教育”及时掌握学生学习动态,有针对性提出改进措施,进一步优化学习效果。第三,根据“课前、课中、课后”教学环节,增加云教材学习、课前预习、主题讨论、分组任务、课后作业等对应的教学活动资源。
4.2 增加课程平台资源的个性化建设
在建设多样化的平台学习资源的基础上,还应针对性地结合高职学生的学习特点,增加个性化学习资源建设。由于高职学生专注度与学习的持久性不强,在课程设计上,首先,教学视频应尽量短小精悍,时间不宜过长,一般不超过15分钟。其次,基于学生基础薄弱的学情,结合行业技能要求,开发“项目任务式驱动、知识技能型学习”为主线,以典型任务为导向的项目化课程体系建设,形成由易到难,由单一到综合的个性化教学资源库。最后,高职学生由于高考成绩不理想,自信心受挫,因此教师应鼓励学生展示学习成果,分享学习心得,提升学生的学习获得感。
4.3 强化在线课堂的网络学习共同体建设
在学习管理上,充分发挥班集体在学习中的优势,借助微信、QQ等社交平台构建以学生为中心,以问题为导向的网络学习共同体。教师通过定期的在线直播、答疑讨论、活动打卡等线上活动激发学生学习的兴趣度与活跃度,并及时反馈活动结果。其次,在充分发挥社交平台互帮互助的前提下,还应发挥其在学习评价中的监督作用,通过设置学生助教、小组负责人等来协助教师完成在线监督管理工作。最后,在学习评价上,应建立以教师评价为主,学生自评、小组互评及社交平台活跃度为辅的多维综合评价体系,鼓励学生自主学习,促进自我有效学习行为的发生。
参考文献
[1]杨现民,王怀波,李翼红,等.滞后序列分析法在学习行为分析中的应用[J].中国电化教育,2016,(2):17-23.
[2]陈圆圆,刘盛峰,董克,等.基于数据挖掘的成人学习者在线学习行为与学习效果分析[J].安徽广播电视大学学报,2019,(1):38-42.
[3]沈欣忆,刘美辰,吴健伟,等.MOOC学习者在线学习行为和学习绩效评估模型研究[J].中国远程教育,2020,(10):68-76.
[4]张敬,芦雪娟,田巍,等.混合式教学模式中在线学习行为与高等数学成绩的相关性分析[J].高师理科学刊,2020,(6):65-68.
[5]刘可,唐世星,聂帅帅,等.疫情防控背景下高职院校学生在线学习效果控制机制研究[J].中国教育信息化,2020,(15):63-67.
关键词:高职;在线学习行为;学习绩效
中图分类号:G4 文献标识码:A doi:10.19311/j.cnki.1672-3198.2021.30.065
2020年初,受新冠肺炎疫情的影响,传统线下课堂教学模式受到了巨大的冲击。随着互联网技术的发展与教育信息化的全面推进,在线学习由于不受时空的限制,充分利用了碎片化时间,具有可重复性和灵活性,因此备受高校与教育机构的推崇。然而,对于高职学生而言,其学习的自主性与自觉性相对欠缺,在线学习由于缺乏传统教学的课堂监管与面对面沟通,互动性较差,极大地影响了教学效果。因此,在充分发挥在线学习优势的前提下,如何保障在线学习的效果是摆在众多高校教学管理者面前亟待解决的问题。
1 研究现状
随着移动互联网与大数据技术的发展,针对学生在SPOC在线学习平台上产生的海量学习行为数据,相关SPOC研究也呈现快速增长的趋势。杨现民等认为与学习参与度和学习投入相比,学习者在学习过程中实际产生的行为序列更能反映学习者的行为路径和认知过程。陈圆圆、刘盛峰、董克等以本科课程《大学英语1》为例,探讨学习行为与学习效果之间的相关性。沈、刘美辰等利用Python技术和Stata回归分析发现作业完成比例、视频完成情况、论坛中的积极表现等都会对成绩产生正面影响。张敬等通过对55名学生在线平台学习情况进行研究,从在线学习时间、阅读下载次数等4个方面探讨在线学习行为与高等数学成绩的相关性。刘可、唐世星等通过筛选出预习完成率、活动参与率等6个在线学习行为指标,借助聚类算法,回归分析了学习效果与学习行为之间的数学关系。
综上,由于在线学习过程的复杂性,学者得出的结论也有所不同,对影响在线学习绩效的因素也存在不同见解。本文结合高职学生的学情与学习特点,通过对在线学习行为数据进行分析,探讨在线学习行为与学习绩效的相关性,进而优化在线课程的内容与结构,提升在线学习质量与效果。
2 研究设计
2.1 研究对象
本研究依托浙江省高等学校在线开放课程共享平台,以2020年秋季参加《管理学基础》在线学习的59名学生为样本对象。该课程作为经管类专业的专业基础课程,具有理论性、系统性与普遍应用性。而高职学生基础普遍较差,对于理论课程缺乏兴趣,针对高职学生的学情,安排了在线学习与测验结合线下讲授答疑,是一门线上线下相结合的网络课程。
2.2 研究方法
2.2.1 文献法
在查阅大量相关文献资料的基础上,确立了学习者的在线学习行为(课程访问次数)、资源学习行为(资源学习时长)、测试学习行为(在线测试与课后作业)和讨论参与行为(讨论回帖次数)四类学习行为。
2.2.2 访谈法
在期末成绩高分与低分中各选取15名学生进行访谈,进一步深入了解学习行为与学习绩效之间的关系。
2.3 研究工具
采用数据挖掘和定量研究相结合,将课程平台中学生在线学习行为的数据和期末卷面考试成绩录入Excel表格中,再利用SPSS21.0软件进行简单相关分析(Pearson积差相关法)和多元线性回归分析。
3 研究结果分析
通过对59名学生的课程访问次数、在线测试成绩、资源学习时长、讨论参与次数、课后作业成绩及期末考试成绩等在线学习行为数据的分析,探讨在线学习行为与学习绩效之间的相关性,再进一步检验以上行为对期末考试成绩影响的显著性。
3.1 在线学习行为变量的描述性统计
通过对在线学习行为变量的描述性统计显示(见表1),学生的课程访问次数在0~38次,平均每人访问约33次;资源学习的时长介于0~327分钟,平均时长约286.17分钟;讨论发帖参与的次数介于0~10次之间,平均约3.6次;在线测试的成绩在0~15分(满分20分)之间,平均分约为6.18分;课后作业成绩介于0~14分(满分20分)之间,平均分约为6分。由于本课程主要是面向大一新生开放,初次接触大学的新鲜感和好奇心,使得学生对课程充满兴趣,因此访问次数与学习时长这两个指标都较高,说明学生在线学习的积极性与参与度还是很高的。然而由于高职学生的学习基础普遍较差,加之学习的自主性欠缺、实践经验缺乏,因此讨论参与次数较少,各类测试成绩较差,参与的质量与有效性并不乐观。
3.2 在线学习行为与学习绩效的相关性分析
由表2显示,期末考试成绩与课程访问次数、在线测试成绩、资源学习时长、讨论参与次数、课后作业成绩均呈现正相关。其中,在线测试成绩、课后作业成绩与期末考试成绩之间相关系数最高,分别达到了0.479与0.447,在0.01水平上显著相关。这说明学生在线测验与课后作业成绩越高,对相关知识的掌握越牢固,从而期末的考试成绩越好。 而课程访问次数、资源学习时长、讨论参与次数与期末考试成绩之间的相关系数为0.361、0.359与0.311,呈非显著正相关,即这三类学习行为与期末考试成绩正相关,但影响较小,这与在线学习行为变量的描述性统计结果一致相同。 3.3 在线学习行为与学习绩效的回归分析
为了进一步探讨课程访问次数、在线测试成绩、资源学习时长、讨论参与次数、课后作业成绩对期末成绩的影响程度,课题组对数据进行了多元回归分析(见表3)。回归模型的F值为5.987,显著性为0.000,小于0.05,表明回归模型中至少有一个自变量显著,说明回归模型科学合理,可以接受。
由于课程访问次数与资源学习时长相关系数为1(见表2),系统自动剔除了课程访问次数变量(见表5),最终回归分析的结果显示(见表4),在线测试成绩对期末考试成绩有显著的影响(p<0.05),回归系数为1.787,表明在线测试成绩越好,对期末考试成绩影响越大;而资源学习时长、课后作业成绩、讨论参与对期末考试成绩均没有显著影响(p>0.05)。
3.4 研究结论
根据在线学习行为与学习效果的统计分析显示,期末考试成绩与课程访问次数、在线测试成绩、资源学习时长、讨论参与次数、课后作业成绩均呈现正相关,且在线测试成绩对期末考试成绩有显著性影响,呈强相关;而资源学习时长、讨论参与次数、课后作业成绩與期末考试成绩呈弱相关。究其原因,主要如下:首先,高职学生学习动机不强,缺乏学习的自主性,基于“要我学”这一原因学习的学生不在少数,因而尽管资源学习时长平均值高达286分钟(总时长327分钟),但由于被动学习比例较高,“一心多用”伴随较多的非学习行为导致资源学习时长对期末考试成绩的影响不显著;其次,由于互动形式单一,导致学生对管理学课程的讨论互动参与较低,尤其是高质量的有效参与较低,故其对期末成绩的影响也不显著;最后,高职学生学习的自主性与自觉性欠缺,导致对于课后作业更多的是持完成任务的态度,加之由于没有了课堂教师的监管,课后作业抄袭普遍,即使取得了较好成绩也未必能反映学生对知识的真实掌握情况,因此其对期末考试成绩的影响也不显著。
4 在线有效学习行为的促进策略
在充满诱惑的互联网环境下,高职学生由于自制力较差,更倾向于片面追求刺激性的体验,也更易在互联网中迷失自我,从而使得在线学习绩效难以获得有效提升。因此,为了指导学生深度参与在线学习和促进有效学习行为的产生,依据在线学习行为与学习绩效的研究结果,我们建议从学习资源支持、课程设计、学习管理与评价三个方面着手改进。
4.1 完善课程平台资源的多样性建设
调查显示,学生参与是有效学习的前提。在充满诱惑的互联网时代,如何让学生更主动地加入在线学习中来,这就对在线平台中的学习资源建设提出了更高的要求。在学习资源支持方面,为了提升学生学习的积极性与兴趣,教师应完善课程平台学习资源的多样性建设。第一,教学视频作为在线学习的重要载体,包含主要的课程教学内容,其重要性不言而喻。但是教学视频不应只是在线学习的唯一载体,还应根据教学要求增加章节重难点、管理小故事、案例教学、管理实践、情景模拟、分组讨论等辅助资源,使在线学习更加具有趣味性与针对性。第二,研究表明,在线测验与期末考试成绩有显著正相关关系,故应适度增加与课程联系紧密的在线测验、随堂练习等在线交互环节,借助“互联网+教育”及时掌握学生学习动态,有针对性提出改进措施,进一步优化学习效果。第三,根据“课前、课中、课后”教学环节,增加云教材学习、课前预习、主题讨论、分组任务、课后作业等对应的教学活动资源。
4.2 增加课程平台资源的个性化建设
在建设多样化的平台学习资源的基础上,还应针对性地结合高职学生的学习特点,增加个性化学习资源建设。由于高职学生专注度与学习的持久性不强,在课程设计上,首先,教学视频应尽量短小精悍,时间不宜过长,一般不超过15分钟。其次,基于学生基础薄弱的学情,结合行业技能要求,开发“项目任务式驱动、知识技能型学习”为主线,以典型任务为导向的项目化课程体系建设,形成由易到难,由单一到综合的个性化教学资源库。最后,高职学生由于高考成绩不理想,自信心受挫,因此教师应鼓励学生展示学习成果,分享学习心得,提升学生的学习获得感。
4.3 强化在线课堂的网络学习共同体建设
在学习管理上,充分发挥班集体在学习中的优势,借助微信、QQ等社交平台构建以学生为中心,以问题为导向的网络学习共同体。教师通过定期的在线直播、答疑讨论、活动打卡等线上活动激发学生学习的兴趣度与活跃度,并及时反馈活动结果。其次,在充分发挥社交平台互帮互助的前提下,还应发挥其在学习评价中的监督作用,通过设置学生助教、小组负责人等来协助教师完成在线监督管理工作。最后,在学习评价上,应建立以教师评价为主,学生自评、小组互评及社交平台活跃度为辅的多维综合评价体系,鼓励学生自主学习,促进自我有效学习行为的发生。
参考文献
[1]杨现民,王怀波,李翼红,等.滞后序列分析法在学习行为分析中的应用[J].中国电化教育,2016,(2):17-23.
[2]陈圆圆,刘盛峰,董克,等.基于数据挖掘的成人学习者在线学习行为与学习效果分析[J].安徽广播电视大学学报,2019,(1):38-42.
[3]沈欣忆,刘美辰,吴健伟,等.MOOC学习者在线学习行为和学习绩效评估模型研究[J].中国远程教育,2020,(10):68-76.
[4]张敬,芦雪娟,田巍,等.混合式教学模式中在线学习行为与高等数学成绩的相关性分析[J].高师理科学刊,2020,(6):65-68.
[5]刘可,唐世星,聂帅帅,等.疫情防控背景下高职院校学生在线学习效果控制机制研究[J].中国教育信息化,2020,(15):63-67.