论文部分内容阅读
摘要：本文以研究组所在学院开设的网络在线课程的学习行为数据研究为突破口，进行了初步研究。研究组成员对学生在主要学习平台上的在线学习数据进行了数据采集、清洗和预处理，借助于数据分析平台和可视化分析工具对数据进行了分析，研究了影响学习行为和学习效果的主要因素，并给出指导性建议。
关键词：学习行为研究;在线学习;大数据技术
“互联网+”时代，微课、慕课、SPOC等教学方式迅猛发展，随着全国各大高校教育信息化建设工作的推进，越来越多的课程实行了“线上+线下”的混合式的教学模式，而线上教学的数据在经年累月的信息化运行过程中积累成为了“大数据”。这些数据中最有价值的是学生的在线学习行为数据，通过大数据技术对学生的线上学习行为进行数据分析和挖掘已成为当下教育研究的热点问题。国内外越来越多的研究人员对学生的在线学习行为做出了研究。
为了更好地掌控学生的线上学习行为、更加精准地指导教师的线上教学，我们通过大数据技术对学生线上学习的“海量”行为数据进行分析，通过可视化的分析结果帮助教师更好地开展线上教学，帮助教育决策者更好地引领教育变革。
一、数据采集和预处理
本文选取了研究组成员所在院校的两个学期开设的298 门在线课程，215918选课人次的线上学习行为数据为研究样本，研究的数据包括：学生线上学习的登录时段、任务数完成情况、视频任务点完成情况、课堂测验情况、讨论、发帖情况，通过对这些在线学习行为记录数据和学生的基本信息来开展在线学习行为的分析研究。
首先，研究组从学习平台的后台登录系统获取了线上学习行为数据;然后，将缺少关键数据字段值（数据为空或者值为null）的数据过滤掉，将无效数据过滤掉进行了数据清洗和预处理，然后将处理结果存入数据库，为下一步分析研究做好准备。
二、学习行为影响因素分析
在数据分析阶段采用数据可视化工具以图表的形式分析了以下学习因素。
1.登录频度统计
通过聚类分析法研究学生使用线上学习资源的使用情况，本统计分别以周和时为单位进行统计分析。
1）以周为单位进行统计分析。把每学期的学习时长分为18周，以周为单位进行统计。从整体趋势来看，1-3周为第一个登录高峰期，这是学生在学期初学生登录系统开始课程学习，学习形式以参加课堂活动为主，16-18周为第二个登录高峰，这期间以完成任务点的学习为主。
2）以时为单位进行统计分析。将后台获取到的学生登录时间分为四个时间段：从0点开始，每4个小时为一个统计时间段。经过对比发现8：00-12：00，12：00-16：00的为登录学习的高峰区，16：00-20：00学习者也比较多。在高职院校的混合式教学中，线上学习承担了课前任务布置与检查、开展课堂活动、课后讨论与作业提交、测验的任务，这符合学生的学习规律。但到了学期末的一个月集中在20：00-24：00也出现了登录的小高峰，这明显违背学生的学习规律，存在恶意刷课行为。
2.课程章节访问量统计：
1）学生使用学习终端统计。
为全面了解学生的学习状态，从学生在课程章节访问中使用的学习终端进行了统计分析，统计结果显示PC终端使用率占63.58%，移动端占36.42%。
2）不同类型课程的对比统计。
在课程章节访问量的统计中可以发现公共课的访问量明显高于专业课程，这一方面是因为公共课的开设面广，再一个是有的专业课因为动手实操特性强，很多课程章节不便于进行网上课程章节的学习。
3、课堂活动中使用频度最高的课堂活动类型
对学生线上学习的各个环节进行分类对比，结果显示通过线上提交作业、获得作业成绩的活动占比最高，其中获得作业成绩占27.08%，提交作业占22.08%，这说明在当前的职业院校教学中，线上学习环节在教学中起到了一定的检查、督促的积极作用。
4.不同专业的学生学习效果的對比。
从学习时长、任务完成数、视频观看时长、学习活跃度、学习效果等进行了综合对比，统计显示计算机类专业的学生学习效果最好，其次为电子类专业的学生。这主要是和学生的学习习惯、使用电子产品的熟练程度有关。
5、教师在线上教学中的地位分析
从添加章节数、任务书、测验数、发布作业、活跃度数等环节统计发现，其与学生的学习效果成正比，开展互动较多、添加资源数量较多的课程最受学生欢迎，学生的学习效果越好。
6、通过关联规则分析课堂活动参与情况对于成绩的影响
获取学生在线上学习活动的任务点完成情况、抢答、课堂讨论、小测验成绩、提问次数等学行为数据，请过关联规则研究其与成绩之间的关系。
通过分析发现，对于学习效果影响最大的因素为互动性较强的小测验成绩和课堂讨论，影响最小的为任务点完成情况。
7、分析线上成绩的分布情况对线上学习的影响
线上成绩的组成是由老师灵活设定的，一般包括：任务点完成情况、视频任务点完成数、作业完成数、考试完成数、谈论总数、发帖总数、抢答参与率等。统计显示，适当的提高作业完成数、抢答参与率能更好的的督促学生线上学习，达到较好的教学效果。
三、结论
目前高职院校的线上教学整体运行情况良好，线上平台使用率高，混合式教学开展初见成效。同时，也存在一些问题，需要进行优化改善。
1.优化线上资源的设置
学习视频的设置中可以加入互动环节，如加入“过关”关卡，在知识点的学习中让学生进行“互动”，学生做出正确操作后视频才继续讲解;学完一个知识点需要经过考核才能进入下一个知识点的学习，这可以检查激励学生，一定程度上也可以杜绝恶意刷课行为。
另外，在高职院校中，每学期的课程设置比较多，如果一学期所有的课程都开展线上教学的话，学生很难在规定的时间完成，所以在耗时较长的学习任点、视频任务点的设计中一定要“小而精”。
2、课程组织实施教师要加强引导和督导
在教学过程的组织中，教师要起到积极的引导和督导作用，如在讨论、发帖区进行学习的引导，定期检查学生的学习效果，对跟不上进度的学生进行学习预警。
3、合理设置线上成绩的构成
传统的成绩构成包括：任务点完成情况、视频任务点完成数、作业完成数、考试完成数、谈论总数等环节，在线上成绩的构成中可针对课程特点合理设置各环节比重，如公共课可以适当的增加任务点完成、讨论发帖成绩，专业课则应该侧重作业完成、小测验等环节。
线上教学资源的建设是一个长期、不断完善的过程，线上教学的组织形式需要不断地摸索和改进。本文可以对帮助高职院校教师更好地开展线上教学，帮助教育决策者更好地引领教育变革带来一定的参考价值。
参考文献
[1]徐红彩.在校大学生网络学习行为的调查与研究[J].电化教育研究，2005（06）：61-63.
[2]洪雪峰.教育数据挖掘下的学习效果探析[ J].长沙铁道学院 学报：社会科学版，2014（5）：196-198.
[3]吕海燕.基于“信息化导学平台”的翻转课堂教学模式[ J].计 算机教育，2016（2）：73-78.
关键词：学习行为研究;在线学习;大数据技术
“互联网+”时代，微课、慕课、SPOC等教学方式迅猛发展，随着全国各大高校教育信息化建设工作的推进，越来越多的课程实行了“线上+线下”的混合式的教学模式，而线上教学的数据在经年累月的信息化运行过程中积累成为了“大数据”。这些数据中最有价值的是学生的在线学习行为数据，通过大数据技术对学生的线上学习行为进行数据分析和挖掘已成为当下教育研究的热点问题。国内外越来越多的研究人员对学生的在线学习行为做出了研究。
为了更好地掌控学生的线上学习行为、更加精准地指导教师的线上教学，我们通过大数据技术对学生线上学习的“海量”行为数据进行分析，通过可视化的分析结果帮助教师更好地开展线上教学，帮助教育决策者更好地引领教育变革。
一、数据采集和预处理
本文选取了研究组成员所在院校的两个学期开设的298 门在线课程，215918选课人次的线上学习行为数据为研究样本，研究的数据包括：学生线上学习的登录时段、任务数完成情况、视频任务点完成情况、课堂测验情况、讨论、发帖情况，通过对这些在线学习行为记录数据和学生的基本信息来开展在线学习行为的分析研究。
首先，研究组从学习平台的后台登录系统获取了线上学习行为数据;然后，将缺少关键数据字段值（数据为空或者值为null）的数据过滤掉，将无效数据过滤掉进行了数据清洗和预处理，然后将处理结果存入数据库，为下一步分析研究做好准备。
二、学习行为影响因素分析
在数据分析阶段采用数据可视化工具以图表的形式分析了以下学习因素。
1.登录频度统计
通过聚类分析法研究学生使用线上学习资源的使用情况，本统计分别以周和时为单位进行统计分析。
1）以周为单位进行统计分析。把每学期的学习时长分为18周，以周为单位进行统计。从整体趋势来看，1-3周为第一个登录高峰期，这是学生在学期初学生登录系统开始课程学习，学习形式以参加课堂活动为主，16-18周为第二个登录高峰，这期间以完成任务点的学习为主。
2）以时为单位进行统计分析。将后台获取到的学生登录时间分为四个时间段：从0点开始，每4个小时为一个统计时间段。经过对比发现8：00-12：00，12：00-16：00的为登录学习的高峰区，16：00-20：00学习者也比较多。在高职院校的混合式教学中，线上学习承担了课前任务布置与检查、开展课堂活动、课后讨论与作业提交、测验的任务，这符合学生的学习规律。但到了学期末的一个月集中在20：00-24：00也出现了登录的小高峰，这明显违背学生的学习规律，存在恶意刷课行为。
2.课程章节访问量统计：
1）学生使用学习终端统计。
为全面了解学生的学习状态，从学生在课程章节访问中使用的学习终端进行了统计分析，统计结果显示PC终端使用率占63.58%，移动端占36.42%。
2）不同类型课程的对比统计。
在课程章节访问量的统计中可以发现公共课的访问量明显高于专业课程，这一方面是因为公共课的开设面广，再一个是有的专业课因为动手实操特性强，很多课程章节不便于进行网上课程章节的学习。
3、课堂活动中使用频度最高的课堂活动类型
对学生线上学习的各个环节进行分类对比，结果显示通过线上提交作业、获得作业成绩的活动占比最高，其中获得作业成绩占27.08%，提交作业占22.08%，这说明在当前的职业院校教学中，线上学习环节在教学中起到了一定的检查、督促的积极作用。
4.不同专业的学生学习效果的對比。
从学习时长、任务完成数、视频观看时长、学习活跃度、学习效果等进行了综合对比，统计显示计算机类专业的学生学习效果最好，其次为电子类专业的学生。这主要是和学生的学习习惯、使用电子产品的熟练程度有关。
5、教师在线上教学中的地位分析
从添加章节数、任务书、测验数、发布作业、活跃度数等环节统计发现，其与学生的学习效果成正比，开展互动较多、添加资源数量较多的课程最受学生欢迎，学生的学习效果越好。
6、通过关联规则分析课堂活动参与情况对于成绩的影响
获取学生在线上学习活动的任务点完成情况、抢答、课堂讨论、小测验成绩、提问次数等学行为数据，请过关联规则研究其与成绩之间的关系。
通过分析发现，对于学习效果影响最大的因素为互动性较强的小测验成绩和课堂讨论，影响最小的为任务点完成情况。
7、分析线上成绩的分布情况对线上学习的影响
线上成绩的组成是由老师灵活设定的，一般包括：任务点完成情况、视频任务点完成数、作业完成数、考试完成数、谈论总数、发帖总数、抢答参与率等。统计显示，适当的提高作业完成数、抢答参与率能更好的的督促学生线上学习，达到较好的教学效果。
三、结论
目前高职院校的线上教学整体运行情况良好，线上平台使用率高，混合式教学开展初见成效。同时，也存在一些问题，需要进行优化改善。
1.优化线上资源的设置
学习视频的设置中可以加入互动环节，如加入“过关”关卡，在知识点的学习中让学生进行“互动”，学生做出正确操作后视频才继续讲解;学完一个知识点需要经过考核才能进入下一个知识点的学习，这可以检查激励学生，一定程度上也可以杜绝恶意刷课行为。
另外，在高职院校中，每学期的课程设置比较多，如果一学期所有的课程都开展线上教学的话，学生很难在规定的时间完成，所以在耗时较长的学习任点、视频任务点的设计中一定要“小而精”。
2、课程组织实施教师要加强引导和督导
在教学过程的组织中，教师要起到积极的引导和督导作用，如在讨论、发帖区进行学习的引导，定期检查学生的学习效果，对跟不上进度的学生进行学习预警。
3、合理设置线上成绩的构成
传统的成绩构成包括：任务点完成情况、视频任务点完成数、作业完成数、考试完成数、谈论总数等环节，在线上成绩的构成中可针对课程特点合理设置各环节比重，如公共课可以适当的增加任务点完成、讨论发帖成绩，专业课则应该侧重作业完成、小测验等环节。
线上教学资源的建设是一个长期、不断完善的过程，线上教学的组织形式需要不断地摸索和改进。本文可以对帮助高职院校教师更好地开展线上教学，帮助教育决策者更好地引领教育变革带来一定的参考价值。
参考文献
[1]徐红彩.在校大学生网络学习行为的调查与研究[J].电化教育研究，2005（06）：61-63.
[2]洪雪峰.教育数据挖掘下的学习效果探析[ J].长沙铁道学院 学报：社会科学版，2014（5）：196-198.
[3]吕海燕.基于“信息化导学平台”的翻转课堂教学模式[ J].计 算机教育，2016（2）：73-78.