習海旭 陳國鎮 張 穎 黃純國
(1.江蘇理工學院 計算機工程學院,江蘇 常州 213001;2.三盟科技股份有限公司,廣東 廣州 510006;3.江蘇理工學院 外國語學院,江蘇 常州 213001)
MOOC教學模式存在高輟學率、低完成率,能教不能育,教學模式較單一和無法進行分層教學[1]等問題,SPOC混合式教學逐漸成為深受高校師生喜愛的主流在線教學模式。SPOC混合式教學模式,不僅具備線上教學的優勢,更注重課堂教學,能夠提高學生學習的自主性及教學資源的使用效率,進而顯著提高學生的學習質量[2-3]。一方面,在SPOC中,學習支持服務得到了極大改善,其對在線學習系統的重要價值得到了進一步體現[4]。另一方面,隨著大數據技術的發展,學習分析技術已經被廣泛應用于在線學習系統的學習效果評估中,他可以對收集到的學習過程信息進行學習狀態分析,為教師教學策略調整提供有利的參考,干預學生學習過程進而提高學習效果。課題組從學習支持服務的學習分析角度對SPOC混合式教學進行研究和實踐,其目的是科學地對學習支持服務進行持續優化,進而促進SPOC混合式教學的發展。
混合式教學中的學習支持服務作為遠程教育中學習支持服務研究的一個新領域,一方面要解決教與學分離帶來的人機交流困難和教學質量低下等問題,另一方面也要支持混合式教學的有效開展。國內外學者從學習理論的角度提出了相關的結構模型并進行了行動實證研究,例如巴德爾.H.可汗 (Badrul H.Khan)的混合式學習設計和評價指南。也有學者進一步構建了某個具體的混合式教學模式下的學習支持服務模型,例如張成龍提出了基于MOOC混合式教學的學習支持服務體系[5]。目前,還沒有學者從數據分析的角度對學習支持服務的評價和優化提出系統的模型框架。
學習分析技術是對學生學習過程的分析評價,將搜集和整合學習平臺中學習者零碎、隨機的數據用于評估及預測學習者的學習情況及學習效果,讓學習者、教育者及教育管理者三方能夠根據分析結果進行優化資源、教學過程以及教學環境的實踐分析技術[6]。
目前的學習分析技術包括傳統的統計數據分析法和新技術支持下的數據分析法。傳統統計分析法是利用數學統計方法對收集到的學習數據進行分析,研究數據變化的規律、原因及關聯,適合簡單的成績分析,難以進行多因素的綜合分析[7]。新技術支持下的數據分析方法主要包括社會網絡分析法、話語分析法和內容分析法[8]。社會網絡分析法基于社會學研究,利用社會網絡關系結構及其屬性進行用戶學習行為及內容分析[9]。例如,判斷尋求學習幫助的個體經常在線上與哪些用戶進行學習交流,經常瀏覽哪些網頁,查詢哪方面的學習資料,什么情景因素對個體學習過程造成了影響等。
社會網絡分析法主要通過關注個體在網絡學習過程中產生的信息及其分布來掌握個體學習的進展,該方法需要大量的在線學習活動數據,因此適合在線學習模式。
話語分析法基于語言學研究,借助大數據技術對課堂上的對話或在線學習平臺中的文本、音頻等交流內容進行口語分析,構建其表達的含義,清晰認識學習者對知識建構的學習發生過程。比較適合一對一或一對多的在線網絡視頻教學和傳統課堂教學,但不適用于慕課及微課等新型教學課堂[10]。
內容分析法是對傳播內容的客觀、系統及定量的描述,是層層推理的過程。內容分析法通過對傳播內容的信息量及變化進行分析,從表征意義詞句逐步推斷出準確意義。運用內容分析法,可以對學習者的學習過程數據進行定量分析(社會網絡分析法及話語分析法無法做到),還可以對學習者的行為模式進行定性分析,以預測學習者的行為,從而為學習者提供個性化的學習資源服務[11]。
SPOC混合式教學中學習支持服務的學習分析需要從線上教學與課堂教學兩方面入手,對各個要素進行綜合性分析,建立起科學、完善的分析系統。表1列出了不同的學習支持服務類型所需要分析的數據指標及內容,并推薦了所需采用的學習分析方法。

表1 學習支持服務中的學習分析
表1中列出了SPOC混合式教學中四種主要的學習支持服務類型[12]。其中資源支持是為學習者提供理論和實踐性教學環節所需的多媒體資源;交互活動支持是學生和教師、學生和學生、學生和平臺之間的相互交流和作用,包括線上的課程指南、發布通知、布置任務、教師評分、同伴互評、在線討論等和線下的面授答疑、個人輔導等;環境支持是混合式教學過程中所涉及的線上系統環境和線下教室環境;管理支持則是教學過程中對學生、課程、資源和活動的管理。學習分析的內容包括學習成績(知識、技能)的提高,學習態度情感的影響、學習困難和路徑的預測、學習者分類和聚類以及學習社交網絡的可視化。學習分析的結果可用于學習支持服務的優化和調整,也可用于檢驗學習支持服務對學習的促進效果。
學習分析的目的是提高學習支持服務的效果,促進學生的學習和發展。因此學習分析框架需要從SPOC混合式學習的系統視角進行構建。學習分析框架主要包括三大部分,如圖1所示,第一部分是參與者,可以是學生、教師、學校和政府等。數據包括數據主體和數據客戶端兩部分,數據客戶端是受益者也就是圖中的受眾,數據主體則是數據的產生者,他們的各項教學行為產生數據信息,成為學習分析過程的分析依據。學習管理系統、移動學習終端或社會性軟件中產生的諸如論文提交情況、日常作業完成情況等數據匯聚在數據倉庫中,對這些數據進行必要的分析和處理后轉化成任務數據,作為分析結果提供給受眾。教師利用學生的學習情況進行教學策略調整,學校通過數據進行教學計劃制定,管理者利用數據進行教育管理活動,對學生的學習行為進行干預以提高其學習效果。

圖1 SPOC學習支持服務效果的學習分析框架
第二部分是工具包,他由數據收集工具,數據處理工具以及數據分析工具組成。學習分析工具包括:
(1) 語言分析工具。該工具針對對話及交流過程進行分析。例如話語及文本分析工具 the Digital Research Tools Wiki、可視化分析工具Word Leand Tag Crowd、定性研究工具NVivo以及定量分析工具WMatrix。
(2) 社會網絡分析工具。包括開放工具、專家工具和大眾工具。
(3) 數據統計工具。基于教學經驗和教學理論,使用統計工具對數據進行分類匯總和分析統計。例如Excel和SPSS等。
第三部分是學習干預,他主要是從教學設計、教學活動和教學管理三個方面入手,對學生的學習行為進行干預,引導其向預定方面發展,從而達到教學目標。
整個學習分析框架是一個整體循環過程,干預也是一個循環往復的過程。在干預過程中要注意三點:
(1) 干預的目的。干預者要知道學習干預是要引導學生高效學習,通過分析結果進行教學設計的調整,對學生的能力培養進行提升,廣泛地拓展干預手段也是極為有效的。
(2) 干預要從學習面臨的問題及難點入手進行有針對性的指導。基于對學生學習狀態的充分了解,要從多方面進行,數據分析只是一方面,還有日常行為及課堂學習表現,通過建立雙向評價體系及師生互動平臺,及時解決學生的問題。
(3) 要從激勵與鞭策兩個方面進行干預。激勵是正向干預,一方面可以利用在線學習平臺上的星級評定和學分積攢等功能,提高學生學習積極性,另一方面通過對不良行為及扣分制度的公布,建立學生學習的鞭策機制,從而形成完善的干預評價機制。
研究以江蘇理工學院數字媒體技術專業2016級學生的“虛擬現實與交互設計”課程教學為例,對該課程進行精心的教學設計,開發課程的在線學習微課視頻、PPT、案例和習題等教學資源,發布在某在線課堂平臺上,利用該平臺提供的資源管理、發布測試、作業布置批改等優勢,在平臺的討論區進行師生交流互動,對學生優秀作品進行展示,通過教學團隊錄制的碎片化教學視頻進行任務點設置,根據評價系統進行分值設置以實現綜合成績的評定。課題組研究的對象是數字媒體專業學生,一共有兩組人員,分組前對其進行摸底測試以確保兩組學生水平相當,實驗組甲組40人,對照組乙組40人,還有專業教師和在線輔導教師。為了檢驗混合式教學模式的有效性,利用正常教學與SPOC混合式教學進行實驗組和對照組的教學,四位教師輪流進行試卷批改以及成績統計,采用軟件進行測試數據分析,制定了學習效果調研表,使用訪談法了解學生對混合式學習模式的看法。研究時間為一學期16周,兩個小組學生的教學內容一致。實驗組采用SPOC混合式教學模式進行教學,課前和課后采用線上的課程學習平臺,在教室里進行學習指導和討論;對照組則采用常規教學。
從統計數據來看,分組前的兩組學生水平基本一致,學生對“虛擬現實與交互設計”的了解都是處于基礎階段。實驗進行后,通過對學生進行兩次測試發現,實驗組的學生成績明顯高于對照組,中途抽查時實驗組學生平均成績高出對照組10分,而期末測試成績則高出對照組13分,而且實驗組學生的成績標準差明顯小于對照組,這意味著實驗組學生成績更加集中,相對而言,對照組學生成績出現了較大的偏差。學生對“虛擬現實與交互設計”各章教學資源的評價中,優秀的最高94%,最低74%,平均為83%,對于可見目標以及文本風格的評價優秀分別為78%和84%,差評率都是7%。由此可以看出,相較于課程資源的形式,學生更關注課程資源內容,在視頻教學中學生希望教師的教學風格能夠保持一致,這樣更便于學習。聲音和視頻的流暢率差評在1.3%,所以在SPOC混合式教學資源的制作過程中,需要保持高標準,才能維持學習者的學習動機,從而有利于教學資源的傳播。
在SPOC混合式教學中學習支持服務的學習分析研究中,教師不僅要注重學習分析數據結果,還需要根據實際情況進行學習分析框架構建,注重參與者的階層、方法的選用、對數據收集分析的正規性和學習行為的解釋等。通過本研究得出結論:SPOC混合式學習相比于常規教學,能夠顯著提高學生的學習興趣及學習成績。