基于學習風格分類的SPOC平臺在線學習行為與學生成績的關聯(lián)分析

何宏 劉洞波 張碧

摘? 要：隨著在線教育的發(fā)展，各平臺積累了大量的在線學習行為數(shù)據(jù)。如何挖掘在線數(shù)據(jù)背后巨大的價值，已成為新的研究熱點。該文通過收集學生SPOC平臺在線行為數(shù)據(jù)和學生Felder-Silverman學習風格調(diào)查表，對所有樣本學生和學生學習風格類型方式，開展SPOC平臺在線學習行為數(shù)據(jù)與學生期末考試成績的關聯(lián)分析。通過對比研究，不同學習風格類型學生的在線學習行為數(shù)據(jù)與學生成績的相關系數(shù)有明顯變化，數(shù)據(jù)分析結(jié)果為教師決策與學生提高學習效率提供了科學依據(jù)。

關鍵詞：SPOC平臺? 在線學習行為? 學習風格? 關聯(lián)分析

中圖分類號：G434? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1672-3791（2019）03（b）-0207-04

Abstract： With the rapid development of online education， a large amount of data has been recorded by the online platform. How to mine? the potential value behind the online data has become a new research hotspot. This paper collects the data of online learning behaviors on SPOC and presents the results of the Felder-Silverman learning style model questionnaire completed by students， then according to all sample students and classify students on the basis of their learning style， we conduct the correlation analysis to investigate the relationship between the data of online learning behaviors and the students'final exam grades. After finishing the comparative analysis， the correlations of different type of students have a visible change. The data analysis results offer good scientific preference for teachers' decision making and for students to improve their efficiency.

Key Words： SPOC platform; Online learning behavior; Learning style; Correlation analysis

隨著計算機、網(wǎng)絡通信和云計算等技術的快速發(fā)展，在線教育得到了巨大的發(fā)展。特別是SPOC（Small Private Online Course，即小規(guī)模限制性在線課程）課程類型模式的出現(xiàn)，SPOC混合教學模式在高校實際教學中得到廣泛應用和推廣 。相對于傳統(tǒng)的教學模式，類似SPOC平臺會產(chǎn)生并實時記錄在線學習過程中大量的相關數(shù)據(jù)。根據(jù)這些真實的記錄數(shù)據(jù)，利用計算機等相關技術，可深入挖掘隱藏在這些數(shù)據(jù)背后巨大的價值，可以實現(xiàn)對在線學習的學生表現(xiàn)、學習效果和學習規(guī)律來進行評價，為教師和在線學習平臺如何為學生服務提供可靠的科學依據(jù)等[1]。

學習者學習風格的研究也是重要的一個課題，該文正是利用SPOC平臺記錄的在線學習行為數(shù)據(jù)，科學挖掘?qū)W習者在線學習行為與學習風格、學習習慣、學習偏好之間潛在的關聯(lián)規(guī)則、微妙復雜的關系。數(shù)據(jù)分析和實證教師在采用SPOC平臺教學時，需要開發(fā)哪些學習資源，有助于不同學習風格學習者開展有效學習;學習者如何利用SPOC平臺個性化學習和自適應學習相結(jié)合，提高學習效率;在線學習平臺如何智能化為教師和學習者服務。從而使高校教學質(zhì)量得到提高，學生學習效果更加顯著，推動教育信息化改革。

1? 相關知識

1.1 在線學習行為分析

在線學習行為分析主要基于SPOC平臺對師生學習過程的記錄數(shù)據(jù)，針對行為主體（教師、學生）的行為方式（登錄、瀏覽資源、觀看視頻、發(fā)帖、做練習、測試）、行為客體（各類資源、網(wǎng)絡課程模塊）的被使用情況以及行為發(fā)生時間進行統(tǒng)計、可視化和各類挖掘，并結(jié)合師生的人口特征數(shù)據(jù)對影響在線學習行為的因素進行挖掘[2]。

1.2 學習風格模型

學習風格模型是學習風格研究的一個重點，F(xiàn)elder-Silverman的學習風格模型跨過于洋蔥模型的中間層和最內(nèi)層，它主要涉及的是學生的認知風格和信息處理的偏好。這個風格模型包含了信息的加工、感知、輸入和理解4個方面，將學習風格分為4個組對8種維度：知識加工分活躍型與沉思型;知識感知分感悟型與直覺型;知識輸入分視覺型與言語型 ;知識理解分序列型與綜合型[3] 。

從已有的在線學習行為與學習風格相結(jié)合的研究來看，張巖等對學習者特征進行了分析[4]。黃盛月等從資源呈現(xiàn)方式對不同學習風格的學習效果影響進行了研究[5]。史婷等將研究對象分視覺型與言語型兩類，利用在線行為數(shù)據(jù)與學習成績進行了分析[6]。

2? 基于學習風格分類的SPOC在線學習行為與學生成績的關聯(lián)分析

該研究選取湖南工程學院計算機與通信學院的專業(yè)必修課“C語言程序設計”作為研究對象。“C語言程序設計”是計算機類專業(yè)本科生大一分兩學期開設的一門專業(yè)必修課程。該課程是學校100門網(wǎng)絡建設課程之一，專門開發(fā)課程配套相關文檔教材和微課視頻等。以2018至2019秋季為例，開課時長為16周。選取學院軟件工程專業(yè)2018級71名學生為研究樣本。通過問卷星收集Felder-Silverman問卷，將研究樣本學生分成4個組對8種風格，采集湖南工程學院網(wǎng)絡教學平臺記錄的樣本學生學習行為記錄和基本信息來開展在線學習行為的關聯(lián)分析研究。

2.1 數(shù)據(jù)收集和整理

通過問卷星，向研究樣本學生發(fā)放Felder-Silverman問卷，發(fā)放71份，實收61份，根據(jù)Felder-Silverma學習風格模型，整理數(shù)據(jù)后，結(jié)果如表1所示。

從表1可知，4個組對中，輸入和感知方面兩種類型差別最大，視覺型占比最高，占80%，言語型最低，占20%。沉思型期末考試成績最高，為68.8分，直覺型期末考試成績最低，為59.30分。

通過湖南工程學院網(wǎng)絡教學平臺，收集研究樣本學生學習“C語言程序設計”課程的學習行為數(shù)據(jù)，包括學生登錄次數(shù)、看視頻時長、作業(yè)成績等數(shù)據(jù)，去掉沒有提交問卷學生數(shù)據(jù)，學生登錄基本情況如表2所示。

從表2可知，學生在學習期間總登錄次數(shù)為14693，其中視頻103個，視頻總時長為419.2min，且為任務點，記入學生平時成績。學生期末考試平均分為66.28。

2.2 樣本學生在線學習行為與學生成績關聯(lián)分析

根據(jù)收集的數(shù)據(jù)，研究樣本學生的學生登錄次數(shù)、看視頻時長、作業(yè)成績與學生期末考試成績作關聯(lián)分析，結(jié)果如表3所示。

從表3可知，研究樣本61名學生平均登錄次為253.74，與學生期末考試成績相關系數(shù)為0.25;平均看視頻時長為191.16min，與學生期末考試成績相關系數(shù)為0.25;作業(yè)平均成績?yōu)?8.77，與學生期末考試成績相關系數(shù)為0.36。

從表3的結(jié)果來看，研究樣本學生在線學習行為數(shù)據(jù)（登錄數(shù)、看視頻時長和作業(yè)成績）與學生期末考試成績相關系數(shù)都比較大，說明通過SPOC平臺的輔助學習，有力地促進了學生學習成績的提高。

2.3 基于學習風格分類的學生登錄次數(shù)與學生成績關聯(lián)分析

按Felder-Silverman學習風格4組對8種風格，以學生登錄平臺次數(shù)與學生期末考試成績進行關聯(lián)分析，得到表4的結(jié)果。

從表4可知，研究樣本中直覺型學生平均登錄次數(shù)最多，達256.15次，綜合型學生平均登錄次數(shù)最小，僅215.59次。學生分類后登錄次數(shù)與期末考試成績相關系數(shù)區(qū)別很大，最大的為直覺型類型學生，相關系數(shù)為0.63，相關系數(shù)最小的為言語型類型學生，相關系數(shù)為-0.06。

從表3和表4分析可知，登錄平臺次數(shù)會促進研究樣本學生成績的提高，但學生根據(jù)學習風格模型分類后，登錄次數(shù)與成績的相關系數(shù)值顯著變化，直覺型學生相關系數(shù)為0.63，言語類型學生的相關系數(shù)為-0.06。因此，從SPOC平臺記錄的學習者登錄次數(shù)這一個參數(shù)來看，整體是登錄次數(shù)越多，學生成績會提高。但對于不同風格類型學生，相關系數(shù)值顯著變化，像研究樣本中的活躍型、感悟型、言語型和綜合型的學生，登錄次數(shù)與學生成績相關性很小。

2.4 基于學習風格分類的學生觀看視頻時長與學生成績關聯(lián)分析

按Felder-Silverman學習風格4組對8種風格，以學生觀看視頻時長與學生期末考試成績進行關聯(lián)分析，得到表5的結(jié)果。

從表5可知，研究樣本中學生，觀看視頻時間平均時間最長為綜合型學生，達233.65min，直覺型學生平均觀看視頻時間最少，達191.16min。學生分類后觀看視頻時長與期末考試成績相關系數(shù)最大的為序列型類型學生，相關系數(shù)為0.26，相關系數(shù)最小的為綜合型類型學生，相關系數(shù)為0.01。

從表3和表5分析可知，觀看視頻會促進研究樣本學生的成績提高，但學生投入的有限，沒有充分發(fā)揮SPOC平臺輔助教學的作用。但對于不同類型學生，相關系數(shù)有較大變化，像研究樣本中的綜合型學生，觀看視頻時長與學生成績關聯(lián)性很小。同時說明，教師從SPOC平臺提供的教學資源，要滿足不同學習風格類型學生個性化學習的要求。從學生角度來看，SPOC輔助教學平臺，會促進學生成績的提高，學生應利用平臺和資源，改變原有的學習方式，投入更多的時間與精力，如研究樣本中的序列型學生。同時也要求學生在開展個性化學習的同時，也要自適應地開展學習;在線平臺只提供了一些統(tǒng)計服務，不能智能地分析數(shù)據(jù)，教師不能根據(jù)學生學習風格適時做出教學調(diào)整和學生自適應學習。

2.5 基于學習風格分類的學生作業(yè)成績與學生成績關聯(lián)分析

按Felder-Silverman學習風格4組對8種風格，以學生作業(yè)成績與學生期末考試成績進行關聯(lián)分析，得到表6的結(jié)果。

從表6可知，研究樣本中學生，作業(yè)平均成績最高分為綜合型學生，成績?yōu)?0.43，直覺型學生完成作業(yè)成績最差，成績?yōu)?7.05。學生按學習風格模型分類后作業(yè)成績與期末考試成績相關系數(shù)可知，最大的為沉思型類型學生，相關系數(shù)為0.54，相關系數(shù)最小的為活躍型類型學生，相關系數(shù)為0.19。

從表3和表6分析可知，作業(yè)是教學中的重要環(huán)節(jié)，學生習慣于傳統(tǒng)的教學方式，作業(yè)成績與學生期末考試成績相關系數(shù)很大。因此，從教師來看，教師要加強作業(yè)的檢查與監(jiān)督;從學生來看，要認真和及時完成作業(yè)。從SPOC平臺來看，要利用計算機等技術，分析作業(yè)中存在的問題，自適應反饋給教師和每一個學生。

3? 結(jié)語

該文以湖南工程學院網(wǎng)絡教學平臺“C語言程序設計”課程為研究對象，選取軟件工程2018級學生為研究樣本，收集學生在線學習行為數(shù)據(jù)和Felder-Silverman學習風格調(diào)查表，對學生整體在線行為數(shù)據(jù)與期末考試成績關聯(lián)和按學習風格分類學生在線行為與學生期末考試成績關聯(lián)進行分析，通過兩方面對比研究，得到以下結(jié)果：SPOC平臺在線行為數(shù)據(jù)都與學生期末考試成績都相關聯(lián);按Felder-Silverman學習風格模型對學生分類后，SPOC平臺學生登錄次數(shù)和觀看視頻時長與部分類型學生期末考試成績相關性大，部分類型學生相關性小，各類學生的作業(yè)成績與學生期末考試成績相關性都很大;教師要根據(jù)學生不同的學習風格提供更豐富的資源，滿足學生個性化學習要求;學生在利用SPOC平臺學習的過程中，要投入更多的時間和精力，改變學習方法，在個性化學習的同時，也要自適應學習;SPOC平臺要利用記錄的在線行為數(shù)據(jù)進行挖掘和分析，智能反饋教師教學和學生學習過程中出現(xiàn)的問題，教師和學生適時自適應調(diào)整。

學習風格和在線行為分析是熱門的研究課題，需要更多的研究者長期探索和研究，解決教學中的問題，從而促進教學質(zhì)量的提高，推動教育信息化的發(fā)展。

參與文獻

[1] 王祎.在線學習行為分析及應用研究[D].華中師范大學，2018.

[2] 孫笑微.基于SPOC平臺日志數(shù)據(jù)的在線學習行為分析及其影響因素研究[J].沈陽師范大學學報：自然科學版，2017，35（1）：103-107.

[3] 劉自慧.基于網(wǎng)絡學習行為分析的學習風格識別及其實證研究[D].北京郵電大學，2015.

[4] 張巖，趙希武.基于SPOC混合式教學模式下學習者特征分析[J].電腦知識與技術，2018，14（33）：159-161.

[5] 黃盛月，史高音，李鳴華.資源呈現(xiàn)方式對不同學習風格的學習效果影響[J].浙江師范大學學報：自然科學版，2018，41（4）：410-415.

[6] 史婷，葛文雙.SPOC課程中學習投入、交互行為與學習成績的關系研究[J].中國醫(yī)學教育技術，2018，32（3）：235-239.

①基金項目：本文為湖南省教育科學“十三五”規(guī)劃2017年度課題“基于移動學習行為的學習風格評價模型研究”的階?段性研究成果（項目編號：XJK17BGD008）。

作者簡介：何宏（1971—），男，漢族，湖南湘潭人，碩士，副教授，研究方向：云計算和數(shù)據(jù)挖掘。