混合式計算機基礎課堂形成性評價指標體系構建①

趙穎 喻凡

[摘 ? ? ? ? ? 要] ?網絡教學平臺支持的混合式學習越來越多地出現在大學課堂教學中，學習方式的變革必然帶來評價方式的變革，構建混合式形成性評價指標體系非常重要。采用層次分析法，構建混合式計算機基礎課堂形成性評價指標體系。從線上學習行為和線下學習行為兩個維度出發，將資源瀏覽量、論壇帖子數、高質量帖子數、出勤次數、課堂實訓成績和課堂問答次數等因素作為評價指標，并確定各指標的權重，其中課堂提問次數、課堂回答次數、課堂實訓成績和高質量帖子數在指標體系中所占權重較大，是學習評價的關鍵。

[關 ? ?鍵 ? 詞] ?混合式學習評價;層次分析法;大學計算機基礎

[中圖分類號] ?G642 ? ? ? ? ? ? ? ? [文獻標志碼] ?A ? ? ? ? ? ?[文章編號] ?2096-0603（2019）18-0022-02

一、引言

教學評價反映教育者在學生身上所追求的教育效果，推動著課程與教學的發展。教育評價的提出者泰勒（Tyler）認為，評價即是描述課程與教學目標的實際完成程度。教學評價從“測量運動”“教育評價”再到“學業評價”經歷了不同的歷史時期。目前教學評價強調多元化、個性化、動態化等特點。但在教學評價改革的實踐中，也有教師抱怨“多元化、過程化”的評價讓教師增負、學生增負、擠壓課堂時間，評價效果和評價投入形成一個巨大的矛盾。北京師范大學校長董奇在GES2018教育大會上的發表主題為《創新教育評價，引領未來教育》的演講中指出“要真正建立面對未來素養的新的評價，必須要科技賦能教育評價。”在目前新興的在線教育中，在線學習平臺能夠記錄學習過程，分析教學與學習過程數據，形成了很多學習分析領域的成果。本研究的研究對象是Moodle平臺支持的混合式課堂大學計算機基礎課堂，Moodle平臺可以記錄學生的學習過程，本研究基于平臺數據和線下教學行為，嘗試構建混合式計算機基礎課堂形成性評價指標體系。

隨著在線平臺的技術成熟與實踐推廣，混合式教學在各級各類教育、培訓中的使用也逐漸增多，混合式教學評價的方法也成為目前研究者關心的一個熱點，余勝泉（2003）認為，對學習者的評價應該考慮交互程度、答疑情況、資源利用情況、作業和考試五點。陶彥玲（2004）認為，應該從智力和非智力因素評價學生的學習，尤其是非智力因素，必須在教學過程中對學生進行觀察、訪談，從定量和定性兩個維度去考察;張生（2008）、安繼芳（2018）使用層次分析法構建混合式學習評價指標體系，其中安繼芳的研究延續了魏順平（2015）關于在線學習自動評價模式的一級指標分類，即“學習投入”和“學習產出”;謝茂森（2015）采用五點量表問卷，從學習效果、學習過程、態度與感受和互動與交流四個方面對學習效果進行評價;此外，劉志勇（2017）、唐玉蘭（2107）等學者還從環境（包括平臺運營、技術服務等）、教學（教學方法、教學態度、教學效果等）和學習（學習效果、學習適應性等）等方面對如何評價混合式課程設計進行研究。

形成性評價在教學實踐中一直以來都是一項耗時耗力的評價行為，本研究本著“科技賦能教育評價”的基本思想，使用層次分析法，構建混合式計算機基礎課堂形成性評價指標體系，將平臺數據、課堂表現和教師評價等線上學習數據和線下學習行為全面囊括在評價體系中，讓評價結果能夠全面體現學習者全過程的學習行為和學習效果。

二、評價指標框架構建

本研究使用層次分析法（Analytic Hierarchy Process，AHP）確定指標權重，該方法將決策有關的因素分解為目標、準則、方案等有序層次，基本步驟包括建立遞階層次結構模型、構造各層次中的判斷矩陣、層次單排序及一致性檢驗、層次總排序及一致性檢驗四個環節。

（一）建立評價指標框架

評價指標框架即層次分析的遞階層次結構模型，魏順平（2015）、安繼芳（2018）等研究者從在線學習的“學習投入”和“學習產出”兩個維度建立評價框架。他們的研究強調“自動”評價，因此，盡量抓取客觀可量化的學習行為，如活動參與率、活動參與量、論壇參與量等。但是在我院大學計算機基礎教學實踐中，大一學生計算機使用經驗差異巨大，一些農村出身或接觸計算機較少的學生參與學習活動達到一定的數和量，學習效果卻不一定好，如果只考慮過程評價，顯然并不合適。同時，本研究的對象并非在線學習，而是一門以混合式學習為學習方式的必修課，教師參與較多，因此在評價指標的選取中，不但有客觀可量化的數據，也應該有大量教師主觀打分的數據，還可以有兩者相結合的數據。

因此，按照混合式學習發生的場所，本研究將本課程的評價從“線上學習行為”和“線下學習行為”兩大維度來進行。再對這兩類一級指標進行細分，初步擬定了混合式計算機基礎課堂形成性評價指標框架，一級指標“線上學習行為”下的二級指標有資源瀏覽量、自由論壇帖子數、主題論壇回帖數和高質量帖子數;“線下學習行為”下的二級指標有出勤次數、課堂實訓成績、課堂回答次數和課堂提問次數。在計算論壇發帖數，回答問題數等學生參與活動次數時，借鑒魏順平（2015）研究中計算方法，即計算參與活動的頻次，選取前20%中最低的頻次作為計算的分母，以此得到參與活動頻次的相對值。

（二）構造判斷矩陣

根據評價指標框架編制問卷，問卷要求填寫者兩兩比較框架中的元素哪個重要，重要到什么程度，對重要程度的判斷進行1～9的賦值，問卷形式如圖所示。本研究邀請了4名富有經驗的大學計算機基礎教師，對收集到的打分結果取算數平均值，整理后獲得判斷矩陣。

其中，一級指標兩兩比較獲得一個一級指標總的判斷矩陣：

A= 1 0.2923.5 ?1

二級指標兩兩比較獲得二級指標判斷矩陣兩個：

B1B2B3B4=1 0.333 0.267 0.1113 ?1 ? 0.667 0.1274 ?2 ? ?1 ? 0.1439 ?8 ? ?7 ? ? 1

B5B6B7B8= 1 0.143 0.350 0.127 7 ?1 ? 1 ?0.2673.5 ? 1 ? 1 ?0.267 8 ?4 ? 4 ? ? 1

本研究采用和法求取矩陣的特征向量，得到兩個一級指標的權重向量為：

ωA=（0.224，0.776）T

二級指標的權重向量為：

ωB1B2B3B4=（0.05，0.108，0.157，1.686）T

ωB6B7B8B9=（0.052，0.210，0.165，0.573）T

經驗證，兩個二級指標的矩陣C.R.<0.1，可以認為每個判斷矩陣的一致性都是可以接受的。

（三）組合權重表的確定

根據上述計算結果，最終可以得到給予Moodle平臺的混合式課堂形成性指標體系一級指標、二級指標的組合權重體系如表所示。

從權重體系來看，在一級指標中，線下學習（B2）的權重指標較高，因為大學計算機基礎課還是以線下的指導和練習為主，一些慕課課程的評價指標可能就與此大為不同。在二級指標中，權重指標最高的是“課堂提問次數（B8）”，其權重為0.445，權重較高的指標還有“課堂回答次數（B7）”“課堂實訓成績（B6）”和“高質量帖子數（B4）”分別為0.128，0.163和0.154，在傳統的計算機基礎教學中，常常會以日常出勤和課堂實訓成績作為學生的平時成績（或形成性評價成績），但在混合式計算機基礎教學中，因為部分知識、技能的學習可以更多的放在線上，因此在教學過程中不僅關注學生的實訓成績，也關注學生的疑問和對知識、操作的理解。

三、思考和展望

隨著信息技術的發展，混合式學習方式越來越多進入大學課堂，必然帶來學習方式的變革，學生學習方式、時空都得到了擴展。混合式學習的評價方式的改變是學習方式變革的必然結果，通過構建混合式課堂評價指標體系，既能夠將學生的學習結果全面的表現在評價結果中，又能充分利用平臺數據，為原本耗時耗力的形成性評價提供充分的評價依據。這部分的評價結果可以與傳統考試的總結性評價結果按照恰當結合，最終形成學生的課程總評。

未來的研究將考慮形成性指標體系和評價目標更加深入地結合，如在計算機基礎課程中引入計算思維、多元智能等概念，需要將這些培養目標融入評價指標體系中。

參考文獻：

[1]鄧雪，李家銘，曾浩健，等.層次分析法權重計算方法分析及其應用研究[J].數學的實踐與認識，2012，42（7）：93-100.

[2]陶彥玲，楊改學.網絡教學質量及評價[J].現代遠距離教育，2004（5）：39-41.

[3]魏順平.在線學習自動評價模式構建與應用研究[J].中國遠程教育，2015（3）：38-45，79.

[4]余勝泉.基于互聯網絡的遠程教學評價模型[J].開放教育研究，2003（1）：33-37.

[5]張生.混合式學習環境下基于學習活動的形成性評價的理論與實踐[D].長春：東北師范大學，2008.

[6]安繼芳，戴紅，于寧.混合式學習環境下大學計算機基礎評價指標體系的構建[J].教育教學論壇，2018（32）：266-268.

編輯 武生智