學習分析技術在教學中的應用研究

張素珍 單振芳

摘要：該文以石家莊郵電職業技術學院2016、2017級移動互聯專業學生學習《JSP網站設計》課程為例，利用學習分析技術對高職信息類課程研究進行精準教學分析，并在此基礎上進行了教學設計、實施、反饋與改進，對于高職教學具有一定的借鑒意義。

關鍵詞：學習分析;精準教學;高職

中圖分類號：TP311文獻標識碼：A

文章編號：1009-3044（2020）27-0159-03

開放科學（資源服務）標識碼（OSID）：

1 引言

學習分析技術已經成為近幾年影響教育領域的關鍵趨勢之一。基于大數據的學習分析能夠基于全方位、全程化的數據進行有證據的分析，深入分析和發掘隱藏的學習需求，為教學評價提供真實客觀的數據來源，擺脫以往依靠經驗主義所造成的模糊、不準確的評價方式，進行科學、精準、量化的教學評價，有利于全面發揮評價的鑒定、導向、診斷和激勵等功能，更有效地支持教學反饋及個性化學習，有利于教師和學生了解學習過程，實施差異化學習方案，為精準教學提供依據，對于提高教學質量具有重要作用。學習分析技術涵蓋的范圍比較廣，是統籌運用信息技術、統計學、教育學、心理學等相關技術手段綜合而成的分析技術。

在此背景下，本文以石家莊郵電職業技術學院計算機系的《JSP網站設計》課程為例，以信息技術和統計學相結合，研究高職學生的先導課程與后續課程的關聯模型，根據模型設計靈活的教學策略，從而更好地支撐精準教學的開展。

2 分析準備

2.1 分析工具

本文利用SPSS 25進行數據挖掘和分析。SPSS是一款主流的數據分析工具，SPSS具有界面友好、操作簡單、適用性好、算法隱藏、接口完善等特點，適合社會科學領域內的數據分析。

2.2 數據準備

分析《JSP網站設計》與其他課程的關聯關系，需要涉及兩種類型的數據：學生基本信息和課程成績信息，其中，學生基本信息數據應來源于學工系統，課程成績信息來源于教務系統。我院通過數字校園的建設，已經將兩個系統的數據集成到數據中心，形成了學生視圖。從學生視圖中獲取計算機系移動互聯專業2017和2018級學生為研究樣本進行建模分析。將數據從數據庫中導出到Excel中，因進行課程的相關性分析需要標度類數據，而導出的各科成績為文本型，首先需要將各科數據調整為數字型，并設置為標度類數據，以進行數據分析。

3 數據建模

3.1斯皮爾曼相關性分析

做各課程的相關分析，首先需檢查數據是否呈正態分布。利用SPSS統計描述和PP圖功能分析得知，JAVA程序設計和計算機文化基礎不呈現正態分布，不適合利用皮爾遜方法，因此采用斯皮爾曼進行相關性分析，具體分析結果如表1所示。

由表l可知，JSP網站設計與英語I、基礎數學、軍事理論、思想道德修養與法律基礎、JAVA程序設計、計算機應用基礎、靜態網站制作等課程在001的顯著性上的相關系數為0.615**，0.621** 0.317**. 0.432**. 0.612**. 0.548**. 0.572**，說明JSP網站設計與英語I、基礎數學、JAVA程序設計、計算機應用基礎、靜態網站制作屬于較高強度相關，而與軍事理論、思想道德修養與法律基礎屬于中強度相關。同時，JAVA程序設計與英語I和基礎數學在001的顯著性上的相關系數為0.560**和0.619**，即此三門課程的相關程度較高，使得他們共同作用于JSP網站設計的成績時可能會有共線性。為進一步科學地分析各科課程共同作用情況下對JSP網站設計課程的影響性，我們建立線性回歸模型進行分析。

3.2 線性回歸模型

3.2.1 變量選擇

根據斯皮爾曼相關分析結果，軍事理論、思想道德修養與法律基礎屬于中強度相關，做線性回歸模型時可排除此兩門課程，而英語I、基礎數學、JAVA程序設計三門可能存在共線性的課程尚難以取舍，待下一步分析后進行確定。因此，初步建立線性回歸模型時，自變量選取為英語I、基礎數學、JAVA程序設計、計算機應用基礎、靜態網站制作;因變量為JSP網站設計。

3.2.2 初步建立模型

在SPSS中利用以上數據建立線性回歸模型后，得到的線性回歸模型系數如表2所示。

3.2.3 修正模

以英語I、基礎數學、計算機應用基礎、靜態網站制作為自變量再次建立線性回歸模型，分析結果如下表所示。

上表顯示Anova顯著性結果為0.000，小于0.05，說明接受假設，即本次建立的模型具有統計學意義。線性模型系數中各科成績的顯著性結果分別為0.005、0.030、0.049、0.005，均小于005，即各科課程對于JSP網站設計均有作用，不需要再進行變量調整。

設因變量為JSP網站設計的成績為v，影響因變量的自變量的英語、基礎數學、計算機應用基礎和靜態網站制作分別為X1，X2，X3，X4，線性回歸模型為：

y=-15 .149+0.324X1+0.322X2+0.231X3+0.274X4

根據模型，對JSP網站設計影響最大的是英語影響系數為0.324，其次為基礎數學，影響系數為0.322，之后才是靜態網站制作和計算機應用基礎，影響系數為0.274和0.231。

如保證模型能真正成立，還需要檢查模型的Durbin-Wat-son系數和共線性情況。由上表可知，本模型的Durbin-Watson系數為1.828，接近于經驗值2，說明殘差具有獨立性;同時進一步分析標準化殘差的直方圖和散點圖，結果表明殘差呈正態分布。本模型的各項VIF值分別為1.831、2.036、1.369、1.384，均小于20，各項共線性診斷條件索引分別14.935、18.178、22.881、29.224，均小于100，說明該模型的各項自變量沒有明顯的共線性。根據以上分析，整體模型具有統計學意義。

4 結果分析

根據數據建模分析結果，我們發現，與一般情況下的認知不同，JSP網站設計與專業相關的JAVA程序設計課程相關性不大，與靜態網站制作相關性也不是最大，反而是基礎學科的英語和數學影響最大。結合教學過程的經驗分析，得出結論為：第一，JAVA程序設計的課程與英語和數學的相關性也比較大，因此在JSP網站設計反倒體現不出其影響;第二，英語和數學作為基礎學科，對于信息類課程的整體影響都比較大，其中，英語的影響超過我們日常認知的數學的影響，很大原因是因為JSP網站設計課程中涉及很多類名稱、關鍵字和錯誤提示，英語單詞成為編程類課程入門的攔路虎，使得部分學生剛開始即產生了畏難情緒，導致后續學習有些跟不上。

5 教學改進與反思

根據以上模型分析結果，在教學過程中，采取如下教學措施：

1）分析學生的英語和數學學習成績，找出需要重點關注的學生名單，在課上有針對性地進行提問和輔導答疑。

2）在課上著重對英文單詞的強化，要求學生不斷背誦關鍵字和類名的寫法，將重要錯誤的英文提示信息整理后發給學生進行，并專門針對性地進行測試。

3）盡量簡化數學邏輯性要求較高的難題，做到由淺及深、逐步深化，避免一開始難度太大導致學生失去信心，同時在課上補充相關的數學知識。

4）在教學過程中，遇到對于Windows的操作和靜態網站中常用語法時，再次強化講解，以夯實本課的基礎。

經過以上研究和教學過程，2019年各專業的JSP網站設計課程的學習成績均取得了不小進步，一些比較重要知識點的錯誤率有了明顯的下降，取得了較好的教學效果。同時也表明，將教育大數據及學習分析技術，對于推動教學改革、提升教學質量具有積極作用。

參考文獻：

[1]顧云鋒，吳鐘鳴，管兆昶，等.基于教育大數據的學習分析研究綜述[J].中國教育信息化，2018（7）：1-6.

[2]上超望，韓夢，劉清堂.大數據背景下在線學習過程性評價系統設計研究[J].中國電化教育，2018（5）：90-95.

[3]高媛，陳瀟.《2018中國職業教育技術展望：地平線項目報告》解讀與啟示[J].電化教育研究，2018，39（4）：101-108.

[4）吳永和，李若晨，王浩楠.學習分析研究的現狀與未來發展——-2017年學習分析與知識國際會議評析[J].開放教育研究，2017，23（5）：42-56.

[5]顧小清，劉妍，胡藝齡.學習分析技術應用：尋求數據支持的學習改進方案[J].開放教育研究，2016，22（5）：34-45.

[6]尤佳鑫，孫眾，云學習平臺大學生學業成績預測與干預研究[J]，中國遠程教育，2016（9）：14-20，79.

[7]牟智佳，武法提，喬治·西蒙斯，國外學習分析領域的研究現狀與趨勢分析[J].電化教育研究，2016，37（4）：18-25.

【通聯編輯：朱寶貴】

作者簡介：張素珍（1972-），女，副教授，河北邢臺人，本科，主要研究方向為機構管理與信息化、計算機教學。