基于高校學生學習行為量化評估的學業預警體系

王琳　李廣玉　紀奕欣　王濤

摘 要 學業預警通過對學生學習過程中的學業指標進行分析，整合學生學習中的不利表現，對學生進行警示、勸告，并采取一定教育、引導措施，可以幫助發現學生群體中存在學業問題的學生，及時開展相應學業幫扶，避免走向退學的不利境地。本研究旨在通過一系列指標對高校學生學習行為進行量化評估，對于全體學生進行定期評估，篩選出處于不利情況學業情況的學生，并及時采取相應學業幫扶措施。本研究綜合多種學習行為影響因素，能夠全面細致評估學生的整體情況和單一因素表現，設定相應學業預警分級體系，旨在為學生學業預警做出貢獻。

關鍵詞 學生學習行為 量化評估 遠程學習保障 學業預警

中圖分類號：G647 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A ? ?DOI：10.16400/j.cnki.kjdks.2021.01.083

Abstract By analyzing the academic indicators in the process of students' learning， the academic early warning integrates the adverse performance of students' learning， warns and advises students， and takes certain education and guidance measures. It can help to find students with academic problems in the student group， carry out corresponding academic assistance in time， and avoid the disadvantage of dropping out. The purpose of this study is to quantitatively evaluate the learning behavior of college students through a series of indicators， regularly evaluate all the students， screen out the students who are in a disadvantageous academic situation， and take the corresponding academic assistance measures in time. This study integrates a variety of learning behavior influencing factors， can comprehensively and carefully evaluate the overall situation of students and the performance of a single factor， set up the corresponding academic early warning grading system， in order to contribute to students' academic early warning.

Keywords students' learning behavior; quantitative evaluation; distance learning guarantee; academic warning

2020年上半年遠程自主學習浪潮席卷全國，[1]教學資源可隨時觀看、學習資料豐富多樣的優點為教育帶來了革新理念 ，[2，3]然而由于教學管理工作者無法與學生面對面交流，也給發現幫助重點同學帶來了困難。[4]往往一個學生集體中，大多數學生都能夠自律的開展學習和生活，而存在學業困難和心理問題的這部分同學是需要被重點關注的學生。如何對此類學生進行全面的幫扶提升，保證每一個學生不掉隊，關注幫扶需要幫助的學生，成為教育界十分關注和亟待解決的問題。

本研究基于科學化的高校學生學習行為表現量化評估體系，利用大量數據充分挖掘學生個性化特點，[5]篩選出需要重點關注的學業困難學生，并建立相關聯的學業預警體系，開展精準化學業幫扶工作。

1 學生學習行為量化評估體系

本研究通過細致完備的前期調研，結合遠程教育屬性及學生自身特點，建立了一套學生學習行為量化評估體系，包括以下幾類損益因子：

1.1居家日常表現因子

設置家長評價問卷，學生每周平均每天學習時長、學生學習任務完成情況評價、學生自主學習狀態評價、學生作息習慣狀態評價、對學生本周總體評價五個方面出現一次末級評價即視為本周居家表現不佳，損益因子加一。

1.2課業完成質量表現因子

由于家長在專業知識上無法對學生進行有效評估，主要起到表征了解及狀態觀測的作用，所以本研究引入課業完成質量表現因子，這一部分表現因子需面向教學視頻播放平臺及任課老師進行采集，對于表現不佳的類項對其損益因子加一。該部分學習行為具體包括教學視頻觀看情況、課程作業及小測的完成情況兩方面的數據內容。

1.3 學校幫扶措施利用表現因子

通過以上兩大類學生行為表現因子的采集與梳理，一部分表現欠佳的學生將被篩選出來，對于存在學業問題的學生，本研究者所在單位制定了多項幫扶措施，本研究認為幫扶對象是否主動參加相關幫扶活動也是其表現的重要方面，特別對于本身基礎薄弱的少數民族學生、國家專項學生，若其愿意積極利用相關幫扶措施，這說明學生具備積極向上、主動提升的良好狀態，應視為學生表現良好，相反則其應受到損益關注。如其某一科目掛科卻不參加小灶，則應記為損益因子加一。

學習行為損益因子實時量化評估模型能夠輔助教學管理者及時發現存在學業問題的學生，本研究在重點學生篩選及學業預警工作方面也開展一定研究。

2 基于模型分析結果的實時學業預警體系的構建

2.1 實時學業預警體系

學業預警在當下的高校已經成為一種較為普遍的學業危機干預制度，具體施行過程中學校往往對學生某一階段（一學期或一學年）的學習情況進行統計分析，對學生可能或已經發生的學習問題和學業困難進行預警，并在教學管理端有針對性地采取相應的幫扶提升措施，輔助學生察覺并解決潛在的學業隱患。

現行的學業預警制度多是對學生一學期或一學年的學習成績進行梳理總結，按照掛科學分數進行分類分級，向學生下達預警通知。此類做法在預警時，學生的問題往往已經較為嚴重，存在多個科目學習困難，此時才進行指導干預較難達到提升效果。

本研究旨在運用第一章中建立的學生行為實時量化評估模型達到實時監測學生學習行為表現，從而建立實時學業預警體系。本研究在學生行為損益因子量化評估模型結果分析基礎上，通過對學生集體的深入調查研究，初步明晰了課程損益因子、幫扶措施損益因子、單人總體損益因子三類損益因子對學生的影響程度，考慮統計周期不同，損益因子總數會有所不同，在此將一個統計周期內單人課程損益因子總數記為a，將單人幫扶措施損益因子總數記為b，將單人總體損益因子總數記為c，構建一套實時學業預警體系，具體描述如表1。

2.2 實時學業預警具體實施步驟

（1）定期統計學生行為表現數據，運用實時學生行為量化評估模型計算每個學生的課程損益因子、幫扶措施損益因子、單人總體損益因子，按照實時學業預警體系標準進行學生行為損益程度判斷，確定進入學業預警范圍的學生及對應預警級別。

（2）向預警學生下達學生學業預警通知書，向家長下發《學生學業預警家長告知書》，并通報班主任及輔導員，按照不同預警級別的要求對應開展工作，對于紅色及橙色預警學生，應及時制定適用于本人的“一人一策”幫扶提升方案，發動助教、班干部、心理中心等多方力量對其進行幫扶提升，對于黃色預警級別的學生應重點關注、專項提升，嚴防其預警升級并幫助其盡早消除預警。

2.3 實時學業預警制度實施效果

本文研究人員所在單位的學生集體在2020年春季學期，運用本文第一章所述的相關模型開展了實時學生學習行為量化評估，并參照相關結果開展了學業預警工作，根據模型計算的相關結果，本研究者所在單位的學業發展中心組織班主任、輔導員、班級骨干定期召開小班會，開展學業預警工作，針對重點學生制定“一人一策”幫扶策略。在學業模型運行一學期后，本研究對學業預警模型效能進行了量化分析，分析發現在2019年-2020年秋季學期結束后，學生集體平均分低于70分的有32位學生，經過數據統計，這些同學經過下學期的學習專業排名平均進步33名。

*通訊作者：李廣玉

參考文獻

[1] 周杰，林偉川.“停課不停學”期間高校在線教學的特點、問題及未來對策研究[J].福建教育學院學報，2020，21（07）：48-52.

[2] 孟亞玲，黃祥德.論直播教學對高校的影響——從遠程教育視角看高校直播教學[J].電腦知識與技術，2018，14（22）：192-194，198.

[3] 李延娟.我國高校遠程教育教學模式存在的問題及應對措施[J].北極光，2019（11）：161-162.

[4] 王路堯.新形勢下高校現代遠程教育的發展途徑探究[J].課程教育研究，2018（27）：18-19.

[5] 于翔.大數據背景下在線學習者個性化因素研究[J].陜西教育（高教），2020（08）：61，65.