大學生學習效果力評估對大班教學效果的影響

趙凱岐，彭秀艷，張蘭勇

（哈爾濱工程大學，黑龍江 哈爾濱 150001）

0 引言

傳統大班教學以講授為主，教師要完成教學任務主要關注教學內容，無法對每位學生的上課狀態、學習效果做出準確評價，影響教學效果，不同類型的學生學習效果差異很大。許多教育學者和教師不斷探索教學模式，提出各種教學方法，包括：問題教學法、發現式、探究式、小班研討、師生互動方法等[1-3]。

近幾年研究型教學發展迅速，將研究思想融合到學習中，學生變被動為主動，對所學知識進行主動分析、判斷、運用，通過討論、互動、團隊合作方式來掌握。教師采用各種方法來啟發學生的探索興趣，提高獨立思考和創新能力。著名教育學家施瓦布提出“Inquirylearning”，Bruno提出了“Discoverylearning”。1995年，RobertB.Barr和 John.Tag發表了一篇具有重要意義的文章“From Teaching to Learning:A New Paradigm for Undergraduate Education”[4]，探討了“以學生為中心”的研究型教學模式，學生的學習成效體現在其各種學習成果和技能成長。在“學習模式”下美國本科教育改革的經驗是通過環境構造促進學生自我學習和研究能力的提高[5]。美國一流研究型大學本科人才培養的主要特征是“以學生為中心”[6]。美國大學強調教育的目的是“以學生的學習為中心”，其課程體系、教學內容都要根據培養學生達到各種能力的需要而設置，才是真正的“以學生為中心”[7]。

但是，上述方法針對大班上課還是具有一定局限性。故，提出了一種大學生學習效果力評估新方法，將每位學生的屬性信息進行有效提取，對學生學習效果力進行評估，并提出新的課程成績預測方法，在開課伊始對學生成績進行預測，教師根據預測結果，進行閉環控制，改進教法，最終激勵每位學生的學習熱情，重點對預測成績低的學生進行有效干預，幫助他們覺醒其內在潛力，從而最終提高大班整體教學效果。本文按下面三部分內容展開：（1）新型學生屬性提取方法；（2）學習效果力評估方法；（3）精準成績預測及教學效果提升。

1 新型學生屬性提取方法

掌握學生屬性對教師了解學生，改進教法，達成目標具有重要作用，在新型研究型教學模式中，需要研究的不局限于教學內容和方法，也延伸到對學生屬性的研究，只有結合學生的屬性，才能有針對性地研究激發學生內在驅動力的方法。本文首先提出一種學生屬性提取目標：（1）不增加學生負擔；（2）體現學生行為偏好，反映其真實想法；（3）挖掘過去特定經歷，預見未來；（4）突出特點、態度、主觀能動性。

基于該目標，提出一種新型學生屬性提取方法：（1）個人基本信息：姓名班級學號生源地個人照片。（2）目前為止，您做過的最能讓您感到驕傲、成功的事情是什么？

（3）您在學習和生活工作中的專注力怎么樣？（優，良，中，差）

（4）您的英語口語怎么樣？（自由交流，一般交流，難于交流）

（5）大學期間您逃過課嗎？有多少次缺勤記錄？

（6）您學過鋼琴、提琴、古箏等樂器嗎？或美術、舞蹈、音樂等藝術？或象棋、圍棋、心算等技藝？或體育類特長嗎？或其他？從什么時候開始學的？堅持最久的一個學了多久？描述一下動機和動力。

（7）在大學期間您主動參與過電子大賽嗎？怎么樣？收獲大嗎？

（8）您準備保送、考研、還是就業？對未來有怎樣的規劃？

（9）您的自控力怎么樣？希望老師嚴格一些還是寬松一些？

（10）結合自身，您認為如何提高學習效果？

要求學生一周內返回。此方法對于教師來說，通過了解每位學生的屬性，基本可感受到學生們的內在想法，迥異的做事態度，將直接影響學習效果和教學效果；對于學生來說，通過對十個問題的答復，對自身有了再認知的過程，對自己有一定程度的思考和行動。簡單來說，該提取方法的目的為：以名言激勵，以自己曾經驕傲的事為引，以堅毅恒久的心為舟，以未來規劃為標，自啟學習驅動力。

2 學習效果力評估方法

隨著高等教育學生數量不斷增加，出現更多不同類型的學生，然而當前高等教育管理仍是基于學生同質性的假設[8]。對學生的類型分析可以用來進行關于學生成長質量差別的探討，并且學生類型間接含有關于學習效果的信息[9]。在這方面，國外高等教育開展得比較早，國內研究不多。本文基于提取的學生屬性，對暗含的學習效果力進行分析和評測，給出評測分數，不按屬性分類，達到提高學習效果和教學效果的目標。

根據學生屬性，進行信息處理，得到每位學生的學習效果力分數，信息處理方法：做事態度、價值取向、主動力、與學習的正相關性、回答態度（積極給正分數、消極不得分），每個屬性問題平均10分，總分100分，權重合計10，即：

屬性01：有照片10分，無照片0分，權重0.2；

屬性02：體現經過刻苦努力過程獲得成功，或認為自己還不夠努力的，加10分，否則0分，權重0.7；

屬性03：專注力自我評價為優、良的加10分，中加5分，差0分，權重0.5；

屬性04：自由交流10分，一般交流5分，難于交流0分，權重0.1；

屬性05：無逃課或請過假10分，無故缺勤5次以下5分，5次及以上0分，權重2.6；

屬性06：有特長10分，無特長0分，或學過但因為枯燥沒有堅持0分，或堅持時間小于半年0分，權重0.1；

屬性07：有參加10分，有參與意愿和打算5分，未參加0分或者被動參加體驗差的0分，權重1.0；

屬性08：打算保送10分，打算考研5分，打算就業0分，權重3.2；

屬性09：自控力好10分，或松一些但能自主學習的10分，或者專注力優良10分，自控力一般5分，嚴一些的5分，自控力差的0分，松一些0分，權重0.6；

屬性10：回答積極10分，無回答或消極回答0分，權重1.0。

以2019年學生9和學生14的屬性為例（忽略照片和學號）。

學生9：

（1）學生9自動化浙江。0分。

（2）沒什么驕傲的。0分。

（3）中。2.5分。

（4）一般交流。0.5分。

（5）0。26 分。

（6）沒有學過。0分。

（7）沒有參加過。0分。

（8）考研。16分。

（9）都行。3分。

（10）提高上課質量。10分。

經過信息處理，學生9的學習效果力分數為58分。

學生14：

（1）學生14自動化，生源地重慶。2分。

（2）就是我能夠學習，能夠每天進步，這是我感覺很快樂的事情。7分。

（3）良。5分。

（4）一般交流。0.5分。

（5）3-4次。13分。

（6）學過吉他、素描和珠心算，喜歡打乒乓球，比較擅長跑步。1分。

（7）參加過，但是都沒有取得成績，不過有很多收獲，發現自己只會理論知識，對實踐還有欠缺。10分。

（8）我準備保研或者考研，我希望未來能讀研究生，然后找一份好工作，去更多的地方看看。32分。

（9）各有千秋，我覺得適中就好。6分。

（10）希望老師告訴我們，學過的這些器件或者電流具體應用在哪，最好能做個實驗，或者講講身邊的例子，講故事來告訴我們知識當然是最好的啦。10分。

經過信息處理，學生14的學習效果力得分合計為86.5分。對電力電子課程2019年學生屬性信息處理，學習效果力分數及期末分數如表1所示，為保護隱私，學生姓名用數字代替。

3 精準成績預測及教學效果提升

基于學生屬性的學習效果力分數體現出顯著差異性，這種屬性是對學生以往學習和經歷的特征提取，反映學習能力和學習效果，可以用來對新課程成績進行預測。根據預測結果，動態改進教學策略，在分組，討論，交流，互動等多個環節，對學習效果預期差的學生進行特別關注，使得教學效果得到有效提升。

用兩個指標“預測準確度和預測精度”來對預測方法進行評價，定義如下：

將學生的成績分成良好、中等、及格三個等級，并分別量化為相應的分數4、3、2，本文對其中分數為4、2的兩等級區進行預測：

將實際成績 ＜70分設定為及格區，量化分數2；將實際成績80分設定為良好區，量化分數為4。

將屬性學習效果力分數設定為預測成績的及格區，量化分數為2；將屬性學習效果力分數設定為預測成績的良好區，量化分數為4。對表1的2019年學生屬性學習效果力分數和實際分數進行量化處理，如圖1所示。從圖1可以大致看出，預測值和實際值相等的比例很大，表示預測值和實際值相符，具體根據表1及圖1得到分析結果如表2（P112）所示。

圖1 2019年學生成績實際值和預測值曲線

表1 2019年學生學習效果力分數

表2 2019年學生成績預測分析結果

可見，實際成績在及格區的學生數是30人，分布比為46.9%，預測成績在該區的學生數是36人，其中預測與實際相符的學生數是26人，預測準確度達72.2%，預測精度13.3%。實際成績在良好區的學生數是20人，分布比為31.3%，該區的預測學生數是23人，其中預測與實際相符的學生數是17人，預測準確度73.9%，預測精度15%。從結果來看，位于良好區的學生比位于及格區的學生預測準確度高1.7%，精度低1.7%，相差很小，預測準確度和精度都較高。

對電力電子課程2020年學生屬性信息提取和處理后得到曲線如圖2所示。可以看出，預測值和實際值相等區間很大，尤其是在良好區重疊比例更高，說明良好區的預測準確度和精度更高。經過統計分析，得到結果如表3所示。

表3 2020年學生成績預測分析結果

圖2 2020年學生成績實際值和預測值曲線

實際成績在及格區內的學生14人，成績分布比34.5%，該區預測學生數19人，其中預測與實際相符的學生數12人，預測準確度63.2%，預測精度14.3%。實際成績在良好內的學生數是30人，成績分布比為49.1%，這個等級的預測學生數是27人，其中預測與實際相符的學生數是23人，預測準確度85.2%，預測精度23.3%。與2019年相比，及格區的預測準確度為63.2%下降了12.4%，良好等級的預測準確度為85.2%上升了11.3%，這說明預測及格等級的部分學生跳出了及格區甚至進入到良好區，這樣導致及格等級的預測與實際相符的學生數減少，使得及格區的預測準確度降低，良好等級的預測與實際相符的學生數增加，使得良好區的預測準確度上升，預測精度降低。這種良性變化，是由于在2020年教學中，采用分組、討論、問題引導等教學方法，對預測成績在及格區的學生進行了重點關注，并在授課中，挖掘了生活和科研中的生動案例，尤其重視討論，以學生為中心，給他們自主學習和討論的時間，只挑重點講解，其他由學生討論和提問，每堂課都給學生創造提問和回答思考的機會。學生的課堂表現按照小組整體評測，將問題和思考回答賦予一定的平時成績，鼓勵學生積極參與，形成閉環系統，可實時根據學生反饋進行控制，同時，利用課程線上平臺，發布作業，進行分析，在此過程中，也對預測及格區的學生進行特別關注，教學效果得到了進一步提升。從實際成績分布比結果來看，2020年及格等級內的學生成績分布比2019年降低了12.9%，良好等級內的學生成績分布比增加了23.2%，表明2020年的學生成績普遍提高很大，教學效果好于2019年。從教務系統中學生對教師的教學評測結果來看，2020年教學評測結果是93.13分，好于2019年的教學評測結果90.43分。在學生主觀評價中，學生評價“授課方式新穎，其方式使學生思考討論能力有很大提升。”

4 結論

提出了學習效果力評估新方法，對教學效果具有積極影響。將研究重點由教學內容和教學模式轉移到學生中心，通過近兩年數據比照分析，發現提升教學效果的另一個重要影響因素是學生屬性，不同屬性的學生，其學習效果力不同，因此需要教師特別關注一些學習效果力較差的學生，通過對學生屬性學習效果力的評估，建立預測模型，對學生成績進行預測，同時進行閉環控制，激發全體學生的學習興趣，使得學生成績自然向良好等級轉化，降低及格等級學生成績預測準確度，提升良好區間學生成績預測準確度。預測結果表明教學效果和質量獲得顯著改善。