基于數據挖掘的高校線上教學學生參與度分析與激勵機制的探究

陸霞，張國華

（南京師范大學泰州學院，江蘇泰州 225300）

2020年，疫情席卷全球，為了確保高校教學活動的正常開展，教育部發布《關于在疫情防控期間做好普通高等學校在線教學組織與管理工作的指導意見》，明確要求高校要積極有效地開展線上教學活動，保障疫情防控期間的教學進度和教學質量[1]。線上教學相較傳統課堂在“教學主體”“教學目標”“教學媒體”“教學環境”等多個方面存在差異性，線上教學將在未來很長時間內作為線下教學的有效補充，而能否保障學生學習質量和提升學生線上課堂的參與度成為關注的熱點。數據挖掘技術是指利用信息技術手段在大量數據集中運用數據處理算法和數據檢測方法獲取有價值的信息。將數據挖掘技術應用于線上教學學生參與度的分析可以極大程度地提升數據分析效率，消除信息資源共享方面存在的界限，更好地進行數據融合，為后繼教學決策提供有效的數據支撐。

1 數據挖掘的相關概念

數據挖掘是指按照業務需求從海量數據中提取出潛在、有效并能被人理解的模式的高級處理過程。它結合了已有的數據庫管理系統的查詢、檢索功能，與多維分析統計分析方法相結合，進行聯機分析處理，從而得出可供決策參考的統計分析數據。數據挖掘技術不僅具備關聯分析的功能，還能實現根據相關標準對數據庫中的數據進行分類。

2 基于數據挖掘的高校線上教學學生參與度分析

2.1 數據的收集

數據的收集主要源于兩個方面——問卷調查和網絡數據。本研究以南京師范大學泰州學院為例，針對學生和教師制定兩份調查問卷。通過網絡分發調查問卷對線上教學情況進行調研，其中學生有效回收問卷232份，教師16份。學生調查問卷中，女生占72.2%，男生27.8%；低年級（大一和大二）占60.3%，高年級（大三和大四）占39.7%。問卷設計的題型包括單選題、多選題和開放式題型三類，涉及線上教學方式展現、課堂互動、注意力集中、教學效果反饋和提升線上教學效果建議五大方面[2]。網絡數據主要包含在線教學過程中教學資源的下載使用情況、學生在線評價、作業提交準確率以及在線時長等。

2.2 建立挖掘數據庫

前期搜集的數據需要進行預處理，構建準確、完整的挖掘數據庫。最常用到的數據預處理方法有：數據清洗、數據規約、數據集成等。數據清洗可以過濾掉錯誤的、重復的、缺失的部分數據，例如：可以使用IsNull（）函數查找缺失的數據。數據規約可以完成數據的壓縮處理，實現對于線上教學平臺的圖像視頻等多媒體資源的壓縮。數據集成可以對構建的多個數據庫進行降低冗余度的處理，集成多個數據庫。

2.3 建立數據挖掘算法模型

常用的數據挖掘算法主要包括有指導和無指導的數據挖掘算法。有指導的數據挖掘有分類、估值和預測；無指導的數據挖掘有關聯規則和聚類。其中，分類算法用于找出不同選用數據進行預測，可以得到確定的結果。分類算法主要包括兩個階段：

1）訓練

訓練階段主要是從已知的數據集中選取一部分數據建立訓練集，剩余的部分作為檢驗集，事先確定分類規則。訓練數據集由一組數據元組構成，訓練階段可以看成為學習一個映射函數的過程，對于一個給定元組記錄，通過分類模型中的決策樹算法，按照分類規則事先規定得出分類結果。

決策樹算法是一種有監督的學習，也就是說會事先給定一定類別和數據集合。通過學習能夠判定出進來數據所屬的類。決策樹采用的是數據結構中的樹型結構，可以是多叉樹也可以是二叉樹。決策樹算法的基本原理是：選擇訓練樣本作為樹的根節點，如果樣本都在同一類，則該節點標記為樹葉，并記錄下該類，否則選擇最優屬性作為決策樹的當前結點。根據決策樹不同的屬性取值，每個取值構成一個分枝，將訓練數據分成若干子集，針對每一個子集重復當前步驟，直至分類結束。

分類屬性選擇直接決定決策樹算法是否具有最優分類能力，一般可以通過信息增益和信息熵來實現[3]。信息增益越大，不確定性越小，越適合分類。例如，屬性A的分裂信息為：

其中，E(·)為信息熵，EA(·)為以屬性A為根分類的信息熵。

2）評估

在評估階段，需要使用上一階段建立的模型對檢驗集數據元組進行分類，從而評估分類模型的預測準確率。若準確率較低，則需要重新選擇合適的分類模型。

2.4 實施

系統挖掘數據庫的建立選擇SQL Server 2008軟件，構建了以學生信息為中心的課程信息數據庫、課程資源數據庫、在線時長統計數據庫、評價數據庫等，涵蓋線上教學學生活動的各方面數據。

根據訓練集生成決策樹的部分程序代碼為：

訓練規則確定為：If time＞90 and accuracy＞85 and download＞5 then參與度=”high”。則對線上教學學生參與度數據進行分析的過程如圖1所示。

圖1 線上教學學生參與度訓練集分析

3 高校線上教學學生參與度激勵機制探索

線上教學活動作為線下教學活動的有效補充，還會一直持續下去，以南京師范大學泰州學院信息工程學院《計算機網絡》課程的線上教學為例，為了激勵學生參與度，可以采用以下幾方面措施：

（1）優化課程設置

高效的線上教學模式應具有真實化、簡約化、主動式等特點。真實化即指線上教學環境應具有和線下教學相似的教學情境，呈現真實的教學內容，突出真實的教學情感。簡約化主要指線上教學內容需要精簡，以簡馭繁，達到高效省時的教學目的。主動式就是要落實“以學生為主體”的教學原則，充分發揮學生在教學過程中的主觀能動性，讓學生主動學習，適當讓學生主導整個教學過程。當然，教師在線上教學過程中，也需要不斷探索高效課堂教學模式的思路和方法，如“自學——引導”式教學、“問題——解決”式教學、“活動——探究”式教學、“情境——體驗”式教學等。例如：子網的分配問題，線上教學過程中可以采用“問題——解決”式教學。

（2）擴展網絡教學資源應用

相較線下紙質教學資源，線上教學資源豐富，可以采用多媒體、多態文本形式呈現，更容易吸引學生的注意力，由于網絡資源的共享，使得師生可以直接獲取到教學資源更為廣泛、更便捷、更直觀。例如，《計算機網絡》這門課程中包含了交換機的配置實驗，線上教學限制了實驗的開展，但是網絡仿真實驗平臺及軟件的使用彌補了這一不足，如Cisco公司的Packet tracer，主流的網絡仿真軟件都采用了離散事件模擬技術，提供了豐富的網絡仿真模型庫和高級語言編程接口，提高了仿真軟件的靈活性和使用方便性。

（3）加強教學互動環節的應用

互動類型、互動形式、互動途徑、互動強度等直接影響線上教學效果。線上教學除了采用傳統的提問、連麥、評論等方式外，還可以引入游戲式或者沉浸式教學互動方式。例如，技能類課程教學中，穿插游戲互動的教學環節，可以以新奇的、對抗性、獎勵制形式提高學生課堂參與度，激發學生學習的熱情[4]。在對抗賽中獲勝對于高校學生而言具有較大的吸引力，可以滿足學生的價值認同感。例如：在《計算機網絡》線上教學環節，可以分小組給出校園網的組網方案，由教師判定哪組給出的組網方案為最佳，給予一定的學分激勵。

（4）積極引導學生自主提升課堂參與度

高校低年級課程門類設置多，學生學習壓力較大，時間分配比較困難，大部分同學是被迫學習。應加強對學生學業規劃的引導，讓線上教學活動和未來就業相關聯，如計算機專業的語言類編程線上教學過程中采用和公司相同的“項目驅動方式”，給學生設置“工作”情境，發布合作式項目任務，這樣可以使得學習變成學生的內需力，有利于提升學生線上教學參與度[5]。例如為了讓學生清楚了解計算機網絡的架構，可以應用NS仿真軟件對網絡中的系統層、傳輸層、數據鏈路等進行模擬，可以在其中加入一些比較細化的參數，結合實踐中的具體問題，找到解決問題的辦法。

（5）完善線上教學評價制度

線上教學因為其特殊的組織形式，要建立比傳統線下教學更為科學的考核制度，教師需要對每個學生進行公開公正的評價，師生需要共同遵循全面性、發展性、多元性的原則。線上教學評價制度需要從“教師的評價”和“學生的評價”兩個方面來完善，對于教師的評價需要結合定量和定性，對于學生的評價需要結合過程和結果[6]。

（6）建立線上教學督導機制

線上教學過程中要充分發揮現代信息技術的優勢，將大數據、人工智能等手段應用到線上教學督導機制中，如線上教學的學生簽到、統計教學線上資源發布情況、分析學生彈幕中的情感因素、線上教學互動環節的監管等。這樣不僅可以督促教師提高線上教學技能，也能側面了解學生線上教學的參與度和滿意度。

4 結束語

在今后的教學中，還需要深入展開線上教學，線上教學作為線下教學的有效補充，需要師生不斷地積累經驗。教師可以通過定期制作調查問卷的形式征求學生的反饋意見，獲得學生喜歡的線上教學方式和實施成功的案例，數據挖掘技術的應用為線上教學提供了更精準的決策支持，對于線上教學的不足之處及時進行彌補和調整。當然，線上教學并不是線下教學簡單的搬移和堆砌，教師也需要從線上教學學生參與度的角度進行換位思考，從學生的行為和心理上全面考量，克服影響線上教學學生參與度的障礙，提高高校線上教學質量。