大數據在高校公共體育課程的應用研究
——以商丘學院為例

孫浩

（商丘學院體育學院 河南 商丘 476300）

自人類社會迎來信息革命以來，通訊、互聯網等技術的飛速發展將社會帶進了大數據時代。憑借各種技術與設備的廣泛應用帶來數據的獲得率與利用率的不斷提高，大數據在社會各個領域被廣泛應用，個人行為、組織決策等以此趨于更加理想狀態，數據手段呈現出了信息化的特點。

公共體育課程是高校體育工作的中心環節之—，其特點是以身體鍛煉為主要手段，通過受教育者的教育過程培養出的鍛煉意識和實質性的鍛煉行為，達到增強體質、養成鍛煉習慣等目的。但我國的大學體育教育實施效果差強人意，有包括大學生體質下降、學生體育意識淡薄在內的諸多問題充斥其中。究其原因，主觀上包括學生不擅長運動與興趣的缺失等，但體育課程自身也存在較多的問題，諸如，存在部分教學內容與學生需求不匹配的矛盾，課程評價老舊與學生能力不能得到全面評價的矛盾，課內知識與課外鍛煉習慣的養成相脫節等弊病。

信息化背景下的大數據是指以大數據、人工智能等技術為基礎，利用成熟手段對數據進行處理幫助進行決策。對于體育教學而言，則是在體育教學的各個實施環節中，借助著相關技術手段，廣泛收集參與主體數據，并加以針對性分析數據內容，從而為教學活動提供指導。因此對于高校體育課程來說，大數據的應用有著不可低估的作用。本研究嘗試將體育課程體系中融入大數據，實現其功能價值的拓展與挖掘，既是一次具有意義的挑戰和創新，也將會是體育發展中的必然趨勢。

本研究將大數據和高校公共體育教學體系相結合,通過闡明大數據在商丘學院公共體育課程中的應用目的，分析其應用途徑，采用問卷調查法等研究方法論證大數據對體育課程的教學效果，為商丘學院的公共體育課程發展提供了可借鑒的應用依據。

1、研究方法

1.1、文獻資料法

根據研究需要，在中國學術期刊數據庫、SCI-HUB搜索引擎及商丘學院圖書館，查閱有關大數據和公共體育課程的文獻資料、圖書，為本研究的開展提供理論支撐。

1.2、訪談法

根據文章研究需要列出訪談提綱，向體育課程、體育教學及信息化教育等方面的專家進行當面或者電話訪談，為論文的撰寫提供相關指導。

1.3、問卷調查法

鍛煉習慣是指個體經過較長時間養成的生活方式，繼而將鍛煉行為作為自己日常生活中的一部分，而通常這個習慣的養成起點在于形成一定的認知。因此為進一步分析大數據在商丘學院公共體育課程中應用前后在學生鍛煉習慣與行為認知的變化，本研究選用由毛榮建教授為調查青少年學生鍛煉態度所編制的 《青少年鍛煉態度-行為量表》。問卷調查對象是商丘學院2018級與2019級學生，其中學校對2018級學生開設的為傳統公共體育課程教學，而2019級學生公共體育課程中加入了大數據的應用，并且2018級與2019級公共體育課程的授課教師與授課環境等變量基本一致。

分別調取商丘學院2018級、2019級所有學生學籍信息，依照隨機抽取的原則分別抽取300名學生為樣本。前后兩次每個年級發放問卷600份，共計發放問卷1200份。量表的發放時間為開學初期第1周發放第一次，接近期末的第16周發放第二次。問卷的發放主要委托備調查學生公共體育課程的主講教師，采用在體育課堂上當面發放與回收的方式進行（見表1）。

表1 問卷發放與回收統計

信度檢驗方面，由于本研究選用量表涉及4個維度的分量表，其中包括：行為態度、目標態度、行為認知、行為習慣。利用降維分析克朗巴哈系數（Cronbach'sα）檢測問卷信度，得到內部一致性檢驗的輸出結果（表2）。

表2 可靠性統計量

根據統計學相關，“Cronbach's α”值在“0.6-0.7”區間為“可以接受”、Cronbach's α 處于“0.7-0.8”的區間表示“信度較好”、0.9以上表示可信程度“較高”。經過可靠性檢驗各分量表信度系數數值大于 0.7（0.71、0.81、0.79、0.75），而問卷總體可信系數為0.90，因此認為該量表可信的程度較高。而效度檢驗則采用重測法，在每次問卷發放的10天內，在每次發放問卷的同學中隨機抽取20名同學進行重測并根據重測結果計算效度。

2、大數據在商丘學院公共體育課程中應用的手段與途徑

2.1、大數據在商丘學院公共體育課程中應用的手段

體育教育的大數據是指教學活動過程中、課下自主鍛煉以及課程管理評價等方面的數據。“閃動校園”APP作為本研究收集數據依托的重要工具之一，是集校園運動、便捷課堂的校園體育應用，主要功能為監督與指導學生完成學校規定的健康校園跑與其他健康鍛煉行為，并在過程中檢測運動軌跡、步數、步頻等。學校針對大學體育教學大綱的要求與學期總周數，每學期單名同學有完成跑步40次以上的硬性要求，其中跑步距離為男、女同學每次分別2km和1.5km，且每公里配速則需要在一定合理范圍以內。整個學期所有學生的跑步行為采取軟件后臺檢測和人工監督相結合的方式進行監督，如果被發現作弊，將會被加入黑名單，無法達到要求者會被取消當學期公共體育課程的考試資格。

另外APP開發了大學體育課程滿意程度，借助信息采集與處理技術，能夠精準地找到體育教學中影響教學效果的問題所在，如，課程設置與學生興趣不符、教學模式與學生需求過大等，均可通過數據統計和信息處理反映出來。并通過購置的大學生國家體質健康測試儀器，搭載數據傳輸系統，搭建由數據平臺到學生的連接，這些為大數據的收集提供詳實數據來源。

做到了全面監測學生課外體育鍛煉，通過每學期的數據分析可以檢測到學生每學期公共體育課程在提高學生身體素質方面的教學效果，也為教學手段與內容的及時更新提供了保障。

2.2、大數據在商丘學院公共體育課程中應用的途徑

（1）強化對學生課外體育鍛煉的監督。

當前高校公共體育課的教學以教師傳授體育運動技能及知識的傳授為主，學生在課余時間利用所授知識指導自己進行自主鍛煉，由于存在著課內外脫節的情況，學生并未將課堂所學的內容在課下進行練習。因此，通過將“閃動校園 ”APP等大數據技術融入于公共體育課程當中，對學生課外體育活動的鍛煉方式、鍛煉時長、時間段、運動強度、鍛煉規律等數據進行收集分析，為教師對課外體育鍛煉的監控與管理提供了便利，使利用大數據指導監督學生課外鍛煉已經成為了可能和趨勢。

（2）促進學生體質健康水平的提高。

“增強青少年體質，促進青少年健康成長，是關系到國家和民族未來的大事”。據《全國學生體質與健康調研結果》報告顯示，較長的時間以來，我國城鄉學生多項身體素質指標都呈現為下降趨勢。近年來這種趨勢得到了一定遏制，但整體上，我國學生體質狀況并不樂觀。而通過大數據在體育教學體系中的應用做到了讓學生走出宿舍，進行行之有效的鍛煉，切實提升學生體質健康水平，促進其鍛煉習慣的養成，這是學校體育與大數據的有力結合。

（3）促進學生體育鍛煉習慣的養成。

現階段學生缺乏運動興趣的現象普遍存在，而起點在于缺乏鍛煉獲得的運動樂趣。培養大學生體育習慣，促進其體質健康增長勢在必行。當前大數據的背景下，運用大數據和運動檢測APP等科技應用于公共體育課程中，督促學生加強課外身體活動，讓學生參與并且喜愛參與其中，逐步探索鍛煉的樂趣，促進學生終身體育意識的養成，并依此培養鍛煉習慣。

（4）優化了高校體育課程的教學模式。

傳統體育課堂教學方式難以充分考慮到學生存在的個性差異，并且學生的身體素養、認知能力存在較大差異，導致課堂教學成效較低。大數據的應用做到了體育教學采取與線下結合的教學形式，在正式授課之前，教師可通過大數據了解學生已掌握的體育技能、身體素質、對體育項目的感興趣程度等內容。通過這些數據教師可以完善班級的教學方向和學生個人的個性化教學指導內容，提前考慮好適合班級學生的教學策略和途徑。

（5）優化了高校體育教學的資源配置。

通過大數據提供的技術支持，可以從學生的興趣傾向、體質狀況等方面入手，考慮優化開展的各項體育運動項目的內容及開展方式，并對開展的活動場所、器材配置等內容提前合理安排，爭取將資源最大化開發。教育者可以通過運用數據分析技術，及時了解學生的學習需求—內容之間的相互關系，為學生尋找適合個體發展的體育教育內容。加強體育教學資源的整合，達到以學生為本的教學需求，最大限度地滿足不同學生的學習需求。

（6）促進了教學評價的體系完善。

體育課程的教學評價對于教師來說是檢驗體育教學成效和教學質量的手段，是督促學生積極課上學習、認真課下鍛煉的一種方式。整體而言，目前高校公共體育課程的體育成績考核側重于技能達標+日常表現的總結性評價，考核形式功能相對落后與單一，未能對學生綜合體育能力實行客觀評價和反映。因此可以通過大數據技術，對教學工作進行全方位監督和記錄，指導教育工作者教學工作的進程和調整的方向，提高教學效果，并且及時了解學生在上體育課時的需求，進而有針對性地結合評價體系，了解教學工作的情況和現狀。

3、結果分析

3.1、大數據與商丘學院學生體質健康測試成績的關聯分析

國家體質健康標準測試是指對學生的體質健康進行綜合評定的項目。其所選指標可以反映與身體健康關系密切的身高體重（BMI）、身體成分，心血管功能、耐力以及柔韌性等指標，所以體質健康搜集所得的大數據可以直接反饋個體的身體素質。近年來，提高學生體質健康水平是學校體育工作質量的評價指標之一，通過大數據分析，可以直觀了解和掌握學生身體素質的變化情況。

通過國家體質健康測試儀器與數據傳輸系統所獲得的數據，分析商丘學院學生2018-2019年體質健康水平綜合成績。2018級學生體測成績評級等級為“優秀”學生占比為8.8%、評級為“良好”學生占比為32.4%、評級為“中等”學生占比為 37.3%、評級為“及格”學生占比為15.8%、評級為“不及格”學生占比為6.7%，總體合格率在93.3%。而2019年商丘學院學生體測成績評級為“優秀”學生占比為10.8%、評級為“良好”學生占比為35.0%、評級為“中等”學生占比為37.8%、評級為“及格”學生占比為12.0%、評級為“不及格”學生占比為4.4%，總體合格率在95.6%。2019級學生體測成績在總體合格率，特別是優秀、良好兩個等級的比例的提升以及不及格率的下降。都說明了在對2019級學生的公共體育課程體系加入了大數據應用后，相較于2018級的同學，其整體體質健康水平有了較為明顯的提升。

圖1 商丘學院2018級（左）與2019級（右）國家學生體質測試結果等級分布

3.2、商丘學院2018級學生與2019級學生體育鍛煉態度與行為的對比分析

態度是一種心理上的傾向，是個體通過對特定事物所表現出一定程度的喜歡或不喜歡的評價來表現出的，因此對鍛煉的態度會直接影響該個體的鍛煉行為，所以體育鍛煉態度與行為意識是影響大學生體質健康狀況的重要因素。因此必須從學生對身體鍛煉的態度入手來改變和提高學生對身體鍛煉的認識，以達到促進學生們參與進行身體鍛煉的目的。本研究所選用的量表為李克特式量表（R.A.Likert），根據受調查者最終獲得的分數高低來呈現結果受調查者的體育鍛煉態度與行為意識，除個別題目選擇測謊的反向計分之外，分數越高，受調查者體育鍛煉態度和意向越強，反之則為體育鍛煉態度和意向較差，對鍛煉較為抗拒。

通過表3、表4所呈現的數據，商丘學院2018級和2019級學生在教學前體育鍛煉態度結果分值分別為：95.5±6.9及96.7±8.4。利用SPSS 18.0進行的相關檢測得出結果，商丘2018級學生和2019級學生在授課前總體鍛煉態度顯著性差異不具有顯著性（P＞0.05），在經過一個學期傳統手段的教學后2018級鍛煉態度與行為認知為96.4±5.01，2019級學生則為99.1±2.9，經檢測，2018級同學實驗前后體育鍛煉態度數據差異無顯著性 （P＞0.05），2019級同學體育鍛煉態度與行為的總度量存在顯著性差異（P＜0.05）。

表3 2018級體育鍛煉行為分析結果(x±s)

表4 2019級體育鍛煉行為分析結果(x±s)

而在分維度檢測的結果來看，商丘學院2018級、2019級學生在實驗前后的幾個維度的分數均有不同程度的提高，這代表無論是經歷相對較為傳統的體育教學的2018級同學，還是加入大數據技術的2019級同學，在體育鍛煉態度與意向方面均有著一定程度的提高。但是2018級別在所調查的行為態度、目標態度、行為認知、行為習慣4個維度均無顯著性差異（P=0.07、P=0.28、P=0.44、P=0.436），而2019級學生在行為態度、目標態度、行為習慣3個維度的前后數據差異均具有顯著性（P=0.01、P=0.04、P=0.01），由于有著大數據應用對于體育課程的內容、手段、評價手段的優化，更加符合學生個體發展的需求，因此認為相較于較為傳統的體育教學，大數據在公共體育課程體系中的應用對學生的體育鍛煉行為與態度起到了更加積極的影響。

4、研究結論與建議

4.1、結論

商丘學院公共體育教學中的大數據應用實用性和可行性，具有一定的積極意義，具體為：

（1）通過對商丘學院2018級、2019級學生國家學生體質測試成績進行的分析，大數據的應用切實促進了學生的體質健康水平。并且使學生在行為態度、行為意向、行為控制感、情感體驗、行為認知以及目標態度上有了顯著的提高，因此有助于學生體育鍛煉行為以及認知習慣的培養，這也為良好的鍛煉習慣以及終身體育意識打下了一定的基礎；

（2）大數據通過強化對學生課外體育鍛煉的監督、促進學生體質健康水平的提高、促進學生體育鍛煉習慣的養成、優化高校體育課程的教學模式、優化高校體育教學的資源配置、促進教學評價的體系完善等路徑，實現了大數據應用于商丘學院公共體育課程的目的：通過數據實現對學生課外體育鍛煉的監控以及達成公共體育課堂的信息化；

（3）樹立終身體育教育觀念，養成終身體育鍛煉習慣，是目前學校體育改革的目標。基本實現了對學生自主鍛煉的監控以及完成了學生體質健康水平的可視化，在課堂上進行針對性內容或項目的教學，優化了公共體育課程的管理，這也為推進高校體育課程的改革提供了思路，提高學生體質健康水平。

4.2、建議

（1）加強對自主鍛煉的指導。

將大數據應用于公共體育課程體系目的之一是提高學生自主鍛煉的激情，增加學生體育鍛煉行為從而促進習慣的養成，習慣的養成需要長時間的重復與積累。因此，體育教師應加強對學生自主鍛煉的指導，在保證學生課余鍛煉積極性的前提下，對學生自主鍛煉實踐的指導，如，自主鍛煉方法，注意事項等，為其自主體育鍛煉搭造良好的環境。

（2）加速科技產品的升級。

當然現階段大數據的應用也是有一定的局限性的，首先是APP數據的穩定性，有部分學生反映存在應用閃退、卡死的情況；運動行為檢測與信息收集的準度有待提升，然后是對違規學生的判定需要更加準確，代跑、騎車等故意刷步數行為需加強規避。因此應加快數據的搜集與處理穩定性，考慮其他便攜式工具如手環的開發，以更好地獲得數據并加以分析。

（3）提升數據搜集的層次。

目前所收集的數據僅限于學生運動的健康數據，如，步數、地理位置、體質健康測試等，而學生的發展是全面的，而學生卻存在著個體間的差異、所以習慣與興趣不盡相同。因此，加快數據的搜集與處理穩定性，以更好地獲得數據并加以分析。以圖全面地了解學生鍛煉與健康情況，提供個性化的運動處方，促進其體育鍛煉習慣的養成。因此，建議在擴大學生行為大數據收集范圍的同時，不斷加強學生運動健康大數據價值的挖掘。