計算機導論混合課堂學習行為畫像與干預

任會峰，陸 松，董慶超

（1.無錫學院 物聯網工程學院，江蘇 無錫 214105；2.海軍航空大學 岸防兵學院，山東 煙臺 264001）

0 引言

計算機導論課程是各高校為計算機及相關專業大學一年級新生開設的專業基礎必修課，目的是建立學生對專業的基本認識，培養學生面向學科的思維能力，強化對專業的愛好與興趣［1］。課程教學過程中發現，新生的計算機基礎不一，學習缺少監督，學習主動性不足，方法不夠優良等行為會導致學習效果欠佳。

學生學習行為是學習方法與學習態度的外在表現［2］。通過分析學習行為，無疑對掌握學習習慣、學習態度、改進教學措施和課堂管理水平大有裨益［3］。傳統教學過程中，難以收集學生學習行為數據，學習通等智慧教育平臺為獲取學習行為數據提供了途徑［4］。屠菁［5］在雨課堂平臺研究學生在數據庫原理與應用中的學習行為與學習規律，有助于掌握學生學習特點。梅鵬江等［6-7］以微機原理、單片機技術課程為例，統計學習通平臺學生部分學習行為與期末考試成績的相關性。王文晶［8］依托MOOC 平臺分析SPOC 課程線上學習行為與學習成績的關聯性。肖瑞雪等［9］研究大學生線上學習行為，提出線上教學效果相關建議。郭玲玲等［10］收集學生線上學習數據，采用線性回歸分析學生學習行為與最終成績的關聯性。代鴻等［11］分析了在線學習行為意向的影響因素。田娜等［12］分析慕課教學活動中學生部分學習行為與期末成績的相關系數。

總體而言，上述研究均面向純粹的線上學習行為，而混合式教學已被證明具有單一線上、線下教學所無法比擬的優勢［13］。相關研究欠缺針對性的干預措施，更缺乏對學生學習行為的具體指導。例如，忽視了多門課程間的關聯性，只考慮單一課程的行為干預，體系層面思維不足；普遍從表示結果的期末成績這個單一維度進行分析，未考慮行為間的耦合，忽視了學習過程對學習行為的影響［14］。

針對上述問題，本文以學習通平臺建設的計算機導論課程為依托，開展混合式教學學習行為研究，提出四段行為分析法將獲取的學生學習行為數據歸一化至4 個區間，通過氣泡圖從學習過程分析學習行為數據間及其關聯性，針對學習行為畫像提出干預建議及教學改進措施。

1 數據獲取與處理

本文研究數據來源于超星學習通平臺上建設的計算機導論課程［15］。選擇2021 級無錫學院計算機科學與技術專業3 個自然班共120 名學生組成教學班進行研究。通過第3-6 周數據進行學習行為畫像，后12 周進行干預及效果分析。該課程采用學習通作為輔助教學手段，實施混合式教學而非單一線上教學，因此未統計線上視頻觀看情況。從學習通學生學習過程數據中提取與學生學習行為密切相關的搶答互動率、作業開始時間、完成作業用時、作業重做次數、作業正確率共5 個指標。其中，搶答互動率體現學生學習熱情，能間接反映學生能否跟上教師思路、理解能力的強弱；作業開始時間是學生學習熱情的外在表現，相較于搶答互動率，該指標反映的是無教師監督下的學習熱情；完成作業用時反映學生對知識掌握的熟練程度、知識運用能力及對待作業的認真態度；作業重做次數體現學生知識掌握程度及對靈活掌握知識、勇于自我挑戰的追求；作業正確率體現教學過程中學生的階段性學習效果。

為便于比較分析，對獲取的原始數據進行預處理，借鑒期末總評時優、良、中、差的4 級評分制，提出四段行為分析法。學生在課堂上參與師生互動，以搶答為主。為保證教學進度，搶答互動總次數控制在10 次以內，所有學生均可參與，最終將搶答互動次數除以總次數作為搶答互動率。課后作業在學習通平臺上設置為授課結束時自動公布，記為起始0 時刻，截止時間為終止時刻，將學生開始作業時間歸一化至作業公布與截止時間段內。學生從開始作業到提交作業的時間差為完成作業用時，用時最短者標記為起點0，用時最長者記為終點1。課后作業由學習通平臺從預先設置的作業庫中按照知識點隨機抽取組成，學生重做時會重新抽取題目，確保每次題目均不相同。當學生對作業正確率不滿意時，可重新作答。重做最大次數設為上限1，最少次數為下限0。以0.9、0.75、0.6 為分界線，評判作業正確率的優、良、中、差。歸一化后的四段學習行為區間劃分及含義如表1所示。

Table 1 Interval division of four-stage learning behaviors表1 四段學習行為區間劃分表

2 學習行為畫像與干預

學習行為數據可視化能直觀呈現數據中隱藏的規律，協助教師快速、準確地了解學生學習態度及行為特點，進而開展針對性的教學指導。圖1—圖6 以氣泡圖形式展示多維學習行為數據與學生人數的關系。其中，氣泡越大代表表現出該項學習行為的學生人數越多，具體人數標記在氣泡中心位置。

Fig.1 Interaction rate and start time of homework圖1 搶答互動率與作業開始時間

由圖1 可見，課堂互動表現積極的學生普遍作業開始時間更早，而課堂互動中消極的學生在完成課后作業時最拖延；有2 名學生雖然課堂互動積極，但課下作業最拖延?；臃e極的學生能充分調動各種感官，保持持續專注力，緊跟教師授課思路，學習更為主動；互動積極但作業拖延的學生，雖然性格活躍，但自制力較差。因此，在教學中應鼓勵學生參與互動［16-17］，例如以獎勵平時分的形式，構建班級及學生間的競爭機制，促進良性循環。

由圖2 可見，搶答互動積極的學生作業完成速度較快，這與圖1 中作業開始時間呈現的規律一致，學生通過積極參與互動，提高了學習效率，知識掌握迅速且扎實。但相較于圖1，右上角人數明顯減少，互動積極且完成作業較快、較慢的人數隨之增加，更有2 名學生課堂表現積極但作業完成很慢，體現了學生之間差異性，基礎相對薄弱的學生完成課后作業的時間較長，需要額外時間回顧補充知識點；有4 名學生互動較積極但作業完成較快，原因是這些學生基礎扎實。因此，建議教師在鼓勵互動的同時，控制好課后作業量，為基礎較為薄弱的學生預留更多時間回顧知識點。

Fig.2 Interaction rate and completion time of homework圖2 搶答互動率與完成作業用時

由圖3 可見，最大比例為學生作業開始早且完成快，體現出學生扎實的學習基礎與極大的學習熱情。教師可適當加快教學進度，拓寬教學知識面，培養學生解決復雜問題的高級計算思維。針對部分作業拖延且完成作業用時長的學生，應進一步優化教學活動設計與實施，創新教學內容與方法。例如，豐富在線交互環節設置、增加在線討論比重和隨堂小測次數，彌補無法及時獲取學生反饋的不足，針對性地加強思政教育強化其自主學習能力等［18］。

Fig.3 Completion and start time of homework圖3 完成作業用時與作業開始時間

由圖4 可見，作業開始時間越早，作業正確率越高，反之越低，表明學生趁著課堂授課剛結束的知識熱度，及時完成作業有助于進一步強化所學知識。根據艾賓浩斯記憶遺忘曲線［19］，建議教師設定作業截止時間不宜太長，盡量將作業截止時間提前至授課當天，趁熱打鐵，及時強化授課效果。針對不同知識點結合學生專長建立課程學習小組，減少客觀題比重，增加團隊探究式題目，通過分工協作，讓積極的學生帶動消極的學生。通過角色扮演、分組辯論、游戲形象、模擬教學等方式激發學生參與課堂教學的主動性，豐富學生情感體驗。例如，課程中的數制問題可引導學生查閱8 進制與中國傳統文化中的八卦圖進行類比，在課堂上以小劇場形式抽取學生組成八卦圖及八卦間的演化，既能活躍課堂氣氛，還能發散學生思維，提高學生學習興趣。

Fig.4 Accuracy and start time of homework圖4 作業正確率與作業開始時間

由圖5 可見，作業完成快且成績優秀的學生占比較大，表明這部分學生基礎較為扎實；成績優秀但完成較快的學生有11 名，這部分學生基礎相對較弱，需要更多時間才能取得較好成績。完成作業用時為較快的良好率相較于用時快的良好率稍高，用時特別快的相較于用時特別慢的正確率更低。結合圖4 可知，這些學生拖延到作業截止時間前才開始提交，將作業當作任務應付了事。因此，建議教師不宜設置過長的作業持續時間，截止時間不宜過晚，一般難度的作業要求當天完成。此外，研究表明晚上9點后，人體大腦的活動將變得遲緩［20］，學習效率低且容易出錯，故應將截止時間設置在此時間之前。

Fig.5 Accuracy and completion time of homework圖5 作業正確率與完成作業用時

由圖6 可見，作業重做次數少且不及格的人數為0，說明學生普遍具有上進心，當出現不及格時學生會選擇重做。由于每次重做都會從題庫中重新抽題，隨著重做次數增加，學生對知識點的理解越來越深刻，正確率總體呈現上升趨勢，因此重做次數多且優秀的人數占比最大，其次為重做次數少且優秀的人數。調查發現，15 位重做次數少且優秀的學生基本固定不變，這些學生上課認真，搶答互動最積極，開始作業早且作業用時短；有4 名學生重做次數多但仍不及格，一方面表明了其基礎較為薄弱，入學前基本沒接觸過計算機，另一方面存在畏難情緒，聽課效率不高，通常這幾位學生也較為固定。因此，建議教師增加作業庫中各知識點題量，幫助學生從多角度理解知識點，使其更牢固地掌握所學知識。教師還應考慮多門課程間的聯系，從專業體系高度進行教學準備和知識講授。例如，在計算機導論中的電子表格軟件Excel 的應用教學過程中，可引導學生思考Excel 中的函數與C 程序設計語言課程函數的異同之處，分析哪些參數屬于形參，哪些屬于實參，思考能否使用C 語言編程實現Excel 中的SUM 等函數功能。通過聯系兩個相同或相近的概念，發散學生思維，提高學生對課程及相關課程的認識與理解，培養學生舉一反三的思維能力，增強學生學習興趣與信心。

Fig.6 Accuracy and redo times of homework圖6 作業正確率與作業重做次數

3 效果分析

教育心理學家班杜拉提出的模仿理論指出學習即模仿。學生會根據同伴表現和自身學習經歷進行比較，通過外部強化、自我強化和替代性強化激勵自身學習動力，改善學習行為與態度，從而對學業成績產生積極影響。本文結合學習行為畫像與干預從學習過程和結果兩個維度進行效果分析。

首先基于學生第3-6周學習行為數據的畫像及干預建議，對2021級無錫學院計算機科學與技術專業計算機導論課程后12 周（第7-18 周）的學習行為采取干預指導?？紤]到周課時較少，干預指導對學生學習行為的影響是個緩慢的過程。因此，評價指標數據的采集頻率設置為每兩周一次，共獲得6 組數據，過程干預效果如圖7 所示。其中，橫軸為采取學習行為干預的教學周次，縱軸為四段學習行為中行為消極的兩段學生數與行為積極的兩段學生數之比。

Fig.7 Curve of learning behavior intervention effect圖7 學習行為干預效果曲線圖

由圖7 可見，在搶答互動率、作業開始時間、作業完成時間3 個指標中，消極的學生數與互動積極的學生數之比呈現下降趨勢。對比學生名單可發現，學習主動的學生學習行為基本無波動，學習被動的學生被干預后進步較大，證實了通過學習行為干預指導及改進教學策略，能使學生積極模仿先進的學習行為，讓更多學生充分重視互動的積極性，并主動參與其中，開始作業更早、完成作業更快。作業重做次數少的學生人數與重做次數多的人數之比總體呈現上升趨勢，表明更多的學生知識掌握更扎實，更少的學生需要通過刷題來鞏固知識點。

課程結束后，采用問卷星設計調查問卷，選題包括積極性、學習動機和學習效果3 個方面，設置90 分及以上為非常贊同，75-90 分為贊同，60-75 分為一般，低于60 分為不贊同，具體結果如表2 所示。由此可見，與學習行為干預效果相似，大多數學生對干預建議持贊同態度。其中，認為能提高學習效果的學生占比71%（贊同與非常贊同之和，即評分在75 分以上），69.67%、75%的學生贊同/非常贊同對學習行為進行干預后能提升個人學習積極性和端正學習動機，更愿意按照教師提供的先進學習模式完善學習過程，學習動機從外部分數驅動轉變為內部知識驅動。

Table 2 Questionnaire results表2 問卷調查結果

表3 為無錫學院計算機科學與技術專業2021 級與2020 級學生的期末考試成績比較。由此可見，采取學習干預使2021 級學生期末考試均分和優秀比分別提高6.19%和11.39%，雖然良好比相當，但及格人數占比下降了1.48%，不及格人數為0，證實了該教學模式能提高課堂教學效果。此外，相關干預措施已用于指導2022 級新生的學習行為，并持續積累學習行為數據。

Table 3 Comparison of final examination results表3 期末考試結果比較

4 結語

學生學習行為畫像能客觀反映學生學習特征及規律，及時采取針對性干預能避免指導行為滯后、提升學生學習效果和教師教學效率。實踐表明，學生對混合式教學中行為干預的認可度較高，研究成果對計算思維導論、計算機文化基礎等課程同樣具有借鑒意義。

下一步，將收集更多課程學習行為數據，研究多門課程聯動及專業體系的學習畫像，通過機器學習等方法研究學習行為的定量分析，并通過及時有效的干預實現精確指導。