數字化課程混合式教學預警的影響因素分析

徐 勇（湖北經濟學院 統計與數學學院，湖北 武漢 430205）

一、引言

近年來隨著數字化課程教學的飛速發展，越來越多的學者開始研究如何將新型的線上教學與傳統的線下教學相結合注入數字化課程設計，以形成“1+1>2”的效果。一些學者展開了針對性研究，如張倩等（2021）從建設信息化、智能化的混合式教學設施，發展雙邊互動的數字化課程教學方式等方面闡述了提升教學質量管理水平的建議。李政輝等（2022）針對多個高校的教學管理政策探索混合式教學的運行模式與對策。梅鵬江（2021）通過對學生行為數據的統計分析和數據挖掘，探索了影響混合式教學質量的學生端因素。

目前數字化課程如何在線上線下混合式教學中充分利用學生的過程性特征對其進行課程考核預警尚未形成豐富的成果，尤其是哪些特征能用于課程考核預警還需深入研究。數字化課程以數字平臺作為依托，可以追蹤學生在教學中的實時學習表現。通過線上平臺后臺數據的實時反饋和線下課堂教師的授課過程，可以捕捉對象的諸多過程性特征并分析這些特征與學習效果間的非線性關聯。本文提出雙軌雙控的混合式教學邏輯框架，在此教學框架下捕捉學生的學習過程性特征，并挖掘其中作為影響混合式教學效能的重要因素。

二、雙軌雙控的數字化課程混合式教學的邏輯框架

在由線上線下兩個平臺組成的混合式教學中，如何使線上線下效能深度融合從而實現“1+1>2”的效果需深入探索。為此，提出數字化課程的雙軌雙控融合的混合式教學實施框架。“雙軌雙控融合模式”指的是探索雙軌（即線上線下）效能深度融合，相互補充，交互把控的教學設計。線上教學和線下教學并不是不同時空的獨立教學模式，二者并不孤立。線上教學模式與線下教學模式的融合，應將不同時空的兩種教學模式在教學實施中有機結合，這種有機結合不僅僅是指二者時空的結合，更是二者效能的結合。從功能上來說，二者應相互補充，各施所長。按照課前淺學、課中深學、課后延學三大模塊分別進行設計，從而對學生的課程學習過程和結果進行監測。

所謂課前淺學，是指學生在課程內容開始前的預學習，包括傳統形式的線下預習教材以及充分利用網絡學習平臺，瀏覽由任課教師發布的線上學習資料，完成對應的預學任務點等，以便于學生初步了解課程內容，教師初步掌握學生的學情并針對性地制定教學方案。這一階段應充分發揮線上平臺的資源優勢，以多樣化多元化的諸如PPT、講義、知識點簡介視頻、學科發展史視頻等使學生全方位了解所需學習內容，為下一階段的線下學習蓄力。這是線上主“控”線下的階段。

課中深學是指由教師主導的線上和線下授課過程，是課程內容學習的核心環節。在此過程中，教師一方面通過講授引導學生在線下課堂逐步掌握課程內容，理解知識結構的重難點；另一方面還應借助網絡學習平臺進行點名、話題討論、課堂測試等多樣化的教學活動，以此全方位、實時地掌握學生在學習進程中的學習表現，從而及時快速地判斷是否需要調整教學策略。課程教學要杜絕老師悶頭講，學生埋頭記的零互動模式，也要防止片面地強調互動而使知識體系的講授碎片化，故教師應該在線下講解課程的同時，以線上平臺作為輔助工具，靈活適時地執行多樣化的教學效能跟蹤舉措。譬如在講解重點問題時，臨時發布線上測試，實時掌握學生的領會情況等。

課后延學是學習的延伸。教師針對性地布置線下練習或發布帶有發散思維的思考題，檢驗學生對知識的融會貫通能力和應用的意識。思考題未必都是真正意義上的題目，可以結合學科背景和學科發展史提出歷史長河中經典的學科問題，引導學生利用所學內容給出解決方案或思路。這一部分的學習最好沒有標準答案，鼓勵思維發散，讓學生松開思想的韁繩，縱情馳騁，各種奇思妙想天馬行空。最后再由教師綜合點評，總結本次課程的教學收獲。

三、混合式教學的預警影響因素分析

結合上述混合式教學的邏輯框架和教學實踐中能提煉的數據，提出能表征混合式教學效能的若干學情特征作為課程考核預警的影響因素。這些因素從歷史性數據、現實性數據、主觀性數據、客觀性數據的不同角度考慮了對學生課程學習效能的影響，并按層次構成了多級指標體系。其中一級指標包含學習經歷性特征、學習能動性特征、學習參與性特征、學習互動性特征和學習表現性特征。

一級指標“學習經歷性特征”又可涵蓋學生的偏科程度、教育基礎、學業現狀等二級特征。偏科程度的度量賦值標準如下：若該線上課程與學生高考科目相關（例如高等數學與數學，大學語文與語文），則當該科目得分與其他科目均分差不超過5 分，視為無，賦值0。超過5 分不超過10 分視為輕度，賦值1。超過10 分以上視為重度，賦值2。若課程與學生高考科目無關賦值為0。教育基礎考慮的是學生來源地域或群體的整體教育狀況。我國地域廣博且教育基礎水平不一。一般性地域或群體教育基礎相差不大，賦值為0。特殊地域或群體比如西部窮苦地區或少數民族地區因教育事業相對發展滯后，影響學生積累的教育基礎，故賦值為1。學業現狀考慮的是學生最近一學期的學業情況。若該學期各科目考核成績均分高于65 分，可認為其總體上比較關注自身的學業情況，賦值為0，否則賦值為1。

一級指標“學習能動性特征”主要考慮投入程度和自我約束力兩個二級指標。投入程度具體指每周業余非學習時間與學習時間之比。大學生學業方面的差距實際上主要由業余時間體現。有的學生致力于拓展社交能力荒廢了學業，有的則在業余時間夯實學習基礎提升知識能力。非學習時間與學習時間之比越小代表學生的投入程度越高，學習能動性越強。自我約束力可以由課程學習時間的偽效率，即每小時中偽學習時間的占比來體現。有的學生雖然身在教室或者圖書館，但思想并不在學習，這樣的學習時間水分很大，故偽學習時間占比越小，學生的學習能動性越強。

一級指標“學習參與性特征”考慮任務點完成、課程討論參與以及考勤等二級特征。任務點完成的情況表明學生是否完整地接受了課程內容教學并通過完成任務給出教學反饋；課程討論參與情況反映了學生是否在課程學習中積極參與線上線下的問題討論，反映了其參與的主動性；考勤是學生按時到課的硬性指標，是學生全身心參與教學過程的前提。

一級指標“學習互動性特征”考慮師生交流的效果。它包括師生課上交流（如應答教師的設問，舉手回答教師提問等）和課下交流（如利用學習平臺與教師線上交流或課后答疑等）。與教師交流頻繁的學生必然學習的感悟更深，更利于課程考核過關。

一級指標“學習表現性特征”考慮章節測驗結果和作業完成的評價兩個二級指標。章節測驗結果是階段性檢測，代表每章內容的學習成效，是學生章節知識體系是否形成的檢測。作業完成的評價指每次課后作業的得分，是學習效果具體到每次課的細節化檢測。

借助數據挖掘算法可以擬合個體上述特征和課程考核結果的關聯性，構成課程預警模型。此時，課程考核結果作為被解釋變量，用0 和1 分別代表不合格和合格。考慮到所選擇的特征數據的泛化性，可以重點選擇部分學情特征作為預警模型的解釋變量或影響因素。比如：教育基礎、考勤（簽到次數/簽到發布總次數），師生交流（成功回答提問次數），任務點（線上課程的任務點完成比例），章節測驗（合格次數/總次數），課程訪問（訪問日志記載的次數）和作業完成（作業平均分）。

從邏輯上分析，上述影響因素的重要程度是有層次性的。重要程度最高的影響因素應該是章節測驗成績。章節測驗反映了教師對學生本章節知識點掌握的檢驗，出題教師會在知識覆蓋面、理解深度等方面進行合理的設計設置考題，從而體現學生的學習效果。課程的知識體系由每個獨立章節按照邏輯關聯有機組成。相比于各小節內容微觀的呈現，章節知識從宏觀的視角搭建學習者的知識體系，是與課程教學內容完整性系統性最相關的因素。只有確保每個章節弄懂學通，才能最大限度保障課程考核的順利過關。

接下來是平時作業完成情況。如果說章節測驗是各章結果性的特征，那么作業則是各章過程性的特征。當次作業完成的情況好，說明學生對該次課程的內容吸收和理解較為透徹。作業完成情況差則說明學生聽課效果不佳，對知識的理解有偏差。章節學習效果是每次課程學習效果的累積。課后作業是教師根據教學內容中的重難點精心布置的練習，考察或檢驗學生對知識點的理解是否透徹。平時作業潦草敷衍漏洞百出，必將導致積重難返，嚴重影響課程考核的結果。

第三個重要的影響因素是任務點完成情況。教師在課程的學習中會設置階段性的任務點，這些任務點有些體現學生對基本知識點的理解，有些則是對學生知識理解是否有偏差的考驗。任務點的表現形式可以多樣化，可能是特定的概念分析問題，也可能是完成實證分析的過程，又或者是對爭議問題的探討等等。任務點完成度高說明個體對正確理解知識點做得比較好，它也是一種過程性的特征。

課程訪問次數是排名第四的影響因素。只要不是惡意地刷訪問次數，那么訪問次數在一定程度上反映了學生對課程學習的積極性、主動性，是課程的情感價值體現。課程訪問次數高的學生未必學習效果上佳，但課程訪問次數寥寥無幾的學生必定難以正確理解課程知識點。課程訪問次數通常會與觀看教學視頻，下載教學資源，參與線上教學活動等高度相關，故可參考這些行為確定課程訪問次數的真實性。

師生交流情況排名第五。師者，所以傳道授業解惑也。除去少量萬中無一的天才，絕大多數學生在初次接受某知識體系時必然有很多不理解之處或思維堵點，需要教學經驗豐富，聞道更早的教師解惑。這就是師生交流的意義和價值。從不和教師進行學習交流的學生，并不是沒有疑問而是懶于提問，抱有僥幸心理，覺得不理解的地方可以蒙混過去。結果一旦遇到課程考試，考查到了很多平時思維不理解之處，這樣考試不合格也就難以避免了。

排名第六的影響因素是考勤。考勤良好是學生積極參與學習的必要條件，即參與學習積極的學生考勤情況必定很好，考勤情況好的學生也可能“身在曹營心在漢”。故一定程度上，通過考勤的記錄或統計，可以在時間上保證學生對學習的參與度。當然，考勤制度可以靈活安排，比如不定期考勤，或者以課堂點名提問的方式進行考勤。考勤情況差的學生必然對學習的參與度低，間接影響其課程考試成績。

最后，需要關注的影響因素是教育基礎。教育基礎表明了個體以前所取得的學業成就所處的環境。因為一些客觀原因，我國各地區的教育基礎差別較大。在教育基礎相對薄弱的地區，即使是其中的優秀個體，放之于全國來看可能也只是平均水平。所以教育基礎一定程度上能反映個體學習課程的潛力。但是要注意這并不是決定性因素。個體不能把自身來自教學基礎薄弱的地區作為課程學習成效欠佳的借口，最終起決定作用的還是內在的驅動力和當下的努力程度。

四、結語

數字化課程的教學帶有明顯的混合式教學特征，因其融合了新興的線上教學模式和傳統的線下教學模式而備受業界關注。探索影響混合式教學效能的重要影響因素對有效開展混合式教學以及實現學生學習效能監測有著重要的意義。基于線上線下雙軌雙控的混合式教學邏輯框架，結合各教學環節中線上學習平臺的后臺數據系統以及線下教學的實施步驟，初步提煉出七個重要的影響因素。以這些重要影響因素為解釋變量，以課程考核結果為被解釋變量，可以初步構成課程考核的預警模型。后續研究如何通過混合式教學進程中的動態數據，采用數據挖掘技術解釋這些數據與課程考核結果間的具體關聯，從而得到量化的課程考核預警模型。