《供應鏈管理》 智慧課堂學情分析探索與實踐

Exploration and Practice of Learning Situation Analysis in the Smart Classroom of Supply Chain Management

（Business School， Xi'an International University， Xi'an 71Oo77， China）

中圖分類號：F274;G642 文獻標志碼：ADOI： 10.13714/j.cnki.1002-3100.2025.09.034

Abstract：Withthe rapid development of information technology，smart classrooms have become a new trend in modern education and teaching. In the course of Supply Chain Management，learning situation analysiswith the helpof smartclassrooms platform not only helps teachers to more accurately grasp the learning status and needs of students， but also provides strong support for optimizing the teaching process and improving teaching effectiveness. By collecting and organizing learning situation data from the smart classroom teaching platform，constructing a learning situation analysis indicator system and a multiple linear regression model between learning situationanalysis indicators and academic performance，it isconcluded that in-class performance and homework completion arethe main factors affecting student learning outcomes. Therefore， teachers should focus on optimizing classroom interaction，increasing practical activities in class，designing more challenging and inspiring homework， effectively stimulating students'learning enthusiasm， and improving their learning outcomes.

Key words： smart classroom; analysis （of learning situation; supply chain management; teaching quality monitoring

0引言

隨著數字技術的發展，智慧課堂教學模式逐漸成為課堂教學的主要形式。智慧課堂在教學過程中積累了大量的學習情況數據。如何充分利用這些數據，落實“以學生為中心”理念，進行學情分析并形成循序漸進模式具有重要的意義。“以學生為中心”是教學設計的基礎，成功的教與學是建立在良好的學情分析之上的。“供應鏈管理”課程在智慧課堂教學模式下，應以新文科建設為引領，滿足新科技革命所帶來的新經濟業態、新運營模式的需求，全面落實“以學生為中心、以產出為導向”的建設要求，探索適應未來新經濟發展需求的新文科人才培養路徑。

1國內外研究現狀

1.1國內外研究現狀

《供應鏈管理》是物流管理專業核心課程之一，在人才培養中發揮著非常重要的專業知識、層次構建和素養能力提升作用。通過本課程的學習，學生要深刻領會供應鏈的核心理念，并能融會貫通到供應鏈構建、資源協調等實踐中。目前對于本課程的教學研究主要聚焦于思政元素的融入和體系建設、混合式教學改革實踐方面，少部分研究提到了以學生為中心的教學改革探索[。

學情分析是促進“以學生為中心”教學理念落地的重要措施。國外關于學情分析的研究主要集中在定義、效果和內容三方面。對學情分析的定義主要圍繞教學過程的系統性展開；關于學情分析的效果主要通過如何提高教學水平、提高學生學習能力和如何促進教師的專業發展等展開。對于學情分析的具體范疇則主要圍繞學習動機、社會性因素、個人差距等進行。

近年來，國內學者也對學情分析進行了深人研究，認為學情分析是通過對影響學生學習的各種原因進行調查、統計與分析，為提高教師的教學效果提供有價值的參考依據。

首先是數據來源維度，基于問卷調查和在線學習平臺是目前主要的數據分析來源，楊思斯基于“共性 ^°₊ 個性”分析原則，采用調查問卷、前導課程成績進行學情分析，進行差異化教學設計。陸湘玲基于問卷對日語專業進行學習興趣、學習意愿等進行調查，據此設計了教學形式、教學手段等與之相對應的教學對策。劉雯雯利用互聯網調查問卷，了解學習者特征，提出基于新學情對學習目標進行差異化設計。王冬姣提出教師借助“云班課”、“智慧樹”和“學習通”等信息化教學輔助APP平臺，建立網上教學班課，實施線上教學活動和管理。

其次是分析模型維度，主要有基本的統計分析和分析模型。劉哲等對《運輸組織與管理》課程設計了課程期望、學習態度、學習動機、課程需求、學習途徑偏好、學習過程體驗、在線教學平臺、主動交流學習問題等指標。員曉云以《醫學美學》課程為例，采用了BOPPS 模型。張婷等以M-leaming教學模式為研究對象，通過選取學生的視頻學習時長、簽到次數、平時測驗成績及課堂討論答疑情況等指標，提出了一種基于貝葉斯網絡模型的學情分析和預測方法，為后續教學提供決策支持。張暉等[2以在線學習平臺的學情數據為基礎，借助 Excel工具實現數據挖掘結果，實現對學習者學習效果的精準定位，從而滿足學習者個性化學習和教師針對性教學的需求。

最后是分析階段維度，現有研究主要在教學實施之前對學生前導課程、學習基礎、學習興趣等進行摸底調查，花威對多元化生源進行學情分析后，發現生源的知識基礎、學習方法都有很大的不同，提出在條件允許的情況下，在一些專業或者課程中為學生制定多元化的發展方案。還有一些研究將學情分析的結果，用于完善網絡教學平臺課程學習管理制度和課程綜合評價考核等[14-16]。

1.2研究總結

根據現有文獻綜述內容，目前學情分析要么是定性分析為主，要么數據來源系統化不足。本文充分利用智慧教學平臺豐富的學情記錄數據，通過集成和挖掘技術，有效提取出與學生最終學習成績緊密相關的學情分析指標。這種數據驅動的方法，不僅提高了分析的準確性，還使得學情分析更具針對性和實效性。

2學情分析指標體系

2.1構建原則

在智慧課程學情分析評價指標的選取過程中，應遵循以下原則以確保評價的科學性、有效性和針對性：（1）評價指標應與評價目的密切相關。所選指標必須能夠直接反映評價目標，如學生的學習效果、學習態度、學習進度等，以便為教學決策提供有力支持。（2）評價指標應具有客觀性。客觀性意味著指標應基于實際數據，避免主觀臆斷和偏見，確保評價結果的公正性和準確性。（3）評價指標應可量化。量化指標有助于更精確地衡量學生的學習狀況，同時也方便進行統計分析和比較。（4）評價指標應易于收集。所選指標的數據來源應基于智慧課堂過程記錄，清晰明確，便于收集和記錄。有助于減少評價過程中的工作量和時間成本，提高評價效率。

2.2構建指標

為了構建一個精準有效的智慧課堂學情分析模型，結合本課程在智慧教學平臺上的教學實踐經驗以及平臺提供的一系列功能，經過參考其他混合式教學或線上教學采納指標并綜合考量，決定采用認知性特征和情感性特征為一級指標。認知性特征指標主要關注學生的學習能力、思維水平以及知識掌握情況。它涵蓋了學生的學習基礎、學習速度、理解能力和應用能力等，幫助教師了解學生在認知層面的學習狀況。情感性特征關注學生在學習過程中的情感狀態、學習態度和動機。這包括學生的學習興趣、學習信心、學習情緒以及對待學習的態度等，對于了解學生的學習動力和持續性具有重要意義。采用以下4個關鍵指標為二級指標作為評價模型的輸入，包括課前作業、課中作業、課中表現、課后作業四項全流程考核內容。其中課中表現又分為活動參與情況（體現學生在課堂活動中的參與度，對于提升學習興趣和積極性至關重要，用搶答和抽答積分體現）、資源瀏覽率（反映學生對課程資源的利用程度，反映自主學習能力）。綜合成績作為模型的輸出，綜合反映學生的學習效果，評價教學質量和學生學習成果，以全面反映學生的學習狀態與效果。

通過這4個指標（見表1）多重考核維度的有機結合，期望能夠構建一個科學、有效的智慧課堂學情分析模型，為教師的教學決策提供有力支持，同時也幫助學生更好地了解自己的學習狀況，實現個性化學習和發展。

3學情分析模型

本文所采用數據來源于學校構建的智慧課堂教學平臺，如圖1所示。

采用多元線性回歸模型作為學情分析指標和學習效果的評價模型。多元線性回歸模型是一種統計學模型，主要用于分析自變量和因變量之間的關系。基于線性方程來擬合多個自變量和一個因變量之間的關系，是統計分析中用來探索和預測因變量隨自變量變化情況的常用方法之一。

多元線性回歸模型的一般形式為：

式中： K 為解釋變量的數目， β_j（j=1，2，…，k） 為回歸系數， β₀ 為常數項。

建立多元線性回歸模型時，為了保證回歸模型具有優良的解釋能力和預測效果，應首先注意自變量的選擇，其準則是：（1）自變量對因變量必須有顯著的影響，并呈密切的線性相關；（2）自變量與因變量之間的線性相關必須是真實的，而不是形式上的；（3）自變量之間應具有一定的互斥性，即自變量之間的相關程度不應高于自變量與因變量之間的相關程度；（4）自變量應具有完整的統計數據，其預測值容易確定。

4學情分析結果與結論

4.1分析流程

（1）分析模型顯著拒絕總體回歸系數為0的原假設 _{（Plt;0.05）} ，若 Plt;0.05 ，則模型顯著，解釋變量和被解釋變量之間存在線性關系。（2）通過 R² 值分析模型擬合情況，該值越大，說明模型擬合程度越好。同時對 VIF 值進行分析，若模型呈現共線性（ VIF 大于10），則模型不成立或應采用嶺回歸消除共線性。（3）分析 X 的顯著性，如果呈現出顯著性 _{（Plt;0.05）} ，則用于探究 X 對 Y 的影響關系。（4）結合回歸系數 β 值，對比分析 X 對 Y 的影響程度。（5）確定得到模型公式。

4.2分析結果

將智慧課堂收集的數據導人SPSSPRO平臺并運行，獲得因變量和自變量線性回歸結果如表2所示。

表2呈現了模型的分析結果， F 檢驗的結果分析可以得到，顯著性 P 值為 0.035^** ，水平上呈現顯著性拒絕回歸系數為0的原假設，模型有效。對于變量共線性表現， VIF 全部小于10，因此模型沒有多重共線性問題，模型構建良好。模型的公式為： 課前作業 +0.232^* 課中作業 +0.222^* 表現成績 +0.075^* 課后作業。

4.3分析結論

根據回歸模型可知，常數項：21.763是回歸方程的截距，表示當所有自變量都為0時， y 的預測值。

（1）課前作業：其系數為-0.39，表示課前作業與 y 之間存在負相關關系。即課前作業每增加1單位， y 的預測值將減少0.39單位。這可能意味著課前作業的完成情況對 y （綜合成績）有負面影響。（2）課中作業：其系數為0.232，表示課中作業與 y 之間存在正相關關系。課中作業的完成情況對 y 有正面影響。（3）表現成績：其系數為0.222，表示表現成績與 y 之間也存在正相關關系。顯示了學生在課堂上的表現對 y 的正面貢獻。（4）課后作業：其系數為0.075，表示課后作業與 y 之間存在較弱的正相關關系。雖然這是一個正面影響，但其影響程度相對較小。

該模型分析得出很有意思的一個結論是：課中表現和課中作業是決定學生學習效果的重要因素。首先，課中表現不僅反映了學生在課堂上的專注度和理解程度，更直接關聯到學生對知識的吸收和應用能力。一個學生在課堂上的積極參與、主動提問和與老師的良好互動，都能有效促進他們對知識的深入理解和靈活應用。這種積極的課中表現，無疑會為他們打下堅實的學習基礎，為未來的學習和發展奠定良好的基石。

另一方面，課中作業則是檢驗學生學習效果的重要途徑。通過完成作業，學生不僅可以鞏固和復習課堂上學到的知識，還能在實踐中提高自己的應用能力和解決問題的能力。同時，課中作業也是老師了解學生學習情況、發現學習問題并及時調整教學策略的重要手段。因此，認真完成課中作業，對學生而言，是提升學習效果的關鍵步驟。

這一結論不僅豐富了教育教學理論，更在實際應用中具有深遠的價值。首先，在教育策略制定方面，這一結論為教育工作者提供了有力的依據。根據模型的分析結果，教師可以更加明確地認識到課中表現和課中作業的重要性，從而調整教學策略，更加注重這兩個方面的培養和提升。通過優化課堂互動、增加課中實踐環節、設計更具挑戰性和啟發性的課中作業，教師可以有效地激發學生的學習熱情，提高學生的學習效果。其次，在學生自主學習方面，這一結論也具有重要的指導意義。學生了解到課中表現和課中作業對學習效果的關鍵影響后，會更加重視這兩個方面，從而更加積極地參與到課堂學習和作業完成中。通過提升課中表現，如積極發言、主動思考、與同學交流合作等，學生可以更深人地理解和掌握知識；通過認真完成課中作業，學生可以鞏固所學知識，提升應用能力和解決問題的能力。

參考文獻：

[1]龐燕，王忠偉．《供應鏈管理》課程思政高階性發展的實踐探索[J]：供應鏈管理，2023，4（2）：41-47.

[2]宋明珍，馬騰，謝家平，等．基于SPOC 與雨課堂的《供應鏈管理》混合教學模式的探索與實踐[J].物流科技，2023，46（19）：159-163.

[3]唐小平，主國娜．基于互聯網 + 的混合式教學改革與探索——以《農產品物流與供應鏈管理》為例[J].物流科技，2023，46（1）：160-162.

[4]張志喬，葉芬芳，盧敏，等．新文科背景下《供應鏈管理》課程“SL-STIMI”教學模式研究與實踐[J].供應鏈管理，2022，3（12）：63-70.

[5]林芳．基于學情分析的高職擴招生源英語教學改革研究[J]．廣東交通職業技術學院學報，202221（3）：74-76，82.

[6]楊思斯.基于“共性 .+ 個性”大數據學情分析的課程教學設計研究[J].中國現代教育裝備，2022（21）：172-174，181.

[7]陸湘玲．基于問卷調查的日語專業學情分析及教學對策探索[J].高教學刊，2020（23）：190-192，196.

[8]王冬姣．基于學情分析的高校課堂教學質量提升策略研究[J].福建輕紡，2022（12）：53-56.

[9]劉哲，宋慶波．基于學情分析的線上線下混合教學課程設計——以《運輸組織與管理》為例[J].物流科技，2022，45（13）：164-167.

[10] 員曉云．基于學情分析的BOPPPS模型的教學研究——以《醫學美學》課程為例[J].大眾科技，2021，23（9）：126-128，141.

[11]張婷，陳波紅．基于貝葉斯網絡模型的M-Leaming移動教育平臺的學情分析研究[J].科教文匯（上旬刊），2018（7）：29-31.

[12]張暉，王煒．基于在線學習平臺的學情大數據分析[J]．中國信息技術教育，2017（17）：76-78.

[13]花威．生源多元化背景下高職學生學情分析與對策研究——以湖北省C職院為例[J]．長江工程職業技術學院學報，2022，39（4）：44-48.

[14]許靜艷．疫情下基于學情分析的線上教學效果研究——以“配送管理實務”課程為例[J]·物流技術，2021，40（8）：147-150，156.

[15]謝秀芹．智慧課堂教學模式下“原理”課程的學情分析研究[J].武漢冶金管理干部學院學報，2022，32（3）：72-75.

[16]徐近．職業本科大學英語的學情分析與對策研究[J].邢臺職業技術學院學報，2022，39（3）：14-17，28.