基于学习风格分类的SPOC平台在线学习行为与学生成绩的关联分析
来源:用户上传
作者:
摘 要：随着在线教育的发展，各平台积累了大量的在线学习行为数据。如何挖掘在线数据背后巨大的价值，已成为新的研究热点。该文通过收集学生SPOC平台在线行为数据和学生Felder-Silverman学习风格调查表，对所有样本学生和学生学习风格类型方式，开展SPOC平台在线学习行为数据与学生期末考试成绩的关联分析。通过对比研究，不同学习风格类型学生的在线学习行为数据与学生成绩的相关系数有明显变化，数据分析结果为教师决策与学生提高学习效率提供了科学依据。
关键词：SPOC平台 在线学习行为 学习风格 关联分析
中图分类号：G434 文献标识码：A 文章编号：1672-3791（2019）03（b）-0207-04
Abstract： With the rapid development of online education， a large amount of data has been recorded by the online platform. How to mine the potential value behind the online data has become a new research hotspot. This paper collects the data of online learning behaviors on SPOC and presents the results of the Felder-Silverman learning style model questionnaire completed by students， then according to all sample students and classify students on the basis of their learning style， we conduct the correlation analysis to investigate the relationship between the data of online learning behaviors and the students'final exam grades. After finishing the comparative analysis， the correlations of different type of students have a visible change. The data analysis results offer good scientific preference for teachers' decision making and for students to improve their efficiency.
Key Words： SPOC platform; Online learning behavior; Learning style; Correlation analysis
隨着计算机、网络通信和云计算等技术的快速发展，在线教育得到了巨大的发展。特别是SPOC（Small Private Online Course，即小规模限制性在线课程）课程类型模式的出现，SPOC混合教学模式在高校实际教学中得到广泛应用和推广 。相对于传统的教学模式，类似SPOC平台会产生并实时记录在线学习过程中大量的相关数据。根据这些真实的记录数据，利用计算机等相关技术，可深入挖掘隐藏在这些数据背后巨大的价值，可以实现对在线学习的学生表现、学习效果和学习规律来进行评价，为教师和在线学习平台如何为学生服务提供可靠的科学依据等[1]。
学习者学习风格的研究也是重要的一个课题，该文正是利用SPOC平台记录的在线学习行为数据，科学挖掘学习者在线学习行为与学习风格、学习习惯、学习偏好之间潜在的关联规则、微妙复杂的关系。数据分析和实证教师在采用SPOC平台教学时，需要开发哪些学习资源，有助于不同学习风格学习者开展有效学习;学习者如何利用SPOC平台个性化学习和自适应学习相结合，提高学习效率;在线学习平台如何智能化为教师和学习者服务。从而使高校教学质量得到提高，学生学习效果更加显著，推动教育信息化改革。
1 相关知识
1.1 在线学习行为分析
在线学习行为分析主要基于SPOC平台对师生学习过程的记录数据，针对行为主体（教师、学生）的行为方式（登录、浏览资源、观看视频、发帖、做练习、测试）、行为客体（各类资源、网络课程模块）的被使用情况以及行为发生时间进行统计、可视化和各类挖掘，并结合师生的人口特征数据对影响在线学习行为的因素进行挖掘[2]。
1.2 学习风格模型
学习风格模型是学习风格研究的一个重点，Felder-Silverman的学习风格模型跨过于洋葱模型的中间层和最内层，它主要涉及的是学生的认知风格和信息处理的偏好。这个风格模型包含了信息的加工、感知、输入和理解4个方面，将学习风格分为4个组对8种维度：知识加工分活跃型与沉思型;知识感知分感悟型与直觉型;知识输入分视觉型与言语型 ;知识理解分序列型与综合型[3] 。
从已有的在线学习行为与学习风格相结合的研究来看，张岩等对学习者特征进行了分析[4]。黄盛月等从资源呈现方式对不同学习风格的学习效果影响进行了研究[5]。史婷等将研究对象分视觉型与言语型两类，利用在线行为数据与学习成绩进行了分析[6]。 2 基于学习风格分类的SPOC在线学习行为与学生成绩的关联分析
该研究选取湖南工程学院计算机与通信学院的专业必修课“C语言程序设计”作为研究对象。“C语言程序设计”是计算机类专业本科生大一分两学期开设的一门专业必修课程。该课程是学校100门网络建设课程之一，专门开发课程配套相关文档教材和微课视频等。以2018至2019秋季为例，开课时长为16周。选取学院软件工程专业2018级71名学生为研究样本。通过问卷星收集Felder-Silverman问卷，将研究样本学生分成4个组对8种风格，采集湖南工程学院网络教学平台记录的样本学生学习行为记录和基本信息来开展在线学习行为的关联分析研究。
2.1 数据收集和整理
通过问卷星，向研究样本学生发放Felder-Silverman问卷，发放71份，实收61份，根据Felder-Silverma学习风格模型，整理数据后，结果如表1所示。
从表1可知，4个组对中，输入和感知方面两种类型差别最大，视觉型占比最高，占80%，言语型最低，占20%。沉思型期末考试成绩最高，为68.8分，直觉型期末考试成绩最低，为59.30分。
通过湖南工程学院网络教学平台，收集研究样本学生学习“C语言程序设计”课程的学习行为数据，包括学生登录次数、看视频时长、作业成绩等数据，去掉没有提交问卷学生数据，学生登录基本情况如表2所示。
从表2可知，学生在学习期间总登录次数为14693，其中视频103个，视频总时长为419.2min，且为任务点，记入学生平时成绩。学生期末考试平均分为66.28。
2.2 样本学生在线学习行为与学生成绩关联分析
根据收集的数据，研究样本学生的学生登录次数、看视频时长、作业成绩与学生期末考试成绩作关联分析，结果如表3所示。
从表3可知，研究样本61名学生平均登录次为253.74，与学生期末考试成绩相关系数为0.25;平均看视频时长为191.16min，与学生期末考试成绩相关系数为0.25;作业平均成绩为88.77，与学生期末考试成绩相关系数为0.36。
從表3的结果来看，研究样本学生在线学习行为数据（登录数、看视频时长和作业成绩）与学生期末考试成绩相关系数都比较大，说明通过SPOC平台的辅助学习，有力地促进了学生学习成绩的提高。
2.3 基于学习风格分类的学生登录次数与学生成绩关联分析
按Felder-Silverman学习风格4组对8种风格，以学生登录平台次数与学生期末考试成绩进行关联分析，得到表4的结果。
从表4可知，研究样本中直觉型学生平均登录次数最多，达256.15次，综合型学生平均登录次数最小，仅215.59次。学生分类后登录次数与期末考试成绩相关系数区别很大，最大的为直觉型类型学生，相关系数为0.63，相关系数最小的为言语型类型学生，相关系数为-0.06。
从表3和表4分析可知，登录平台次数会促进研究样本学生成绩的提高，但学生根据学习风格模型分类后，登录次数与成绩的相关系数值显著变化，直觉型学生相关系数为0.63，言语类型学生的相关系数为-0.06。因此，从SPOC平台记录的学习者登录次数这一个参数来看，整体是登录次数越多，学生成绩会提高。但对于不同风格类型学生，相关系数值显著变化，像研究样本中的活跃型、感悟型、言语型和综合型的学生，登录次数与学生成绩相关性很小。
2.4 基于学习风格分类的学生观看视频时长与学生成绩关联分析
按Felder-Silverman学习风格4组对8种风格，以学生观看视频时长与学生期末考试成绩进行关联分析，得到表5的结果。
从表5可知，研究样本中学生，观看视频时间平均时间最长为综合型学生，达233.65min，直觉型学生平均观看视频时间最少，达191.16min。学生分类后观看视频时长与期末考试成绩相关系数最大的为序列型类型学生，相关系数为0.26，相关系数最小的为综合型类型学生，相关系数为0.01。
从表3和表5分析可知，观看视频会促进研究样本学生的成绩提高，但学生投入的有限，没有充分发挥SPOC平台辅助教学的作用。但对于不同类型学生，相关系数有较大变化，像研究样本中的综合型学生，观看视频时长与学生成绩关联性很小。同时说明，教师从SPOC平台提供的教学资源，要满足不同学习风格类型学生个性化学习的要求。从学生角度来看，SPOC辅助教学平台，会促进学生成绩的提高，学生应利用平台和资源，改变原有的学习方式，投入更多的时间与精力，如研究样本中的序列型学生。同时也要求学生在开展个性化学习的同时，也要自适应地开展学习;在线平台只提供了一些统计服务，不能智能地分析数据，教师不能根据学生学习风格适时做出教学调整和学生自适应学习。
2.5 基于学习风格分类的学生作业成绩与学生成绩关联分析
按Felder-Silverman学习风格4组对8种风格，以学生作业成绩与学生期末考试成绩进行关联分析，得到表6的结果。
从表6可知，研究样本中学生，作业平均成绩最高分为综合型学生，成绩为90.43，直觉型学生完成作业成绩最差，成绩为87.05。学生按学习风格模型分类后作业成绩与期末考试成绩相关系数可知，最大的为沉思型类型学生，相关系数为0.54，相关系数最小的为活跃型类型学生，相关系数为0.19。
从表3和表6分析可知，作业是教学中的重要环节，学生习惯于传统的教学方式，作业成绩与学生期末考试成绩相关系数很大。因此，从教师来看，教师要加强作业的检查与监督;从学生来看，要认真和及时完成作业。从SPOC平台来看，要利用计算机等技术，分析作业中存在的问题，自适应反馈给教师和每一个学生。
3 结语 该文以湖南工程学院网络教学平台“C语言程序设计”课程为研究对象，选取软件工程2018级学生为研究样本，收集学生在线学习行为数据和Felder-Silverman学习风格调查表，对学生整体在线行为数据与期末考试成绩关联和按学习风格分类学生在线行为与学生期末考试成绩关联进行分析，通过两方面对比研究，得到以下结果：SPOC平台在线行为数据都与学生期末考试成绩都相关联;按Felder-Silverman学习风格模型对学生分类后，SPOC平台学生登录次数和观看视频时长与部分类型学生期末考试成绩相关性大，部分类型学生相关性小，各类学生的作业成绩与学生期末考试成绩相关性都很大;教师要根据学生不同的学习风格提供更丰富的资源，满足学生个性化学习要求;学生在利用SPOC平台学习的过程中，要投入更多的时间和精力，改变学习方法，在个性化学习的同时，也要自适应学习;SPOC平台要利用记录的在线行为数据进行挖掘和分析，智能反馈教师教学和学生学习过程中出现的问题，教师和学生适时自适应调整。
学习风格和在线行为分析是热门的研究课题，需要更多的研究者长期探索和研究，解决教学中的问题，从而促进教学质量的提高，推动教育信息化的发展。
参与文献
[1] 王祎.在线学习行为分析及应用研究[D].华中师范大学，2018.
[2] 孙笑微.基于SPOC平臺日志数据的在线学习行为分析及其影响因素研究[J].沈阳师范大学学报：自然科学版，2017，35（1）：103-107.
[3] 刘自慧.基于网络学习行为分析的学习风格识别及其实证研究[D].北京邮电大学，2015.
[4] 张岩，赵希武.基于SPOC混合式教学模式下学习者特征分析[J].电脑知识与技术，2018，14（33）：159-161.
[5] 黄盛月，史高音，李鸣华.资源呈现方式对不同学习风格的学习效果影响[J].浙江师范大学学报：自然科学版，2018，41（4）：410-415.
[6] 史婷，葛文双.SPOC课程中学习投入、交互行为与学习成绩的关系研究[J].中国医学教育技术，2018，32（3）：235-239.
①基金项目：本文为湖南省教育科学“十三五”规划2017年度课题“基于移动学习行为的学习风格评价模型研究”的阶 段性研究成果（项目编号：XJK17BGD008）。
作者简介：何宏（1971—），男，汉族，湖南湘潭人，硕士，副教授，研究方向：云计算和数据挖掘。
转载注明来源:https://www.xzbu.com/8/view-14835231.htm
