SPOC 課程學習行為數(shù)據(jù)分析
——以微機原理及單片機技術課程為例

陳逸菲，馬辰來，翟慧茹，袁加偉，陸安祥，朱曉雅

（南京信息工程大學濱江學院，江蘇無錫 214105）

0 引言

2020 年春季新冠疫情防控期間，全國高校實施了大規(guī)模的在線教學。2020 年11 月，教育部推出首批國家級一流本科課程 5 118 門，其中線上一流和線上線下混合式一流課程分別有1 875 門和868 門，共占54.86%［1］。可以預見，作為教育教學與信息技術、人工智能技術深度融合的教學模式，線上以及混合式教學法將越來越受到關注［2-3］。這兩類課程在建設與實施的過程中產生了大量學習數(shù)據(jù)，如果能有效利用這些數(shù)據(jù)進行教學改革，對學生的學習與教師的授課情況做出實時反饋，使整個教學過程成為一個數(shù)據(jù)驅動的“閉環(huán)”，將有助于提升教學質量［4-6］。

近年來，國內外學者在學習數(shù)據(jù)分析方法上進行了多種嘗試［7］。宗陽等［8］采用RFM 模型對MOOC 學習者的在線學習行為進行了分析；張峰［9］、羅永［10］等基于視頻學習數(shù)據(jù)分析了不同類型學生學習行為的差異；陳長勝等［11］分析了MOOC 學習者的學習時間分配特征與差異；田娜等［12］分析了MOOC 平臺上多個指標與期末考試成績之間的關系；蔣卓軒等［13］基于MOOC 數(shù)據(jù)進行了行為分析，并預測學習者能否完成學習任務而獲得證書；Liu 等［14］設計了一種多變量時間序列分類算法對MOOC 學生的輟課行為進行了預測；李雪嬌［15］針對在線學習參與度低、學習效果不佳的現(xiàn)象，提出利用學習者畫像進行在線學習支持服務策略設計，提供精準化學習支持服務。此外，數(shù)據(jù)挖掘、大數(shù)據(jù)、機器學習等技術也被用于學習行為的分析與預測［16-19］。

以上研究大多是針對MOOC 平臺［8，10-16］，但目前有一部分高校課程采用的是基于SPOC 的混合式教學，在教學模式、互動方式、評價指標方面與MOOC 有一定差異［20］。例如，SPOC 往往是有監(jiān)督的，學習任務完成率較高，課程平臺會記錄課堂活動數(shù)據(jù)。然而，有些MOOC 課程是無監(jiān)督的，因此完課率低［13-14］，平臺記錄一般不包括課堂活動數(shù)據(jù)，在此基礎上分析得到的行為數(shù)據(jù)特征對SPOC 課程不一定適用。文獻［7］將兩者列為不同的研究對象，前者屬于“學習者”，后者屬于“在線學習過程”。此外，SPOC 課程的數(shù)據(jù)分析往往也只是針對某些特定指標［9］。例如張巖等［21］雖然從4 個方面分析了SPOC 混合式教學模式下的學習者特征，但指標較少，尤其是在線行為特征僅涉及了登錄次數(shù)、資源訪問次數(shù)、發(fā)帖量、作業(yè)完成量4 個指標，而且沒有分析這些指標與學習成績之間的相關性，僅分析了性別、民族、學習經驗、計算機水平與成績的關系，并不能反映學習行為對成績的影響。

為此，本文以超星泛雅—學習通平臺上的SPOC 課程為例進行實證分析，首先全面分析了該平臺記錄的課前、課中、課后各類學習行為數(shù)據(jù)與期中、期末卷面成績之間的相關性，創(chuàng)新性地引入了任務點完成時間先后這類指標，結果發(fā)現(xiàn)作業(yè)、實驗報告的提交先后與卷面成績的相關性比二者得分更高；然后分析了各指標在不同分數(shù)段學生中的情況，發(fā)現(xiàn)最優(yōu)秀的學生在所有指標上的表現(xiàn)均為最佳，而對于成績位于中段的學生，學習方法比學習投入時間對成績的影響更大；最后全面分析了與卷面成績相關性最高的章節(jié)學習次數(shù)指標在一學期不同月份、一周內各天、一天內不同時段的分布情況，并據(jù)此為教學任務的設計與發(fā)放提供建議。

1 學習行為數(shù)據(jù)相關性分析

以南京信息工程大學濱江學院2018 級2 個班的《微機原理及單片機技術》課程數(shù)據(jù)為例展開實證分析，參與課程的學生共80 人，學習通平臺上共發(fā)布任務點223 個，視頻128 個，時長17h 39min，其中課程章節(jié)測試46 次，實驗報告4 次，隨堂練習12 次，討論17 次，學習頁面訪問次數(shù)共46 030 次。期中、期末均為閉卷考試，以主觀性試題為主。學習通平臺上可以直接獲得的學習行為數(shù)據(jù)包括音視頻觀看、任務點完成、討論詳情、章節(jié)學習次數(shù)、章節(jié)測驗統(tǒng)計、簽到等情況。對所有學生的章節(jié)測驗提交時間進行排序，與章節(jié)測驗平均分共同作為指標參與分析。

課程采用仿真平臺進行實驗，實驗報告也是在學習通平臺上提交，因此實驗成績與實驗報告的提交時間也進行了類似處理。分析以上行為數(shù)據(jù)與期中、期末卷面成績之間的相關性，結果見表1。

Table 1 The correlation coefficients among indicators表1 各指標相關性

從表1 可以看到，章節(jié)學習次數(shù)、實驗完成先后、實驗得分、章節(jié)測試完成先后、視頻反芻比和課程積分與期中、期末卷面成績相關度高，相關性系數(shù)絕對值均超過0.6，其中章節(jié)學習次數(shù)、實驗完成先后、實驗得分的相關性系數(shù)絕對值均超過0.7。章節(jié)學習次數(shù)（觀看視頻、完成各項任務均統(tǒng)計在內）反映的是學生學習的認真程度，一般情況下學習認真的學生訪問課程的次數(shù)也較多。

由于受疫情影響，實驗課于5 月份恢復線下課程后開始，共有4 次仿真實驗。然而實驗任務是在3-5 月份陸續(xù)發(fā)布，實驗需要的仿真軟件工具在返校前就已經提供給學生安裝，且在平時線上教學與小組任務過程中已經引入該軟件的使用。以第一次實驗為例，最快的學生在3 月31 日完成，最慢的學生到5 月8 日才完成，相差近40 天。部分學生在家已經完成了前3 次實驗內容，其在學習態(tài)度與學習能力上也比較突出。因此實驗成績和提交時間能比較準確地反映學生的學習質量。

章節(jié)測試以選擇題為主，部分學生在課前預習時完成，部分學生是課后完成。章節(jié)測試得分與期中、期末成績的相關性明顯沒有提交先后順序高，這是由于提交早的往往是學習態(tài)度好、能主動預習的學生。課程積分包括課堂搶答、投票、問卷、課后小組任務、討論等得分，比較全面地反映了學生參與學習的積極性和主動性，因此與期中、期末成績的相關性也較高。

視頻反芻比在一定程度上體現(xiàn)了學生學習投入的時間，因此與期中、期末成績的相關性也較高。

課程采用的是SPOC 形式，線上學習是有監(jiān)督的，絕大部分學生能夠完成所有任務點，因此任務點完成情況與考試成績的相關性不大。表1 中未列出的簽到數(shù)據(jù)也是如此。

2 學習行為在不同分數(shù)段的情況分析

按照期末卷面成績將學生分為5 個等級，對不同分數(shù)段的學生在各類行為數(shù)據(jù)上的差異進行分析。結果發(fā)現(xiàn)，90 分以上學生的平均訪問次數(shù)高出80-89 分數(shù)段學生近40%，約是＜60 分學生訪問次數(shù)的3 倍。而80-89 和70-79兩個分數(shù)段學生的學習訪問次數(shù)無明顯差異，說明這兩個分數(shù)段學生的成績差異原因主要為學習方法，而不是投入時間。通過對比其他指標發(fā)現(xiàn)，這2 個等級學生差別最大的是討論次數(shù)，80-89 分數(shù)段的學生參與討論的平均次數(shù)為70-79 分數(shù)段的1.86 倍，說明前者的學習更主動，更愿意深度思考，而后者的學習相對被動，滿足于完成必須的學習任務。

3 多時間因素下章節(jié)學習次數(shù)分析

由上述分析可知，章節(jié)學習次數(shù)與期中、期末考試成績的相關性最大。為此，對章節(jié)學習次數(shù)在不同月份、一周內不同時間、一天內不同時段的分布情況，以及疫情前后的變化情況進行分析。

Table 2 The learning behavior indicators of students in different score ranges表2 不同分數(shù)段學生學習行為指標

3.1 章節(jié)學習次數(shù)逐月變化情況

該課程的第1 次上課時間為2 月19 號（因平臺原因，這一天沒有相關訪問數(shù)據(jù)），但于2 月9 日發(fā)布了課程以幫助學生適應平臺，因此數(shù)據(jù)記錄從2 月9 日開始。2 月份整體訪問次數(shù)最少；4 月份中旬由于學生返校，中間停課1 次，并且推遲了作業(yè)提交時間，因此4 月份訪問量較3 月份明顯下降；5 月份理論課減少，開始實驗課，由于實驗任務、實驗分析與操作視頻的發(fā)布，以及部分實驗報告的提交均通過學習通平臺進行，5 月份訪問量再次上升；6 月份課程以實驗為主，6 月23 日期末考試，因此6 月份日均訪問量在所有月份中最高；3 月份是該學期唯一完全線上教學的月份，故日均訪問次數(shù)僅次于6 月份。

Table 3 The variation of learning times with months表3 學習次數(shù)逐月變化情況

3.2 章節(jié)學習次數(shù)周內變化情況

表4 和圖1（a）按照周一到周日的順序對課程訪問次數(shù)進行了統(tǒng)計，發(fā)現(xiàn)高訪問次數(shù)主要出現(xiàn)在周二和周五。課程是周三和單周周五上課，而章節(jié)測試、分組任務等提交截止時間大多是周二22∶00 點，因此周二的訪問次數(shù)較高，圖1（b）中也驗證了這一點，課程共46 次章節(jié)測試，有31%的學生是周二提交。課程實驗為24 學時，于返校后5 月份開始，每個周五平均有3 節(jié)實驗課，實驗要求、操作視頻、部分實驗報告的提交均在平臺上進行，因此周五的訪問次數(shù)明顯高于其他時間。雖然都是休息日，但是周日的訪問量明顯高于周六，原因是每周新的學習任務，包括視頻資料、章節(jié)測試都是在周日12∶00 前后發(fā)布，部分學生在發(fā)布后就開始學習。以完全在線上學習的3 月份為例，這個現(xiàn)象非常明顯，如圖2 所示，周日12∶00 后學習次數(shù)較12∶00 前明顯增加。周五學生基本都在實驗室訪問平臺，老師可以直接給予指導。周二晚上老師應盡量在線以便給學生答疑輔導，幫助其更好地消化知識點并完成練習。

Table 4 The variation of learning times in a week表4 周內學習次數(shù)變化情況

Fig.1 The variation in a week圖1 周內變化情況

3.3 章節(jié)學習次數(shù)不同時段變化情況

表5 列舉了1 天內不同時間段課程的訪問情況，其中8∶00-12∶00 時段的訪問次數(shù)占30.8%，原因是上課都是在這個時段，部分實驗課也在這個時段。由于學生課前、課中、課后都會用到學習通平臺，因此除了睡覺的0∶00-4∶00、4∶00-8∶00 兩個時段，其余時間訪問量均在18.0%以上，分布相對均勻。

Table 5 The variation of learning times with time intervals表5 不同時段學習次數(shù)在情況

3.4 純線上教學與混合式教學對比

為了更清晰地分析學生的學習規(guī)律，對3 月份純線上教學與5 月份線上線下混合式教學的訪問次數(shù)進行對比分析。

3 月份是整個學期唯一完全線上教學的月份，線上直播教學共6 次，課前、課中、課后的大部分教學環(huán)節(jié)依托泛雅—學習通平臺進行?？梢钥吹?，3 月份訪問量最高的兩個時段是周三和周五的8∶00-12∶00，與上課時間匹配。此外，除了0∶00-4∶00、4∶00-8∶00 兩個時間段，周二其他3 個時間段的訪問量明顯高于一周內的其他時段，說明大部分學生是在提交截止日完成作業(yè)。課程在每周日12∶00 后發(fā)布新一周學習任務，因此周日12∶00 后有一個訪問小高峰。詳見圖2。

Fig.2 The variation of the learning times with time intervals during a week in March（on-line teaching）圖2 3 月份1 周內各時段章節(jié)學習次數(shù)變化（線上）

5 月13 日起學生回到教室上課，其中周三理論課共3次，雖然還是使用泛雅—學習通平臺，但如圖3 所示，學生對學習通的依賴程度比3 月份純線上教學降低，周三訪問次數(shù)明顯下降，與3 月份比較減少了約40%。由于5 月份的周五集中安排了6 次實驗課程（4 次在8∶00-12∶00 時段，1次在12∶00-16∶00 時段，1 次在16∶00-20∶00 時段），實驗任務、視頻資料、部分報告提交都需要使用學習通，因此周五訪問量出現(xiàn)了明顯高峰。周二相對于其他天有較高的訪問次數(shù)，但與3 月份相比，訪問時間段更加集中在沒有課的16∶00-24∶00 時間段，而白天訪問數(shù)明顯下降，詳見圖3。

Fig.3 The variation of the learning times with time intervals during a week in May（blended teaching）圖3 5 月份1 周內各時段章節(jié)學習次數(shù)變化（混合式）

對比兩個月的時段曲線可以發(fā)現(xiàn)：在3 月份純線上學習時，12∶00-16∶00 時段的訪問次數(shù)明顯高于5 月份返校后，原因是返校后學生可以自由支配的時間變少，例如原來無法在線上實施的實驗課程陸續(xù)開課。

4 結論

本文主要得出以下結論：①在所有指標中，章節(jié)學習次數(shù)與期中、期末卷面成績的相關性最高；章節(jié)測試、隨堂測驗和作業(yè)得分與期中、期末考試成績的相關性并沒有以往純線下教學時那么大，相比之下，完成任務的時間早晚與考試成績的相關性更高；②在線上教學環(huán)境下，成績優(yōu)秀學生的所有指標表現(xiàn)都遠優(yōu)于其他學生，可見該種教學模式對學習主動的學生而言更有利，而對于不自覺的學生，如果教師干預不夠，最終取得的成績會低于純線下教學；③不少學生選擇在提交截止日完成作業(yè)，教師可在此之前安排線上集中答疑環(huán)節(jié)，幫助學生更好地掌握知識，并盡量將作業(yè)提交截止時間提前到下一次課前的24h，以便于掌握全班學生的完成情況，有針對性地在課上進行講解；④可將新一周的學習任務發(fā)布時間提前到周六，便于學習主動的學生更好地利用周末時間預習。

SPOC 平臺記錄的數(shù)據(jù)非常有價值，提供了大量純線下教學無法體現(xiàn)的學習行為特征，這些數(shù)據(jù)對于整個教學周期，甚至學生整個大學期間學習行為的分析、反饋與調整十分有利。今后將持續(xù)對常態(tài)化混合式教學過程中的課程數(shù)據(jù)進行分析，如平行班之間學習成績差異與教師教學模式、教學設計、班級學習氛圍等因素的相關性，根據(jù)學生日常學習行為數(shù)據(jù)對其成績進行預測［22］和預警等。