大数据背景下的动态可反馈混合式教学模式设计
常赟杰，高为民，李可欣
（湖南工学院 计算机与信息科学学院，湖南 衡阳）
摘 要： 针对传统教学设计中，以经验和直觉进行教学模式设计的缺点，提出在混合式教学中采用大数据分析和挖掘技术对教学过程进行分析和预测，将分析的结果作为反馈信息，使教学过程成为一个带反馈的闭环流程。这避免了主观臆断，使教师以更加科学更加客观的方式进行教学模式设计，从而有效的提高教师的教学和学生的学习效果。
关键词： 教育大数据；混合式教学；大数据分析；大数据挖掘
一 引言
近年来，以MOOC教学和课堂教学相结合的混合式教学已经成为了教学改革的一个新方向。在学习过程中，学习者留下了海量的教育大数据。对这些教育大数据进行分析和挖掘，能清晰的展现学生的学习差异性，充分的了解学生的学习状况，可以针对不同的学生定制个性化学习策略。此外，还可以全面客观的对学生的学习成效进行预测，及早向出现学习危机的学生发出学业预警[1]。在传统的观念中，教育是凭经验和直觉做决策的职业领域，教学模式的设计也是基于此种片面性的认识，这往往由于决策失误而导致教学效果不佳[2]。只有科学、正确的运用教育大数据，才能避免决策者的主观臆断，以更加科学更加客观的方式进行教育决策[3]。因此，混合式教学中，采用大数据进行分析和挖掘技术，对教育大数据进行科学的分析和预测，这是保障教学顺利实施、提高教学效果的有效途径，也是未来教育的发展趋势。
二 混合式教学过程中教育大数据的获取和分析
（一） 混合式教学
进入21世纪以来，随着数字化技术和教育的深度融合，开放教育资源运动蓬勃发展。MOOC（大规模开放在线课程）以其优质的教学资源、免费的学习入口、自由的学习方式等诸多优势赢得了学习者的青睐，形成了一股学习新风潮。由于纯粹的网络学习缺少师生交互性，它难以取代传统的教师和学生科面对面交流的授课方式。因此，混合式教学（Blending Learning）便应运而生。在混合式教学中，任课老师可以将制作精良的网络MOOC课程嵌入或者引用到本地课堂教学中，学生的学习过程被分解为线上学习和线下学习两个阶段。这种采用线上学习和线下学习相互混合的教学模式已经成为了当前高校课程教学改革的和创新的重要方式，也是有效地利用MOOC课程资源的一种新的尝试。2016年《地平线报告》(高等教育版)在加速技术在高等教育中采用的关键趋势部分指出，增加混合式学习设计是未来短期的影响趋势[4]。混合式教学结合了课堂教学和在线教学二者的优势，既能发挥教师在教学过程的主导作用，又体现了学生作为学习过程中的主体作用，积极调动了学生的学习主动性。
综上所述，不同程度宫腔粘连接受TCRA术后可改善患者妊娠，改善程度与术前宫腔粘连程度相关，尽管重度宫腔粘连的妊娠率较低，但经TCRA治疗仍有妊娠机会。IUA患者的年龄、既往宫腔内操作次数、IUA的程度、TCRA后防粘连的措施、再粘连与否、残留内膜面积及术后月经恢复情况等多种因素均可能影响患者术后妊娠率。
（二） 教育大数据
教育大数据指在整个教育活动过程中产生的，以及根据教育需要采集到的、一切用于教育发展并可创造巨大潜在价值的数据集合[5]。教育大数据不同于其他行业的大数据，相比于电子商务、金融行业大数据，它具有自身的特殊性，来源更加多元化，涉及到的采集技术也更加复杂。所有的教育大数据都是从教育系统的活动中产生，包含了教学过程和管理过程中的静态和动态数据。教育大数据可以从各个教学管理系统中产生，比如来自成绩管理系统、学生管理系统、图书管理系统、后勤服务系等结构化的数据；也包括来自课堂学习表现、教室使用情况、校园生活、学习痕迹等非结构化数据；还可能是来自家庭、图书馆、博物馆等非正式学习场合的数据；以及来自手机、PC、智能终端、可穿戴设备的动态即时数据[6]。
教育大数据经过挖掘和分析以后，可以为教育工作者提供科学的教育决策支持，使教学过程从传统的经验依赖转换为数据依赖。因此，从根本上来看，将教育大数据分析技术的应用在教学过程中，使教育决策数据化，通过数学模型起到对教学过程的预测和验证作用，这是一种思维方式的一个提升。从混合式教学角度来看，教育大数据主要分为线上学习数据和线下学习数据。
（三） 线上学习数据
而因为影片的禁映、反复剪辑甚至重拍，以至于使导演陈凯歌长期处于一种精神苦闷期[4]90。《大阅兵》的拍摄经历以及后续禁映等对陈凯歌导演的日后创作产生了很大的影响。
在混合教学中，学生的大量时间进行网络MOOC学习。学生在进行MOOC学习过程中产生的数据信息称为线上学习数据。线上学习数据记录了学生自主学习过程的状态，这些数据可以通过各类MOOC教学平台获得。线上学习数据种类繁多、质量不一、标准不同，可能存在着冗余或者无效数据。因此，在使用这些数据之前，必须先进行处理。为了准确描述学生的学习行为，本文选取了学生在线上学习过程中的视频学习时间、视频学习次数、参与互动时间、参与互动次数、线上测验分数、讨论区发帖数量、讨论区回复数量、讨论区被点赞数等8项指标进行学生的学习行为进行分析，并以此为基础进行学习成绩预测。
（四） 线下学习大数据
1.学习效果分析
表1 课堂表现权重分配
三 动态可反馈混合式教学模式设计
混合式教学模式要以学生为主体，采用现代化的教学手段预制相适应。因此，在混合式教学过程中，必须对学生的学习状态进行精确的了解，然后才能设计明确的教学目的、清晰的课程体系结构以及科学的组织形式。在混合式教学模式设计中，将学生在MOOC教学和课堂教学过程中产生的学习数据使用大数据分析和挖掘技术进行分析和处理，进行学习效果分析和学习成绩预测，并将其作为反馈信息，使教学过程成为一个带反馈的闭环流程，如图1所示。
本文采用决策树模型使用布鲁姆（Benjamin S.Bloom）的教育目标分类理论对线上学习数据进行分析和分类。决策树是一种常用的大数据分析方法，常用于预测模型，它形式简单、计算复杂度低、输出结果容易理解，非常容易实现，能在短时间内做出准确的预测结果。布鲁姆把学生的认知思维过程分为6个层次：记忆、理解、应用、分析、评价和创造。在混合式教学中，学生每次线上学习完毕以后，教师采用决策树的ID3算法计算出学生的当前认知思维层次，然后与需要达到的认知思维层次进行对比，因此检验学生的学习效果。
图1 使用大数据分析技术的混合式教学过程
（一） 教师上传在线资源
学生接到学习任务后，按照老师的规定完成学习。在学习过程中可以采取分组的方式，每个学习小组3-5人。学生可以根据自身的对知识掌握情况自动调整学习的进度，遇到难懂的知识点可进行多次重复学习。各学习小组以组将学习过程中遇到的问题进行记录和汇总，首先在小组内部组织讨论交流进行疑难解答。每个学习小组在线上学习完毕以后，必须将已解决的问题、未解决的问题都要一一如实记录，以便在课堂教学时作为课堂交流的内容。
（二） 学生在线学习
教师根据混合式教学的安排，首先进行教学资源的上传，教学资源包括视频资源和小测验两部分构成。教师事先布置好学习任务，要求学生在规定的时间内完成规定的学习内容，然后完成测验。
（三） 线上学习大数据的获取
学习在完成一次线上学习以后，将学生在学习过程中产生的数据进行整理，去除掉冗余内容和无效的数据，只保留8项指标作为分析的内容。
（四） 学习效果分析和学习成绩预测
线下学习数据主要来自学生在课堂学习中的表现。本文使用摄像头对上课过程进行全程录制，通过机器视觉的方法分析每个学生的学习的状态，然后分析其在上课过程中的不认真程度。课后对授课录像进行视频抽取、图像标注、课堂表现量化、可视化分析等一系列的操作后，最后进行计算处理。根据笔者以往上课的经验，学生上课不认真听讲的课堂表现权重分配如表1所示。
化学是一门以实验为基础的自然科学，在化学课堂教学中实验是必不可少的，它是化学学习的基础，是学生认识和学习化学的重要工具和载体。在实际教学中，教师应结合具体情况，对课堂教学内容进行适当的实验拓展，或丰富、或改进，以提高课堂教学的趣味性、探究性和创新性，进而培养学生爱化学、学化学的志趣及其思维能力、探究能力和创新精神，拓宽学生实践和创新的途径，提升学生的化学学科素养。
学习的成绩预测主要采用神经网络模型，它是一种可以模拟人脑神经网络和功能的抽象计算模型，通过学习经验知识，然后将知识进行分类、预测和聚类。本文用径向基函数神经网络模型对学生的成绩进行预测。该模型是一种深度学习算法，包含一个输入层、一个输出层和一个隐层。在实际计算中将上文提到的线上学习数据的8项指标作为8个输入节点，输出层为期末成绩。经过预测后，如果学生期末成绩大于60，将其标记为良好，记为1；如果学生期末成绩小于60，则将其标记为危险，记为0。
我国水资源当前面临质与量的双重危机[1]，水资源总量不足，单位面积水资源量只有656. 74 m3/hm2。根据国家水资源公报数据显示，近10年来，我国农业用水占总用水量的平均比例高达62. 44%，平均旱灾受灾面积15 654千 hm2，占平均有效灌溉面积的25. 75%，缺水问题严峻。在未来水资源的长期需求中，水资源将制约我国经济发展并成为影响我国经济发展的瓶颈[2]。2018年中央1号文件中提出“人与自然和谐发展的基本原则，坚守绿水青山就是金山银山”的基本发展观念，严守生态保护红线[3]。
2.学习成绩预测
（五） 教学内容和学习效果反馈
教师学习效果分析和学习成绩预测结果可以了解学生对线上学习知识的掌握程度，并且可以提前标识学业预警的学生。教师根据这些信息动态的调整线上教学资源，若学生普遍掌握的不好或者学习成绩预测不理想，则可以减轻授课的难度，或者改进授课方式。学生也可根据数据分析的结果也可以调整自己的学习方式，如果出现学业预警，则需要在线上学习上花更多的时间和精力。
需求情况：今年秋季用肥较往年延后。受经销商提货缓慢影响，部分复合肥企业库存压力略增，对钾肥采购量下降；受钾肥大合同尚未签订、现货价格较高等影响，经销商观望为主，钾肥市场整体需求支撑仍较弱。
（六） 课堂学习
为了突出以学生为中心的教学模式，课堂学习是教师指导学生进行知识探究的过程。教师要尊重学生个体的独立性，让学生通过自主探究来构建知识。教师在首先将线上学习的关键知识点进行提炼和拓展式的串讲，帮助学生理解和掌握其中的关键内容。然后组织互动交流讨论环节，学生分组讨论线上学习过程中遇到的疑难问题，各学习小组之间可以互相解答问题。最后教师据学生线上学习的情况，针对学习小组提出的疑问，进行详细的问题解答。
（七） 课堂学生数据的获取
学生在课堂上的行为表现了学生对课程的参与程度，也间接反映了教师教学的有效性。为了使学生在有限的课堂时间获取巨大的学习效益，通过课堂学习数据的分析，为教师为以后的课堂教学提供测量支持。本文针对课堂学习数据使用机器视觉的人脸识别技术，分析课堂教学视频，按照表1计算出每个学生的课堂不认真程度。
（八） 课堂教学模式的调整
根据课堂学生数据结果可以判定教师教学方法与学生群体参与度之间的联系，分析授课内容哪一块知识点学生比较感兴趣，哪一个时间段内学生注意力比较集中。教师根据这个反馈结果调整课堂教学内容和教学方式。比如，可以根据不同的时间段合理分配授课内容，或者对课堂讨论的主题、时间进行有效的调整。学生普遍感兴趣、课堂注意力集中的内容继续保留。反之，学生普遍不感兴趣、关注度的内容可以删减或者替换。
四 结论
在当今的教育大数据背景下，在混合式教学中使用大数据技术对学生的学习进行分析，计动态可调整的教学模式，避免了教师凭经验和直觉进行片面的教学设计，既优化了教师的授课内容和授课方式，又可对学生提供个性化的学习策略，优化了学习的学习内容、学习时间和学习方式。这种数据化的教育决策过程，是如今教学改革的未来发展方向，具有重要的理论和现实意义。
参考文献
[1] 李晓庆,余胜泉,杨现民,等.基于学科能力分析的个性化教育服务研究——以大数据分析平台“智慧学伴”为例[J].现代教育技术 ,2018,28(04)：20-26.
[2] 钟婉娟,侯浩翔.大数据视角下教育决策机制优化及实现路径[J].教育发展研究 , 2016(3)：8-14.
[3] 顾小清,薛耀锋,孙妍妍.大数据时代的教育决策研究：数据的力量与模拟的优势[J].中国电化教育, 2016(1)：56-62.
[4] Hong S U, Chen Y J, Ding W U, et al. NMC Horizon Report：2016 Higher Education Edition[J]. Journal of Guangzhou Open University, 2016.
[5] 维克托窑迈尔-舍恩伯格.大数据时代[M].盛扬燕,周涛,译,杭州：浙江人民出版社,2013：1.
[6] 任东晓,王中华.教育大数据智能分析平台研究与实践[J].浙江科技学院学报,2018,30(6)：501-505.
本文引用格式： 常赟杰,等.大数据背景下的动态可反馈混合式教学模式设计[J]. 教育现代化,2019,6(33)：123-125.
DOI： 10.16541/j.cnki.2095-8420.2019.33.043
基金项目： 衡阳市2018年社科基金项目：大数据背景下动态可反馈混合式教学模式设计（项目编号2018D074）；教育部2018年产学合作协同育人项目：新工科背景下物联网工程专业《嵌入式系统》课程教学改革研究（项目编号201801307015）；湖南省2016年普通高等学校教学改革研究项目：微信公众号在高校教学管理与改革中的应用研究（项目编号889）；湖南工学院2018年教研教改课题：基于SPOC的程序设计课程混合式教学模式的研究与实践（AX1827）。
作者简介： 常赟杰，男，山东临沂人，硕士，讲师；高为民，男，湖南祁东人，硕士，教授。
标签：教育大数据论文; 混合式教学论文; 大数据分析论文; 大数据挖掘论文; 湖南工学院计算机与信息科学学院论文;