学生学习行为、学习质量提升策略研究

李同飞 窦雪萍 熊杰

[摘 要] 在线学习平台的广泛应用为全过程学习质量监测与分析提供了有效途径。基于在线学习平台网络课程学生学习统计数据，分析学生学习行为的基本特征，并进一步采用聚类分析方法识别不同类型学生学习行为。通过相关性分析网络课程学生学习行为与学习质量间关系的研究，提出个性化的指导建议与教学质量提升策略。

[关键词] 网络课程;学习行为;学习质量;聚类分析;相关性分析

[基金项目] 2020年度北京工业大学教育教学研究课题城建学部一般项目“主客观视角下全过程学生学习质量提升路径研究”（047000513102）

[作者简介] 李同飞（1990—），男，山东泰安人，博士，北京工业大学讲师，主要从事复杂交通系统建模与分析、合乘出行、网联自动驾驶研究。

[中图分类号] G640   [文献标识码] A   [文章编号] 1674-9324（2021）11-0117-04    [收稿日期] 2020-12-02

2018年6月，教育部强调高教大计、本科为本，本科不牢、地动山摇，坚持“以本为本”，推进“四个回归”，把本科教育放在人才培养的核心地位、教育教学的基础地位、新时代教育发展的前沿地位。当今信息化飞速发展，在线学习平台为学习全过程监测提供了平台与手段，特别是2020年新冠肺炎疫情加快了网络课程的普及，积累了海量且涵盖多门类学科的教学、学习数据。在线教育绝不是将传统现场教学内容直接照搬到网上，而是更合理地组织优质教学内容从而促进学习的发生[1]。通过在线平台能够有效监测学生学习全过程，借助其数据采集功能全面掌握学生的学习行为，分析学习行为与学习质量之间的关系，从而优化在线教学，提升学生学习质量，对于今后教学模式改革和创新人才培养具有重要意义[2]。

针对网络课程学习，国内外学者从不同视角进行了深入研究，主要聚焦于学习行为内涵、学习行为影响因素、学习行为评价等。在分析学习行为时，以往研究主要考虑了在线平台、教师质量、教学环境、学习质量等方面[3-5]，较多地考虑了学校条件、教师水平等因素，较少有研究从学习者角度分析评价学习质量。在分析网络学习行为与学习质量关系时，已有研究证明两者密切相关，但结论信度仍有待进一步验证[6]。如刘惠如证明访问次数、访问总时间、浏览页数、在线测验次数等因素与学习质量显著正相关[7]，杨奕晨等研究证明访问次数、讨论次数等因素对学习质量没有显著影响[8]。针对学生学习行为评价，以往研究大多通过问卷调查，存在主观性较强等局限性[9]。

基于以上分析，本文从学习者角度出发，以学生为中心，以“日新学堂”在线教育平台为基础，收集、整理学生网络课程学习全过程学习行为数据，通过客观数据分析学生学习特征，采用聚类分析方法将学生分类，差异化分析不同类型学生学习行为及学习质量差异，基于相关性分析探究网络课程学生学习行为与学习质量间的关系，最后，依据统计分析结果，提出个性化的指导与建议。

一、网络课程学生学习质量影响因素

学生的学习行为直接影响学习质量，在已有网络学习质量研究文献分析的基础上，结合在线学习平台监测数据，考虑学生学习内容、学习行为、学习过程及学习成效等方面，从学习者角度提出网络课程学习质量主要影响因素。

（一）学习过程因素

纵观学生学习全过程，学习时间是影响学习质量的重要影響因素，充足的学习时间能够保证学生完成学习任务，在网络课程学习过程中学习时间可用观看视频总时长与学习天数表示。学习次数是另一个重要的影响因素，通过学习次数可以直观监测学生的学习进度，在网络课程学习过程中学习次数可通过课程任务完成次数、章节学习次数体现。此外，适当的复习能够有效提升学生学习质量，在网络课程学习过程中可用学习反刍比及作业完成情况来进行观测。

（二）学习质量因素

学习成绩是学习质量的重要体现，在评价学生学习质量时主要考虑学习过程中的各项作业成绩、课堂表现成绩及期末考试成绩。利用层次分析法，向有经验的同行教师发起调查，最终得出综合学习质量评定方法，即综合学习成绩由30%作业成绩、60%期末考试成绩和10%课堂表现成绩共同构成。

二、网络课程学生学习特征分析

（一）基本分析

本研究数据来源于北京工业大学“日新学堂”在线教育平台，以城市交通学院2019—2020学年春季学期“运筹学”课程某班级23名学生为例。学生学习行为特征整体如表1所示。

（二）网络课程学生学习特征聚类分析

利用SPSS软件采用二阶聚类方法对学生学习行为及学习质量进行聚类分析，统计结果显示学生学习行为可分为两类，其中类别一含16名学生，类别二含7名学生。聚类质量显示良好，聚类结果如表2所示。

根据聚类分析结果，类别一中的学生各项学习行为指标平均值均高于班级平均值。此类学生能够在规定时间登陆在线平台查看学习任务并按时完成，且观看视频时长充分，能够按时完成作业并对课程进行复习。因此，从作业平均成绩、课堂表现成绩及期末考试成绩来看，类别一学生学习质量较为理想，此类学生大多较为自律，学习态度端正，具有良好的学习习惯。类别一学生学习特征分布如图1所示。

根据聚类分析结果，类别二中的学生各项学习行为指标平均值均低于班级平均值。在线平台数据显示，此类学生访问课程任务不积极，较高比例学生观看课程视频总时长未达到课程要求，能够主动复习课程的学生比例较低，作业完成情况较差。因此，从作业平均成绩、课堂表现成绩及期末考试成绩来看，类别二学生学习质量较不理想，此类学生学习主动性不高，在课程教学时应给予监督和提醒，调动其积极性，培养其自律意识。类别二学生学习特征分布如图2所示。

三、网络课程学生学习行为与学习质量关系分析

为进一步探究网络课程学生学习行为与学习质量的关系，利用SPSS软件将学习行为各项指标与综合学习成绩进行相关性分析，结果如表3所示。结果表明，网络课程学生学习质量与学习天数、反刍比、作业完成次数呈显著正相关，与观看视频总时长、课程任务完成次数及章节学习次数没有显著影响，即观看视频总时长、课程任务完成次数及章节学习次数并不能直接反映学生学习质量，存在部分学生在没有教师监督下假性学习，机械性完成课程任务，或者虽按时完成课时任务，但并没有理解课程内容，导致学习质量不理想。

四、网络课程教学优化建议

（一）建立章节学习质量评价体系

网络课程学习能够实现知识在较短时间内大规模传播，且便于学生回顾与深度学习，但同时对于学生的自主学习能力提出了较高的要求。研究发现，学生自主学习能力两极分化明显，学生学习天数、学习次数、观看视频时长等指标差异化显著，存在部分学生能够超额完成学习进度任务，也存在个别学生没有完成学习进度任务。因此，一方面，优化课程大纲与教学内容，在课程内容讲述时，紧跟时代步伐，做到案例及时更新，采用启发式教学，激发学习热情，融知识传授与能力培养为一体;另一方面，在网络课程教学过程中，要充分发挥在线平台监测作用，注重过程性数据分析，针对每个章节建立学习质量评价指标体系，客观评价学生每个章节的学习质量，实现网络课程全过程评价，及时发现掉队学生，给予更多的监督、提醒和鼓励，增强学生自律性，避免敷衍应对。

（二）增强学生、教师及学习平台的交互

从学生学习质量可以看出，存在部分学生各项学习行为指标均高于班級平均水平，学习态度端正，但学习质量并不理想，表示其对课程内容未能充分理解。“运筹学”作为一门基础课程，运用到大量的数学计算，难度相对其他课程较大，但从讨论次数上看，仅有较少学生在学习过程遇到问题时会主动询问教师。因此，在教学过程中，充分利用讨论区功能，利用网络资源与学生进行互动，采用讨论答疑的方式与线上教学互为补充，给予学生充分的交流与讨论空间，便于学生充分消化吸收课程内容。

（三）注重因材施教，提供个性化指导

网络课程学习中的学习主体是学生，在教学过程中应密切关注学生学习行为变化及学习过程特征。针对不同类型学生学习行为，通过通知、讨论区、即时通信等多种形式对其进行学习干预和指导。例如，对于主动学习且自律性较强的学生，鼓励其突破创新，不拘泥于课程基本任务;对于主动性较差的学生，加大监督频率，通过短信、电话等形式督促其按时登陆平台完成学习任务，并定期检查其学习质量;对于学习规律变化较大的学生，加大情感关怀，了解其变化原因，并给予及时疏导，帮助其养成良好的学习习惯;对于主动性强但学习质量不理想的学生，了解其学习困难所在，培养其正确的学习方法，并引导其夯实基础，参与更多互动。

五、结语

随着教育现代化提速提质，“互联网+教育”融合发展已成为必然趋势。利用在线平台学习全过程监测数据优势，从学习者的角度分析群体差异特征，进而揭示学习行为与学习质量的关系，相关研究可以很好地辅助教师决策，完善教学内容和教学手段，推进线上教学模式和方法改革创新，同时为学生提供更加有效的学习支持服务，全面提升学习质量。

参考文献

[1]余胜泉，王慧敏.如何在疫情等极端环境下更好地组织在线学习[J].中国电化教育，2020（5）：6-14，33.

[2]白雪.基于网络学习行为聚类分析的在线课堂优化策略研究[J].吉林化工学院学报，2020，37（8）：44-48.

[3]郑静.基于学习者粘性的MOOC全生命周期质量评价[J].浙江万里学院学报，2020，33（3）：111-116.

[4]黄萍.“双评价”对新建本科高校学生学习质量的影响探析[J].大学教育，2020（9）：197-199.

[5]黄睿，黄慧.体育教学质量评价体系的理论分析及构建[J].湖北体育科技，2020，39（9）：838-842.

[6]傅钢善，王改花.基于数据挖掘的网络学习行为与学习质量研究[J].电化教育研究，2014，35（9）：53-57.

[7]刘惠如.整合式网路教学之教学设计与评量[D].高雄：国立中山大学资讯管理研究所，2000.

[8]杨奕晨，柴蕙质.非同步网路学习成效及影响因素之计量分析[C].台北：非同步网路教学课程中心建置研讨会，2000.

[9]杨志波.层次分析法在高校在线教学质量评价中的应用研究[J].创新创业理论研究与实践，2020，3（17）：61-62.

On the Strategies of Improving Students Learning Behaviors and Learning Quality：

A Research from the Perspective of Online Courses

LI Tong-fei， DOU Xue-ping， XIONG Jie

（Beijing Key Laboratory of Traffic Engineering， Beijing University of Technology， Beijing 100124， China）

Abstract： The wide application of online learning platforms provides an effective way for the monitoring and analysis of the whole process of students learning quality. Based on the statistics data of the online learning platforms， this study analyzes the basic characteristics of students learning behaviors， and adopts the clustering analysis method to identify different types of students learning behaviors. Then the relationship between students learning behaviors and learning quality is analyzed based on the method of correlation analysis. Finally， some guiding suggestions and teaching quality improvement strategies are proposed.

Key words： online course; learning behaviors; learning quality; clustering analysis; correlation analysis