网络学习空间的教学设计与学习状态监测

姜高扬　赵元棣　王飞

［摘 要］科学有效的网络课堂教学设计与学习状态监测对提高在线教学质量具有重要的意义。根据在新冠疫情期间的在线教学实践，课程组开发了面向教学全过程的多媒体教学资源，设计了科学灵活的视频时长方案，构建了基于调查问卷的闭环教学模式，挖掘了线上平台数据所隐藏的学生学习状态信息。教学设计与学习状态分析保障了新冠疫情期间线上教学工作的顺利开展，积累了网络课堂教学经验，为后期开展线上线下混合式教学奠定了基础。

［关键词］网络课堂；在线教学；教学设计；状态分析

［中图分类号］ G642 ［文献标识码］ A ［文章编号］ 2095-3437（2023）07-0072-04

党的十九大召开以来，我国发布了《教育信息化2.0行动计划》《网络学习空间建设与应用指南》和《中国教育现代化2035》等一系列文件，为推动教育信息化转型升级、构建全民学习网络环境进行了顶层设计[1-3]。2020年，新冠疫情的到来使得网络课堂的应用在国内各院校得到迅速的普及和发展，线上线下混合式教学成为未来教学发展的新趋势。在这种情况下，如何科学合理地进行网络学习空间的教学设计，及时有效地进行学习状态监测，成为摆在教育工作者面前的重要问题。

自2008年MOOC概念提出以来，国外已先后建成了Coursera 、Udacity和edX 三大著名的MOOC 平台，为全球师生提供了来自哈佛大学、麻省理工学院等著名学府的教育资源[4]。从整体上看，以慕课为代表的网络学习空间具有完整的教学体系，并且注重教学内容的模块化和碎片化设计[5]。在教学设计方面，Betul Czerkawski[6]研究了能够促进学生参与在线学习的教学设计框架，该框架特别强调在线教学的互动、协作、便捷和反馈，为教师进行网络教学提供了原则性指导。而Jo Davies[7]在研究中发现，对于学生来说，积极的在线互动并不能使学生的学习成绩进一步提高，由此启发教师在网络课堂中应当适量而不过度地设计互动环节。在学习状态监测方面，国外的研究比较关注学生的评价与满意度，其中Karl L. Smart[8]从学生感知的角度对在线学习进行了研究，发现学生对选修课在线学习的评价明显好于必修课。Ahmed Al-Azawei[9]采用技术接受模型（Technology Acceptance Model，TAM）研究了学习风格对混合学习模式下学习满意度的影响，结果表明学习风格对于学习满意度有轻微的影响。此外，还有在线学习投入度与情绪状态的研究[10-11]。

在国内，网络教学始于2003年教育部启动的国家精品课程建设项目[12]，后来在国际化背景下，慕课迅速兴起，并形成了以中国大学慕课、超星、智慧树等为代表的网络学习空间[13]。这些网络学习空间具有比较灵活的授课方式，既可以线上授课，也可以线上线下混合授课，在许多教学实践与研究中发挥了积极的作用。在教学设计方面，刘博、于洪深等人[14-15]分别开展了基于MOOC、微课的翻转课堂教学设计。张冲等人[16]从工程教育目标实现的角度研究了混合式教学设计。段晓庆、杨西惠等人[17-18]进一步研究了混合式教学设计在课堂教学中的应用。在学习状态监测方面，Jiangbo Shu等人[19]研究了学生的线上线下学习行为特征。陆芳等人[20]对大学生在线学习状态的研究成果、研究方法进行了综述，提出应利用视频监控、图像处理、机器学习等技术手段，结合课内课外数据，实现数据驱动的个性化学习指导。此后，利用网络学习数据进行的状态特征分析[21]、利用调查问卷进行的学习状态研究[22-23]、利用视频数据进行的在线学习困倦研究[24]等纷纷涌现出来。特别是在新冠疫情期间，高校的在线教学活动受到了研究人员的广泛关注[25-26]。

从国内外的研究现状可以看出，网络学习空间的建设和研究已经成为当今及未来高校教学的发展趋势。虽然网络教学设计与教学实践方面已经有了很大提升，但是在线教学资源开发利用效率过低、教育主体对在线学习存在惰性等问题依然制約着在线教育的进一步发展[27]。在此情况下，重构学习环境、优化资源供给、分析学习状态数据等措施将成为提升网络学习质量的有效手段。因此，本文针对网络学习空间的教学问题，结合新冠疫情期间开展的线上教学活动，从教学设计与学习状态监测两方面研究线上平台的“教”与“学”，为同类课程的线上教学提供借鉴和参考。

一、研究对象与存在问题

本文的研究对象是为大三学生开设的一门专业选修课——航空公司运行规划与管理。通过该课程的学习，学生应了解航空公司运行管理的核心业务问题，掌握将实际问题转化为数学模型的方法，具备应用计算机编程求解数学模型的能力，为交通管理专业学生在后续学习和工作中解决实际问题奠定基础。该课程注重培养学生的计算机编程能力、接受不确定性的能力以及学术写作能力。

在教学之初，课程组面临着许多问题，例如：如何准备教学资源，以满足学生线上学习的需要；如何合理设置教学视频的长度，以满足线上教学的需要；如何及时获取学生的学习反馈，以便调整教学方式；如何充分利用线上平台的学习数据分析学生的学习状态，等等。针对这些问题，课程组进行了一系列的研究与探索，开发了面向教学全过程的多媒体教学资源，设计了科学灵活的视频时长方案，建立了以调查问卷为主的闭环教学模式，挖掘了线上平台学习数据所隐藏的学生学习状态信息。这些研究与探索有力地保障了新冠疫情期间线上教学的顺利开展，同时为后期线上线下混合教学的开展奠定了坚实的基础。

二、课程教学研究与探索

（一）面向教学全过程，重构学习资源

对于线上教学而言，学习资源很关键。相关研究表明，教师提供教学信息情况会对线上学习满意度产生显著的正向影响[28]。为此，课程组围绕学生课前、课中、课后学习的需要，综合考虑学生在不同设备、不同网速下的学习体验，精心准备了形式多样的教学资源，例如教学视频、教学音频、PPT、图片等，其中教学音频是专门为网速不好的学生而准备的，这些学生可以边听音频边看PPT，学习内容与教学视频是完全一致的。另外，这些教学资源并非一次性全部发布给学生学习，而是根据教学计划有条不紊地发放给学生。具体如图1所示，在课前教师通过文本、语音、短视频等方式进行课前讲解，用来回顾上节课的内容，回答学生的问题，引出本节课的重点内容；在课堂中教师通过教学视频来教授章节知识点，并通过视频直播的方式进行互动和答疑；在课后教师通过作业练习来巩固所学的知识，并通过调查问卷了解学生的学习情况，收集学习中遇到的问题，根据学生的问卷反馈，及时制作语音、短视频等学习资源，用于下一次课前讲解，或者在课堂中用于直播答疑。总之，通过面向教学全过程重构学习资源，可以实现精细化的教学管理，克服因学习时空分离所带来的无序与低效的问题。

（二）根据难易程度，优化资源供给

与传统的课堂学习不同，在线学习需要长时间面对电脑或者手机，而长时间使用电子产品很容易使人产生视觉疲劳，因此网络教学的视频不宜太长。有关研究表明，较短的视频比较长的视频能产生更好的学习效果[29]。那么最佳的视频时长应该是多少呢？国外学者对564710个视频的播放数据进行了统计分析，在研究期间这些视频累计播放次数超过了13亿次，研究结果如图2所示[30]。可以看出，随着视频时长的增加，视频观看者的平均参与度逐渐减少，然而在曲线中间部分，观看者的平均参与度呈现出基本平稳的状态，并且都位于50%以上。因此，研究人员最后指出，最佳的视频时长应该控制在12分钟以内。

以国外的研究结果为依据，课程组尝试将每个知识点的视频讲解时长尽量控制在12分钟。然而12分钟的时长并不能满足所有内容讲解的需要，因此课程组在该结论的基础上，结合各个知识点的难易程度，灵活设置视频时长。具体而言，首先将知识点划分为易、中、难3个等级，并分别赋予不同的权重。记第i个知识点在第j个难度等级的权重为Wij，设计视频时长为Tdij，理论视频时长Toij =12，则：

[Tdij=Wij×Toij]

其中：i=1，…， n，j=1，2，3.

[Wij=1， j=12， j=2，3， j=3]

以上方法将视频时长划分为3个标准，分别为12分钟、24分钟和36分钟，为视频录制提供了参考依据。课程组按照该方法对不同章节的视频时长进行了优化，如图3所示。可以看出，除了个别视频，其他视频时长均控制在3个设计的视频时长以内。该方法既遵循了运用大量数据统计分析得出的规律，同时又兼顾了课程章节的难易程度，因此在教学实践中得到了广大师生的认可。

（三）利用调查问卷，重视学习反馈

在线教学的问题之一是无法面对面了解学生的学习进展与学习问题，如果忽略教学反馈环节，实行开放式教学，那么将无法达到线上教学与线下教学实质等效的目的。为此，课程组在教学过程中适时发放在线调查问卷，详细了解学生的学习进展和学习问题，以便及时调整教学方式，最终提升课堂的教学效果。以航空公司运行规划与管理课程中的三日航线生成问题为例，在观看完教学视频之后，课程组发放了调查问卷，统计数据表明，能够解决该问题的学生比例仅为18.4%，如图4（a）所示。调查发现，有约82%的学生希望老师通过钉钉直播的方式进行讲解答疑。于是课程组利用钉钉平台开展了一次直播答疑，之后再次发放调查问卷，发现此时能夠解决该问题的学生比例已经上升到了53.5%，如图4（b）所示。可见，利用调查问卷形成闭环的教学模式，对于提高教学质量具有重要的作用。

（四）挖掘在线数据，关注过程监测

学生在线学习情况均记录在学习平台中，包括各章节视频的学习进度、学习时长、学习次数，等等。对这些数据进行分析处理后得出的结果，可以客观地反映出学生的学习状态。以视频学习进度数据为例，学生对每个章节视频的学习进度数据可以反映出该学生本节课学习任务的完成情况，若将学生各个章节视频学习进度数据放在一起，则可以反映出该生的学习态度。基于这样的思路，课程组随机选取了20名学生，对其视频学习进度数据进行了处理，如图5所示，其中横轴表示章节视频编号，纵轴表示学生编号，图中颜色的深浅反映了学生的视频学习进度。可以看出，编号11的学生学习最为认真，对于许多章节视频的学习进度达到甚至超过了100%，这表明该生对某些章节的视频进行了多次学习。编号5和编号14的学生只对部分章节的学习投入较多，在学习过程中具有明显的选择性。编号8、编号12、编号17、编号18的学生没有充分利用在线教学资源。教师通过该方法可以轻松地利用学习过程数据进行学习状态监测，为后续开展自动教学诊断和个性化教学指导提供依据。

三、总结

网络学习空间为新冠疫情期间高校的正常教学秩序提供了良好的保障，同时也为以后的线上线下混合教学模式提供了良好的发展机遇。课程组结合线上教学实践，面向网络课堂的教学设计问题与学习状态监测问题，从学习资源、视频时长、学习反馈和过程监测个方面开展了教学研究与探索。具体而言，课题组结合学生学习体验开发了面向教学全过程的多媒体教学资源，根据难易程度设计了科学灵活的视频时长方案，利用在线调查问卷构建了闭环教学模式，通过线上平台数据分析了学生的在线学习状态。目前，线上教学的优势逐渐凸显。如何充分利用传统课堂与网络课堂各自的优势开展线上线下混合教学将是未来教学改革研究的方向。

［ 参 考 文 献 ］

[1］ 教育部关于发布《网络学习空间建设与应用指南》的通知[J].中华人民共和国教育部公报， 2018（4）：126-147.

[2］ 郭炯，黄彬，郑晓俊.《网络学习空间建设与应用指南》解读[J].电化教育研究，2018，39（8）：34-38.

[3］ 晋欣泉，姜强，赵蔚.网络学习空间中学业预警及干预研究：态势、关键问题及创新应用[J]. 现代教育技术， 2021，31（6）：79-87.

[4］ BATURAY M H. An overview of the world of MOOCs[J]. Procedia?social and behavioral sciences，2015，174：427-433.

[5］ 夏庆霖， 张照录， 李彦荣. 疫情期间地质类专业在线教学实践及对教学改革的启示[J]. 中国地质教育， 2020，29（2）：49-53.

[6］ CZERKAWSKI B C， LYMAN E W. An instructional design framework for fostering student engagement in online learning environments[J].TechTrends，2016，60（6）：532-539.

[7］ DAVIES J， GRAFF M. Performance in e?learning： online participation and student grades[J]. British journal of educational technology， 2005，36（4）：657-663.

[8］ SMART K L， CAPPEL J J. Students' perceptions of online learning： A comparative study[J]. Journal of information technology education， 2006，5（1）：201-219.

[9］ AL?AZAWEI A， PARSLOW P， Lundqvist K. Investigating the effect of learning styles in a blended e?learning system： An extension of the technology acceptance model （TAM）[J]. Australasian journal of educational technology， 2017，33（2）：1-23.

[10］ BLASCO?ARCAS L， BUIL I， HERNáNDEZ?ORTEGA B， et al. Using clickers in class. The role of interactivity， active collaborative learning and engagement in learning performance[J]. Computers & Education， 2013，62（3）：102-110.

[11］ ZHEN R， LIU R， DING Y， et al. The mediating roles of academic self?efficacy and academic emotions in the relation between basic psychological needs satisfaction and learning engagement among Chinese adolescent students[J]. learning and individual differences，2017，54：210-216.

[12］ 邓东元. 中国教育改革中的慕课（MOOC）发展研究综述（2012—2018）[J]. 昆明理工大学学报（社会科学版）， 2019，19（1）：76-83.

[13］ 袁耀锋， 林凌， 王建， 等. 疫情防控期间线上教学的初步探索[J]. 大学化学， 2020，35（5）：269-272.

[14］ 于洪深. 借助微课翻转课堂的教学方法探索：评《翻转课堂与微课程教学法》[J].中国高校科技，2019（11）：106.

[15］ 刘博. 基于MOOCs的翻转课堂模式在交通运输专业英语教学中的应用[J]. 中国民航飞行学院学报， 2018，29（6）：77-80.

[16］ 张冲， 吴冠豪. 工程专业混合式教学设计与实践研究：以清华大学“光电仪器设计”课程为例[J]. 电化教育研究， 2020，41（5）：104-111.

[17］ 段晓庆. 混合式教学在管理学课程中的应用探索[J]. 教育教学论坛， 2020（18）：306-307.

[18］ 杨西惠， 张爱梅， 刘波. 基于“学”与“习”的混合式教学实践与探索：以视觉传达设计课程为例[J]. 教育教学论坛， 2020（18）：243-244.

[19］ SHU J B， HU Q Q， ZHI M. Research on the learning behavior of university students in blended teaching[J]. International journal of information and education technology， 2019，9（2）：92-98.

[20］ 陆芳， 魏李婷. 大数据背景下大学生学习状态研究的方法探析[J]. 黑龙江高教研究，2019，37（12）：143-148.

[21］ 王洋， 刘清堂， 张文超， 等. 数据驱动下的在线学习状态分析模型及应用研究[J]. 远程教育杂志， 2019，37（2）：74-80.

[22］ 赵宏， 张馨邈. 远程学习者在线学习情绪状态及特征差异[J]. 现代远程教育研究， 2019（2）：85-94.

[23］ 卢彬， 王晶， 王艳春. “互联网+”教育发展趋势下基于APP课堂教学监测管理系统的研究[J]. 当代教育实践与教学研究， 2020（3）：27-28.

[24］ 韩毅， 王旭彬， 郭圆辉. 基于深度学习的线上教学学情监测系统研究[J]. 河南科技， 2021，40（3）：19-21.

[25］ 孟宁， 冯琳. 基于教育大数据的高校线上教学质量评价指标体系研究[J]. 大学教育， 2021（8）：191-195.

[26］ 周定平， 胡鵬. 疫情防控期间高校在线教学活动评价的探讨[J]. 大学教育， 2021（8）：44-46.

[27］ 李明瑶. 大数据时代在线教育的个性诉求与资源优化[J]. 教育理论与实践， 2020，40（4）：30-34.

[28］ 项聪， 陈小平， 卢开聪. 高校在线教学效果及其影响因素的实证研究[J]. 中国大学教学， 2021（Z1）：93-99.

[29］ SLEMMONS K， ANYANWU K， HAMES J， et al. The impact of video length on learning in a middle?level flipped science setting： Implications for diversity inclusion[J]. Journal of science education and technology， 2018，27（5）：469-479.

[30] FISHMAN E. How long should your next video be？[EB/OL]. （2020-06-16）[2021-10-15]. https：//wistia.com/learn/marketing/optimal-video-length.

［责任编辑：钟 岚］