OBE 课程教学设计与实践
——以数据结构与算法课程为例

余军霞，董永权，2

（1.江苏师范大学 智慧教育学院；2.徐州市云计算工程技术研究中心，江苏 徐州 221116）

0 引言

成果导向教育（Outcome-Based Education，简称OBE），是培养学生获得成功所需要的知识、能力和素质的一种教育模式［1］。OBE 被美国等西方国家广泛应用于教育改革，已成为工程教育专业认证理念。1989 年，美国、加拿大、英国、爱尔兰等国签订《华盛顿协议》，该协议承认签约国所认证的工程专业培养方案具有实质等效性，认为经过认证专业的毕业生均达到了从事工程师职业的学术要求和基本质量标准［2］。2016 年6 月，我国加入该组织，成为成员国之一，标志着我国工程教育人才培养质量实现了国际实质等效，对我国工程教育改革具有重要意义［3］。近年来，随着我国工程教育专业认证的不断深入推广，参与认证的专业必须将OBE教育贯穿于工程教育专业教学［4］。因此，探究符合工程教育专业认证的OBE教学模式和评价方式成为我国高校工程教育改革的方向，成为深入推进相关课程教育教学改革的关键。OBE 为解决我国高校人才培养与社会需求脱节问题指明了方向，引起教育界和社会的广泛重视。但在实践教学中研究成果相对较少，未产生应有的教学效果。因此，从实践教学角度深入研究OBE 课程教学显得尤为重要。

数据结构与算法是计算机类专业的专业基础课程，也是其它理工科相关专业的选修课程。该课程是一门综合性的基础课程，其内容不仅包含一般程序设计基础，也包含设计和实现编译程序、操作系统、数据库系统及其他系统程序，目的是培养学生具有初步算法设计、分析能力以及编程能力。当前，该课程主要采用教师授课形式，重知识轻实践、教学评价单一、学生兴趣不高，也不利于学生能力培养。鉴于此，本文将OBE 应用于数据结构与算法课程教学实践，结合混合学习理论，明确课程目标和预期学习成果，按照“反向设计，正向实施”的原则设计教学，实施教学活动、评价，并通过持续改进机制不断优化教学过程，从而提升学生的知识与能力水平。

1 相关研究

OBE 起源于20 世纪80 年代美国高等教育改革，至今已有30 年的发展历程，其理论体系相对完善。2003 年，姜波［5］发表了国内首篇研究OBE 的文章，标志着国内OBE 研究的正式开始。研究主要集中在理论研究和实践应用两方面：理论研究包括理论解读、模式研究、实施要点等内容，颇为丰富；实践研究主要包括大学改革、专业认证、课程教学改革等方面，研究处于探索起步阶段。2007 年，李光梅［6］从OBE 的本质、策划、实施、评估过程4 个方面进行阐述，但缺少实践操作经验；李志义［7］从OBE 的概念界定、实施要点、教学设计重点、教学实施4 方面进行了详细介绍；申天恩等［8］从OBE 的基础原理、理论渊源、组成部分进行详细介绍，并提出OBE教学设计图；顾佩华等［9］在系统研究OBE 的基础上，在汕头大学进行了OBE教育模式实践与探索，为其他学校进行大学改革提供借鉴，但缺少具体实践教学案例；王红军［10］以工程教育认证12 条毕业要求准则分析毕业要求，建立课程体系，并对毕业要求达成情况进行评价；孙晶等［11］针对专业认证中毕业要求达成度评价方法单一的问题，提出课程考核成绩分析法、评价尺规法和问卷调查法，全面评价学生毕业要求达成情况；巩建闽等［12］在专业认证和OBE 理念下，结合高校实际，探讨课程大纲制定依据和相关内容；苏芃等［13］以OBE 理念为指导，以能力为导向，以学生为中心，构建通识教育课程教学和评价体系。随着专业认证推行，各大高校如汕头大学、黑龙江职业技术学院、商丘工学院、深圳大学等，在OBE 的指导下，进行人才培养方案改革与实践，不断深化专业人才培养研究［14-17］。

通过以上分析可知，国内OBE 研究起步较晚，理论研究较为丰富，而实践领域仍处于探索阶段，且主要从大学改革和专业建设角度进行研究，对于落实到具体一门课程中的教学设计与实践研究不够深入，没有提出具有可操作性的教学设计模式。本文选取数据结构与算法这门课程，从课程目标制定、教学设计与实践教学、目标达成度计算、持续改进4 方面阐述OBE 课程设计与教学，以提升教学效果与质量。

2 课程设计整体思路

OBE 课程设计主要分为4 步：①根据培养目标和毕业要求，确立课程支撑指标点和课程目标［18］；②围绕课程目标进行混合学习课程设计，以移动教学平台为依托，开展教学实践；③采用定性与定量相结合的评价方法，确定课程目标达成度计算公式，获取达成度计算结果；④以课程目标达成度的结果为依据，进行教学质量的持续改进与提升。在OBE 课程设计中，教学评价的目的不是评判成绩高低，而是通过教学策略与方法不断改进教学过程，提高教学质量，形成持续改进的教学闭环，如图1 所示。

Fig.1 OBE curriculum design framework图1 OBE 课程设计框架

3 OBE 课程目标确立

课程目标是OBE 课程运行的指南和目的，决定了课程内容、教学方法和考核评价的设计。OBE 课程目标具备明确性、层次性、可测量以及可操作性的特点，便于师生理解、掌握和执行［19］。一方面，利用布鲁姆的认知目标分类理论，对课程目标进行合理定位，尽量使用高层次的“分析、评价、创造”目标；另一方面，利用目标管理SMART 原则（目标必须具备具体性、可衡量性、可实现性、相关性、时限性原则）［20］，对课程目标进行设置与表述，使用可观察的行为动词表示。在OBE 课程目标制定过程中，课程组以工程教育专业认证标准的毕业要求和专业的培养目标为依据，综合考虑社会、企业、家长、学生等相关利益方的需求，对《数据结构与算法》课程进行全面系统的分析与研究，并参考《高等学校计算机科学与技术专业的核心课程教学实施方案》后，确定该课程在软件工程专业毕业要求中3 个一级指标及其对应的3 个二级指标，如表1 所示。

Table 1 Course objectives and corresponding graduation requirement index points of“Data Structures and Algorithms”表1 《数据结构与算法》课程目标与对应毕业要求指标点

4 OBE 课程设计与实施

OBE 课程从课程目标出发，确定课程内容，规划教学设计，实施课堂教学。

（1）明确课程目标，确定课程内容。数据结构与算法课程目标是让学生理解如何有效地组织、存储和处理数据，正确地设计算法以及对算法复杂度进行分析和评价，从而培养学生具备初步的算法设计能力、分析能力和良好的编程动手能力。依据课程目标将该课程分为理论课与实验课，两者的学时分别为54 学时和36 学时，并划分每章节的教学时长及其对应的课程目标，如表2 所示。

Table 2 Course contents，teaching sessions and corresponding course objectives of“Data Structures and Algorithms”表2 数据结构与算法课程内容、教学环节与对应课程目标

（2）统筹教学要素，规划教学设计。依据Richard 等［21］的OBE教学设计模型，将教学设计要素划分为学习目标、活动设计、学习评价，三者相互影响，学生成果处于模型中心驱动教学，如图2 所示。在学习目标方面，主要是将课程目标向下拆解为每节课的知识和能力目标，拆解过程参照布鲁姆认知目标分类理论与SMART 原则。在活动设计方面，主要从学习资源、学习环境、学习活动出发设计教学活动。具体设计如下：学习资源主要由基础性学习资源和拓展性学习资源构成，基础性学习资源包括任务清单、PPT、案例、实验操作视频及相关专题学习网站等资源，拓展性学习资源包括参考书籍、拓展资料、网站链接资源，覆盖了基础理论、技能操作和应用案例的内容，有效地满足了学习者对资源的不同需求；学习环境主要是一个融合了基础设施、软件资源的多媒体教室，通过蓝墨云班课将在线学习与面授教学有效融合，为师生、生生营造一个资源共享、强交互的混合学习环境；学习活动主要是提供实现学习目标的措施，具体包括自主学习、头脑风暴、成果展示、协作学习、互动答疑和个性化辅导等。在学习评价方面，主要是采用定性评价与定量评价、教师评价和同伴互评以及自评等评价方法，突出过程性与形成性，衡量课程目标的达成度，便于教师及时调整和改进教学。

Fig.2 Instructional design of OBE course图2 OBE 课程教学设计

（3）协调师生关系，实施OBE 混合学习教学。OBE 混合学习教学包括课前导学（线上）、课中研学（线上+线下）、课后练学（线上）3 个阶段，涉及教师、学生和助教3 个重要关系，三者之间密切配合，共同完成教学任务。课前，助教将资源上传至学习平台，发布学习目标和任务，让学生带着目标和任务进行自主学习并完成预习；课中，教师主持教学过程，进行重难点讲授，并组织学生进行成果汇报、成果点评、答疑交流等活动；课后，学生提交作业至平台，完成互评与自评任务，然后教师依据学生问题反馈进行集中答疑，并反思教学过程，调整教学进度和方法。在教学过程中，教师作为引导者，负责开设班课、课堂讲授、实践指导等教学活动，通过案例和项目实战提高学生动手能力；学生通过自主学习、在线讨论、协作学习等形式完成测试、小组作业、成果汇报、实验报告等学习任务，遇到疑难问题可以通过平台求助、同伴互助、教师协助共同解决学习问题；蓝墨云班课作为资源管理工具和载体，实现上传、存放、下载资源、签到、头脑风暴、学习测试等任务。

5 OBE 课程目标达成度计算

OBE 课程的教学效果评价是通过评判课程目标达成度（Goal Achievement，简称GA）完成。为了解本课程各目标达成度情况，本文选取江苏师范大学软件工程本科专业的一个班级为研究对象，共计39 人（男生19 人，女生20人），对第k个学生课程目标i的达成度计算方法进行定义，如式（1）。

其中，1≤i≤m，m 表示所有课程目标数量，实验中m=3；1≤k≤K，K 表示所有研究对象数量，实验中K=39，其取值范围为记Aij表示课程中第i个课程目标的第j个考查方式，Wij表示Aij的额定分值，表示第k个学 生在Aij上得到的实际分值，λj表示课程中不同考查方式所占比重（1≤j≤n，n 表示所有考查方式数量，实验中n=3），其取值范围为0 ≤λj≤1 目标达成度的合格值一般大于等于0.6。

根据学生所有单个课程目标的达成度，可以对学生整体的课程目标达成度进行计算。式（2）对第k个学生整体的课程目标达成度（GAk）进行了定义。

其中，θi表示课程中课程目标i的权重。

课程目标达成度的考查方式主要由平时作业（λ1）、上机实验（λ2）、期末考试（λ3）构成。由于各项考查方式对课程目标的支撑贡献度不同，本文将3 个考查方式λ1～λ3的比重分别设为0.2、0.3、0.5。依据各项考核成绩，综合判定学生最终学习成绩。成绩构成与课程目标对应关系如表3所示。

平时作业主要包括考勤、视频学习、测验等内容，主要考查基础知识的掌握与应用情况，满分为100 分；上机实验主要考查学生对数据基本结构、常见算法、程序设计基本思想及编程方法的掌握情况，培养学生编写复杂程序的能力，满分为100 分；期末考试采用上机考试形式，主要考查基础知识和基本操作掌握情况以及各种程序编程、设计与验证，并结合具体应用案例，实现编程设计、调试和分析等要求，满分为100 分。依据《高等学校课程实施方案》中各考查方式对课程目标的支撑关系，计算得到考查方式对应各课程目标的额定分值表，如表4 所示。

Table 3 Course assessment and corresponding course objectives of“Data Structures and Algorithms”表3 数据结构与算法课程考核与对应课程目标

Table 4 Rated scores of course assessment forms corresponding to course objectives of“Data Structures and Algorithms”表4 数据结构与算法课程考核形式对应课程目标额定分值

依据课程大纲中质量评价标准和评价依据，各考查方式均包含有若干个不同的考查点。平时成绩由资源学习、测验、活动、签到记录等组成，每一章节含有3～6 道测试题、讨论答疑以及头脑风暴活动等。依据课程大纲和课程目标的标准和考查点，将平时作业按照9∶1 比例划分，分别对应课程目标1、2，所占分值分别为90 和10。上机实验共有6 个，分别为线性表实验、栈与队列实验、二叉树实验、图实验、查找实验、排序实验，其中前2 个实验属于验证型实验，对应课程目标2，总分值为20；后4 个实验属于设计型实验，对应课程目标3，总分值为80。期末考试成绩主要是全面考查学生的综合知识与能力水平，对应课程目标1、2、3，所占分值分别为60、30 和10。

依照目标达成度计算公式，分别计算学生单个课程目标达成度与整体课程目标达成度，计算结果如表5 所示。

由表5 可知，1 号学生的个人整体课程目标达成度为0.71，高于目标达成度的合格值；其单个课程目标1、3 的达成度分别为0.8、0.89，但课程目标2 的达成度为0.44，低于目标达成度合格值。2 号学生整体课程目标达成度为0.76，高于目标达成合格值；其单个课程目标1、2、3 达成度依次为0.73、0.68、0.88，均高于目标达成度合格值。

Table 5 Statistical of individual course goal achievement degree（some students）表5 个人课程目标达成度统计（部分学生）

6 OBE 课程持续改进

教学质量是教育发展与进步的核心所在，而要提升教学质量，离不开教学的持续改进。本文就目标达成度评价表中个人课程目标达成度相关数据进行学生学习情况分析，选取两个样本，对应的改进措施如表6 所示。1 号学生的整体课程目标达成度为0.71，表明该生对课程整体掌握良好；其单个课程目标1、3 的达成度分别为0.8、0.89，表明该生基础知识掌握牢固，后期可以推送拔高练习题，对学生予以提升优化；其单个课程目标2 的达成度为0.44，未达到目标达成度合格值。通过分析发现，是由于该生期末考试成绩偏低，直接造成目标达成度偏低，而且这部分考查难度并不高，由此可以推出，该生做题十分粗心。因此，对于该学生采取的总体改进意见是督促其养成集中注意力和检查作业的好习惯，强化责任心，并推送拔高题进行练习。2 号学生的整体课程目标达成度为0.76，表明该生对课程整体掌握良好；其单个课程目标1、2、3 达成度为0.73、0.68、0.88，表明该生知识与技能掌握良好，后期可以加大难度，推送相关练习，不断进行拔高学习。

依次对每位学生课程目标达成度进行分析并给出改进意见，提高班级整体的课程目标达成度，达到巩固与强化知识的目的。在分析过程中发现，学生遇到的问题大同小异，可以从学生与教师方面双管齐下解决这些问题。学生方面，将学生分为基础知识提升组、算法设计薄弱组、能力提升拔高组，形成帮扶团体，充分发挥团体辅导优势，相互帮扶、鼓励，先进带后进。在学生相互帮扶的过程中，不仅能激发其积极思考、查缺补漏，而且也有助于扫除知识盲区、促进交流。在教师方面，从课后补救与未来教学改进角度出发，通过集中答疑、个性化辅导进行课后补救教学，也可以通过增加实验专项训练、综合类实验进行未来教学改进。

Table 6 Continuous improvement of individual course achievement degree表6 个人课程目标达成度的持续改进情况

7 结语

本文研究将OBE 应用于课堂教学实践中，将OBE 与课堂教学充分结合，形成了一套较为完整的OBE 课程设计流程，为教师提供了一个OBE 课程实践教学案例。实践结果表明：①实验课调动了学生的积极性，实验效果明显；②通过分析、设计、编码、调试等专项训练，学生的程序设计技能得到了提升；③形成了一套课程目标达成度的评价方法与计算公式，为其他课程目标达成度评价和计算方面提供参考。下一步将探索推广基于OBE 理论的混合学习课程的有效机制，扩大实践范围，包括选择不同专业、学科类别的课程，依据实践效果不断完善，进而在大学课程教育中推广OBE 课程教学设计模型。