李代偉 張海清 唐聃 于曦
摘要 信息技術(shù)的不斷發(fā)展對高等院校人才技能培養(yǎng)提出了新的挑戰(zhàn),如何激發(fā)學(xué)生高效地學(xué)習(xí)專業(yè)技能,探究優(yōu)良的學(xué)習(xí)行為模式具有重要的研究意義。本研究基于高等院校的軟件工程專業(yè),從認(rèn)知因素、非認(rèn)知因素及個體學(xué)習(xí)觀念差異三個角度,研究了學(xué)情分析和影響學(xué)情分析的因素指標(biāo)。為了對學(xué)生的群體學(xué)習(xí)特征進(jìn)行分析,文章對軟件工程相關(guān)專業(yè)的1706條學(xué)生的行為數(shù)據(jù)進(jìn)行聚類,得出結(jié)論:學(xué)生對所學(xué)專業(yè)滿意度、參加課外活動的情況及課程作業(yè)完成情況對聚類具有決定性作用;學(xué)生成績對聚類并無顯著影響;學(xué)生成績的直接影響因素是學(xué)習(xí)效率而非學(xué)習(xí)時間。
關(guān)鍵詞 學(xué)情分析;新興信息技術(shù);專業(yè)滿意度;學(xué)習(xí)效率
中圖分類號:G642文獻(xiàn)標(biāo)識碼:ADOI:10.16400/j.cnki.kjdk.2023.9.022
軟件工程技術(shù)是工業(yè)4.0時代最需要學(xué)習(xí)的專業(yè)技術(shù)之一。工業(yè)4.0新的戰(zhàn)略計劃無疑對軟件工程人才培養(yǎng)提出了挑戰(zhàn)。企業(yè)除了需要Java、C、C++及Python等高階程序設(shè)計語言來整合新舊平臺和系統(tǒng)的人才外,更需要掌握高效設(shè)計人機(jī)互動接口、前沿的數(shù)據(jù)可視化應(yīng)用技術(shù)、先進(jìn)得機(jī)器學(xué)習(xí)和人工智能理論技術(shù)以及“數(shù)字孿生”等技術(shù)的人才。如何能激發(fā)學(xué)生高效地學(xué)習(xí)軟件工程技術(shù)以適應(yīng)我國工業(yè)4.0時代的人才培養(yǎng)策略,同時準(zhǔn)確地分析學(xué)生的學(xué)習(xí)動機(jī)和學(xué)習(xí)行為,提出有效的前沿技能學(xué)習(xí)行為模式具有十分重要的意義。
準(zhǔn)確把握學(xué)習(xí)動機(jī)和學(xué)習(xí)情況能夠有效地提高教學(xué)質(zhì)量和學(xué)習(xí)效率[1]。由于學(xué)情分析存在個體性、復(fù)雜性和模糊性,使得目前多數(shù)的學(xué)情分析憑借的是教師個人經(jīng)驗的主觀推斷。學(xué)情分析需注重學(xué)生的個體差異性,不同年齡階段、不同家庭背景、不同升學(xué)地區(qū)及不同學(xué)生類型[2]。學(xué)情分析也需要考慮研究的復(fù)雜性,學(xué)情不僅是學(xué)生學(xué)習(xí)過程中的重點(diǎn)和難點(diǎn)問題,還涉及學(xué)習(xí)動機(jī)、學(xué)習(xí)滿意度及學(xué)習(xí)預(yù)期成果等多方復(fù)雜因素。更進(jìn)一步,學(xué)情分析存在模糊性和抽象性,主觀的學(xué)情描述并不能全面地認(rèn)知學(xué)情分析的內(nèi)涵,需要提出明確、客觀的學(xué)情分析指標(biāo)并進(jìn)行定量的研究。本文從影響軟件工程相關(guān)專業(yè)的學(xué)情因素指標(biāo)出發(fā),結(jié)合工業(yè)4.0對學(xué)生的新型技能需要,旨在客觀、準(zhǔn)確、合理地評估學(xué)情,有針對性、多角度為學(xué)生提供學(xué)習(xí)行為模式推薦,并找出提高學(xué)習(xí)效率的有效措施。
1學(xué)情分析的內(nèi)涵和影響因素分析
本文對學(xué)情分析的研究內(nèi)容進(jìn)行了深入的挖掘。以“學(xué)情、學(xué)習(xí)需要、學(xué)習(xí)需求、學(xué)生需求、學(xué)生需要、學(xué)習(xí)者分析、學(xué)生分析、分析學(xué)生、了解學(xué)生、教學(xué)對象分析、以學(xué)定教、差異教學(xué)”為關(guān)鍵詞,結(jié)合2016―2022年期間發(fā)表的科研論文,對學(xué)情進(jìn)行分析總結(jié)。
學(xué)情分析的內(nèi)涵研究可歸納為三類:①謝晨和胡惠閔[3]指出在58篇研究文獻(xiàn)中有9篇文獻(xiàn)用概括性的方式給“學(xué)情”下定義[4]。采用概況性的方式基本可以總結(jié)為:“學(xué)情”即“學(xué)生的情況”。概括性的定義缺少對學(xué)情的具體化。②采用列舉的方式歸納“學(xué)情”。研究者把學(xué)生情況逐一列舉,其中具有代表性的研究是耿歲民[5]把學(xué)情歸納為:“學(xué)期的學(xué)情分析、單元的學(xué)情分析、課時(包括課前、課中、課后)的學(xué)情分析”。③從學(xué)情是否會影響教學(xué)的角度來描述學(xué)情[6]。一部分學(xué)者認(rèn)為學(xué)情更重要的是考查其是否對學(xué)習(xí)效果產(chǎn)生影響,對學(xué)習(xí)和教學(xué)效果產(chǎn)生影響的學(xué)情才是真正需要關(guān)注的學(xué)情內(nèi)涵。因此,該部分工作列舉出了需要關(guān)注的學(xué)情并且闡述了其對教學(xué)的影響。但是,如何客觀地評估“該學(xué)情是否真正影響教學(xué)以及多大程度地影響教學(xué)”則論證不足。根據(jù)以上的分析可以看出,學(xué)情分析的內(nèi)涵逐漸由靜態(tài)的、主觀的,轉(zhuǎn)向了動態(tài)的、客觀的,特別的,教學(xué)過程化的考核和階段性的監(jiān)控學(xué)情為學(xué)情分析拓寬了思路。
綜上所述,“學(xué)情”分析的初衷是指導(dǎo)教學(xué),學(xué)情分析需要具體、科學(xué)和可信。目前的學(xué)情研究指出了“學(xué)情是影響學(xué)習(xí)效果的學(xué)生變量”,但是大量研究對于“是不是有影響”這個關(guān)鍵特征不夠重視、缺乏論證,同時也并沒有指出哪些因素存在影響以及影響的強(qiáng)度也缺乏研究。因此,本文首先研究哪些因素對高等院校軟件工程相關(guān)專業(yè)的學(xué)情分析存在正面的影響,其次基于影響因素分析歸納出軟件工程相關(guān)專業(yè)當(dāng)前的學(xué)情狀況,然后分門別類有針對性地對不同特征的學(xué)生類型進(jìn)行多角度多方位地督促并嘗試找出哪些因素會影響學(xué)習(xí)效率的問題,最后提出改善當(dāng)前學(xué)情的建議和對策。
2影響軟件工程相關(guān)專業(yè)學(xué)情分析的因素指標(biāo)
為了研究學(xué)生的學(xué)習(xí)效能和學(xué)習(xí)行為在學(xué)習(xí)大規(guī)模在線開放課程(Massive Open Online Course,MOOC)中的關(guān)系,NiuLung-Guang[7]整合了計劃行為理論模型框架和自主學(xué)習(xí)模型框架以便找出學(xué)生在學(xué)習(xí)MOOC課程效能和決策中的焦點(diǎn)影響因素。文章采用了偏最小二乘回歸模型和驗證性因子分析來評估學(xué)生行為對課程學(xué)習(xí)效能的度量模型并對度量模型的評估效果進(jìn)行了定量的研究。通過數(shù)據(jù)驗證,Niu Lung-Guang總結(jié)出影響MOOC課程學(xué)習(xí)效能和決策的主要影響因素包含:任務(wù)的興趣度、課程目標(biāo)的達(dá)成度、學(xué)生的自我效能感、行為的主觀規(guī)范、應(yīng)對任務(wù)的態(tài)度、感知行為控制以及學(xué)習(xí)行為意向。Pappas等[8]運(yùn)用復(fù)雜理論來研究影響學(xué)生繼續(xù)學(xué)習(xí)計算機(jī)科學(xué)專業(yè)的行為影響因素。文中指出學(xué)習(xí)效果的收益以及學(xué)生情況的差異壁壘是影響計算機(jī)科學(xué)專業(yè)學(xué)習(xí)的重要因素。文章[9]采用了模糊集定性對比分析模型研究和分析了344個學(xué)生樣本,提出了認(rèn)知(通識教育、寫作和口語表達(dá)、有效性和批判性思維)、非認(rèn)知(團(tuán)隊合作能力、參與意愿)、個體學(xué)習(xí)觀念差異(學(xué)生歸屬感、成就感與社會規(guī)范)、教學(xué)質(zhì)量差異、學(xué)習(xí)效果滿意度差異、繼續(xù)學(xué)習(xí)的意向差異、學(xué)習(xí)的動機(jī)差異、學(xué)習(xí)成績差異共8種影響因素是影響學(xué)生繼續(xù)學(xué)習(xí)的關(guān)鍵因素。
綜上,結(jié)合軟件工程相關(guān)專業(yè)的特點(diǎn),本文采用的反映學(xué)生學(xué)情行為的影響因素包含:認(rèn)知因素(軟件工程課程目標(biāo)達(dá)成度的綜合認(rèn)知因素:包含學(xué)習(xí)成績的差異、學(xué)習(xí)效果滿意度差異、學(xué)生發(fā)展目標(biāo)的差異、學(xué)習(xí)期望的差異)、非認(rèn)知因素(包含團(tuán)隊合作能力、參與工程實踐的活動、日常生活是否規(guī)律、班級學(xué)風(fēng)情況)、個體學(xué)習(xí)觀念差異(含學(xué)生的自我效能感、行為的主觀規(guī)范、應(yīng)對任務(wù)的態(tài)度、學(xué)習(xí)行為意向差異、繼續(xù)從事軟件工程專業(yè)相關(guān)工作的意向)共三大類影響因素作為軟件工程專業(yè)學(xué)情分析的要點(diǎn)。
3基于模糊聚類算法的軟件工程相關(guān)專業(yè)學(xué)情分析
聚類分析是一種有效的研究指標(biāo)分類的多元統(tǒng)計分析方法,具有相同學(xué)習(xí)行為習(xí)慣的學(xué)生在數(shù)據(jù)上往往呈現(xiàn)相似性,通過聚類研究,可以分析不同群體的學(xué)習(xí)特征。更進(jìn)一步地提取出有效的學(xué)習(xí)行為方式進(jìn)而向成績差的學(xué)生進(jìn)行推廣。為了對軟件工程相關(guān)專業(yè)的學(xué)生進(jìn)行學(xué)情分析,研究團(tuán)隊收集了軟件工程相關(guān)專業(yè)2016―2019年的1706條學(xué)生的學(xué)情數(shù)據(jù)。研究從認(rèn)知因素、非認(rèn)知因素以及個體學(xué)習(xí)觀念差異三個角度出發(fā),分析學(xué)生的學(xué)情。實驗重復(fù)了100次,并進(jìn)行了10*10的交叉驗證。實驗顯示,如果聚類結(jié)果超過3類,則部分?jǐn)?shù)據(jù)就會出現(xiàn)在多個分類中,故選取的聚類為3分類。
根據(jù)確定的3分類對學(xué)生的學(xué)習(xí)行為進(jìn)行劃分,有327人屬于“消極型”,該類學(xué)生自習(xí)次數(shù)、對所學(xué)專業(yè)的滿意度、課外活動情況、作業(yè)情況均處于較低的水平;有696人屬于“常態(tài)型”,該部分學(xué)生的樣本數(shù)值均處于中間水平;另有683人屬于“積極型”,該部分學(xué)生在各項指標(biāo)中均處于較高的水平。因此,根據(jù)學(xué)生的學(xué)情類型劃分,可以有針對性地提出相應(yīng)的學(xué)情干預(yù)策略,從而更能夠有效地提高學(xué)習(xí)效率。針對“積極型”的學(xué)生,可以通過課堂點(diǎn)名鼓勵表揚(yáng),提供進(jìn)階的學(xué)習(xí)資料以提升學(xué)生的能力從而更能夠滿足工業(yè)4.0對專業(yè)人才的需求。針對“常態(tài)型”的學(xué)生,通過督促和過程化干預(yù),在學(xué)習(xí)過程中強(qiáng)化其學(xué)習(xí)的狀態(tài)并提升其學(xué)習(xí)的興趣度以便提高學(xué)習(xí)的積極性和主動性。針對“消極型”的學(xué)生,進(jìn)行警戒點(diǎn)預(yù)警和特殊幫扶,幫助學(xué)生找出其閃光點(diǎn)以及其擅長的技能,有針對性地講解和強(qiáng)化所學(xué)知識和技能,從而達(dá)到克服學(xué)習(xí)難題和避免中途退學(xué)的目的。
實驗對學(xué)生的學(xué)習(xí)行為和學(xué)習(xí)的效果進(jìn)行分析。更進(jìn)一步地,對學(xué)生自習(xí)次數(shù)和學(xué)生成績進(jìn)行聚類分析。有趣的是,研究發(fā)現(xiàn)學(xué)生并不是上自習(xí)的次數(shù)越多則學(xué)習(xí)成績越好,這就說明學(xué)生在學(xué)習(xí)過程中需要考慮學(xué)習(xí)效率的問題。高效的學(xué)習(xí)方法不僅有利于學(xué)業(yè)成績的提升,還能使學(xué)生有時間去放松,勞逸結(jié)合的方式更能提高學(xué)生學(xué)習(xí)的質(zhì)量。
4結(jié)語
本文提出了影響學(xué)情行為分析的認(rèn)知因素、非認(rèn)知因素及個體學(xué)習(xí)觀念差異三大類影響因素。文章為了分析學(xué)生的學(xué)習(xí)行為,挖掘良好的學(xué)習(xí)行為方式,對軟件工程學(xué)院2016—2019年的1706條行為數(shù)據(jù)進(jìn)行聚類研究。研究發(fā)現(xiàn)學(xué)生對所學(xué)專業(yè)滿意度、參加課外活動的情況及課程作業(yè)完成情況是良性學(xué)習(xí)模式的有效影響因素。通過良好的學(xué)習(xí)模式的挖掘并且推廣,激發(fā)學(xué)生的求知欲和興趣度,加強(qiáng)導(dǎo)學(xué),有利于學(xué)生的專業(yè)發(fā)展。同時,研究發(fā)現(xiàn)并不是學(xué)習(xí)的時間越長自習(xí)的時間越長則學(xué)習(xí)成績越高,學(xué)情分析得出結(jié)論學(xué)生只有培養(yǎng)良好的學(xué)習(xí)行為習(xí)慣,自覺的、有規(guī)律的、有目的性、科學(xué)管理學(xué)習(xí),提高學(xué)習(xí)效率,才能夠快速地適應(yīng)新技能和新要求。
基金項目:四川省科技廳項目“面向鐵路職工健康列車的動態(tài)模糊個性化服務(wù)效能挖掘研究”(2021YFH0107)。
參考文獻(xiàn)
[1]張華峰,郭菲,史靜寰.我國大學(xué)生課堂積極表達(dá)行為的現(xiàn)狀及對學(xué)習(xí)收獲的影響[J].教育研究,2020,41(4):10.
[2]邵燕楠,黃燕寧.學(xué)情分析:教學(xué)研究的重要生長點(diǎn)[J].中國教育學(xué)刊,2013(2):60-63.
[3]謝晨,胡惠閔.學(xué)情分析中“學(xué)情”的理解[J].全球教育展望,2015,44(2):20-27.
[4]丁愷.課堂教學(xué)的“學(xué)情分析”研究[D].上海:華東師范大學(xué),2009.
[5]耿歲民.中學(xué)數(shù)學(xué)課堂教學(xué)學(xué)情分析的理論與實踐研究[D].西安:陜西師范大學(xué),2011.
[6]安桂清.論學(xué)情分析與教學(xué)過程的整合[J].當(dāng)代教育科學(xué), 2013(22):40-42.
[7]Lung-Guang N.Decision-making determinants ofstudents participating in MOOCs: Merging the theory of planned behavior and selfregulated learning model[J]. Computers & education, 2019, 134(JUN.):50-62.
[8]Pappas I O , Giannakos M N, Jaccheri L, et al. Assessing Student BehaviorinComputerScienceEducationwithanfsQCAApproach: The Role of Gains and Barriers[J].ACM Transactions on Computing Education, 2017, 17(2):10.
[9]Thiem A, ADS a. QCA: A Package for Qualitative Comparative Analysis[J].R Journal, 2013, 5(1):87-97.