基于多元Logistic的混合式學(xué)習(xí)效果影響因素分析

李小雪 史小茹

摘? 要：該文以西安航空學(xué)院理學(xué)院數(shù)據(jù)挖掘?qū)д撜n程為例，采用問卷調(diào)查及統(tǒng)計(jì)方法，對影響學(xué)生混合式學(xué)習(xí)效果的16個(gè)最主要因素進(jìn)行實(shí)證分析，得到學(xué)習(xí)環(huán)境、教學(xué)、個(gè)人和平臺網(wǎng)絡(luò)因子4個(gè)主成分，根據(jù)這4個(gè)主成分建立混合式學(xué)習(xí)效果的多元有序Logistic回歸模型，研究表明環(huán)境因子、教學(xué)因子和個(gè)人因子這3個(gè)主成分對課程的混合式學(xué)習(xí)效果產(chǎn)生顯著正向影響關(guān)系，并依此給出相關(guān)建議。

關(guān)鍵詞：Logistic回歸模型;混合式學(xué)習(xí);影響因素;SPSS;數(shù)據(jù)挖掘?qū)д?/p>

中圖分類號：G642.4? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? ? ? 文章編號：2096-000X（2023）31-0019-04

Abstract： This paper takes the course Introduction to Data Mining of School of Science of Xi'an Aeronautical Institute as an example， using questionnaire survey and statistical methods to analyze 16 factors affecting students' blended learning effect， and four principal components are obtained： learning environment， teaching， personal and platform network factors. Based on the four principal components， a multiple ordered Logistic regression model of mixed learning effect is established， and relevant suggestions are given.

Keywords： logistic regression model; blended learning; influencing factors; SPSS; Introduction to Data Mining

線上線下相結(jié)合的混合教學(xué)模式使學(xué)習(xí)不再局限于傳統(tǒng)的課堂教學(xué)，網(wǎng)絡(luò)與多媒體為學(xué)習(xí)者創(chuàng)造了更加生動(dòng)、立體的學(xué)習(xí)環(huán)境，使學(xué)習(xí)者從單一的標(biāo)準(zhǔn)化知識變成了個(gè)性化的差異化學(xué)習(xí)。2018年，教育部發(fā)布《關(guān)于加快建設(shè)高水平本科教育全面提高人才培養(yǎng)能力的意見》指出，通過教學(xué)改革促進(jìn)學(xué)習(xí)革命，積極推廣小班化教學(xué)、混合學(xué)習(xí)、翻轉(zhuǎn)課堂，大力推進(jìn)智慧教室建設(shè)，構(gòu)建線上線下相結(jié)合的教學(xué)模式[1]。混合式學(xué)習(xí)結(jié)合了在線教學(xué)和傳統(tǒng)就教學(xué)的優(yōu)勢，能夠?yàn)閷W(xué)生提供豐富的教學(xué)資源和更加高效自由的交流方式[2]。2019年，英聯(lián)邦學(xué)習(xí)共同體發(fā)布了混合學(xué)習(xí)的質(zhì)量評估標(biāo)準(zhǔn)，該標(biāo)準(zhǔn)從質(zhì)量保障的角度對高校實(shí)施混合學(xué)習(xí)的實(shí)踐過程進(jìn)行了評估，旨在指導(dǎo)與協(xié)助東非地區(qū)各大學(xué)自主開發(fā)并共享混合學(xué)習(xí)的教學(xué)資源，以提高混合學(xué)習(xí)質(zhì)量[3]。2022年，《教育部2022年工作要點(diǎn)》提出實(shí)施教育數(shù)字化戰(zhàn)略行動(dòng)，積極發(fā)展“互聯(lián)網(wǎng)+教育”，加快推進(jìn)教育數(shù)字轉(zhuǎn)型和智能升級，改進(jìn)課堂教學(xué)模式和學(xué)生評價(jià)方式[4]。這也說明，實(shí)施教育數(shù)字化成為教育部工作之一。通過梳理可發(fā)現(xiàn)，盡管各學(xué)者在定義混合式學(xué)習(xí)時(shí)有著不同的角度和側(cè)重，但混合式學(xué)習(xí)的含義大致相同，其核心都是根據(jù)學(xué)習(xí)者不同的學(xué)習(xí)能力，線上線下相結(jié)合來提高學(xué)習(xí)效率。

數(shù)據(jù)挖掘?qū)д撌且婚T算法較多、理論較強(qiáng)的課程。本文利用調(diào)查問卷，基于Logistic回歸模型對影響學(xué)生學(xué)習(xí)效果的影響因素進(jìn)行調(diào)查分析，利用相關(guān)結(jié)果剖析課程學(xué)習(xí)存在的問題，同時(shí)給出混合式學(xué)習(xí)的建議。

一? 多元有序Logistic回歸模型的建立與求解

（一）? 數(shù)據(jù)采集

通過前期對課程教學(xué)的分析，學(xué)生課堂注意力集中情況、課程知識點(diǎn)掌握情況、課程內(nèi)容的難易度和課程線上學(xué)習(xí)平臺等因素都會(huì)在不同程度上影響學(xué)生混合學(xué)習(xí)效果。本次調(diào)查面向西安航空學(xué)院理學(xué)院學(xué)習(xí)數(shù)據(jù)挖掘?qū)д撜n程的141名學(xué)生，調(diào)查問卷選取了17個(gè)問題，共發(fā)放141份，回收134份，問卷回收有效率95.04%。

（二）? 因子分析

本文利用SPSS，選取KMO統(tǒng)計(jì)和巴特利球形檢驗(yàn)法來檢驗(yàn)相關(guān)性。通過對134份有效問卷數(shù)據(jù)進(jìn)行分析，數(shù)據(jù)信度檢驗(yàn)KMO為0.848，顯著性為0.000，說明變量之間可以做因子分析。

本文采用主成分分析法做因子提取，通過累計(jì)貢獻(xiàn)率來確定公共因子。一般，累計(jì)貢獻(xiàn)率達(dá)到75%以上就說明有公共因子。但在實(shí)際中，由于一些不可控因素，累計(jì)貢獻(xiàn)率在60%以上就可以接受。

為研究影響混合學(xué)習(xí)效果的因素，本文選取課程學(xué)習(xí)效果為因變量，自變量分別為學(xué)生課堂注意力集中程度、教師教學(xué)組織合理情況、線上資源需求情況和班級學(xué)習(xí)氛圍情況等，具體變量及賦值情況見表1。

利用SPSS進(jìn)行因子分析，提取方法為主成分分析法，結(jié)果表明，4個(gè)因子變量累積的總方差在60%以上，達(dá)到要求，可以用來解釋大部分的因子成分。其中，第1、2、3、4個(gè)因子可以解釋總方差的39.184%、49.295%、57.085%和64.138%。為保證提取因子的準(zhǔn)確性，結(jié)合SPSS碎石圖加以驗(yàn)證，由圖1可知，拐點(diǎn)在5附近出現(xiàn)，5之后圖像變得平緩。同時(shí)結(jié)合主成分分析結(jié)果，可以得到最后的4個(gè)公共因子，得到旋轉(zhuǎn)后的成分矩陣見表2。

根據(jù)旋轉(zhuǎn)后的成分矩陣可得出以下結(jié)論。

1）第1個(gè)因子包括變量x13、x14、x15和x16所對應(yīng)的內(nèi)容，主要與學(xué)習(xí)環(huán)境相關(guān)，因此該因子命名為學(xué)習(xí)環(huán)境因子F1。

2）第2個(gè)因子包括變量x3、x6、x7、x8、x10和x11所對應(yīng)的內(nèi)容，主要與教學(xué)相關(guān)，因此該因子命名為教學(xué)因子F2。

3）第3個(gè)因子包括變量x1、x2、x4和x5所對應(yīng)的內(nèi)容，主要與個(gè)人因素相關(guān)，因此該因子命名為個(gè)人因子F3。

4）第4個(gè)因子包括變量x9和x12所對應(yīng)的內(nèi)容，主要與平臺網(wǎng)絡(luò)有關(guān)，因此該因子命名為平臺網(wǎng)絡(luò)因子F4。

同時(shí)，根據(jù)表3得到的成分得分系數(shù)矩陣。

（三）? 多元有序Logistic回歸模型的建立

由于因變量學(xué)習(xí)效果（y）的水平存在序次關(guān)系，因此本文采用累積Logistic回歸模型，該模型是針對多分類變量而構(gòu)建的回歸模型，基本形式為

式中：P（y≤j）表示y落在或小于某一特定j的概率，即y的累積概率。xi（i=1，2，…，n）為自變量組，βi（i=1，2，…，n）表示xi對因變量y落在類或小于的類別的對數(shù)優(yōu)勢的效應(yīng)[5-6]。

本文因變量為混合式學(xué)習(xí)效果，共有3個(gè)等級，其中y=1表示“無效果”，y=2表示“有一定效果”，y=3表示“效果較好”，y=3是參照項(xiàng)。自變量為主成分F1，F(xiàn)2，F(xiàn)3和F4，建立的有序多分類Logistic回歸模型為

式中：α1，α2，βi為Fi（i=1，2，3，4）對應(yīng)的待估計(jì)回歸系數(shù)。

通過對4個(gè)因子進(jìn)行平行線檢驗(yàn)，檢驗(yàn)結(jié)果P=1.000>0.1，說明各回歸方程互相平行，本文選擇有序多分類Logistic回歸模型是合適的。

（四）? 多元有序Logistic回歸模型的求解與分析

利用SPSS，輸入因變量及4個(gè)因子，得到結(jié)果見表4。

為解釋模型的意義，利用式（5）可推出變量xi在xi=a與xi=b 2點(diǎn)累積概率的優(yōu)勢比

式中：xi為式（5）中的自變量，βi為xi對應(yīng)的參數(shù)估計(jì)值[7]。

結(jié)合表4和式（10），對于課程學(xué)習(xí)效果的類別j=1、2來說，分析結(jié)果如下。

第1個(gè)主成分學(xué)習(xí)環(huán)境因子的回歸系數(shù)的值為2.131，說明學(xué)習(xí)環(huán)境因子會(huì)對學(xué)習(xí)效果產(chǎn)生顯著的正向影響關(guān)系。優(yōu)勢比為8.423，意味著學(xué)習(xí)環(huán)境因子增加一個(gè)單位時(shí)，學(xué)習(xí)效果增加幅度為8.423倍。

第2個(gè)主成分教學(xué)因子的回歸系數(shù)的值為1.364，說明教學(xué)因子會(huì)對學(xué)習(xí)效果產(chǎn)生顯著的正向影響關(guān)系。優(yōu)勢比為3.912，意味著教學(xué)因子增加一個(gè)單位時(shí)，學(xué)習(xí)效果增加幅度為3.912倍。

第3個(gè)主成分個(gè)人因子的回歸系數(shù)的值為1.317，說明個(gè)人因子會(huì)對學(xué)習(xí)效果產(chǎn)生顯著的正向影響關(guān)系。優(yōu)勢比為3.732，意味著教學(xué)因子增加一個(gè)單位時(shí)，學(xué)習(xí)效果增加幅度為3.732倍。

第4個(gè)主成分平臺網(wǎng)絡(luò)因子的顯著性大于0.01，說明平臺網(wǎng)絡(luò)因子對學(xué)習(xí)效果沒有顯著影響，也就說該課程的網(wǎng)絡(luò)學(xué)習(xí)平臺對學(xué)生的學(xué)習(xí)效果沒有顯著影響。

綜上所述，環(huán)境因子、教學(xué)因子、個(gè)人因子對數(shù)據(jù)挖掘?qū)д撜n程的混合式學(xué)習(xí)效果產(chǎn)生顯著正向影響關(guān)系。

二? 結(jié)論

本文采用多元有序Logistic回歸模型對數(shù)據(jù)挖掘?qū)д撜n程混合式學(xué)習(xí)效果的影響因素進(jìn)行了分析。根據(jù)分析結(jié)果，環(huán)境、教學(xué)和個(gè)人因子對數(shù)據(jù)挖掘?qū)д撜n程的混合式學(xué)習(xí)效果產(chǎn)生顯著正向影響關(guān)系，網(wǎng)絡(luò)學(xué)習(xí)平臺對學(xué)生的學(xué)習(xí)效果沒有顯著影響。因此，在今后課程的教學(xué)中，教師應(yīng)理論與實(shí)踐相結(jié)合，多學(xué)科結(jié)合，合理安排課程內(nèi)容、優(yōu)化教學(xué)手段、營造良好學(xué)習(xí)氛圍及嚴(yán)格要求學(xué)生等，以達(dá)到最佳學(xué)習(xí)效果。

另外，本文在調(diào)查研究時(shí)，選出了影響混合式學(xué)習(xí)效果的16個(gè)因素，影響因素的篩選還不夠全面，可能還存在其他因素如心理因素等未被列入，后續(xù)還將根據(jù)教學(xué)運(yùn)行情況等繼續(xù)進(jìn)行研究并完善。

參考文獻(xiàn)：

[1] 教育部關(guān)于加快建設(shè)高水平本科教育全面提高人才培養(yǎng)能力的意見[EB/OL].http：//www.moe.gov.cn/srcsite/A08/s7056/201810 /t20181017_351887.html.

[2] 張玉辛.混合學(xué)習(xí)環(huán)境下教師教學(xué)行為對大學(xué)生學(xué)習(xí)投入的影響研究[D].大連：遼寧師范大學(xué)，2022.

[3] 許冬平，顧鑫城，陳勇.英聯(lián)邦混合學(xué)習(xí)質(zhì)量評估標(biāo)準(zhǔn)探析[J].上海教育評估研究，2022，11（4）：57-61.

[4] 教育部2022年工作要點(diǎn)[EB/OL].http：//www.moe.gov.cn/jyb_sjzl /moe_164/202202/t20220208_597666.html.

[5] 王濟(jì)川.Logistic回歸模型方法與應(yīng)用[M].北京：高等教育出版社，2001：91-171.

[6] [美]弗雷德·C.潘佩爾.Logistic回歸入門[M].周穆之，譯.上海：格致出版社，2015.

[7] 趙國瑞，崔慶岳，田振明.高職學(xué)生數(shù)學(xué)學(xué)習(xí)興趣影響因素研究——基于決策樹和累積Logistic回歸模型[J].數(shù)學(xué)的實(shí)踐與認(rèn)識，2018，48（24）：304-310.

基金項(xiàng)目：2021年教育部高等教育司產(chǎn)學(xué)合作協(xié)同育人項(xiàng)目“應(yīng)用型本科院校《機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘?qū)д摗氛n程的教學(xué)改革研究——以西安航空學(xué)院為例”（202102211120）;2021年度西安航空學(xué)院高等教育教學(xué)改革項(xiàng)目“大數(shù)據(jù)背景下的《機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘?qū)д摗氛n程教學(xué)改革研究”（21JXGG2022）;2022年校級課程思政示范課程建設(shè)項(xiàng)目“《數(shù)據(jù)挖掘?qū)д摗贰保?2KCSZ07）;2019年西安航空學(xué)院教學(xué)質(zhì)量工程資助項(xiàng)目“信息與計(jì)算科學(xué)專業(yè)導(dǎo)論”（19ZLGC5023）

第一作者簡介：李小雪（1988-），女，漢族，陜西合陽人，博士，副教授，碩士研究生導(dǎo)師。研究方向?yàn)閿?shù)據(jù)分析、數(shù)論及其應(yīng)用。