程序设计类课程线上教学效率探究(共3324字).doc

《程序设计类课程线上教学效率探究(共3324字).doc》由会员分享，可在线阅读，更多相关《程序设计类课程线上教学效率探究(共3324字).doc（6页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、程序设计类课程线上教学效率探究(共3324字)摘要：利用数据包络分析工具，分析了一门程序设计类教学改革课程的线上教学效率。分析结果显示，该程序设计类教学改革课程在完全采用在线教学的情况下，学生的学习效率不高，存在大量规模报酬递减的现象。文章认为，为了提高教学效率，应强调在线课堂练习和测试，以及在线课堂提问，而弱化对视频观看和签到等定量指标的要求和评估。关键词：程序设计类课程；线上教学；教学改革；数据包络分析；规模报酬在线教学是一种正在蓬勃发展的教学方式1。国内外已经有多个不同的慕课在线教学平台，正在为全世界的教师和学生提供在线教学服务。而研究在线教学平台的教学效率，也成为了一个自然而然需要关注

2、和研究的教育问题。以往的线上教学效率研究，往往关注的是具有成熟教学方案的线上课程，例如一些精品在线教学课程。而一般的教学课程如果设置成在线教学模式，在执行中并不能保证学生与教师的互动和教学过程完全是在线上进行，因此对这些课程的在线教学效率的分析存在不可避免的干扰。一般来说，正常的学校教学，很难排除这些干扰，因为除了在线精品类课程，没有学校会在教学培养方案中制定完全线上的教学过程。但是，在2020年，由于COVID20流行的原因，2020年春季学期的课程完全采用在线教学方式2。这也为线上教学效率的研究提供了千载难逢的机会，由此得到的分析结果是一种自然实验的结果。1数据包络分析数据包络分析(DEA

3、)是一种基于线性规划模型的分析工具，用于分析多个技术投入和多个产出的效率前沿。DEA分析法不同于回归分析，不用设定产出函数，也不用设定变量权重，计算得到的是一种相对效率而不是绝对效率。对于很多难以通过量化的利润或者产值衡量性能的非营利行业，例如教育，医疗，法院，可以采用DEA进行投入产出效率分析，对不同技术投入和产出进行比较，从而为提高性能和效率作出优化的决策3。DEA已经被国内外研究者广泛用于教育行业的教学效率分析3-5，是一种行之有效的教学效率分析方法。2实证研究本文运用DEAP2.1软件构建评价学生在线学习效果的DEA模型。研究对象为本校2019级通信专业29名学生。此外，本文采用产出导

4、向和投入导向的规模收益可变模型（VRS）对学生学习效率进行分析。线上教学的课程为C+语言程序设计和数据结构相结合的一种教学改革类课程，包括C+语言的基本语法和面向对象程序设计的基本概念，加上数据结构的大部分内容。课程教学课时为108课时。2.1样本选择和数据来源本校2020年3月-2020年7月的课程都采用在线云平台的方式，主要的在线教育平台为超星慕课平台、本校的在线网络课程资源云平台。在线课程的教学会涉及到一些选择方式设置。在线教学视频：选择超星视频数据库中与课程内容相关精品视频作为课程资源，让学生按照章节观看在线视频自学。超星在线直播间：教师通过直播间语音直播教学。教学内容与线下课堂教学内

5、容一致，教学课件通过上传到超星平台可以直接在线操作，学生通过屏幕可以看到教师的操作，学生可以通过在直播间输入信息与教师互动。在线签到功能：此功能用于在线教学课堂管理。在线测试功能。通过设置在线测试题目检查学生对教学内容掌握情况。在线测试全部为客观题，可以自动阅卷。由于超星平台没有提供在线评判程序的功能，因此程序设计题改为程序填空。在线选人提问：可以在线随机选择学生提问，并对学生回答打分。通过超星平台的统计功能，可以获得所有学生的学习数据。期末考试是在学生返校后在线下进行。考试内容全部为编程题，无主观题，通过本校自己开发的在线评判(OJ)系统进行自动阅卷打分。2.2DEA模型的指标选择本文DEA

6、模型选择的输入指标包括：任务完成百分比、视频观看时长和章节学习次数三个。其中任务完成百分比包括了完成观看所的教学视频的个数；输出指标为期末总成绩一个。最终，DEA模型的样本数29大于变量的3倍（4*3=12），这符合DEA方法使用的前提条件。2.3研究结果本文采用技术效率（TE）、纯技术效率（PTE）和规模效率（SE）来分析学生在超星平台上的学习效率。纯技术效率反映学生对学习方法、技巧和时间等规划，规模效率反映学生学习的投入程度。纯技术效率乘以规模效率等于技术效率，反映学生学效率。一般情况下，当技术效率（TE）为1时，学生学习是相对有效的；技术效率（TE）小于1大于0.8时，学生学习近似有效；

7、技术效率（TE）小于0.8时，学习学习相对无效。研究结果显示技术效率为0.501，学生学习相对有效和近似有效占比为17%，说明学生学习效率相对较低。通过分析发现，学生学习的纯技术效率为0.913，规模效率为0.534。这说明学生学习效率较低的主要原因是规模效率较低。规模效率的进一步分析，用规模报酬表示。如图1所示，规模报酬不变的占比14%，规模报酬递减的占比86%。这说明大部分学生在超星平台上的学习投入存在冗余，也从侧面反映了学生在线学习投入多，但是没有带来预期的学习效果。图2反映了学生在任务点完成情况、视频观看和章节学习方面的学习投入情况。相对于任务点完成情况，视频观看和章节学习的投入时间存

8、在较大的冗余。这说明视频观看时长和章节学习次数评价学生学习投入程度不够恰当。在原有的视频观看时长和章节学习次数下，学生的学习效果应该可以有更高的提升。通过对DEA模型的产出（课程总成绩）的进一步分析发现，29名学生中有45%还可以进一步提高成绩，预计课程总成绩的平均分可以提高3分。通过分析学生在线视频观看情况，可以发现，许多学生的反刍比并不高。这说明这些学生并没有真正认真观看教学视频，仅仅将观看教学视频当作一个任务来完成。而由于本门课程是混合了C+面向对象编程和数据结构课程，因此难以找到合适的综合这两门课程的教学视频。此外，虽然学生都能按时签到，但是，当在直播课堂随机选择学生提问时，经常存在没

9、有回应的现象。这说明部分学生并没有真正认真听课，只是登陆了账号。这些情况都是导致在线教学效率不够高的原因。相反，通过在线平台的课堂测验功能，学生可以加深对课堂内容的思考和理解，而教师也可以对学生知识的掌握情况做出最直接的判断和跟踪。使用在线平台的统计功能，教师可以第一时间得到各个学生的测试结果，比传统的线下课堂测验更方便，这有助于提高教学效率。4结束语本文通过DEA模型研究了一门程序设计类教改课程实行全在线教学的教学方式，结果发现学生整体的学习效率一般，主要是因为学生的规模效率较低，存在大量规模报酬递减的现象。学生在线学习投入存在冗余的问题，在学习投入充分的情况下没有发挥出理想的学习效果。所以，在进行教学效率评价时，对视频观看次数、出勤率和课堂讨论等定量考核指标应该弱化，重视对课堂质量的考核，比如课堂练习中题目的答对率，课堂讨论中发言的独立思考性进行考量，以提高全在线教学的教学效率和学生的学习兴趣。在今后的教学中，要进一步丰富在线教学的教学方式和手段，充分利用在线教学平台多样化的教学特点，以提高在线教学的效率。在下一步的研究中，需要进一步关注利用产出导向的有效性评价方法对在线教学的效率评估，以适应工程教育认证评估的需求。第 6 页 共 6 页