2023年网络课程平台中的学生学习行为分析.docx

《2023年网络课程平台中的学生学习行为分析.docx》由会员分享，可在线阅读，更多相关《2023年网络课程平台中的学生学习行为分析.docx（33页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、2023年网络课程平台中的学生学习行为分析分析（英语：Analysis）是在头脑中把事物或对象由整体分解成各个部分或属性。尽管分析作为一个正式的概念在近年来才逐步建立起来，这一技巧自亚里士多德（公元前384年至322年）就已经应用在了数学、逻辑学等多个领域。以下是本站分享的网络课程平台中的学生学习行为分析，希望能帮助到大家!网络课程平台中的学生学习行为分析摘要：通过学习数据的挖掘分析，能够深入研究学习者的学习特点，发现学习规律，最终才根据学习者需求和能力提供个性化教学支持服务。本文以智慧树平台上的酒店物品艺术赏析在线运行产生的各项数据为样本，深入分析学生的在线学习行为数据，研究学生的在线学习特

2、点，并提出建议与对策。关键词：网络课程平台；学习行为；数据分析一、问题的提出课程平台中记录着大量学生在线学习行为的数据，例如登陆次数、学习进度，在线讨论，在线视频观看情况、见面课情况等。通过对这些数据的解释和分析，可以评估学者的学习进展，预测未来表现，并发现课程设计以及教学实施中存在的问题。因此，深入分析网络课程平台中的学生学习行为所产生的数据，对于实现教学资源服务和教学管理的个性化以及有效性具有十分重要的意义。本文以2023年春夏学期智慧树平台上的酒店物品艺术赏析在线运行产生的各项数据为样本，深入分析学生的在线学习行为数据，研究学生的在线学习特点，并提出建议与对策。二、学生学习行为分析本研究

3、将学生的学习行为归纳为学习发生階段（包括课程登陆次数、学习人次）、知识获取阶段（包括视频访问量、视频访问时长、视频人均完成率等）、互动反思阶段（课程论坛发帖量、回帖量）、学习巩固阶段（在线测试完成率、得分率等）。课程的具体运行时间为3月1日-5月31日，共13周，在此期间，学习者须完成全部在线学习行为，包含见面课、论坛、章测试等。截止到5月31日，该课程的选课总人数为1468人，81%的学习者学习进度高于计划进度，13%的学习者低于计划进度，6%的学习者未进行课程学习。该课程日均学习人次为600左右。1.学习发生阶段学习发生阶段重点关注该课程的学习者整体在线学习的投入程度，包括每周登陆次数和每

4、周在线视频学习人次两项数据。从开课第一周到第九周，课程的人均视频学习人次和人均登陆次数两项在整体上呈下降趋势，其中第六周和第九周因受到清明节和劳动节两个国家法定假日的影响，课程的人均学习人次下降较为明显；从第九周到第13周，由于临近期末，学习者需要抓紧时间完成各项学习任务，以防影响到期末总评成绩，所以人均视频学习人次和人均登陆次数又呈现上升趋势。2.知识获取阶段在线课程的知识获取主要通过学习者自行观看授课视频、参与见面课直播或回看见面课录像实现，因此本研究主要选取人均观看完成率和见面课完成率这两项指标。其中，人均观看完成率的测算方法是：人均视频完成率=人均观看时长/视频总时间长，见面课完成率=

5、见面课实到人数/总人数。该课程共24个授课视频视频，平均时长23分26秒。随着学习进度的深入，课程视频的人均观看完成率呈递减趋势，从最初的93%下降到84.5%，四次见面课的完成率以及见面课成绩也在逐渐下降，最终只有50.1%和3.17。3.互动反思阶段这一阶段是指学习者参与课程讨论的情况，主要研究学习者课程论坛的发帖数量，包括发帖量、回帖量、人均参与程度、人均浏览量。课程论坛累计发帖数869，累计回帖数517，最终的人均参与数为0.94次，人均参与不足1次，说明有部分同学没有参加过课程论坛中的讨论，未能获得课程总评中4分的论坛分数。人均论坛浏览量为3.65次，以该课程全学期共运行13周来看，

6、论坛的人均周浏览量仅有0.28次，课程学习的互动反思严重不足。4.学习巩固阶段这一阶段重点关注学习者在线学习任务的完成情况，如各个测试的得分率和完成率。其中，得分率=本次测试得分/本次测试总分，完成率=测试提交人数/选课人数。在各章节测试的结果中，绪论、第二章、第四章三个章节的测试得分率最低，为81.89%、82.94%和82.05%，主要原因是这三部分授课内容的信息量和难度较大，学习者必须全神贯注的进行线上视频自学后，方能较好的完成相关测试内容。此外，从各个章节测试的完成率上看，随着学习进度的推进，学习者的学习积极性略有下降。综上所述，学生的在线学习行为整体表现为：第一、重视课程开端，学习后

7、劲不足。学习者在课程学习之初，普遍投入了较高的学习热情，但随着学习的推进，无论是课程人均视频学习人次、人均登陆次数，还是视频的人均完成率、章节测试完成率都呈现明显的下降趋势。因此，要注重课程前半部分的设计和教学安排，激发学生学习持久学习的兴趣，同时要为学生提供更多的支持和鼓励，避免日渐产生的学习惰性。第二、注重考核结果，过程反思不足。学生的在线学习行为主要围绕教学要求和考核方法展开，由于课程论坛发文和回文的次数和字数都有明确要求，并且占到课程总评的4%，所以学生在学习过程中能够积极发帖并回复主题帖子。但论坛中深入互动很少，生生互动则更少，甚至学生发的大部分帖子浏览次数为0。从帖子内容上讲，绝大

8、多数帖子是学生在网上搜索相关课程内容后的复制+粘贴，甚至直接复制其他人的帖子内容。这充分说明，学生在在线学习过程中，普遍存在着应付了事的想法，并没有充分分享自己的学习问题和学习思考，缺乏有效的学习反思。三、建议与对策1.提供更为有效的多元化互动教学手段，挺高学习者参与度。例如，在每一章节的教学视频中嵌入视频弹题，时时提醒并检验学习者的学习成果，同时有效防止挂机现象；在课程论坛中及时回复学习者的疑问，并利用定期的论坛微互动搭建起师生之间、虚拟与现实之间的桥梁；设置参与度排行榜，对优秀帖子点赞、加分，充分鼓励学习者的积极表现。2.采用在线视频学习与见面课直播相结合的方式，带动整体学习效果。将学生在

9、在线自学过程中遇到的重点问题、难点问题集中在见面课中进行在线面对面解答，教师与学生借助网络实现即时视频沟通，同时形成了校际间学生的思想碰撞，授课内容和形式从而变得更加鲜活生动，课程的整体学习效果得到大幅提升。3.使用多元化的评价机制，实现个性化的学习评价。合理的多元化评价应该是结果评价（期末考试）与过程评价（章节测试、学习进度）并重，机器评价（客观题自动批阅、论坛得分）与教师评价（论坛加分、见面课表现、成绩修正）相结合，既有对学习者群体的评价（整体成绩发布），又有对学习者个体的评价（个体评定）。通过不同的维度视角对学习者进行全面客观的学习评价，最终帮助其获得关于自我的学习认知并进行自我学习调控

10、。参考文献1孙月亚.开放大学远程学习者在线学习行为的特征分析.中国电化教育J，2023，（8）：64-712刘少伟，赵长在，雷少飞.基于数据分析的学习者在线学习行为研究J.中国成人教育，2023，（23）：11-143李阳.大数据环境下在线学习行为分析模型研究D.硕士学位论文.哈尔滨理工大学，20234薛瑞璇.在线学习平台中学习者的网络学习行为分析D.硕士学位论文.云南大学，20235梁振辉.高职院校学生在线学习特点及其影响因素研究J.中国职业技术教育，2023，（26）：5-14作者简介：刘菲菲（1982-），女，汉族，黑龙江人，讲师，青岛酒店管理职业技术学院酒店管理专业教师，研究方向酒店管

11、理、信息化教学。网络课程平台中的学生学习行为分析马传玥张文艺李世豪薛良悦江仁法随着近年来我国信息技术的不断发展，信息技术与学生教育的联系也越发紧密，线上课程的出现逐渐成为当前教育改革的重要方向，对此各高校也都在不同程度上开设了相关的线上课程作为传统课程的补充。本文从线上课程的优劣势着手分析，就线上课程学生的学习行为，识别出线上学习中可能出现的误区和不确定性，并对此提出优化线上学习的几点方法。线上课程；学生；学习行为一、什么是线上课程（一）简介线上课程是近几年随着我国信息技术逐渐发展而出现的新型学习方式，它是一种可以让学生不用受到时间和空间限制，随时随地，只要通过手机、电脑或其他互联网设备，就可

12、以进行的网络学习方式。线上课程与传统课程相比，具有很多独有的优势，同时包含了如评论，弹幕等较为新颖的元素，普遍受到90后学生的青睐。（二）线上学习优劣分析1.快速和及时性线上学习因为基于网络的形式，具有快速和及时性的特点。其主要表现一方面在于学习的内容无需等待，只要有良好的网络环境，就可以随时随地开始学习，不会干扰学生正常的上课时间，而且因为线上学习不用受到所处环境的限制，也省去了学生们很多学习的附加时间，提高了学习的效率。另一方面，学生们进行线上学习时会创建自己的独立账户，所有学习资料、备份或笔记都会同步到服务器上，不用担心资料丢失的问题，也方便学生进行复习和回顾。最后，线上学习的学习内容更

13、新速度较快，對于教学体系中新出现的学习内容，线上学习可以第一时间进行同步，只要有新的学习内容，学生们可以第一时间进行学习。2.可重复性线上学习具有可复习性的特点，对于学习过的内容，学生们可以自由的选择重听或者复习，从而有利于学生们更好的掌握学习的知识点，巩固学习效果，其优势在于两个方面：第一，学生们可以通过复习或反复学习，加深对于学习中出现的重点、难点内容的掌握，通过反复思考，增强理解，提高学习的效率；第二：线上学习的复习性，可以帮助学生解决课堂上学过就忘或者边学边忘的问题。由于很多学生接受能力较弱，而传统课堂上学习节奏相对较快，所以很多学生在学习中都存在边学边忘的问题，而通过线上学习，则可以

14、帮助学生更好的巩固所学知识，加深理解。但线上学习的可复习性也可能会让学生产生依赖心理，认为反正学习的内容可以重学，学习时不用太认真，从而导致学习积极性不高，学习效率下降。3.自主式学习线上学习是一种基于构建主义的自主式学习方式。构建主义认为，学习者获取知识，不是通过教师的传授得到的，而是学习者在一定的情境下，通过其他人的帮助，并借用所学的资料，通过意义构建的方式获得的。线上学习的自主式学习特点可以帮助学生降低对于传统课堂上老师面对面授课所产生的依赖心理，帮助学生培养自主学习的意识，让学生确立自己在学习过程中的主体地位，提高学生的独立思考能力，实现学生学习的自主性、批判性和研究性。但线上学习的自

15、主式学习特点对于学生的自身约束性要求很高，且线上学习因为缺乏与教师之间的交流，缺少教师的指导与约束，对于学生们的学习能力也提出一定要求。4.个性化学习线上学习可以让学生根据自己的爱好、需求或学习风格自主的选择想要学习的内容，有效的增强学生们学习的针对性，实现学生们的个性化学习。兴趣是最好的老师，现阶段众多高校线上课程的开设均以选修的形式开展，学生们可以从众多的在线课程中选择自己感兴趣的或适合自己的课程进行学习，通过自主选择的方式，提高学生们学习的能动性，同时也就提高了学生的学习效率。但线上学习的个性化学习特点，对于一些目标不明确的学生来说，选择一门线上课程就变成了一件较为随便的事情，对于学生各

16、方面能力的培养起不到帮助。二、论线上课程的学生学习行为分析（一）线上学习中的误区在开展线上课程的相关实践中，主要强调的是线上课程对于学生自主性和交互性的培养，但现实中，学生利用线上课程学习时，仍然存在众多旁观者和观望者，线上学习往往达不到预期效果，也很难让学生通过线上课程实现自主学习。线上课程的教师，通常为学生提供了丰富的学习资源，也为学生设计了交互性很强的学习活动，但是很多学生们却没有主动的参与到教学活动中来，没有依照教师的预期，主动的获取学习资源。因此现阶段线上课程的开展存在一个严重的误区，一方面，教育者希望通过开发新的交互工具，丰富的学习内容，实现学生们学习的自主性、交互性，但另一方面，

17、学生们的参与度往往很难达到教育者的预期。良好的交互工具以及丰富的学习内容并不能有效促进在线学的活动的发生。（二）线上学习的不确定性在传统课堂上，教师的引导对于学生学习效率的提升有着关键作用，但在线上学习的过程中，学生作为学习活动的主体，教师并不能及时的掌握学生们的学习状况，也很难对学生的学习过程进行有效的调节。很多学生在思考问题时容易走弯路，或出现思考偏差，难以提高学生的在线学习效率。现阶段虽然在线学习的学习资源极为丰富，但是却忽略了在线学习中学生的主体地位，忽略了对于在线学习过程的研究。三、线上学习的优化方法（一）从学校管理角度，建设良好网络环境实现线上学习活动必须依靠于良好的网络环境，因此

18、，要想优化线上学习，学校应在根本上为学生建立良好的网络环境，学校可以再在校园网的普及，以及校园套餐的优惠政策上对学生给予帮助。在考虑到线上课程需要占用学生们课余时间，可能会存在喜欢晚上学习的学生，对于学校的断网时间可以给予一定的延迟。同时，学校在为学生建立良好网络环境的同时，也应加强对学校网络环境的监管，避免出现网络的系统漏洞，从而影响学生们的学习进程。（二）从学生自身角度，提高自主学习能力线上学习的主体是学生自己，线上学习的主要优势在于学习的自主性，因此要想对线上学习进行优化，学生必须着重提高自身的自主学习能力。一方面学生应选择自己感兴趣的线上课程，提高学习的兴趣，提高学习的积极性；另一方面

19、合理分配学习时间，给自己设定学习的时间限制，避免出现厌烦情绪；同时，在线上学习的过程中积极参与交流和互动，利用评论区或者交流区，对于不同内容发表自身独特的见解。（三）从线上学习平台角度，完善学习机制在线上学习平台方面，不仅要努力丰富学生们的学习内容，提高学生们的学习兴趣，更要做好学生线上学习的各项辅助工作，可以将线上学习课程安排进学校的教务系统，在学生进行其他课程时对其登录系统做出限制，防止出现一遍上课一遍刷课的行为。再者，随着信息技术水平的不断提高，众多刷课软件层出不穷，线上学习平台应加大监管力度，杜绝学生线上学习时出现的作弊行为。最后，在线上课程的考试中，结合所学内容，不断更新考核题目，避

20、免出现与以往相似的考题。四、总结随着信息技术的不断发展，线上课程已逐渐成为教学体制改革的重要方向，信息技术辅助教学已逐渐成为教学发展的新趋势，高校引进优秀的线上课程与使用其他优秀学者教材同等重要。线上课程对于发挥学生能动性、自主性与研究性具有重要意义，因此，无论是高校管理方面，还是学生自身，亦或是线上学习平台，都应关注到起线上课程的重要性，有效的设计和整合学习资源，利用先进的信息技术手段，为学生提供一个优秀的线上学习环境，促进线上学习的更好发展。1赵铮，李振，周东岱，钟绍春.智慧学习空间中学习行为分析及推荐系统研究J.现代教育技术，2023，26（01）：100-106.2吴洪艳.智慧学习视角

21、下个性化在线学习系统设计与应用J.中国电话教育，2023，341（06）：127-131.3家华，邹琴，祝智庭.学习分析视角下在线学习干预模型应用J.现代远程教育研究，2023，（04）：88-96.网络课程平台中的学生学习行为分析一、引言近年来，MOOC风暴席卷全球，国际上掀起了学习MOOC的热潮。在国内，互联网+教育催生的高校教学互通共享、线上线下结合的学习方式，也日益受到重视。针对地方高校的特点，深圳大学发起了UOOCs（优课）联盟，旨在合力建设网络课程库，以供联盟高校学生选修。为解决学科选课不足等问题，我国东西部理工高校课程共享联盟把直播授课、本地研讨和在线学习有机结合，形成多种混合教

22、学，消除地域差异以共同培养具有国际视野的高水平人才。在特定区域内，广州大学城推出了学分互认的校际网络公选课，总结了在教学、服务和评价模式上的创新，根据以学生满意度为主的评价，提出了加快优质共享课程建设、引导学生学习模式变革等建议1。湖北教师教育网络联盟则提出了共享课程直播及互动实施方案，在直播和互动支撑下，共建共享教师教育专业。网络时代的教学，无论在教学方式、教学工具、教学环境和教学理念上，相对于传统教学，都发生了深刻的变化。随之产生的教学评价研究也受到重视。例如，针对电子双板和Clicker结合应用的课堂，从学习结果和学习者认知能力角度，分析得出了该类型课堂能给学习者和教师带来积极影响2。关

23、于MOOC的学习行为，DuyVu、GarryRobins和PhilippaPattison利用Coursera网站的PrinciplesofMacroeconomics课程学习行为数据，采用关系事件模型，对课程参与者退课、参与讨论等行为，参与活跃程度与测验表现的影响进行研究，旨在通过分析影响网络学习过程的社会因素，促进学习者参与其中3。针对学生观看MOOC视频时的跳转行为，国内有学者采用ANCOVA分析了四种视频风格及六种PPT特征，并给出制作教学视频的三点建议4。MOOC评价指标体系也日益受到关注。西班牙的MOOC教育质量综合评价指标体系涉及学习方法、接纳性层级、虚拟课堂环境、学习成效、就业

24、认可等方面，比较全面、客观地评价了MOOC教育5。文献MOOC学习困境的形成因素分析及改进策略以江苏三所高校尔雅通识课学习者为例6通过对尔雅通识课学习者的调查，发现采用MOOC+classroom=SPOC开设课程时，人文关怀度低、证书承认度低等11种困境，将影响学习成效。同济大学在普通物理课程教学中开展了SPOC实践，从教师、学生和环境三个方面分析了影响教学效果的关键因素，以便学生适应全新的学习体验，促进他们协作探究、自身能力和学习成绩的提高7。马秀麟等基于MOOC和SPOC两种学习模式下在线学习的实效差异，指出在学习支持系统中建构面向学生个体的实时反馈机制，对保证在线学习效果有着重要作用8

25、。由此可见，在信息技术支撑下的教学改革日益兴盛，与此同时，面对线上线下交织的教学情境，分析影响上述教学的各种因素和相关方法以及评价教学成效，也是学者关注的热点。我们注意到，在网络学习环境中，师生间的教学交互得到了广泛关注。在众多课堂活动中，教学交互表现最为显著，也是最能影响学习的潜在因素9。如，学者陈丽提出了远程学习教学交互层次塔的核心理论10；学者梁云真、赵呈领等探究了云课堂网络学习空间交互行为模式及规律11。但目前对互联网+课程的学生参与行为研究尚欠缺，需要相关研究跟上。二、互联网+课程校际网络联盟共享课程随着互联网+时代的到来，湖北省通过共建共享教育优质资源带动高等教育现代化，围绕承担教

26、师教育和教师培训任务的在鄂高校，以及部分中小学，组建了湖北教师教育网络联盟。该联盟以互联网+教育为突破口，以高水平大学为核心，以区域教师学习与资源中心为服务支撑，着力打造职前职后教育一体化，学历教育和非学历教育相沟通的教师教育网络体系。联盟建设了门户网站、流媒体直播平台和互动平台，各个成员高校的直播课堂标准教室与直播平台对接，由此形成网络联盟共享课程（简称网联课程），它能够实现音视频清晰流畅的传输、教学实时互动和数字资源的即时回放。本地教师在直播课堂上课时，远程用户登陆门户网站选择正在直播的课堂，就能参与远程教学（如图1）。我们认为网联课程就是一种互联网+课程，它以校际选修的方式，向在校生全面

27、免费开放。一门课程的教学任务可由单个教师承担，也可由多个教师共同承担。在新学期开始前，各个成员学校提交本学期准备开设的课程方案，经网络联盟理事会审定的课程在网络平台公示，以供成员学校学生自由选择课程。学生可根据个人本校课表、课程类型、学业进度和知识背景等因素，来考虑是否选修网联课程。选课结束后，一所学校的学生选修人数规定为30-40人，低于选修下限的网联课程不能在该校开设。理事会最终确定上课时间和各校的直播教室后，网联课程便可正式上课。显然，课程来源、课程教师、课程类别、开课时间都会影响网联课程的选择。借助于互联网，网联课程把本地课堂教学与远程教学相结合。主讲教师在本地直播教室不仅为本地学生面

28、对面授课，通过网络也能与远程教室的学生进行视频交互，教室数量一般维持在3-5间左右，如图1所示。为保证各地教学同时开展，远程教室都会配备一个辅助教师来协同本校的学生学习。在网联课程结束后，主讲教师、辅助教师能为学生面对面答疑解惑，同时教师间也开展远程交流，使得网联课程的主讲教师能得到全面的教学反馈，保证网联课程教学效果。而在传统课堂中，教学活动是在本地面授完成的。可见，网联课程的教学交互在本地和远程同时发生，教学距离必将影响网联课程的选择。网联课程教学，创新了信息化环境下教师教育人才培养模式，推进教学内容、方法和学习方式改革。在网联课程中，分析课程选择和教学交互这两种学生参与行为，有利于促进这

29、种创新教学改革的发展。为此，我们的研究以网联课程为中心，做到课前课中课后全覆盖。研究思路与步骤上，针对参加网联课程学习的学生，开展了课前自主选课行为、课中教学交互行为、课后学生学习成绩的系列调查；在此基础上，分析了影响学生选课行为的属性效用，发生在本地和远程学习中的交互特点，及其课程结束后学生的学习成绩。根据分析的结果，从而导出研究目的：一方面，实例证明了网联课程教学能在传统课程教学基础上继承和创新；另一方面，着重提出了互联网+课程，即网联课程深入发展的优化措施。以期通过传统教学和创新教学相互借鉴、相互促进，达到教学水平和学习成效的共同提升。三、互联网+课程的自主选课行为分析湖北教师教育网络联

30、盟的在鄂6所高校于2023年春季学期开设15门校级选修课。因选修人数不满30人，其中5门网联课程未能在黄冈师范学院开设，如，华中师范大学的英语创意写作工坊、黄冈师范学院本校的心理学基础等课程。未开设课程占比30%，其余开出课程的选课人数基本接近或达到40人。未能开出的课程造成优质教学资源的浪费，为此本文将通过分析学生的选课行为来提高优质教学资源的利用率。学生参与网联课程学习的第一个行为，便是自主选课。在教师教育网络联盟推出的众多课程中，我们主要研究：哪些属性的课程最能受到学生的欢迎？当学生面对一门网联课程时，这些属性对选课行为的影响程度如何？本文采用联合分析（ConjointAnalysis）

31、方法，从定量角度进行研究。联合分析法，又称多属性组合模型，是一种多元的统计分析方法，由数理心理学家卢斯（R.Luce）和统计学家图基（J.Tukey）于1964年首次提出12。对学生选课行为的联合分析步骤，由我们确定选课属性及其水平、模拟课程、收集数据、计算特征效用和建议这五个部分组成。（一）属性及其水平从课程的开设和教学的实际情况看出，选择网联课程受五个属性影响，它们分别为：（1）课程类型；（2）课程来源；（3）授课时段；（4）课程教师；（5）教学距离，如表1所示。课程类型分为专业提升型和专业基础型两类，课程来源按大学综合声誉分为一本和二本；网联选修课上课时段一般安排在上午、下午或晚上；网联

32、课程主要是优质课程的共享，课程教师都为高级职称，中级及以下职称未列入；按教学距离可以把课堂分为本地和通过互联网连接的远程两种类型。（二）正交试验设计我们采用联合分析法研究选课行为，是基于以下思路：单独考虑某个选课行为的属性时，属性效用无法测量；若将不同水平的各项属性联合起来加以分析，属性效用有可能被间接地测量出来。因此，我们通过为学生提供由不同的属性水平组合的网联课程，让学生做出来自内心的判断，按其意愿程度给网联课程打分，然后数理统计分析每个属性水平值，使评价结果与学生的给分尽量保持一致，以此分析学生的选课行为。要表达上述五种属性的所有可能组合而成的网联课程，总共有2*2*3*2*2=48种可

33、选方案。正交设计（Orthoplan）是试验优化技术，能在多属性中选出代表性强的少数试验方案。而且通过正交设计，只需选用少量选修方案给受访学生，可以减少他们的混乱和疲劳程度。根据表1，我们应用SPSS联合分析的正交设计过程，只得到8个设计卡片（Plancards），如表2所示13。第1号受测体的水平组合为a1b1c2d1e1，表示该门网联课程来源于二本院校，为专业提升型课程，在晚上开课，由副教授通过远程视频授课。根据表2的8个选课组合制成调查问卷，受访者为正在学习网联课程的学生，共回收问卷20份。受访者对每个选课组合进行偏好打分，偏好值范围为1-8，最强偏好为8，最弱偏好为1。偏好值越大，表明

34、受访者越喜欢这种选课组合。受访学生的偏好估计，构成了数据分析的基础。（三）属性的水平效用在获得数据分析之前，必须重视属性水平的编码（见表1）与偏好之间的关系。对于属性课程来源学校，在其它属性水平相同时，受访者将对一本院校（水平值2）比二本院校（水平值1）会产生更强的偏好，在SPSS中通过LINEARMORE标明，如表1所示。课程教师职称属性类似，而课程类型、教学距离在水平值与偏好间没有明确的相关关系，标记为DISCRETE。表面上认为授课时段的水平值与偏好存在LINEARLESS关系，然而事实分析表明，当授课时段标记为DISCRETE时，与实际情况更相符。采用联合分析方法后，各个属性水平的效用

35、值及其标准误差如表3所示。属性课程类型的专业基础型成分效用值为0.608，而专业提升型成分效用值为0.608。根据调查，大多数为大一、大二的学生，其中大二参加选修课的同学有99.44%之多，这时学生尚处在基础课程学习阶段，还未能形成个人特长，因此对专业提升型课程不敏感。属性课程来源水平的成分效用值为正，即课程来源学校的水平上升能导致效用的上升。授课时段的下午水平效用值为0.4，上午效用值为-0.15，而晚上效用值为-0.25。原因在于：一方面，学校本地课程尽量在上午开设，学生下午的自习时间比上午多，而选修网联课程无法进入各学校统一排课，往往上午的课程因与其他课程发生冲突而取消；另一方面，在大二

36、选修网联课程的学生占比90%以上，晚上时间一般为学生个性化发展时间，导致在下午时间选修网联课程受到学生欢迎。课程教师职称的成分效用随属性水平值上升而增加。受传统课堂的惯性影响，教学距离的效用值表明学生更偏爱本地面授。表2中第1号受测体的水平组合为a1b1c2d1e1，总效用值为：表2中其他受测体的总效用值，也由此计算而来。8个受测体按总效用值大小排序形成如表2所示的估算偏好名次；同时，根据学生对8个受测体的偏好估计总和排序，形成表2中的实测偏好名次。根据Kendall’sTau测量出实测偏好名次与估算偏好名次顺序之间的相关系数为0.929（p=0.001），表明联合分析能够较好地构

37、建经验数据。根据表3列出的各个属性水平的效用值，可以安排一本院校教授在中午时间段开设专业基础型的网联课程，并且尽量避免二本院校副教授在晚上开设专业提升型的网联课程。根据统计数据，总效用值在4.3以上的网联课程，其开设成功的可能性较大。例如，黄冈师范学院的心理学基础英汉互译课程的总效用值分别为3.550、2.33，在同质课程选课过程中由于竞争弱势而未能开设。表3中列出了五个属性的相对重要性百分率值，它关系到影响偏好改变的重要程度。可以看出，课程来源对20个受访者总的偏好影响最强（26.719%），表明课程质量对学生有巨大影响；而授课时段重要性（25.816%）只稍弱一些，表明学生能否安排出时间对

38、网联课程的学习有很大影响；虽然教学距离决定网联课程可能采用面授或远程视频授课，但对学生的偏爱影响最小，表明学生愿意接受新型的教学方式，这为大面积开展校际优质课程资源共享提供了可能，也表明：在教学中，有效的知识学习才是学生的关注点。四、互联网+课程的教学交互行为分析学生参与网联课程学习的重要行为是教学交互。教学交互指学习者与学习环境相互交流与相互作用，进而追求自身发展的过程14，Moore认为，教学交互包括学习者与学习内容、学习者与教师之间、学习者之间三种类型的交互15。网联课程涉及的交互行为较为复杂，也影响着教学过程。除了每个教室存在三种类型的教学交互，本地和远程教师之间也能沟通交流，依托系统

39、平台，不同教室的师生还能跨地域交流。由于网联课程教室装备有硬件设备和软件系统，存在技术服务团队。它由网络技术人员和多媒体技术人员组成，可响应教师对系统的需求，维持网络畅通和录播设备系统的正常运行。我们选取了一个由本地教师面授财务学及技术基础课程的班级和一个接收远程视频授课心理学基础课程的班级，辅助以学生、教师和技术人员名录，面向班级内学生，采用问卷调查研究法，围绕在网联课程教学过程中与谁进行了有效的教学交互问题进行了调查。而对面向对应班级的本地教师，采用访谈法，询问在网联课程开设中与谁有过教学相关的沟通。综合教师和学生选取的教学交互对象，绘制了教学交互网络图，如图2所示。图2（a）为本地面授教

40、学教师的交互网络图，图2（b）为远程视频授课教师的教学交互图。图中t1-t5为参与直播课堂的教师，标示为大圆圈；a1-a2为教辅维护人员，标示为正方形；s5-s44为40名学生，标示为小圆圈。在图2中，直播课堂的教师之间都保持着联系，他们与本地学生有沟通，但与异地学生没有交互。直播课堂的学生存在部分联系，但联系覆盖面不广，很多学生还处在孤立中。我们通过分析得知，作为直播课堂的教师，不仅需要熟悉设备的使用，还需要形成异地合作的教师团队，及时交流工作，相互之间保持着联系。主讲教师进行教学时，与本地学生开展师问生答的交互活动；远程教师及时关注课堂动态，督促学生连贯有序地学习。由于目前开设的网联课程主

41、要为选修课而非专业课程，学生来自各个专业，少数学生之间会开展学习探讨，但大多数学生并不急于讨论课程知识；虽然能看到主讲教师，然而受课堂设备的限制，异地班级的学生较少开展交互。在网联课程教学的交互网络中，教师有很强的结构优势和信息优势，为多个班级的个体带来知识信息和学习资源。与此相应，某个学生在网络课程学习中保持了兴趣优势，必然会与教师、同学建立更多的交互，掌握更多的信息。根据Burt的结构洞理论16，这些节点在网络中会占据更多的结构洞。所谓结构洞，即社会网络中某个或某些个体和有些个体发生直接联系，但与有些个体不发生直接联系、无直接关系或关系间断（Disconnection）的现象，从网络整体看

42、好像是网络结构中出现了洞穴。网络约束系数（NetworkConstraintIndex）是测量结构洞的方法之一17。当网络约束系数越高，占据的结构洞越少，网络闭合性越高。网络约束系数越低，表明该节点覆盖的网络越开放，即占据的结构洞数量越多。我们采用R语言计算出图2所示节点的网络约束系数值18，如图3所示。根据网络约束系数计算方法，孤立结节的网络约束系数未定义，不在图中显示；度为1的节点网络约束系数为1，度为2的节点网络约束系数为0.5。在图3（a）中，主讲教师t1的网络约束系数为0.0625，是该网络中的最小值，表明该主讲教师与本地学生各个群体间保持沟通，占据了最多的结构洞。从图2（a）看出，

43、不管是本地或远程，教师与学生的沟通覆盖面还可扩展。我们调查分析得知，在网络课堂教学中，当主讲教师提出问题时，远程学生一般不会配合而只能找本地学生回答。主讲教师为了保持本地与远程关注的均衡，虽然不刻意与本地学生交互，但也表现出对新教学环境交互的不适应。在图3（a）中，学生s9、s31有相对较低的网络约束系数，表明这些学生在课堂沟通不充分的情况下，充当了学生群体间的关键中间人。在图3（b）中，t1为远程主讲教师，t2为远程视频课堂的本地教师，负责支持教学顺利进行。正如前面所述，主讲教师与远程学生不交流，在远程视频课堂的交互网络中本地教师t2的网络约束系数（0.2）小于远程主讲教师。但图2（b）中本

44、地教师t2的网络约束系数仍明显大于图2（a）主讲教师t1的系数值，表明当远程学生观看课堂教学视频时，不习惯与本地教师开展互动，此时本地教师的职能主要体现为课堂监督和提醒。因此，在调动学生学习积极性上，教师群体需要反思如何在新环境中实现有效交互。在图3（b）中，学生s8有相对较低的网络约束系数，表明在网联课程的班级中，个别学生对该门知识感兴趣，当课堂交流不充分时，自然产生了分担教师角色的中间人。五、互联网+课程的教学优化措施我们通过对参加过网联课程学习的108名学生的随机调查，发现绝大多数学生都认可传统教学和网联教学两种方式。通过网联课程的学习，64.38%的学生对网联课程的学习评价非常高，并希

45、望湖北省网络师范联盟多开设一些课程来满足他们的兴趣和学业，丰富大学生活；16.48%的学生认为通过这种方式能了解到更多的学校和教师，同时加深了对本校教学的认识。我们选取以网联方式开设教师职业素养和能力提升课程的班级学生成绩和以传统方式开设该课程的4个班级的学生成绩为比较对象，经过方差方程的levene检验和均值方程的t检验，发现两者具有方差齐性和均值差异不显著性，而在选修课程教学中两者无明显差别。可见，学生能够接受网联课程的教学形式。综上所述，网联课程受到学生认可，教学效果得到了保证，基本实现了优质资源共享。我们根据学生的选课行为分析，学生对课程来源学校存在很大的偏爱差异，这必将导致单个学校网

46、联课程的建设竞争存在差异性。根据交互行为分析，在主讲教师、辅助教师、本地学生、远程学生四类角色中，他们的内部和相互之间的教学交互存在不足。因此，有必要根据学生参与行为来优化网联课堂，突出网联课程共建共享优质资源的特征。（一）多方联合建设网联课程在互联网+教育背景下成立的教师教育网络联盟，旨在以高水平大学为核心，以区域教师学习与资源中心为服务支撑，建立优质教育资源共建共享的教师教育网络体系。通过调查发现，在互联网+课程的网联课程中，来源学校的相对重要性为26.719%，在影响选课行为的五个属性中占比最高。与之相应，来源于一本院校的网联课程效用值为3.833，来源于二本院校的网联课程效用值为1.9

47、17，这必将导致少数一本院校承担过多网联课程建设，而部分学校课程建设不足的局面。显然，网联课程的发展潜藏着违背联盟初衷的隐患。研究发现，当院校联合建设网联课程时，将影响各个学校学生选课的总效用值趋于平衡。表4给出了合作或单独建设网联课程的效用比较情况，其中，U1表示某一本院校，U2、U3表示某两所二本院校，b2（U1）表示U1学校的课程来源属性是b2水平（一本），d1（U1）表示U1学校的课程教师属性是d1水平（副教授），其余依此类推。为方便计算，+表示以课时均分的合作授课形式，在计算总效用值时采用相同加权作用于五个属性。从表4看出，当单独建设课程时，来源于一本院校的总效用值会明显大于二本院校

48、。当表4中第一项U1、U2联合建设课程时，所有共享学校的总效用值明显高于仅由U2建设的课程，稍微低于仅由U1建设的课程，而不是两者之和的平均。参与联合建设的学校具有相同总效用值，且略高于仅开设远程课程的学校，这是因为这些学校的学生有机会接受面授对课堂交互产生了积极的影响。因此，联合建设网联课程具有积极的现实意义。第一，在联合建设课程时，需要明确联合学校的数量。从表4可以看出，第二项方案以U1、U2、U3联合建设课程时，三方的总效用值相同，而低于第一项方案以U1、U2合作建设的总效用值。这是因为课时均分的合作授课形式采用相同加权计算总效用值，可以推测，多所普通院校的合作，必然削弱高水平大学的课程建设优势，并导致学生逐渐失去对网联课程的兴趣。由此可见，当合作建设网联课程时，高水平大学要在开课时间、教师数量和质量上形成核心优势，