張 仙,劉云華,張媛媛,周 鋁
(1.云南農業(yè)大學 經濟管理學院,云南 昆明 650201;2.云南農業(yè)大學 基礎與信息工程學院,云南 昆明 650201)
基于Mood le混合教學的學習行為分析*
——以“網上支付與電子銀行”為例
張 仙1,劉云華2,張媛媛1,周 鋁1
(1.云南農業(yè)大學 經濟管理學院,云南 昆明 650201;2.云南農業(yè)大學 基礎與信息工程學院,云南 昆明 650201)
Moodle是一款開源軟件,現(xiàn)已被很多教育機構用來進行混合式教學,其強大的功能不僅能為學習者提供大量的學習資源及交流空間,還能記錄學習者學習行為的數(shù)據(jù)。本文通過數(shù)據(jù)挖掘工具,挖掘M oodle系統(tǒng)中存在的大量數(shù)據(jù),分析其行為,重構學生學習活動,總結其取得的成績和存在的不足,為進一步提高教學質量提供參考意見。
數(shù)據(jù)挖掘;Moodle;混合教學
Moodle是一款開源軟件,現(xiàn)已被很多教育機構用來進行混合式教學,其強大的功能不僅能為學習者提供大量的學習資源及交流空間,還能記錄學習者學習行為的數(shù)據(jù)。[1]如何更好地根據(jù)學習者學習行為數(shù)據(jù),重構學習活動,分析其取得的成績和存在的不足,進一步提高Moodle使用質量,這是值得研究的問題。
當前,利用Moodle開展網絡教學已成為國內外高校教學應用的重要形式。[2]在過去的幾年里,有學者從如何構建更適合網絡教學的Moodle平臺進行了研究;有學者從Moodle網絡課程設計及建設的角度進行了研究;有學者從Moodle網絡教學的策略、模式進行了研究;還有學者對利用Moodle平臺開展的混合教學實踐進行了研究。[3-6]但這些主要是從教的角度進行研究,從學習者的角度進行研究的比較少。
近年來,有許多學者采用不同的數(shù)據(jù)挖掘方法去幫助教學人員改善教學及管理。[7]但利用數(shù)據(jù)挖掘工具,來研究Moodle網絡教學過程,特別是研究學習者行為的,當前并不多見。本研究根據(jù)Moodle網絡課程中的“網上支付與電子銀行”的日志及數(shù)據(jù),進行分析及數(shù)據(jù)挖掘,對如何提高教學質量進行了思考。
1.研究工具
本研究主要采用Moodle提供的工具及Weka(Waikato Environment for Knowledge Analysis)系統(tǒng)來進行數(shù)據(jù)統(tǒng)計及挖掘分析。
2.研究對象
本研究選擇了“網上支付與電子銀行”這門課程進行個別化教學的實踐。本門課程的使用者人數(shù)是60人。選這門課程主要是由于筆者在教學中使用了Moodle的大多數(shù)活動和資源(教學內容、作業(yè)、論壇、測試等),而且最終的成績也能獲得。
3.數(shù)據(jù)來源
本研究的數(shù)據(jù)主要來源于Moodle課程提供的日志及各類報表,如學習者活動報表、訪問報表和測試情況報表等。
1.統(tǒng)計
為了更好地重構學習活動,本研究主要從學生學習狀況、課程資源訪問情況、學習成績分析等方面進行統(tǒng)計分析。
(1)學生學習狀況
Moodle活動報表詳細記錄了學生學習活動情況,根據(jù)活動報表,本研究統(tǒng)計出了學生上網學習的頻次,如表1所示。從表1中可以看出,不同的學生訪問次數(shù)存在顯著差別。由于本網絡課程是配合傳統(tǒng)教學開展的,所以存在一部分學生在老師強制的情況下才會登錄Moodle,完成老師的教學要求。當然,根據(jù)不同學生的訪問情況,教師可以對學習積極性差的學生進行督促,以便達到教學目標。
表1 Moodle學習者活動情況統(tǒng)計表
(2)課程資源訪問情況
為了獲得學生對本課程不同主題相關內容的訪問情況,本研究根據(jù)訪問報表,統(tǒng)計了每一主題、每一內容的訪問情況,其結果如表2所示。
表2 課程訪問情況
表2表明,不同的主題、不同內容的訪問情況不一樣。在每一個主題中,不同內容的訪問情況也不一樣,其中,測驗訪問量最高,教學課件其次,教學內容、參考資源及討論區(qū)訪問量都較低。這表明本課程的混合教學中,學生最關心與考試密切相關的內容,這和我國的應試教育有一定的關系。當然,根據(jù)本課程主題的訪問情況,可以獲得整個主題受歡迎的程度,在此基礎上,進一步修改和完善相關內容和教學策略,使教學內容更受歡迎,使學生更積極主動地進行學習。
(3)學習成績分析
對于學生的測試,Moodle提供測試情況報表,如表3所示。
表3 部分測試情況報表
測試報表描述了測驗數(shù)據(jù)處理狀況,主要包括正確率、標準差、區(qū)分度、區(qū)分系數(shù)等。根據(jù)這些數(shù)據(jù),可以看到哪些題目比較困難,哪些題目比較簡單,哪些問題具有高區(qū)分度。根據(jù)表3,如果題目太容易、太困難或沒有區(qū)分度,教師能刪除或修改問題。
2.簇
簇是將一個群體根據(jù)特征劃分為相似團體的過程。在本研究中,簇被用來尋找具有相似學習特征的學生,在此基礎上進行群體性的指導和協(xié)作學習。同時,對不同群體,有針對性地提供學習內容和提出相應的改進意見。
為了找出具有相似學習特征的學生,本研究采用了Weka中KMean算法,使用屬性k的3族劃分數(shù)目,來簇化學生群。表4顯示每個簇的質心點,每個簇中案例的數(shù)目。
表4 學習族劃分表
從表4中可以看出,有三個學生簇。簇0是積極上網學習課程內容,按要求完成作業(yè),積極參加討論的學生,這是非?;钴S的學生;簇1是比較活躍的學生;簇2是不活躍的學生。根據(jù)這些信息,教師能把學生劃分為不同的群體,在此基礎上進行分類指導。當然,教師也可以根據(jù)新來的學生的特征,將其歸入不同的簇。
3.關聯(lián)規(guī)則挖掘
Weka系統(tǒng)有一些可以被用來處理關聯(lián)法則的算法。本研究使用最小支持度0.3和最小可信度0.9作為參數(shù),利用Apriori算法去查找課程“網上支付與電子銀行”的離散概況。通過挖掘,Weka找到了很多規(guī)則,如表5所示。
表5 學習規(guī)則挖掘
這些規(guī)則可以分為兩類,第一類是常規(guī)經驗,第二類是非常規(guī)經驗。第一類中得到的一些規(guī)則,根據(jù)教學經驗和學習經驗較容易得到,比如規(guī)則1、2、3、6、8、9、10。如規(guī)則1表明,很少上論壇(total_time_forum=low)的學生,也很少閱讀教學內容(n_read_l=low);規(guī)則6表明,如果學生平時成績不錯 (n_assignment=good),那最終成績也會很優(yōu)秀(mark=good);規(guī)則9表明,測驗成績很低(n_quiz=low),并且很少給向教師發(fā)送信息(n_messages_t=low)的學生,最終成績也很低(mark=low))。第二類中得到的一些規(guī)則,是平時教學中沒注意到的,比如規(guī)則4、5、7。如規(guī)則4表明,經常閱讀教學內容(n_read_l =medium),但很少和教師交流的(n_messages_t=low),最終成績也很低(Mark=low);規(guī)則7表明,很少閱讀課件(n_read_p=low),但作業(yè)完成的很好的同學(n_assignment =good),會積極參加討論區(qū)的討論(n_read_b)。根據(jù)這些非常規(guī)經驗,可以幫助教師改進教學行為以及監(jiān)測學生的學習情況。
通過Moodle提供的學習行為日志及活動報表的統(tǒng)計、聚類及關聯(lián)規(guī)則分析,可以看出本混合教學中的Moodle網絡教學對學生學習比較有幫助的是習題和測驗,其次是教學內容。這也表明,本課程還需要進一步完善,改革考核方式,加強學生學習活動設計及引導,調動學生網上自主學習的積極性,培養(yǎng)學生自主學習、自主探索的能力,從而使其形成良好的學習習慣,為學生終生學習奠定基礎,而不僅僅是為了完成考試而學習。☉
[1]黎加厚.課程管理系統(tǒng)Moodle在中國的發(fā)展[EB/OL]. http://blog.sina.com/shnuli.2011.2.1.
[2]趙國棟,原帥.混合式學習的學生滿意度及影響因素研究[J].中國遠程教育,2010(6):32-38.
[3]葉海松,季雋.Moodle的二次開發(fā)與設計[J].電化教育研究,2007(4):50-55.
[4]王潤蘭,李錚錚,唐洛等.論Moodle網絡教學平臺與“教學設計”課程整合教學的優(yōu)勢[J].電化教育研究, 2009(9):96-99.
[5]楊麗君,陳波.基于Moodle學習平臺的中小學校長培訓新模式初探[J].電化教育研究,2008(10):53-60.
[6]周躍良,唐小娟.利用混合式學習改革高校教學的策略[J].電化教育研究,2007(11):56-59.
[7]Rossett,A.,Douglis,F.&Frazee,R.V.Strategies for Building Blended Learning[J].Learning Circuits,2003(7):1-6.
(編輯:楊馥紅)
G434
B
1673-8454(2011)23-0077-03
云南農業(yè)大學第七批校級一類課程建設項目“網上支付與電子銀行”資助。