張京洲，周艷麗，江 芳

線上教學(xué)課程綜合服務(wù)能力評(píng)價(jià)——基于主成分分析法的實(shí)證研究

張京洲1，周艷麗2，江 芳3

（1．安徽商貿(mào)職業(yè)技術(shù)學(xué)院 電子商務(wù)學(xué)院，安徽 蕪湖 241002； 2． 安徽商貿(mào)職業(yè)技術(shù)學(xué)院 信息與人工智能學(xué)院，安徽 蕪湖 241002； 3．安徽商貿(mào)職業(yè)技術(shù)學(xué)院 組織人事處，安徽 蕪湖 241002）

“停課不停學(xué)”加快了線上教學(xué)課程建設(shè)的步伐，及時(shí)滿足了各高校專(zhuān)業(yè)學(xué)習(xí)需求，發(fā)揮了巨大的作用。線上教學(xué)課程是否受歡迎，學(xué)生學(xué)習(xí)參與度如何，是線上教學(xué)課程綜合服務(wù)能力的重要體現(xiàn)。通過(guò)對(duì)線上教學(xué)實(shí)施過(guò)程及效果的實(shí)證研究，總結(jié)出影響線上教學(xué)課程綜合服務(wù)能力的主要因素有課程性質(zhì)、課程興趣、課程需要和課程服務(wù)等，并提出根據(jù)課程性質(zhì)彌補(bǔ)課程綜合服務(wù)能力指標(biāo)短板；區(qū)分學(xué)生學(xué)習(xí)目的，制定靈活的課程服務(wù)方式；厘清學(xué)生的課程需要與課程興趣，杜絕“假學(xué)習(xí)”現(xiàn)象和構(gòu)建在線課程“進(jìn)退”機(jī)制，加大獎(jiǎng)懲力度等管理建議。

線上教學(xué)；服務(wù)能力；評(píng)價(jià)；主成分分析；實(shí)證研究

一、引言

2020年初，新型冠狀病毒感染肺炎疫情在國(guó)內(nèi)迅速蔓延。受疫情影響，教育主管部門(mén)及時(shí)發(fā)布了“推遲開(kāi)學(xué)、線上教學(xué)”的通知。各高校積極響應(yīng)教育主管部門(mén)的號(hào)召，開(kāi)展了多種多樣的“停課不停學(xué)”線上教學(xué)活動(dòng)。[1]然而，“停課不停學(xué)”的線上教學(xué)逐漸浮現(xiàn)出諸多問(wèn)題[2]，許多學(xué)者從不同視角進(jìn)行問(wèn)題剖析并提出了管理建議，主要從“在線學(xué)習(xí)體驗(yàn)”“在線學(xué)習(xí)效果控制”和“具體課程在線教學(xué)方法”等方面進(jìn)行研究。如賈文軍（2020）對(duì)大學(xué)生在線學(xué)習(xí)體驗(yàn)進(jìn)行了聚類(lèi)分析研究，分別從課前的軟硬件條件、課中的教學(xué)平臺(tái)使用和教學(xué)組織及課后教學(xué)輔導(dǎo)等方面分析了在線學(xué)習(xí)體驗(yàn)的影響狀況，研究表明，大學(xué)生在線學(xué)習(xí)接受度較高，但體驗(yàn)感不強(qiáng)，希望回歸線下教學(xué)方式。[3]劉可（2020）對(duì)學(xué)生在線學(xué)習(xí)效果控制機(jī)制進(jìn)行了研究，將學(xué)生學(xué)習(xí)行為分為主動(dòng)型、自由型和被動(dòng)型三類(lèi)，研究結(jié)果表明，課前預(yù)習(xí)完成率和參與直播時(shí)長(zhǎng)是控制學(xué)生在線學(xué)習(xí)效果的主控因素。[4]唐源（2020）對(duì)在線教學(xué)方法進(jìn)行了探討與實(shí)踐，從網(wǎng)課平臺(tái)選擇、課件與視頻制作、教學(xué)活動(dòng)設(shè)計(jì)等方面提高課程在線教學(xué)質(zhì)量。[5]然而，是否所有課程都適合開(kāi)展在線教學(xué)？學(xué)生對(duì)不同課程（公共課與專(zhuān)業(yè)課、實(shí)操課與理論課等）的喜愛(ài)程度如何？各課程的學(xué)習(xí)人數(shù)、討論參與人數(shù)、課程輔助資料等綜合表現(xiàn)如何？課程綜合表現(xiàn)差異性及應(yīng)對(duì)策略有哪些？目前相關(guān)文獻(xiàn)研究甚少，本文以此為契入點(diǎn)，以線上教學(xué)課程綜合服務(wù)能力為研究主題進(jìn)行實(shí)證探究。

二、研究方法與變量選擇

（一）研究變量選擇

本文引用數(shù)據(jù)來(lái)源于安徽省網(wǎng)絡(luò)課程學(xué)習(xí)中心平臺(tái)e會(huì)學(xué)在線課程平臺(tái)數(shù)據(jù)，數(shù)據(jù)統(tǒng)計(jì)時(shí)間為自課程開(kāi)設(shè)以來(lái)至2020年6月，以某高職學(xué)校開(kāi)設(shè)的57門(mén)MOOC課程數(shù)據(jù)為研究樣本。本文在原始數(shù)據(jù)中選取了9個(gè)變量，分別為課程名稱(chēng)（KC）、課程開(kāi)課周期（X1）、在線課程教師數(shù)量（X2）、課程學(xué)習(xí)人數(shù)（X3）、課程資料數(shù)量（X4）、教師總討論數(shù)（X5）、課程討論參與人數(shù)（X6）、隨堂作業(yè)參與人次（X7）和瀏覽量（X8）。

（二）研究方法

本文采用主成分分析方法（Principal Components Analysis），利用降維的思想，在損失較少數(shù)據(jù)信息的基礎(chǔ)上把多個(gè)線性相關(guān)的指標(biāo)轉(zhuǎn)化為幾個(gè)不相關(guān)的有代表意義的綜合指標(biāo)，具體計(jì)算過(guò)程參閱了相關(guān)統(tǒng)計(jì)學(xué)書(shū)籍。

三、實(shí)證分析

（一）數(shù)據(jù)標(biāo)準(zhǔn)化和因子分析適合檢驗(yàn)

首先，運(yùn)用統(tǒng)計(jì)分析軟件SPSS24.0對(duì)數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)（因篇幅受限，數(shù)據(jù)圖表略），各變量的均值和標(biāo)準(zhǔn)差的差異性較大；其次，對(duì)X1-X8的8個(gè)變量數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，消除變量的量綱對(duì)分析結(jié)果的影響；最后，對(duì)標(biāo)準(zhǔn)化處理后的8個(gè)新變量進(jìn)行KMO和巴特利特檢驗(yàn)。如表1所示，KMO值為0.674，大于0.6，巴特利特球形度檢驗(yàn)結(jié)果顯示，近似卡方分布值為182.898，在自由度為28的條件下顯著性概率達(dá)到了0.000，小于0.01，為高度顯著，說(shuō)明變量適合采用因子分析法。

表1 因子分析適合檢驗(yàn)

（二）公因子方差分析和總方差解釋

運(yùn)用統(tǒng)計(jì)分析軟件SPSS24.0對(duì)8個(gè)新變量進(jìn)行公因子方差分析。如表2所示，除了“教師數(shù)量”外，大部分公因子方差都在70%以上，所提取的公因子對(duì)各變量的解釋能力很強(qiáng)。

總方差解釋數(shù)據(jù)結(jié)果，如表3所示，初始特征值大于1的有三個(gè)因子，累積總方差解釋率為74.197%，大于60%，能夠較好地解釋原信息量。

表2 公因子方差

表3 總方差解釋

（三）成分得分系數(shù)矩陣和主成分因子表達(dá)式

成分得分系數(shù)矩陣顯示了3個(gè)主成分與8個(gè)變量之間的關(guān)系，如表4所示。據(jù)此可以寫(xiě)出各公因子的表達(dá)式①表達(dá)式中各個(gè)變量已經(jīng)不是原始變量，而是數(shù)據(jù)標(biāo)準(zhǔn)化后的變量，比如ZX1代表的是原始變量X1標(biāo)準(zhǔn)化后的變量，其他以此類(lèi)推。：

F1=0.161*ZX1-0.031*ZX2+0.085*ZX3+0.229*Z

X4+0.154*ZX5+0.258*ZX6+0.262*ZX7+0.273*ZX8

F2=0.422*ZX1+0.265*ZX2+0.544*ZX3-0.034*ZX4-0.263*ZX5-0.157*ZX6-0.094*ZX7+0.029*ZX8

F3=-0.282*ZX1+0.341*ZX2-0.05*ZX3-0.399*ZX4-0.434*ZX5+0.279*ZX6+0.356*ZX7+0.195*ZX8

（四）綜合得分排名和分類(lèi)梳理

為了對(duì)課程綜合服務(wù)能力情況做進(jìn)一步分析，要對(duì)各課程進(jìn)行綜合得分計(jì)算并排序，如表5所示。根據(jù)綜合得分大于1、（0.2，1]、（0，0.2]、[-0.4，0]、小于-0.4進(jìn)行分類(lèi)②綜合得分分類(lèi)通常以“小于0、[0，1]、大于1”為劃分界限，但在實(shí)際操作中要結(jié)合變量所代表的實(shí)際意義進(jìn)行劃分，本文課程變量實(shí)際上分為公共課與專(zhuān)業(yè)課、實(shí)操類(lèi)課程與理論類(lèi)課程等，因此劃分了5類(lèi)，便于比較說(shuō)明。，將57門(mén)課程分為5類(lèi)，如表5所示。

第1類(lèi)課程的綜合得分最高（3個(gè)），以公共課為主，其中基礎(chǔ)會(huì)計(jì)課程的開(kāi)課班級(jí)較多；

第2類(lèi)課程的綜合得分較高（14個(gè)），以公共課和專(zhuān)業(yè)基礎(chǔ)課為主；

第3類(lèi)課程的綜合得分一般（6個(gè)），以專(zhuān)業(yè)課為主，實(shí)操類(lèi)課程較少；

第4類(lèi)課程的綜合得分較低（21個(gè)），以專(zhuān)業(yè)課為主，且實(shí)操類(lèi)課較多；

第5類(lèi)課程的綜合得分最低（13個(gè)），大部分是實(shí)操類(lèi)課程。

表4 成分得分系數(shù)

表5 分類(lèi)結(jié)果

（五）主因子命名

采用因子提取最大似然法和因子旋轉(zhuǎn)最大方差法進(jìn)行探索性因子分析。如表6所示，以特征值大于1作為標(biāo)準(zhǔn)設(shè)置因子個(gè)數(shù)，旋轉(zhuǎn)后因子矩陣為3個(gè)因子。根據(jù)各因子載荷系數(shù)分值和變量代表的實(shí)際意義，對(duì)提取到的因子進(jìn)行命名。將“隨堂作業(yè)參與人次、課堂討論參與人數(shù)和課程瀏覽量”命名為“課程興趣”，將“開(kāi)課周期、學(xué)習(xí)人數(shù)和教師數(shù)量”命名為“課程需要”，將“非視頻資源總數(shù)、教師總討論數(shù)”命名為“課程服務(wù)”。其中，“教師數(shù)量”分值過(guò)低，且在“開(kāi)課周期、學(xué)習(xí)人數(shù)和教師數(shù)量”相關(guān)性分析中（因篇幅受限，相關(guān)性分析圖表略），其與另外兩個(gè)變量皆為非顯著性相關(guān)，故從“課程需要”中剔除。表6中各因子載荷系數(shù)均大于0.4（除教師數(shù)量），變量與因子緊密關(guān)系程度較高，變量與因子對(duì)應(yīng)關(guān)系清晰，符合變量所代表的專(zhuān)業(yè)知識(shí)實(shí)際情況，所選取變量具有良好的結(jié)構(gòu)效度。

表6 主因子提取與命名

四、結(jié)論與建議

（一）結(jié)論

數(shù)據(jù)描述性統(tǒng)計(jì)結(jié)果顯示，標(biāo)準(zhǔn)差較大的是課程瀏覽量、隨堂作業(yè)參與人次和學(xué)習(xí)人數(shù)，即不同課程在這三個(gè)方面的數(shù)據(jù)差異性明顯；主成分分析結(jié)果顯示，綜合得分差異較明顯。根據(jù)綜合得分高低并結(jié)合課程性質(zhì)將課程分為5類(lèi)。數(shù)據(jù)顯示，綜合得分較高的課程為公共課和專(zhuān)業(yè)基礎(chǔ)課，綜合得分較低的課程為實(shí)操類(lèi)專(zhuān)業(yè)課；探索性因子分析結(jié)果顯示，變量與因子緊密關(guān)系程度較高，變量與因子對(duì)應(yīng)關(guān)系清晰，所選取變量具有良好的結(jié)構(gòu)效度。結(jié)合專(zhuān)業(yè)知識(shí)實(shí)際情況，提取了三個(gè)因子并命名為：課程興趣、課程需要和課程服務(wù)。根據(jù)課程興趣高低、課程需要高低和課程服務(wù)高低可劃分為9個(gè)細(xì)分組合以體現(xiàn)出不同水平特征的課程綜合服務(wù)能力。

（二）建議

1．根據(jù)課程性質(zhì)，彌補(bǔ)課程綜合服務(wù)能力指標(biāo)短板

課程性質(zhì)決定課程觀看人數(shù)等課程綜合服務(wù)能力指標(biāo)，比如實(shí)操類(lèi)專(zhuān)業(yè)課與公共課（適合于不同專(zhuān)業(yè)背景的學(xué)生和社會(huì)人士觀看學(xué)習(xí)）相比，受眾較少而且需要邊看邊操作。那些在家通過(guò)電腦在線觀看學(xué)習(xí)的學(xué)生很難達(dá)到預(yù)期學(xué)習(xí)效果，使得課程討論參與人次和課程瀏覽量較少。對(duì)此，課程負(fù)責(zé)人應(yīng)通過(guò)動(dòng)畫(huà)演示、游戲互動(dòng)等方式來(lái)彌補(bǔ)在線學(xué)習(xí)無(wú)法實(shí)操的缺陷，提高課程討論參與的積極性。

2．區(qū)分學(xué)生學(xué)習(xí)目的，制定靈活的課程服務(wù)方式

在線課程學(xué)習(xí)群體中，一般分為本校專(zhuān)業(yè)學(xué)生、校外專(zhuān)業(yè)學(xué)生及社會(huì)人士。課程負(fù)責(zé)人要區(qū)分清楚課程學(xué)員學(xué)習(xí)目的，配備相應(yīng)的輔助材料，滿足學(xué)生學(xué)習(xí)需要。比如，針對(duì)在校專(zhuān)業(yè)學(xué)生可提供豐富的練習(xí)題與答疑互動(dòng)，針對(duì)社會(huì)人士可提供操作性強(qiáng)或商業(yè)化運(yùn)作的相關(guān)技能知識(shí)。

3．厘清學(xué)生的課程需要與課程興趣，杜絕“假學(xué)習(xí)”現(xiàn)象

在線課程建設(shè)已有數(shù)年，但總體上數(shù)量不夠多。受新冠疫情影響，各高校在短時(shí)間內(nèi)建設(shè)了大量的在線課程，其中，絕大部分課程是源于學(xué)生的“課程需要”而非“課程興趣”，即是為了彌補(bǔ)線下教學(xué)需要而開(kāi)設(shè)的。訪談?wù){(diào)研發(fā)現(xiàn)，部分學(xué)生參加有些在線課程的學(xué)習(xí)是出于“課程需要”（必須參加該門(mén)課程學(xué)習(xí)，否則課程成績(jī)不及格）而非“課程興趣”。學(xué)生每天數(shù)小時(shí)坐在電腦前觀看視頻課程，學(xué)習(xí)方式單一，厭煩情緒較高，滋生了“假學(xué)習(xí)”現(xiàn)象（即學(xué)生雖然按時(shí)參加了老師直播課程，但卻未認(rèn)真觀看學(xué)習(xí)，或直接復(fù)制粘貼其他同學(xué)的作業(yè)來(lái)完成作業(yè)任務(wù)）。杜絕“假學(xué)習(xí)”現(xiàn)象要從課程需要與課程興趣方面下功夫，要挖掘?qū)W生課程興趣的特點(diǎn)，提高“課程需求”的趣味性和應(yīng)用性，確保在線學(xué)習(xí)的質(zhì)量和效果。

4．構(gòu)建在線課程“進(jìn)退”機(jī)制，加大獎(jiǎng)懲力度。

對(duì)一些課程興趣、課程服務(wù)和課程需要評(píng)價(jià)較高的課程，要積極推進(jìn)國(guó)家精品課程的申報(bào)和建設(shè)；對(duì)一些課程興趣、課程服務(wù)和課程需要評(píng)價(jià)較低的課程，要剖析問(wèn)題根源，及時(shí)完善優(yōu)化；對(duì)完善優(yōu)化不達(dá)標(biāo)的課程，可強(qiáng)制下線，退出在線課程平臺(tái)，逐步建立“寧缺毋濫”“獎(jiǎng)懲明確”的高質(zhì)量在線課程資源庫(kù)，提高課程綜合服務(wù)能力水平。

（三）總結(jié)與展望

本文研究的理論貢獻(xiàn)是提出了在線課程綜合服務(wù)能力的概念。與在線課程教學(xué)方法或?qū)W生學(xué)習(xí)體驗(yàn)等研究相比，本研究選取多個(gè)指標(biāo)探究課程綜合服務(wù)能力水平及差異性，從課程根源挖掘課程性質(zhì)、課程興趣、課程需要和課程服務(wù)等方面與課程綜合服務(wù)能力的關(guān)系，并強(qiáng)調(diào)課程綜合服務(wù)能力的重要性。

本文研究結(jié)論具有一定的局限性，主要表現(xiàn)在所選擇數(shù)據(jù)是以某一個(gè)高校的57門(mén)MOOC在線課程作為樣本進(jìn)行研究，希望本研究能夠拋磚引玉，在后續(xù)研究中擴(kuò)大數(shù)據(jù)選取范圍，如不同高校在線課程綜合服務(wù)能力的橫向?qū)Ρ妊芯康?，進(jìn)而推進(jìn)在線課程綜合服務(wù)能力研究的廣度和深度。

[1]鄔大光.我國(guó)高校大規(guī)模線上教學(xué)的階段性特征—— 基于對(duì)學(xué)生、教師、教務(wù)人員問(wèn)卷調(diào)查的實(shí)證研究[J].華東師范大學(xué)學(xué)報(bào)，2020（7）：1-30.

[2]曾麗雯.疫情防控背景下線上教學(xué)實(shí)施效果及影響因素分析-基于廣東省高校的調(diào)查[J].高教探索，2020（7）：85-91.

[3]賈文軍.大學(xué)生在線學(xué)習(xí)體驗(yàn)的聚類(lèi)分析研究[J].中國(guó)高教研究，2020（4）：23-27.

[4]劉可.疫情防控背景下高職院校學(xué)生在線學(xué)習(xí)效果控制機(jī)制研究[J].中國(guó)教育信息化，2020（8）：63-67.

[5]唐源.抗疫期間高校課程在線教學(xué)方法探討與實(shí)踐[J].計(jì)算機(jī)教育，2020（8）：23-27.

Evaluation on the Comprehensive Service Capability of Online Teaching Courses: Empirical Research based on Principal Component Analysis Method

ZHANG Jing-zhou1, ZHOU Yan-li2, JIANG Fang3

The requirement by the Ministry of Education that teaching should be ensured when students cannot go back to school during the outbreak of COVID-19 has sped up the online teaching course construction, which timely met the learning needs of students in colleges and universities, playing a big role during the special period. Whether the online teaching course is popular or not, and how much the students can participate in the online learning are important in judging the comprehensive service capability of online teaching courses. Through the empirical study of the implementation process and effect of online teaching, the main factors affecting the comprehensive service capability of online teaching courses are concluded as course nature, students’ interest in the course, students’ needs for the course and course service, and some suggestions are then proposed, such as improving the specific aspect of the course comprehensive service capability according to the course nature; establishing flexible course service mode to suit students’ different learning purposes; clarifying students' course needs and interests to avoid "false learning" ; establishing a mechanism according to which online courses can be established or removed; enhancing the strength of reward and punishment, etc.

online teaching; service capability; evaluation; principal component analysis; empirical research

G633.41；G434

A

1671-9255（2020）04-0073-04

2020-06-30

安徽省高等學(xué)校質(zhì)量工程項(xiàng)目（2020zdxsjg124）；安徽商貿(mào)職業(yè)技術(shù)學(xué)院“雙高計(jì)劃”建設(shè)項(xiàng)目（2020sgxm03-3）；安徽商貿(mào)職業(yè)技術(shù)學(xué)院教研項(xiàng)目（ZL201804）

張京洲（1982－），男，山東菏澤人，安徽商貿(mào)職業(yè)技術(shù)學(xué)院電子商務(wù)學(xué)院講師，碩士。

10.13685/j.cnki.abc. 000517