唐世星 柯鳳琴 聶帥帥

摘 要：探究高職院校學(xué)生網(wǎng)絡(luò)學(xué)習(xí)行為特征對(duì)于提高高職院校教學(xué)水平有著重要的指導(dǎo)意義。為此，文章采集了承德石油高等?？茖W(xué)校3個(gè)專業(yè)5個(gè)班級(jí)共179名學(xué)生的《高等數(shù)學(xué)》課程網(wǎng)絡(luò)學(xué)習(xí)數(shù)據(jù)，并基于混合式教學(xué)模式框架，優(yōu)選出平臺(tái)登錄時(shí)長(zhǎng)、資源學(xué)習(xí)時(shí)長(zhǎng)等8項(xiàng)學(xué)習(xí)行為指標(biāo)。通過采用KMO和Bartlett's球形檢驗(yàn)發(fā)現(xiàn)，KMO統(tǒng)計(jì)量大于0.8，檢驗(yàn)概率小于0.05，說明特征指標(biāo)數(shù)據(jù)適合進(jìn)行因子分析，并提取出學(xué)習(xí)參與因子、學(xué)習(xí)記載因子兩項(xiàng)特征公因子。最后，基于K-Means聚類算法將學(xué)生的學(xué)習(xí)行為劃分為三類，并針對(duì)性地制定了網(wǎng)上教學(xué)策略?；诨旌蠈W(xué)習(xí)環(huán)境下的高職院校學(xué)生網(wǎng)絡(luò)學(xué)習(xí)行為具有多樣性特征，因此針對(duì)不同群體因材施教成為進(jìn)一步提高學(xué)生整體學(xué)習(xí)效果的關(guān)鍵所在。

關(guān)鍵詞：混合學(xué)習(xí);高職院校;網(wǎng)絡(luò)學(xué)習(xí);學(xué)習(xí)行為;特征聚類

中圖分類號(hào)：G712? ? ?文獻(xiàn)標(biāo)志碼：A? ? ? ? ? 文章編號(hào)：1673-8454（2021）06-0007-05

一、引言

隨著《國(guó)家職業(yè)教育改革實(shí)施方案》（簡(jiǎn)稱職教20條）的發(fā)布，職業(yè)教育被定義為與普通教育同等重要地位，在我國(guó)經(jīng)濟(jì)社會(huì)發(fā)展中發(fā)揮著越來(lái)越重要的作用，特別是技術(shù)、技能型人才更是對(duì)經(jīng)濟(jì)發(fā)展起到了關(guān)鍵性作用?！皼]有職業(yè)教育現(xiàn)代化就沒有教育現(xiàn)代化” [1]。教育現(xiàn)代化特別是信息化教學(xué)手段融入傳統(tǒng)教學(xué)過程，更是給教育現(xiàn)代化提供了強(qiáng)有力的技術(shù)支持。2012年發(fā)布的《教育信息化十年發(fā)展規(guī)劃（2011—2020年）》[2]提出“以教育信息化帶動(dòng)教育現(xiàn)代化”，并且對(duì)職業(yè)教育明確提出了要“加快職業(yè)教育信息化建設(shè)，支撐高素質(zhì)技能型人才培養(yǎng)”。

近年來(lái)，“互聯(lián)網(wǎng)+教育”的迅猛發(fā)展為職業(yè)教育信息化建設(shè)帶來(lái)巨大的機(jī)遇與挑戰(zhàn)，各大網(wǎng)絡(luò)平臺(tái)大力發(fā)展、推廣研發(fā)的在線教學(xué)系統(tǒng)，如“國(guó)家開放大學(xué)”“中國(guó)大學(xué)MOOC”“愛課程”“學(xué)堂在線”等等。同時(shí)研發(fā)了很多線上教學(xué)平臺(tái)，如“藍(lán)墨云班課”“智慧職教云課堂”“超星學(xué)習(xí)通”等App。特別是2020年新冠肺炎疫情的爆發(fā)，更是凸顯了網(wǎng)絡(luò)教學(xué)平臺(tái)的重要性。無(wú)論是大中專院校還是中小學(xué)，都充分利用各大線上教學(xué)平臺(tái)，配合釘釘、騰訊會(huì)議等直播平臺(tái)，有效解決了“停課不停教、停課不停學(xué)”的問題。

高職院校學(xué)生作為一類特殊的高等教育群體，具有養(yǎng)成教育欠缺、自我約束力較差、理想信念差異大等特點(diǎn)，其網(wǎng)絡(luò)學(xué)習(xí)行為具有不同于其他高等教育群體的“特殊性”。因此，分析當(dāng)前高職院校在校學(xué)生群體的網(wǎng)絡(luò)學(xué)習(xí)行為，不僅對(duì)提高高職院校學(xué)生綜合素質(zhì)以及高職院校教學(xué)水平有著重大的指導(dǎo)意義，同時(shí)也符合當(dāng)下社會(huì)進(jìn)步和時(shí)代發(fā)展的需求。本文旨在通過分析高職院校在校學(xué)生這一特殊群體在混合學(xué)習(xí)環(huán)境下的網(wǎng)絡(luò)學(xué)習(xí)行為特征，為高職院校教育教學(xué)提供指導(dǎo)性建議或策略。

二、研究基礎(chǔ)

信息化教學(xué)手段的引入，極大地豐富了傳統(tǒng)教學(xué)過程，對(duì)教學(xué)水平和教學(xué)質(zhì)量的提高起到了一定的促進(jìn)作用[3]。如何進(jìn)一步分析信息化教學(xué)手段對(duì)提高教學(xué)質(zhì)量的影響，則需要借助一定的技術(shù)手段。

王堅(jiān)等 [4]利用因子分析和聚類分析技術(shù)，對(duì)學(xué)生網(wǎng)絡(luò)學(xué)習(xí)行為進(jìn)行了研究，提取了影響學(xué)習(xí)效果的兩個(gè)主要因子：學(xué)習(xí)參與因子和課程測(cè)試因子，并據(jù)此進(jìn)行聚類分析，得出學(xué)生網(wǎng)絡(luò)學(xué)習(xí)具有群體性的特征。顏磊等 [5]使用學(xué)習(xí)分析技術(shù)對(duì)網(wǎng)絡(luò)學(xué)習(xí)行為進(jìn)行了研究，構(gòu)建了網(wǎng)絡(luò)學(xué)習(xí)行為模型，總結(jié)了學(xué)生網(wǎng)絡(luò)學(xué)習(xí)行為的特征，指出了學(xué)習(xí)過程中所產(chǎn)生的問題。菅保霞等[6]基于全腦模型，采用滯后序列分析法分析了不同思維類型學(xué)習(xí)者的學(xué)習(xí)行為序列，并重點(diǎn)解讀了其轉(zhuǎn)化路徑。荊永君等 [7]運(yùn)用學(xué)習(xí)分析技術(shù)分析了教師在線學(xué)習(xí)行為特征，綜合應(yīng)用統(tǒng)計(jì)分析、序列分析、關(guān)聯(lián)規(guī)則、社會(huì)網(wǎng)絡(luò)分析等方法，從學(xué)習(xí)活躍、學(xué)習(xí)投入時(shí)間、學(xué)習(xí)行為序列、社會(huì)交互四個(gè)方面，分析了教師在線學(xué)習(xí)行為的群體特征，并且建議實(shí)施在線學(xué)習(xí)與線下集中研討相結(jié)合的混合式教師培訓(xùn)，培訓(xùn)安排與支持服務(wù)、學(xué)習(xí)內(nèi)容與活動(dòng)設(shè)計(jì)應(yīng)符合教師在線學(xué)習(xí)規(guī)律，并提供有效的技術(shù)腳手架和干預(yù)機(jī)制，以期提高教師培訓(xùn)效益。

1.學(xué)習(xí)分析技術(shù)

學(xué)習(xí)分析技術(shù)（Learning Analytics，簡(jiǎn)稱LA）是對(duì)教師教學(xué)過程中產(chǎn)生的海量學(xué)生學(xué)習(xí)數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，以評(píng)估學(xué)生的學(xué)業(yè)水平、預(yù)測(cè)學(xué)生的學(xué)業(yè)進(jìn)展、發(fā)現(xiàn)潛在的問題，為提高教學(xué)質(zhì)量和教學(xué)水平給出指導(dǎo)建議[8]。當(dāng)前，學(xué)習(xí)分析技術(shù)已經(jīng)成為學(xué)者和相關(guān)教育研究機(jī)構(gòu)關(guān)注的熱點(diǎn)，并廣泛應(yīng)用到教育研究中。

美國(guó)EDUCAUSE分析研究中心[9]將學(xué)習(xí)分析技術(shù)定義為“使用數(shù)據(jù)和模型對(duì)學(xué)生學(xué)習(xí)進(jìn)程進(jìn)行評(píng)價(jià)和預(yù)測(cè)，并依據(jù)結(jié)果干預(yù)學(xué)生未來(lái)發(fā)展和發(fā)現(xiàn)潛在問題”。北京師范大學(xué)何克抗教授[10]將學(xué)習(xí)分析技術(shù)界定為：利用各種數(shù)據(jù)收集和數(shù)據(jù)分析工具，從教育領(lǐng)域的海量數(shù)據(jù)（包括在教學(xué)過程、學(xué)習(xí)過程、教學(xué)管理過程中所產(chǎn)生的海量數(shù)據(jù)）中，通過收集、測(cè)量、分析和報(bào)告等方式，提取出隱含的、有潛在應(yīng)用價(jià)值的、涉及“教與學(xué)”或“教學(xué)管理”的過程及行為的各種信息、知識(shí)與模式，從而為教師的“教”、學(xué)生的“學(xué)”以及教學(xué)管理提供智能性的輔助決策的技術(shù)。

2.混合學(xué)習(xí)環(huán)境與網(wǎng)絡(luò)學(xué)習(xí)行為

隨著信息化教學(xué)手段的進(jìn)一步發(fā)展，利用網(wǎng)絡(luò)平臺(tái)進(jìn)行學(xué)習(xí)的現(xiàn)象變得越來(lái)越普遍。信息化教學(xué)手段的融入改變了傳統(tǒng)教學(xué)過程，形成了現(xiàn)在廣泛使用的教學(xué)模式，即混合教學(xué)模式。這種學(xué)習(xí)模式改善了傳統(tǒng)教育模式存在的缺陷，有效提升了教學(xué)水平和教學(xué)質(zhì)量。

孫偉[11]對(duì)混合式網(wǎng)絡(luò)學(xué)習(xí)環(huán)境下高職學(xué)生學(xué)習(xí)成效進(jìn)行了分析，得出采用混合式網(wǎng)絡(luò)教學(xué)方式的學(xué)習(xí)效果優(yōu)于完全采用網(wǎng)絡(luò)教學(xué)方式。黃慧[12]分析了影響大學(xué)生在線學(xué)習(xí)參與度的主要因素，構(gòu)建了大學(xué)生在線學(xué)習(xí)參與度測(cè)評(píng)指標(biāo)體系和提升策略模型，得出提升策略模型能夠有效促進(jìn)大學(xué)生在線學(xué)習(xí)的積極性，提高了大學(xué)生的在線學(xué)習(xí)參與度。李寶[13]以Blackboard、微信平臺(tái)以及電子教材作為支持學(xué)習(xí)的工具，重點(diǎn)對(duì)學(xué)生在該環(huán)境下學(xué)習(xí)滿意度的影響因素進(jìn)行了實(shí)證探討，分析了學(xué)生學(xué)習(xí)滿意度影響因素的層級(jí)模型，為實(shí)際教學(xué)提供了參考借鑒。彭飛霞等[14]分析了混合學(xué)習(xí)是否影響學(xué)習(xí)深度，提出了加深混合學(xué)習(xí)的學(xué)習(xí)深度是時(shí)代境遇與現(xiàn)實(shí)訴求，構(gòu)建了加深混合學(xué)習(xí)深度的策略，加深了學(xué)習(xí)場(chǎng)域構(gòu)建，提升了混合學(xué)習(xí)的教學(xué)設(shè)計(jì)能力和教師把控混合學(xué)習(xí)的能力。

高職院校的學(xué)生作為特殊的教育群體，在學(xué)習(xí)自律性、對(duì)知識(shí)的理解等方面存在著明顯的不足，造成了學(xué)習(xí)效果不太理想的狀況。因此，研究高職院校學(xué)生網(wǎng)絡(luò)學(xué)習(xí)行為特征，對(duì)于提高高職院校教育教學(xué)效果具有指導(dǎo)性意義。

三、研究設(shè)計(jì)

本研究以典型高職院校的公共基礎(chǔ)課程為例，以文獻(xiàn)調(diào)研、問卷調(diào)查等方式，初步了解高職院?；旌蠈W(xué)習(xí)環(huán)境下網(wǎng)絡(luò)教學(xué)以及學(xué)生網(wǎng)絡(luò)學(xué)習(xí)現(xiàn)狀，再結(jié)合高職院校學(xué)生網(wǎng)絡(luò)學(xué)習(xí)的Web日志、平臺(tái)交流數(shù)據(jù)等，通過文本挖掘、聚類等數(shù)據(jù)挖掘算法，確定高職院校學(xué)生網(wǎng)絡(luò)學(xué)習(xí)行為特征，為高職院校教育教學(xué)提供指導(dǎo)性建議或策略。

1.網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)采集

本研究以承德石油高等?？茖W(xué)校公共基礎(chǔ)課程《高等數(shù)學(xué)》為例展開研究，該課程是國(guó)家級(jí)精品課程、國(guó)家精品課程資源共享課程，首批上線愛課程網(wǎng)站，同時(shí)在智慧職教云課堂建設(shè)了《高等數(shù)學(xué)》信息化課程，該課程開設(shè)周期為17周，教學(xué)資源包括教學(xué)課件、微視頻、電子教材、習(xí)題庫(kù)、課后作業(yè)等，供學(xué)生自主學(xué)習(xí)。

在該課程的教學(xué)過程中引入混合式教學(xué)模式理念，學(xué)生的主要學(xué)習(xí)行為源于信息化教學(xué)平臺(tái)。按照學(xué)期教學(xué)計(jì)劃設(shè)定“今日課堂”的教學(xué)內(nèi)容，形成課前（課程公告、教學(xué)要求）、課中（導(dǎo)學(xué)、教學(xué)課件及視頻、簽到、討論、答疑等）、課后（課后安排、課后作業(yè)、學(xué)生總結(jié)和評(píng)價(jià)等）的教學(xué)設(shè)計(jì)，教學(xué)過程主要采用“騰訊會(huì)議+智慧職教云課堂”進(jìn)行。

采集的網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)來(lái)源于智慧職教云課堂平臺(tái)記錄的學(xué)生學(xué)習(xí)數(shù)據(jù)，研究對(duì)象為2019年入學(xué)的大一新生，共計(jì)5個(gè)班級(jí)179人，涉及網(wǎng)絡(luò)技術(shù)、汽車檢測(cè)與維修技術(shù)、內(nèi)燃機(jī)制造與維修3個(gè)專業(yè)。學(xué)習(xí)數(shù)據(jù)記錄了學(xué)生網(wǎng)絡(luò)學(xué)習(xí)過程中的各類信息，如查看學(xué)習(xí)任務(wù)、觀看各類課件等教學(xué)資源、完成課堂討論情況、課后作業(yè)的完成情況等，據(jù)此設(shè)計(jì)8個(gè)特征指標(biāo)，充分反映了學(xué)生網(wǎng)絡(luò)學(xué)習(xí)行為的個(gè)性化特征，并以期末成績(jī)作為檢驗(yàn)混合式教學(xué)模式的因子，如圖1所示。

在混合式學(xué)習(xí)模式下，學(xué)生學(xué)習(xí)過程中產(chǎn)生的各個(gè)指標(biāo)特征中，對(duì)教學(xué)課件、教學(xué)視頻等資源的學(xué)習(xí)是學(xué)生自主學(xué)習(xí)并理解、掌握所學(xué)知識(shí)的關(guān)鍵環(huán)節(jié);用學(xué)生每次登錄平臺(tái)時(shí)間和退出平臺(tái)的時(shí)差表示平臺(tái)登錄時(shí)長(zhǎng);以學(xué)生學(xué)習(xí)教學(xué)課件、觀看教學(xué)視頻的學(xué)習(xí)時(shí)長(zhǎng)和學(xué)生在線學(xué)習(xí)時(shí)長(zhǎng)共同來(lái)表達(dá)學(xué)生在智慧職教云課堂利用網(wǎng)絡(luò)教學(xué)資源學(xué)習(xí)的資源學(xué)習(xí)時(shí)長(zhǎng);平臺(tái)登錄頻次以周為單位進(jìn)行統(tǒng)計(jì)，反映學(xué)生學(xué)習(xí)教學(xué)資源的次數(shù);資源查看率、活動(dòng)參與率、課堂簽到率表示學(xué)生課中對(duì)所有教學(xué)資源的查看程度和活動(dòng)參與度，反映學(xué)生的學(xué)習(xí)態(tài)度是否端正;作業(yè)完成率、總結(jié)評(píng)價(jià)率分別反映學(xué)生課后完成作業(yè)的情況、課堂總結(jié)情況和學(xué)習(xí)評(píng)價(jià)情況。

2.學(xué)習(xí)行為因子分析

學(xué)習(xí)行為指標(biāo)特征充分反映了學(xué)生學(xué)習(xí)過程中各方面的特征。由于學(xué)生的個(gè)體差異，導(dǎo)致學(xué)習(xí)行為參差不齊，智慧職教云課堂平臺(tái)對(duì)應(yīng)的8個(gè)指標(biāo)特征也相應(yīng)生成了大量的學(xué)習(xí)數(shù)據(jù)。研究表明，眾多特征變量中一定存在著相互關(guān)聯(lián)的信息，即這些特征指標(biāo)在一定程度上會(huì)存在信息重疊，因此可以通過機(jī)器學(xué)習(xí)算法的降維技術(shù)來(lái)實(shí)現(xiàn)學(xué)習(xí)行為特征指標(biāo)的冗余分析和特征提取[15]。常用的降維技術(shù)有主成分分析法（PCA）、因子分析法（FA）和獨(dú)立成分分析法（ICA）。

本文采用因子分析法對(duì)學(xué)習(xí)行為進(jìn)行研究，進(jìn)而對(duì)8個(gè)特征指標(biāo)進(jìn)行有效的特征提取。因子分析法把原來(lái)多個(gè)特征指標(biāo)劃分為少數(shù)幾個(gè)綜合性指標(biāo)，這些綜合性指標(biāo)既能充分反映信息特征，又是彼此相互獨(dú)立的[16]。由于學(xué)習(xí)行為特征指標(biāo)數(shù)據(jù)量綱不同，因此必須對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化預(yù)處理，以消除各指標(biāo)量綱和數(shù)量級(jí)的影響。

筆者借助SPSS軟件進(jìn)行因子分析，首先進(jìn)行相關(guān)性分析，計(jì)算原指標(biāo)特征之間的相關(guān)系數(shù)矩陣，進(jìn)行統(tǒng)計(jì)檢驗(yàn)。然后使用巴特利特球形檢驗(yàn)（Bartlett's Test of Sphericity）和KMO（Kaiser-Meyer-Olkin）檢驗(yàn)統(tǒng)計(jì)量進(jìn)行檢驗(yàn)（見表1），用于檢測(cè)待分析的特征指標(biāo)數(shù)據(jù)是否適合進(jìn)行因子分析以及效果如何。從表1中可見，KMO統(tǒng)計(jì)量大于0.8，檢驗(yàn)概率小于0.05，說明特征指標(biāo)數(shù)據(jù)適合進(jìn)行因子分析。

根據(jù)SPSS軟件因子分析計(jì)算結(jié)果，得到總方差解釋表（見表2），由主成分提取原則（特征值大于1）可知，可以提取出兩個(gè)公共因子。這兩個(gè)公共因子已經(jīng)包含了絕大部分的信息（累計(jì)貢獻(xiàn)率達(dá)到77.203%），可以解釋原特征指標(biāo)77.203%的方差。在旋轉(zhuǎn)后的因子載荷矩陣中（見表3），第一個(gè)公共因子在特征指標(biāo)X1、X3、X4、X5、X6、X7上有較大載荷，體現(xiàn)了這六個(gè)指標(biāo)較強(qiáng)的線性相關(guān)性，可歸結(jié)為在線學(xué)習(xí)參與度，記為學(xué)習(xí)參與因子;第二個(gè)公共因子在特征指標(biāo)X2、X8上有較大載荷，體現(xiàn)了這兩個(gè)指標(biāo)較強(qiáng)的線性相關(guān)性，可歸結(jié)為學(xué)習(xí)記載指標(biāo)，記為學(xué)習(xí)記載因子。

由因子得分矩陣可得出兩個(gè)公共因子的得分表達(dá)式如下：

F1=0.147X1-0.074X2+0.265X3+0.218X4+0.195X5+0.203X6+0.178X7-0.16X8

F2=0.017X1+0.574X2-0.026X3+0.018X4-0.135X5-0.003X6-0.017X7+0.614X8

3.學(xué)習(xí)行為聚類分析

學(xué)習(xí)行為聚類分析的目的在于通過對(duì)不同學(xué)生的歸類研究，找到他們學(xué)習(xí)行為的相似之處，將學(xué)生劃分為不同類型的特征群體。本研究使用基于歐氏距離的K-Means聚類算法，該算法將學(xué)生學(xué)習(xí)行為數(shù)據(jù)集合按照最小距離原則劃分為K個(gè)類別，但是類數(shù)K如何確定一直缺乏科學(xué)依據(jù)。本研究采用Xie-Beni指數(shù)確定最優(yōu)聚類數(shù)[17]，得到最優(yōu)聚類數(shù)為K=3，如表4所示。

按照最優(yōu)聚類數(shù)，使用K-Means聚類算法將179位學(xué)生劃分為三類，各類的中心點(diǎn)和樣本數(shù)量見表5。

依據(jù)分類結(jié)果，結(jié)合學(xué)生學(xué)習(xí)特征指標(biāo)數(shù)據(jù)，可以得出以下結(jié)果：

第一類學(xué)生數(shù)量占比60%，這類學(xué)生占比最高，聚類中心點(diǎn)為（0.83，0.89），表明線上教學(xué)環(huán)節(jié)的設(shè)置與大多數(shù)學(xué)生的需求相匹配，對(duì)提高教學(xué)質(zhì)量具有積極的作用。這類學(xué)生對(duì)線上學(xué)習(xí)方式參與度高，能夠積極主動(dòng)地學(xué)習(xí)線上教學(xué)資源，對(duì)教學(xué)課件、教學(xué)視頻等學(xué)習(xí)資源的理解掌握較好;平臺(tái)登錄時(shí)間長(zhǎng)，資源學(xué)習(xí)時(shí)間長(zhǎng)，查看率高，學(xué)習(xí)過程具有連貫性特征;努力完成課堂作業(yè)，積極通過測(cè)試練習(xí)提高知識(shí)儲(chǔ)備;學(xué)生樂于利用線上平臺(tái)進(jìn)行交流、學(xué)習(xí)。這部分學(xué)生能夠很好地利用網(wǎng)絡(luò)教學(xué)平臺(tái)進(jìn)行學(xué)習(xí)，學(xué)習(xí)效果較好，教師可以適當(dāng)引入激勵(lì)措施，進(jìn)一步鼓勵(lì)學(xué)生參與線上教學(xué)的自主性與熱情。

第二類學(xué)生數(shù)量占比16%，這類學(xué)生數(shù)量最少，聚類中心點(diǎn)為（0.41，0.37），表明這類學(xué)生主動(dòng)參與線上教學(xué)的程度最差，在教學(xué)資源的學(xué)習(xí)、線上教學(xué)的參與度、課后作業(yè)的完成情況等方面較差，不能適應(yīng)線上教學(xué)過程中自我約束、自我激勵(lì)的要求。這部分學(xué)生如果一直保持這種學(xué)習(xí)狀態(tài)，最終會(huì)達(dá)不到《高等數(shù)學(xué)》課程的教學(xué)要求，甚至?xí)霈F(xiàn)掛科現(xiàn)象。因此，應(yīng)該對(duì)他們引入相應(yīng)的輔助手段，如加強(qiáng)傳統(tǒng)課堂教學(xué)的學(xué)習(xí)，增加輔導(dǎo)答疑的次數(shù)，從班級(jí)中選出學(xué)習(xí)成績(jī)優(yōu)秀的學(xué)生組建幫扶小組，對(duì)這一小部分學(xué)生給予學(xué)習(xí)幫扶等，以改善他們的學(xué)習(xí)態(tài)度和學(xué)習(xí)行為的有效轉(zhuǎn)換，提高他們的學(xué)習(xí)積極性，掌握《高等數(shù)學(xué)》知識(shí)體系，達(dá)到教學(xué)要求。

第三類學(xué)生數(shù)量占比24%，聚類中心點(diǎn)為（0.49，0.72），表明這部分學(xué)生對(duì)線上教學(xué)平臺(tái)資源的學(xué)習(xí)投入方面相對(duì)不足，但課堂簽到率較高、作業(yè)完成情況較好，能夠體現(xiàn)學(xué)生想通過完成作業(yè)來(lái)快速掌握所學(xué)知識(shí)，以達(dá)到教學(xué)基本要求，但又對(duì)線上教學(xué)過程的其他環(huán)節(jié)不夠重視。針對(duì)這部分學(xué)生，教師應(yīng)該及時(shí)加強(qiáng)交流溝通，引導(dǎo)他們要全面學(xué)習(xí)，注意中間過程，真正學(xué)到所需要的知識(shí)。

四、結(jié)論與建議

本研究分析了高職院校在校學(xué)生這一特殊群體在混合學(xué)習(xí)環(huán)境下的網(wǎng)絡(luò)學(xué)習(xí)行為特征及其影響因素。線上教學(xué)因?qū)W習(xí)形式泛在化、學(xué)習(xí)資源豐富多樣、課堂教學(xué)組織靈活多樣、教學(xué)評(píng)價(jià)方式多元化而備受廣大教育工作者和學(xué)習(xí)者的青睞，也逐漸改變了傳統(tǒng)教學(xué)模式，特別是在新冠肺炎疫情的影響下，更是把線上教學(xué)推向了一個(gè)新高度?；旌蠈W(xué)習(xí)環(huán)境下學(xué)生網(wǎng)絡(luò)學(xué)習(xí)行為的研究，為進(jìn)一步改革教育教學(xué)模式提供了參考。

首先，以典型高職院校——承德石油高等?？茖W(xué)校的《高等數(shù)學(xué)》課程為例，通過收集學(xué)生的線上學(xué)習(xí)特征數(shù)據(jù)，分析了學(xué)生《高等數(shù)學(xué)》課程的網(wǎng)絡(luò)學(xué)習(xí)行為特征，即從數(shù)據(jù)角度研究學(xué)生的網(wǎng)絡(luò)學(xué)習(xí)行為。

其次，通過對(duì)網(wǎng)絡(luò)學(xué)習(xí)行為特征指標(biāo)數(shù)據(jù)的聚類結(jié)果可知，不同學(xué)生的網(wǎng)絡(luò)學(xué)習(xí)行為對(duì)學(xué)習(xí)效果的控制機(jī)制也有所不同。最優(yōu)聚類結(jié)果分為三類，說明學(xué)生的網(wǎng)絡(luò)學(xué)習(xí)行為尚有提升的空間。如何在教學(xué)過程中因材施教、進(jìn)一步提高課程的整體學(xué)習(xí)效果，是任課教師在教學(xué)過程中應(yīng)該重點(diǎn)考慮的問題。

最后，聚類對(duì)學(xué)生群體應(yīng)是動(dòng)態(tài)劃分的，應(yīng)用大數(shù)據(jù)技術(shù)結(jié)合聚類方法適時(shí)掌握學(xué)生的類別歸屬變化，找到造成變化的根本原因，及時(shí)給予激勵(lì)或者指導(dǎo)，讓學(xué)生往更好的方向發(fā)展。通過適時(shí)統(tǒng)計(jì)學(xué)生網(wǎng)絡(luò)學(xué)習(xí)行為特征數(shù)據(jù)，運(yùn)用數(shù)據(jù)挖掘技術(shù)對(duì)學(xué)生學(xué)習(xí)行為規(guī)律進(jìn)行指導(dǎo)，推送相關(guān)學(xué)習(xí)資源，滿足學(xué)生階段性學(xué)習(xí)需求，并對(duì)將來(lái)的學(xué)習(xí)路徑、學(xué)習(xí)效果進(jìn)行預(yù)測(cè)，實(shí)現(xiàn)動(dòng)態(tài)化、智能化學(xué)習(xí)，創(chuàng)建自適應(yīng)的學(xué)習(xí)系統(tǒng)。

參考文獻(xiàn)：

[1]國(guó)發(fā)[2019]4號(hào).國(guó)務(wù)院關(guān)于印發(fā)國(guó)家職業(yè)教育改革實(shí)施方案的通知[Z].

[2]教技[2012]5號(hào).教育部關(guān)于印發(fā)《教育信息化十年發(fā)展規(guī)劃（2011-2020年）》的通知[Z].

[3]劉鑄嬌.大數(shù)據(jù)背景下高職院校信息化教學(xué)現(xiàn)狀及對(duì)策[J].科教文匯（上旬刊），2020（5）：113-114.

[4]王堅(jiān)，張媛媛，柴艷妹.基于因子分析和聚類分析的學(xué)生網(wǎng)絡(luò)學(xué)習(xí)行為研究[J].中國(guó)教育技術(shù)裝備，2019（18）：3-5.

[5]顏磊，祁冰.基于學(xué)習(xí)分析技術(shù)的網(wǎng)絡(luò)學(xué)習(xí)行為研究[J].吉林廣播電視大學(xué)學(xué)報(bào)，2019（5）：14-15.

[6]菅保霞，姜強(qiáng)，趙蔚.基于全腦模型的在線學(xué)習(xí)者學(xué)習(xí)行為序列分析[J].現(xiàn)代教育技術(shù)，2020，30（1）：107-113.

[7]荊永君，李昕.學(xué)習(xí)分析技術(shù)支持下的教師在線學(xué)習(xí)行為特征分析[J].中國(guó)電化教育，2020（2）：75-82.

[8]王紫琴，彭嫻，吳砥.學(xué)習(xí)分析技術(shù)規(guī)范比較研究[J].開放教育研究，2017，23（1）：93-101.

[9]Johnson L， Adams S， Cummins M. Horizon report： 2012 higher education edition[J].New Media Consortium，2012，24（4）：42.

[10]何克抗.“學(xué)習(xí)分析技術(shù)”在我國(guó)的新發(fā)展[J].電化教育研究，2016，37（7）：5-13.

[11]孫偉.混合式網(wǎng)絡(luò)學(xué)習(xí)環(huán)境對(duì)高職學(xué)生學(xué)習(xí)成效的影響分析[J].當(dāng)代職業(yè)教育，2014（3）：69-71+48.

[12]黃慧.混合式學(xué)習(xí)環(huán)境下大學(xué)生在線學(xué)習(xí)參與度提升策略研究[D].上海：上海師范大學(xué)，2017.

[13]李寶.混合式學(xué)習(xí)環(huán)境下學(xué)生學(xué)習(xí)滿意度影響因素模型的構(gòu)建與實(shí)證研究[D].西安：陜西師范大學(xué)，2016.

[14]彭飛霞，陽(yáng)雯.混合學(xué)習(xí)如何加深學(xué)習(xí)深度——兼及教育大數(shù)據(jù)如何支持學(xué)習(xí)分析[J].現(xiàn)代遠(yuǎn)距離教育，2017（2）：31-39.

[15]畢達(dá)天，邱長(zhǎng)波，張晗.數(shù)據(jù)降維技術(shù)研究現(xiàn)狀及其進(jìn)展[J].情報(bào)理論與實(shí)踐，2013，36（2）：125-128.

[16]劉愛玉，田志鵬.SPSS數(shù)據(jù)分析教程[M].北京：北京大學(xué)出版社，2017.

[17]唐世星，陳軍，柯鳳琴.基于FCM算法的小腦基因模糊聚類分析[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2010，40（12）：74-79.

（編輯：李曉萍）