近年来，以MOOC+SPOC为代表的互联网教学模式逐渐兴起并被教育界所接受。 该模式通过短视频在线学习、翻转课堂、在线互动讨论、视频复习等手段，有效解决了学习时间问题。 、空间、师资等方面的限制。 随时随地反复观看视频、进行在线互动讨论，加深对课程内容的理解，有效弥补课堂教学的不足。 同时，课堂教学技术结合MOOC+SPOC，加强与学生的互动和深入沟通，可以达到广度教学与深度教学相结合的效果。 通过视频完成广泛的教学，通过课堂教学实现深入的教学，可以有效保证教学质量的提高[1]。
然而，在基于MOOC+SPOC的教学研究过程中，教育界对MOOC的研究大多集中在服务体系上，如MOOC设计、MOOC制作、MOOC在线、MOOC使用等，例如中国高校MOOC团队开展的MOOC服务研究； 或者对MOOC课程本身进行评价，如文献[2]中开展的《MOOC评价体系实践探索》，提出了MOOC课程建设的评价体系； 而针对MOOC教学模式开发的学生学习效果评价机制却鲜有系统研究。 2016年，在高等教育出版社举办的“中国大学MOOC——大学计算机基础”课程研讨会上，西北农林科技大学陈勇教授团队提出了“课程多元化评估机制与探索”的课题，引起了与会人员的关注。 该模式利用线上、线下、课内、课外多种考核指标，整合学生期末考核结果，并大胆提出“期末考试部分将逐步取消”。 该模型具有较高的可行性、合理性和创新性，但在指标权重的分配上采用了“50%、20%……”等模糊定义，对如何选择量化指标以及各指标的权重没有清晰的认识。指标。 如何分配、如何综合总分、如何界定总分范围等，缺乏有效的计算方法和科学的定义。
因此，如何运用合理、科学、创新、量化的评价方法来反映学生学习过程的各个环节，充分发挥MOOC+SPOC的作用，有效提升教学效果，是当前亟待解决的问题之一。教学评价领域。 基于上述问题以及MOOC+SPOC教学模式的特点，作者提出了一种注重学习者过程评价的量化模型，并给出了详细的构建方法。
1 基于MOOC+SPOC模式的学习效果评价模型构建
1.1 模型概述
传统教学评价过于注重结果，已不适应网络社会、终身教育和深化教育改革的需要。 而过程性教学评价在注重结果的基础上，更加关注评价对象的成长和发展过程。 在教学过程中给予多次评价机会，有利于教师和学生的自我教育和终身教育，有利于改善评价者与被评价者的关系，有利于体现教学的整体情况和个性特征。 这是推动教育改革深化的新评价。 模式[3]。 因此，过程式教学评价特别适合基于MOOC+SPOC模式的教学模式。
模型实现流程如图1所示。
1.2 指标体系构建
首先，不同学科、不同课程有不同的评价标准。 例如，《大学英语》的过程教学评价要求听、说、读、写能力，而《计算思维（大学计算机基础）》则侧重于计算。 思维、算法设计和实践能力，不同的课程需要不同的评价指标体系。 这项研究是一项长期、持续的系统工程，需要投入大量的人力、物力。 其次，评价指标应能够反映高等教育教学体系不同方面的发展目标、教育水平和教学效果、社会价值等特征。 最后，评价指标的设定还必须充分考虑MOOC+SPOC教学的特点和实施的可行性。 因此，有必要收集大量数据并持续研究和实践，构建科学、可操作的过程教学评价指标体系，为过程教学质量评价提供有力支撑。
根据过程评价的要求，评价过程需要贯穿整个教学，因此笔者将评价过程分为预评价、形成性评价和总结性评价三个阶段。 初步评价是在教学活动之前进行的，主要评价学习的准备工作； 形成性评价是在学习活动中进行的，目的是获取反馈信息，及时调整和改进学习活动； 总结性评价是在学习过程中进行活动完成后评价的目的是对活动结果进行反思和总结。 将这三个指标定义为一级指标为(V1,V2,V3)，然后根据一级指标定义的活动范围找到二级指标，定义为{(V11,V12, …,V1i), (V21, V22 ,…,V2j), (V31,V32,…,V3k)} 等等。
初选指标有待进一步优化。 笔者采用的优化方法是德尔菲法：系统首先将有关初选指标的调查问卷分发给经验丰富的教育专家，收集调查专家对调查问卷中提出的问题的意见，并反复查阅、总结、修改，最后总结与专家基本一致的意见作为优选结果。 该方法具有广泛代表性、可行、可靠。
优化后的指标将被添加到评价指标库中。 如前所述，评价指标既是动态的，又是相对静态的，因此在评价模型中，采用数据库进行处理。 数据库中仅存储指标代码和指标名称。 数据库管理员可以根据需要更改指标名称和指标描述。 这样就达到了实时动态更新的目的。
以计算思维课程为例，通过对相关文献的研究，结合中国大学MOOC在线课程提供的默认指标体系以及课题组的教学实践，笔者得到了表1中的16个最终评价指标。
1.3 指标权重的确定
笔者选择的方法是AHP法（层次分析法）。 层次分析法的基本思想是将构成复杂问题的多个要素的权重的整体判断转化为这些要素的“两两比较”，进而对这些要素的权重做出整体判断。 对权重进行排序和判断，最终建立每个元素的权重[4]。 判断矩阵的确定是根据发送调查问卷获得的专家评分来确定的。 为每个专家的评分建立一个单独的矩阵。 通过一致性检验的矩阵作为有效判断矩阵。 然后，对所有专家对该指标的评价权重进行平均，得到最终的权重。 以计算思维课程为例，作者得到的指标权重如表2所示。
1.4 最终成绩的综合
最终评价分数的合成方法是根据已获得的指标体系的权重值，结合评价主体的打分。 首先，对指标得到的分数进行标准映射，映射到标准区间[a~b]，即为学生的最终分数。 然后计算各指标的加权算术平均值作为最终评价分数。 该方法可以消除指标体系中各指标维度不统一、性质不同的问题，并以综合得分作为评价教学状况的依据。
该模型定义标准映射区间为[0 ~10]。 测试分数的最大值为Xmax t，最小值为Xmin t。 那么该学生的标准分数就是
比如，有一次考试，全班最高分是70分，最低分是10分，某同学考了70分； 另一次考试，全班最高分90分，最低分60分，该生考了70分。 。 这两次，也有一名学生考了70分，但标准化后，分数分别为10分和3.3分。 这意味着学生的知识掌握能力是相对高还是低，而不是绝对分数。 这一步对于评估模型来说是非常必要的。 这是因为评价模型中不可避免地会引入大量的主观因素和其他不可衡量的因素。 仅仅依靠分数来判断学生属于哪个年级是不够准确的。 最终的判断应该考虑其分数相对于整个分数范围的位置。
接下来，将各工艺评价指标的得分与其权重值相乘，然后累加，得到各评价指标的总分。 最后用各指标的加权平均值计算综合指数，定义评价区间（表3），教师给予适当的点评。
2 模型实现——以计算思维课程为例
为了研究评价模型的有效性，笔者选取电子信息工程学院2013、2014年非计算机专业新生16个班的《计算思维》课程对评价模型进行满意度调查。 具体实现如下。
2013级没有MOOC+SPOC课程，考核方式为传统考核方式，即平时成绩为60%，期末成绩为40%。 每日成绩来自课堂教学，包括每日 5 份作业、课堂问题和出勤率。 学期末发放调查问卷，收集学生对评价机制的意见。
2014级课程在中国大学MOOC网站开设了“大学计算机-计算思维导论”SPOC专区作为辅助教学平台。 该平台基于哈尔滨工业大学詹德臣教授的MOOC教学平台，教师可以布置作业、提问、发起讨论、测试等多种教学形式，学生登录“SPOC课堂”拥有学号和密码，可以完成完成作业、回答问题、参与讨论、参加测试、发布话题等功能。 这些活动对应的分数存储在电子文件中，作为过程教学的评价数据。 最后，学期结束时，根据模型中学生评价的计算方法给出学生最终的总体评价分数，并通过问卷再次收集学生对评价的意见。 评价实施过程分为3个部分。
2.1 数据来源
（1）中国大学MOOC-大学计算机基础-计算思维导论，苏州科技大学SPOC课程，原始数据包括学生昵称、真实姓名、学号、学校、年级、考试成绩、作业成绩、考试成绩、讨论成绩、区外成绩、总成绩、原成绩、教师调整成绩、作业同行评审、发帖、讨论、视频观看时长等。提取的指标映射到本系统指标中，如①V14——“学生昵称、真实姓名、学号、学校”能够获得正确结果，表明该学生能够正确注册平台、完成选课，具备一定的现代信息技术运用能力，可以获得本次相应的分数指标; ②V31——“测试”，考察学生对专业知识的掌握程度，直接从系统中获取。
（2）课堂控制，结合苏州科技大学的课堂实践，主要包括入学考试、微信签到、课堂提问、课堂作业、课堂讨论等，映射到系统指标V11、V21、 V24、V25 和 V32。 这部分控制起来比较困难，因为计算机基础课程都是大班，70人左右。 通过在课堂上提问来记录每个人的分数是很困难的。 所以我们选择“问卷星”平台每学期进行约5次微信签到和约5次课堂讨论或实时作业。 我们通过“问卷之星”平台发送微信链接，确保每个学生都能获得10次。 班级成绩也纳入评价体系。
2.2 数据转换
将数据转换成标准分数，然后计算各个指标的权重值并相加，得到每个学生的最终评价分数。 最后根据评价定义区间确定最终评价等级。
2.3 数据分析
计算思维课程考核方法满意度调查如图2和图3所示。
从学生反馈来看，使用该模型后的评价满意率远高于未使用该模型的情况。 很多学生反映非常喜欢这种评价方式，因为之前的评价都是根据期末考试成绩来决定的。 一旦犯错，就必须重修，一学期的辛苦学习就会一扫而空。 通过这种方法，每一点学习都能得到体现。 应该说，这是一种科学的评价方法。
从上述研究结果来看，应用该模型得到的评价指标较好地反映了苏州科技大学高等教育教学的实际情况，达到了预期的效果，表明该模型在教学评价中发挥了积极的作用。 。
3 结论
2013年，笔者课题组开始尝试以“计算思维”为导向的大学计算机课程改革，同年加入哈尔滨工业大学詹德臣教授的“基于MOOC+SPOC的教学改革”团队。 在“中国大学MOOC”平台上，推出了为期两年的计算思维MOOC+SPOC同步课程。 从理论研究、问题分析到教学实施方案的制定、试行、修订和完善，整个过程历时3年。 在三年的教学研究和改革过程中，引入“过程教学”作为评价的基本理论，全面审视学习者的发展指标，设计了较为完善的指标评价体系，将评价过程分为第一、第二阶段。阶段。 它由建设性评价、形成性评价、终结性评价三个阶段组成，运用统计学原理提出基于MOOC+SPOC的合理教学评价模型。
教学实践证明该模式科学、有效、可行，希望能为其他课程的教学改革提供新的思路。 但在课题研究过程中，我们也看到了该评价模型的一些问题：①评价过程复杂，需要记录大量的生长数据，这不可避免地需要引入大量的主观评价因素，这使得不利于定量分析。 ②要求教师掌握更多有关教学评价的专业知识，能够确定测试、观察和评价的重点，制定和掌握适当的评价标准； 它需要教师和学生之间有效的互动。 这意味着教师必须将更多的精力投入到教学和学生中，这对于习惯传统教学模式的教师来说是一个挑战。 ③改革的实施还需要技术支撑。 评价模型中数据的记录、采集、计算和决策都需要计算机技术的支持。 目前笔者仍然是先获取数据，然后基于EXCEL进行合并统计，工作量较大。 因此，需要采用可靠的软件设计和先进的编程技术，开发出功能强大、操作简单、界面友好、稳定性强的计算机分析软件，使其能够广泛应用于教学实践。 这需要进一步的研究和探索。
基金项目：江苏省高等教育教学改革专项研究课题（2013JSJG063）； 苏州科技大学教学专项研究课题（2013JGM-09）； 苏州科技大学天平学院教育教学改革重点研究课题（2015TJGA-01）； 苏州科技大学教学改革研究课题（621541602）。
第一作者简介：张兆宇，女，副教授，研究方向为软件工程，zzyzc@126.com。
参考：
[1]詹德臣，王浩。 面向计算思维的大学计算机课程教学内容体系[J]. 中国大学教学，2014(7)：59-66。
[2] 冯雪松，于青青，李晓明。 MOOC评价体系的实践探索[J]. 中国大学教学，2015（10）：72-815。
[3]谭宏业，王文建，李茹。 基于计算思维和MOOC理念的计算机课程导论[J]. 计算机教育，2015（15）：46-49。
[4] 田汉祖. 第三代教学评价理论：交往-发展式教学评价研究[J]． 湖南师范大学教育科学学报，2002（3）：21-27。
（超过）
评论列表