0 引 言
2018年6月，教育部在成都召开了“新时代全国高等学校本科教育工作会议”之后，一系列振兴本科教育的改革随之推出，其中，利用信息技术与传统课堂的有效融合，积极开展线上、线下混合式教学以及建设线上线下“金课”，成为高校本科教育改革的重点研究方向之一[1-3]。2020年以来受新冠肺炎疫情的影响，在线课程的建设加快了速度，线上线下混合式教学成为了提高本科教学质量的重要“抓手”。和传统教学相比，混合式教学强调“以学生为中心”，增强了老师与学生、学生之间以及学生与学习资源之间的交互，为整个教学环节提供了一种真正参与度高、具有个性化指导的学习体验[4-8]。
为了配合做好线上线下混合式教学，各高校、教育相关企业涌现了大量的线上学习平台及工具（如爱课程、智慧树、学堂在线、雨课堂、腾讯会议、ZOOM、腾讯乐享平台等），学生通过线上学习平台可以突破时空限制，随时随地地获取想要的知识，然而，线上学习平台由于缺乏及时有效的指导和帮助，导致学生学习体验感差，无法长期坚持下去，完成率低[9-12]。因此，在混合式教学的具体实施过程中，通常会结合线上学习平台和第三方的聊天工具（如微信学习群、QQ学习群、腾讯乐享等），一起协助提高混合式教学中学生的学习效率和学习能力，其中腾讯QQ具有操作方便、简单易懂、界面友好、零费用等特点，备受广大青年学生的青睐，是目前国内学生最常用的网上聊天、交流工具。QQ群是在腾讯 QQ 基础上推出的多人交流软件，是为用户中拥有共同兴趣爱好的群体而建立的一个公共交流平台[13-14]。
目前，QQ群在混合式教学中的应用更多是集中在班级管理和教学辅导答疑上，而以课程学习设计、QQ学习群“聊天”日志数据分析为目标的研究应用还比较少。
1 设计方案
QQ学习群中有大量聊天记录数据，可以对学习群内讨论记录数据的整理导出，分析出知识点的掌握情况、学习难点、不同时间段学习偏好以及学生的活跃度，通过Python的绘图库Matplotlib或百度echarts可视化工具，以图、表等形式可视化在相应线上学习管理平台。图1所示为QQ学习群日志数据处理分析流程。
通过对导出的QQ学习群txt文本文件进行信息过滤、抽取与检索等过程，抽取原始QQ学习群里和对应课程相关的信息，存入数据库以及Json/CSV文件中。在数据抽取过程中有两点需要注意：一是对抽取的信息做时序性的记录，这样可以从互动性比较强的学生里找到他们的学习行为相关性分析，同时也可以和线下的某个关键时间节点（如期中考试、期末考试等）结合起来共同分析；二是对缺失的数据要及时重新获取或补全，进而保证数据的完整性，同时也为其相关性分析提供可靠的数据支撑。
图2所示为可视化处理QQ学习群数据生成相应图表过程图。
2 实践应用
2.1 数据处理过程
将从QQ学习群获取的数据存储在MySQL数据库以及Json/CSV文件中，这样可以兼有两者的优点。
对于MySQL数据库存储方式，主要有3张table，这3张table的数据结构如下所示：
QQ_Infor(QQInfor_ID,User_ID,content,date_poster, knowledge_ID)
User_Infor(User_ID,name,StuNum,QQNum,QQAlias)
Knowledge_Infor(knowledge_ID,Kno_name, Kno_date)
其中QQ_Infor数据表存放的是QQ学习群的聊天记录；User_Infor是学生信息表；Knowledge_Infor是知识点信息。
对于Json/CSV文件系统（本文以Json为例），将获取的数据以学生为单位生成多个Json文件，每个学生一个Json文件，里面存储每个学生从第一条聊天信息到最后一条聊天信息的所有聊天信息。
2.2 利用上一步导出的QQ学习群处理数据生成相应图表
2.2.1 讨论学习关键词（知识点）词云图
结合生成的词云图有助于任课教师快速了解QQ学习群内学生关心或薄弱的知识点（或情绪、活跃者），及时调整教学设计、教学目标和教学计划。
生成QQ学习群词云图的流程如下：
（1）聊天内容转化，将所有聊天内容转为string类型；
（2）去除英文字符以及数字，由于程序课程学生问题中有不少是直接复制的编程代码，为了防止生成的词云图有编程中关键字，可以把聊天内容中的英文以及数字去除，只保留中文留言；
（3）分词，将上一步生成的文本分词，返回结果为词的列表，并将分号的词以空格分隔为连成的字符串；
（4）去掉停词，导入停词库；
（5）设置词云图格式，设置好生成词云图的字体格式、背景颜色、大小、导入停词库等；
（6）显示词云图，可应用matplotlib显示QQ学习群聊天结果词云图。
2.2.2 每天不同时间节点提问或答疑累计次数的柱状图
任课教师通过生成每天24个小时累计学习次数的柱状图，可以清晰了解到学生每天不同学习时间点的学习偏好，可以帮助合理有效安排助教以及答疑时间。
过程如下：
（1）获取每条聊天记录的时间信息；
（2）设置字典dictionary，并初始化0—23共24个时间段的累计提问或答疑次数为0；
（3）由第一步获取的每条聊天记录时间信息提取对应小时，找到相同的字典key值累加到对应dictionary中；
（4）显示每天0—23共24个时间段的提问或答疑累计次数的柱状图。
2.2.3 按照星期作为时间节点沟通答疑的累计次数柱状图
任课教师通过生成每周7天累计学习次数的柱状图，可以清晰了解到学生每周不同学习时间“星期几”的学习偏好，也可以帮助有效安排助教及答疑的具体时间。
过程如下：
（1）获取每条聊天记录的日期信息；
（2）设置字典dictionary，并初始化1—7共7个时间段的累计提问或答疑次数为0；
（3）由第一步获取的每条聊天记录日期信息提取对应星期，找到相同的字典key值累加到对应dictionary中；
（4）显示按照星期作为时间节点1—7共7个时间段的提问或答疑累计次数的柱状图。
2.2.4 寻找热心提问和答疑学生
通过该功能，任课教师可以了解哪些学生更愿意投入精力到该课程的学习，也可以为设置课代表或QQ群管理员、分组讨论提供支撑依据。
流程如下：
（1）获取每条聊天记录的学生信息；
（2）设置字典dictionary，并初始化0—N-1共N个学生的累计提问或答疑次数为0；
（3）由第一步获取的每条聊天记录学生信息，找到相同的字典key值累加到对应dictionary中；
（4）由于学习群学生一般都在几十个甚至上百个，无法完整显示所有学生的提问或答疑对应图表，因此可以对字典dictionary按照value排序，获得最活跃或最不活跃的若干学生；
（5）显示按照QQ学习群中学生的活跃程度，可以显示为词云图、柱状图等。
3 效果分析
大学计算机基础课程介于计算机专业课和公共基础课之间，内容繁杂、授课面广，甚至跨专业合班授课，该课程既有专业课程知识点多的特点，又有公共基础课程涉及面广、学生多为低年级的特点。将QQ学习群图表数据分析研究方法应用到2020年和2021年的实际教学过程中采用混合式教学的两门课程，一门是面向大一学生的大面积基础课大学计算机1，一门是面向大二的机械类学生的算法设计与问题求解，并围绕以下3个方面展开研究与分析。
（1）学生对知识点的掌握情况分析；
（2）学生在不同时间段（以星期或每天时间节点）的学习偏好；
（3）学生在QQ群内的活跃度。
1）学习群讨论学习关键词（知识点）的词云图。
2020年和2021年的大学计算机1、算法设计与问题求解4次课生成的词云图如图3所示。“2020春－大学计算机1”课程QQ群生成的词云图如图3（a）所示，词云图大多数内容和课程知识点不太相关，分析原因主要是2020春季学期由于新冠疫情，学生均没有返校，整个学期居家完成线上教学和学习，而且整个学期课程组统一线上教学，要求学生在规定的时间和规定的教学线上平台完成线上讨论，学生将一些疑难问题都在特定的线上教学平台进行讨论。因此，词云图出现频率高的一些词有“投票、调研、返校、直播、课堂、提醒、学期”等，可以看出疫情期间QQ群内学生们更关注是在线教学工具和返校相关的事宜。
“2021春－大学计算机1”课程QQ群生成的词云图如图3（b）所示，该学期学生已经完全返校，词云图中呈现的更多是“字符串、输入、输出、include、stdio、字符、数组、循环、scanf、判断”等和C程序设计语言基础语法相关的一些知识点，分析原因主要是“大学计算机1”面向的是大一学生，有不少学生进入大学之前从未接触过程序设计，而“大学计算机1”中的C程序设计需要学生进行大量的上机操作提高动手编程能力，因此在上机编程的初始阶段更容易出现对C程序设计的一些基本概念理解不透彻、知识点之间区分不清等问题。对于低年级尤其是大一新生进行程序设计教学时，应该结合上机实践，可以选择现场编程的教学方法，在开发环境上直接演示编程过程，教会学生如何编写程序。从2022春季学期的教学效果来看，现场演示编程比纯PPT讲解程序更能引起学生的兴趣，更能激发学生学习的积极性。
“2020秋－算法设计与问题求解”和“2021秋－算法设计与问题求解”课程QQ群生成的词云图如图3（c）和3（d）所示，“算法设计与问题求解”是一门提高性的算法及编程课程，主要面向的是大二机械类学生，本课程侧重于提高学生的计算思维能力、实现算法的编程能力。由于学生已经具有一定的编程基础，本课程的设计侧重实践，以“大班授课小组讨论”的形式引导学生高效率的自主学习。这两个词云图比较相似，“作业、算法、上机、代码、用例、平台、小组、VS、题目、文件、显示”等词出现的频率比较高，而没有出现一些具体的课程知识点，分析原因主要是大部分学生已经有了一定的编程基础，在整个教学过程中更多关心的是具体某个算法的运行结果是否满足用例的要求，而且采用小组讨论的形式也能够促进学生加深对日常的数据结构、算法策略的认识并解决一些具体的实际问题。
2）以星期作为时间节点讨论答疑的累计次数柱状图。
图4（a）—4（d）4个图是按照星期作为时间节点（分为周一至周日共7个时间段）的QQ学习群累计讨论次数柱状图，4个图除了图4（a），图4（b）、图4（c）、图4（d）3个柱状图比较相似，主要的特点是周三的QQ群活跃度都很高，周一和周日也有比较高的活跃度。
由于大学计算机1和算法设计与问题求解两门课程的实验课会安排在周三下午或晚上，同学们会集中在周三进行大量的上机实验练习，另外作业的截止时间会在周日或周一的晚上，截止时间前也会有不少学生突击完成作业，因此这两天同学们在群里会活跃一些。在安排实验课或安排助教进行答疑或讨论课时，可以重点考虑这两个时间节点。
图4（a）周二和周四的群活跃度比较高，主要原因是由于疫情线上教学，周二和周四这两天恰好是上课的时间，当时采用随堂群投票的形式进行点名，因此周二和周四群里会活跃一些。
3）以每天不同时间节点讨论答疑累计次数的柱状图。
从图5（a）—图5（d）中可以看到，QQ学习群每天比较活跃的时间段除了理论课和实验课上课安排的重复时间段10点和14点之外，还有中午12点以及晚上21—23点QQ学习群也比较活跃，分析其原因主要还是布置作业的截止时间大多在晚上12点，学生更多是在deadline前完成作业，问题较为集中。另外，由于部分实验课在下午安排讨论课或学生讲题环节，因此中午12点QQ学习群也有一定的活跃度。
4）寻找热心提问和答疑学生。
图6（a）—图6（d）4个柱状图是对应课程群内讨论回复最活跃的10位同学，分析其讨论回复的消息，主要集中在学生的提问和一些有一定基础且热心的同学回答其他同学的问题，任课教师通过该柱状图可以了解哪些同学更愿意投入精力到该课程的学习，也为设置课代表或群管理员及分组讨论提供支撑依据。
将群内最活跃的前10位同学和最终的考试成绩进行比较分析，发现群内讨论答疑的活跃度和考试成绩基本呈现正相关，群内活跃的同学中只有个别同学考试不理想。QQ学习群最活跃的10位同学和考试成绩的关系见表1。
4 结 语
在线上线下混合式教学过程中，大部分课程会结合学习平台和第三方的聊天工具一起协助，提高教学效果以及学生的学习效率。实践证明，任课教师结合QQ学习群的图表数据分析，可以及时调整教学设计、教学目标和教学计划，能够提高混合式教学中学生的学习效率和学习能力，激发学生学习热情，有效提高混合式教学质量。未来可以结合QQ学习群（以及结合课程组开发的学习管理平台的日志数据）制订个性化的学习方案以及自适应地提供学习参考资料、习题，帮助学生快捷、准确地获取学习资源；继续深入研究线上线下有效融合的混合式教学方法，引入数据挖掘、机器学习等技术，提高使用教学数据的分析能力，做好以“学习者为中心”的混合式教学工作。
参考文献：
[1] 中华人民共和国教育部. 为了打赢全面振兴本科教育攻坚战: 新时代全国高等学校本科教育工作会议一年来改革综述[EB/OL]. (2019-06-28)[2022-05-23]. http: //www. moe. gov. cn/jyb_xwfb/s5147/201906/t20190628_388109. html.
[2] 中华人民共和国教育部. 教育部关于加快建设高水平本科教育 全面提高人才培养能力的意见[EB/OL]. (2018-10-08)[2022-05-23]. http: //www. moe. gov. cn/srcsite/A08/s7056/201810/t20181017_351887. html.
[3] 中华人民共和国教育部. 教育部关于一流本科课程建设的实施意见[EB/OL]. (2019-10-30)[2022-05-23]. http: //www. moe. gov. cn/srcsite/A08/s7056/201910/t20191031_406269. html.
[4] 廖春华, 欧李梅. 智能时代以自主学习为中心的学生学业发展体系构建探索[J]. 中国大学教学, 2020(10): 69-74.
[5] 武云云, 熊曾刚, 孔霞, 等. 以“学生为中心”的计算机基础课程改革探索[J]. 计算机教育, 2021(10): 126-130.
[6] 刘允涛, 刘悦. 高职计算机公共实训课线上线下混合式教学改革[J]. 实验技术与管理, 2020(6): 243-245.
[7] 彭鑫, 瞿述, 谢文武, 等. 疫情防控期间线上教学的混合式实现途径[J]. 计算机教育, 2021(2): 44-48.
[8] 郭艳燕. 基于TPACK模型的程序设计实验课程混合式教学改革[J]. 实验技术与管理, 2019(10): 238-242, 264
[9] 吴林静, 马鑫倩, 刘清堂, 等. 大数据支持的慕课论坛教师干预预测及应用[J]. 电化教育研究, 2021(7): 47-53.
[10] 王艳, 丁雪梅, 孙薇. 深度学习在MOOC推荐系统中的应用[J]. 实验技术与管理, 2020(8): 54-57.
[11] 常李艳, 刘婧, 黄崇. MOOC辍学研究: 近20年文献的系统分析[J]. 图书馆论坛, 2021(11): 38-51.
[12] 徐海玲, 葛世伦, 魏晓卓. 虚拟学习情境下MOOC学习中知识转移绩效影响因素研究[J]. 高校教育管理, 2020(4): 61-72.
[13] 邢晓春. 基于QQ群的引领式在线学习模式设计与研究: 以电大开放教育综合实践教学为例[J]. 中国成人教育, 2018(22): 99-102.
[14] 李结松, 张俊飞, 周丽芬, 等. 基于超星学习通、QQ群、虚拟仿真平台开展实验教学的实践与思考[J]. 大学教育, 2022(3): 5-7.
基金项目：教育部产学研合作项目（202102001035）；西安交通大学本科实验实践与创新创业教育教学改革研究专项项目（21SJZX17）；教育部首批新文科项目（2021070072）；第二批新工科研究与改革实践项目（E-JSJRJ20201344）；陕西省第二批新工科研究与改革实践项目；陕西省教改项目（21BY001）。
第一作者简介：薄钧戈，男，西安交通大学工程师，研究方向为区块链技术、教育大数据分析，bojunge@xjtu.edu.cn。
引文格式：薄钧戈，乔亚男，吴 宁，等. QQ学习群数据图表助力混合式教学 [J].计算机教育,2023(1):28-34.
转自：“计算机教育”微信公众号
如有侵权，请联系本站删除！
