0 引 言
在工科教育改革的探索进程中，成果导向教育（Outcomes-Based Education，OBE）作为建设高标准工科课程的一种有效教育理念，已经成为了众多高校及各类课程体系中教育改革的指导方向[1-2]。
随着人工智能和大数据的飞速发展和应用，面对信息化社会对软件人才的市场需求以及新工科、工程认证对人才的高素质要求，解决复杂性工程问题等能力的培养成为了课程改革的重要目标，但为了实现以能力为导向、开拓学生思维的教学目标，并不能单单依赖于传统教学模式。结合混合式教学，全线融合思政教育，并拥有多元多维度教学评价体系的新兴教学模式，对于综合能力的培养提供了新途径；同时，结合部分学者得到的教学成果分析，证实该教学模式是目前具有良好教学成效的教学方式之一[3]。
1 能力导向的“五环节”混合教学模式
数据结构课程的教学主要存在着以下3方面的问题：①在基础阶段知识“满堂灌”，缺乏课堂互动，个性化教学缺失；②在应用阶段理论和实践环节脱节，制约了实践创新能力的发展；③在综合考核阶段考核机制单一，学生敷衍倦怠，无法有效驱动教与学。
为了解在实际应用中学生解决复杂工程问题时遇到的主要瓶颈，笔者在软件工程专业2020级数据结构的第一堂课发布了156份课堂问卷，最终共收集153份。回收问卷后经过词云分析得出，学生在算法、数学模型以及解决问题的思路等方面都遇到了不同程度的困难，其中绝大多数学生认为“算法”为编写程序时的重大难点。
结合总结的教学经验以及学生所反馈的实际情况，以能力为导向的教学模式改革势在必行，课前、课中、课后、实践、反思“五环节”混合教学模式应运而生。教学特点可概括为打造线上线下相互补充的混合式教学模式，在实践过程中贯彻“五环节”教学方法，建立多元立体化评价体系对课程的5个方面进行全方位考评。在课程教学进行的同时，在教学大纲、教学设计、教案、教材等方面融入思政元素，推进课程思政的建设，完成价值引领。
2 能力导向的数据结构“五环节”混合教学实践
2.1 教学活动
在数据结构课程教学改革的探索中，对于混合式教学模式的设计，首先凭借中国大学MOOC平台自建课程并借助信息化技术实现对混合式教学内容及教育活动的重构。利用学习通、Online Judge（OJ）在线测评系统打造混合式学习空间。采用“五环节”混合教学法，并设定线上学习MOOC的比例为整体教学活动时长的25%，翻转讨论、实验和面授等线下学习方式的比例为75%，以实现线上线下教学活动的交叉补充。具体的教学活动说明以及课时分配详见表1。
其中，对于翻转讨论课的设置，若直接将翻转教学应用于大班，会出现实施困难的情况，故采取“小组讨论、小班互动、大班翻转”的形式。我校共有5个专业76个班开展了线上线下混合式教学，如2020级软件工程专业共有学生156人，则将其分为两个大班（94+62人）进行授课，在班级内又将每5~6个学生分为一组，使学生间的讨论更为便捷。
为打造更加多样化更有效的混合教学模式，线上教学活动的开展主要是基于MOOC平台上已有的完备的课程资源。为弥补目前部分工科课程MOOC教学掌握学习进度、学习情况难和互动性差等问题[4]，采取预先构成的小组化混合式学习空间内的学习讨论的方式，组织教师在线为学生实时辅导答疑。通过朋辈间相互学习有效促进学生之间共同进步。
对于线下教学模块也进行相应的改进，学时占比最高的面授课的学习内容主要聚焦在课程重难点模块，借助“学习通”平台加强对课程全过程的管理，增强师生互动，实现学生探究和按需学习；实验课分成基础、综合和高阶3个模块，阶梯式难度系数的训练设置正符合OBE的教育理念[5]；为翻转讨论课堂分配20%的学时，通过这一模式的教育改革达到知识与能力素质有机结合的教改目的[6]。
2.2 教学内容和组织形式
建设高标准且以能力导向为教学理念的数据结构课程教学模式的任务中，教学内容及其组织形式的构建也是要重点关注的对象。
教学内容除了包括数据结构中的经典知识，如线性结构、树、图、查找及排序等，还扩充决策树等知识点，增加城市道路规划等应用案例，在实践类的教学环节中以现实行业需求作为课程要求。
组织形式采取课前、课中、课后、实践、反思“五环节”混合教学法，满足个性化需求，有效打破惯性思维，培养学生解决复杂性工程问题的能力。“五环节”混合教学组织形式如图1所示。
针对课程内容“栈及其应用”的“五环节”混合教学组织形式如下。
（1）课前：教师提前发布自主学习任务单，包括栈的概念和基本操作、汉诺塔问题等视频资源，学生分组学习讨论，完成预习笔记、PPT、迷宫等实例实验代码等，实现教师因材施教、学生自主学习的教学目标。在课前预习环节融入社会教育等思政教育。
（2）课中：借助学习通的课堂前测，掌握学生对栈的特点和基本操作等内容的学习情况；通过思维导图等为新知识迁移作铺垫；通过电脑鼠路径搜索等典型案例驱动，提升学习兴趣；通过栈在日常生活的实例和计算机应用等主题讨论引发头脑风暴；通过马踏棋盘、八皇后等问题以及翻转课堂上师导生演、生问生答、师生互动，形成师生学习共同体。多举措并施，建成高效学习课堂。在课中互动环节渗透好学思辨、追逐卓越、求真务实及踏实严谨等思政教育。
（3）课后：安排进制转换、魔王语言、表达式计算等具备“知识巩固、问题模仿、应用创新”特点的多层次作业，拓展知识内涵及应用，并推进第二课堂的内容。在课后巩固环节融入创新意识、精益求精等思政教育。
（4）实践：课内实验通过约瑟夫环等必做题、马踏棋盘等小组协作题、电梯模拟等选做题分层推进，全面构成阶梯式实践体系。课外借助OJ平台，蓝桥杯、ACM等竞赛激发创新意识，实现万行代码的突破，进一步促成解决复杂性工程问题目标的达成。在实践拓展环节涵盖畅想创新、项目协作等思政教育。
（5）反思：针对教学过程，师生总结反思，教师从教学设计、策略、内容、效果、课时分配等方面，对混合式教学设计过程进行持续优化，实现为学生质疑解惑、为线下教育赋能。在反思优化环节渗透文化自信、诚信价值观等思政教育。
2.3 多元立体化评价体系
课程评价体系所产生的考评结果，是教学模式持续改进、教学效果不断提升的根本动力。由以往的结果一刀切的评价方式改为多维多元过程性、集中性的综合评价，从而给出面向教学全过程的立体化评价。多元立体化评价体系以“学本评价”理论为指导，将过程评价和终期评价结合，自我评价、同伴评价和教师评价结合；采用线上、翻转、实践、大作业、期中、期末等多元评价；利用爱课程和学习通数据对学生行为画像，实现精准化、个性化、差异化教学；借助信息化教学平台及工具，从根本上保障学生自主学习和深度学习。评价体系结构如图2所示。通过建立多维度的考评体系，引导学生投入多种学习形态中，激励学生主动进行沉浸式学习。
课程考核的总评成绩将综合线上和线下两部分，线上成绩占比20%，线下成绩为80%。其中，线上成绩的考评又包含了4种评价方法，分别为在线练习和单元测试、单元作业及作业互评、线上期末考试以及论坛讨论部分；线下成绩的考评则包含了翻转讨论课堂、随堂小测和答疑研讨、课后作业巩固练习、实践环节能力、期中考试及线下期末考试共6种评价方法。
对于翻转课堂环节，若采用传统的教学评价则会出现协作能力评价、过程性评价、学生间客观性评价的匮乏，能力导向的目标无法达成[7]。故此，翻转课堂的教学评价包括课前（包含学习视频、提交预习笔记、PPT制作等）、课堂专题讲解（包含组内评价、组间评价、教师评价、自我评价）及随堂课堂讨论共3个视角的评价模式，以此打造的面向全过程的评价更为直观有效；期中、期末考试的范围则涵盖基础知识、分析完成、算法设计和开放性题目共4个方面。过程考核和集中考试互相补充、综合评定，为课程提供了行之有效的评价手段。
3 改革效果分析
2018年至本文刊发时，我校计科、软件等专业共59个班采用了“五环节”混合教学模式，极大地提高了学生的分析思维能力、学习能力，提升了思想素养，培养了探究精神等，取得了突出成效。
为了探究基于能力导向的线上线下“五环节”教育模式应用后，学生的分析思维能力是否得到了提升，笔者在课堂上组织对数据结构部分重难点题目进行讨论，此类题目具有逻辑性强且更为抽象的特点，若要完成此类题目需要学生具备较强的思维分析能力。我校软件工程专业2019级共有163人，2020级共有156人，统计完成情况如图3所示，可以得出学生思维能力有所提升的结论。
另外，分别对我校软件2019级、2020级总成绩中的实验部分（占比10%）进行结果分析以判断学生动手能力的提升情况，数据对比见表2。综合各项结果来看，应用这一模式后，学生的动手能力得到了锻炼和提高。
设定2个课程目标分别考查学生对特定应用问题进行数据抽象建模和分析，形成合理的数据存储组织方案的达成情况；以及学生针对数据存储组织方案，设计编写出相应算法，并对算法的时间复杂度和空间复杂度进行评价的达成情况。应用该教学模式后，绝大部分学生思维能力和实践能力达到了目标要求，并超过了期望值。
通过在“问卷星”平台发布调查问卷，了解学生在思想素质层面上的收获及提升，针对“学生在数据结构学习中的最大收获”的问卷最终有效回收231份，该部分调查结果见表3。在该教学模式应用后，学生对于“算法”的思维分析能力及动手实践能力得到了提升，回归了教学初心，实现了教学目标。
4 结 语
我校计算机科学与技术专业、网络工程专业和软件工程专业从2016年开始筹备申请工程教育专业认证，其中软件工程专业在2020年通过认证，计算机科学与技术专业、网络工程专业于2021年通过了认证。在数据结构课程的教改探索任务中，始终以能力导向为核心教学理念，以培养学生思维能力、学习能力，提升思想素养，形成探究创新精神等作为教学目标。在数据结构教学模式改革的探索中，采用“五环节”混合式教学方法，实现多平台多手段的线上线下教学活动的交叉补充；建立多元立体化教学评价体系，使这一新兴教学模式的评价手段更加个性化、精准化、公平化。
应用能力导向的数据结构课程“五环节”混合教学模式后，教学成果符合预期，取得了良好的教学成效，该教学模式也将在教师与学生的各项教学反馈中，持续改进，不断完善，为计算机和信息类课程提供可借鉴思路。
参考文献：
[1] 李卫强, 王继强, 马先珍. 基于OBE的大数据课程体系建设[J]. 计算机教育, 2021(7): 139-142, 147.
[2] 邓秀勤, 张翼飞, 乔守红, 等. 基于OBE理念的“离散数学”课程教学改革探索[J]. 教育教学论坛, 2020(38): 186-187.
[3] 朱洁, 王海艳, 黄海平. 基于OBE的数据结构教学改革实践[J]. 计算机教育, 2019(10): 95-98, 108.
[4] 邱菡, 王清贤, 曾子懿, 等. 基于MOOC运用的网络科学课程混合式教学设计与实践[J]. 计算机教育, 2021(7): 126-130.
[5] 董晨, 戴敏. 基于OBE理念的数据结构课程教学改革与实践[J]. 中国轻工教育, 2020(2): 80-85, 96.
[6] 杨晓波, 李晓鸿, 屈卫兰, 等. 基于SPOC+翻转课堂的探究性小班讨论课的探讨与实践[J]. 计算机教育, 2019(8): 23-26.
[7] 李成严, 高峻, 唐远新, 等. 翻转课堂教学评价体系研究[J]. 计算机教育, 2015(11): 100-103.
基金项目：西安邮电大学2020年优秀课程教学团队项目“计算机软件高阶课程教学团队”（2102108）；西安邮电大学2022年校级“课程思政”示范课程项目“数据结构”（2022009）；西安邮电大学2021年校级教学改革研究项目（JGA202109）；西安邮电大学2022年校级教学改革专项“科教融合视角下的数据结构课程建设研究与实践”（JGZX202204）。
第一作者简介：王燕，女，西安邮电大学副教授，研究方向为智能数据挖掘和智能信息处理，wangyanlxz@126.com。
引文格式：王 燕，罗佳琪，王曙燕，等. 能力导向的数据结构课程“五环节”混合教学改革 [J].计算机教育,2023(1):76-80.
转自：“计算机教育”微信公众号
如有侵权，请联系本站删除！
