0 引 言
随着信息技术的发展和新冠肺炎疫情的影响，线上线下混合式教学已经成为高校教学改革的必然[1]。混合式学习作为当下及未来教育变革的重要方向，正在成为学校信息化以及研究者关注的热点和重要的实践领域。计算机学科的数据库原理与应用课程，是高等学校计算机类、信息类等相关专业的专业基础课，也是一门专业核心课程。通过课程的学习，使学生在掌握数据库原理和实践技能的基础上，培养学生利用数据库软件系统进行数据处理的能力，具备从事软件系统开发所需要的职业素养，进而符合软件公司人才岗位的需求[2]。因此，要求学生重视课程的学习过程就尤为必要。那么，采用混合式教学，学生的学习效果到底如何？最终课程的考核成绩会受到线上线下哪些数据影响？这就需要教师根据学生的过程性学习数据，了解学生的学习状态，及时为学生提供学业帮助，督促学生重视课程学习过程，提高学习效率，进而促使教师改进混合式教学质量，优化教学过程，实现双线融合效果的最大化[3]。
1 混合式教学的学习过程指标设计
数据库原理与应用是计算机类专业的一门专业核心课，其目的是让学生系统掌握数据库相关知识和原理，能够对信息系统开发过程中的数据库问题提出设计方案，具有数据库的管理、维护和应用能力。课程教学目标见表1。
依据课程教学目标，在设计混合式课程教学过程特征指标时，除了已有的学生基本信息外，主要包括线下过程特征指标和线上过程数据特征指标两个维度。学生基本信息去掉了学生学号、姓名，只考虑学生的性别，线下过程主要包括作业和实验，线上过程主要包括单元测验、课堂互动、线上讨论、课程音视频、线上章节学习次数、线上签到等。笔者为每一个目标都设置了线下作业、线上单元测验，针对课程教学目标3设置了实验1—实验5，针对课程教学目标5设置了实验5。整个学习过程特征指标共计23个，特征指标与课程教学目标、最终考核分值的对应关系见表2。
根据课程学习过程的特征指标，运用超星MOOC平台课程资源中心，收集近两年计算机类专业的数据库原理与应用课程的所有线上学习数据，并整理了线下的所有学习过程数据，共计411个样本。在研究的411名学生的样本数据中，每个样本具有23个特征，一个目标变量是课程的最终考核成绩。
2 教学过程数据分析
2.1 最终考核成绩整体分布分析
为了解近2年学生对该课程整体的学习状况，对近2年的学生最终考核成绩进行统计，成绩分布结果如图1所示。
从成绩分布直方图可以看出，优秀人数太少，不及格人数偏多，有1名学生成绩小于10分，1名学生成绩小于30分，3名学生得分小于40。为了解成绩较差和优秀学生的学习过程，查看了小于40分学生的成绩过程数据和成绩大于90分的成绩过程数据：考核成绩过低的男生居多，过程数据成绩要么为0，要么得分太低，特别是实验成绩和线上测验成绩偏低，但课程视频成绩有2名学生为100；成绩达到优秀的学生都是男生，并且成绩为优秀的学生，其整个学习过程数据的每一项成绩都达到良好或优秀。
2.2 按性别、成绩等级的成绩统计分析
为了解男女学生的学习成绩总体情况，首先在原始样本中增加一个“成绩等级”特征，即将最终成绩进行区间划分，把百分制划分为5级制，0—59，60—69，70—79，80—89，90—100，对应不及格、及格、中等、良好、优秀，然后按照性别、成绩等级对成绩分布进行统计，不同性别的各个成绩段的分布比例如图2所示。
从图2可以看出，男女生成绩分布几乎一致，主要集中在60—79分之间，成绩不及格比例男生高达12.9%，优秀成绩只有男生，女生成绩没有一人达到优秀。
根据性别特征分别对原始成绩求其均值和标准差，结果见表3。同时，根据性别、成绩等级对原始成绩进行聚类求其均值，结果见表4。
从表3中可以看出，整体成绩均值偏低，受到高分和低分的影响，整体成绩标准差为10.52，而女生成绩的标准差小于男生，说明女生成绩分布相对比较集中，女生成绩平均值略大于男生，但差异不大。同样，从表4可以看出，除女生没有优秀等级外，其他等级男女生的成绩均值差异较小。
2.3 过程数据特征与最终考核成绩的相关性分析
不同类型变量的相关性可以采用不同的分析方法，如连续变量之间可以使用皮尔逊相关系数计算相关性、连续变量和离散变量之间可以使用卡方检验计算相关性等，这里忽略变量的连续和离散特性，只需对性别这个离散特征按照自然数排序方法对其进行数据重新编码（男=1，女=0），这样所有变量视作为连续变量，使用相关系数进行计算各学习过程数据特征与最终成绩的相关性。为了直观的展示相关性，使用条形图得到的相关系数计算结果如图3所示。
由于受样本量、样本不均匀的影响以及各课程目标在考核成绩所占的比例，从图3能够发现，大部分特征对最终成绩的相关性偏弱，但不同特征的相关性强弱有较为明显的分层。其中相关系数大于0.5的特征只有实验5和作业5，大于0.4的各特征相关系数从强到弱依次为作业3、课堂互动、实验3、实验4、实验2、测验3，大于0.3的各特征相关系数从强到弱依次为测验4、实验1、测验5、测验1、作业4、测试2、线上讨论、作业2、作业1，相关系数大于0小于0.3的依次为线上总测验，线上综合成绩、线上签到、课程音视频、线上章节学习次数，而性别的相关系数为-0.1，进一步说明除成绩偏低或优秀的学生外，性别这一学生基本特征，其实对最终考核成绩的影响不大。
2.4 不同特征成绩等级与最终成绩的分布分析
由图3的相关系数条形图可知，相关系数最强的两个特征分别为实验5和作业5，对应课程目标5的数据库设计综合内容，说明学生对数据库设计的原理和方法掌握越好，最终考核的成绩越高。据此，以实验5和作业5为例，统计两个特征的学习过程成绩，统计结果如图4、图5所示。以实验5为例，分析了实验5不同成绩等级与最终成绩的分布比例，如图6所示。
由图4和图5统计结果可以看出，相关性最强的2个特征成绩分布不及格率很低，良好和优秀总的比例分别在40%、60%左右；图6也能够说明，最终成绩为良好和优秀的学生，其实验成绩大部分为良好以上，进一步说明实验5和作业5对成绩影响的重要程度，说明数据库设计综合内容的熟练掌握对最终考核成绩的重要性。
3 教学启示
为了更好地融合线上线下两种教学方式，根据线上线下教学过程数据对最终成绩的相关性分析以及学习过程不同特征的成绩分布，提出如下的教学建议。
3.1 重视课程实践环节
通过图3相关性分析的条形图可以看出，线下的实验1至实验5整体上与最终成绩的相关性较强，说明该门课程学习过程中的实践练习对最终成绩的影响非常大，特别是教学目标5的实验5相关性最强。这是因为课程的目标就是要求学生在掌握基本理论知识的同时，通过实验、实践环节进一步巩固所学知识，并能够结合工程化原理和方法进行数据库的设计与开发，为后续课程打下坚实的基础。因此，教师在教学过程中必须向学生强调理论结合实践的重要性，教学改革除了考虑优化实验、实践环节内容的设置，还需优化实践的考核方式，使学生能够真正达到学以致用。
3.2 探索多样化的教学模式
作为课程内容重点的数据库综合设计和数据库管理技术分别对应课程目标5和目标3，由表2可知，两者在最终考核的分值比例超过55%，而图3也说明了实验5、实验3、作业5和作业3与最终成绩的相关性较强。因此，在教学过程中，教师向学生强调数据库综合设计、数据库访问和管理技术在数据库原理课程中重要性，同时还要通过导入实际项目将需求分析贯穿至数据库实施维护的整个设计过程，特别是学生比较熟悉或比较感兴趣的业务领域（如学生成绩管理系统、大学生学习交流平台、后疫情时代的社区健康服务管理系统等）。此外，通过案例教学、布置线下大作业、组建学习团队、参与项目实战等多种形式让学生投入更多的时间学习，进一步探索多样化的教学模式，以提升混合教学模式的效果。
3.3 合理设置线上教学资源属性或形式
根据图3相关性分析可知，线上特征整体对最终成绩的相关性弱于线上特征的相关性，特别是线上签到、课程音视频、线上章节学习次数的相关系数只有0.12、0.1和0.08。此外，成绩小于40分学生的过程数据成绩反而不低，竟然有100分，说明教师需要合理设置线上教学资源的使用，比如对课程音视频的观看特征，有必要对此项进行防拖拽设置，防止学生为了增加观看任务进度进行任意拖拽（实际上并未进行观看、学习视频）。针对线上签到，可以改变签到形式，比如通过课堂提问、随机签到等多种形式间接查看学生是否上课。
3.4 加大线上测验题的区分度
根据相关性分析结果可以看出，线上每一个教学目标的测验成绩与最终成绩的相关性普遍偏弱，最高的课程目标3对应的测验3为0.4。此外，通过测验3成绩的分布，优良率达到60%左右，成绩主要集中在80~100之间。用同样的方法，统计其他相关性更弱的测验成绩，其优良率更高。说明大部分学生都能较好地完成课程不同目标的测验，但最终考核成绩确不理想。因此，需要教师根据不同的知识点，针对线上测验，应设置多种不同类型、不同难度系数的题目，以加大线上测验题的区分度。
3.5 重视课堂互动和线上讨论
由图3可知，课堂互动是仅有的线上环节和最终成绩相关性较强的学习过程特征，课堂互动环节包括线上随堂练习和线上讨论：随堂练习（课前3~5分钟）能够及时检测学生前一节课对知识点的掌握情况以及相应学习效果，迫使学生线下必须复习、巩固已学过的知识，而不至于掉队；线上讨论不仅能够增强学生的互动和交流，而且可以调动学生的主动性和积极性。因此，在随堂练习题的设置上，为了保证线上学习的有效性，应侧重前一节课（或线上学习）所学的重点、难点知识，促使学生高质量地完成线上学习；线上讨论应尽可能从知识的广度和深度进行扩展，同时跟踪数据管理技术的发展，设置学生感兴趣的话题，提升学生的参与度，使学生学会运用所学理论知识去更好地分析和解决问题。
3.6 督促学生的学习主动性
通过成绩分布可以看出，整体成绩优良率偏低，个别学生线上、线下过程数据成绩要么很低、要么为0分，说明这部分学生没有参与到课程学习中，学习态度不够端正，对布置的作业、实验过程不够重视，进而最终考核成绩很低。因此，需要在平时的教学过程中，督促个别学生提高学习的主动性，时刻关注学生的学习动态，狠抓学生学习情况，包括作业、课堂和课后学习及实践环节。
4 结 语
后疫情时期高校混合式教学成为高等教育变革与创新的热点问题，混合式教学既有线上教学的便利性、个体性，又具有线下教学较好的互动性。在教师的有效引导下，如何使线上线下两种教学方式融合的混合式教学形成“1+1＞2”的教学效果[1]，重视课程的学习过程就显得尤为重要。在混合式教学下，学生的学习过程对课程考核的最终成绩起着决定性的作用。数据库原理课程，作为计算机类专业的核心课程，依据课程目标设计了线上和线下共计23个学习过程特征指标，通过特征指标和最终成绩的相关性分析，以及最终成绩分布、各个特征指标成绩分布分析，说明学习过程对最终考核成绩的影响。通过学习过程指标设计，学生更加重视学习过程，进而调动了学生学习的主动性和积极性，激发了学生的学习兴趣。依据过程数据分析结果，为后续混合式教学提出了相关建议和改进措施，使学生逐步走向自主学习的道路，促使教师改进混合式教学质量，特别是线上教学合理的设置和评价，进而优化教学过程。
参考文献：
[1] 张倩, 马秀鹏. 后疫情时期高校混合式教学模式的构建与建议[J]. 江苏高教, 2021(2): 93-97.
[2] 彭义春, 金宝慧, 喻学才. 工程教育认证背景下的数据库原理课程教学改革[J]. 计算机教育, 2021(11): 128-133.
[3] 罗杨洋, 韩锡斌. 基于学生在线学习行为特征的混合课程分类研究[J]. 中国电化教育, 2021(6): 23-30, 48.
基金项目：陕西理工大学一流专业建设项目。
作者简介：肖海蓉，女，陕西理工大学副教授，研究方向为数据库技术、数据分析与挖掘，xhr1226@vip.163.com。
引文格式：肖海蓉. 数据库原理混合式教学过程数据分析与教学启示 [J].计算机教育,2023(1):184-189.
转自：“计算机教育”微信公众号
如有侵权，请联系本站删除！
