多元化提高在线学习主动性的方法研究_顾晓清.pdf

交叉与综合Computer Knowledge and Technology电脑知识与技术第19卷第18期(2023年6月）第19卷第18期(2023年6月）本栏目责任编辑：李雅琪多元化提高在线学习主动性的方法研究顾晓清，倪彤光，薛磊（常州大学 计算机与人工智能学院，江苏 常州 213164)摘要：在线学习作为传统课堂学习的有益补充，能够突破时间和空间的限制，具有开放性和协作性的特点。但是，在线学习中师生之间缺乏足够的关注和交互，同学之间缺乏陪伴和交流，会造成学生参与度不高，学习兴趣退化的现象。该研究从提高学生行为投入、认知投入和情感投入多个方面入手，通过改善教学方法、完善在线学习平台、设计调查问卷、使用基于机器学习的人脸情感识别等多种手段来提高学习主动性。关键词：学习主动性；行为投入；认知投入；情感投入中图分类号：G642 文献标识码：A文章编号：1009-3044(2023)18-0097-03开放科学（资源服务）标识码(OSID)：0 引言随着信息技术水平的提高，在线学习模式为学习者提供了多样化和个性化的学习机会，同时也为教师的教学和学生的学习带来新的问题。尽管拥有管理课堂的理论和实践知识，但大多数教师在管理在线学习方面仍缺乏经验。因为教师和学生之间的分离，在线教学无法像传统课堂那样实现有效互动。传统课堂里，教师与学生自然互动，通过表情、眼神交流以及其他积极的非语言交流方式来表达支持和鼓励，而这些在在线教学中是很难发生的。因此，帮助学生提高参与度和持久性、保持学习的兴趣是在线学习中必须要考虑的因素。而这一问题也成为近期教育研究领域的热点。例如，Qureshi等人1通过多模式学习和可穿戴技术来捕获学生在线学习的实时数据。Salas-Pilco等人2建议给教师提供专业培训，改善互联网连接和确保高质量在线学习资源。为了更好地完成教学评价工作，Mu等人3深入挖掘和分析在线文本，构建了教学评价文本语料库，并对其进行了情感分类。He等人4利用网络大数据提出了基于网络平台的混合式教学模式，分析学生情感状况和学习结果。邬婉莹5从完善线上学习平台和优化学习资源入手，提出大学生在线自主学习模式优化策略。杨孟娇等人6采用逼近理想解排序法对学习行为进行测评，构建在线学习测评模型。研究者将学生参与视为一个复杂的多维结构，包括行为维度、认知维度和情感维度7-8。这三个不同但相互关联的维度都有其特定的特征。行为维度是研究最多的一个维度，它被表达为明确和可观察的行为。它的定义包括参与、互动、协作、成就、绩效、技能发展和学习活动完成等。认知维度与学生的目的、学习动机、自我调节学习、自我效能、感知能力、批判性思维和反思、额外学习努力以及理解复杂思想的能力有关。情感维度是指学生对老师、同学和课程的态度，以及满足感和幸福感等。情感维度直接影响行为维度和认知维度的效果，良好的情感维度往往对应积极的学习结果，如良好的学习成绩、自我调节学习和学习幸福感。本文探讨了在线学习中提高学习主动性的方法，以提高学生参与度、激发学习兴趣和增强积极情感。然后通过在线学习数据挖掘，对获得的学生信息进行相应分析。基于所得结果的反馈，设计并调整了在线教学模式。通过这种方式，可以解决在线教学中师生无法互动、缺乏学习反馈等问题。1 多元化提高大学生在线学习主动性的方法学生参与在线学习可以解释为：行为投入，体现为学生积极参与在线学习活动的表现。认知投入，体现为学生在线学习的动机和要求自主学习的意愿。情感投入，体现为学生在在线学习中表现出的积极态度。本研究从提高学生在线学习中行为投入、认知投入和情感投入三个方面来多元化提高大学生在线学习主动性。收稿日期：2023-03-13基金项目：江苏省教育科学“十三五”规划课题(B-a/2018/01/41)；江苏省教育厅未来网络科研基金项目(FNSRFP-2021-YB-36)；常州大学教育教学研究课题(No.GJY2014033)作者简介：顾晓清(1981)，女，江苏常州人，副教授，博士，主要研究方向为模式识别；倪彤光(1978)，男，副教授，博士，主要研究方向为机器学习；薛磊(1969)，女，副教授，硕士，主要研究方向为高等教育理论。E-mail：http：/Tel：[phone] 65690964ISSN 1009-3044Computer Knowledge and Technology 电脑知识与技术Vol.19,No.18,June 202397DOI:10.14004/ki.ckt.2023.0860交叉与综合Computer Knowledge and Technology电脑知识与技术第19卷第18期(2023年6月）第19卷第18期(2023年6月）本栏目责任编辑：李雅琪1.1 行为投入的提高首先，建立“行为契约”机制。教师与学生达成在线课堂的“行为契约”，对不当行为进行限制，例如持续迟到、扰乱讨论、咄咄逼人、消极抵制回答问题、谈论不相关的话题、未经允许离开课堂、忽视完成预期任务、持续关闭摄像头等引起破坏课堂教学次序的行为是禁止的。简而言之,这些不当行为被定义为在线学习中的扰乱教学的行为，也作为教师管理在线课堂的依据，为提高教学质量提供必要的保障。其次，统计在线学习平台使用情况、视频学习情况、完成作业和测试完成情况等指标。具体地，在线学习平台使用情况包括：在线学习平台总时长、在线学习平台登录次数、在线学习平台登录天数、浏览资源数、访问公告次数。视频学习情况包括：观看视频总数、观看视频总时长、视频观看间隔、视频观看跳数、视频复看率等。完成作业和测试完成情况包括：作业完成率、作业得分、测试完成率、测试得分等。这些学生行为投入提供最直接、最有效的学习诊断和测评。1.2 认知投入的提高首先，教师通过使用不同的教学方法在在线学习平台整合信息和通信技术来扩展教学实践。在线教学中教师不是简单地叙述教学内容，而是让学生成为积极的学习者。大量文献证明，在学习过程中增加学生的选择，学生就越能控制自己的学习。本研究在在线教学的设计中提供学生更多的选择，如设计半开放式作业、提供作业主题、格式等可选择项。在这种情况下，学生更投入学习的意愿明显增强，且更能从学习中体验到更多的成功。其次，统计在线学习平台中论坛参与度情况，包括：论坛登录次数、论坛登录天数、发帖数、发帖字数、回复数、回复字数等。在线学习平台中论坛使用情况体现学生在自主意识下主动参与教学互动、主动完成学业的状况。第三，设计在线学习认知行为的在线调查问卷。调查问卷主要采取量表的设计，包含客观题和主观题两大类型。主观题以问答题为主，涉及学生对教学内容、授课方式、授课进度等内容的意见和建议。调查问卷主要通过问卷星平台，安排在一定学习阶段结束时进行，提供最直接的学习反馈，为教师、教育管理部门提供有针对性的教育增值服务，也是作为教师组织下一阶段教学任务的重要参考。1.3 情感投入的提高学生情感投入是对学习活动和学习环境的情感反应。提高情感投入将使在线课堂变得生动，也可以帮助学生克服由于在线学习固有的距离而存在的障碍。使用机器学习技术可以采集在线课堂中的学生人脸图像，并进行人脸情感识别。人脸情感识别是通过计算机对人脸图像进行情感表达相关的特征提取，并使用分类器进行识别。本研究使用人脸几何特征和纹理特征，分别利用人脸面部的特征点之间的几何关系和人脸图像像素性质来提取人脸表情特征。分类器则使用课题组提出的子空间和支持向量嵌入的稀疏表示分类方法(sparse representation classify embedding subspace mapping and support vector,SRC-SM-SV)9。SRC-SM-SV方法在传统稀疏表示模型的基础上，将训练样本投影到子空间，利用训练样本的结构信息和类别标签信息，提取人脸丰富和具有鉴别性的特征。SRC-SM-SV方法在模型中融入支持向量机，增强稀疏表示编码的分类性能。模型的求解使用交替迭代的方法，使得算法的优化过程简单高效。最终学习到的分类器将学生面部情感分为无聊、困惑、沮丧和满意4种状态。显然，表现出无聊、困惑、沮丧这3种状态的学生应是教师重点专注的人群。在线课堂上教师可以采取提问、知识点再次剖析等方式加强与这部分同学交流，课后可以采取一对一辅导的方式答疑解惑。2 方法实践本研究的实践数据来自本校大一至大三学生的数据。通过在线学习平台信息收集、在线问卷调查和学生面部图像收集，共采集到300位计算机与人工智能学院学生有效样本数据，涉及“数据结构”“软件工程”和“机器学习”三门课程。“数据结构”数据来自170名学生，占样本总数的56.67%，其中男生120人，女生50人。“软件工程”数据来自80名学生，占样本总数的26.67%，其中男生50人，女生30人。“机器学习”数据来自50名学生，占样本总数的16.67%，其中男生30人，女生20人。本研究计算了这些学生对应课程在在线学习时的期末成绩，并与2018年采取传统线下学习时的期末成绩进行了对比，期末成绩各分数段(%)比较如表1所示。表1将学生总评成绩分为6档，分别是30分、30-59分、60-69分、70-79分、80-89分和90分以上。根据表中结果，可以看出本研究提出的用于提高在线学习主动性的多元化方法是有效的。在线学习和课堂教学对应的60分以上人数比例是相当的，在线学习90分以上的人数比例甚至高于课堂教学，这是因为在线学习期间学生课余活动较少、人际交往更简单，对于学习专注度高的学生来说，每天用于学习的时间要长于传统课堂学习。从在线学习中行为投入、认知投入和情感投入三个方面确实能提高大学生在线学习主动性，能够克服在线学习障碍，加强重要的师生情感联系，并帮助学生保持专注。也说明对于具备较高自主学习能力的学生来说，能顺利适应多种教学模式。在线课堂上学生参与度越高，最终收获良好的学习成绩和成就感。但也注意到，在线学习下30分以上的人数较课堂教学情况下的比例高，这一部分成绩对应的是少部分自主学习能力弱的学生，也是在98交叉与综合Computer Knowledge and Technology电脑知识与技术第19卷第18期(2023年6月）第19卷第18期(2023年6月）本栏目责任编辑：李雅琪今后的教学工作中需要教师进一步加强与之联系，并提供针对性的教育服务的对象。研究还对比了在线学习中不同性别学生的学习状况，结果如图1所示。图1结果显示，女生在三门课的平均成绩均略高于男生，主要是男生成绩在低分段的比例较高。根据任课老师的反馈和学生样本数据的分析，女生在课堂参与、与教师互动、学习平台中论坛参与度等指标上要优于男生，但男女生在在线课堂上表露出无聊、困惑、沮丧情感的比例是相当的。表1 期末成绩各分数段(%)比较数据结构软件工程机器学习教学方式课堂教学在线学习课堂教学在线学习课堂教学在线学习30分1.381.981.031.152.563.5530-59分4.294.272.733.206.977.1660-69分28.0729.1226.2127.0525.6425.3970-79分32.6531.3233.1033.3033.7032.3380-89分25.0724.2927.8726.0225.6425.5690分以上8.549.029.079.285.576.02图1 平均成绩比较3 讨论面对在线学习的发展趋势，如何提高在线教育质量是当务之急。部分教师面临缺乏信息技术技能和在线教育培训的困境，学生则往往缺乏实验环境和实践课。本研究经过调研和实践，后续有以下几点研究方向为：1)建立在线虚拟实验室。实验和实践可以提高学生对课程的兴趣，并通过建立直观联系来促进更深入地学习。虚拟实验室为这些问题提供了一个方便、强大和有效的解决方案，最终也能激发以学生为中心的学习。虚拟实验室可以提供了一种灵活和用户友好的方法，供教师定义，学生通过严格的数学模型和计算机模拟进行实验。2)增加在线学习平台“陪伴”和“监督”服务。目前在线学习平台重在分析在线学习行为特征，构建在线学习测评数据模型，为远程教育学校提供学习测评的方法。而在线学习中，学生成功的主要障碍是难以与他们建立人际和情感联系。为了更好地激励和鼓励学生，可以使用在线自习室、虚拟社区、数字会议等多种方式提供可以与其他同学共同学习，并可以安排任课教师进入这些平台为学生答疑和辅导。3)建立一定的监督和约束机制。少部分学生在线学习期间容易被网络游戏吸引而无法专注学习，为了督促这部分同学进入学习状态，指导学生制定学习计划，对学习进行规划，将学习过程视为自我展示的过程，形成自主学习和自我激励意识。4 结束语借助于先进的互联网技术和丰富的学习资源，在线学习这一教学模式作为传统线下教学的有益补充会长期存在，传统课堂和网络课堂的混合教学模式使得教学形式得到极大的扩展。本研究从提高学生在线学习中行为投入、认知投入和情感投入三个维度开展工作，探讨了通过多种方法和措施来提高学生参与在线学习的主动性。在今后的教学实践中，还需结合课程特色和学生反馈，动态调整教学方法，为大学生在线学习提供更好的教育服务。参考文献：1 Qureshi K N,Naveed A,Kashif Y,et al.Internet of Things for education:a smart and secure system for schools monitoring and alertingJ.Computers&Electrical Engineering,2021,93:107275.2 Salas-Pilco S Z,Yang Y Q,Zhang Z.Student engagement in online learning in Latin American higher education during the COVID-19 pandemic:a systematic reviewJ.British Journal of Educational Technology:Journal of the Council for Educational Technology,2022,53(3):593-619.3 Mu L L,Li Y D,Zan H Y.Sentiment classification with syntactic relationship and attention for teaching evaluation textsC/2020 International Conference on Asian Language Processing(IALP).December 4-6,2020,Kuala Lumpur,Malaysia.IEEE,2021:270-275.4 He X L,Liu Z H.Design of blended teaching model based on emotion recognition and language learningJ.Frontiers in Psychology,2022,13:917517.5 邬婉莹.大学生在线自主学习模式优化策略J.中国新通信,2022,24(12):242-244.6 杨孟娇,高亚涛.基于TOPSIS的远程教育学生学习行为测评模型J.南京开放大学学报,2022,3(9):28-33.7 Sohn D,Lee S,Lee Y.The three dimensions of social effort:cognitive,emotional,and physicalJ.Psychology and Behavioral Sciences,2018,7(6):1-5.8 Fredrick S S,McClemont A J,Jenkins L N,et al.Perceptions of emotional and physical safety among boarding students and associations with school bullyingJ.School Psychology Review,2021,50(2/3):441-453.9 Lu S Q,Xue L,Gu X Q.Sparse representation classifier embedding subspace mapping and support vector for facial expression recognitionJ.Wireless Communications and Mobile Computing,2021,2021:1-10.【通联编辑：王力】99