教育数据信息驱动回归模型在体育专业课程建设中的应用.pdf

当代体育科技(Contemporary Sports Technology)2023年(第13卷)第19期学校体育学教育数据信息驱动回归模型在体育专业课程建设中的应用王凯1 莫媛1 陈泽龙1 莫龙萍2 罗梦娇3(1.广西民族大学相思湖学院 广西南宁 530225;2.广西农业职业技术大学 广西南宁 530006;3.广西民族大学体育与健康科学学院 广西南宁 530008)摘 要：该研究以体育专业课程建设中的实践案例为研究对象，在研究教育数据驱动应用的发展趋势、应用模式、信息收集、指标设定、信息预处理模式、数据行为建模及计算的处理、信息结果的呈现和表达的理论基础之上，对相关课程信息进行数据收集、编码，进而对数据信息进行多层级处理，发现数据呈现的描述性结果，并对其进一步进行了相关分析。结合实践所需，建立在体育专业课程建设中的教育数据信息驱动回归模型，为未来数字化、信息化的专业课程建设提供探索方向、依据。关键词：教育数据 信息驱动 回归模型 课程建设中图分类号：G807.4，G434 文献标识码：A文章编号：2095-2813(2023)19-0064-04Application of the Regression Model Driven by Education Data Information in the Construction of Professional Physical Education CoursesWANG Kai1 MO Yuan1 CHEN Zelong1 MO Longping2 LUO Mengjiao3(1.Xiangsihu College of Guangxi Minzu University,Nanning,Guangxi Zhuang Autonomous Region,530225 China；2.Guangxi Vocational University of Agriculture,Nanning,Guangxi Zhuang Autonomous Region,530006 China；3.School of Physical Education and Health Science,Guangxi Minzu University,Nanning,Guangxi Zhuang Autonomous Region,530008 China)Abstract:Taking the practical case in the construction of professional physical education courses as the research object,based on research on the development trend,application mode,information collection,index set,information preprocessing mode and data behavior modeling of the application driven by education data,and the theories of the processing of calculation,and the presentation and expression of information results,this study collects and encodes relevant course information data,then processes data information at multiple levels,finds the descriptive results that data presents,and further analyzes them.Combined with the needs of practice,the regression model driven by education data information in the construction of professional physical education courses is established,so as to provide an exploration direction and basis for the future construction of digital and informatized professional courses.Key Words:Education data;Information-driven;Regression model;Curriculum constructionDOI：10.16655/ki.2095-2813.2303-1579-9406基金项目：2021广西高等教育本科改革工程项目（项目名称：教育数据驱动在体育专业课程结构优化中的应用研究，项目编号：2021JGB455）；2023广西高校中青年教师科研基础能力提升项目（项目名称：基于身体功能测试的大学生体质健康测量模式探究，项目编号：2023KY1653）。作者简介：王凯（1986），男，硕士，副教授，研究方向为教育领域信息化应用、统计学在体育领域的应用。该研究遵循教育科学化、教育信息数字化的发展思路，在研究教育数据驱动应用的发展趋势、应用模式、信息收集、指标设定、信息预处理模式、数据行为建模及计算的处理、信息结果的呈现和表达的理论基础之上1-2，结合体育学科课程建设中的实践应用，采集一定量的教育数据信息，融合教育数据与课程建设的关系3，对数据进行处理，在数据信息驱动理念的指引下，结合专业课程建设，建立回归模型，以期达到在专业课程建设过程中教育数据信息驱动教育发展的效果，为未来专业课程建设探索数字信息化发展路径提供发展依据，具体如下。1 研究对象与方法 1.1 研究对象该研究以体育专业课程建设实践为研究对象，采集相关数据信息，以期探索教育数据信息驱动学科建设的发展路径；专业课程数据信息指标包含：课程性质（专业基础、学科基础）、课程类型（技术、理论）、学分（2、3、4）、学期（一、二，特指前、后两个学期）四大类。1.2 研究方法该研究在文献综述研究的基础上，结合调查数据，采用多元数理统计法对采集的教育数据信息进行处理，建立教育数据信息驱动的体育专业课程建设模型。2 结果与分析 2.1 描述性统计研究在体育专业学科课程建设中的应用课程分数的描述性统计（见表1）显示，在课程性质方面，专业基础课分数优于学科基础课，分布基本一致；在课程类型方面，技术课分数优于理论课，分数分布相较于理论课较好；学分方面，学分较高的课程分数较高，且分布均匀，一致性较好，而分数较低的课程分数分布相对分散，呈现一定的极端；学期方面，后一学期课程分数优于前一学期。此外，不同的课程性质、课程类型、学分、学期，学生所获得的课程分数在统计学意义上具有高度显著性（P0.01）。2.2 教育数据信息驱动回归模型的应用第一，针对研究所统计的指标进行指标间的相关性检验，相关分析结果显示，课程分数、课程性质、课程类型、学分、学期五项指标在统计学意义上均具有高度相关性（P0.01），结果表明相关关系良好，进行回归分析建模具有可行性。第二，课程分数与课程性质、课程类型呈负相关，与学分、学期呈正相关；课程性质与课程类型呈正相关，与学分、学期呈负相关；课程类型与学分、学期呈负相关；学分与学期呈正相关，结果见表2。第三，该研究以课程分数为因变量，以课程性质、课程类型、学分、学期为自变量，采用Logistic回归模型进行方程的建立，模型检验过程中显示指标建立的模型拟合度较好，R2值为0.237，回归方程的建立具有可参考性。第四，根据回归模型的计算结果（见表3），课程类型、学分、学期3个变量的P值均小于0.05，呈现显著性，说明3个变量均会对课程分数产生影响，课程性质的P值为0.315，大于0.05，没有呈现出显著性，说明课程性质对课程分数的影响较小。此外，课程类型、学分两项指标的回归系数B值分别为-8.549、-0.611，均小于0，说明两项因素对课程分数会产生负向相关影响；课程性质、学期两项指标的回归系数B值分别为5.510、0.621，均大于0，说明两项因素对课程分数会产生正向相关影响。结合模型数据，本模型的建立如下：课程分数=（83.449+0.621）分，课程性质+5.510分，学期-8.549分，课程类型-0.611学分，结果见表3。表1 课程分数的描述性统计对数据信息的呈现64当代体育科技(Contemporary Sports Technology)学校体育学2023年(第13卷)第19期该研究遵循教育科学化、教育信息数字化的发展思路，在研究教育数据驱动应用的发展趋势、应用模式、信息收集、指标设定、信息预处理模式、数据行为建模及计算的处理、信息结果的呈现和表达的理论基础之上1-2，结合体育学科课程建设中的实践应用，采集一定量的教育数据信息，融合教育数据与课程建设的关系3，对数据进行处理，在数据信息驱动理念的指引下，结合专业课程建设，建立回归模型，以期达到在专业课程建设过程中教育数据信息驱动教育发展的效果，为未来专业课程建设探索数字信息化发展路径提供发展依据，具体如下。1 研究对象与方法 1.1 研究对象该研究以体育专业课程建设实践为研究对象，采集相关数据信息，以期探索教育数据信息驱动学科建设的发展路径；专业课程数据信息指标包含：课程性质（专业基础、学科基础）、课程类型（技术、理论）、学分（2、3、4）、学期（一、二，特指前、后两个学期）四大类。1.2 研究方法该研究在文献综述研究的基础上，结合调查数据，采用多元数理统计法对采集的教育数据信息进行处理，建立教育数据信息驱动的体育专业课程建设模型。2 结果与分析 2.1 描述性统计研究在体育专业学科课程建设中的应用课程分数的描述性统计（见表1）显示，在课程性质方面，专业基础课分数优于学科基础课，分布基本一致；在课程类型方面，技术课分数优于理论课，分数分布相较于理论课较好；学分方面，学分较高的课程分数较高，且分布均匀，一致性较好，而分数较低的课程分数分布相对分散，呈现一定的极端；学期方面，后一学期课程分数优于前一学期。此外，不同的课程性质、课程类型、学分、学期，学生所获得的课程分数在统计学意义上具有高度显著性（P0.01）。2.2 教育数据信息驱动回归模型的应用第一，针对研究所统计的指标进行指标间的相关性检验，相关分析结果显示，课程分数、课程性质、课程类型、学分、学期五项指标在统计学意义上均具有高度相关性（P0.01），结果表明相关关系良好，进行回归分析建模具有可行性。第二，课程分数与课程性质、课程类型呈负相关，与学分、学期呈正相关；课程性质与课程类型呈正相关，与学分、学期呈负相关；课程类型与学分、学期呈负相关；学分与学期呈正相关，结果见表2。第三，该研究以课程分数为因变量，以课程性质、课程类型、学分、学期为自变量，采用Logistic回归模型进行方程的建立，模型检验过程中显示指标建立的模型拟合度较好，R2值为0.237，回归方程的建立具有可参考性。第四，根据回归模型的计算结果（见表3），课程类型、学分、学期3个变量的P值均小于0.05，呈现显著性，说明3个变量均会对课程分数产生影响，课程性质的P值为0.315，大于0.05，没有呈现出显著性，说明课程性质对课程分数的影响较小。此外，课程类型、学分两项指标的回归系数B值分别为-8.549、-0.611，均小于0，说明两项因素对课程分数会产生负向相关影响；课程性质、学期两项指标的回归系数B值分别为5.510、0.621，均大于0，说明两项因素对课程分数会产生正向相关影响。结合模型数据，本模型的建立如下：课程分数=（83.449+0.621）分，课程性质+5.510分，学期-8.549分，课程类型-0.611学分，结果见表3。表1 课程分数的描述性统计对数据信息的呈现信息指标课程性质课程类型学分学期专业基础课学科基础课技术课理论课2分3分4分学期一学期二平均值标准差80.589.3373.6210.7982.028.5173.4810.5378.5510.2972.399.7083.217.9475.6910.5482.098.74F275.384522.72498.494276.089P0.0000.0000.0000.00065当代体育科技(Contemporary Sports Technology)2023年(第13卷)第19期学校体育学3 讨论 第一，根据描述性统计分析的结果显示，单门课程其课程性质、课程类型、学分、学期的不同在一定程度上直接影响了课程成绩的高低，该事件的发生可能是多方面的原因造成的4，教师授课质量、学生个体学习态度、课程考核难度、课程考核标准等，均会对分数造成影响5。尤其是在面对理论、技术课程时，体育专业的学生多呈现分化的态度，对于理论课程的重视程度相对较轻，尤其是基础理论课程的学习过程相对枯燥，极易造成个体学习过程的懈怠。然而，当学生了解到课程性质、课程类型、学分的不同所代表的意义不一样时，个体可能会呈现前后2个学期较为不同的学习态度6-7，因此，在课程建设中关注课程规划，构建合理的培养计划，并在入学时、授课前、授课中，反复将课程的性质、定位，以及课程的重要性进行解读，可有效提升学生学习的积极性，间接提升教学质量，促进学科的建设与发展。第二，相关分析结果显示，课程分数、课程性质、课程类型、学分、学期5项指标在统计学意义上均具有高度相关（P0.01），表明在学科建设的过程中，单门课程的性质、类型、学分、学期之间均会产生相互影响。课程分数与课程性质、课程类型呈负相关，课程的类型和性质包括理论课、技术课、专业基础课、学科基础课，其在一定程度上学习难度的大小，直接对学生产生负面影响；课程性质与学分、学期呈负相关，表明对课程的定位、课程的学习安排一定程度上影响到了学生学习的主动性、积极性（不同学期安排、不同学分），要想消除该事件的影响，就要在制订培养方案时谨慎处理，尤其是面对体育专业的学生，群体特征、个体特征均应考虑周全，才能做到教学培养效益的最大化；课程类型与学分、学期呈负相关，表明课程安排上结构类型存在一定的弊端，对课程规划重视不足，需改进、提升，因为个体的发展变化呈现阶段性，而课程的安排和学习也应当是累进和递进的关系，这样才能更好地实现人才培养的目标8。大学生亦是如此，从进校开始打好基础，提升个人认知水平，才能达到双渠道并轨前进的效益。课程分数与学分、学期呈正相关，表明在不同的学习阶段、个体的认知在对课程的重视方面直接影响分数，且呈现群体性的正相关，也表明课程的学期安排、学分的设置具有积极意义；课程性质与课程类型呈正相关，说明根据课程建设规划纲要的指导意见，对课程进行规划具有积极意义，达到了科学规划和培养人才的意义9。在该年级的培养计划中，核心课程的学分制定科学，学期规划合理，达到了学分与学期呈正相关的关系，亦在课程规划实践的方面具有积极意义。第三，该研究回归方程的建立具有可参考性，其中课程类型、学分、学期3个变量对课程分数的影响呈显著性，而课程性质对课程分数的影响不具有显著性，表明课程规划核心指标的建立具有参考性10，对人才培养有积极意义，是回归方程建立积极性的体现，同时间接体现了教育数据驱动应用的科学性、合理性；课程类表2 各指标间相关性分析结果呈现信息指标课程分数课程性质课程类型学分学期课程分数1课程性质-0.309*1课程类型-0.408*0.778*1学分0.053*-0.090*-0.215*1学期0.309*-0.093*-0.134*0.134*1注：*表示具有高度显著相关性。表3 回归模型系数结果指标课程分数（常量）课程性质学期课程类型学分未标准化系数B83.4490.6215.510-8.549-0.611标准误差0.9250.6180.3600.5860.159t90.2171.00515.325-14.578-3.835P0.0000.3150.0000.0000.00066当代体育科技(Contemporary Sports Technology)学校体育学2023年(第13卷)第19期型、学分两项指标的回归系数均小于0，说明在实践中需对这两项进行调整，尤其是在体育专业学习过程中，针对技术、理论课程的极端现象，需要更好地进行个体认知上的解读，提升群体的认知水准，或采取更好的分块培养模式，更好地达到“抓一门、学一门、精一门”的效果，间接促进体育专业学科建设的整体发展11；课程性质、学期两项指标的回归系数均大于0，说明这届学生的培养计划对各门课程在学科发展中的定位精准，在大学学习的不同阶段将不同的课程进行合理组合排序，此时课程规划、培养计划、人才培养体系均对学生产生了积极的影响，将该统计分析模型运用到实践中，是教育数据信息驱动教育规划与发展的积极体现，达到了理论与实践相结合、相印证的关系。4 结论与建议 首先，课程分数的描述性统计结果显示，课程不同的课程性质、课程类型、学分、学期均会对学生个体和群体的课程成绩产生影响。指标间相关关系呈负相关的有课程分数与课程性质、课程类型，课程性质与学分、学期，课程类型与学分、学期；呈正相关的有课程分数与学分、学期，课程性质与课程类型，学分与学期。相关关系表明，在培养体系的构建过程当中，要想将培养计划的效益发挥到最大化，需从单门课程的性质、培养时间节点等入手，是系统性的工程。回归模型的计算结果显示，课程类型、学分、学期3个变量均会对课程分数产生影响，课程性质对课程分数的影响较小，其中，课程类型、学分两项指标对课程分数会产生负向影响，课程性质、学期两项指标则会产生正向影响。其次，以教育数据信息为研究的切入点，秉承“数据驱动”理念，结合专业课程建设的发展能够发现更多的内涵信息，借助数据模型也可更好地融合教育数据与课程建设、人才培养的关系。促进体育专业课程的“信息化、数字化”发展，是未来体育专业课程建设、发展的探索路径之一。参考文献1 王凯,卢丛媚,蓝潇,等.数据驱动在教育领域中的应用现状研究：数据驱动在体育专业课程中的应用研究J.体育科技文献通报,2022,30(8):140-142,146.2 王凯,莫媛,莫龙萍,等.体育专业课程中教育数据信息的处理与表达J.体育科技文献通报,2022,30(11):127-130.3 杨丽娜,魏永红，肖克曦，等.教育大数据驱动的个性化学习服务机制研究J.电化教育,2020(9):68-74.4 刘博鹏,樊铁成,杨红,等.基于数据挖掘技术的学生成绩预警应用研究J.四川大学学报(自然科学版),2019,56(2):267-271.5 张涛,张思.教育大数据挖掘的学习者模型设计与计算研究J.电化教育研究,2020(9):61-67.6 陈云龙.校园大数据生态圈的构建与应用J.人民教育,2020(10):65-67.7 张文梅,祁彬斌,范文翔.数据驱动的教学行为分析：现状、逻辑与发展趋向J.远程教育杂志,2021(1):84-93.8 熊宇,储雯,蔡婷,等.高校教育大数据应用支撑体系的设计与实践J.现代教育技术,2020,30(11):68-74.9 杨现民,王榴卉,唐斯斯,等.教育大数据的应用模式与政策建议J.电化教育研究,2015(9):54-61.10 李振,周东岱,董晓晓,等.我国教育大数据的研究现状、问题、对策J.现代远距离教育,2019(1):46-55.11 赵宏,陈丽,王小凯,等.现代远程教育政策发展脉络及问题分析J.中国远程教育,2021(8):12-20.67